Оптимальне керування районованою енергосистемою

18.02.2017

Оптимальне керування районованою енергосистемою

У даній статті визначаються, декомпозуються і описуються основні принципи визначення стратегії оптимального управління районованоюой енергосистемою (оперативна, короткострокова і довгострокова оптимізація графіків роботи розподілених енергоресурсів) для забезпечення координованого управління всіма розподіленими енергоресурсами, мінімізації витрат на паливо, закупівлю енергії на ринках і технічне обслуговування обладнання, підвищення доходів від продажу енергії та надання системних послуг (ценозавісімое споживання, регулювання частоти і напруги).

Одним з основних світових трендів в електроенергетиці є поступове зближення джерел генерації і споживання з утворенням енергорайона (Microgrid), з явно вираженими кордонами з великою енергосистемою або взагалі працюють автономно. Перша причина цього процесу – розвиток малої генерації і поновлюваних джерел енергії (ВДЕ), які встановлюються поблизу споживачів і вбудовуються в локальну розподілену інфраструктуру. Другою причиною є істотне збільшення ККД при зустрічному зменшенні вартості розподілених енергоресурсів. Так, електричний ККД сучасних газопоршневих агрегатів досяг 40%, що вище ККД парогазових блоків 800 МВт (~ 35%), а вартість електрохімічних накопичувачів електричної енергії за останнє десятиліття зменшилася на порядок. Природно, що для ефективного функціонування Microgrid необхідно управляти всіма представленими в ній енергоресурсами.

В принципі, функції управління можуть виконувати локальні системи управління кожного агрегату, може забезпечувати черговий інженер або диспетчер енергосистеми, однак зі зростанням кількості об’єктів управління в Microgrid неможливо обійтися без високо автоматизованої або автоматичної інформаційно-керуючої системи. Такі системи управління повинні здійснювати координоване і оптимальне управління всіма розподіленими енергоресурсами, мінімізуючи витрати на паливо, закупівлі енергії на ринках і технічне обслуговування обладнання, підвищуючи доходи від продажу енергії та надання системних послуг (ценозавісімое споживання, регулювання частоти і напруги).

Постановка задачі

Розглянемо локально районованих енергосистему, що складається з безлічі розподілених об’єктів генерації, зберігання, передачі, розподілу та споживання електроенергії. У кожен момент часу необхідно виробництво такої кількості електроенергії, яке б покривало поточне навантаження і втрати на передачу і розподіл цієї енергії. Причому у різних енергоресурсів є різна вартість виробництва енергії в залежності від типу агрегатів і палива, ККД, рівня завантаження і зносу устаткування і т. П. Одним із завдань управління такої енергосистемою є економічне або третинне управління – інакше кажучи, оптимальне управління наявними в наявності обладнанням , в окремому випадку мінімізує вартість електроенергії для споживачів за умови виконання ряду технологічних обмежень.

Зауважимо, що деякі параметри системи, необхідні для здійснення оптимізації режиму, такі як витратні характеристики енергоагрегатов, параметри, що характеризують знос обладнання (наприклад, Мотогодини), змінюються відносно повільно, інші ж, такі як комутаційний статус обладнання (в роботі / виведений з роботи) – швидше, кілька разів за добу, треті, такі як потужності, що виробляється, – безліч разів за добу, оскільки на принципово непрогнозовані відхилення балансів потужності енергосистеми необхідно реагує ать за лічені хвилини і секунд. Рішення комплексної задачі пропонується декомпозировать на три рівні: оперативний, короткостроковий і довгостроковий.

Концепція трирівневого управління

У центрі пропонованого підходу до комплексної оптимізації режиму роботи Microgrid лежить завдання вибору складу введеного в роботу обладнання (всвой) на 24-годинному періоді (або короткострокова оптимізація). Саме це завдання дозволяє визначитися зі стратегією управління малої енергосистемою, а саме: визначити, коли доцільно запасати енергію в накопичувачах і коли витрачати, яке саме генерує і енергоємне яке споживає обладнання і коли використовувати.

Завдання всвой вирішується в припущенні, що всі повільно змінюються параметри системи (такі як витратні характеристики, параметри зносу обладнання та ін.) Зафіксовані на обраному періоді.

Для обліку повільно змінюються процесів, що протікають на тривалих періодах часу, вирішується завдання довгострокової оптимізації річного рівня, що враховує, коригуюча і визначальна повільно змінюються параметри і обмеження.

Короткострокова оптимізація визначає найкращу поведінку системи не у вигляді безперервної траєкторії, а в вигляді послідовності робочих точок з дискретністю уявлення 15 хвилин. Велика деталізація в часі не представляється доцільною, т. К. Прогнозні дані, як правило, не приводять до фактичного уточнення режиму енергосистеми на менших інтервалах. У зв’язку з цим система володіє деякою свободою і невизначеністю на інтервалах між розрахованими точками. Для усунення невизначеності і забезпечення безперервного оптимального управління в темпі, наближеному до реального часу, вводиться третій рівень управління – оперативна оптимізація, – діючий на ковзному з темпом 1 раз в хвилину 15-хвилинному інтервалі. Оперативна оптимізація приймає на вхід параметри поточного фактичного стану системи і цільового стану з завдання всвой і далі оптимізує режим Microgrid на ковзному 15-хвилинному інтервалі, формуючи більш точний оперативний прогноз і швидко реагуючи на раптові фактичні зміни системних умов.

