Орден за заслуги

Не путать с орденом «За заслуги» (значения) .

Порядок достоинств — это способ ранжирования доступных источников энергии, особенно производства электроэнергии, на основе возрастания цен (который может отражать порядок их краткосрочных предельных издержек производства) и иногда загрязнения, а также количества энергии, которая будет быть сгенерированы. При централизованном управлении ранжирование таково, что заводы с наименьшими предельными издержками вводятся в эксплуатацию первыми для удовлетворения спроса, а заводы с самыми высокими предельными издержками вводятся в эксплуатацию последними. Диспетчеризация генерации таким способом, известная как экономическая диспетчеризация , минимизирует затраты на производство электроэнергии. Иногда генерирующие агрегаты приходится запускать вне очереди из-за перегрузки сети , надежности системы или по другим причинам.

В области экологической диспетчеризации дополнительные соображения, касающиеся снижения 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 энергии.

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

Влияние возобновляемых источников энергии на порядок заслуг

Высокий спрос на электроэнергию во время пикового спроса приводит к повышению цен на электроэнергию, а часто относительно недорогая система электроснабжения для базовой нагрузки дополняется « пиковыми электростанциями », которые взимают надбавку за свою электроэнергию.

Увеличение поставок возобновляемой 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, а единственным источником их предельных затрат являются эксплуатация и техническое обслуживание. Поскольку затраты часто снижаются за счет доходов от льготных тарифов, в результате их электроэнергия на спотовом рынке обходится дешевле, чем электричество из угля или природного газа, и передающие компании покупают у них в первую очередь. Таким образом, солнечная и ветровая электроэнергия существенно сокращают количество дорогостоящей пиковой электроэнергии, которую необходимо покупать передающим компаниям, снижая общую стоимость. Исследование Института Фраунгофера ISI показало, что этот «эффект порядка заслуг» позволил солнечной энергии снизить цену на электроэнергию на немецкой энергетической бирже в среднем на 10% и на целых 40% во второй половине дня. В 2007 году ; поскольку в сеть поступает больше солнечной электроэнергии, пиковые цены могут снизиться еще больше. К 2006 году «эффект порядка заслуг» означал, что экономия на электроэнергии обходится немецким потребителям с лихвой компенсацией вспомогательных платежей, выплачиваемых за производство электроэнергии из возобновляемых источников.

В исследовании 2013 года оценивается эффект порядка заслуг ветровой и фотоэлектрической генерации электроэнергии в Германии в период с 2008 по 2012 год. На каждый дополнительный ГВтч возобновляемых источников энергии, подаваемых в сеть, цена электроэнергии на рынке на сутки вперед снижается на 0,11– 0,13   цента/кВтч. Общий коэффициент полезности ветровой и фотоэлектрической энергии колеблется от 0,5   цента/кВтч в 2010 году до более чем 1,1   цента/кВтч в 2012 году.

Однако нулевая предельная стоимость ветровой и солнечной энергии не переводится в нулевую предельную стоимость электроэнергии при пиковой нагрузке в конкурентной системе открытого рынка электроэнергии, поскольку одни только ветровые и солнечные энергопоставки часто не могут быть направлены для удовлетворения пикового спроса без батарей . Целью приказа по заслугам было обеспечить возможность отправлять электроэнергию с наименьшей чистой себестоимостью в первую очередь, тем самым сводя к минимуму общие затраты электроэнергетической системы для потребителей. Прерывистый ветер и солнечная энергия иногда могут выполнять эту экономическую функцию. Если пиковое предложение ветровой (или солнечной энергии) и пиковый спрос совпадают по времени и количеству, снижение цен будет больше. С другой стороны, солнечной энергии, как правило, больше всего в полдень, тогда как пик спроса приходится на вторую половину дня в теплом климате, что приводит к так называемой утиной кривой .

Исследование, проведенное в 2008 году Институтом Фраунгофера ISI в Карлсруэ , Германия, показало, что энергия ветра экономит немецким потребителям 5   миллиардов евро в год. По оценкам, это привело к снижению цен в европейских странах с высоким уровнем ветрогенерации на 3–23   евро/МВтч. С другой стороны, возобновляемая энергия в Германии увеличила цену на электроэнергию, потребители теперь платят на 52,8 евро/МВтч больше только за возобновляемую энергию (см. Закон Германии о возобновляемых источниках энергии ), средняя цена на электроэнергию в Германии теперь увеличена до 26   центов/МВтч. кВтч. Возрастающие затраты электросетей на новую передачу, рыночную торговлю и хранение, связанные с ветровой и солнечной энергией, не включаются в предельную стоимость источников энергии, вместо этого затраты на энергосистему объединяются с затратами источника на стороне потребителя.

Экономическая отправка

Экономическая диспетчеризация — это краткосрочное определение оптимальной мощности ряда объектов по производству электроэнергии для удовлетворения нагрузки системы с минимально возможными затратами с учетом ограничений по передаче и эксплуатации. Проблема экономической диспетчеризации решается с помощью специализированного компьютерного программного обеспечения, которое должно удовлетворять эксплуатационным и системным ограничениям доступных ресурсов и соответствующих возможностей передачи. В Законе США об энергетической политике 2005 года этот термин определяется как «работа генерирующих объектов по производству энергии с наименьшими затратами для надежного обслуживания потребителей, признавая любые эксплуатационные ограничения объектов генерации и передачи».

