Оперативная, краткосрочная и долгосрочная оптимизация графиков работы распределенных энергоресурсов в локально районированной энергосистеме
«Автоматизация и IT в энергетике»
Абраменко Иван Михайлович – руководитель направления SMART,
Небера Антон Алексеевич – инженер-программист Отдела разработки программного обеспечения SMART GRID,
Субботин Александр Владимирович – эксперт Технической дирекции по электроэнергетике,
Шубин Николай Генрихович – главный эксперт Технической дирекции по электроэнергетике.
В данной статье определяются, декомпозируются и описываются основные принципы определения стратегии оптимального управления районированной энергосистемой (оперативная, краткосрочная и долгосрочная оптимизация графиков работы распределенных энергоресурсов) для обеспечения координированного управления всеми распределенными энергоресурсами, минимизации затрат на топливо, закупку энергии на рынках и техническое обслуживание оборудования, повышения доходов от продажи энергии и оказания системных услуг (ценозависимое потребление, регулирование частоты и напряжения).
Введение
Одним из основных мировых трендов в электроэнергетике является постепенное сближение источников генерации и потребления с образованием энергорайонов (Microgrid), с явно выраженными границами с большой энергосистемой или вообще работающих автономно. Первая причина этого процесса – развитие малой генерации и возобновляемых источников энергии (ВИЭ), которые устанавливаются вблизи потребителей и встраиваются в локальную распределенную инфраструктуру. Второй причиной является существенное увеличения КПД при встречном уменьшении стоимости распределенных энергоресурсов. Так, электрический КПД современных газопоршневых агрегатов достиг 40 %, что выше КПД парогазовых блоков 800 МВт (~ 35 %), а стоимость электрохимических накопителей электрической энергии за последнее десятилетие уменьшилась на порядок. Естественно, что для эффективного функционирования Microgrid необходимо управлять всеми представленными в ней энергоресурсами.
В принципе, функции управления могут выполнять локальные системы управления каждого агрегата, может обеспечивать дежурный инженер или диспетчер энергосистемы, однако с ростом количества объектов управления в Microgrid невозможно обойтись без высоко автоматизированной или автоматической информационно-управляющей системы. Такие системы управления должны осуществлять координированное и оптимальное управление всеми распределенными энергоресурсами, минимизируя затраты на топливо, закупки энергии на рынках и техническое обслуживание оборудования, повышая доходы от продажи энергии и оказания системных услуг (ценозависимое потребление, регулирование частоты и напряжения).
Постановка задачи
Рассмотрим локально районированную энергосистему, состоящую из множества распределенных объектов генерации, хранения, передачи, распределения и потребления электроэнергии. В каждый момент времени необходимо производство такого количества электроэнергии, которое бы покрывало текущую нагрузку и потери на передачу и распределение этой энергии. Причем у разных энергоресурсов имеется различная стоимость производства энергии в зависимости от типа агрегатов и топлива, КПД, уровня загрузки и износа оборудования и т. п. Одной из задач управления такой энергосистемой является экономическое или третичное управление – иначе говоря, оптимальное управление имеющимся в наличии оборудованием, в частном случае минимизирующее стоимость электроэнергии для потребителей при условии выполнения ряда технологических ограничений.
Заметим, что некоторые параметры системы, необходимые для осуществления оптимизации режима, такие как расходные характеристики энергоагрегатов, параметры, характеризующие износ оборудования (например, моточасы), меняются относительно медленно, другие же, такие как коммутационный статус оборудования (в работе/выведен из работы) – быстрее, несколько раз за сутки, третьи, такие как вырабатываемая мощность, – множество раз за сутки, поскольку на принципиально непрогнозируемые отклонения балансов мощности энергосистемы необходимо реагировать в течение минут и секунд. Решение комплексной задачи предлагается декомпозировать на три уровня: оперативный, краткосрочный и долгосрочный.
Концепция трехуровневого управления
В центре предлагаемого подхода к комплексной оптимизации режима работы Microgrid лежит задача выбора состава введенного в работу оборудования (ВСВО) на 24-часовом периоде (или краткосрочная оптимизация). Именно эта задача позволяет определиться со стратегией управления малой энергосистемой, а именно: определить, когда целесообразно запасать энергию в накопителях и когда тратить, какое именно генерирующее и энергоемкое потребляющее оборудование и когда использовать.
Задача ВСВО решается в предположении, что все медленно изменяющиеся параметры системы (такие как расходные характеристики, параметры износа оборудования) зафиксированы на выбранном периоде.
Для учета медленно изменяющихся процессов, протекающих на длительных периодах времени, решается задача долгосрочной оптимизации годового уровня, учитывающая, корректирующая и определяющая медленно изменяющиеся параметры и ограничения.
