optymalizacja bilansowania energii i … · statyczne metody optymalizacyjne ..... 28 5. symulacje...
TRANSCRIPT
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
1
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
2
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
Optymalizacja sieci niskich napięć Rozdział 1 - Wstęp
3
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
Optymalizacja sieci niskich napięć Rozdział 1 - Wstęp
4
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.
Optymalizacja sieci niskich napięć Rozdział 1 - Wstęp
5
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.
Optymalizacja sieci niskich napięć Rozdział 1 - Wstęp
6
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
Optymalizacja sieci niskich napięć Rozdział 1 - Wstęp
7
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.
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
8
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.
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
9
L1
L2
L3
AC/DC
AC
AC/DC
AC
AC/DC
AC
Wind turbine PV cells
Generator
Microturbine / Diesel engine
Other DG energy sources
Measurements
Operation Schedule
Measurements
Operation Schedule
Measurements
Operation Schedule
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.
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
10
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).
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
11
DG
Load
T
V1
V2
V3 V4
Medium voltage network
DG
Load
Nodal area 3
Nodal area 1
Uncontrolled power flows
Rys. 4 Sieci niskich napięć z nieskoordynowanymi przepływami mocy
Medium voltage network
Nodal area 3
Nodal area 1
Controlled power flows
DG
Load
T
V1
V2
V3 V4
DG
Load
Rys. 5 Sieci niskich napięć ze skoordynowanymi przepływami
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
12
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.
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
13
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).
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
Optymalizacja
Statyczna
programowanie liniowe
programowanie nieliniowe
optymalizacja nieliniowa
optymalizacja binarno-liniowa
Dynamiczna
programowanie dynamiczne
sterowanie optymalne
Sztuczna inteligencja
sieci neuronowe
zbiory rozmyte
programy eksperckie
algorytmy genetyczne
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
14
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. Dwudziesto-
czterogodzinne 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.
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
15
( ) ∑(
)
(2.1)
gdzie:
t – okres czasu mierzony w godzinach – okresy jednogodzinne
KPt jest współczynnikiem kosztu lokalnej produkcji i wymiany z siecią SN,
mocy czynnej:
∑(
)
(2.2)
gdzie:
ctPi – cena energii generowanej przez jednostkę “i” w okresie “t”
Pti – energia generowana przez jednostkę “i” okresie “t”
ctP – cena wymiany energii z siecią SN w okresie “t”
Pt – wymiana energii z siecią SN w okresie “t”
KQt jest współczynnikiem kosztu lokalnej produkcji i wymiany z siecią SN,
mocy biernej:
∑(
)
(2.3)
gdzie:
ctQi – cena mocy biernej generowanej przez jednostkę “i” w okresie “t”
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
16
Qti – moc bierna generowana przez jednostkę “i” okresie “t”
ctQ – cena wymiany mocy biernej z siecią SN w okresie “t”
Qt – wymiana mocy biernej z siecią SN w okresie “t”
KAt jest współczynnikiem kosztu usługi systemowej redukcji asymetrii:
∑((
) (
))
(2.4)
ctA2i – cena asymetrycznej pracy jednostki “i” (według składowej symetrycznej
kolejności przeciwnej) w okresie “t”
αt2i – współczynnik asymetrii kolejności przeciwnej “t”
ctA0i – cena asymetrycznej pracy jednostki “i” (według składowej symetrycznej
kolejności zerowej) w okresie “t”
αt2i – współczynnik asymetrii kolejności zerowej “t”
KHt jest współczynnikiem kosztu lokalnej produkcji i wymiany z siecią SN,
mocy biernej:
∑(
)
(2.5)
ct3Hi – cena generacji trzeciej harmonicznej prądu przez jednostkę“i” w okresie “t”
It3Hi – 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
Optymalizacja sieci niskich napięć Rozdział 2 – Sformułowanie problemu
17
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.
Single phase Three phase
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
7128Total:
Network infrastructure
Power units
Number of constrains in
single periodConstrain
Number of
constaints for all
of the periods
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
18
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 mm2
- - 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
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
19
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)
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
20
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.
branch R X
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
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
21
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.
Rys. 8 Wolumeny mocy dysponowanej dla system fotowoltaicznego.
Rys. 9 Wolumeny mocy dysponowanej dla turbiny wiatrowej.
0
5
10
15
1 3 5 7 9 11 13 15 17 19 21 23
P [kW]
t[h]
PV (G1)
0
2
4
6
8
1 3 5 7 9 11 13 15 17 19 21 23
P [kW]
t[h]
Wind turbine (G4)
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
22
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
Load groups Load
Power L1 L2 L3
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
LH_2.1
25000 15494
2083 1291 2083 1291 2083 1291
LH_2.2 2083 1291 2083 1291 2083 1291
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
LH_3.1
54620 38718
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_3.7 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
LH_5.1
20713 21000
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_5.4 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
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
23
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.
