optimization of energy mix with significant shares of ... · elektrownie wiatrowe na morzu; i inne...
TRANSCRIPT
POLITECHNIKA ŁÓDZKA
WYDZIAŁ ELEKTROTECHNIKI, ELEKTRONIKI, INFORMATYKI I AUTOMATYKI
INSTYTUT ELEKTROENERGETYKI
STRESZCZENIE ROZPRAWY DOKTORSKIEJ
Optimization of Energy Mix with Significant Shares of
Renewable Energy Sources
Optymalizacja miksu energetycznego ze znacznym
udziałem odnawialnych źródeł energii (PL)
mgr inż. Wojciech Łyżwa
PROMOTOR: prof. dr hab. inż. Władysław Mielczarski
PROMOTOR POMOCNICZY: dr inż. Michał Wierzbowski
ŁÓDŹ, POLSKA
KWIECIEŃ 2016
1
SPIS TREŚCI
1. WSTĘP ....................................................................................................................... 3
1.1. Teza rozprawy doktorskiej ..................................................................................... 4
2. TRADYCYJNE MODELOWANIE MIKSU ENERGETYCZNEGO ...................................... 6
2.1. Opis modelu optymalizacyjnego ............................................................................ 6
2.2. Funkcja celu ........................................................................................................... 8
2.3. Podstawowe ograniczenia ...................................................................................... 8
2.3.1. Bilans mocy ..................................................................................................... 8
2.3.2. Bilans energii .................................................................................................. 9
2.3.3. Maksymalna i minimalna produkcja energii elektrycznej .............................. 9
3. DANE WEJŚCIOWE .................................................................................................. 11
4. METODA KRZYWEJ OBCIĄŻENIA NETTO ................................................................ 13
5. OPTYMALIZACJA MIKSU ENERGETYCZNEGO Z UWZGLĘDNIENIEM KRZYWEJ
RLDC ............................................................................................................................. 16
5.1. Wpływ generacji OZE na sekcje RLDC .............................................................. 16
5.2. Funkcja celu ......................................................................................................... 18
5.3. Podstawowe ograniczenia .................................................................................... 18
5.3.1. Bilans mocy ................................................................................................... 18
5.3.2. Bilans energii ................................................................................................ 18
5.3.3. Maksymalna i minimalna produkcja energii elektrycznej ............................ 19
6. SCENARIUSZE OPTYMALIZACYJNE I WYNIKI ......................................................... 21
6.1. Scenariusze optymalizacyjne ............................................................................... 21
2
6.2. Wyniki symulacji ................................................................................................. 21
6.2.1. Moc zainstalowana ........................................................................................ 21
6.2.2. Produkcja energii elektrycznej ...................................................................... 23
6.2.3. Krzywa RLDC .............................................................................................. 25
7. PORÓWNANIE MODELI OPTYMALIZACYJNYCH ...................................................... 26
7.1. Nadprodukcja energii elektrycznej ze względu na RES ...................................... 26
7.2. Wpływ profilu OZE na szczytowe obciążenie netto ............................................ 27
7.3. Wykorzystanie mocy znamionowej JWCD ......................................................... 28
7.4. Skomplikowanie modelu ...................................................................................... 28
8. WNIOSKI I REKOMENDACJE DO DALSZYCH BADAŃ ............................................... 29
8.1. Wnioski ................................................................................................................ 29
8.2. Rekomendacje do dalszych badań ....................................................................... 30
3
1. WSTĘP
Modelowanie systemów elektroenergetycznych jest dziedziną nauki, która rozwinęła się
w celu wspierania podmiotów odpowiedzialnych za pracę i rozwój systemów
elektroenergetycznych. Tym samym, modele komputerowe stały się niezbędnymi
narzędziami, bez których zarządzanie sektorem energetycznym byłoby niemożliwe. W
większości przypadków, planowanie pracy systemów elektroenergetycznych można
podzielić ze względu na horyzont czasowy na długo- i krótko-terminowe. Modele
przyjmujące krótki horyzont czasowy szczegółowo uwzględniają takie aspekty pracy
systemu jak: operacyjne rezerwy mocy, rozruchy, załączanie i wyłączanie jednostek
wytwórczych z ich stałymi czasowymi. Przykładem tego typu modeli są modele
planujące rozkład obciążeń jednostek wytwórczych (ang. commitment and dispatch),
które zazwyczaj obejmują zakres czasu jednego dnia z krokiem godzinowym lub
piętnasto-minutowym. Z drugiej strony, modele długoterminowe, służące do planowania
rozwoju systemu elektroenergetycznego uwzględniają horyzont czasowy o długości
dziesiątek lat.
W dzisiejszych czasach, rosnący wpływ niestabilnych odnawialnych źródeł energii na
pracę systemu elektroenergetycznego powoduje konieczność uwzględnienia w
długoterminowym planowaniu rozwoju systemu także krótkoterminowych aspektów.
Takie wielopoziomowe podejście jest skomplikowane i często prowadzi do
niezadowalających parametrów obliczeniowych stworzonych modeli.
Miks energetyczny to skład jednostek wytwórczych w systemie elektroenergetycznym
służących do zapewnienia bilansów mocy i energii. Planowanie miksu energetycznego
odnosi się głownie do minimalizacji całkowitych kosztów budowy i pracy jednostek w
długoterminowej perspektywie.
Głównym celem rozprawy doktorskiej jest przedstawienie nowego podejścia do
długoterminowej optymalizacji miksu energetycznego, która uwzględnia
krótkoterminowe aspekty pracy systemu elektroenergetycznego, takie jak zmienność
produkcji energii z niestabilnych odnawialnych źródeł energii (OZE). Dodatkowo,
zaproponowana metoda umożliwia maksymalizację udziału OZE w miksie
4
energetycznym przy zachowaniu odpowiedniego poziomu bezpieczeństwa dostaw
energii elektrycznej.
W zaproponowanym podejściu możliwe jest uzyskanie akceptowalnych czasów
obliczeniowych (równych kilku godzinom) przy wykorzystaniu standardowych
komputerów przenośnych. Nowa metoda pozwala nie tylko na wyznaczenie składu
jednostek wytwórczych (zarówno konwencjonalnych jak i odnawialnych), ale również na
ocenę wpływu uzyskanego miksu na środowisko (emisje CO2). Metoda pozwala na
obliczenie nakładów finansowych potrzebnych na niezbędne inwestycje i kosztów energii
dla odbiorców końcowych.
Trzeba zwrócić uwagę na to, że zaproponowana metoda nie korzysta z metod
probabilistycznych ani z typowych prognoz, które są wykorzystywane w analizach pracy
systemu elektroenergetycznego. Metoda zaprezentowana w rozprawie doktorskiej należy
do grupy zwanej „optymalizacją scenariuszową”, w której optymalizacja miksu
energetycznego jest przeprowadzana dla wielu scenariuszy obliczeniowych
charakteryzujących się odpowiednimi parametrami, np. ceny paliw pierwotnych, ceny
pozwoleń na emisje CO2. Odpowiednie sformułowanie scenariuszy pozwala na
dokonanie analizy, która służy odpowiedzi na pytanie jak „w optymalny” sposób
powinien rozwinąć się system elektroenergetyczny by przy określonych warunkach
zewnętrznych uzyskać jak najniższy koszt całkowity.
1.1. Teza rozprawy doktorskiej
Możliwe jest przeprowadzenie długoterminowej, złożonej optymalizacji miksu
energetycznego jednostek wytwórczych biorąc pod uwagę uporządkowaną krzywą
obciążenia netto (ang. residual load duration curve – RLDC) w celu uwzględnienia
wpływu niestabilnych, odnawialnych źródeł energii na system elektroenergetyczny,
zwiększeniu ich udziału w całkowitej produkcji energii elektrycznej i zapewnieniu
odpowiedniego poziomu bezpieczeństwa dostaw energii poprzez spełnienie bilansów
mocy i energii. W szczególności jest możliwe:
przeprowadzenie długoterminowej optymalizacji miksu energetycznego w dużych
systemach elektroenergetycznych;
5
przeprowadzenie optymalizacji rozwoju OZE wraz z optymalizacją rozwoju
konwencjonalnych jednostek wytwórczych;
zaimplementowanie uporządkowanej krzywej obciążenia netto w
długoterminowej optymalizacji w celu:
o identyfikacji nadprodukcji energii elektrycznej spowodowanej przez OZE;
o wyznaczenia zmiany obciążenia szczytowego netto na skutek dużego
udziału penetracji OZE;
o analizy skrócenia czasu wykorzystania mocy znamionowej jednostek
wytwórczych centralnie dysponowanych na skutek wzrostu całkowitej
produkcji OZE.
