POLITECHNIKA ŁÓDZKA WYDZIAŁ ELEKTROTECHNIKI, ELEKTRONIKI, INFORMATYKI I AUTOMATYKI INSTYTUT ELEKTROENERGETYKI AUTOREFERAT ROZPRAWY DOKTORSKIEJ OPTYMALIZACJA BILANSOWANIA ENERGII I REGULACYJNYCH USŁUG SYSTEMOWYCH W SIECIACH NISKIEGO NAPIĘCIA. mgr inż. Błażej Olek PROMOTOR: Prof. dr hab. inż. Władysław Mielczarski ŁÓDŹ, POLSKA Czerwiec 2013
SPIS TREŚCI 1. WSTĘP... 3 1.1. Teza rozprawy... 5 1.2. Główne osiągnięcia pracy... 6 1.3. Zakres i struktura rozprawy... 6 2. SFORMUŁOWANIE PROBLEMU... 8 2.1. Założenia... 8 2.2. Lokalne obszary bilansowania... 9 2.3. Zadania Operatora Obszaru Węzłowego... 12 2.4. Optymalizacja... 13 2.4.1. Optymalizacja statyczna... 13 2.5. Funkcja celu i ograniczenia... 14 3. MODELE MATEMATYCZNE... 18 3.1. Model sieci... 18 3.2. Modele jednostek wytwórczych... 21 3.3. Modele odbiorców... 22 3.4. Modelowanie cen... 25 4. METODY OPTYMALIZACYJNE... 28 4.1. Statyczne metody optymalizacyjne... 28 5. SYMULACJE... 29 5.1. Wstęp... 29 1
5.2. Scenariusze symulacyjne... 30 5.3. Wyniki... 31 5.3.1. Bilansowanie energii... 32 5.3.2. Jakość energii... 35 5.3.2.1. Moc bierna... 36 5.3.2.2. Asymetria... 37 5.3.2.3. Harmoniczne... 37 5.3.3. Praca sieci... 39 6. WNIOSKI I REKOMENDACJE DLA DALSZYCH BADAŃ... 41 8.1 Wnioski... 41 8.2 Rekomendacje dla dalszych prac badawczych... 45 7. WYKAZ PUBLIKACJI... 46 8. WYKAZ UCZESTNICTWA W KONFERENCJACH... 49 9. BIBLIOGRAFIA... 50 10. ABSTRACT... 51 11. STRESZCZENIE... 52 12. WYKAZ RYSUNKÓW... 54 13. WYKAZ TABEL... 55 2
Rozdział 1 - Wstęp ROZDZIAŁ 1 1. WSTĘP Tradycyjny system elektroenergetyczny opiera się na założeniu jednokierunkowego przypływu mocy od dużych jednostek wytwórczych, poprzez sieci przesyłowe wysokich napięć do węzła średniego napięcia, a stamtąd do odbiorcy końcowego. Jednakże nowoczesny system zawiera również liczne, rozproszone źródła energii o niewielkich mocach znamionowych, pozwalające na wykorzystanie lokalnych zasobów. Wywołane postępem technologicznym zmiany zostały wzmocnione europejską polityką energetyczną dającą przywileje odnawialnym źródłom energii. Dodatkowo liberalizacja sektora energetycznego oraz wprowadzenie rynków energii zaowocowały zmianami w systemie elektroenergetycznym. Do efektywnego zarządzania siecią niezbędne jest bezwzględne przestrzeganie dwóch naczelnych zasad energetyki: rozdziału działalności (unbundling) i dostępu do sieci stron trzecich (Third Party Access). Jest to niezbędne w szczególności w obszarze sieci dystrybucyjnych. Kluczowym elementem reorganizacji systemu elektroenergetycznego jest rynek bilansujący będący narzędziem równoważenia produkcji i zużycia energii elektrycznej. Obecnie rynek bilansujący funkcjonuje jedynie w obszarze sieci przesyłowych. Jednak niezbędne jest wprowadzenie mechanizmów bilansowania w obszar sieci dystrybucyjnych, tak aby zapewnić rozwój generacji rozproszonej. Lokalne bilansowanie jest nowym elementem zarządzania siecią, który może przyczynić się do 3
Rozdział 1 - Wstęp transformacji pasywnych sieci dystrybucyjnych w sieci aktywne nazywane smart grid. Niniejsza rozprawa przedstawia koncepcję lokalnego bilansowania energii i regulacyjnych usług systemowych w sieci niskiego napięcia z wysokim udziałem źródeł generacji rozproszonej - w tym także Odnawialnych Źródeł Energii - zasobników energii oraz aktywnych odbiorów. Głównym celem bilansowania jest zapewnienie niezawodnej pracy sieci niskich napięć z uwzględnieniem jakości energii. Zadania te są realizowane przez lokalnego Operatora Obszaru Węzłowego (OOW), który jest odpowiedzialny za optymalizację pracy wydzielonej sieci niskiego napięcia. OOW dodatkowo współpracuje z nadrzędnym Operator Koordynacyjny Sieci, który zarządza pracą sieci średnich napięć, zapewniając bilans pomiędzy sieciami nn i SN. Badania prowadzone są w oparciu o dwie naczelne zasady funkcjonowania energetyki: rozdziału działalności i dostępu do sieci stron trzecich. Lokalne bilansowanie prowadzone jest spójnie z istniejącym w obszarze sieci przesyłowych rynkiem bilansującym. Wykorzystany został model rynku dnia następnego z ofertami bilansującymi oraz ekonomicznym rozdziałem obciążeń. Dodatkowo przedstawiono koncepcję wykorzystania regulacyjnych usług systemowych świadczonych przez lokalne źródła generacji rozproszonej. Usługi te polegają na lokalnej kompensacji mocy biernej, redukcji asymetrii i wyższych harmonicznych. Jednocześnie autor jest w pełni świadomy, iż jego praca nie wyczerpuje w pełni tematu, i może być traktowana jako niewielki krok na długiej drodze do nowoczesnego systemu elektroenergetycznego z inteligentnymi sieciami i wykorzystaniem lokalnych zasobów energetycznych. 4
Rozdział 1 - Wstęp 1.1. Teza rozprawy Postawiona w rozprawie teza, brzmi następującą: MOŻLIWA JEST KOORDYNACJA BILANSOWANIA ENERGII ELEKTRYCZNEJ I REGULACYJNYCH USŁUG SYSTEMOWYCH W WĘZŁACH NISKIEGO NAPIĘCIA, POPRZEZ ZASTOSOWANIE METOD OPTYMALIZACJI NIELINIOWEJ. Słuszność powyższej tezy wykazana jest poprzez: 1. Zdefiniowanie warunków pracy sieci, w tym również uwarunkowań prawnych, w szczególności zasad rozdzielności działalności i dostępu do sieci stron trzecich, 2. Sformułowanie modelu sieci niskich napięć wraz z aktywnymi i pasywnymi źródłami energii, zasobnikami i odbiorami, 3. Określenie zadań koordynacyjnych pracy węzła niskiego napięcia, a w szczególności: bilansowanie energii elektrycznej, kompensacja mocy biernej, redukcja asymetrii i mityzacja harmonicznych, 4. Zdefiniowanie zadań Operatora Obszaru Węzłowego, w oparciu o dostępne zasoby i regulacje prawne, 5. Stworzenie modeli optymalizacyjnych, a w szczególności funkcji celu i ograniczeń, 6. Analizę metod optymalizacyjnych, w tym metod optymalizacji nieliniowe, które mogą być wykorzystane do rozwiązania zadanego problemu, 7. Wybór najbardziej odpowiednich metod do zadanego problemu, 8. Zdefiniowanie scenariuszy do symulacji, 9. Przeprowadzenie symulacji w oparciu o utworzone scenariusze, 10. Analizę otrzymanych wyników oraz sformułowanie rekomendacji do dalszych badań. 5
