Порядок заслуг

Порядок заслуг - это способ ранжирования доступных источников энергии, особенно производства электроэнергии, на основе порядка возрастания цен (который может отражать порядок их краткосрочных предельных издержек производства), а иногда и загрязнения, вместе с количеством энергии, которое будет быть сгенерирован. При централизованном управлении ранжирование таково, что предприятия с наименьшими предельными затратами первыми подключаются к сети для удовлетворения спроса, а заводы с наибольшими предельными затратами запускаются последними. Такой способ диспетчеризации, известный как «экономическое диспетчеризация», сводит к минимуму затраты на производство электроэнергии. Иногда энергоблоки необходимо запускать вне очереди из-за перегрузки передачи, надежности системы или по другим причинам.

Что касается диспетчеризации окружающей среды, то дополнительные соображения относительно уменьшения загрязнения еще больше усложняют проблему диспетчеризации электроэнергии. Основные ограничения проблемы экономической диспетчеризации остаются в силе, но модель оптимизирована для минимизации выбросов загрязняющих веществ в дополнение к минимизации затрат на топливо и общих потерь мощности. ^[1]

График с портала данных SMARD, показывающий производство электроэнергии в Германии в середине декабря 2017 года. Порядок «слоев» основан на их достоинствах.

Влияние возобновляемых источников энергии на порядок оценки [ править ]

Высокий спрос на электроэнергию во время пикового спроса толкает вверх цены торгов за электроэнергию, а зачастую относительно недорога базисной мощность энергоснабжении дополняется « обострение электростанций », которые взимают премию за электроэнергию.

Увеличение предложения возобновляемых источников энергии имеет тенденцию к снижению средней цены за единицу электроэнергии, поскольку энергия ветра и солнечная энергия имеют очень низкие предельные издержки: им не нужно платить за топливо, и единственными участниками их предельной стоимости являются эксплуатация и техническое обслуживание. Поскольку затраты часто снижаются за счет выручки от льготных тарифов, их электроэнергия в результате оказывается менее дорогой на спотовом рынке, чем электричество из угля или природного газа, и передающие компании покупают у них в первую очередь. ^{[2] [3]} Таким образом, солнечная и ветровая электроэнергия существенно сокращает количество дорогостоящей пиковой электроэнергии, которую необходимо покупать передающим компаниям, что снижает общие затраты. Исследование Института ФраунгофераISI обнаружила, что этот «эффект порядка заслуг» позволил солнечной энергии снизить цену на электроэнергию на немецкой энергетической бирже в среднем на 10%, а в начале дня - на 40%. В 2007 году ^{[ требуется обновление ]} ; по мере того как в сеть поступает больше солнечной электроэнергии, пиковые цены могут снизиться еще больше. ^[3] К 2006 году «эффект судебного приказа» означал, что экономия на затратах на электроэнергию для немецких потребителей более чем компенсировала выплаты поддержки, выплачиваемые за производство электроэнергии из возобновляемых источников. ^[3]

В исследовании, проведенном в 2013 году, оценивается эффект порядка эффективности производства как ветровой, так и фотоэлектрической электроэнергии в Германии в период с 2008 по 2012 годы. На каждый дополнительный ГВт-ч возобновляемых источников энергии, подаваемых в сеть, цена электроэнергии на рынке на сутки вперед снижается на 0,11– 0,13  ¢ / кВтч. Суммарный эффект от ветровой и фотоэлектрической энергии колеблется от 0,5  / кВтч в 2010 году до более чем 1,1  / кВтч в 2012 году. ^[4]

Однако нулевые предельные затраты на энергию ветра и солнца не переводятся в нулевые предельные затраты на электроэнергию при пиковых нагрузках в конкурентной системе открытого рынка электроэнергии, поскольку ветровые и солнечные источники энергии сами по себе часто не могут быть направлены для удовлетворения пикового спроса без батарей . Целью ордера на заслуги было дать возможность отгрузить в первую очередь электроэнергию с наименьшей себестоимостью, тем самым минимизируя общие затраты на энергосистему для потребителей. Эту экономическую функцию иногда могут выполнять непостоянные ветровые и солнечные энергии. Если пиковое предложение ветровой (или солнечной) энергии и пиковое потребление совпадают по времени и количеству, снижение цены будет больше. С другой стороны, солнечная энергия, как правило, наиболее распространена в полдень, тогда как пиковое потребление приходится на вечер в теплом климате, что приводит к так называемой кривой утки .