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
0
20
40
60
80
100
120
140
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
P [kW]
t[h]
Dobowy profil zapotrzebowania
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
24
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
Load
group Load
Total L1 L2 L3
I I I I
A A A A
LH_1 LH_1.1 2,92 0,96 0,96 0,96
LH_2
LH_2.1 3,20 1,06 1,06 1,06
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
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_3.7 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
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_5.4 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
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
25
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
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
26
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.
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
0
0,05
0,1
0,15
0,2
0,25
0 2 4 6 8 10 12 14 16 18 20 22 24
p [zł/
kWh]
t[h]
Optymalizacja sieci niskich napięć Rozdział 3 – Modele matematyczne
27
Pi – energia generowana przez jednostkę i
pi – 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.
Optymalizacja sieci niskich napięć Rozdział 4 – Metody opymalizacyjne
28
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.
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
29
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/m2 pozwalające na
wykorzystanie pełnego potencjału systemów fotowoltaicznych.
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
30
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
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
31
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.
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
32
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
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
33
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
a b a b c a b c
kW 75,2 29,5 52,8 56,8 55,0 54,4 56,3 54,1
% 100,0 39,2 70,3 75,5 73,1 72,3 74,9 71,9
kW 33,5 -31,8 9,9 17,7 15,1 18,0 22,1 20,0
% 100,0 -94,9 29,6 52,8 45,1 53,7 66,0 59,7
kW 41,7 61,3 42,9 39,1 39,9 36,4 34,2 34,1
% 100,0 147,0 102,9 93,8 95,7 87,3 82,0 81,8
Internal peak
generationkW 0,0 77,5 46,7 42,1 41,8 39,6 36,8 35,2
Internal minimal
generationkW 0,0 45,0 10,9 10,5 9,8 12,2 11,3 7,3
Amplitude of daily
internal generationkW 0,0 32,5 35,8 31,6 32,0 27,4 25,5 27,9
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
kWh 1302,8 -74,0 691,2 834,2 781,6 760,0 865,9 851,9
% 100,0 -5,7 53,1 64,0 60,0 58,3 66,5 65,4
Internal generation kWh 0,0 1431,8 663,9 632,9 627,8 581,3 524,1 512,1
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
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
Daily energy
exchange
Share of energy production
Deployment of distribution generation
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
Peak of energy
exchange
Minimal energy
exchange
Amplitude of daily
energy exchange
1 2 3
Power balance
Active power losses
Mimo to, mikroturbina jest wciąż urządzeniem o najwyższym udziale w produkcji
lokalnej, ponad 47%.
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
34
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
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
35
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.
.
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
36
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.
a b a b c a b c
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
Maximal
compensationkVar 0,0 0,0 0,0 0,0 0,0 24,2 22,9 22,7
Minimal
compensationkVar 0,0 0,0 0,0 0,0 0,0 7,3 7,1 7,3
Amplitude of daily
compensationkVar 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
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
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
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
Daily reactive power
exchange
Scenario1 2 3
Reactive power
Maximal reactive
power exhchange
Minimal reactive
power exchange
Amplitude of reactive
power exchange
Reactive power
losses
Compensation
PV (controllable) G3
Wind turbine G4
Gas microturbine G5
PV (controllable) G3
Wind turbine G4
Gas microturbine G5
Deployment of distribution generation
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
37
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
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
38
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
a b a b c a b c
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
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
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
Share in harmonics reduction
Gas microturbine G5
Energy storage S1
Gas microturbine G5
Maximal 3rd
harmonic current
Maximal current
THD
Maximal current in
neutral wire
Power losses caused
by harmonics
PV (controllable) G3
Wind turbine G4
Energy storage S1
Deployment of distribution generation
PV (controllable) G3
Wind turbine G4
Maximal 3rd
harmonic voltage
Maximal voltage
THD
Scenario1 2 3
Harmonics reduction
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.
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
39
Dodatkowym efektem jest również zmniejszenie prądów w przewodach neutralnych.
Wprowadzenie usługi pozwoliło na zmniejszenie wartości prądu z 79,1A do 29A.
Warto też zwrócić uwagę na to, że samo bilansowanie doprowadziło do wzrostu prądów
w przewodzie neutralnym nawet do 146A.
5.3.3. Praca sieci
Z punktu widzenia operatora najistotniejszym parametrem świadczącym zarówno o
jakości energii ale i również o niezawodności pracy sieci są napięcia węzłowe. Jak to
wykazały symulacje przeprowadzone dla scenariuszy bazowych, wartości napięć
zmieniały się w szerokim zakresie w zależności od lokalizacji i czasu. Mimo to nie
zostały jednak przekroczone normy. Należy jednak podkreślić, iż sieć testowa
zamodelowana w oparciu o sieć testową CIGRE, jest średnio zurbanizowaną o dużym
zagęszczeniu. Odległości pomiędzy węzłami rzadko przekraczają 100m a sama siec nie
jest rozległa. Co za tym idzie, impedancje linii, również nie są tak wysokie jak
powszechnie występujące w rzeczywistych sieciach. Dlatego zaprezentowane wyniki
nie oddają w pełni powagi problemu, zaś dalsze badania powinny uwzględnić ponowne
modelowanie sieci w oparciu o rzeczywisty fragment sieci.