Завдання прогнозування

Завдання прогнозування вироблення електроенергії ВДЕ і споживання електроенергії є ключовою для всіх завдань оптимізації. Завдяки прогнозуванню з’являється можливість приймати управлінські рішення не тільки на підставі поточних системних умов, але і на підставі умов, які складуться в Mcrogrid в майбутньому – на горизонті планування. Таким чином, рішення оптимізаційних завдань проводиться на інтервалі, що зв’язує минуле, сьогодення і майбутнє, – в так званому просторі-часі (принцип проактивного управління).

Для прогнозування споживання на основі наявної історії будуються і постійно уточнюються прогностичні моделі, структура яких залежить від обсягу наявних даних. Отримані за допомогою прогностичних моделей прогнози незалежних параметрів оптимізації – споживання і генерації ВДЕ – використовуються в короткостроковій і оперативної оптимізації.

Для вирішення завдання оперативної оптимізації використовується оперативний прогноз споживання (порядку декількох хвилин), отриманий за допомогою методів аналізу і формування часових рядів, заснованих або на авторегресійних підходах (ARIMA), або на інтерполяції найбільш «свіжих» точок траєкторії з фактичного режиму і точок з майбутнього , що формуються в завданнях більш далекого прогнозу.

Прогноз ВДЕ генерації на вітрових (ВЕС) і сонячних (СЕС) електростанціях складається з використанням прогнозу погоди і математичних моделей, що пов’язують потужність цих електростанцій з прогнозованими метеопараметров.

Довгострокова оптимізація

Довгострокова оптимізація здійснює коригування характеристик обладнання (коригує цінові показники в залежності від технічного стану і, головне, від напрацювання устаткування) і відповідно до цього впливає на пріоритети завантаження генеруючого обладнання. Наявність довгострокової оптимізації дозволяє уникнути ситуацій, коли один агрегат використовувався значно частіше, ніж інші, і тому раніше потребують технічного обслуговування. Таким чином, алгоритм мінімізує використання не тільки неефективного обладнання, а й обладнання з найбільш високим рівнем витраченого ресурсу.

Короткострокова оптимізація

Короткострокова оптимізація вирішує завдання оптимального управління обладнанням, плануються пуски / аррестори генераторів, стратегія використання накопичувача і покупка / продаж електроенергії в зовнішню мережу. Завдання є більш складною, ніж проста оптимізація в точці (в момент часу). Так як, наприклад, рішення про використання власного генератора для заряду накопичувача може здатися невигідним в поточний момент, однак насправді це дозволить заощадити потім, коли вартість електроенергії з зовнішньої мережі зросте. Інший приклад: рішення про доцільність превентивного витрачання енергії накопичувачів перед режимами спаду споживання або підвищеної генерації на ВДЕ з точки зору поточних режимних умов представляється неочевидним, однак неприйняття такого рішення може спричинити за собою необхідність обов’язкового по режиму відключення «безкоштовного» джерела енергії (ВДЕ) в найближчому майбутньому. Саме по вищезгаданим причин основою для вироблення стратегії короткострокової оптимізації є прогнози споживання і некерованою генерації.

Приклад цільової функції, яку необхідно мінімізувати при наявності m генераторів у внутрішній мережі Microgrid і зовнішньої мережі, записується таким чином:

C.jpg

де перший доданок відповідає за вартість роботи Cj.jpg, пусків Cpusk.jpg и остановів Cm.jpg генераторів,

а друге – за вартість покупки електроенергії з зовнішньої мережі.

Мінімізація цільової Функції винна здійснюватіся при обов’язковому дотріманні обмежень у форме рівностей та нерівностей.

Типова обмеження в форме рівностей є Умова балансу актівної потужності в КОЖЕН момент часу i, что візначається рівнянням:

formula2.jpg

де Pj.jpg – поточна потужність кожного генератора, Pcet.jpg – потужність, що купується або продається в мережу, – потужність, яку віддає або споживає мережевий накопичувач при зарядці або розрядки. Дане рівняння використовується при вирішенні завдання короткостроковій оптимізації при лінійному уявленні енергосистеми. У загальному випадку облік балансів потужності для нелінійного або лінеаризованого уявлення електричної мережі здійснюється за рахунок вирішення систем рівнянь усталеного режиму, що забезпечують зведення балансів в кожному вузлі мережі по активної та реактивної потужності.

Обмеження в формі нерівностей дозволяють врахувати індивідуальні обмеження устаткування: мінімальну і максимальну потужність, максимальний заряд, безліч обмежень за часом, пов’язаних з особливостями пусків і зупинок устаткування, мережеві обмеження, інтегральні обмеження на накопичену енергію, запаси палива і допустиму швидкість зміни режиму генерації або керованої навантаження.