Rozdział 1 - Wstęp 1.2. Główne osiągnięcia pracy Do głównych osiągnięć pracy autor zalicza: Sformułowanie i wykazanie tezy, że jest możliwe stworzenie obszaru lokalnego bilansowania energii elektrycznej w obszarze węzłowym sieci niskiego napięcia pozwalające na zwiększeniu udziału generacji rozproszonej, w tym odnawialnych źródeł energii, przy zachowaniu parametrów technicznych pracy sieci, Założenie i w wykazanie, że generacja rozproszona, dzięki elektronicznym falownikom zainstalowanym w każdej fazie, może nie tylko produkować energię elektryczną ale również dostarczać regulacyjnych usług obejmujących kompensację mocy biernej, redukcję asymetrii oraz wyższych harmonicznych, Przystosowanie zasad działania rynku bilansującego do obszaru węzłowego niskiego napięcia, Sformułowanie kompleksowej, wielokryterialnej funkcji celu obejmującej bilansowanie energii elektrycznej, kompensację mocy biernej oraz redukcję asymetrii i wyższych harmonicznych, Analizę metod optymalizacji nieliniowej i wybór najodpowiedniejszej metody do sformułowanego problemu, Konstrukcja ośmiu scenariuszy symulacyjnych, Przeprowadzenie symulacji optymalizacyjnych ilustrujących, że optymalizacja bilansowania w obszarze węzłowym może prowadzić do ograniczenia strat sieciowych, poprawy kompensacji mocy biernej, zmniejszenia asymetrii prądów i napięć oraz ograniczenia wyższych harmonicznych. 1.3. Zakres i struktura rozprawy Proces zarządzania siecią składa się z trzech etapów. Pierwszym jest zbieranie danych pomiarowych o stanie sieci, za pośrednictwem zaawansowanej infrastruktury pomiarowej i przesłanie tych informacji do operatora za pośrednictwem takich mediów 6
Rozdział 1 - Wstęp jak Internet. Drugim etapem jest koordynacja pracy sieci polegająca na rozdziale obciążeń na jednostki wytwórcze, w oparciu o zebrane dane oraz prognozy zapotrzebowania. Efektem tego etapu są plany koordynacyjne, które wykorzystywane są w trzeciej fazie do sterowania jednostkami aktywnymi. Praca poświęcona jest fazie drugiej, czyli koordynacji. Jednocześnie autor założył, iż sieć jest w pełni opomiarowana z dostępem do sterowania zainstalowanymi urządzeniami. Koordynacja realizowana jest w oparciu o metody optymalizacji nieliniowej - Rys. 1. Rys. 1 Fazy zarządzania systemem elektroenergetycznym. Źródło: Mielczarski, Olek, Wierzbowski 2012. W rozdziale drugim rozprawy doktorskiej, opisany jest stan wiedzy na temat nowoczesnych systemów elektroenergetycznych. Zaprezentowane są główne aspekty polityki Europejskiej, regulacje prawne oraz struktury i funkcjonowanie rynków energii. Druga część rozdziału przedstawia aspekty techniczne zarządzania inteligentną siecią (ang. Smart grid) oraz związane z jakością energii w sieciach niskich napięć. Rozdział trzeci definiuje funkcję celu wraz z jej ograniczeniami. W następnym rozdziale przedstawione są modele matematyczne sieci testowej wykorzystywanej w symulacjach. Model sieci niskich napięć składa się z infrastruktury sieciowej, sterowalnych i niesterowalnych jednostek wytwórczych, aktywnych i pasywnych odbiorców oraz zasobnika energii. Następnie przedstawiony jest przegląd metod optymalizacyjnych wraz ze wskazaniem na metody wybrane do symulacji. Przygotowanych zostało kilkanaście scenariuszy symulacyjnych do zobrazowania koncepcji lokalnego bilansowania energii z uwzględnieniem regulacyjnych usług systemowych. Na końcu rozprawy zaprezentowane są wyniki przeprowadzonych symulacji oraz ostateczne wnioski. 7
Rozdział 2 Sformułowanie problemu ROZDZIAŁ 2 2. SFORMUŁOWANIE PROBLEMU 2.1. Założenia Rozprawa poświęcona jest optymalizacji pracy sieci dystrybucyjnej, a w szczególności lokalnego bilansowania produkcji i konsumpcji energii elektrycznej zgodnie z zasadami konkurencyjnego rynku, biorąc pod uwagę również poprawę jakości energii poprzez regulacyjne usługi systemowe. Autor zakłada, że sieć jest w pełni opomiarowana oraz sterowalna dzięki energoelektronicznym przetwornikom mocy pozwalającym na dowolne formowanie przebiegów prądowych, niezależnie w każdej fazie. Badania prowadzone są w zgodzie z naczelnymi zasadami funkcjonowania energetyki (rozdział działalności i dostęp do sieci stron trzecich). Dlatego też operator sieci posiada licencję pozwalającą na zarządzanie siecią i koordynację pracy źródeł w zakresie bilansowania energii, jednak sam nie może produkować energii, jak również zajmować się jej obrotem. Dodatkowo przyjęto, że lokalne zarządzanie odbywa się w spójności z obowiązującymi na poziomie sieci przesyłowych, mechanizmami rynkowymi jakimi jest rynek bilansujący dnia następnego, a także ekonomiczny rozdział obciążeń dokonywany w oparciu o oferty bilansujące zgłaszane przez lokalne jednostki wytwórcze i aktywnych odbiorców. Usługi regulacyjne podzielone zostały na trzy grupy: kompensacja mocy biernej, redukcja asymetrii oraz mityzacja harmonicznych. 8
Rozdział 2 Sformułowanie problemu L1 L2 L3 AC/DC Operation Schedule AC/DC Operation Schedule AC/DC Operation Schedule Measurements Measurements Measurements AC AC AC Wind turbine PV cells Other DG energy sources Generator Microturbine / Diesel engine Rys. 2 Podłączenie generacji rozproszonej do sieci. 2.2. Lokalne obszary bilansowania Tradycyjnie system elektroenergetyczny jest budowany dla przesyłu energii elektrycznej z elektrowni o dużej koncentracji mocy, poprzez sieci przesyłowe wysokich napięć do sieci rozdzielczych, a stamtąd do odbiorcy końcowego. Można wyróżnić dwie struktury sieciowe: poziome i pionowe. Do poziomych zaliczane są sieci przesyłowe pracujące w układzie zamkniętym, a zarządza nimi Operator Sieci Przesyłowych (OSP). Do struktur pionowych zaliczają się sieci rozdzielcze, pracujące głównie w układzie otwartych sieci promieniowych: średnich i niskich napięć. Obecnie w większości krajów, bilansowanie prowadzone jest tylko przez OSP (Rys. 3). Dla zapewnienia niezawodności zasilania w dobie rozwoju generacji rozproszonej, kluczowe jest wprowadzenie w obszar sieci rozdzielczych Lokalnych Obszarów Bilansowania. Niekontrolowany rozwój generacji rozproszonej wpływa na negatywne oddziaływanie sieci niższych napięć na sieci wyższych napięć poprzez niekontrolowane przepływy energii prowadzące do naruszenie parametrów technicznych pracy sieci Rys. 4. 9
Rozdział 2 Sformułowanie problemu Rys. 3 Struktura nowoczesnego system elektroenergetycznego. Wprowadzenie obszarów lokalnego bilansowania opartego na zasadach rynkowych może zwiększyć udział generacji rozproszonej w sieci zachowując jednocześnie parametry techniczne w zakresie prądów, odchyleń napięcia Rys. 5. Dodatkowo ze względu na różnorodność problemów obszary niskich i średnich napięć powinny być zarządzane osobno, jednak przy zachowaniu spójności zasad. Zaprezentowana koncepcja zakłada że sieć niskich napięć zarządzana jest przez Operatora Obszaru Węzłowego (OOW) podrzędnie działającego w stosunku do Operatora Koordynacyjnego Sieci, działającego w obszarze średnich napięć (Rys. 3). 10