Rozpatrując napięcia w sieciach niskich należy wziąć również pod uwagę aspekt
organizacyjny. Obecnie operatorzy sieci dystrybucyjnych powszechnie stosują
praktykę, zawyżania napięcia na zaciskach transformatora. Ma to na celu zapewnienie
odpowiedniego poziomu napięć dla odbiorców zlokalizowanych w najdalszych
częściach sieci. Niestety wiąże się to z podnoszenie wartości napięć zasilających u
odbiorców zlokalizowanych najbliżej transformatora. Efekt charakteryzuje się dwiema
negatywnymi cechami. Po pierwsze istnieje większe ryzyko że odbiorniki mogą zostać
uszkodzone na skutek przepięcia, bądź niewłaściwej eksploatacji. Druga cecha
związana jest ze zużyciem energii i efektem finansowym. Urządzenia pracujące z
wyższym napięciem od znamionowego pobierają więcej mocy. Prowadzi to do
dodatkowego zysku dla operatora kosztem odbiorców.
Optymalizacja sieci niskich napięć Rozdział 5 – Symulacje
40
Istotnym problemem, nie poruszonym bezpośrednio w rozprawie są przepływy
wyrównawcze. Obecnie nie istnieje jedna metoda, w całości oddająca istotę problemu.
Najskuteczniejszą metodą redukcji przepływów wyrównawczych jest zmniejszanie strat
sieciowych. Ponieważ funkcja celu uwzględnia również straty, to problem ten został
poruszony, jest to jednak efekt uboczny przyjętej metody a zjawisko wymaga dalszych
badań.
Optymalizacja sieci niskich napięć Rozdział 6 – Wnioski i rekomendacje
41
ROZDZIAŁ 6
6. WNIOSKI I REKOMENDACJE DLA DALSZYCH
BADAŃ
8.1 Wnioski
Rosnąca penetracja źródeł generacji rozproszonej, w tym również odnawialnych źródeł
energii w sieciach rozdzielczych oraz jednoczesny rozwój technologii
teleinformacyjnych pozwalają na pełne wykorzystanie lokalnych zasobów, jednakże
wymagają nowego podejścia do zarządzania siecią. Spośród trzech etapów zarządzania
siecią: monitoring, koordynacja, sterowanie; obecnie najbardziej rozwijają się
monitoring i sterowanie. Te dwa elementy nie zapewnią jednak oczekiwanego efektu
bez odpowiedniej obróbki i interpretacji zebranych danych. Dodatkowo zarządzanie
powinno odbywać się w zgodzie z dwiema naczelnymi zasadami energetyki: rozdziałem
działalności i dostępem do sieci stron trzecich. Warunek ten spełnia mechanizm
bilansowania produkcji i zużycia energii elektrycznej, musi być jednak wdrożony w taki
sposób, aby zachować spójność pomiędzy wszystkimi strukturami sieci: nN, SN i WN.
Rozwój generacji rozproszonej daje również nowe możliwości do zarządzania pracą
sieci. Większość urządzeń wyposażona jest w pełni sterowalne przetworniki mocy
umożliwiające swobodne sterowanie asymetrią, przesunięciem fazowym czy kształtem
Optymalizacja sieci niskich napięć Rozdział 6 – Wnioski i rekomendacje
42
przebiegu generowanego prądu. Daje to możliwość wprowadzenia nowych usług
regulacyjnych systemowych z zakresu poprawy jakości energii elektrycznej.
Myślą przewodnią rozprawy jest implementacja mechanizmów rynku bilansującego w
obszarze sieci niskich napięć wraz z trzema głównymi regulacyjnymi usługami
systemowymi: (a) kompensacji mocy biernej, (b) redukcji asymetrii napięć oraz (c)
mitygacji harmonicznych. Lokalne bilansowanie jest prowadzone w oparciu o podobne
zasady co nadrzędny rynek bilansujący prowadzony przez Operatora Sieci
Przesyłowych. Jednakże specyfika sieci rozdzielczych wymaga zastosowania również
nowych elementów w tym również wykorzystania metod optymalizacji nieliniowej w
zadaniach ekonomicznego rozdziału obciążeń.