Краткосрочная оптимизация определяет наилучшее поведение системы не в виде непрерывной траектории, а в виде последовательности рабочих точек с дискретностью представления 15 минут. Большая детализация во времени не представляется целесообразной, т. к. прогнозные данные, как правило, не приводят к фактическому уточнению режима энергосистемы на меньших интервалах. В связи с этим система обладает некоторой свободой и неопределенностью на интервалах между рассчитанными точками. Для устранения неопределенности и обеспечения непрерывного оптимального управления в темпе, приближенном к реальному времени, вводится третий уровень управления – оперативная оптимизация, – действующий на скользящем с темпом 1 раз в минуту 15-минутном интервале. Оперативная оптимизация принимает на вход параметры текущего фактического состояния системы и целевого состояния из задачи ВСВО и далее оптимизирует режим Microgrid на скользящем 15-минутном интервале, формируя более точный оперативный прогноз и быстро реагируя на внезапные фактические изменения системных условий.
Задача прогнозирования
Задача прогнозирования выработки электроэнергии ВИЭ и потребления электроэнергии является ключевой для всех задач оптимизации. Благодаря прогнозированию появляется возможность принимать управляющие решения не только на основании текущих системных условий, но и на основании условий, которые сложатся в Mcrogrid в будущем – на горизонте планирования. Таким образом, решение оптимизационных задач производится на интервале, связывающем прошлое, настоящее и будущее, – в так называемом пространстве-времени (принцип проактивного управления).
Для прогнозирования потребления на основе имеющейся истории строятся и постоянно уточняются прогностические модели, структура которых зависит от объема имеющихся данных. Полученные с помощью прогностических моделей прогнозы независимых параметров оптимизации – потребления и генерации ВИЭ – используются в краткосрочной и оперативной оптимизации.
Для решения задачи оперативной оптимизации используется оперативный прогноз потребления (порядка нескольких минут), полученный с помощью методов анализа и формирования временных рядов, основанных либо на авторегрессионных подходах (ARIMA), либо на интерполяции наиболее «свежих» точек траектории из фактического режима и точек из будущего, формируемых в задачах более дальнего прогноза.
Прогноз ВИЭ генерации на ветровых (ВЭС) и солнечных (СЭС) электростанциях составляется с использованием прогноза погоды и математических моделей, связывающих мощность этих электростанций с прогнозируемыми метеопараметрами.
Долгосрочная оптимизация
Долгосрочная оптимизация производит корректировку характеристик оборудования (корректирует ценовые показатели в зависимости от технического состояния и, главное, от наработки оборудования) и в соответствии с этим влияет на приоритеты загрузки генерирующего оборудования. Наличие долгосрочной оптимизации позволяет избежать ситуаций, когда один агрегат использовался значительно чаще, чем другие, и поэтому раньше потребует технического обслуживания. Таким образом, алгоритм минимизирует использование не только неэффективного оборудования, но и оборудования с наиболее высоким уровнем израсходованного ресурса.
Краткосрочная оптимизация
Краткосрочная оптимизация решает задачу оптимального управления оборудованием, планируются пуски/остановы генераторов, стратегия использования накопителя и покупка/продажа электроэнергии во внешнюю сеть. Задача является более сложной, чем простая оптимизация в точке (в момент времени). Так как, например, решение об использовании собственного генератора для заряда накопителя может показаться невыгодным в текущий момент, однако на самом деле это позволит сэкономить потом, когда стоимость электроэнергии из внешней сети возрастет. Другой пример: решение о целесообразности превентивного расходования энергии накопителей перед режимами спада потребления или повышенной генерации на ВИЭ с точки зрения текущих режимных условий представляется неочевидным, однако непринятие такого решения может повлечь за собой необходимость обязательного по режиму отключения «бесплатного» источника энергии (ВИЭ) в ближайшем будущем. Именно по вышеназванным причинам основой для выработки стратегии краткосрочной оптимизации являются прогнозы потребления и неуправляемой генерации.
Пример целевой функции, которую необходимо минимизировать при наличии m генераторов во внутренней сети Microgrid и внешней сети, записывается следующим образом:
где первое слагаемое отвечает за стоимость работы , пусков и остановов генераторов, а второе – за стоимость покупки электроэнергии из внешней сети.
Минимизация целевой функции должна осуществляться при обязательном соблюдении ограничений в форме равенств и неравенств.
