Порядок заслуг - Merit order

В ордер на заслуги это способ ранжирования доступных источников энергии, особенно производства электроэнергии, в порядке возрастания цен (который может отражать порядок их краткосрочных предельные затраты производства), а иногда и загрязнение, вместе с количеством энергии, которое будет произведено. 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, 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]

Сюжет из УМНЫЙ портал данных, показывающий производство электроэнергии в Германии в середине декабря 2017 года. Порядок «слоев» основан на их достоинствах.

Влияние возобновляемых источников энергии на порядок качества

Высокий спрос на электроэнергию во время пиковый спрос повышает цену на электроэнергию, и зачастую относительно недорогая мощность базовой нагрузки ассортимент поставок дополняетсяпиковые электростанции ', которые взимают надбавку за свою электроэнергию.

Увеличение предложения возобновляемой энергии ведет к снижению средней цены за единицу электроэнергии, потому что ветряная энергия и солнечная энергия имеют очень низкие предельные затраты: им не нужно платить за топливо, и единственный вклад в их предельные затраты - это 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 снижает количество дорогостоящей пиковой электроэнергии, которую необходимо покупать передающим компаниям, что снижает общие затраты. Исследование Институт Фраунгофера ISI 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^{[нуждается в обновлении ]}; по мере того, как в сеть подается больше солнечной электроэнергии, пиковые цены могут снизиться еще больше.^[3] К 2006 г. «эффект порядка заслуг» 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 добротности ветра и фотоэлектрических элементов составляет от 0,5 ¢ / кВтч в 2010 г. до более чем 1,1 ¢ / кВтч в 2012 году.^[4]

Однако нулевая предельная стоимость ветровой и солнечной энергии не приводит к нулевым предельным затратам на электроэнергию при пиковой нагрузке в конкурентной системе открытого рынка электроэнергии, поскольку ветровая и солнечная энергия сама по себе часто не может быть направлена ​​для удовлетворения пикового спроса без батареи. 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 обильна в полдень, тогда как пиковое потребление приходится на вечер в теплом климате, что приводит к так называемой утиная кривая.

Исследование 2008 г. Институт Фраунгофера ISI в Карлсруэ, Германия обнаружила, что ветроэнергетика экономит немецким потребителям 5 евро. миллиард в год. По оценкам, в европейских странах с сильной ветроэнергетикой цены снизились на 3–23 € / МВтч.^[5][6] С другой стороны, возобновляемые источники энергии в Германии повысили цену на электроэнергию, потребители там 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 увеличена 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

Экономическая диспетчеризация - это краткосрочное определение оптимальной производительности ряда производство электроэнергии оборудования, чтобы удовлетворить системную нагрузку с минимально возможными затратами, с учетом ограничений передачи 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 США Закон об энергетической политике 2005 г., термин определяется как «эксплуатация объектов генерации для производства энергии с наименьшими затратами для надежного обслуживания потребителей с учетом любых эксплуатационных ограничений объектов генерации и передачи».^[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

Следующее основано на Биггаре и Хесамзаде (2014).^[8] и Киршен (2010)^[9]. Проблему экономической диспетчеризации можно рассматривать как максимизацию экономического благосостояния. W электросети при соблюдении системных ограничений.

Для сети с п автобусы (узлы), предположим, что S_k скорость генерации, а D_k скорость потребления в автобусе k. Предположим, далее, что C_k(S_k) - функция затрат на производство энергии (т. е. скорость, с которой генератор несет затраты при производстве по ставке S_k), и V_k(D_k) скорость, с которой нагрузка получает ценность или выгоды (выраженные 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 экономической диспетчеризации - найти сочетание темпов производства и потребления (S_k, D_k), которые максимизируют это выражение W при соблюдении ряда ограничений:

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

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, один автобус выбран в качестве Слабый автобус и опускается в переменных функции L. Выбор шины Slack совершенно произвольный, здесь bus п выбран.

Второе ограничение связано с ограничениями пропускной способности потока на сетевых линиях. Для системы с м строк это ограничение моделируется как:

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

куда F_л поток на ветке л, и F_л^{Максимум} это максимальное значение, которое разрешено принимать этому потоку. 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:

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

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

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

${displaystyle {partial {mathcal {L}} вместо частичного числа pi} = 0}$

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

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

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

Решение этих уравнений вычислительно сложно, поскольку они нелинейны и неявно включают решение мощность потока уравнения. 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 ${displaystyle V_ {k} (D_ {k}) = Mmin (D_ {k}, {ar {D}} _ {k})}$ для очень большой стоимости ${displaystyle M}$ и неэластичный спрос ${displaystyle {ar {D}} _ {k}}$. Согласно этому предположению, общее экономическое благосостояние максимизируется путем выбора ${displaystyle D_ {k} = {ar {D}} _ {k}}$. Задача хозяйственно-диспетчерского обслуживания сводится к:

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

При условии, что ${displaystyle forall k,; I_ {k} = S_ {k} - {ar {D}} _ {k}}$ и другие ограничения, изложенные выше.

Экологическая отправка

Что касается диспетчеризации окружающей среды, 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 проблемы диспетчеризации. Примечательно, что модифицированный алгоритм пчелы реализация принципов хаотического моделирования успешно применялась не только in silico, но и на физической модели системы 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 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 генерацию и выбросы.^[13]

Рекомендации

внешняя ссылка

• Экономическая диспетчеризация: концепции, практики и проблемы

Смотрите также

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

• Закон Германии о возобновляемых источниках энергии