Lokalne bilansowanie powinno zapewniać bilans produkcji, zużycia oraz wymiany
energii z siecią SN. Dodatkowo odpowiednie zarządzanie prowadzi do zmniejszenia
strat sieciowych i poprawienia napięć w węzłach, przy jednoczesnym przestrzeganiu
wszelkich standardów jakości energii, poprzez lokalną kompensację mocy biernej,
redukcję asymetrii i wyższych harmonicznych.
Autor przedstawia koncepcję Operatora Obszaru Węzłowego odpowiedzialnego za
lokalne zarządzanie pracą sieci. Zarządzanie odbywa się zgodnie z zasadą rozdzielności
działalności i dostępu do sieci stron trzecich. Rozdział obciążeń prowadzony jest w
oparciu o oferty bilansujące zgłaszane do operatora przez aktywnych uczestników.
Dodatkowo OOW jest odpowiedzialny za dotrzymanie norm technicznych i jakości
energii poprzez zakup regulacyjnych usług systemowych od lokalnych producentów.
Jako narzędzie zarządzania, wykorzystano nieliniową optymalizację statyczną,
pozwalającą na uwzględnienie zarówno aspektów technicznych i ekonomicznych.
Funkcja celu zawiera 1440 zmiennych i 7128 ograniczeń.
Na potrzeby weryfikacji założeń stworzony został model matematyczny w oparciu o
sieć testową CIGRE. Po przeanalizowaniu kilkunastu dostępnych metod
optymalizacyjnych wybrany został najwydajniejszy dla zadanego problemu
Optymalizacja sieci niskich napięć Rozdział 6 – Wnioski i rekomendacje
43
optymalizacyjnego, algorytm ze środowiska Matlab, na który Instytut Elektroenergetyki
posiada licencję.
Na potrzeby badań zostały przygotowane trzy scenariusze symulacyjne, składające się z
kilku wariantów. Pierwszy scenariusz opisany jako bazowy zasymulowany został w
dwóch wariantach 1a i 1b. Drugi scenariusz zakładający wprowadzenie mechanizmów
bilansowania został zasymulowany w trzech wariantach: tylko z generacją rozproszoną,
z generacją rozproszoną i zasobnikiem energii oraz z generacją rozproszoną,
zasobnikiem energii i grupą aktywnych odbiorców. Dla takich samych wariantów
zasymulowano również trzeci scenariusz wprowadzający zarówno bilansowanie jak i
regulacyjne usługi systemowe (Tabela 9).
W przypadku obu scenariuszy bazowych zachodzi wiele naruszeń norm jakości energii
ale również miały miejsce sytuacje zagrażające stabilne pracy sieci, w szczególności w
przypadku odwrotnych przepływów przez transformator w scenariuszu 1b. Bilans
energetyczny jest lepszy w przypadku drugiego scenariusza, w którym przepływ
odwrotny został wyeliminowany. Jednak dopiero w przypadku trzeciego scenariusza
możliwe było zarówno zapewnienie bilansu przy pewnym zasilaniu oraz dotrzymanie
założonych norm jakości energii.
Przeprowadzone symulacje wykazały iż jest możliwe zwiększenie udziału generacji
rozproszonej w sieciach dystrybucyjnych, w tym również odnawialnych źródeł
energii, z jednoczesnym dotrzymaniem parametrów technicznych, pod warunkiem
że praca źródeł jest koordynowana przez mechanizmy bilansowania oraz świadczą
regulacyjne usługi systemowe na rzecz operatora obszaru węzłowego.
W związku z powyższym, uzasadniona jest teza, iż: MOŻLIWA JEST KOORDYNACJA
BILANSOWANIA ENERGII ELEKTRYCZNEJ I REGULACYJNYCH USŁUG SYSTEMOWYCH W
WĘZŁACH NISKIEGO NAPIĘCIA, POPRZEZ ZASTOSOWANIE METOD OPTYMALIZACJI
NIELINIOWEJ.
