Dezvoltarea unei microreȚele de tip smart grid Într-un parc industrial. Aspecte tehnice, economice Și de mediu NOTAȚII MULȚUMIRI La încheierea… [302861]

[anonimizat]. [anonimizat] a [anonimizat], doresc să adresez în mod deosebit mulțumiri celor care m-[anonimizat].

[anonimizat]. [anonimizat], pentru permanenta sa îndrumare și încurajare de-a lungul perioadei de pregătire a tezei de doctorat. Răbdarea, [anonimizat] o contribuție importantă în elaborarea și finalizarea lucrării de față.

[anonimizat].dr.ing. [anonimizat].dr.ing. [anonimizat].dr.ing. Lucian Toma și conf.dr.ing. [anonimizat].

[anonimizat], din cadrul Facultății de Energetică pentru sugestiile constructive și a sfaturilor pertinente oferite în perioada susținerii referatelor de cercetare științifică.

[anonimizat] m-[anonimizat].

ABSTRACT

This thesis proposes a multi-objective optimization for the microgrid’s energy management system as an appropriate means to mitigate the volatility of distributed renewable energy sources while optimizing other benefits of implementing a microgrid. The proposed approach attains a Pareto optimal solution by directly comparing the quantified objectives and solving the economic dispatch through its scalarized cost functions. Furthermore, the implementation of the microgrid controller is formulated as a [anonimizat].

[anonimizat]. The energy storage system’s controller employs a [anonimizat]. [anonimizat] a novel isochronous control strategy to maintain a desired state of charge while maintaining power balance by requesting power from other resources through their droop curves when the storage limits are being approached.

Această teză propune o [anonimizat]-o microrețea ca un mijloc adecvat de atenuare a [anonimizat]. Abordarea propusă atinge o soluție optimă Pareto prin compararea directă a obiectivelor cuantificate și prin soluționarea dispecerizării economice prin intermediul funcțiilor de cost scalarizate. [anonimizat]-agent pentru a reduce povara computațională și pentru a furniza inteligență distribuită.

Algoritmul central al controlerului calculează direct regiunile optime ale angajamentului unității prin surse virtuale, în timp ce dispecerizarea economică se efectuează local cu parametrii modificați ai funcției de cost. Controlerul sistemului de stocare a energiei utilizează un algoritm de “backcasting” pentru a estima valoarea netă a energiei stocate, față de care este comparat costul curent al energiei pentru a determina modul de utilizare a sistemul de stocare în cadrul arbitrajului economic. În funcționarea insularizată , sistemul de stocare folosește o nouă strategie de control izocron pentru a asigura o stare de încărcare dorită, menținând în același timp echilibrul energetic și solicitând puterea de la alte surse prin curbele de declanșare atunci când limitele de stocare sunt atinse.

CAPITOLUL 1 INTRODUCERE

Contextul actual

Cererea globală de energie va continua să crească datorită intensificării economiei mondiale și creșterii populației. În ultimele trei decenii, consumul mondial de energie s-a dublat în termeni absoluți. Această creștere, la rândul său, a permis extinderea economiei mondiale, ridicarea nivelului de trai și contribuția la satisfacerea aspirațiilor a milioane de oameni din întreaga lume. Este imposibilă operarea unei fabrici, conducerea unei mașini sau livrarea unor bunuri consumatorilor fără utilizarea unei anumite forme de energie. Pe măsură ce nevoile energetice ale lumii cresc, gama de surse de energie continuă să se extindă și să includă surse regenerabile, cum ar fi energia geotermală, solară, eoliană și biomasă, împreună cu noi convertoare de energie, cum ar fi celulele cu combustibil. Cu toate acestea, sursele regenerabile de energie (inclusiv biomasa) reprezintă în prezent numai 13% din ofertă și, în ciuda creșterii, vor trece multe decenii până când acestea vor reprezenta un procent semnificativ din producția de energie.

Chiar dacă utilizarea globală a surselor regenerabile de energie se dublează în următorii 25 de ani, este probabil ca lumea să depindă în continuare de combustibilii fosili pentru mai mult de 60% din necesarul său de energie în acest interval de timp. De exemplu, sectorul de transport global – unde se înregistrează cea mai rapidă zonă de creștere a cererii de energie – se confruntă cu alternative practice limitate pe termen mediu, la combustibilii fosili. În multe cazuri, petrolul și gazele naturale rămân cele mai accesibile și rentabile surse de energie pentru sectoarele energiei electrice, industriale, comerciale și rezidențiale și continuă să fie materii prime esențiale pentru o gamă largă de produse industriale și bunuri de consum.

În timp ce industria petrolieră contribuie în mod semnificativ la satisfacerea nevoilor energetice mondiale, activitățile industriei de extracție, prelucrare și comercializare a combustibililor reprezintă de asemenea 27,4% din consumul total global de energie primară [1]. Datorită progreselor tehnologice înregistrate în ultimii ani, există un potențial considerabil pentru îmbunătățirea eficienței energetice în întreaga industrie, cu un impact pozitiv semnificativ la nivel global.

Astfel de politici au determinat o creștere a volumului surselor regenerabile de energie integrate în sistemele energetice. De exemplu, prezența energiei eoliene se dublează la fiecare trei ani în întreaga lume [4]. De asemenea, sistemele fotovoltaice reprezintă cea de-a treia capacitate instalată la nivel mondial, cu o accelerare substanțială în ultimii cinci ani de 29,7 GW instalați în sisteme noi [5].

Datorită caracterului intermitent al producției de energie din surse regenerabile, în special în cazul sistemelor fotovoltaice și eoliene pot apărea o multitudine de probleme în exploatarea sistemelor energetice. În mod tradițional, producția energiei este dispecerizată pentru a se asigura că echilibrul de putere este menținut în timp ce se deservesc toate sarcinile.

Fig. 1.1. Cererea mondială de energie primară, 1980-2035 [1]

Cu toate acestea, o sursă intermitentă de energie poate conduce la perioade de generare excedentară sau la perioade de cerere excesivă care rezultă din generarea insuficientă. Această controlabilitate limitată a surselor distribuite, face ca echilibrarea puterii să reprezinte o provocare. Fără capacitatea de urmărire a sarcinii, puterea de vârf a fluxului către sistemul de distribuție nu poate fi redusă decât dacă există o anti-corelație între momentul de vârf al cererii și momentul de vârful al generării intermitente.

Atunci când se înregistrează excedent de producție, este necesară reducerea generării pentru a menține stabilitatea sistemului sau caracteristicile de funcționare acceptabile [6]. Datorită acestei reduceri, rentabilitatea investiției în sistemele regenerabile scade, iar costul energiei pentru utilizatori crește, deoarece puterea redusă nu poate fi utilizată ulterior. Costul investițional reprezintă o problemă importantă în implementarea noilor tehnologii, motiv pentru care este necesar să se extragă puterea maximă din sursele regenerabile [7]. Cu toate acestea, în cazul în care sursele distribuite sunt exploatate pentru a produce putere la nivelul punctului maxim de referință, caracterul variabil al sursei generatoare s-ar traduce direct în fluctuații de putere semnificative în rețeaua de distribuție [8]. Aceste fluctuații pot crea la rândul lor dificultăți pentru operatorii de distribuție în prognozarea cu precizie a nivelurilor de putere, deoarece nu se poate stabili un angajament adecvat pentru fiecare unitate în parte și, prin urmare, sunt necesare rezerve suplimentare care să țină cont de caracterul imprevizibil al surselor regenerabile.