Основная идея заключается в том, что для удовлетворения нагрузки при минимальных общих затратах сначала должен использоваться набор генераторов с наименьшими предельными издержками, при этом предельные издержки последнего генератора, необходимые для удовлетворения нагрузки, определяют предельные издержки системы. Это стоимость доставки в систему одного дополнительного МВтч энергии. Из-за ограничений по передаче эта стоимость может различаться в разных местах энергосистемы — эти разные уровни затрат определяются как « локальные предельные цены » (LMP). Историческая методология экономической диспетчеризации была разработана для управления электростанциями, работающими на ископаемом топливе, на основе расчетов, включающих входные/выходные характеристики электростанций.

Основная математическая формулировка

Следующее основано на Биггаре и Хесамзаде (2014). и Вишня (2010). Проблему экономической диспетчеризации можно рассматривать как максимизацию экономического благосостояния W энергосети при одновременном соблюдении системных ограничений.

Для сети с n шинами (узлами) предположим, что S _k — скорость генерации, а D _k — скорость потребления на шине k . Предположим далее, что C _k ( S _k ) — это функция затрат на производство электроэнергии (т. е. скорость, с которой производитель 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 норме D _k . Тогда общее благосостояние

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

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

$\max _{S_{k},D_{k}}W$

Первое ограничение, которое необходимо для интерпретации следующих ограничений, заключается в том, что чистый впрыск на каждом автобусе равен общему объему производства на этом автобусе за вычетом общего потребления:

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

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

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

Потери мощности L зависят от потоков в ветвях и, следовательно, от чистых впрысков, как показано в приведенном выше уравнении. Однако это не может зависеть от впрысков во всех автобусах, поскольку это привело бы к переопределенной системе. одна шина выбирается в качестве шины Slack и исключается из переменных функции L. Таким образом , Выбор шины Slack совершенно произволен, здесь шина n выбирается .

Второе ограничение связано с ограничениями пропускной способности потоков по сетевым линиям. Для системы с m линиями это ограничение моделируется как:

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

где F _l — поток на ветви l , а F _l ^Макс — максимальное значение, которое разрешено принимать этому потоку. Обратите внимание, что чистая инжекция на резервной шине не включена в это уравнение по тем же причинам, что и выше.

Эти уравнения теперь можно объединить, чтобы построить лагранжиан задачи оптимизации:

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

где π и µ — множители Лагранжа ограничений. Тогда условия оптимальности таковы:

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

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

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

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

где последнее условие необходимо для обработки ограничения неравенства на пропускную способность 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.

Существует особый случай, который встречается во многих источниках. Это тот случай, когда предполагается, что спрос совершенно неэластичен (т. е. не реагирует на цену). Это эквивалентно предположению, что $V_{k}(D_{k})=M\min(D_{k},{\bar {D}}_{k})$ за какую-то очень большую сумму $M$ и неэластичный спрос ${\bar {D}}_{k}$. Согласно этому предположению, общее экономическое благосостояние максимизируется за счет выбора $D_{k}={\bar {D}}_{k}$. Задача экономической диспетчеризации сводится к:

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

С учетом ограничения, которое $\forall k,\;I_{k}=S_{k}-{\bar {D}}_{k}$ и другие ограничения, изложенные выше.

Экологическая диспетчеризация

В области экологической диспетчеризации дополнительные соображения, касающиеся снижения 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 энергии. Из-за дополнительной сложности для оптимизации этой экологической/экономической проблемы диспетчеризации был использован ряд алгоритмов. Примечательно, что модифицированный алгоритм пчел, реализующий принципы хаотического моделирования, был успешно применен не только в silico , но и на физической модели системы генераторов. Другие методы, используемые для решения экономической проблемы распределения выбросов, включают оптимизацию роя частиц (PSO). и нейронные сети

Другая примечательная комбинация алгоритмов используется в инструменте оценки выбросов в реальном времени под названием «Методология оценки локальных выбросов» (LEEM), который связывает потребление электроэнергии и возникающие в результате выбросы загрязняющих веществ. LEEM оценивает изменения выбросов, связанные с постепенными изменениями спроса на электроэнергию, на основе информации о предельной цене (LMP), полученной от независимых системных операторов (ISO), и данных о выбросах Агентства по охране окружающей среды США (EPA). LEEM был разработан в Университете штата Уэйн в рамках проекта, направленного на оптимизацию систем водоснабжения 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.

Внешние ссылки

• Экономическая диспетчеризация: концепции, практика и проблемы

См. также

• Рынок электроэнергии
• Экономическая отправка на основе заявок, с ограничениями по безопасности и узловыми ценами
• Проблема приверженности единиц в производстве электроэнергии
• Закон Германии о возобновляемых источниках энергии