Optymalizacja sieci niskich napięć Rozdział 6 – Wnioski i rekomendacje
44
Tabela 9 Wyniki symulacji
1a 1b 2a (DG)2b
(DG+ES)
2c
(DG+ES+
AL)
3a (DG)3b
(DG+ES)
3c
(DG+ES+
AL)
Peak of energy
exchangekW 75,2 0,39% 70,30% 75,50% 73,10% 72,30% 74,90% 71,90%
Daily energy
exchangekWh 1302,8 -0,06% 53,10% 64,00% 60,00% 58,00% 66,50% 65,40%
Internal generation kWh 0 109,90% 50,96% 48,58% 48,19% 44,62% 40,23% 39,31%
Power losses kWh 60,2 67,40% 63,10% 70,40% 67,90% 40,90% 47,30% 44,00%
Maximum reactive
power exchangekVAr 52,6 96,30% 97,80% 98,00% 98,20% 61,60% 64,50% 64,50%
Daily reactive
power exchangekVArh 908,5 97,20% 97,60% 98,10% 98,00% 62,30% 61,60% 61,50%
Compensation kVArh 0 0,00% 0,00% 0,00% 0,00% 38,26% 38,55% 38,70%
Reactive power
losseskVArh 50,8 49,80% 58,30% 66,70% 63,80% 37,00% 40,70% 40,70%
Maximum 3rd
harmonic voltageV 23,7 100,00% 100,00% 100,00% 100,00% 59,10% 59,50% 59,50%
Maximum THD
voltage% 11,1 97,30% 97,30% 96,40% 96,40% 56,80% 58,60% 58,60%
Maximum 3rd
harmonic currentA 22,2 100,00% 100,00% 100,00% 100,00% 50,50% 51,80% 51,80%
Maximum THD
current% 33,5 112,80% 111,60% 110,10% 110,10% FR FR FR
Power losses
caused by kVAh 19,1 100,00% 100,00% 100,00% 100,00% 37,20% 37,20% 37,20%
Violations of
constraints[-] 186 172 178 169 167 21 20 20
Total violation of
constraints[-] 186 92,47% 95,70% 90,86% 89,78% 11,29% 10,80% 10,75%
Evaluation [-] Base N/A 3 3 3 5 5 5
FR - Further reserach required
DG - Distributed Generation; ES - Energy Storage; AL. - Active Load
N/A - Not acceptable
SUMMARY
Power balance
Reactive power compensation
Harmonics
Wyniki końcowe
JEDN
OSTK
A
2. ENERGY BALANCING
3. ENERGY BALANCING
AND ANCILLARY
SERVICES
SCENARIO
1. BASE
SCENARIO
Optymalizacja sieci niskich napięć Rozdział 6 – Wnioski i rekomendacje
45
8.2 Rekomendacje dla dalszych prac
badawczych
Mimo iż przeprowadzone symulacje wykazały słuszność tezy, że możliwe jest
zastosowanie lokalnego bilansowania z regulacyjnymi usługami systemowymi,
działającego według zasad rynku energii do zwiększenia penetracji źródeł generacji
rozproszonej, badania wykazały szereg obszarów badawczych, które powinny być
rozwinięte w przyszłości. Obszary te dotyczą:
Szerokiej analizy metod optymalizacyjnych, w tym również programowania
binarno-liniowego w celu skrócenia czasu obliczeń,
Dalsze badania nad równoległą kompensacją mocy biernej, redukcji asymetrii i
ograniczenia harmonicznych,
Analizy nad zastosowaniem nowych definicji odkształcenia i asymetrii prądu z
punktu widzenia kompleksowej poprawy jakości energii,
Analiza funkcjonowania zasobnika energii na rynku bilansującym, a w
szczególności ze względu na możliwości maksymalizowania zysku przez
wykorzystanie unikalnych właściwości zasobników, nie uwzględnianych we
wcześniejszych pracach naukowych
Praca aktywnych odbiorców w środowisku lokalnego rynku bilansującego oraz
jak zwiększyć zysk z zarządzania stroną popytową
Wpływu lokalizacji źródeł generacji rozproszonej, zasobników energii oraz
aktywnych odbiorców na możliwości bilansowania energii, redukcji strat
sieciowych oraz świadczenia regulacyjnych usług systemowych.
Optymalizacja sieci niskich napięć Wykaz publikacji
46
7. WYKAZ PUBLIKACJI
1. Olek, B., Wierzbowski, M. „Optymalizacja sieci dystrybucyjnej z generacją
rozproszoną”, Rynek Energii (ISSN 1425-5960), luty 2012,
2. Olek, B., Wierzbowski, M. „Optymalizacja pracy sieci dystrybucyjnej z
generacją rozproszoną.”, Zeszyt tematyczny nr I (VII) ,2012, str. 182-187 do Rynek
Energii nr 2 (99) (ISSN 1425-5960)
3. Mielczarski, W., Olek, B., Wierzbowski, M. „Market rules in optimization of
distributed generation”, Materiały konferencji European Energy Market, IEEE
Database, E-ISBN : 978-1-4673-0832-8, Print ISBN: 978-1-4673-0834-2 , Florencja,
10-11 maj 2012.