Słuszność powyższej tezy wykazana jest poprzez:
1. Analizę pracy systemów elektroenergetycznych z uwzględnieniem wymagań Unii
Europejskiej.
2. Analizę obecnie stosowanych metod optymalizacji miksu energetycznego i
propozycja nowej metody.
3. Stworzenie nowej koncepcji optymalizacji miksu energetycznego, sformułowanie
funkcji celu oraz ograniczeń technicznych, ekonomicznych oraz regulacyjnych.
4. Rzutowanie modelu dynamicznego w przestrzeń statyczną.
5. Wybór metody optymalizacyjnej uwzględniając optymalizację nieliniową,
liniową, binarną i całkowito-liczbową.
6. Zdefiniowanie struktury systemu elektroenergetycznego poddanego
optymalizacji w celu weryfikacji przyjętej metody.
7. Sformułowanie scenariuszy optymalizacyjnych.
8. Sprawdzenie poprawności zastosowanej metody i stworzonego modelu poprzez
symulację scenariuszy optymalizacyjnych.
9. Analizę otrzymanych wyników.
10. Sformułowanie wniosków i propozycję dalszych badań.
6
2. TRADYCYJNE MODELOWANIE MIKSU
ENERGETYCZNEGO
2.1. Opis modelu optymalizacyjnego
Zaprezentowany model (nazywany przez autora eMix) jest narzędziem służącym do
optymalizacji rozwoju jednostek produkujących energię elektryczną w długim
horyzoncie czasowym. Kryterium rozwoju miksu energetycznego jest jak najniższy
całkowity koszt budowy i pracy jednostek wytwórczych. Model reprezentuje podejście
oddolne (ang. bottom-up) w modelowaniu systemu elektroenergetycznego co oznacza, że
duży nacisk jest kładziony na techniczną stronę pracy systemu. Model wykorzystuje
programowanie liniowe i całkowito-liczbowe (ang. mixed-integer linear programming –
MILP). Takie podejście umożliwia szczegółowe przedstawienie jednostek wytwórczych
w modelu optymalizacyjnym, przy zachowaniu indywidulanych parametrów
technicznych i ekonomicznych, takich jak moc znamionowa, emisje CO2,
dyspozycyjność, koszty, czas budowy i czas życia.
Przyjęty horyzont optymalizacji to lata 2020-2050. Krok optymalizacji wynosi jeden rok.
Długi horyzont czasowy jest niezbędny w tego typu problemach ze względu na długie
czasy inwestycji w sektorze energetycznym. Jednocześnie krok optymalizacji musi być
odpowiedni by uwzględnić ważne aspekty rozwoju systemu elektroenergetycznego, a z
drugiej strony by zbytnio nie skomplikować problemu co spowodowałoby zbyt długie
czasy obliczeń. Początek horyzontu optymalizacji został przesunięty z roku 2016 na rok
2020 ponieważ większość decyzji dotyczących budowy jednostek wytwórczych do roku
2020 zostało już podjęte.
Zastosowanie programowania całkowitoliczbowego wprowadza zmienne całkowite (ang.
integer) co daje możliwość implementacji jednostek wytwórczych z ich typowymi
parametrami w zależności od zastosowanej technologii. W rozprawie nie zastosowano
zmiennych binarnych ponieważ doprowadziłoby to do niepotrzebnej komplikacji
modelu. Zmienne binarne dają możliwość uwzględnienia każdej jednostki wytwórczej
oddzielnie co jest niezbędne w przypadku modeli uwzględniających lokalizację
7
elektrowni w poszczególnych węzłach sieci elektroenergetycznej. W przedstawionej
wersji modelu ten aspekt jest pominięty.
Model uwzględnia jednostki istniejące (wybudowane przed rokiem 2020) oraz jednostki
nowe (możliwe do wybudowania po roku 2020). W przypadku jednostek nowych, model
uwzględnia następujące jednostki wytwórcze centralnie dysponowane (JWCD) z ich
typowymi mocami znamionowymi:
jednostki opalane węglem brunatnym o mocy 450 MW lub 900 MW;
jednostki opalane węglem kamiennym o mocy 450 MW lub 900 MW;
jednostki gazowe o mocy 450 MW;
jednostki jądrowe o mocy 1000 MW i 1600 MW;
jednostki spalające biomasę o mocy 100 MW i 200 MW;
elektrownie wodne o mocy w przedziale 100-200 MW.
Dodatkowo eMix uwzględnia odnawialne źródła energii:
elektrownie wodne o mocy poniżej 100 MW;
elektrownie spalające biomasę o mocy poniżej 100 MW;
biogazownie;
farmy fotowoltaiczne (PV);
elektrownie wiatrowe na lądzie;
elektrownie wiatrowe na morzu;
i inne jednostki wytwórcze, które nie są centralnie dysponowane (nJWCD), takie jak
elektrociepłownie gazowe i opalane węglem oraz jednostki przemysłowe.
Przedstawione poniżej wzory matematyczne wymagają specyfikacji zbiorów U (zbiór
wszystkich jednostek wytwórczych) oraz T (zbiór oznaczający horyzont czasowy z
krokiem rocznym). Dodatkowo zbiór U podzielony jest na podzbiory U’, U’’, U’’’, U’’’’
oznaczające poszczególne technologie – wzór (2.1). Ten podział wynika ze sposobu
modelowania poszczególnych technologii.
8
𝑈′, 𝑈′′, 𝑈′′′, 𝑈′′′′ ⊂ 𝑈 (2.1)
Gdzie:
𝑈′ Zbiór JWCD (węgiel brunatny, kamienny, atom, biomasa)
𝑈′′ Zbiór wodnych JWCD
𝑈′′′ Zbiór OZE
𝑈′′′′ Zbiór nJWCD (elektrociepłownie i elektrownie przemysłowe)
𝑈 Zbiór wszystkich jednostek
2.2. Funkcja celu
Funkcja celu (2.2) przedstawia minimalizację całkowitych kosztów budowy i pracy
jednostek wytwórczych. Koszty są podzielone na stałe CFu,t i zmienne CVu,t. Koszty stałe
to roczne koszty jednostki wytwórczej, które nie zależą od produkowanej energii
elektrycznej a jedynie od mocy zainstalowanej P_Iu,t. Składają się z kosztów budowy
jednostki z uwzględnieniem kosztów kredytu bankowego oraz ze stałych kosztów
operacyjnych (ang. operation and maintenance – O&M). Koszty zmienne zależą od
produkcji energii Eu,t i dzielą się na zmienne koszty operacyjne, koszty paliwa oraz koszty
pozwoleń na emisję CO2. Zmienna całkowita Xu oznacza czy jednostka u (lub grupa
jednostek) istnieje w systemie czy też nie.