Типичным ограничением в форме равенств является условие баланса активной мощности в каждый момент времени i, определяемого уравнением:
где – текущая мощность каждого генератора, – мощность, покупаемая или продаваемая в сеть, – мощность, которую отдает или потребляет сетевой накопитель при зарядке или разрядке. Данное уравнение используется при решении задачи краткосрочной оптимизации при линейном представлении энергосистемы. В общем случае учет балансов мощности для нелинейного или линеаризованного представления электрической сети осуществляется за счет решения систем уравнений установившегося режима, обеспечивающих сведение балансов в каждом узле сети по активной и реактивной мощности.
Ограничения в форме неравенств позволяют учесть индивидуальные ограничения оборудования: минимальную и максимальную мощность, максимальный заряд, множество ограничений по времени, связанных с особенностями пусков и остановов оборудования, сетевые ограничения, интегральные ограничения на накопленную энергию, запасы топлива и допустимую скорость изменения режима генерации или управляемой нагрузки.
Задача ВСВО является задачей смешанного целочисленного программирования и может быть поставлена как в линейной форме (MILP), если расходные характеристики оборудования могут быть представлены прямыми, например как у некоторых дизель-генераторов, так и в нелинейной, если, например, среди оборудования есть газовые микротурбины и газопоршневые агрегаты.
Целочисленные переменные возникают из-за того, что генератор может находиться в конечном количестве состояний (включен, выключен, в режиме горячего резерва), причем в некоторых из них он выдает мощность, а в некоторых – нет. Так как включение/выключение генератора не производится мгновенно, оно влечет за собой некоторые накладные расходы, и, соответственно, решение об изменении его состояния, принятое сейчас, влияет на будущее, т. е. не является локальным свойством решения.
Возможны различные подходы к решению задачи. В частности, хорошо себя показал метод динамического программирования (DP). В соответствии с ним сначала задача решается в обратном времени, определяя для каждой точки фазового пространства (в данном случае это состояния генераторов, количества энергии в накопителях и объем закупок у внешней сети) наименьшую стоимость перехода в конечное состояние системы V(s,t). Для конечного (самого позднего) момента времени стоимость перехода всегда равна нулю, для предпоследнего можно ее определить, зная значение для последнего, и т. д. Затем, зная значение функции цены в первый момент времени, можно выбрать оптимальное начальное состояние в первый момент, во второй и так до конца. Метод позволяет гарантированно найти оптимальное решение в пределах заданной точности. Нелинейность задачи не является ограничивающим фактором, время расчета всегда линейно зависит от периода расчета. Недостатком является то, что с ростом числа независимо управляемых накопителей время расчета становится неудовлетворительно долгим.
Поэтому в данном случае используется классический метод решения задачи MILP – метод ветвей и границ. При этом задача линеаризуется, кривые стоимости заменяются кусочно-линейными функциями. Общий принцип метода ветвей и границ следующий: поочередно фиксируются некоторые наборы целочисленных переменных, остальные целочисленные переменные полагают непрерывными и решают получившуюся задачу линейного программирования (relaxed). Если целевая функция получилась меньше, чем у какого-то полученного ранее решения, то отбрасывается целая «ветвь» решений, содержащая данный фиксированный набор целочисленных переменных.
Результатом работы краткосрочной оптимизации является график работы оборудования на 24 часа вперед, пример для одного ДГУ приведен на рисунке 1.
Оперативная оптимизация
Уровень оперативной оптимизации решает две задачи:
1). Оптимизация по активной мощности внутри 15-минутного интервала. Состав используемого оборудования и краевые условия фиксированы – они были определены на этапе краткосрочной оптимизации.
В этом случае задача уже не является задачей целочисленного программирования, поэтому оптимизация по активной мощности не вызывает труда.
2). Совместная оптимизация уровней напряжения и потоков реактивной мощности, которая обеспечивает:
-
минимизацию потерь мощности в сети;
-
минимизацию отклонений модулей напряжения от заданного диапазона;
-
максимизацию пропускной способности сети по активной мощности за счет снижения потоков реактивной мощности;
-
минимизацию потоков реактивной мощности, принимаемой из питающей сети.
Результат работы оперативной оптимизации, на примере одного ДГУ, приведен на рисунке 2.
Рисунок 1. Оптимизированные графики работы ДГУ в масштабе суток
Рисунок 2. Оптимизированные графики работы ДГУ в масштабе часа
Выводы
Опираясь на вышеизложенные методики, коллектив АО «РТСофт» разработал модули экономической оптимизации и третичного управления для информационно-управляющей системы нового поколения AMIGO (Advanced Microgrid Optimization), которые позволяют обеспечить все вышеуказанные возможности оптимального и проактивного управления в рамках районированных энергосистем (объекты промышленности, автономные поселения, объекты военной инфраструктуры, объекты нефтегазодобычи, иннограды и кампусы) и получить существенный экономический эффект – снижение затрат на энергоснабжение на 5–20 %.