Rozdział 2 Sformułowanie problemu Medium voltage network Nodal area 1 V2 T V1 Nodal area 3 V3 V4 DG Load Uncontrolled power flows DG Load Rys. 4 Sieci niskich napięć z nieskoordynowanymi przepływami mocy Medium voltage network Nodal area 1 V2 T V1 Nodal area 3 V3 V4 DG Controlled power flows Load DG Load Rys. 5 Sieci niskich napięć ze skoordynowanymi przepływami 11
Rozdział 2 Sformułowanie problemu 2.3. Zadania Operatora Obszaru Węzłowego Ze względu na duży udział odbiorów jednofazowych, sieci niskiego napięcia posiadają pewne charakterystyczne cechy. Linie są czteroprzewodowe (3 przewody fazowe i jeden zerowy). Dodatkowo niektórzy odbiorcy ze względu na jednofazowy pobór energii oraz dużą zmienność obciążenia powodują asymetrię napięć węzłowych, a duży udział odbiorników elektronicznych powoduje odkształcenia prądów i napięć w sieci. Szczególne znaczenie ma trzecia harmoniczna, która jest najpowszechniejsza a dodatkowo ze względu na brak przesunięcia fazowego w układach trójfazowych, sumuje się w przewodzie neutralnym. W połączeniu z asymetrią efekt ten może być przyczyną awarii na skutek przepalenia przewodu neutralnego. Szczególnie niekorzystny efekt występuje w sieciach wiejskich, gdzie na długich liniach zasilających, spadki napięcia są wyższe, przez co i napięcia są bardziej odkształcone. Dlatego też można wyróżnić kilka kluczowych zadań, charakterystycznych dla OOW: Zapewnić bilans produkcji i zużycia energii elektrycznej, Minimalizacja strat, Utrzymanie odpowiednich poziomów napięć węzłowych, Zapewnienie odpowiednich norm jakości energii elektrycznej, w tym asymetrię i odkształcenia napięć, Ponieważ muszą być spełnione zasady rozdzielności działalności i dostępu do sieci stron trzecich, wymienione powyżej zadania muszą być realizowane w oparciu o mechanizm rynku bilansującego dnia następnego oraz regulacyjnych usług systemowych, takich jak (Bhattacharya, Zhong, (n.d.)): Kompensacja mocy biernej (bilansowanie mocy biernej), Redukcja asymetrii, Mitygacja harmonicznych a w szczególności 3. harmonicznej prądu. 12
Rozdział 2 Sformułowanie problemu 2.4. Optymalizacja Optymalizacja jest narzędziem pozwalającym na minimalizację funkcji celu przy jednoczesnym zachowaniu pewnych ograniczeń. Możemy wyróżnić trzy rodzaje optymalizacji: statyczna, dynamiczna i sztuczna inteligencja (Rys. 6). Optymalizacja Statyczna Dynamiczna Sztuczna inteligencja programowanie liniowe programowanie dynamiczne sieci neuronowe programowanie nieliniowe sterowanie optymalne zbiory rozmyte optymalizacja nieliniowa programy eksperckie optymalizacja binarno-liniowa algorytmy genetyczne Rys. 6 Kategoryzacja metod optymalizacji. 2.4.1. Optymalizacja statyczna Optymalizacja statyczna jest najbardziej bezpośrednią metodą poszukiwania najlepszego rozwiązania. Metody te należą do grupy metod stosunkowo prostych zarówno w strukturze jak i implementacji, jednakże zazwyczaj nie są zbyt wydaje, w szczególności w przypadku wielowymiarowych problemów. Obecnie jest to najbardziej powszechne rozwiązanie stosowane do ekonomicznego rozdziału obciążeń. W 13
Rozdział 2 Sformułowanie problemu szczególności dotyczy to programowania binarno-liniowego, które wykorzystywane jest do dwuetapowego rozdziału obciążeń (Kasprzyk, Mielczarski, 2005; Polskie Sieci Elektroenergetyczne S. A., 2012). W pierwszej fazie binarnej wybierane są jednostki, które w danym dniu zostaną włączone do pracy. Następnie w fazie optymalizacji liniowej wyznaczane są poziomy mocy z jakimi będą pracowały uprzednio wyselekcjonowane jednostki. Dużo nadzieje są pokładane w metodach sztucznej inteligencji, takie jak sieci neuronowe, zbiory rozmyte, programy eksperckie czy algorytmy genetyczne. Jednakże są to stosunkowo nowe metody nie rozpoznane do końca, dlatego też nie znalazły jeszcze praktycznego zastosowania. Dwudziestoczterogodzinne planowanie pracy jest samo w sobie problemem dynamicznym. Dlatego też użycie metod dynamicznych byłoby naturalne w problemie jakim jest rozdział obciążeń. Jednakże implementacja wielowymiarowych dynamicznych problemów jest trudne w implementacji i może prowadzi do nierozwiązywalności problemu (Hobbs et al., 1988; Sugianto, Waluyo, 2002). Ze względu na powyżej przedstawioną analizę, autor zdecydował na zastosowanie klasycznego i pewnego narzędzia jakim jest optymalizacja statyczna. 2.5. Funkcja celu i ograniczenia Zadany problem optymalizacji opisany jest funkcją celu składającą się z danych wejściowych oraz ograniczeń, wyrażonych w postaci współczynników kary. Takie podejście rozszerzyło zakres możliwych do wykorzystania metod. W strukturze funkcji można wyróżnić cztery charakterystyczne elementy. Pierwsza część funkcji, odzwierciedla koszt generacji mocy czynnej (konsumpcji w przypadku odbiorcy aktywnego i akumulacji w przypadku zasobnika energii) przez poszczególne jednostki. Współczynniki cenowe są cenami zgłoszonymi w systemie ofertowym do lokalnego operatora. Druga część w analogiczny sposób opisuje bilans mocy biernej. Trzecim elementem jest koszt redukcji asymetrii wyrażonej współczynnikiem asymetrii. Ostatni element jest kosztem generacji harmonicznych prądu. 14
Rozdział 2 Sformułowanie problemu ( ) ( ) (2.1) gdzie: t okres czasu mierzony w godzinach okresy jednogodzinne K P t jest współczynnikiem kosztu lokalnej produkcji i wymiany z siecią SN, mocy czynnej: ( ) (2.2) gdzie: c t Pi cena energii generowanej przez jednostkę i w okresie t P t i energia generowana przez jednostkę i okresie t c t P cena wymiany energii z siecią SN w okresie t P t wymiana energii z siecią SN w okresie t K Q t jest współczynnikiem kosztu lokalnej produkcji i wymiany z siecią SN, mocy biernej: ( ) (2.3) gdzie: c t Qi cena mocy biernej generowanej przez jednostkę i w okresie t 15
Rozdział 2 Sformułowanie problemu Q t i moc bierna generowana przez jednostkę i okresie t c t Q cena wymiany mocy biernej z siecią SN w okresie t Q t wymiana mocy biernej z siecią SN w okresie t K A t jest współczynnikiem kosztu usługi systemowej redukcji asymetrii: (( ) ( )) (2.4) c t A2i cena asymetrycznej pracy jednostki i (według składowej symetrycznej kolejności przeciwnej) w okresie t α t 2i współczynnik asymetrii kolejności przeciwnej t c t A0i cena asymetrycznej pracy jednostki i (według składowej symetrycznej kolejności zerowej) w okresie t α t 2i współczynnik asymetrii kolejności zerowej t K H t jest współczynnikiem kosztu lokalnej produkcji i wymiany z siecią SN, mocy biernej: ( ) (2.5) c t 3Hi cena generacji trzeciej harmonicznej prądu przez jednostkę i w okresie t I t 3Hi wartość trzeciej harmonicznej generowanej przez jednostkę i w okresie t Ponieważ rozdział obciążeń jest planowany na 24 godziny, więc każdy parametr jest wyrażony dla każdej godziny jako osobna zmienna. Dodatkowo ze względu na rozpatrywany problem asymetrii, każdy parametr wyrażony jest dla każdej fazy z 16
