optymalizacja bilansowania energii i … · statyczne metody optymalizacyjne ..... 28 5. symulacje...

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


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.


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.


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


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.


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.


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).


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


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.


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


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.


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”


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


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


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)


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


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)


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


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


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


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


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]


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.


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


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.


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


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


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%.


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


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.

.


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


Amplitude of daily


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


Wind turbine G4

Gas microturbine G5


Wind turbine G4

Gas microturbine G5



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


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


Wind turbine G4

Energy storage S1



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.


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.


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


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


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.


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


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


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


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

optymalizacja bilansowania energii i … · statyczne metody optymalizacyjne ..... 28 5. symulacje...

Documents