𝑚𝑖𝑛 {∑ (∑(𝑋𝑢 ∙ 𝑃_𝐼𝑢,𝑡 ∙ 𝐶𝐹𝑢,𝑡 + 𝐸𝑢,𝑡 ∙ 𝐶𝑉𝑢,𝑡)
𝑡∈𝑇
)
𝑢∈𝑈
} (2.2)
Gdzie:
𝑢 ∈ 𝑈 Zbiór jednostek wytwórczych u
𝑡 ∈ 𝑇 Zbiór okresów czasowych t
𝑋𝑢 Zmienna całkowita
𝑃_𝐼𝑢,𝑡 Moc zainstalowana jednostki u w roku t
𝐸𝑢,𝑡 Produkcja energii elektrycznej jednostki u w roku t
𝐶𝐹𝑢,𝑡 Koszty stałe jednostki u w roku t
𝐶𝑉𝑢,𝑡 Koszty zmienne jednostki u w roku t
2.3. Podstawowe ograniczenia
2.3.1. Bilans mocy
Bilans mocy odnosi się do mocy dyspozycyjnej wyznaczonej na podstawie równania
(2.3). Moc dyspozycyjna jest zazwyczaj mniejsza od mocy zainstalowanej i stanowi moc,
która jest do dyspozycji operatora systemu przesyłowego (OSP) przy tworzeniu
9
dziennych planów koordynacyjnych pracy systemu. Warunek bilansu mocy (2.4)
oznacza, że całkowita moc dyspozycyjna w systemie w każdym roku t musi być większa
lub równa od prognozowanego zapotrzebowania szczytowego powiększonego o
wymaganą rezerwę mocy.
∀𝑢 ∈ 𝑈, ∀𝑡 ∈ 𝑇 𝑃_𝐴𝑢,𝑡 = 𝐾_𝑃𝐴𝑢,𝑡 ∙ 𝑃_𝐼𝑢,𝑡 (2.3)
∀𝑡 ∈ 𝑇 ∑ 𝑃_𝐴𝑢,𝑡
𝑢𝜖𝑈
≥ 𝑃_𝐷𝑡 + 𝐾_𝑃𝑅𝐸𝑆𝐸𝑅𝑉𝐸𝑡 ∙ 𝑃_𝐷𝑡 (2.4)
Gdzie:
𝐾_𝑃𝐴𝑢,𝑡 Współczynnik dyspozycyjności mocy jednostki u w roku t
𝑃_𝐴𝑢,𝑡 Moc dyspozycyjna jednostki u w roku t
𝑃_𝐷𝑡 Prognozowane zapotrzebowanie szczytowe na moc w roku t
𝐾_𝑃𝑅𝐸𝑆𝐸𝑅𝑉𝐸𝑡 Współczynnik rezerwy mocy w roku t
2.3.2. Bilans energii
Bilans energii (2.5) oznacza, że całkowita roczna produkcja energii elektrycznej musi być
równa prognozowanemu zapotrzebowaniu na energię elektryczną w każdym roku t.
∀𝑡 ∈ 𝑇 ∑ 𝐸𝑢,𝑡 = 𝐸_𝐷𝑡
𝑢𝜖𝑈
(2.5)
Gdzie:
𝐸𝑢,𝑡 Produkcja energii elektrycznej jednostki u w roku t
𝐸_𝐷𝑡 Prognozowane zapotrzebowania na energię elektryczną w
roku t
2.3.3. Maksymalna i minimalna produkcja energii elektrycznej
Maksymalna i minimalna produkcja energii elektrycznej jest wyznaczona zgodnie ze
wzorami (2.6) i (2.7). Maksimum generacji jednostki wynika z założonego
współczynnika dyspozycyjności K_Au,t określającego maksymalną ilość godzin z jaką
dana jednostka może produkować energię w ciągu jednego roku. Założone minimum
produkcji energii oznacza, że jednostka musi produkować taką ilość energii, której
sprzedaż pozwoli pokryć jej koszty finansowe CFINu,t. W przypadku zmiennych OZE
(wiatr i PV) nałożono sztywne ograniczenie mówiące o produkcji energii zgodnie z
założonym współczynnikiem dyspozycyjności bez możliwości regulacji. Tym samym
OZE mają priorytet w produkcji energii.
10
∀𝑢 ∈ 𝑈, ∀𝑡 ∈ 𝑇 𝐸𝑢,𝑡 ≤ 𝐾_𝐴𝑢,𝑡 ∙ 𝑃_𝐼𝑢,𝑡 ∙ 𝑌 (𝑏𝑒𝑧 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉) (2.6)
∀𝑢 ∈ 𝑈, ∀𝑡 ∈ 𝑇 𝐸𝑢,𝑡 ≥ 𝐶𝐹𝐼𝑁𝑢,𝑡/𝐸_𝑃𝑅𝐼𝐶𝐸𝑡 (𝑏𝑒𝑧 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉) (2.7)
Gdzie:
𝐸𝑢,𝑡 Produkcja energii elektrycznej jednostki u w roku t
𝐾_𝐴𝑢,𝑡 Współczynnik dyspozycyjności jednostki u w roku t
𝑃_𝐼𝑢,𝑡 Moc zainstalowana jednostki u w roku t
𝑌 Liczba godzin w roku (8760 h)
𝐶𝐹𝐼𝑁𝑢,𝑡 Koszty finansowe jednostki u w roku t
𝐸_𝑃𝑅𝐼𝐶𝐸𝑡 Prognozowana cena energii elektrycznej w roku t
11
3. DANE WEJŚCIOWE
W celu weryfikacji modelu zaimplementowano dane dotyczące Polskiego Systemu
Elektroenergetycznego. Stan początkowy dotyczący mocy zainstalowanej jednostek
istniejących został opracowany na bazie danych udostępnionych przez OSP (PSE S.A.).
Dane dotyczące jednostek nowych zostały przyjęte m.in. na bazie opracowań U.S. Energy
Information Agency (EIA), Department of Energy and Climate Change (DECC), zbioru
danych Uniwersytetu Technicznego w Berlinie, danych Kancelarii Prezesa Rady
Ministrów udostępnionych w modelu DAS, danych Instytutu Energetyki Odnawialnej.
Tabela 1 przedstawia dane techniczne jednostek zaimplementowanych w prezentowanym
modelu.
Tabela 1 Dane techniczne
Technologia Moc Dyspoz. Dyspoz.
mocy
Sprawność
brutto Emisje
Czas
życia Czas budowy
Limit
roczny
- MW % % % Mg/MWh yr yr MW
W. brunatny ist. - 84-85 97 37-42 0.96-1.09 1 - -
W. brunatny nowy 450
900 85 97 42 0.96 40 5 2700
W. kamienny ist. - 84-89 97 37-46 0.73-0.91 1 - -
W. kamienny nowy 450
900 85 97 46 0.73 40 5 3600
Gaz ist. - 85 97 55 0.35 1 - -
Gaz nowy 450 85 97 55 0.35 40 3 2250
Atom 1000
1600 85 97
35
36 0 40 7 1600
Wodne JWCD ist. 1 10 70 - 0 1 - -
Wodne JWCD now. 100-200 10 70 - 0 80 2 1000
Biomasa JWCD 100
200 85.6 60 32 1.23 30 1 1400
Wodne nJWCD - 44.5 70 - 0 80 2 500
Biomasa nJWCD - 82.2 60 32 0 30 1 300
Biogaz - 79.9 60 40 0.49 30 1 250
Wiatr na lądzie - 21.1 10 - 0 25 1 2000
Wiatr na morzu - 24 10 - 0 25 2 500
PV - 9.7 0 - 0 15 1 800
CHP węgiel - 43 43 80 (total)
43(elec.) 0.79 - - -
CHP gaz - 43 43 90 (total)
46(elec.) 0.48 - - -
Przemysłowe - 43 64 29 1.17 - - -
12
Tabela 2 przedstawia dane finansowe jednostek zaimplementowanych w prezentowanym
modelu.
Tabela 2 Dane finansowe
Technologia Overnight
cost
Stały
O&M
Zmienny
O&M
Koszt
paliwa
Całkowity
koszt fin.