Rozdział 2 Sformułowanie problemu osobna. Takie sformułowanie problemu optymalizacji czyni iż całkowita liczba zmiennych jest stosunkowo duża i wynosi 1440 zmiennych. Dodatkowo ze względów technicznych i organizacyjnych, przyjęty został szereg ograniczeń takich jak: Moc dysponowana w przypadku źródeł wykorzystujących paliwa kopalne, jest to stała wartość równa bądź zbliżona do znamionowej. W przypadku Odnawialnych Źródeł Energii (OZE) zależnych od warunków pogodowych, ograniczenie mocy wyrażone jest odpowiednim profilem Napięcie w węzłach, w badaniach przyjęte na podstawie polskiej normy PN-EN 50160 na poziomie ±10% napięcia znamionowego. Maksymalna obciążalność linii Pojemność zasobnika energii. Szczegółowy wykaz zastosowanych ograniczeń jest przedstawiony w tabeli Tabela 1. Tabela 1 Wykaz ograniczeń. Constrain Number of constrains in single period Single phase Three phase Network infrastructure Nodal voltages (upper bonds) 13 39 936 Nodal voltages (lower bonds) 13 39 936 Power lines capacity (upper bonds) 9 27 648 Transformer rated current 1 3 72 Voltage asymmetry 13 39 936 Voltage THD 13 39 936 Power units capacity (upper bonds) 6 18 432 Power units capacity (lower bonds) 6 18 432 Reactive power injection (upper bond) 6 18 432 Reactive power injection (lower bond) 6 18 432 Harmonics injection (upper bonds) 6 18 432 Harmonics injection (lower bond) 6 18 432 State of charge 1 3 72 Total: Power units Number of constaints for all of the periods 7128 17
Rozdział 3 Modele matematyczne ROZDZIAŁ 3 3. MODELE MATEMATYCZNE 3.1. Model sieci Użyta w badaniach sieć jest zamodelowana jako promieniowa sieć niskich napięć zdefiniowana w oparciu o model sieci testowej CIGRE (Papathanassiou et al 2005). Sieć składa się z 13 węzłów, w tym jednego węzła po stronie SN transformatora rozdzielczego. Tabela 2 Parametry techniczne linii. Źródło: (Tele-Fonika Kable sp. z o.o. 2009). branch length section material isolation R X IMAX m mm 2 - - Ω Ω A L2-3 70 120 AL XLPE 0,0177 0,0058 285 L3-4 30 10 Cu XLPE 0,0573 0,0095 80 L3-5 35 120 AL XLPE 0,0089 0,0029 285 L5-6 70 120 AL XLPE 0,0177 0,0058 285 L5-7 105 70 AL XLPE 0,0465 0,0090 210 L7-10 30 25 AL XLPE 0,0360 0,0095 100 L6-9 105 120 AL XLPE 0,0266 0,0087 285 L6-8 30 35 Cu XLPE 0,0192 0,0088 167 L9-11 35 120 AL XLPE 0,0089 0,0029 285 L9-12 30 25 AL XLPE 0,036 0,00954 100 L11-13 30 10 Cu XLPE 0,0573 0,00954 80 18
Rozdział 3 Modele matematyczne Węzły połączone są łącznie jedenastoma trójfazowymi liniami. Ponieważ jednak również prądy w przewodach zerowych również są sprawdzane, sieć testowa zamodelowana jest czteroprzewodowymi liniami. Do sieci przyłączone są cztery generatory, zasobnik energii oraz grupa aktywnych odbiorców. Tabela 3 przedstawia wykaz urządzeń przyłączonych do sieci testowej. Większość z generatorów to odnawialne źródła charakteryzujące się nierównomiernym profilem mocy dysponowanej. Dlatego też zaprezentowane w tabeli wartości odnoszą się do wartości zainstalowanych i zazwyczaj nie są osiągane. W sieci pracuje jedna mikroturbina gazowa, która dzięki niezależności od czynników zewnętrznych oferuje stałą, maksymalną moc. Rys. 7 Testowa sieć niskich napięć. Źródło: (Papathanassiou et. al., 2005) 19
Rozdział 3 Modele matematyczne Tabela 3 Wykaz jednostek wytwórczych, aktywnych odbiorów i zasobników energii No Power unit Control Pmin Pmax Capacity kw kw kwh G1 PV NO 0 15 0 AL Active loads YES -5 0 * G3 PV YES 0 15 0 G4 Wind turbine YES 0 20 0 G5 Gas microturbine YES 0 45 0 S1 Energy storage YES -8 8 50 Przedstawione w tabeli 2 parametry są wyznaczone dla podstawowej harmonicznej. Jednak optymalizacja uwzględnia również rozpływy harmonicznych, dlatego też model musi składać się również z dodatkowych pod-modeli przeliczonych dla poszczególnych harmonicznych. Ponieważ prowadzona symulacja uwzględnia tylko trzecią harmoniczną, tylko jeden dodatkowy model został przygotowany (Tabela 4). Tabela 4 Parametry linii przeliczone dla przepływów trzeciej harmonicznej prądu. R X branch Ω Ω L2-3 0,3067 0,0174 L3-4 0,9925 0,0286 L3-5 0,1534 0,0087 L5-6 0,3067 0,0174 L5-7 0,8057 0,0271 L7-10 0,6235 0,0286 L6-9 0,4601 0,0261 L6-8 0,3331 0,0265 L9-11 0,1534 0,0087 L9-12 0,623538 0,02862 L11-13 0,992465 0,02862 20
Rozdział 3 Modele matematyczne 3.2. Modele jednostek wytwórczych Każda jednostka oprócz parametrów znamionowych opisana jest również profilem mocy dysponowanej. W przypadku zasobnika energii i mikroturbiny gazowej są one stałe jednak ogrywają kluczową rolę w przypadku OZE. Każde ze źródeł jest zamodelowane indywidualnym profilem. Wszystkie profile zamieszczone są w rozprawie, poniżej zaś zaprezentowane są przykładowe profile dla systemu fotowoltaicznego i turbiny wiatrowej. P [kw] 15 10 5 PV (G1) 0 1 3 5 7 9 11 13 15 17 19 21 23 t[h] Rys. 8 Wolumeny mocy dysponowanej dla system fotowoltaicznego. P [kw] 8 6 4 2 Wind turbine (G4) 0 1 3 5 7 9 11 13 15 17 19 21 23 t[h] Rys. 9 Wolumeny mocy dysponowanej dla turbiny wiatrowej. 21
Rozdział 3 Modele matematyczne 3.3. Modele odbiorców Sieć jest zamodelowana jako sieć zasilająca gospodarstwa domowe i zasila sześć grup odbiorców: pięć pasywnych i jedną aktywną. Każda z grup jest zamodelowana jako gospodarstwo domowe charakteryzujące się swoim indywidualnym zapotrzebowaniem na energię i moc bierną. Table 3.1 Wykaz odbiorców przyłączonych do badanej sieci Power L1 L2 L3 Load groups Load P Q P Q P Q P Q W Var W Var W Var W Var LH_1 LH_1.1 5700 3533 1900 1178 1900 1178 1900 1178 LH_2.1 2083 1291 2083 1291 2083 1291 LH_2 LH_2.2 2083 1291 2083 1291 2083 1291 25000 15494 LH_2.3 2083 1291 2083 1291 2083 1291 LH_2.4 2083 1291 2083 1291 2083 1291 AL AL_1 5000 2500 1667 833 1667 833 1667 833 LH_3.1 1462 1000 1462 1000 1462 1000 LH_3.2 1462 1000 1462 1000 1462 1000 LH_3.3 1462 1000 1462 1000 1462 1000 LH_3.4 1462 1000 1462 1000 1462 1000 LH_3.5 1462 1000 1462 1000 1462 1000 LH_3.6 4385 3000 0 0 0 0 LH_3 LH_3.7 54620 38718 4385 3000 0 0 0 0 LH_3.8 4385 3000 0 0 0 0 LH_3.9 0 0 4385 3000 0 0 LH_3.10 0 0 4385 3000 0 0 LH_3.11 0 0 4385 3000 0 0 LH_3.12 0 0 0 0 2000 3000 LH_3.13 0 0 0 0 4385 2718 LH_4 LH_4.1 5700 3533 1900 1178 1900 1178 1900 4178 LH_5.1 1190 1000 1190 1000 1190 4000 LH_5.2 3571 3000 0 0 0 0 LH_5.3 0 0 5000 3000 0 0 LH_5 LH_5.4 20713 21000 0 0 0 0 0 0 LH_5.5 3571 3000 0 0 0 0 LH_5.6 0 0 5000 3000 0 0 LH_5.7 0 0 0 0 0 0 SUM 116733 84776 42596 29353 45454 29353 28684 26070 22