În rețeaua electrică inteligentă, va fi nevoie să se ofere condiții pentru un flux de putere bidirecțional între producători și consumatori. Restructurarea industriei energetice este un pas deosebit de important pentru consumatori, întrucât facilitează participarea lor în producerea energiei electrice, prin integrarea surselor regenerabile. Consumatorii încep să fie părți active în sistemul energetic, devenind „prosumeri”[9]. Restructurarea sistemului energetic facilitează integrarea tehnologiilor de conducere bazate pe Internet în protecția, controlul și stabilirea prețului energiei în timp real.

Termenul de „Smart Grid” (rețea electrică inteligentă) a fost pentru prima oară introdus de către M. Amin în [10]. Smart Grid este un concept ce definește rețelele electrice ale viitorului, cu capacități sporite de configurabilitate, securitate și autonomie. Acest concept este o infrastructură complexă ce are caracteristicile unui „sistem de sisteme”, precum natura interdisciplinară, independența operațională și managerială a elementelor componente, distribuție pe arii geografice extinse, nivel sporit de eterogenitate și comportament emergent (fig.1.2). Motivele principale ale dezvoltării Smart Grid-ului sunt eficiența și fiabilitatea energetică, managementul optim al resurselor existente și integrarea surselor regenerabile.

Fig. 1.2. Caracterul emergent al sistemelor Smart Grid [11]

Tehnologia Smart Grid este supranumită „internetul energiei”, deoarece pune la dispoziția consumatorului informații în timp real despre necesarul său de energie din fiecare moment, dându-i astfel opțiunea unor alegeri inteligente în modul de programare a funcțiilor diferitelor aplicații electrice și electrocasnice. O rețea de tip Smart Grid include elemente de software și hardware menite să îmbunătățească semnificativ funcționalitatea acesteia. Astfel, Smart Grid nu presupune înlocuirea rețelei electrice existente, a sistemului electric actual, oferind în același timp și posibilitatea modernizării ulterioare a acestuia. Smart Grid-ul necesită un sistem de control ce analizează performanțele rețelei electrice utilizând controlere distribuite și inteligente [12].

Deoarece piețele energetice devin din ce în ce mai liberalizate și mai dinamice, toate părțile interesate, pornind de la guverne și corporații și terminând cu utilizatorii normali vor contribui la modificarea Smart Grid-ului. Rețeaua inteligentă Smart Grid face posibilă integrarea unor rețele de mici dimensiuni, microrețele, ce pot funcționa ca entități de sine stătătoare. Aceste microrețele pot spori eficiența unui sistem energetic regional în momentul în care acesta se confruntă cu o cerere mare de energie, evitând astfel apariția întreruperilor în alimentarea cu energie electrică. Aplicațiile microrețelelor pot elimina necesitatea instalării unor linii electrice suplimentare în zonele în care cererea este mare.

Într-o rețea electrică clasică, energia electrică are un preț fixat pentru toți utilizatorii. Cu toate acestea, prețul energiei este mai ridicat în timpul orelor de vârf de sarcină. Sistemele energetice clasice nu au control asupra sarcinilor, cu excepția cazurilor de urgență, când anumite sarcini pot fi „tăiate”, pentru a putea echilibra cererea și producția. Prin urmare, multe elemente ale rețelei electrice sunt utilizate pentru o perioadă scurtă, în timpul orelor de vârf, rămânând nefolosite în restul zilei.

Sistemul Smart Grid le permite utilizatorilor să își prioritizeze consumul de energie în funcție de programul zilnic și de nevoi, luând în calcul un cost variabil al energiei electrice pe parcursul unei zile. Integrarea dispozitivelor inteligente la nivelul consumatorilor va permite controlul automat al echipamentelor electrice, identificând momentul propice pentru funcționarea acestora, pentru a optimiza costurile. Implicarea consumatorilor va avea impact și la nivelul producătorilor, care își vor reduce costurile asociate cu instalarea de noi unități care să suplinească necesarul de energie pe durata orelor de vârf.

O altă caracteristică importantă a sistemului Smart Grid este capacitatea de reconfigurare. Aceasta presupune ca fluxurile de putere să fie ajustate și redirecționate în mod automat în cazul în care o linie electrică devine nefuncțională. Reconfigurarea automată se obține printr-o monitorizare continuă a stării sistemului. Având această capacitate, se va putea reduce frecvența și numărul întreruperilor în alimentare, astfel minimizând pierderile economice cauzate de aceste evenimente.

Fig. 1.3. Vedere de ansamblu asupra sistemului Smart Grid [11]

Numeroasele tehnologii implicate în Smart Grid se întind peste toate subnivelurile: producție, transmisie, distribuție și utilizare (fig. 1.3). O parte dintre aceste tehnologii sunt deja utilizate, în timp ce altele încă necesită o dezvoltare și validare.

În figura 1.4 se prezintă tehnologiile implicate în Smart Grid, precum și nivelurile la care acestea acționează.

Fig. 1.4. Tehnologiile implicate în dezvoltarea sistemului Smart Grid [11]

Monitorizarea și controlul pe arii întinse – monitorizarea în timp real a componentelor și performanțelor sistemului ajută operatorii să înțeleagă și să optimizeze comportamentul proceselor implicate. Sistemele avansate de control permit evitarea eventualelor defecte și facilitează integrarea surselor regenerabile cu comportament variabil. Tehnologiile de conducere includ sisteme de monitorizare, de estimare de stare și de protecție, control și automatizare adaptivă.

Integrarea tehnologiei informației și a comunicațiilor (ICT) – rețelele private sau publice (Internet) suportă transmiterea bidirecțională a informațiilor pentru monitorizare și control. Alături de dispozitivele de comunicații, este nevoie de putere de calcul și de software dedicat controlului și planificării resurselor.

Integrarea surselor regenerabile și distribuite – prezintă probleme din punctul de vedere al conectării la rețelele de distribuție și al controlabilității, din cauza naturii intermitente și fluctuante a acestor resurse. Sistemele Smart Grid trebuie să „balanseze” în mod corect între producție și cerere, permițând altor surse să intervină în caz de necesitate.

Managementul rețelelor de distribuție – automatizarea stațiilor de distribuție reduce probabilitatea apariției defectelor prin instalarea de senzori pentru localizarea defectelor, reconfigurarea automată a barelor de alimentare și controlul puterilor active și reactive.

Dezvoltarea unei infrastructuri de dispozitive de măsurare inteligente – implică instalarea de contoare inteligente ce permit comunicația bidirecțională și oferă informații în timp real despre consum și preț. Odată cu instalarea acestor dispozitive inteligente vor deveni posibile noi aplicații: conectarea/deconectarea de la distanță, detecția pierderilor și a furturilor de energie electrică și estimarea corectă a necesarului de energie electrică.

Dezvoltarea unei infrastructuri pentru încărcarea vehiculelor electrice – care va putea planifica toate aspectele legate de încărcarea vehiculelor electrice.