Исследование, проведенное в 2008 году Институтом Фраунгофера ISI в Карлсруэ , Германия, показало, что ветроэнергетика экономит немецким потребителям 5  миллиардов евро в год. По оценкам, в европейских странах с сильной ветроэнергетикой цены снизились на  3–23 евро / МВтч. ^{[5] [6]} С другой стороны, возобновляемые источники энергии в Германии повысили цену на электроэнергию, потребители там теперь платят на 52,8 евро / МВт-ч больше только за возобновляемую энергию (см. Закон Германии о возобновляемых источниках энергии ), средняя цена на электроэнергию в Германии сейчас увеличено до 26 ¢ / кВтч. Увеличение затрат на электросети для новой передачи, рыночной торговли и хранения, связанных с ветром и солнечной энергией, не включается в предельную стоимость источников энергии, вместо этого затраты на сеть объединяются с затратами на источники на стороне потребителя.

Экономическая отправка [ править ]

Экономическая диспетчеризация - это краткосрочное определение оптимальной производительности ряда объектов по производству электроэнергии для удовлетворения системной нагрузки с минимально возможными затратами, с учетом ограничений по передаче и эксплуатации. Проблема экономического диспетчеризации решается с помощью специализированного компьютерного программного обеспечения, которое должно удовлетворять операционным и системным ограничениям доступных ресурсов и соответствующих возможностей передачи. В Законе об энергетической политике США от 2005 года этот термин определяется как «эксплуатация генерирующих объектов для производства энергии с наименьшими затратами для надежного обслуживания потребителей с учетом любых эксплуатационных ограничений генерирующих и передающих мощностей». ^[7]

Основная идея заключается в том, что для удовлетворения нагрузки при минимальных общих затратах в первую очередь необходимо использовать набор генераторов с наименьшими предельными затратами, при этом предельные затраты конечного генератора должны соответствовать нагрузке, определяющей предельные затраты системы. Это стоимость доставки одного дополнительного МВтч энергии в систему. Из-за ограничений передачи, эта стоимость может варьироваться в разных местах в пределах энергосистемы - эти разные уровни затрат идентифицируются как «местные предельные цены» (LMP). Историческая методология экономической диспетчеризации была разработана для управления электростанциями, сжигающими ископаемое топливо, на основе расчетов, включающих характеристики ввода / вывода электростанций.

Основная математическая формулировка [ править ]

Следующее основано на работах Биггара и Хесамзаде (2014) ^[8] и Киршен (2010). ^[9] Проблема экономической диспетчеризации может рассматриваться как максимизация экономического благосостояния W энергосети при соблюдении системных ограничений.

Для сети с n шинами (узлами) предположим, что S _k - это скорость генерации, а D _k - скорость потребления на шине k . Предположим, далее, что C _k ( S _k ) - это функция затрат на производство энергии (т. Е. Скорость, с которой генератор несет затраты при производстве со скоростью S _k ), а V _k ( D _k ) - это скорость, с которой нагрузка получает ценность или выгоду (выраженную в денежных единицах) при потреблении по ставке D _k . Тогда общее благосостояние

${\ displaystyle W = \ sum _ {k = 1} ^ {n} V_ {k} (D_ {k}) - \ sum _ {k = 1} ^ {n} C_ {k} (S_ {k}) }$

Задача экономического диспетчеризации состоит в том, чтобы найти комбинацию темпов производства и потребления ( S _k , D _k ), которая максимизирует это выражение W с учетом ряда ограничений:

${\ Displaystyle \ макс _ {S_ {k}, D_ {k}} W}$

Первое ограничение, которое необходимо для интерпретации следующих ограничений, состоит в том, что чистая закачка на каждой шине равна общей добыче на этой шине за вычетом общего потребления:

${\ Displaystyle \ forall k, \; I_ {k} = S_ {k} -D_ {k}}$

Ограничение баланса мощности требует, чтобы сумма чистых инъекций на всех шинах была равна потерям мощности в ветвях сети:

${\displaystyle \sum _{k=1}^{n}I_{k}=L(I_{1},I_{2},\dots ,I_{n-1})}$

Потери мощности L зависят от потоков в ответвлениях и, следовательно, от чистых нагнетаний, как показано в приведенном выше уравнении. Однако это не может зависеть от впрыска на всех автобусах, поскольку это приведет к переопределению системы. Таким образом , одна шина выбрана в качестве Slack шины и опускается из переменных функции L . Выбор шины Slack совершенно произвольный, здесь выбирается шина n .

Второе ограничение связано с ограничениями пропускной способности потока на сетевых линиях. Для системы с m линиями это ограничение моделируется следующим образом:

${\displaystyle F_{l}(I_{1},I_{2},\dots ,I_{n-1})\leq F_{l}^{max}\qquad l=1,\dots ,m}$

где F _l - поток на ветви l , а F _l ^max - максимальное значение, которое этому потоку разрешено принимать. Обратите внимание, что чистый впрыск на шине провисания не включен в это уравнение по тем же причинам, что и выше.