Rozdział 3 Modele matematyczne Dodatkowo część odbiorów jest modelowana jako odbiory jednofazowe, podczas gdy inne są zamodelowane trójfazowo. Całkowite zapotrzebowanie przekracza 116kW bez uwzględniania strat energii w liniach. Zapotrzebowanie odbiorów na moc bierną wynosi około 84,78kVar. 140 120 100 Dobowy profil zapotrzebowania P [kw] 80 60 40 20 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 t[h] Rys. 10 Dobowy profil zapotrzebowania na energię elektryczną Aktywna rola OSD w lokalnym bilansowaniu produkcji i zapotrzebowania na energię elektryczną oraz rozdziale obciążeń wymaga prognozowania zapotrzebowania w każdym interwale czasowym rynku dnia następnego. Jest to nowe wyzwanie dla operatorów. Zapotrzebowanie przewiduje się w oparciu o niekompletne, przeszłe dane pomiarowe i dane bilingowe (Wasilewski, 2013). Dzienne zmiany zapotrzebowania mogą być przedstawione w postaci dziennych profili zapotrzebowania (Rys. 10). Zaprezentowane w rozprawie dobowe profile zapotrzebowania zostały stworzone w oparciu o rzeczywiste profile zapotrzebowania otrzymane dzięki uprzejmości Polskiego Towarzystwa Przesyłu i Rozdziału Energii Elektrycznej (PTPiREE) (Szabłowski et al 2012). Dodatkowo każdy z odbiorów zawiera urządzenia o nieliniowej charakterystyce prądowo napięciowej. Jest to przyczyna poboru odkształconego prądu, co w dalszych 23
Rozdział 3 Modele matematyczne konsekwencjach powoduje odkształcenie napięć. Poniższa tabela przedstawia wykaz maksymalnych emisji harmonicznych przez poszczególne obiory. Należy jednak pamiętać iż emisja ta zmienia się w ciągu doby zgodnie z profilem zapotrzebowania na energię elektryczną. Tabela 5 Wykaz emisyjności 3. harmonicznej przez poszczególne odbiory Total L1 L2 L3 Load Load I I I I group A A A A LH_1 LH_1.1 2,92 0,96 0,96 0,96 LH_2.1 3,20 1,06 1,06 1,06 LH_2 LH_2.2 3,20 1,06 1,06 1,06 LH_2.3 3,20 1,06 1,06 1,06 LH_2.4 3,20 1,06 1,06 1,06 AL. AL_1 5,00 1,67 1,67 1,67 LH_3.1 2,31 0,74 0,74 0,74 LH_3.2 2,31 0,74 0,74 0,74 LH_3.3 2,31 0,74 0,74 0,74 LH_3.4 2,31 0,74 0,74 0,74 LH_3.5 2,31 0,74 0,74 0,74 LH_3.6 2,31 2,22 0,00 0,00 LH_3 LH_3.7 2,31 2,22 0,00 0,00 LH_3.8 2,31 2,22 0,00 0,00 LH_3.9 2,31 0,00 2,22 0,00 LH_3.10 2,31 0,00 2,22 0,00 LH_3.11 2,31 0,00 2,22 0,00 LH_3.12 1,57 0,00 0,00 1,01 LH_3.13 2,24 0,00 0,00 2,22 LH_4 LH_4.1 2,92 0,96 0,96 0,96 LH_5.1 2,03 0,60 0,60 0,60 LH_5.2 2,03 1,81 0,00 0,00 LH_5.3 2,54 0,00 2,54 0,00 LH_5 LH_5.4 1,30 0,00 0,00 0,00 LH_5.5 2,03 1,81 0,00 0,00 LH_5.6 2,54 0,00 2,54 0,00 LH_5.7 1,30 0,00 0,00 0,00 SUM 66,60 22,42 23,87 15,37 24
Rozdział 3 Modele matematyczne 3.4. Modelowanie cen W rozprawie przyjęto mechanizm bilansowania spójny z nadrzędnie funkcjonującym rynkiem bilansującym. Dlatego też rozdział obciążeń odbywa się w oparciu o zgłaszane do OWW przez uczestników oferty bilansujące. Informacja o ilości oferowanej energii oraz jej cenie sformułowane są w postaci pasm. Ilość pasm w każdej ofercie jest dowolna. W rozprawie przyjęto, że oferty składają się z dwóch pasm. Tak sformułowana oferta oznacza, że dany producent jest gotów sprzedać pewną ilość energii po cenie a, zaś resztę po cenie b. Oferty jednak są akceptowane w trybie cen krańcowych. Oznacza to, iż cała energia jest sprzedawana po najwyższej zaakceptowanej cenie. Zasadę funkcjonowania tego mechanizmu przedstawia poniższa ilustracja (Rys. 11). Rys. 11 Oferta pasmowa Oferty składane są przez aktywnych uczestników a są nimi: grupa aktywnych odbiorców, system fotowoltaiczny, turbina wiatrowa, mikroturbina gazowa oraz zasobnik energii. Pozostali uczestnicy, którzy nie biorą aktywnego udziału w bilansowaniu energii nie zgłaszają ofert i pracują niezależnie od wyniku rozdziału: LH_1, LH_2, LH_3, LH_4 i LH_5. Ponieważ rozpatrywana sieć nie jest wyizolowanym mikrosystemem ale częścią wielkiego systemu elektroenergetycznego, w bilansowaniu bierze dodatkowo udział jeszcze jeden uczestnik. Jest nim zewnętrzna sieć elektroenergetyczna reprezentowana 25
Rozdział 3 Modele matematyczne przez OKS. Oznacza to, że lokalne niezbilansowanie pokrywane jest przez sieć SN w oparciu o zadaną cenę. Ceny energii oferowane zarówno przez lokalnych producentów, jak i sieć SN są składane na każdą godzinę doby. Wartość jest dowolna i w całości zależna od oferenta. Poniższa ilustracja przedstawia dobowe zmiany ceny energii z sieci SN. 0,25 0,2 p [zł/ kwh] 0,15 0,1 0,05 0 0 2 4 6 8 10 12 14 16 18 20 22 24 t[h] Rys. 12 Dobowa zmiana ceny energii z sieci SN W podobny sposób zostały zamodelowane ceny energii generowanej przez pozostałe jednostki. Wyjątkiem są jedynie zasobnik energii i grupa aktywnych odbiorców. Aktywni odbiorcy zgłaszają oferty redukcji zapotrzebowania, a zasobnik oferty generowania lub akumulowania energii. Ceny dla uczestników pasywnych wyznaczane są jako średnia cena energii wyznaczona za okres całego dnia. (3.1) gdzie: i numer jednostki n całkowita liczba jednostek 26
Rozdział 3 Modele matematyczne P i energia generowana przez jednostkę i p i cena energii generowanej przez jednostkę i W oparciu o podobny mechanizm wyznaczane jest świadczenie regulacyjnych usług systemowych. Ponieważ jednak usługi takie nigdy wcześniej nie zostały wycenione, autor arbitralnie przyjął ceny, na poziomach zapewniających poprawną pracę algorytmu. I tak cena za moc bierną choć nieco wyższa, kształtuje się w podobny sposób co moc czynna. W przypadku usług redukcji asymetrii i harmonicznych, przyjęto stałą cenę za okres całej doby na poziomie 0,01 zł. 27
Rozdział 4 Metody opymalizacyjne ROZDZIAŁ 4 4. METODY OPTYMALIZACYJNE 4.1. Statyczne metody optymalizacyjne Optymalizacja statyczna jest najprostszą i najstarszą grupą metod optymalizacyjnych. Optymalizacja statyczna jest również nazywana również programowaniem i składa się z dwóch podgrup: programowania liniowego i nieliniowego (Dasgupta, et al 2008). O programowaniu liniowym mówimy wtedy gdy zarówno funkcja celu jak i wszystkie jej ograniczenia są liniowe. Jeżeli któreś z tych dwóch warunków nie jest spełnione, mówimy o programowaniu nieliniowym. Zarówno liniowe jak i nieliniowe programowanie mają jedną istotną cechę, że zawsze ma rozwiązanie. Dodatkowo znalezione minimum jest zawsze rozwiązaniem globalnym, w przeciwieństwie do problemu optymalizacji nieliniowej. Do rozwiązywania takich zadań służą metody jak na przykład metoda Neldera-Meada, Rosenbrocka czy Hooka-Jeevesa. Dodatkowo takich wielowymiarowych problemów jak zarządzanie pracą sieci nie można rozwiązać analitycznie i niezbędne jest wykorzystanie optymalizacyjnych programów komputerowych. Ze względu na posiadaną przez Instytut Elektroenergetyki licencję, na potrzeby badań wykorzystano program numeryczny Matlab, rozszerzony o silniki optymalizacyjne Tomlab. 28