Dezvoltarea serviciilor destinate clienților – vor fi folosite pentru monitorizarea consumului la nivel industrial, comercial sau rezidențial. Reducerea vârfurilor de sarcină din sistemele energetice va fi posibilă prin instalarea de sisteme de control și de stocare a energiei la nivelul clienților, ce vor permite deconectarea de la rețeaua centrală și trecerea la cea locală.

Datorită faptului că sursele distribuite sunt din ce în ce mai numeroase la nivelul întregului sistem energetic, cu precădere la nivelul rețelei de distribuție, este necesară implementarea unor strategii de management pentru a atenua efectele adverse care însoțesc un nivel ridicat de penetrare. Microrețelele cu sisteme de stocare și sarcini controlabile reprezintă principalele concepte care au fost studiate și implementate pentru atenuarea efectelor negative ale surselor distribuite. De exemplu, sistemele de stocare s-au dovedit a contribui la integrarea surselor regenerabile prin netezirea curbei de putere [13], minimizarea costurilor [14], defazarea în timp a generării [15] sau furnizarea altor servicii auxiliare precum reglajul frecvenței [16].

Definirea problemei de cercetare

Sursele regenerabile de energie reprezintă o alternativă viabilă pentru satisfacerea necesarului de energie de la nivelul parcurilor industriale contribuind în același timp și la reducerea emisiilor de gaze cu efect de seră. Pe măsură ce penetrarea surselor distribuite de energie devine tot mai răspândită în sistemul energetic, controlul limitat și caracterul intermitent al acestora provoacă efecte negative asupra sistemului. De exemplu, dacă se urmărește extragerea puterii maxime din sursele distribuite, atunci sistemul „ar vedea” variații mari de putere și fluctuații. Pe de altă parte, concomitent cu reducerea variatiilor de putere ale generatoarelor, are loc o reducere a factorului de capacitate al surselor regenerabile, ceea ce conduce la o scădere a rentabilității investițiilor în sursele distribuite de energie. În plus, atunci când o microrețea funcționează independent de sistemul energetic (de exemplu în cazul unei întreruperi a alimentării cu energie electrică), este imperativ ca microrețeaua să gestioneze balanța dintre producția și necesarul de energie, menținând în același timp tensiunea și frecvența în limite acceptabile. Implementarea unei microrețele într-un sistem cu surse distribuite de energie, contribuie la atenuarea unora dintre aceste aspecte negative prin controlul coordonat între sursele distribuite de energie. Astfel, este necesar să se dezvolte controlere de microrețea, suficient de generice pentru a fi implementate în orice tip de microrețea, și în același timp „personalizabile”, pentru a răspunde nevoilor specifice microrețelelor în care urmează a fi implementate [17]. Deși multe articole din literatura de specialitate tratează subiectul penetrării masive a surselor distribuite în microrețea, unele dintre acestea nu abordează problemele cauzate în sistemul de management al microrețelei, de sursele de energie distribuite foarte variabile și incontrolabile [18,…, 23].

Fiecare microrețea este unică din mai multe puncte de vedere: jurisdicție și cerințe tehnice, topologie, combinația surselor distribuite controlabile și rolurile specifice pe care acestea trebuie să le îndeplinească sau obiective pe care trebuie să le atingă. De asemenea, Departamentul de Energie al Statelor Unite ale Americii a identificat necesitatea dezvoltării și implementării microrețelelor ca o „prioritate înaltă” pentru reducerea duratei de întrerupere, a emisiilor de gaze cu efect de seră și îmbunătățirea eficienței energetice a sistemului [24]. Deși au fost identificate multe beneficii și fiecare microrețea a fost implementată pentru a servi unor scopuri diferite, majoritatea sistemelor de management găsite în literatura de specialitate optimizează doar o singură funcție obiectiv – costul energiei [18,…,23] – chiar dacă pot fi obținute și beneficii tehnice, economice sau sociale suplimentare.

Problemele legate de dezvoltarea unui „controler de microrețea” nu se referă doar la modul de formulare a problemei de optimizare, ci și la elaborarea unor strategii pentru diferitele moduri de funcționare. Deși fiecare controler de microrețea, întâlnit în prezent în literatura de specialitate, efectuează o dispecerizare economică la intervale regulate, acest lucru poate să nu fie adecvat atunci când se integrează surse extrem de volatile. În plus, strategiile de funcționare continuă și dezvoltarea arhitecturii de implementare a controlerului sunt necesare pentru a valida funcționarea acestuia înainte de a putea fi implementat pe o microrețea.

După cum reiese din literatura de specialitate, în prezent există o multitudine de arhitecturi de control a unei microrețele, fiecare având avantaje și dezavantaje caracteristice. De exemplu, controlerele centrale au o cerință ridicată de calcul, controlerele distribuite nu garantează o dispecerizare optimă, iar controlerele ierarhice depind puternic de o infrastructură de comunicații. Deși controlul ierarhic are cea mai mare capacitate de a implementa o operare optimizată pentru toate cele trei niveluri de control și pentru toate modurile de operare, se dorește o reducere a cerințelor de comunicare, deoarece în multe lucrări sunt subliniate probleme cu dependența de o astfel de infrastructură [25, 26 , 27].

Obiectivele tezei

Principala problemă abordată în această teză constă în definirea celei mai bune metodologii de formulare matematică și implementare a unui controler de microrețea pentru optimizarea mai multor obiective în cazul sistemelor cu un grad ridicat de penetrare a surselor distribuite de generare. Sistemul de management al energiei va optimiza simultan multiple obiective pentru a obține beneficii tehnice, economice și de mediu pentru microrețeaua dată, și totodată, pentru a atenua efectele negative legate de gradul ridicat de penetrare al surselor regenerabile de energie. Autorul lucrării susține că implementarea unui controler de microrețea poate fi realizată printr-o arhitectură ierarhică de sisteme multi-agent care implementează atât un controler central, cât și un proces de distribuire a deciziilor pentru a gestiona în mod adecvat diferitele niveluri de control și coordonare a surselor distribuite.

Problema dezvoltării unui controler de microrețea este în general împărțită în trei obiective de cercetare: formularea problemei de optimizare multi-obiectiv, implementarea sistemului de management al energiei într-un controler ierarhic de sisteme multi-agent și dezvoltarea strategiilor de control în timp real.

Formularea problemei de optimizare multi-obiectiv

Procesul de formulare a problemei de optimizare multi-obiectiv, astfel încât să poată fi aplicat pentru diverse tipuri de microrețea implică mai mulți pași. În primul rând, beneficiile și obiectivele microrețelei trebuie să fie cuantificate. Pentru a se obține o soluție specifică de dispecerizare economică a microrețelei la intervale discrete, implementarea sistemului de management al energiei trebuie să utilizeze o teorie de optimizare multi-obiectiv. Rezultatele optimizării multi-obiectiv sunt comparate cu cele obținute în cazul sistemelor de optimizare, întâlnite în prezent în literatura de specialitate, care vizează doar minimizarea costurilor de generare a energiei la nivelul unei microrețele. Acest obiectiv de cercetare acționează asupra controlului secundar și terțiar al sistemului de management al energiei pentru cele două moduri de operare a microrețelei (conectată la rețea și insularizată) și servește ca o dovadă a formulării problemei de optimizare multi-obiectiv pentru implementarea sa în arhitectura sistemelor multi-agent.