4. Olek, B. „Odnawialne źródła energii – stan obecny i perspektywy rozwoju”.
Biuletyn Techniczno - Informacyjny Zarządu Oddziału Łódzkiego SEP Nr 2/2012 (57),
czerwiec 2012
5. Wierzbowski, M., Olek B., : „Optymalizacja pracy odnawialnych źródeł energii
w sieci z lokalną generacją rozproszoną”, VIII Konferencja Naukowo-Techniczna
„Optymalizacja w Elektroenergetyce” (OPE’12), 4 październik 2012, Konstancin-
Jeziorna
6. Wierzbowki, M., Olek, B. „Optymalizacja sieci dystrybucyjnej z lokalną
generacją rozproszoną“, II Konferencja Naukowo-Techniczna PTPiREE: Problematyka
Mocy Biernej w Sieciach Dystrybucyjnych i Przesyłowych, 24-25 październik 2012,
Wisła
7. Olek, B. „Optymalizacja sieci dystrybucyjnej nn z lokalną generacją
rozproszoną”, Energia Elektryczna (ISSN 1897-3833), 2/2013, str 19-21
8. Olek, B., Wierzbowski, M. „Optymalizacja jako element Smart Grid”, Rynek
Energii (ISSN 1425-5960), 1(104)/2013, str. 38-42
Optymalizacja sieci niskich napięć Wykaz publikacji
47
9. Olek, B., Wierzbowski, M. „Lokalne obszary bilansowania w sieciach niskich
napięć z generacją rozproszoną”, Rynek Energii (ISSN 1425-5960), Zeszyt tematyczny
nr I (VIII), 2013, str. 171-177
10. Wierzbowski, M., Olek B. „Aktywne zarządzanie pracą sieci dystrybucyjnej
średniego napięcia z generacją rozproszoną według zasad rynku energii elektrycznej”,
Rynek Energii (ISSN 1425-5960), Zeszyt tematyczny nr I (VIII), 2013, str. 243-249
11. Wierzbowski, M., Olek, B. „Management of a Medium Voltage Distribution
Network with Distribution Generation”, 8th Conference on Energy Economics and
Technology (ENERDAY 2013) , Dresden
12. Olek, B., Wierzbowski, M. „Optimization of low voltage distribution network
with dispersed generation”, przyjęte do prezentacji oraz do IEEE Database w ramach
International Youth Conference on Energy (IYCE 2013) – Siófok, Hungary -
niezaprezentowane
13. Wierzbowski, M., Olek, B. „Active managment of a medium voltage distribution
network with dispersed generation according to market rules” , przyjęte do prezentacji
oraz do IEEE Database w ramach International Youth Conference on Energy (IYCE
2013) – Siófok, Hungary - niezaprezentowane
Optymalizacja sieci niskich napięć Wykaz publikacji
48
No. Publication
Points for article
published
according to
MNiSzW list Number of
points for
the article
Number of authors
1.
Olek, B., Wierzbowski, M.: Lokalne obszary bilansowania w
sieciach niskich napięć z generacją rozproszoną. Rynek Energii
(ISSN 1425-5960), Zeszyt tematyczny nr I (VIII), 2013, str. 171-
177
10
5
2
2.
Wierzbowski, M., Olek, B.: Aktywne zarządzanie pracą sieci
dystrybucyjnej średniego napięcia z generacją rozproszoną według
zasad rynku energii elektrycznej. Rynek Energii (ISSN 1425-
5960), Zeszyt tematyczny nr I (VIII), 2013, str. 243-249
10
5
2
3. Olek, B., Wierzbowski, M.: Optymalizacja jako element Smart
Grid. Rynek Energii (ISSN 1425-5960), 1(104)/2013, str. 38-43
10 5
2
4.
Olek, B., Wierzbowski, M.: Optymalizacja sieci dystrybucyjnej z
generacją rozproszoną. Rynek Energii (ISSN 1425-5960),
1(98)/2012, str. 17-20, *article published when journal Rynek
Energii was signed with 20 points
20
10
2
5.
Wierzbowski, M., Olek, B.: : Optymalizacja pracy sieci
dystrybucyjnej z generacją rozproszoną. Rynek Energii (ISSN
1425-5960), Zeszyt tematyczny nr I (VII), 2012, str. 182-187,
article published when journal Rynek Energii was signed with
20 points
20
10
2
TOTAL 35
Optymalizacja sieci niskich napięć Wykaz konferencji
49
8. WYKAZ UCZESTNICTWA W KONFERENCJACH
1. II Forum Innowacji Młodych Badaczy, Łódź, 25-26 listopada 2011r.
2. XXXI spotkanie Forum "Energia - Efekt - Środowisko". Warsztaty
przedrealizacyjne programu priorytetowego NFOŚiGW „Inteligentne sieci
energetyczne”, NFOŚiGW Warszawa, 13 stycznia 2012 r.
3. VI Konferencja Naukowo-Techniczna „Zarządzanie Energią i Teleinformatyka –
ZET 2012”, Nałęczów, 15-17 lutego 2012 r.
4. XVIII Konferencja Naukowo-Techniczna REE 2012, Rynek Energii
Elektrycznej, Kazimierz Dolny, 8-10 maj 2012 r.
5. VIII Konferencja Naukowo-Techniczna „Optymalizacja w Elektroenergetyce
2012”, PSE Operator Konstancin – Jeziorna, 4 październik 2012 r.