Завдання всвой є завданням змішаного цілочисельного програмування і може бути поставлена ​​як в лінійній формі (MILP), якщо витратні характеристики обладнання можуть бути представлені прямими, наприклад як у деяких дизель-генераторів, так і в нелінійній, якщо, наприклад, серед устаткування є газові мікротурбіни і газопоршневі агрегати.

Цілочисельні змінні виникають через те, що генератор може перебувати в кінцевому кількості станів (включений, вимкнений, в режимі гарячого резерву), причому в деяких з них він видає потужність, а в деяких – ні. Так як включення / вимикання генератора не проводиться миттєво, воно тягне за собою деякі накладні витрати, і, відповідно, рішення про зміну його стану, прийняте зараз, впливає на майбутнє, т. Е. Не є локальним властивістю рішення.

Можуть бути різні підходи до вирішення завдання. Зокрема, добре себе показав метод динамічного програмування (DP). Відповідно до нього спочатку завдання вирішується в зворотному часу, визначаючи для кожної точки фазового простору (в даному випадку це стану генераторів, кількості енергії в накопичувачах і обсяг закупівель у зовнішній мережі) найменшу вартість переходу в кінцевий стан системи V (s, t). Для кінцевого (самого пізнього) моменту часу вартість переходу завжди дорівнює нулю, для передостаннього можна її визначити, знаючи значення для останнього, і т. Д. Потім, знаючи значення функції ціни в перший момент часу, можна вибрати оптимальний початковий стан в перший момент, в другій і так до кінця. Метод дозволяє гарантовано знайти оптимальне рішення в межах заданої точності. Нелінійність задачі не є обмежуючим фактором, час розрахунку завжди лінійно залежить від періоду розрахунку. Недоліком є ​​те, що з ростом числа незалежно керованих накопичувачів час розрахунку стає незадовільно довгим.

Тому в даному випадку використовується класичний метод вирішення задачі MILP – метод гілок і меж. При цьому завдання лінеарізуется, криві вартості замінюються кусочно-лінійними функціями. Загальний принцип методу гілок і меж наступний: по черзі фіксуються деякі набори цілочисельних змінних, інші цілочисельні змінні вважають безперервними і вирішують вийшла завдання лінійного програмування (relaxed). Якщо цільова функція вийшла менше, ніж у якогось отриманого раніше рішення, то відкидається ціла «гілка» рішень, що містить даний фіксований набір цілочисельних змінних.

Результатом роботи короткострокової оптимізації є графік роботи обладнання на 24 години вперед, приклад для одного ДГУ наведено на малюнку 1.

Оперативна оптимізація

Рівень оперативної оптимізації вирішує два завдання:

1). Оптимізація по активної потужності всередині 15-хвилинного інтервалу. Склад використовуваного обладнання та крайові умови фіксовані – вони були визначені на етапі короткострокової оптимізації.

У цьому випадку завдання вже не є завданням цілочисельного програмування, тому оптимізація по активної потужності не викликає праці.

2). Спільна оптимізація рівнів напруги і потоків реактивної потужності, яка забезпечує:

  • мінімізацію втрат потужності в мережі;
  • мінімізацію відхилень модулів напруги від заданого діапазону;
  • максимізацію пропускної здатності мережі по активної потужності за рахунок зниження потоків реактивної потужності;
  • мінімізацію потоків реактивної потужності, що приймається з мережі живлення.

Результат роботи оперативної оптимізації, на прикладі одного ДГУ, наведено на малюнку 2.

1_1.jpg

Малюнок 1. Оптимізовані графіки роботи ДГУ в масштабі діб

0_1.jpg

Малюнок 2. Оптимізовані графіки роботи ДГУ в масштабі години

Модулі економічної оптимізації та третинного управління для інформаційно-керуючої системи нового покоління AMIGO (Advanced Microgrid Optimization) дозволяють забезпечити всі вищевказані можливості оптимального і проактивного управління в рамках районованих енергосистем (об’єкти промисловості, автономні поселення, об’єкти військової інфраструктури, об’єкти нафтогазовидобутку, інноград і кампуси і ін.) і отримати суттєвий економічний ефект – зниження витрат на енергопостачання на 5-20%.

За матеріалами компанії RTSoft:

Абраменко Іван Михайлович – керівник напрямку SMART,
Небера Антон Олексійович – інженер-програміст Відділу розробки програмного забезпечення SMART GRID,
Суботін Олександр Володимирович – експерт Технічної дирекції по електроенергетиці,
Шубін Микола Генріхович – головний експерт Технічної дирекції по електроенергетиці.

Статьи

10.10.2018

Мільйони виробників насправді стикаються зі страхом банкрутства, в разі того, якщо вони не проведуть цифрові перетворення, але, на жаль, це не так просто. Якщо (читать далее)

01.10.2018

У доступному для огляду майбутньому польові шини не зникнуть з промислової автоматизації, однак стандарт Ethernet для швидкісних мереж (TSN) спільно з незалежним стандартом сумісності (читать далее)