Implementarea arhitecturii sistemelor multi-agent

Înainte ca sistemul de management al energiei să poată fi implementat într-un controler de microrețea ierarhic, trebuie abordate două aspecte principale: încorporarea în procesul de dispecerizare economică a unei surse de energie dependentă de timp, cum ar fi un sistem de stocare a energiei, și formularea în mod ierarhic a dispecerizării economice și a angajamentului unităților de generare. Prima problemă rezultă din faptul că energia disponibilă într-o sursă dependentă de timp, depinde de modul în care aceasta a fost folosită în momentele de timp anterioare și, prin urmare, controlul ei specific în orice moment de timp, trebuie să ia în considerare și prevederi pentru momentele de timp viitoare. Sunt necesare aplicarea teoriei probabilității și analiza bazată pe date a factorilor care afectează gradul de utilizare a sursei de energie (dependentă de timp) pentru a obține beneficii arbitrare, astfel încât sursa de energie dependentă de timp să fie ușor integrată în optimizarea sistemului de management al energiei. A doua problemă constă în faptul că, controlerele distribuite trebuie să țină cont de costul marginal optim al sursei dependente de timp, față de celelalte surse distribuite de energie din microrețea, pentru a putea adapta independent puterea de ieșire într-un mod optimizat și distribuit.

Pentru implementarea ierarhică, optimizarea multi-obiectiv trebuie formulată astfel încât să poată fi defalcată și rezolvată în mod distribuit. Prin unificarea interfeței de comunicație și a capacităților agenților distribuiți, interfața și rolurile fiecărui agent devin o tehnologie care facilitează conectarea și utilizarea rapidă în cadrul microrețelei a unui grad ridicat și variat de surse distribuite de energie.

Dezvoltarea strategiilor de control în timp real

Controlul în timp real cuprinde funcționarea și coordonarea controlerului de microrețea, în mod special controlul primar pentru modul de operare insularizat. Acest tip de control validează capacitatea de calcul și posibilitatea controlerului microrețelei de a funcționa cu o mare penetrare a surselor energetice volatile. Activitățile implicate în acest obiectiv de cercetare includ: identificarea diferitelor condiții de funcționare legate de dispecerizarea economică și determinarea strategiilor de utilizare a surselor distribuite de energie pentru a ține cont de astfel de condiții prin inteligență distribuită și comunicație limitată. Acest obiectiv de cercetare se referă la controlul primar și validează controlerul de microrețea prin efectuarea de studii de durată continuă pe intervale de timp specifice, în baza implementării arhitecturii sistemelor multi-agent.

Structura tezei

Lucrarea de doctorat este structurată în următoarele 7 capitole:

Capitolul 1 „Introducere”, prezintă principalele obiective urmărite în cadrul acestei teze, oportunitatea și provocările implementării unei microrețele la nivelul unui parc industrial în contextul actual.

În capitolul 2 „Analiza literaturii de specialitate”, se prezintă definițiile și principalele caracteristici ale microrețelelor, precum și informații legate de sursele distribuite de generare și sistemele de stocare utilizate preponderent în cadrul unei microrețele. În plus, pentru a demonstra actualitatea și originalitatea tezei de doctorat, s-a efectuat și o analiza detaliată a lucrărilor științifice referitoare la sistemele de management al energiei într-o microrețea, publicate până la momentul întocmirii tezei.

În capitolul 3 „Aplicarea optimizării multi-obiectiv în dispecerizarea unei microrețele”, se formulează problema de optimizare a sistemului de management al energiei într-o microrețea pentru obținerea mai multor beneficii. Funcția de optimizare este implementată cu ajutorul software-urilor GAMS („General Algebraic Modeling System”) și Matlab printr-o problemă de optimizare multi-obiectiv care ia în considerare toate beneficiile de funcționare care se pot obține într-o microrețea. Abordarea propusă atinge o soluție optimă Pareto prin compararea directă a funcțiilor de cost cuantificate și rezolvarea ca și cum ar fi o problemă de optimizare cu un singur obiectiv. În cadrul acestui capitol sunt prezentate și comparate trei soluții de controlere: un sistem de bază fără controler, un controler de microrețea cu o singură funcție obiectiv care constă în minimizarea costului energiei și un controler de microrețea cu o funcție de optimizare multi-obiectiv care optimizează cinci beneficii ale microrețelei analizate. În plus, sunt analizate și studiile de sensibilitate privind modificarea nivelului de penetrare și a diversității surselor de generare distribuită pentru a determina efectele diferitelor niveluri de penetrare a generării de energie din surse regenerabile asupra microrețelei.

Capitolul 4 „Controlul centralizat cu ajutorul sistemelor multi-agent”, redă formularea agentului central în cadrul unui controler de microrețea bazat pe sisteme ierarhice de tip multi-agent. Rolul controlerului central este de a determina regiunile de operare pentru agenții distribuiți în care aceștia sunt optimi. Determinarea acestor regiuni se bazează pe o metodă de agregare a surselor de generare distribuite, în centrale electrice virtuale, care pot determina apoi angajamentul la nivel central, al fiecărei unități de generare. Se crează astfel un cadru în care controlerele distribuite au o anumită „inteligență” suficientă pentru a-și putea controla resursele la nivel local în timp ce operează în mod autonom.

În capitolul 5 „Controlul inteligent distribuit bazat pe sisteme multi-agent”, se descriu principalele etape pentru implementarea unui control distribuit la nivelul unei microrețele. În cadrul acestui capitol este dezvoltată o interfață de comunicație care să funcționeze cu algoritmul implementat la nivelul controlerului central care determină parametrii surselor de generare distribută pentru controlul în timp real. În acest scop se formulează parametrii unui sistem de stocare a energiei sub forma unei surse de energie independentă de timp, care să fie folosită pentru echilibrarea producției cu necesarul sarcinilor. Rezultatele obținute evidențiază faptul că, controlerul distribuit poate realiza un control local numai prin primirea semnalului de putere reziduală din microrețea.

Capitolul 6 „Controlul primar și operarea sursei de stocare a energiei în timp real”, detaliază controlul primar al unei microrețele în funcționare insularizată. În cadrul acestui capitol sunt dezvoltate setările curbei „droop” pentru sistemul de stocare a energiei, care acționează ca o sursă izocronă pentru a menține o stare de încărcare suficientă pentru rezerve viitoare, precum și ca un mijloc de a solicita mai multă sau mai puțină putere din alte surse distribuite, fără a utiliza infrastructura de comunicații.

În capitolul 7 „Concluzii”, se pun în evidență rezultatele tezei și se identifică în mod explicit contribuțiile esențiale ale lucrării de doctorat. Semnificația cercetării și implicațiile implementării sale practice sunt ipotetizate. Posibilele cercetări viitoare sunt identificate în comentariile final.

CAPITOLUL 2 ANALIZA LITERATURII DE SPECIALITATE

Surse distribuite de generare

Sursele regenerabile distribuite de energie (DRES – „Distributed Renewable Energy Sources”) reprezintă principalii furnizori de energie ai unei microretele. Printre acestea, se numară panourile fotovoltaice, grupurile eoliene, biomasa, energia geotermală etc. Datorită caracterului lor necontrolabil, acestea sunt susținute de grupuri de generare controlabile precum generatoare diesel, sisteme de stocare cu baterii sau sisteme de cogenerare.