6. Konferencja Naukowo – Techniczna „Problematyka mocy biernej w sieciach
dystrybucyjnych i przesyłowych”, Wisła, 24-25 października 2012 r.
7. III Forum Innowacji Młodych Badaczy, Łódź, 16-17 listopada 2012 r.
8. 5th International Conference on Integration of Renewable Energy Sources and
Distributed Generation (IRED 2012), Berlin, 4-6 grudzień 2012 r.
9. European Emission Trading Summit, Warszawa, 22 listopada 2012 r.
10. VII Konferencja Naukowo-Techniczna „Zarządzanie Energią i Teleinformatyka
– ZET 2013”, Nałęczów, 20-22 lutego 2013 r.
11. ENERDAY - 8th Conference on Energy Economics and Technology - Energy
Policies and Market Design in Europe, Technical University of Dresden, 19 April 2013
12. XIX Konferencja Naukowo-Techniczna REE 2013, Rynek Energii Elektrycznej,
Kazimierz Dolny, 7-9 maj 2013 r.
Optymalizacja sieci niskich napięć Bibliografia
50
9. BIBLIOGRAFIA
Bhattacharya, K., & Zhong, J. (n.d.). Reactive Power as an Ancillary Service. IEEE
Power Engineering Review, 21, 5, 64.
Hobbs, W.J., Hermon, G., Warner, S., Sheblé, G.B. (1988) An enhanced dynamic
programming approach for unit commitment. IEEE Transactions on Power Systems,
3(3): 1201–1205, 1988.
Kasprzyk, S., Mielczarski, W. (2005) Modern Commitment and Dispatch in the
Balancing Market. in volume Development of electricity markets, edition: The
European power supply industry”, Łódź, Technical University of Łódź
Papathanassiou, S., Hatziargyriou, N., Strunz, K., (2005) A benchmark low voltage
microgrid network. Presented at the CIGRE Symp. Power Syst. Dispersed Gener.,
Athens, Greece, Apr. 2005.
Polskie Sieci Elektroenergetyczne S. A. (2012) Instrukcja Ruchu i Eksploatacji Sieci
Elektroenergetycznej. (in English: Grid Code)
Sugianto, Ly-Fie, & Waluyo, Augustinus. (2002). Pre-dispatch optimisation using
dynamic programming : a resource allocation process. (Centre for Electric Power
Engineering.) Centre for Electric Power Engineering.
Szabłowski, Ł., Milewski, J., Kuta, J., (2013) Wykorzystanie sztucznej sieci neuronowej
do przewidywania zapotrzebowania na moc elektryczną (in English: Usage of artificial
neural networks for electricity demand estimation) Rynek Energii, 1 (104), p. 26-31
Wasilewski, J., (2013) Praktyczne aspekty statycznej estymacji stanu parcy
elektroenergetycznych sieci dystrybucyjnych w warunkach krajowych (in English:
Practical aspects of static state estimation of power distribution networks in polish
conditios), Rynek Energii No 2 (105)
Optymalizacja sieci niskich napięć Abstract
51
10. ABSTRACT
Development of renewable energy sources and rising penetration of electronics, requires
new approach to power system management. In addition, growing possibilities of local
energy source deployment and the access to controllable power inverters increase the
role of Distribution System Operators in power system balancing. The dissertation
presents a new concept of optimization of local energy balancing and Ancillary Services
in the LV network. The management is in cohesion with major rules of the power
supply industry, especially: unbundling and Third Party Access (TPA). Additionally,
the network coordination is consistent with the market rules on the level of transmission
systems and higher structures of distribution systems. The dissertation assumes the
implementation of the day-ahead balancing with mixed marginal and pay-as-bid price
system used in economic dispatch. Moreover, local producers are able to perform
Ancillary Services of reactive power compensation, load unbalance reduction and
harmonics mitigation. The aim of the coordination is the preparation optimal schedule
of local energy balancing with preserving power quality standards. Simulations are
performed using the benchmark network based on the CIGRE benchmark network –
including distributed generation, energy storages and active/passive loads.
The target of local balancing area is to provide balancing of local energy production,
consumption and energy exchange with the external network. Additionally, the network
management ensure power loss minimization and ensure proper voltage levels, with
preserving power quality standards by local reactive power compensation, load
unbalance reduction and harmonics mitigation. Non-linear, static optimization is used
for network management as a tool, which takes into account both: technical and
economic aspects. The Matlab optimization toolbox is used as a optimization tool
extended by Tomlab optimization solvers.