Rozdział 5 Symulacje ROZDZIAŁ 5 5. SYMULACJE 5.1. Wstęp W celu zilustrowania najistotniejszych elementów prowadzonych badań, zostały stworzone scenariusze symulacyjne. Scenariusze zostały podzielone na trzy główne grupy odpowiadające trzem różnym trybom pracy sieci. Pierwszy scenariusz opisuje pracę tradycyjnej sieci, do której przyłączeni są tylko i wyłącznie pasywni odbiorcy energii elektrycznej. Scenariusz zawiera również jeden pod scenariusz ilustrujący szereg problemów współczesnych sieci z niesterowalną generacją rozproszoną. W drugim scenariuszu wprowadzone zostały mechanizmy bilansowania. Ostatni scenariusz zawiera wszelkie instrumenty zarządzania siecią, prezentowane w rozprawie. Łącznie wszystkich przeprowadzono osiem scenariuszy symulacji. Każdy ze scenariuszy zakłada te same warunki pogodowe, profile cen oraz zapotrzebowania. Dodatkowo w celu zminimalizowania wpływu czynników zewnętrznych symulacje były prowadzone przy z wykorzystaniem tych samych metod z tymi samymi nastawami oraz na tym samym komputerze. Poniżej zaprezentowane są główne założenia przyjęte w symulacjach: Słoneczny dzień zapewnia promieniowanie 100W/m 2 pozwalające na wykorzystanie pełnego potencjału systemów fotowoltaicznych. 29
Rozdział 5 Symulacje Zmienność prędkości wiatru została przyjęta zgodnie z przyjetym profilem Dozwolone są dwukierunkowe przepływy mocy w liniach Zablokowane są przepływy odwrotne, w związku z czym sieć testowa nie może zasilać nadrzędnej sieci SN Stan naładowania zasobnika dla pierwszej godziny optymalizacji równy jest zeru. Sieć testowa zasilana jest napięciem nieodkształconym i symetrycznym Przyjęte zostały również następujące ograniczenia napięć, asymetrii i współczynników odkształcenia prądów i napięć (THD): Zmiany napięcia nie mogą przekraczać 10% wartości znamionowej. Oznacza to, że są ograniczone przez 207V z dołu i 253V z góry. Najwyższy akceptowany poziom asymetrii napięcia to 2% Najwyższy akceptowany poziom asymetrii prądu to 5% Maksymalny poziom THD dla napięć 5% Maksymalny poziom THD dla prądów 21,5% Powyższe założenia zostały sformułowane w oparciu o ogólnie przyjęte standardy jakości energii. 5.2. Scenariusze symulacyjne Scenariusz bazowy ilustruje przypadek tradycyjnej sieci niskich napięć. Sieć zasila pasywnych odbiorców. Symulacja została przeprowadzona w dwóch wariantach. W pierwszym odbiorcy są jedynymi podmiotami przyłączonymi do sieci. Całe lokalne zapotrzebowanie pokrywane jest z sieci SN poprzez transformator rozdzielczy. Ceny bilansowania są ustalane przez OKS. Mierzone są wszelkie parametry jakości jednak nie są one w żaden sposób zarządzane/sterowane. W drugim wariancie wprowadzone 30
Rozdział 5 Symulacje zostały źródła generacji rozproszonej. Wciąż jednak scenariusz nie uwzględnia wdrożeń żadnych mechanizmów zarządzania pracą źródeł i sieci. Stan ten odpowiada obecnym siecią z generacją rozproszoną coraz liczniej pojawiających się w Europie i na świecie. Drugi scenariusz zakłada wprowadzenie opisanych w rozprawie mechanizmów bilansowania. W związku z czym poziom generacji poszczególnych jednostek wytwórczych jest kontrolowany przez OOW, jednak nie są zmieniane parametry jakości. Dodatkowo symulacja została przeprowadzona w trzech wariantach. Pierwszym tylko ze źródłami generacji rozproszonej, drugi ze źródłami i zasobnikiem, zaś trzeci rozszerzony jeszcze został o grupę aktywnych odbiorców. Trzeci scenariusz również uwzględnia trzy warianty jednakże oprócz bilansowania OOW jest odpowiedzialny za zakup regulacyjnych usług w taki sposób, aby zapewnić odpowiednie parametry jakości energii. 5.3. Wyniki Wszystkie osiem scenariuszy zostało zasymulowanych, a następnie przeanalizowanych. Pierwszy scenariusz odnosi się do tradycyjnej sieci niskich napięć bez lokalnej generacji. Drugi ilustruje nowoczesną sieć z przyłączonymi źródłami generacji rozproszonej, jednakże bez zcentralizowanego zarządzania nimi. Trzeci do sieci z generacją rozproszoną wprowadzał mechanizm lokalnego bilansowania wraz z operatorem OOW, który jest odpowiedzialny za rozdział obciążeń i wymianę energii z siecią SN. Scenariusz został zasymulowany w trzech wariantach: tylko i wyłącznie z jednostkami wytwórczymi, z jednostkami wytwórczymi i zasobnikiem energii oraz z jednostkami wytwórczymi, zasobnikiem i grupą aktywnych odbiorców. Ostatni scenariusz również wykonany w trzech wariantach wprowadza jednocześnie regulacyjne usługi systemowe w zakresie jakości energii elektrycznej. Wyniki symulacji wskazują zarówno wady jak i zalety przyjętych założeń oraz proponowanej koncepcji, ale również wskazują na szereg problemów, które odbiegają od głównej tematyki rozprawy a ze względu na istotę, powinny być poruszone w dalszych pracach badawczych. 31
Rozdział 5 Symulacje 5.3.1. Bilansowanie energii Lokalne bilansowanie energii jest pierwszym krokiem do implementacji na szeroką skalę źródeł energii w obszar sieci dystrybucyjnych. Tabela 6 przedstawia przegląd wyników bilansowania mocy dla przeprowadzonych symulacji. Wynikami wyjściowymi do dalszej analizy są wyniki pierwszej symulacji bazowej. Drugi scenariusz zakłada, że wszystkie źródła w sposób niekontrolowany pracują z maksymalną mocą dyspozycyjną. W tym przypadku szczytowe obciążenie transformatora zmalało z 75,2kW do 29,5kW. Jest to najwyższa redukcja zapotrzebowania ze wszystkich rozpatrywanych przypadków. Jednakże niekontrolowana generacja doprowadziła do nadprodukcji w godzinach doliny zapotrzebowania i doszło do zjawiska, zatłaczania energii w górę transformatora. Zjawisko to jest szczególnie silne w południe, kiedy to OZE są w apogeum generacji a zapotrzebowanie jest stosunkowo niskie. Wtedy to przepływy odwrotne osiągnęły wartość -39,2kW. Oznacza to, że transformator był bardziej obciążony w dolinie zapotrzebowania, aniżeli w szczycie. Wprowadzenie bilansowania sprawiło, iż redukcja szczytowego zapotrzebowania nie była tak znaczna, jak w przypadku poprzedniego scenariusza, za to tym razem nie było przepływów odwrotnych przez transformator. Niemniej jednak minimalna moc wymiany z siecią SN osiągnęła 9,9kW. Różnica pomiędzy szczytem a doliną zapotrzebowania, wciąż pozostaje znacząca. Oznacza to, iż nie udało się osiągnąć zamierzonego efektu wygładzania profilu zapotrzebowania (and. peak shaving). Natomiast efekt ten jest wyraźny w przypadku scenariusza trzeciego, kiedy to zostały wprowadzone regulacyjne usługi systemowe. Wyniki przeprowadzonych symulacji wskazują również pewne negatywne cechy rozwiązania, przejawiające się w wykorzystaniu źródeł, które było bardzo niskie w trzecim scenariuszu. Najbardziej widoczne jest to w przypadku turbiny wiatrowej, której wykorzystanie nie przekroczyło 14%. Nie jest to jednak wynik bardzo zły, biorąc pod uwagę, iż powszechnie przyjmuje się, że lądowa turbina wiatrowa pracuje przez 2000h co oznacza jej wykorzystanie poniżej 23%. W związku z czym wynik 14% nie jest jeszcze zły. Gorzej jest w przypadku mikroturbiny gazowej, która powinna być 32