Producția de energie din surse regenerabile la nivelul țărilor din OECD ( „Organization for Economic Cooperation and Development”), exceptând producția din hidrocentralele cu acumulare prin pompare, a fost de 2.471,1 TWh în anul 2015, cu o creștere de 3,8% față de nivelul de 2.381,6 TWh înregistrat în 2014. După cum se observă din figura 2.1, aceasta reprezintă 23% din totalul producției de energie la nivelul OECD în 2015, fiind cea mai mare valoare înregistrată vreodată după 1990 când sursele regenerabile de energie au început a fi integrate în sistemele energetice [25]. Sursele regenerabile de energie cu cea mai mare creștere în 2015 față de 2014 au fost sistemele de panouri fotovoltaice și grupurile eoliene. În cazul grupurilor eoliene, producția de energie a crescut cu 78,1 TWh datorită dezvoltării accelerate în Germania, Marea Britanie și Statele Unite ale Americii, atingând o pondere de 5,3% în totalul de energie produsă. În ceea ce privește sistemele fotovoltaice, producția de energie a crescut cu 27,3 TWh, datorită dezvoltării acestor sisteme în Japonia, Marea Britanie, Italia și Germania, atingând o pondere de 1,6% în totalul energiei produse la nivelul OECD.

Fig. 2.1. Ponderea surselor regenerabile de energie în producția de energie electrică la nivelul OECD în 2015 [28].

Sisteme eoliene

Sistemele eoliene onshore reprezintă o tehnologie matură, cu peste patru decenii de experiență operațională. În prezent, studiile și cercetările din acest domeniu se concentrează pe îmbunătățirea producției de energie, a fiabilității și a modalităților de conectare la rețelele electrice publice.

Sistemele eoliene se bazează pe instalații complexe de tipul unor ansambluri turbină-generator, dotate cu generatoare sincrone sau asincrone. Lanțul de transformare a energiei vântului în energie electrică este prezentat în figura 2.2.

Reglajul puterii active livrate în rețeaua electrică poate fi făcut astfel:

la nivelul turbinei – pentru limitarea puterii generate în cazul vântului puternic;

la nivelul generatorului – pentru optimizarea puterii preluate de la vânt, atât la vânt slab cât și la vânt moderat.

În conformitate cu [29] reglajul puterii livrate în rețeaua electrică se face prin modificarea parametrilor generatorului (curent electric și viteză de rotație) sau prin restricții ale sistemului de control (tensiunea pe legătura la tensiune continuă (t.c) , curenți electrici la interfața cu rețeaua electrică).

Metodele de limitare a puterii mecanice dezvoltate de turbină, prin reglajul unghiului de atac, reglajul pasiv sau reglajul activ prin frânare aerodinamică sunt prezentate în [29]. Reglajul pasiv prin frânare aerodinamică este cel mai simplu, mai robust și mai ieftin, palele fiind fixate de rotor la un unghi fix. Reglajul unghiului de atac este un reglaj activ și presupune posibilitatea de a modifica unghiul de atac al palelor, favorizând funcționarea turbinei inclusiv atunci când vântul depășește valoarea corespunzătoare puterii maxime. Palele se pot roti prin intermediul unui sistem hidraulic care permite o variație a unghiului de atac β între 0 și (în unele cazuri chiar ).

Reglajul activ prin frânare aerodinamică este o combinație între reglajul pasiv și cel activ. Aceasta presupune și un reglaj negativ de unghi β (-) necesar pentru frânarea la viteze mari ale vântului.

Fig. 2.2. Transformarea energiei într-un sistem eolian [29].

Puterea turbinei eoliene este dată de relațiile [29]:

(2.1)

(2.2)

unde:

– puterea neperturbată a vântului;

– puterea turbinei;

– puterea conform Legii lui Betz;

– coeficientul mecanic de performanță, care depinde de

proprietățile aerodinamice ale turbinei;

– raportul de viteză de vârf, ;

– unghiul de înclinare al palei (unghiul de atac);

– viteza de rotație a rotorului turbinei;

– raza turbinei;

– viteza vântului;

Din Legea lui Betz [29] se constată că puterea maximă ce poate fi extrasă teoretic din puterea vântului este de circa 59,3%, respectiv

(2.3)

În general turbinele eoliene moderne pot obține un randament până la maxim 40%. În figura 2.3 se prezintă caracteristica puterii în funcție de viteza vântului, iar în figura 2.4, sunt redate diverse dependențe ale coeficientului de performanță în funcție de raportul λ și de unghiul de atac β.

Fig. 2.3. Caracteristica de putere a unei instalații eoliene în funcție de viteza vântului [29].

Coeficientul de performanță , exprimă eficiența de extragere a puterii vântului de către turbina eoliană. Acesta depinde de viteza vântului, de viteza de rotație a turbinei și de unghiul de atac al palelor turbinei, astfel încât se exprimă ca o funcție de λ și β.

Fig. 2.4. Caracteristicile coeficientului de performanță pentru diferite valori ale raportului de viteză de vârf și unghiul de atac [29].

Generatoare asincrone

Din punct de vedere constructiv, generatoarele asincrone se realizează într-una din următoarele variante [29]:

cu rotor în colivie (în scurtcircuit);

cu rotor bobinat (accesibil).

În orice configurație ar fi realizate, generatoarele asincrone au nevoie de curent electric reactiv de magnetizare pentru producerea câmpului magnetic, chiar dacă puterea reactivă nu contribuie la obținerea și conversia directă a energiei. În figura 2.5 se observă cum atât puterea reactivă cât și tensiunea în punctul de cuplare la rețea (PCC), depind de alunecare având zona optimă de funcționare în jurul valorii zero a acesteia.

Fig. 2.5. Caracteristicile Q și V, în funcție de alunecare, ale generatoarelor asincrone [29].

Generatoarele asincrone cu rotor în colivie (SCIG) sunt cele mai simple și cele mai robuste (fig. 2.6). În conformitate cu [29], generatoarele asincrone cu rotor în colivie funcționează la viteze aproximativ constante și sunt totodată mari utilizatoare de putere reactivă. Acest aspect ridică probleme chiar și la mici variații de tensiune. Astfel, la scăderea tensiunii la borne are loc o creștere a alunecării, apoi o creștere a necesarului de putere reactivă din sistem și în continuare scade tensiunea la borne conducând la condiții de instabilitate a tensiunii.

Fig. 2.6. Turbină eoliană echipată cu generator asincron cu rotorul în colivie [29].