Optymalizacja sieci niskich napięć Streszczenie
52
11. STRESZCZENIE
Rozwój odnawialnych źródeł energii oraz rosnące zastosowania elektroniki, wymagają
nowego podejścia do zarządzania systemem elektroenergetycznym. Jednocześnie
rosnące możliwości wykorzystania lokalnych zasobów energetycznych oraz dostęp do
w pełni sterowanych przekształtników zainstalowanych na wyjściu źródeł generacji
rozproszonej zwiększają rolę Operatorów Sieci Dystrybucyjnych w procesie
bilansowania systemu elektroenergetycznego. Prezentowana rozprawa przedstawia
koncepcję optymalizacji lokalnego bilansowania mocy oraz usług systemowych w sieci
niskiego napięcia. Zarządzanie pracą sieci prowadzone jest zgodnie z zasadami
funkcjonowania energetyki, a w szczególności z zasadami rozdziału działalności
(„unbundling”) i dostępu do infrastruktury sieciowej stron trzecich („Third Party
Access”). Dodatkowo koordynacja pracy sieci musi być spójna z zasadami rynkowymi
obowiązującymi na poziomie sieci przesyłowych i wyższych struktur sieci
dystrybucyjnych. W rozprawie jako narzędzie rozdziału mocy przyjęto model rynku
bilansującego dnia następnego z wykorzystaniem kombinacji systemów cen ofertowych
z ceną graniczną. Dodatkowo lokalni producenci energii elektrycznej mają możliwość
świadczenia na rzecz operatora regulacyjnych usług systemowych z zakresu
kompensacji mocy biernej, redukcję asymetrii oraz ograniczenie wyższych
harmonicznych. Celem koordynacji jest przygotowanie optymalnego planu pracy
lokalnych źródeł energii z uwzględnieniem norm jakości energii. Symulacje
przeprowadzone są na sieci testowej – przygotowanej na bazie sieci testowej CIGRE –
zawierającej źródła generacji rozproszonej, zasobniki energii oraz aktywnych i
pasywnych odbiorców.
Zadaniem lokalnego obszaru bilansującego jest zapewnienie zbilansowania lokalnej
produkcji i zużycia energii, jak również wymiany energii z siecią nadrzędną.
Dodatkowo zarządzanie zapewnia minimalizację strat przesyłowych przy jednoczesnym
zachowaniu odpowiednich poziomów napięć i przestrzeganiem norm jakości energii
poprzez lokalną kompensację mocy biernej, bilansowanie asymetrii i redukcję
Optymalizacja sieci niskich napięć Streszczenie
53
harmonicznych. W badaniach wykorzystano nieliniową optymalizację statyczną
pozwalającą na jednoczesne uwzględnienie zarówno aspektów technicznych, jak i
ekonomicznych. Głównym narzędziem jest pakiet optymalizacyjny programu Matlab
rozszerzonego o silniki optymalizacyjne Tomlab.
Optymalizacja sieci niskich napięć Wykaz ilustrajcji
54
12. WYKAZ RYSUNKÓW
Rys. 1 Fazy zarządzania systemem elektroenergetycznym. Źródło: Mielczarski, Olek,
Wierzbowski 2012. ........................................................................................................... 7
Rys. 2 Podłączenie generacji rozproszonej do sieci.......................................................... 9
Rys. 3 Struktura nowoczesnego system elektroenergetycznego. .................................... 10
Rys. 4 Sieci niskich napięć z nieskooordynowanymi przepływami mocy ..................... 11
Rys. 5 Sieci niskich napięć ze skooordynowanymi przepływami .................................. 11
Rys. 6 Kategoryzacja metod optymalizacji. .................................................................... 13
Rys. 7 Testowa sieć niskich napięć. Źródło: (Papathanassiou et. al., 2005) ................... 19
Rys. 8 Wolumeny mocy dysponowanej dla system fotowoltaicznego. .......................... 21
Rys. 9 Wolumeny mocy dysponowanej dla turbiny wiatrowej. ..................................... 21
Rys. 10 Dobowy profil zapotrzebowania na energię elektryczną ................................... 23
Rys. 11 Oferta pasmowa ................................................................................................. 25
Rys. 12 Dobowa zmiana ceny energii z sieci SN............................................................ 26
Optymalizacja sieci niskich napięć Wykaz tabel
55
13. WYKAZ TABEL
Tabela 1 Wykaz ograniczeń. ........................................................................................... 17
Tabela 2 Parametry techniczne linii. Źródło: (Tele-Fonika Kable sp. z o.o. 2009). ....... 18
Tabela 3 Wykaz jednostek wytwórczych, aktywnych odbiorów i zasobników energii . 20
Tabela 4 Parametry linii przeliczone dla przepływów trzeciej harmonicznej prądu. ..... 20
Tabela 5 Wykaz emisyjności 3. harmonicznej przez poszczególne odbiory .................. 24
Tabela 6 Wyniki symulacji. Bilansowanie energii ......................................................... 33
Tabela 7 Wyniki symulacji. Kompensacja mocy biernej................................................ 36
Tabela 8 Wyniki symulacji. Mitygacja harmonicznych ................................................. 38
Tabela 9 Wyniki symulacji ............................................................................................. 44