Okres
spłaty
Roczne wydatki
w czasie budowy
- mln €/MW €/MW €/MWh €/MWh mln €
(mln €/MW) yr %
W. brunatny ist. - 34 092 4.03 14.7-17.5 113-5433 Czas życia -
W. brunatny nowy 1.97;2.15 34 092 4.03 14.7-15.6 4312;8518 40 10/20/30/30/10
W. kamienny ist. - 34 092 4.03 19.7-24.4 35-8991 Czas życia -
W. kamienny nowy 1.91;2.02 34 092 4.03 19.7 4312;8518 40 10/20/30/30/10
Gaz ist. - 20 000 4 381 879-1244 Czas życia -
Gaz nowy 0.8 20 000 4 381 1076 40 15/40/45
Atom 6.17 100 478 1.58 3.0-3.1 21351;34511 40 5/10/20/25/15/15/10
Wodne JWCD ist. - 16 234 0 0 - Czas życia -
Wodne JWCD now. 4.77 16 234 0 0 (14.4) 40 70/30
Biomasa JWCD 3.31 130 308 6.90 67.3 804;1608 30 100
Wodne nJWCD 3.81 34 689 0 0 (11.4) 40 70/30
Biomasa nJWCD 2.35 100 000 0 67.3 (13.5) 30 100
Biogaz 3.73 143 541 2.11 72 (9.1) 30 100
Wiatr na lądzie 1.46 26 316 0 0 (6.0) 25 100
Wiatr na morzu 3.11 124 402 - 0 (7.2) 25 100
PV 1.72 18 660 - 0 (5.5) 15 100
CHP węgiel 2.13 39 593 3.01 21 4312 40 10/20/30/30/10
CHP gaz 0.89 38 278 1.24 45.41 1076 40 15/40/45
Przemysłowe 2.13 39 593 3.01 31.2 4312 40 10/20/30/30/10
1 Cena dla scenariusza referencyjnego
13
4. METODA KRZYWEJ OBCIĄŻENIA NETTO
W planowaniu długoterminowym, uporządkowana krzywa obciążenia (ang. load duration
curve - LDC) i uporządkowana krzywa obciążania netto (RLDC) zazwyczaj zawierają
informacje na temat rocznego obciążenia z krokiem godzinowym. Przedstawiona na
rysunku 1 krzywa LDC reprezentuje obciążenie systemu elektroenergetycznego
uporządkowane w kolejności malejącej. Wyznaczenie krzywej LDC stanowiło pierwszy
etap uzyskania krzywej RLDC.
Rysunek 1 Obciążenie w systemie elektroenergetycznym (lewa strona) i uporządkowana krzywa obciążenia
(prawa strona)
W celu wyznaczenia uporządkowanej krzywej obciążenia netto (RLDC) należy, zgodnie
z równaniem (4.1), od obciążenia odjąć planowaną wymianę transgraniczną, generację
nJWCD (ang. nCDGU), a w szczególności generację źródeł wiatrowych i PV. Tak
uzyskaną krzywą należy również uporządkować w kolejności malejącej.
∀ℎ ∈ 𝑇𝐻 𝑅𝐿𝐷𝐶ℎ = 𝐿𝑜𝑎𝑑ℎ − 𝐸𝑥𝑐ℎ𝑎𝑛𝑔𝑒ℎ − 𝑛𝐶𝐷𝐺𝑈ℎ − 𝑊𝑖𝑛𝑑ℎ − 𝑃𝑉ℎ (4.1)
Gdzie:
ℎ ∈ 𝑇𝐻 Indeks oznaczający pojedynczą godzinę w roku (8760 h)
𝑅𝐿𝐷𝐶ℎ Uporządkowana krzywa obciążenia netto w godzinie h
𝐿𝑜𝑎𝑑ℎ Obciążenie w godzinie h
𝐸𝑥𝑐ℎ𝑎𝑛𝑔𝑒ℎ Zaplanowana wymiana transgraniczna w godzinie h
P [
MW
]
Czas (rok) [h] - chronologiczny
LOAD
P [
MW
]
Czas (rok) [h] - posortowany
LDC
obciążenie maksymalne
obciążenie minimalne
14
𝑛𝐶𝐷𝐺𝑈ℎ Generacja nJWCD w godzinie h
𝑊𝑖𝑛𝑑ℎ Generacja wiatrowa w godzinie h
𝑃𝑉ℎ Generacja fotowoltaiczna w godzinie h
Przykład uporządkowanej krzywej obciążenia netto wraz z jej typowymi parametrami
jest przedstawiony na rysunku 2. Pole pod krzywą oznacza zapotrzebowanie na energię
elektryczną, które musi być pokryte przez jednostki wytwórcze centralnie dysponowane.
Krzywa pozwala na wyznaczenie trzech charakterystycznych parametrów, które mogą
być ocenione w przypadku implementacji krzywej RLDC do modelu optymalizacyjnego
miksu energetycznego: (a) obciążenie szczytowe netto, (b) skrócenie czasu pracy JWCD
na skutek wzrostu penetracji nJWCD (głównie OZE), (c) nadprodukcja energii
spowodowana przez OZE.
Rysunek 2 Uporządkowana krzywa obciążenia netto (RLDC) i jej parametry
Krzywe LDC i RLDC zawierają informacje dotyczące godzinowych zmian obciążenia,
ale zaimplementowanie pełnych krzywych (w szczególności w modelach
długoterminowych z horyzontem czasowym równym 30-50 lat) może doprowadzić do
długich czasów obliczeniowych modeli (8760 h x ilość lat = interwał czasowy obliczeń
bilansu energii). W związku z tym, LDC/RLDC jest przedstawiona za pomocą krzywej
schodkowej. Przykład tego sposobu reprezentacji uporządkowanych krzywych
obciążenia znajduje się na rysunku 3. Indeks tt oznacza sekcję krzywej LDC/RLDC. W
rozprawie doktorskiej przyjęto podział krzywej RLDC na dwanaście sekcji.
P [
MW
]
Czas [h] - posortowany
RLDC
Obciążenie szczytowe netto
Skrócenie czasu pracy JWCD
Nadprodukcja energii
15
Rysunek 3 Podział krzywej LDC/RLDC na sekcje
P[M
W]
Czas [h]
PODZIAŁ KRZYWEJ LDC/RLDC NA SEKCJE
E_CDGU E_nCDGU E_RES ΔE/tt_MAX
tt=1 tt=2 tt=tt_MAX-1 tt=tt_MAX
16
5. OPTYMALIZACJA MIKSU
ENERGETYCZNEGO Z UWZGLĘDNIENIEM
KRZYWEJ RLDC
Prezentowana metoda optymalizacji miksu energetycznego z uwzględnieniem krzywej
RLDC zastała stworzona w celu uwzględnienia wpływu zmiennych OZE (turbiny
wiatrowe, panele PV) na planowanie miksu energetycznego. Tradycyjne podejście do
optymalizacji rozwoju jednostek wytwórczych w systemie energetycznym nie
uwzględnia ważnych aspektów dotyczących krótkoterminowej zmienności OZE, co
może mieć istotny wpływ na zapewnienie bezpieczeństwa dostaw energii przy
otrzymanym miksie. Zaproponowana metoda łączy rozwój niestabilnych OZE z
rozwojem konwencjonalnych jednostek wytwórczych.
Implementacja krzywej RLDC pozwala na bardziej szczegółowe (w porównaniu do
tradycyjnej metody) przedstawienie produkcji energii elektrycznej w modelu
optymalizacyjnym. Co więcej zaprezentowana w rozprawie, nowa metoda pozwala na
zachowanie zmienności profilu generacji OZE w planowaniu długoterminowym miksu
energetycznego. Główna idea tego podejścia polega na ocenie wpływu penetracji
niestabilnych OZE na każdą sekcję krzywej RLDC z osobna. Ocena tego wpływu została
dokonana na podstawie analizy zaprezentowanej w kolejnym podrozdziale.
5.1. Wpływ generacji OZE na sekcje RLDC
Przeprowadzona analiza została wykorzystana do wyznaczenia maksymalnej możliwej
wartości produkcji energii elektrycznej OZE występującej w poszczególnych sekcjach
RLDC. Wraz z implementacją krzywej RLDC, informacja na temat zmiennego profilu
generacji OZE została zachowana. Dodatkowo, nowa metoda pozwala na wyznaczenie
wielkości nadprodukcji energii spowodowanej generacją OZE, a tym samym na
implementację ograniczania produkcji energii (ang. curtailment) ze zmiennych OZE.