Generatoarele cu rotorul bobinat se prezintă în două forme: DSIG (cu control dinamic al alunecării) și DFIG (cu dublă alimentare). Generatorul asincron cu controlul dinamic al alunecării [29], este un generator cu rotorul bobinat care are conectată în circuitul rotoric și un rezistor cu rezistență variabilă. Aceasta permite generatorului să-și varieze alunecarea permițând reducerea fluctuațiilor în cuplu și automat în puterea produsă, chiar și în cazul rafalelor de vânt. Alunecarea se variază prin modificarea rezistenței rotorice cu ajutorul unui convertor comandat optic montat în rotorul mașinii. În conformitate cu [29] generatorul asincron cu rotorul bobinat având dublă alimentare (fig. 2.7) are infășurările statorului conectate direct la rețeaua electrică – funcționând sincron cu frecvența rețelei, iar cele rotorice sunt conectate separat la rețeaua electrică printr-un convertor electronic bidrecțional (eventual bazat pe IGBT), permițând reglajul. Generatorul asincron cu dublă alimentare (DFIG) are cea mai largă aplicație pentru instalatiile eoliene. Avantajul major al generatorului DFIG constă în capacitatea sa de a livra putere activă la frecvență și tensiune constante chiar în condiții de viteză variabilă a rotorului. Magnetizarea DFIG, se poate realiza în circuitul rotoric iar puterea reactivă se poate controla în mod independent de puterea activă. Circuitul rotoric poate furniza putere reactivă spre stator prin intermediul convertorului electronic. Aceste generatoare permit o marjă rezonabilă de variație a vitezei de rotație și a puterii reactive.

Fig. 2.7. Turbină eoliană echipată cu generator asincron cu dublă alimentare [29].

Puterea convertorului reprezintă în mod uzual o fracție din puterea nominală a generatorului asincron, fiind în intervalul 15% – 30%. Cum convertorul de putere poate funcționa bidirecțional, DFIG poate funcționa în regim sincron sau asincron (supra sau subsincron) cu o variație de până la 30% din viteza de sincronism. Convertorul permite astfel un reglaj rezonabil al puterii reactive.

Turbinele eoline de tip DFIG au probleme în timpul avariilor din rețeaua electrică, atunci când circuitul rotoric și implicit convertorul legat în rotor sunt expuse la supracurenți mari induși de curentul electric tranzitoriu mare din stator. În acest caz, protecțiile ar trebui să deconecteze grupul eolian de la rețeaua electrică pentru a evita avarierea acesteia. De cele mai multe ori, această soluție nu este permisă, prin codul de rețea, în cazul perturbațiilor din rețeaua electrică pe termen scurt (sub circa 600ms), pentru a nu afecta stabilitatea sistemului. În acest sens sunt folosite sisteme de protecție activă pentru a putea menține generatorul conectat la rețea și totodată a-l proteja împotriva supracurenților (sistemul crowbar). În cazul defectelor persistente se impune deconectarea mașinii pentru protejarea acesteia [29].

Convertorul static este un element foarte important care realizează o decuplare între viteza rotorului și frecvența statorului (adică a rețelei electrice) astfel încât este posibilă o gamă largă de viteze de funcționare. În acest caz există însă și un dezavantaj și anume pierderea aportului inerției ansamblului (turbină, cutie de viteze, generator) la stabilitatea de frecvență. Acest tip de generator nu ridică probleme legate de armonice și/sau de flicker.

Generatoare sincrone

În literatura de specialitate soluțiile moderne cuprind două tipuri de generatoare [29]:

generatoare sincrone cu rotor bobinat (WRSG);

generatoare sincrone cu magneți permanenți (PMSG).

Înfășurările statorice ale generatorului sincron cu rotor bobinat (WRSG) sunt conectate la rețeaua electrică prin intermediul unui convertor bidirecțional format din două convertoare controlate prin modulația în durată a impulsurilor (PMW). Convertorul de pe partea generatorului reglează cuplul electromagnetic, în timp ce convertorul din partea rețelei electrice reglează puterea activă și reactivă (fig. 2.8).

Generatorul sincron (PMSG) nu are nevoie de curent electric reactiv de magnetizare deoarece câmpul magnetic poate fi creat de magneții permanenți sau de bobinele circuitului de excitație situate pe rotor. Dacă generatorul este proiectat cu un număr suficient de mare de poli, amplificatorul de viteză de rotație (respectiv cutia de viteze) poate fi eliminat, iar generatorul funcționează cu aceeași viteză de rotație ca a turbinei. Pentru a realiza un control complet, generatorul sincron se poate conecta la rețeaua electrică prin intermediul unui convertor static.

Fig.2.8. Turbină eoliană echipată cu generator sincron fără cutie de viteze [29].

La acest tip de generator apar pierderi mari prin frecare, uzură și netezirea inelelor colectoare și implicit, costuri ridicate de întreținere și reparație. Asemenea generatoare permit un reglaj larg al vitezei de rotație, fără a necesita o cutie de viteze. Mai mult de atât permit și un reglaj larg al puterii reactive datorită convertorului dimensionat la 100% din puterea generatorului.

Generatorul sincron în acest caz este complet decuplat de la frecvența rețelei electrice. Mașina reacționează pozitiv la șocurile de tensiune asigurând într-un comportament stabil, atât reducerea puterii active cât și creșterea puterii reactive pentru refacerea tensiunii. Generatorul sincron nu are probleme legate de armonice și de fenomenul de flicker. Randamentul mașinii este mare, deoarece curentul electric din infășurările statorice este folosit la producerea cuplului electromagnetic.

Mașina de tip WRSG cu poli aparenți permite controlul direct al factorului de putere (prin reglajul excitaței), optimizând astfel componenta reactivă a curentului electric din stator în orice condiții de funcționare. Așa cum s-a menționat anterior, în cazul realizării unui generator cu intervale polare mici și multiplicarea perechilor de poli se poate trece la o viteză de rotație scăzută a mașinii și astfel se poate elimina cutia de viteze. Este important de reținut că totuși apare dezavantajul unui ansamblu mai greu, datorită necesității unui convertor de frecvență dimensionat pentru întreaga putere a generatorului.

Sunt de reținut câteva aspecte legate de utilizarea tot mai largă a sistemelor turbină-generator echipate cu convertoare (atât în cazul generatoarelor asincrone cu dublă alimentare cât și în cel al generatoarelor sincrone). Acestea permit:

Reglajul tensiunii în nodul de conectare;

Trecerea peste defect (LVRT – „Low Voltage Ride Through”) menținând generatorul în funcțiune;

Îmbunătățirea condițiilor de stabilitate;

Dispecerizarea și reglajul f-P (frecvență-putere activă).

Generatoarele cu viteză variabilă, echipate cu convertoare, au următoarele caracteristici:

Nu au inerție mecanică și implicit au contribuții la scurtcircuit inferioare în comparație cu generatoarele convenționale;

Asigură reglajul rapid al tensiunii comparativ cu generatoarele convenționale;

Nu creează probleme din punct de vedere al regimurilor tranzitorii și nici probleme de oscilații.

Sisteme fotovoltaice

Sistemele fotovoltaice se bazează pe preluarea energiei solare prin panouri fotovoltaice care o transformă în energie electrică la tensiune continuă, care apoi este transformată prin invertoare în energie electrică la tensiune alternativă pentru a fi injectată în rețelele publice și/sau private (fig. 2.9).

Fig. 2.9. Instalație fotovoltaică [30].

Modelul unui sistem fotovoltaic cuprinde celula fotovoltaică și invertorul. Rolul invertorului este de a realiza un sistem trifazat de tensiuni sinusoidale la frecvența rețelei electrice la care este racordat. Amplitudinea curentului electric va depinde de mărimea sursei din zona de tensiune continuă astfel încât invertorul va funcționa ca o sursă de curent electric.