Rozdział 5 Symulacje wykorzystana w 80%, a była w 25%. Wynika to przede wszystkim z wysokich cen gazu. Znacząco wpływa to na czas zwrotu inwestycji, który może okazać się dłuższy niż okres eksploatacji. Tabela 6 Wyniki symulacji. Bilansowanie energii Internal generation kwh 0,0 1431,8 663,9 632,9 627,8 581,3 524,1 512,1 PV (uncontrollable) G1 PV (controllable) G3 Wind turbine G4 Gas microturbine G5 PV (uncontrollable) G1 PV (controllable) G3 Wind turbine G4 Gas microturbine G5 Scenario 1 2 3 a b a b c a b c Power balance Peak of energy kw 75,2 29,5 52,8 56,8 55,0 54,4 56,3 54,1 exchange % 100,0 39,2 70,3 75,5 73,1 72,3 74,9 71,9 Minimal energy kw 33,5-31,8 9,9 17,7 15,1 18,0 22,1 20,0 exchange % 100,0-94,9 29,6 52,8 45,1 53,7 66,0 59,7 Amplitude of daily kw 41,7 61,3 42,9 39,1 39,9 36,4 34,2 34,1 energy exchange % 100,0 147,0 102,9 93,8 95,7 87,3 82,0 81,8 Internal peak generation kw 0,0 77,5 46,7 42,1 41,8 39,6 36,8 35,2 Internal minimal generation kw 0,0 45,0 10,9 10,5 9,8 12,2 11,3 7,3 Amplitude of daily internal generation kw 0,0 32,5 35,8 31,6 32,0 27,4 25,5 27,9 Active power losses kwh 60,2 40,6 38,0 42,4 40,9 24,6 28,5 26,5 % 100,0 67,4 63,1 70,4 67,9 40,9 47,3 44,0 Share of energy production Daily energy kwh 1302,8-74,0 691,2 834,2 781,6 760,0 865,9 851,9 exchange % 100,0-5,7 53,1 64,0 60,0 58,3 66,5 65,4 kwh 0,0 111,0 111,0 111,0 111,0 111,0 111,0 111,0 % 0,0 7,8 16,7 17,5 17,7 19,1 21,2 21,7 kwh 0,0 158,0 104,0 102,0 102,0 97,0 91,0 91,0 % 0,0 11,0 15,7 16,1 16,2 16,7 17,4 17,8 kwh 0,0 83,0 78,0 79,0 79,0 59,0 66,0 66,0 % 0,0 5,8 11,7 12,5 12,6 10,1 12,6 12,9 kwh 0,0 1080,0 371,0 341,0 336,0 314,0 257,0 244,0 % 0,0 75,4 55,9 53,9 53,5 54,0 49,0 47,6 Deployment of distribution generation kwh 0,0 111,0 111,0 111,0 111,0 111,0 111,0 111,0 % 0,0 30,8 30,8 30,8 30,8 30,8 30,8 30,8 kwh 0,0 158,0 104,0 102,0 102,0 97,0 91,0 91,0 % 0,0 43,9 28,9 28,3 28,3 26,9 25,3 25,3 kwh 0,0 83,0 78,0 79,0 79,0 59,0 66,0 66,0 % 0,0 17,3 16,3 16,5 16,5 12,3 13,8 13,8 kwh 0,0 1080,0 371,0 341,0 336,0 314,0 257,0 244,0 % 0,0 100,0 34,4 31,6 31,1 29,1 23,8 22,6 Mimo to, mikroturbina jest wciąż urządzeniem o najwyższym udziale w produkcji lokalnej, ponad 47%. 33
Rozdział 5 Symulacje Kolejnym elementem związanym z zwrotem z inwestycji są straty sieciowych. Działanie algorytmu zmniejszyło straty do 44% w stosunku do scenariusza bazowego. Wskazuje to, że lokalizacja urządzenia w sieci nie jest bez znaczenia. Jest bardziej prawdopodobne, że jednostka w środku sieci będzie w większym stopniu wykorzystana, jako że straty związane z przesyłem będą mniejsze. Odwrotny efekt zachodzi w przypadku, gdy generator jest przyłączony na końcu długiej linii, gdzie przesył mocy jest związany ze znacznymi stratami. Zależność od pogody, sprawia że niemożliwym jest wykorzystanie w pełni odnawialnych źródeł energii. Zwłaszcza w przypadku, gdy największa produkcja przypada na dolinę zapotrzebowania. W takiej sytuacji kluczową energię odgrywa zasobnik energii, który dzięki zdolności do magazynowania energii, pozwala przesunąć nadprodukcje na okres większego zapotrzebowania. Jednakże istnieje również pewne ryzyko, że właściciel zasobnika może dyktować ceny dla OZE. Wtedy opłacalność inwestycji np.: w fotowoltaikę, będzie zależeć od polityki właściciela zasobnika. Wyjątkowo istotnym podmiotem z punktu widzenia bilansowania okazał się być aktywny odbiorca. Mimo, iż możliwości redukcji są stosunkowo nieduże, około 10%, to wartość ta jest naturalnie zwiększona o straty sieciowe, uniknięte na skutek zmniejszonych przepływów. Dlatego efekt kosztowy jest zdecydowanie większy. Symulacje wskazują, że 1kW redukcji zapotrzebowania może być znacznie droższy od 1kW mocy generowanej. Oznacza to, że z punktu widzenia operatora zmniejszanie zapotrzebowania jest zawsze bardziej korzystne o ile koszt redukcji nie przekroczy kosztu generacji. Jest jednak pewne odstępstwo od tej reguły, zachodzące wtedy gdy koszt obniżenia zapotrzebowania przekroczy znacznie koszt generacji oraz strat przesyłowych. Niemniej jednak taki wniosek sprawia, że oferty strony popytowej mogą być wyjątkowo drogie, a w szczególności w godzinach szczytowego zapotrzebowania na energię, gdzie oprócz strat dochodzi jeszcze czynnik przeciążania linii elektroenergetycznych. Należy również dodać, iż dobowa zmiana cen energii dodatkowo zwiększa potencjał cenowy ofert redukcji zapotrzebowania. Dochodzi jeszcze jeden czynnik związany z napięciami węzłowymi. Przepływ prądu powoduje 34
Rozdział 5 Symulacje spadki napięcia, które w sieciach niskich napięć najczęściej mogą być zmniejszone tylko i wyłącznie poprzez zmniejszenie wartości przypływającego prądu. W godzinach szczytu, gdy linie są znacznie obciążone, napięcia węzłowe mogą być na tyle niskie, iż niezbędne będzie zmniejszenie zapotrzebowania aby utrzymać wartości napięć w normie. Licznie wymienione powyżej czynniki są silnym argumentem do podnoszenia cen redukcji zapotrzebowania przez odbiorców aktywnych. Zwłaszcza w przypadku sieci znacznie obciążonych, gdzie operator może nie mieć innego wyjścia, jak tylko zaakceptować kosztowną ofertę redukcji. 5.3.2. Jakość energii Drugim istotnym elementem badań są regulacyjne usługi systemowe, świadczone przez lokalych producentów energii dla OOW. Bez względu na rodzaj usługi, wszystkie posiadają wspólną cechę, a mianowicie taką, że każda z usług musi być dostarczona. Oznacza to, iż w tym przypadku, lokalizacja źródła ma również wpływ na poziom akceptowalności zgłoszonych ofert. Zasięg świadczenia usług jest ograniczony. Jeżeli jednostka wytwórcza z jednego końca sieci chce świadczyć np.: usługę redukcji harmonicznych dla grupy odbiorców z drugiego końca sieci, operator musi wziąć pod uwagę straty mocy oraz odkształcone spadki napięć na całej drodze dostawy usługi. Może to doprowadzić do sytuacji, iż efekt usługi będzie odwrotny do zamierzonego. Dlatego też zaprezentowana metoda podchodzi do problemu globalnie, i wyszukuje najlepszego rozwiązania nie z punktu widzenia poszczególnych podmiotów w sieci ale z punktu widzenia pracy całej sieci niskich napięć. Na tej podstawie można przyjąć, iż jednostki zlokalizowane bliżej środka elektrycznego sieci mogą zgłaszać oferty o wyższych cenach, nie przejmując się znikomym negatywnym wpływem świadczenia usług na sieć.. 35