W rozprawie trzy technologie zmiennych OZE zostały zaimplementowane do modelu
optymalizacyjnego: wiatr na lądzie, wiatr na morzu oraz PV. Dane dotyczące profili
generacji tych technologii zostały wyznaczone na podstawie danych polskiego i
niemieckich OSP.
17
Pierwszym etapem analizy było wyznaczenie krzywej RLDC zgodnie ze wzorem (4.1).
Wpływ każdej technologii zmiennych OZE na sekcje RLDC został oceniony oddzielnie
(moc zainstalowana tylko jednej z trzech technologii była większa od zera). Tym samym
wyznaczono trzy różne krzywe. W analizie oceniono również wpływ mocy
zainstalowanej poszczególnej technologii OZE na krzywą. W konsekwencji, krzywa
RLDC została wyznaczona dla mocy OZE z zakresu 0-30 000 MW. W dalszym etapie
RLDC podzielono na dwanaście sekcji i wyznaczono różnicę pomiędzy krzywą RLDC
bez udziału zmiennych OZE a krzywą RLDC z różnym udziałem mocy zainstalowanej
tych technologii. Różnica oznacza moc dyspozycyjną poszczególnej technologii OZE,
która pomnożona przez przedział czasu, który reprezentuje poszczególna sekcja RLDC
równa się maksymalnej produkcji energii w tej sekcji.
Przykładowy wynik analizy dla wiatru na lądzie jest przedstawiony na rysunku 4, gdzie
każda z linii oznacza poszczególną sekcję RLDC, oś pozioma to moc zainstalowana
technologii OZE z przedziału 0-30 000 MW, oś pionowa oznacza moc dyspozycyjną
OZE dla poszczególnej sekcji. Implementacja otrzymanych krzywych do modelu
optymalizacyjnego wymagała linearyzacji. W konsekwencji każdą krzywą
przedstawiono za pomocą pięciu linii prostych.
Rysunek 4 Podział na sekcje krzywej LDC/RLDC
0
5000
10000
15000
20000
0 3000 6000 9000 12000 15000 18000 21000 24000 27000 30000P [
MW
] (w
pły
w n
a se
kcje
RLD
C)
P_WiatrNaLądzie [MW]
WIATR NA LĄDZIE - WPŁYW NA SEKCJE RLDC
Section1 Section2 Section3 Section4 Section5 Section6Section7 Section8 Section9 Section10 Section11 Section12
18
5.2. Funkcja celu
Podobnie jak w przypadku tradycyjnej metody optymalizacji miksu, funkcja celu (5.1)
przedstawia minimalizację całkowitych kosztów budowy i pracy jednostek wytwórczych
podzielonych na koszty stałe i zmienne. Jedyna modyfikacja dotyczy produkcji energii
elektrycznej, która jest przedstawiona jako suma energii dla wszystkich sekcji RLDC
∑ 𝐸𝑢,𝑡,𝑡𝑡𝑡𝑡∈𝑇𝑇 .
𝑚𝑖𝑛 {∑ (∑ (𝑋𝑢 ∙ 𝑃_𝐼𝑢,𝑡 ∙ 𝐶𝐹𝑢,𝑡 + ∑ 𝐸𝑢,𝑡,𝑡𝑡
𝑡𝑡∈𝑇𝑇
∙ 𝐶𝑉𝑢,𝑡)
𝑡∈𝑇
)
𝑢∈𝑈
} (5.1)
Gdzie:
𝑢 ∈ 𝑈 Zbiór jednostek wytwórczych u
𝑡 ∈ 𝑇 Zbiór okresów czasowych t
𝑡𝑡 ∈ 𝑇𝑇 Zbiór indeksów tt oznaczających sekcje krzywej RLDC
𝑋𝑢 Zmienna całkowita
𝑃_𝐼𝑢,𝑡 Moc zainstalowana jednostki u w roku t
𝐸𝑢,𝑡,𝑡𝑡 Produkcja energii elektrycznej jednostki u w roku t w sekcji tt
𝐶𝐹𝑢,𝑡 Koszty stałe jednostki u w roku t
𝐶𝑉𝑢,𝑡 Koszty zmienne jednostki u w roku t
5.3. Podstawowe ograniczenia
5.3.1. Bilans mocy
W przypadku bilansu mocy, modyfikacja w stosunku do tradycyjnej metody dotyczy
udziału zmiennych OZE w bilansie. W optymalizacji miksu energetycznego z krzywą
RLDC udział OZE jest obliczany na podstawie mocy dyspozycyjnej wyznaczonej na
podstawie powyższej analizy i optymalizacji budowy OZE, a nie na podstawie
założonego, stałego współczynnika. Tym samym moc dyspozycyjna zmiennych OZE
wynika z mocy dyspozycyjnej występującej w pierwszej sekcji RLDC (najwyższe
zapotrzebowania na moc).
5.3.2. Bilans energii
W optymalizacji miksu energetycznego bilans energii jest prowadzony na dwóch
płaszczyznach: rocznej i o horyzoncie czasowym wynikającym z czasu
reprezentowanego przez poszczególne sekcje RLDC. Równie (5.2) przedstawia warunek
19
mówiący o tym, że bilans energii musi być spełniony w każdej sekcji RLDC tt.
Dodatkowo bilans energii uwzględnia ograniczanie produkcji energii z OZE oraz
rezerwę/niedobór energii powstały na skutek aproksymacji krzywej RLDC. W drugim
etapie, zgodnie z równaniem (5.3) roczny bilans energii musi być spełniony.
∀𝑡 ∈ 𝑇, ∀𝑡𝑡 ∈ 𝑇𝑇 ∑ 𝐸𝑢,𝑡,𝑡𝑡
𝑢𝜖𝑈
− ∑ 𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡
𝑢′′′𝜖𝑈′′′
= 𝐸_𝐷_𝐿𝐷𝐶𝑡,𝑡𝑡 + ∆𝐸𝑡,𝑡𝑡 (5.2)
∀𝑡 ∈ 𝑇 ∑ (𝐸_𝐷_𝐿𝐷𝐶𝑡,𝑡𝑡 + ∆𝐸𝑡,𝑡𝑡)
𝑡𝑡∈𝑇𝑇
= 𝐸_𝐷𝑡 (5.3)
Gdzie:
𝐸𝑢,𝑡,𝑡𝑡 Produkcja energii elektrycznej jednostki u w roku t w sekcji tt
𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡 Ograniczenie produkcji energii OZE u’’’ w roku t w sekcji tt
𝐸_𝐷_𝐿𝐷𝐶𝑡,𝑡𝑡 Prognozowane zapotrzebowania na energię elektryczną w
roku t w sekcji tt
∆𝐸𝑡,𝑡𝑡 Rezerwa/niedobór energii powstały w skutek aproksymacji
RLDC poprzez sekcje tt
𝐸_𝐷𝑡 Prognozowane zapotrzebowania na energię elektryczną w
roku t
5.3.3. Maksymalna i minimalna produkcja energii elektrycznej
Podobnie jak w przypadku tradycyjnej optymalizacji miksu energetycznego, w
przypadku jednostek wytwórczych (bez wiatru i PV) maksymalna roczna produkcja
energii wynika z założonego współczynnika dyspozycyjności, a minimalna wartość
produkcji energii musi być wystarczająca do pokrycia kosztów stałych jednostki. Dla
zmiennych OZE, zgodnie z równaniem (5.4), istnieje możliwość ograniczania produkcji
energii elektrycznej.