Pentru îmbunătățirea eficienței globale a instalației, invertorul va trebui să îndeplinească următoarele cerințe tehnice: eficiență ridicată, disponibilitate, mentenanță redusă, greutate redusă, compatibilitate electromagnetică EMC, simplitate în operare, interfațare facilă și preț scăzut. Conform cu lucrarea [30], invertorul reprezintă de fapt partea echivalentă dinspre rețeaua electrică a convertorului complet din structura instalației eoliene astfel că modelarea facilă a unui sistem fotovoltaic se bazează pe modelul generatorului eolian cu convertor complet.

Asemănător cu situația generatoarelor eoliene, și în cazul sistemelor fotovoltaice principalul scop al modelării dinamice constă în determinarea comportamentului acestora în cazul perturbațiilor din sistem (în special la defecte apărute în rețeaua electrică).

În cazul sistemelor cu mai multe invertoare conectate la același punct, se utilizează un invertor echivalent. În cadrul modelului de invertor, acesta injectează în rețeaua electrică și pe baza comenzilor ( și ) primite ( fig. 2.10) prin două bucle de reglaj.

Fig. 2.10. Modelarea generatorului fotovoltaic [29].

Modelul de regulator [30] cuprinde și bucla de reglaj a puterii reactive () și a tensiunii la borne ().

Puterea de referință () se poate adapta după profilul utilizatorului și/sau se poate programa extern. Totodată aici se pot introduce funcții de protecție maximală/minimală de frecvență. Pentru inițializarea regimului dinamic se pleacă obligatoriu de la un regim staționar.

Modelul permite simularea diferitelor perturbații (cele de interes fiind defectele în zona de rețea electrică apropiată) și verificarea comportării sistemului fotovoltaic. Fenomenul de interes este „golul de tensiune” cu diverse amplitudini și durate. Stabilind diferite caracteristici (de exemplu limite de putere reactivă) se constată comportări diferite ale sistemului fotovoltaic, cu atât mai stabile cu cât gama de reglaj a puterii reactive este mai largă. Odată cu creșterea semnificativă a generării distribuite se impune reconsiderarea rolului acestor generatoare, de la „simple elemente tolerate în sistem” la elemente active în sistem cu rol de menținere a condițiilor nominale de funcționare și implicit de creștere a siguranței în funcționarea sistemelor electroenergetice (așa cum deja se confirmă prin alte lucrări de specialitate [30]).

Acești producători sunt importanți în reglajul de tensiune, dar au o capacitate limitată de reglare a puterii active, respectiv la „creștere” este posibilă doar în cazul existenței și a unui sistem de stocare.

Chiar dacă există tendința de a deconecta de la rețeaua electrică producători din surse regenerabile în caz de perturbație în sistem, aceasta nu va mai fi tolerată în condițiile în care rezervele de reglaj în sistemele electroenergetice sunt tot mai scumpe, iar necesarul de reglaj tot mai ridicat. Serviciile de sistem de genul: reglaj de tensiune, producere de putere reactivă, filtrarea armonicelor, echilibrarea fazelor pe perioadele de defect, sau trecerea peste defect, sunt tot mai acute, iar normele tehnice europene solicită responsabilitate din partea producătorilor distribuiți, în aceste privințe.

Producția de energie în zona fotovoltaică poate întâmpina frecvent limitări atât din cauza reglajului global la nivelul sistemului energetic cât și datorită condițiilor specifice rețelei electrice de distribuție care poate fi strangulată în zonele cu densitate mare de sisteme fotovoltaice. Din acest motiv, invertoarele care echipează sistemele fotovoltaice vor trebui să poată regla puterea activă generată mergând până la oprirea totală în funcție de condițiile de operare din sistem. De aici rezultă o gamă importantă de caracteristici ale invertoarelor și o abordare largă în proiectarea acestora. Una din caracteristicile de bază ale invertoarelor se referă la capabilitatea de a produce putere reactivă pentru stabilitatea tensiunii în zona de racordare. Sunt de reținut și elementele legate de stocarea energiei pentru perioade scurte și foarte scurte, astfel încât sistemele fotovoltaice să poată asigura și un oarecare reglaj primar de putere activă – frecvență.

În cadrul operării sistemelor electroenergetice, invertoarele trebuie să poată fi comandate de la distanță astfel încât toate aceste facilități să poată fi accesate în timp real.

Sisteme de stocare

Sistemele de stocare reprezintă tehnologii care transformă energia dintr-o formă (în principal, de energie electrică) într-o formă care poate fi stocată și care se rezervă în diverse medii; ulterior, atunci cand este necesar, energia stocată poate fi transformată înapoi în energie electrică. Sistemele de stocare asigură o serie de beneficii pentru rețelele electrice, dintre care merită menționate următoarele: contribuția la satisfacerea necesarului de sarcină electrică maximă, gestionarea energiei în funcție de timp, îmbunătățirea calității/fiabilității energiei, sprijinirea realizării rețelelor inteligente, sprijin în gestionarea generării distribuite de energie, importul de energie electrică în perioadele de vârf ale cererii.

În figura 2.11 se prezintă o clasificare a sistemelor de stocare, în funcție de forma de energie stocată în sistem.

Fig. 2.11. Clasificarea sistemelor de stocare a energiei electrice [31].

În paragrafele următoare se prezintă principalele sisteme de stocare utilizate în cadrul microrețelelor industriale.

Sisteme cu pompare hidro

Sistemele cu pompare hidro, întâlnite în literatura de specialitate și sub denumirea de centralele cu acumulare prin pompare, reprezintă o tehnologie de stocare cu o istorie îndelungată și o maturitate tehnică ridicată. Cu o capacitate instalată de 127-129 GW în 2012, sistemele cu pompare hidro, reprezintă mai mult de 99% din capacitatea de stocare la nivel mondial și contribuie la aproximativ 3% din producția globală de energie [32]. După cum se arată în figura 2.12, un astfel de sistem de stocare utilizează două rezervoare de apă, separate pe verticală. În timpul orelor de consum de energie electrică din afara orelor de vârf, apa este pompată în rezervorul de nivel superior; în timpul orelor de vârf, apa poate fi eliberată în rezervorul de nivel inferior. În cursul acestui proces, turbinele hidraulice captează energia apei și acționează mașinile electrice pentru a genera energie electrică. Cantitatea de energie stocată depinde de diferența de înălțime dintre cele două rezervoare și de volumul total de apă stocat. Puterea nominală a instalațiilor de stocare cu pompare hidro depinde de presiunea și debitul de apă prin turbine și de puterea nominală a pompelor/turbinelor și a unităților generatoare/motoare.

Fig. 2.12. Schema unei centrale cu acumulare prin pompaj [32].

În prezent, există diverse centrale cu acumulare prin pompare, cu puteri de la 1 MW la 3000 MW, cu o eficiență a unui ciclu pompare-generare de aproximativ 70-85% și o durată de viață mai mare de 40 de ani [32]. Datorită restricțiilor de spațiu și mediu, aceste sisteme necesită un timp de construcție îndelungat și investiții mari de capital. Recent, odată cu avansarea tehnologiei, au fost planificate sau sunt în funcțiune unele instalații de stocare care utilizează puțuri de foraj, peșteri subterane ca rezervoare, cum ar fi Okinawa Yanbaru din Japonia, o instalație de stocare bazată pe apă de mare de 300 MW din Hawaii și proiectul Mount Hope din New Jersey [33]. În plus, generarea de energie eoliană sau solară cuplată cu aceste sisteme de stocare este în curs de dezvoltare. Acest lucru ar putea contribui la adoptarea energiei din surse regenerabile în rețele electrice izolate sau distribuite. Tendința de dezvoltare a acestor sisteme de stocare constă în construirea instalației hidroelectrice cu o viteză și cu o capacitate mult mai mare comparativ cu nivelul tehnic actual, instalarea unei monitorizări centralizate și utilizarea unor sisteme inteligente de control [33].