Теперь эти уравнения можно объединить, чтобы построить лагранжиан задачи оптимизации:

${\displaystyle {\mathcal {L}}=\sum _{k=1}^{n}C_{k}(I_{k})+\pi \left[L(I_{1},I_{2},\dots ,I_{n-1})-\sum _{k=1}^{n}I_{k}\right]+\sum _{l=1}^{m}\mu _{l}\left[F_{l}^{max}-F_{l}(I_{1},I_{2},\dots ,I_{n-1})\right]}$

где π и μ - лагранжевые множители ограничений. Тогда условия оптимальности таковы:

${\displaystyle {\partial {\mathcal {L}} \over \partial I_{k}}=0\qquad k=1,\dots ,n}$

${\displaystyle {\partial {\mathcal {L}} \over \partial \pi }=0}$

${\displaystyle {\partial {\mathcal {L}} \over \partial \mu _{l}}=0\qquad l=1,\dots ,m}$

${\displaystyle \mu _{l}\cdot \left[F_{l}^{max}-F_{l}(I_{1},I_{2},\dots ,I_{n-1})\right]=0\quad \mu _{l}\geq 0\quad k=1,\dots ,n}$

где последнее условие необходимо для обработки ограничения неравенства пропускной способности линии.

Решение этих уравнений является вычислительно трудным, поскольку они нелинейны и неявно включают решение уравнений потока мощности . Анализ можно упростить, используя линеаризованную модель, называемую потоком мощности постоянного тока.

Есть особый случай, который можно найти в большей части литературы. Это тот случай, когда предполагается, что спрос совершенно неэластичен (т.е. не реагирует на цену). Это эквивалентно предположению, что для некоторой очень большой стоимости и неэластичного спроса . В соответствии с этим предположением общее экономическое благосостояние максимизируется путем выбора . Задача хозяйственного диспетчеризации сводится к:${\displaystyle V_{k}(D_{k})=M\min(D_{k},{\bar {D}}_{k})}$${\displaystyle M}$${\displaystyle {\bar {D}}_{k}}$${\displaystyle D_{k}={\bar {D}}_{k}}$

${\displaystyle \min _{S_{k}}\sum _{k=1}^{n}C_{k}(S_{k})}$

При условии соблюдения этого и других ограничений, изложенных выше.${\displaystyle \forall k,\;I_{k}=S_{k}-{\bar {D}}_{k}}$

Экологическая отправка [ править ]

Что касается диспетчеризации окружающей среды, то дополнительные соображения относительно уменьшения загрязнения еще больше усложняют проблему диспетчеризации электроэнергии. Основные ограничения проблемы экономической диспетчеризации остаются в силе, но модель оптимизирована для минимизации выбросов загрязняющих веществ в дополнение к минимизации затрат на топливо и общих потерь мощности. ^[1] Из-за дополнительной сложности был использован ряд алгоритмов для оптимизации этой экологической / экономической задачи диспетчеризации. Примечательно, что модифицированный алгоритм пчел, реализующий принципы хаотического моделирования, был успешно применен не только in silico , но и на системе физических моделей генераторов. ^[1] Другие методы, используемые для решения проблемы распределения экономических выбросов, включают:Оптимизация роя частиц (PSO) ^[10] и нейронные сети ^[11]

Другая примечательная комбинация алгоритмов используется в инструменте выбросов в реальном времени, который называется Методология оценки локальных выбросов (LEEM), которая связывает потребление электроэнергии и результирующие выбросы загрязняющих веществ. ^[12] LEEM оценивает изменения в выбросах, связанных с постепенными изменениями в спросе на электроэнергию, на основе информации о предельной цене (LMP) от независимых системных операторов (ISO) и данных о выбросах от Агентства по охране окружающей среды США (EPA). ^[12] LEEM был разработан в Государственном университете Уэйна в рамках проекта, направленного на оптимизацию систем передачи воды в Детройте, штат Мичиган, начиная с 2010 года, и с тех пор нашел более широкое применение в качестве инструмента управления профилем нагрузки, который может помочь снизить затраты на производство электроэнергии и выбросы. ^[13]

Ссылки [ править ]

Внешние ссылки [ править ]

• Экономическая диспетчеризация: концепции, практики и проблемы

См. Также [ править ]

• Рынок электроэнергии
• Экономичная диспетчеризация на основе заявок, ограничений безопасности и узловых цен
• Проблема обязательств агрегата в производстве электроэнергии

• Закон Германии о возобновляемых источниках энергии