∀𝑢′′′ ∈ 𝑈′′′, 𝑡 ∈ 𝑇 ∑ 𝐸_𝑅𝐸𝑆𝑢′′′,𝑡,𝑡𝑡
𝑡𝑡∈𝑇𝑇
+ ∑ 𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡
𝑡𝑡∈𝑇𝑇
= 𝐾_𝐴𝑢′′′,𝑡 ∙ 𝑃_𝐼_𝑅𝐸𝑆𝑢′′′,𝑡 ∙ 𝑌 (𝑑𝑙𝑎 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉)
(5.4)
Gdzie:
𝐸_𝑅𝐸𝑆𝑢′′′,𝑡 Produkcja energii elektrycznej OZE u w roku t w sekcji tt
𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡 Ograniczanie produkcji OZE u’’’ w roku t w sekcji tt
𝐾_𝐴𝑢′′′,𝑡 Współczynnik dyspozycyjności OZE u’’’ w roku t
𝑃_𝐼_𝑅𝐸𝑆𝑢′′′,𝑡 Moc zainstalowana OZE u’’’ w roku t
𝑌 Ilość godzin w roku (8760 h)
Dodatkowo implementacja RLDC narzuca konieczność nałożenia minimalnych i
maksymalnych granic produkcji energii dotyczących poszczególnych sekcji. W
20
konsekwencji równanie (5.5) nakłada górną granicę wynikającą z mocy dyspozycyjnej
jednostki. Dla zmiennych OZE obowiązujące jest równanie (5.6).
∀𝑢 ∈ 𝑈, ∀𝑡 ∈ 𝑇, ∀𝑡𝑡 ∈ 𝑇𝑇 0 ≤ 𝐸𝑢,𝑡,𝑡𝑡 ≤ 𝑃_𝐴𝑢,𝑡 ∙ 𝐻𝑡𝑡 (𝑏𝑒𝑧 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉) (5.5)
∀𝑢′′′ ∈ 𝑈′′′, ∀𝑡 ∈ 𝑇, ∀𝑡𝑡 ∈ 𝑇𝑇 𝐸_𝑅𝐸𝑆𝑢′′′,𝑡,𝑡𝑡 + 𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡 =
𝑃_𝐴𝑢′′′,𝑡 ∙ 𝐻𝑡𝑡 (𝑑𝑙𝑎 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉) (5.6)
Gdzie:
𝐸𝑢,𝑡,𝑡𝑡 Produkcja energii elektrycznej jednostki u w roku t w sekcji tt
𝑃_𝐴𝑢,𝑡 Moc dyspozycyjna jednostki u w roku t
𝐻𝑡𝑡 Ilość godzin zawartych w sekcji tt RLDC
𝐸_𝑅𝐸𝑆𝑢′′′,𝑡,𝑡𝑡 Produkcja energii elektrycznej OZE u w roku t w sekcji tt
𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡 Ograniczanie produkcji OZE u’’’ w roku t w sekcji tt
21
6. SCENARIUSZE OPTYMALIZACYJNE I
WYNIKI
6.1. Scenariusze optymalizacyjne
W celu weryfikacji modeli optymalizacyjnych stworzono cztery scenariusze
optymalizacyjne przedstawione w tabeli 3. Scenariusze różnią się miedzy sobą ceną
pozwoleń na emisję CO2 (cena EUA), ceną gazu oraz wymaganiem na minimalną
produkcję energii z OZE.
Tabela 3 Scenariusze optymalizacyjne
Nr Opis Cena EUA
[EUR/tCO2]
Cena gazu
[USD/1000m3] Wymaganie OZE
S1 Scenariusz referencyjny
15 w 2020
40 w 2030
40 w 2040
40 w 2050
250
19% w 2020
24% w 2030
24% w 2040
24% w 2050
S2 Wysoka cena CO2
15 w 2020
53 w 2030
64 w 2040
75 w 2050
250
19% w 2020
24% w 2030
24% w 2040
24% w 2050
S3 Wysoka cena gazu
15 w 2020
40 w 2030
40 w 2040
40 w 2050
350
19% w 2020
24% w 2030
24% w 2040
24% w 2050
S4 Duży udział OZE
15 w 2020
40 w 2030
40 w 2040
40 w 2050
250
19% w 2020
27% w 2030
38.5% w 2040
50% w 2050
6.2. Wyniki symulacji
W streszczeniu przedstawiono jedynie wyniki dla modelu optymalizacyjnego z
zaimplementowaną krzywą RLDC. Wyniki dotyczą mocy zainstalowanej, produkcji
energii elektrycznej oraz przykładowej krzywej RLDC. W rozprawie znajdują się
dodatkowo wyniki dotyczące mocy dyspozycyjnej, emisji CO2, zużycia paliw,
całkowitych kosztów oraz kosztów krańcowych produkcji energii.
6.2.1. Moc zainstalowana
W przypadku scenariuszy S1 i S2 (rysunek 5 i 6) następuje duży rozwój technologii
gazowej i turbin wiatrowych na lądzie. W przypadku wszystkich scenariuszy początkowy
22
okres jest zdominowany przez jednostki węglowe, które zostały wybudowane przed
początkiem optymalizacji. Duży rozwój turbin wiatrowych jest możliwy dzięki
zaimplementowanej metodzie optymalizacji, która nie wymaga nakładania sztywnych
limitów mocy na maksymalny udział w miksie.
Rysunek 5 Moc zainstalowana – scenariusz S1
Rysunek 6 Moc zainstalowana – scenariusz S2
W przypadku scenariusza S3 (rysunek 7), wysoka cena gazu spowodowała rozwój
technologii węglowych. Wskazuje to na fakt, że polski system jest uzależniony od dostaw
gazu i nawet niewielkie wahania powodują podwyżki cen. W scenariuszu S4 (rysunek 8)
ze znacznym udziałem odnawialnych źródeł energii, większość mocy zainstalowanej
OZE jest zapewniona przez wiatraki na lądzie. Pod koniec okresu symulacji następuje
również rozwój elektrowni spalających biomasę.
0
10000
20000
30000
40000
50000
60000
70000
80000
2020 2025 2030 2035 2040 2045 2050
P [
MW
]
MOC ZAINSTALOWANA - SCENARIUSZ S1WindOffshore
WindOnshore
PV
Biogas
Biom nCDGU
Biom CDGU
Hydro nCDGU
Hydro CDGU
Industrial
CHP coal
CHP gas
Nuclear
Gas
Hard Coal
Lignite
0
10000
20000
30000
40000
50000
60000
70000
80000
2020 2025 2030 2035 2040 2045 2050
P [
MW
]
MOC ZAINSTALOWANA - SCENARIUSZ S2WindOffshore
WindOnshore
PV
Biogas
Biom nCDGU
Biom CDGU
Hydro nCDGU
Hydro CDGU
Industrial
CHP coal
CHP gas
Nuclear
Gas
Hard Coal
Lignite
23
Rysunek 7 Moc zainstalowana – scenariusz S3
Rysunek 8 Moc zainstalowana – scenariusz S4
6.2.2. Produkcja energii elektrycznej
Porównując scenariusze S1 i S2 (rysunek 9 i 10) można zauważyć, że wzrost cen CO2
powoduje jeszcze większe zapotrzebowania na technologie gazowe jako źródła
stosunkowo nisko emisyjne. W scenariuszach widoczna jest niewielka wartość
nadprodukcji energii elektrycznej.
Sytuacja jest zupełnie inna w przypadku scenariusza S3 (rysunek 11). Tam relatywnie
wysoka cena gazu powoduje odejście od produkcji energii z technologii gazowych
(pomimo dużego udziału w mocy zainstalowanej) i przejście do technologii węglowych
(głównie kamiennego). W przypadku S4 (rysunek 12), bardzo duży udział OZE (głównie
turbin wiatrowych na lądzie), powoduje największą wartość nadprodukcji energii
elektrycznej spośród wszystkich scneariuszy.