Rozdział 5 Symulacje 5.3.2.1. Moc bierna Kompensacja mocy biernej jest pierwszą z regulacyjnych usług systemowych jakie mogą świadczyć lokalne jednostki wytwórcze, w tym również zasobniki energii. Wyniki odnoszące się do tej usługi zaprezentowane są w tabeli. Tabela 7 Wyniki symulacji. Kompensacja mocy biernej. Maximal reactive power exhchange Minimal reactive power exchange Amplitude of reactive power exchange Maximal compensation Minimal compensation Amplitude of daily compensation Reactive power losses Daily reactive power exchange Scenario 1 2 3 a b a b c a b c Reactive power kvar 52,6 50,7 51,4 51,5 51,6 32,4 33,9 33,9 % 100,0 96,3 97,8 98,0 98,2 61,6 64,5 64,5 kvar 23,1 23,0 22,8 22,9 22,8 14,8 14,2 14,2 % 100,0 99,6 98,7 99,1 98,7 64,1 61,5 61,5 kvar 29,5 27,7 28,6 28,6 28,8 17,6 19,7 19,7 % 100,0 93,8 97,0 97,0 97,7 59,7 66,8 66,8 kvar 0,0 0,0 0,0 0,0 0,0 24,2 22,9 22,7 kvar 0,0 0,0 0,0 0,0 0,0 7,3 7,1 7,3 kvar 0,0 0,0 0,0 0,0 0,0 16,9 15,8 15,4 kvarh 50,8 25,3 29,6 33,9 32,4 18,8 20,9 20,7 % 100,0 49,8 58,3 66,7 63,8 37,0 41,1 40,7 Compensation kvarh 908,5 882,7 887,0 891,3 889,9 566,0 559,8 558,8 % 100,0 97,2 97,6 98,1 98,0 62,3 61,6 61,5 Compensation kvarh 0,0 0,0 0,0 0,0 0,0 347,5 350,2 351,6 PV (controllable) G3 Wind turbine G4 Gas microturbine G5 PV (controllable) G3 Wind turbine G4 Gas microturbine G5 kvarh 0,0 0,0 0,0 0,0 0,0 71,0 74,8 76,0 % 0,0 0,0 0,0 0,0 0,0 20,4 21,4 21,6 kvarh 0,0 0,0 0,0 0,0 0,0 56,0 56,8 57,0 % 0,0 0,0 0,0 0,0 0,0 16,1 16,2 16,2 kvarh 0,0 0,0 0,0 0,0 0,0 220,0 219,4 219,0 % 0,0 0,0 0,0 0,0 0,0 63,3 62,6 62,3 Deployment of distribution generation kvarh 0,0 0,0 0,0 0,0 0,0 71,0 74,8 76,0 % 0,0 0,0 0,0 0,0 0,0 21,9 23,1 23,5 kvarh 0,0 0,0 0,0 0,0 0,0 56,0 56,8 57,0 % 0,0 0,0 0,0 0,0 0,0 13,0 13,1 13,2 kvarh 0,0 0,0 0,0 0,0 0,0 220,0 219,4 219,0 % 0,0 0,0 0,0 0,0 0,0 22,6 22,6 22,5 36
Rozdział 5 Symulacje Generalnie wprowadzenie usług ma podobny wpływ jak wprowadzenie bilansowania. Wprowadzone w trzecim scenariuszu usługi pozwoliły na zredukowanie zapotrzebowania węzła na moc bierną do 64,% w stosunku do scenariusza bazowego. Efekt jest również widoczny w postaci zmniejszonych strat mocy. Należy jednak zwrócić uwagę, na to że metoda pozwala na dwukierunkowy przepływ mocy biernej, niezależnie od kierunku przepływu mocy czynnej. Oznacza to, że w sieci pojawiły się przekompensowania, niebezpieczne, chociażby z punktu widzenia nieoczekiwanych zmian napięcia. Ten efekt pośrednio został wykorzystany do regulacji napięć w węzłach, jednak złożoność zjawiska wymaga dalszych, bardziej wnikliwych badań. 5.3.2.2. Asymetria Redukcja asymetrii jest drugą z usług. Przeprowadzone symulacje wykazały, że takie podejście pozwala na zmniejszenie asymetrii napięć w węzłach. Jednakże pojawia się szereg problemów ekonomicznych i prawnych, w jaki sposób usługa ta powinna być rozliczana i mierzona, w szczególności w przypadku zasobników energii. Cena usługi powinna być adekwatna do strat finansowych, poniesionych przez producenta na skutek niesymetrycznej generacji. Jednak powszechnie stosowany współczynnik asymetrii nie jest odpowiedni w przypadku jednostek, które są w stanie generować/konsumować energię w obu kierunkach, niezależnie w każdej fazie. 5.3.2.3. Harmoniczne Ograniczanie harmonicznych jest ostatnią z proponowanych usług. Dla ułatwienia obliczeń i zapewnienia transparentności badań, w rozprawie przeanalizowano usługę redukcji tylko trzeciej harmonicznej. Tabela 8 przedstawia przegląd najistotniejszych wyników. Wyraźnie widać, iż bilansowanie w najmniejszym stopniu nie wpływa na rozpływy harmonicznych. Widać jednak, że zmieniają się wartości współczynnika odkształcenia (THD) zarówno prądów, jak i napięć. Jest to związane ze zmianami podstawowej harmonicznej, która gra istotną rolę w wyznaczaniu wartości współczynnika. Dlatego też można zaobserwować, iż wartości THD zmieniają się 37
Rozdział 5 Symulacje chaotycznie i w symulacji z bilansowanie są wyższe niż w scenariuszu bazowym. Dopiero wprowadzenie usługi pozwoliło na kontrolowane obniżenie wartości przede wszystkim harmonicznej prądów i napięć, ale również współczynnika THD. Tabela 8 Wyniki symulacji. Mitygacja harmonicznych Maximal 3rd harmonic voltage Maximal voltage THD Maximal 3rd harmonic current Maximal current THD Maximal current in neutral wire Power losses caused by harmonics PV (controllable) G3 Wind turbine G4 Gas microturbine G5 Energy storage S1 PV (controllable) G3 Wind turbine G4 Gas microturbine G5 Energy storage S1 Scenario 1 2 3 a b a b c a b c Harmonics reduction V 23,7 23,7 23,7 23,7 23,7 14,0 14,1 14,1 % 100,0 100,0 100,0 100,0 100,0 59,1 59,5 59,5 % 11,1 10,8 10,8 10,7 10,7 6,3 6,5 6,5 % 100,0 97,3 97,3 96,4 96,4 56,8 58,6 58,6 A 22,2 22,2 22,2 22,2 22,2 11,2 11,5 11,5 % 100,0 100,0 100,0 100,0 100,0 50,5 51,8 51,8 % 33,5 37,8 37,4 36,9 36,9 781 781 781 % 100,0 112,8 111,6 110,1 110,1 488,3 2331,3 2331,3 A 79,1 75,4 107,4 113,3 116,1 22,1 28,0 29,0 % 0,0 95,3 135,8 143,2 146,8 27,9 35,4 36,7 kva 19,1 19,1 19,1 19,1 19,1 7,1 7,1 7,1 % 100,0 100,0 100,0 100,0 100,0 37,2 37,2 37,2 Share in harmonics reduction Ah 0,0 0,0 0,0 0,0 0,0 59,0 47,0 47,0 % 0,0 0,0 0,0 0,0 0,0 12,5 6,4 6,4 Ah 0,0 0,0 0,0 0,0 0,0 172,0 99,0 99,0 % 0,0 0,0 0,0 0,0 0,0 36,4 13,5 13,5 Ah 0,0 0,0 0,0 0,0 0,0 241,0 221,0 221,0 % 0,0 0,0 0,0 0,0 0,0 51,1 30,1 30,1 Ah 0,0 0,0 0,0 0,0 0,0 0,0 366,5 367,0 % 0,0 0,0 0,0 0,0 0,0 0,0 49,9 50,0 Deployment of distribution generation Ah 0,0 0,0 0,0 0,0 0,0 59,0 47,0 47,0 % 0,0 0,0 0,0 0,0 0,0 36,6 29,2 29,2 Ah 0,0 0,0 0,0 0,0 0,0 172,0 99,0 99,0 % 0,0 0,0 0,0 0,0 0,0 53,3 30,7 30,7 Ah 0,0 0,0 0,0 0,0 0,0 241,0 221,0 221,0 % 0,0 0,0 0,0 0,0 0,0 149,7 137,3 137,3 Ah 0,0 0,0 0,0 0,0 0,0 0,0 366,5 367,0 % 0,0 0,0 0,0 0,0 0,0 0,0 56,7 56,8 Dodatkowym efektem są zmniejszone straty spowodowane przepływem odkształconego prądu. Jest to o tyle istotne, że parametry linii takie jak impedancja dla wyższych harmonicznych przyjmują znaczne wartości. Dlatego mimo, iż wartości prądów poszczególnych harmonicznych są niewielkie, mogą powodować znaczne straty. 38