0
10000
20000
30000
40000
50000
60000
70000
80000
2020 2025 2030 2035 2040 2045 2050
P [
MW
]
MOC ZAINSTALOWANA - SCENARIUSZ S3WindOffshore
WindOnshore
PV
Biogas
Biom nCDGU
Biom CDGU
Hydro nCDGU
Hydro CDGU
Industrial
CHP coal
CHP gas
Nuclear
Gas
Hard Coal
Lignite
-10000
10000
30000
50000
70000
90000
110000
2020 2025 2030 2035 2040 2045 2050
P [
MW
]
MOC ZAINSTALOWANA - SCENARIUSZ S4WindOffshore
WindOnshore
PV
Biogas
Biom nCDGU
Biom CDGU
Hydro nCDGU
Hydro CDGU
Industrial
CHP coal
CHP gas
Nuclear
Gas
Hard Coal
Lignite
24
Rysunek 9 Produkcja energii elektrycznej – scenariusz S1
Rysunek 10 Produkcja energii elektrycznej – scenariusz S2
Rysunek 11 Produkcja energii elektrycznej – scenariusz S3
0
50
100
150
200
250
2020 2025 2030 2035 2040 2045 2050
E[T
Wh
]
PRODUKCJA ENERGII - SCENARIUSZ S1E_DCurtailExchangeWindOffshoreWindOnshorePVBiogasBiom nCDGUBiom CDGUHydro nCDGUHydro CDGUIndustrialCHP coalCHP gasNuclearGasHard CoalLignite
0
50
100
150
200
250
2020 2025 2030 2035 2040 2045 2050
E[T
Wh
]
PRODUKCJA ENERGII- SCENARIUSZ S2E_DCurtailExchangeWindOffshoreWindOnshorePVBiogasBiom nCDGUBiom CDGUHydro nCDGUHydro CDGUIndustrialCHP coalCHP gasNuclearGasHard CoalLignite
0
50
100
150
200
250
2020 2025 2030 2035 2040 2045 2050
E[T
Wh
]
PRODUKCJA ENERGII- SCENARIUSZ S3E_DCurtailExchangeWindOffshoreWindOnshorePVBiogasBiom nCDGUBiom CDGUHydro nCDGUHydro CDGUIndustrialCHP coalCHP gasNuclearGasHard CoalLignite
25
Rysunek 12 Produkcja energii elektrycznej – scenariusz S4
6.2.3. Krzywa RLDC
Rysunek 13 przedstawia przykładową krzywą obciążenia netto dla scenariusza S1 i roku
2050. Uporządkowane krzywe obciążenia są podzielone na dwanaście sekcji. W
przypadku scenariusza S1 na koniec horyzontu czasowego (rok 2050), miks energetyczny
jest zdominowany przez elektrownie gazowe. Widoczne jest, że przy dużym udziale
OZE, większość produkcji energii z tych technologii przypada na okres niskiego
zapotrzebowania energii elektrycznej. Wiąże się to z koniecznością ograniczania
produkcji energii z OZE.
Rysunek 13 Krzywa RLDC w roku 2050 dla scenariusza S1
0
50
100
150
200
250
2020 2025 2030 2035 2040 2045 2050
E[T
Wh
]
PRODUKCJA ENERGII- SCENARIUSZ S4E_DCurtailExchangeWindOffshoreWindOnshorePVBiogasBiom nCDGUBiom CDGUHydro nCDGUHydro CDGUIndustrialCHP coalCHP gasNuclearGasHard CoalLignite
0
5000
10000
15000
20000
25000
30000
35000
P [
MW
]
Czas posortowany [h] (8760 h)
RLDC W 2050 - SCENARIUSZ S1
LDC
RLDC
Curtail
Exchange
WindOffshore
WindOnshore
PV
Biogas
Biom nCDGU
26
7. PORÓWNANIE MODELI
OPTYMALIZACYJNYCH
Porównując tradycyjną optymalizację miksu energetycznego z optymalizacją
uwzględniającą krzywą RLDC należy zwrócić uwagę na to, że krzywa RLDC umożliwia
wyznaczenie kilku aspektów pracy systemu, które nie mogą być ocenione w przypadku
tradycyjnej optymalizacji.
7.1. Nadprodukcja energii elektrycznej ze względu na RES
Pierwszą rzeczą na jaką należy zwrócić uwagę w przypadku implementacji krzywej
RLDC do długoterminowego modelu optymalizacji miksu energetycznego jest
możliwość wyznaczenia nadprodukcji energii elektrycznej na skutek dużej penetracji
zmiennych OZE (turbiny wiatrowe, panele PV). Jest to niezbędne do wprowadzenia
możliwości ograniczania produkcji energii z OZE.
W tradycyjnym podejściu do optymalizacji miksu energetycznego produkcja energii
elektrycznej jest brana pod uwagę jako skumulowana wartość obliczana z krokiem
jednego roku. Pozwala to na sformułowanie warunku bilansu energii, ale takie podejście
traci ważne informacje dotyczące krótkoterminowych aspektów pracy systemu
elektroenergetycznego, np. zmienność profilu generacji OZE, która nie może być w pełni
zaimplementowana do modelu optymalizacyjnego. W tradycyjnej optymalizacji miksu
uwzględnianie produkcji energii z OZE jako stałej wartości, uzależnionej jedynie od
zainstalowanej mocy i współczynnika dyspozycyjności może doprowadzić do uzyskania
miksu energetycznego, który nie będzie w stanie zbilansować zmian w produkcji energii
elektrycznej co może doprowadzić do zagrożenia bezpieczeństwa dostaw energii. Biorąc
to pod uwagę, w tradycyjnym modelowaniu miksu energetyczne nie jest możliwe
wyznaczenie wartości nadprodukcji spowodowanej przez OZE. Tym samym,
ograniczanie produkcji OZE (ang. curtailment) nie może być zaimplementowane w tej
wersji modelu. W konsekwencji, by również w tradycyjnej optymalizacji miksu zapewnić
bezpieczeństwo dostaw energii, wprowadzany jest maksymalny limit mocy, który
ogranicza budowę poszczególnych technologii do ustalonego poziomu. Wyznaczenie
tego limitu jest trudnym zadaniem, które musi być poprzedzone dokładną analizą
27
możliwości modelowanego systemu do przyłączenia nowych mocy do sieci. Zbyt duża
wartość limitu mocy może doprowadzić do uzyskania miksu energetycznego, który nie
będzie w stanie zapewnić odpowiednich wartości rezerw mocy. Zbyt niska wartość
będzie blokowała rozwój poszczególnych technologii.
W przypadku optymalizacji miksu energetycznego z uwzględnieniem krzywej RLDC jest
możliwość wyznaczenia nadprodukcji spowodowanej przez OZE. Reprezentacja
produkcji energii elektrycznej przez kilka sekcji RLDC pozwala uzyskać bardziej
szczegółową informację na temat pracy systemu elektroenergetycznego. Dodatkowo, ta
metoda uwzględnia zmienność profilu generacji OZE. Możliwość wyznaczenia wartości
nadprodukcji energii pozwala na implementację ograniczania generacji OZE, co
zwiększa koszt produkcji poszczególnych instalacji, ale w długim horyzoncie czasowym
wpływa na obniżenie całkowitych kosztów (w porównaniu do tradycyjnego modelu).
Pozostałe metody, służące do eliminacji nadprodukcji energii (magazynowanie energii,
eksport) nie są rozważane w obecnej wersji modelu.
7.2. Wpływ profilu OZE na szczytowe obciążenie netto
Drugą, ważną zaletą prezentowanego podejścia do optymalizacji miksu energetycznego
jest wyznaczenie mocy dyspozycyjnej niestabilnych OZE (turbiny wiatrowe, panele PV),
która jest uwzględniona w obciążeniu szczytowym netto na bazie rzeczywistego profilu
generacji. Obciążenie szczytowe netto to roczna wartość szczytowa mocy, która musi być
pokryta przez jednostki wytwórcze centralnie dysponowane (JWCD).
W tradycyjnej metodzie optymalizacji miksu energetycznego, bilans mocy jest obliczany
dla rocznego obciążenia szczytowego, gdzie moc dyspozycyjna turbin wiatrowych i
paneli PV jest obliczana na podstawie ustalonego współczynnika dyspozycyjności mocy
równego odpowiednio 10% i 0% mocy zainstalowanej. Takie uproszczenie może
doprowadzić do błędów w wyznaczaniu bilansu mocy. W szczególności w systemach ze
znacznym udziałem niestabilnych OZE w sytuacji gdy zaimplementowana moc
dyspozycyjna będzie większa niż w rzeczywistości, efektem może być brak
odpowiednich mocy w systemie, aby zapewnić pokrycie obciążenia szczytowego. Z
drugiej strony, zbyt mała wartość mocy dyspozycyjnej doprowadzi do nadmiaru mocy w
systemie, co będzie wiązało się z podwyższeniem całkowitych kosztów pracy jednostek
28
i może doprowadzić do problemu „missing money”, ponieważ nadmiarowe jednostki nie
będą w stanie uzyskać wystarczających przychodów by pokryć swoje koszty stałe.
W przypadku optymalizacji miksu energetycznego z krzywą RLDC, moc dyspozycyjna
niestabilnych OZE jest uwzględniania w szczycie obciążenia zgodnie z podziałem
krzywej na sekcje. W praktyce oznacza to, że zmienne OZE są uwzględniane w bilansach
mocy zgodnie z wartością mocy dyspozycyjnej jaka wynika z pierwszej sekcji
otrzymanej krzywej RLDC (sekcja z największym zapotrzebowaniem). W rezultacie
bilans mocy jest wyznaczany dla obciążenia szczytowego netto. Prowadzi to do bardziej
wiarygodnych wyników niż tradycyjna metoda bazująca na stałym współczynniku.
7.3. Wykorzystanie mocy znamionowej JWCD
Nowa metoda optymalizacji miksu pozwala na szczegółowe przedstawienie produkcji
energii elektrycznej poszczególnych jednostek. Podział zapotrzebowania na energię
elektryczną na kilka sekcji pozwala na łatwe wyszczególnienie jednostek bazowych,
podszczytowych i szczytowych. Tym samym można zaobserwować jak wraz ze
wzrostem udziału OZE maleje czas wykorzystania mocy zainstalowanej jednostek
konwencjonalnych.
7.4. Skomplikowanie modelu
Implementacja krzywej RLDC zwiększa skomplikowanie modelu optymalizacyjnego
poprzez wprowadzenie dodatkowych zmiennych optymalizacyjnych i ograniczeń. W
związku z tym czas obliczeń tego modelu jest dłuższy niż modelu tradycyjnego. Jednak
uzyskiwane czasy obliczeń na poziomie kilku godzin są akceptowalne przy tego typu
modelach.
29
8. WNIOSKI I REKOMENDACJE DO DALSZYCH
BADAŃ
8.1. Wnioski
Rozwój odnawialnych źródeł energii, wspierany przez politykę energetyczno-
klimatyczną Unii Europejskiej, powoduje, że prowadzenie i planowanie pracy systemu
elektroenergetycznego staje się coraz większym wyzwaniem. W przypadku dużego
udziału OZE, których produkcja energii zależy od warunków zewnętrznych (turbiny
wiatrowe, panele fotowoltaiczne), systemy elektroenergetyczne często pracują z
minimalną lub zerową wartością rezerw mocy. Z tego powodu, już na etapie
długoterminowego planowania rozwoju systemu elektroenergetycznego należy
uwzględnić krótkoterminowe aspekty związane z niestabilnością OZE.
Głównym celem rozprawy doktorskiej jest prezentacja nowej metody optymalizacji
miksu energetycznego z wykorzystaniem metody uporządkowanej krzywej obciążenia
netto (RLDC) i porównanie tej metody z tradycyjnym modelowanie miksu. Proponowana
metoda pozwala na maksymalizację udziału odnawialnych źródeł energii z zapewnieniem
odpowiedniego poziomu bezpieczeństwa dostaw energii. Implementacja krzywej RLDC
pozwala na wyznaczenie wartości nadprodukcji energii elektrycznej spowodowanej przez
niestabilne OZE. Nadwyżka energii może być ograniczona, zmagazynowana lub
wyeksportowana. W obecnej wersji modelu ograniczanie produkcji OZE zostało
zaimplementowane. Nowa metoda pozwala na stworzenie warunku bilansu mocy zgodnie
ze szczytowym obciążeniem netto w systemie oraz na ocenę stopnia wykorzystania mocy
zainstalowanej przez jednostki wytwórcze centralnie dysponowane, który ulega
zmniejszeniu na skutek ekspansji OZE.
Model optymalizacyjny miksu energetycznego uwzględnia dwa podstawowe
ograniczenia: bilans mocy i energii. W modelu zaimplementowano programowanie
liniowe i całkowito-liczbowe co daje możliwość uwzględnienia jednostek wytwórczych
z ich charakterystycznymi parametrami technicznymi i finansowymi. Model uwzględnia
koszty finansowe jednostek powstałe na skutek zaciągniętego kredytu bankowego i
ustalonego okresu spłaty kapitału.
30
W celu weryfikacji stworzonego narzędzia, do modelu zostały wprowadzone dane
Polskiego Sytemu Elektroenergetycznego. Wybór danych wejściowych był poprzedzony
dokładną analizą wielu źródeł. Model sprawdzono formułując cztery scenariusze
optymalizacyjne różniące się cenami pozwoleń na emisje CO2, ceną gazu oraz
minimalnym wymaganiem na produkcję energii z OZE.
Uzyskane wyniki wskazują na istotną rolę technologii gazowych w rozwoju polskiego
sektora energetycznego. Jest to spowodowane niskimi kosztami kapitałowymi oraz
niskimi emisjami CO2 tej technologii. Trzeba jednak zwrócić uwagę, że ceny gazu ulegają
dużym wahaniom na przestrzeni lat, dlatego w przypadku polskiego sektora
energetycznego istotne jest wynegocjowanie korzystnych kontraktów na dostawy tego
surowca.
Porównując model tradycyjnej optymalizacji miksu z modelem uwzględniającym krzywą
RLDC widać wyraźne różnice w rozwoju OZE, a w szczególności turbin wiatrowych (w
streszczeniu przedstawiono jedynie wyniki modelu z krzywą RLDC). W przypadku
tradycyjnej metody, rozwój tej technologii jest blokowany przez nałożony maksymalny
limit mocy. Dla metody wykorzystującej krzywą RLDC to ograniczenie nie jest
konieczne ponieważ bezpieczeństwo dostaw energii jest zapewnione poprzez
ograniczanie produkcji energii z OZE a nie ograniczanie ich budowy.
Zaprezentowane wyniki pozwalają stwierdzić, że możliwe jest przeprowadzenie
długoterminowej, złożonej optymalizacji miksu energetycznego jednostek
wytwórczych biorąc pod uwagę uporządkowaną krzywą obciążenia netto (ang.
residual load duration curve – RLDC) w celu uwzględnienia wpływu niestabilnych,
odnawialnych źródeł energii na system elektroenergetyczny, zwiększeniu ich udziału
w całkowitej produkcji energii elektrycznej i zapewnieniu odpowiedniego poziomu
bezpieczeństwa dostaw energii poprzez spełnienie bilansów mocy i energii.
8.2. Rekomendacje do dalszych badań
Zaprezentowane wyniki potwierdzają przedstawioną tezę doktorską. W ramach
prowadzenia badań powstały kolejne tematy, które będą wzięte pod uwagę przy
prowadzeniu dalszych prac:
31
metoda optymalizacji miksu energetycznego z implementacją krzywej RLDC
powinna uwzględniać plany remontów jednostek wytwórczych;
implementacja magazynowania energii do modelu optymalizacyjnego.
uwzględnienie dziennych profili mocy w planowaniu długoterminowym;
połączenia planowania rozwoju mocy wytwórczych z rozwojem sieci
elektroenergetycznej;
rozwinięcie aspektów ekonomicznych modelu, takich jak implementacja metod
oceny opłacalności inwestycji (NPV, IRR);
wprowadzenie różnych form wsparcia dla poszczególnych technologii, np. rynek
mocy, subsydia w formie taryf;
implementacja systemu gazowniczego;
poprawa wydajności obliczeniowej modelu komputerowego.