Sistemele de stocare cu aer cumprimat reprezintă un alt tip de tehnologie de stocare comercializată în prezent, care poate furniza o putere de peste 100 MW cu o singură unitate. O reprezentare schematică a unei instalații de stocare cu aer comprimat este prezentată în figura 2.13.

Sisteme de stocare cu aer comprimat

În perioadele cu necesar de energie electrică redus, surplusul de energie electrică se poate utiliza pentru acționarea unei unități reversibile a motorului/generatorului aferente unui lanț de compresoare care injectează aerul într-un vas de stocare (o cavitate subterană sau un rezervor la suprafața solului). Energia este astfel stocată sub formă de aer comprimat la înaltă presiune. Atunci când producția de energie nu poate satisface cererea de sarcină, aerul comprimat stocat este eliberat și încălzit de o sursă de căldură, obținută din arderea combustibililor fosili sau din căldura recuperată din procesul de comprimare. Energia aerului comprimat este capturată în cele din urmă de către turbine care acționează unitățile de generare a energiei electrice. Căldura reziduală din gazele de eșapament poate fi reciclată de o unitate de recuperare [34].

Fig. 2.13. Reprezentarea schematică a unui sistem de stocare cu aer comprimat [34].

Primul sistem de stocare cu aer comprimat a fost instalat în Huntorf, Germania în 1978. Acesta utilizează două domuri din sare drept caverne de depozitare și rulează pe un ciclu zilnic cu 8 ore de încărcare cu aer comprimat și 2 ore de funcționare la o putere nominală de 290 MW. Sistemul furnizează puterea de pornire de la zero pentru unitățile nucleare, susținând sistemele locale de alimentare și contribuie și la minimizarea diferenței dintre generarea și cererea de energie electrică. O altă instalație de stocare cu aer comprimat a început să funcționeze în McIntosh, SUA, în 1991. Sistemul de stocare de la McIntosh de 110 MW poate funcționa până la 26 de ore la putere maximă. Aerul comprimat este depozitat într-o cavernă de sare. Un recuperator este folosit pentru a reutiliza energia termică de evacuare, reducând consumul de combustibil cu 22-25% și îmbunătățind eficiența ciclului de la 42% la 54%, în comparație cu instalația Huntorf . Aceste două sisteme de stocare au demonstrat în mod constant performanțe bune, cu valori de pornire și funcționare de 91,2-99,5% [34].

Sistemele de stocare cu aer comprimat pot avea capacități mici sau mari, cu o viteză moderată de răspuns și o bună performanță de încărcare parțială.

Sisteme de stocare cu volant

Un sistem de stocare cu volant modern este compus din cinci componente primare: un volant, un sistem de rulare (pe pernă magnetică la viteze mari și cu rulmenți la viteze mici), un motor/generator electric reversibil, o unitate electronică de putere și o cameră vidată [35]. În figura 2.14 se prezintă structura simplificată a unui astfel de sistem de stocare. Sistemele cu volant folosesc energia electrică pentru a accelera sau a decelera volantul, adică energia stocată este transferată de la volant printr-un motor/generator integrat. Pentru reducerea pierderilor de energie datorită rezistenței aerului, sistemul cu volant poate fi plasat într-un mediu cu vid înalt. Cantitatea de energie stocată depinde de viteza de rotație a volantului și de inerția sa.

Sistemele de stocare cu volant pot fi cu viteză redusă sau de mare viteză. Cele cu viteză redusă folosesc oțelul ca material volant și nu depășesc rpm, în timp ce sistemele de mare viteză folosesc materiale compozite avansate pentru volant, cum ar fi fibra de carbon, care poate conduce la rotații de ordinul rpm [35].

Fig. 2.14. Reprezentarea schematică a unui sistem de stocare cu volant [35].

Sisteme de stocare cu baterii

Bateria reîncărcabilă este una dintre cele mai utilizate tehnologii de stocare din industrie și din viața de zi cu zi. În figura 2.15 se prezintă schema simplificată a unui sistem tipic de stocare cu baterii. Un astfel de sistem constă dintr-un număr de celule electrochimice conectate în serie sau paralel, care produc energie electrică la o tensiune dorită pintr-o reacție electrochimică. Fiecare celulă conține doi electrozi (un anod și un catod) cu un electrolit care poate fi în stare solidă, lichidă sau vâscoasă. O celulă poate converti bi-direcțional energia electrică și cea chimică. În timpul descărcării, reacțiile electrochimice apar simultan la anozi și catozi. În circuitul extern, electronii sunt furnizați din anozi și sunt colectați la catozi. În timpul încărcării, reacțiile inverse au loc și bateria este reîncărcată prin aplicarea unei tensiuni externe la cei doi electrozi. Bateriile pot fi utilizate pe scară largă în diferite aplicații, cum ar fi menținerea calității energiei electrice, gestionarea energiei, sistemele de alimentare cu energie și sistemele de transport. Construcția sistemelor cu baterii se întinde pe o perioadă relativ scurtă de timp (aproximativ 12 luni). Locul pentru instalare poate fi destul de flexibil, fie în interiorul unei clădiri, fie în apropierea facilităților unde este nevoie [36].

În prezent, durata ciclurilor de încărcare-descărcare și costurile ridicate de întreținere au fost considerate principalele bariere în calea implementării unor instalații de mari dimensiuni. În plus, eliminarea sau reciclarea bateriilor uzate care utilizează materiale chimice toxice ridică de asemenea probleme în exploatarea unor sisteme de mari dimensiuni.

Fig. 2.15. Reprezentarea schematică a unui sistem de stocare cu baterii [36].

Sisteme de stocare cu supercondensatoare

Un condensator este compus din cel puțin două suprafețe conductoare electrice (folii metalice), separate printr-un strat subțire de izolație (în mod normal din ceramică, sticlă sau film de plastic). Când se încarcă un condensator, energia este stocată în materialul dielectric, într-un câmp electrostatic. Tensiunea maximă de funcționare a acestuia depinde de caracteristicile de izolație ale materialului dielectric. Condensatoarele sunt adecvate pentru stocarea unor cantități mici de energie electrică dar putere ridicată, au o densitate mai mare de putere și un timp de încărcare mai scurt în comparație cu bateriile convenționale. Cu toate acestea, au o capacitate limitată, o densitate relativ scăzută a energiei și o disipare de energie ridicată datorită pierderilor mari în procesul de auto-descărcare. Conform acestor caracteristici, condensatoarele pot fi utilizate pentru unele aplicații de calitate a energiei, cum ar fi corecția factorului de putere și recuperarea energiei în sistemele de transport public.

Supercondensatoarele, numite și condensatoare cu strat dublu sau ultra-condensatoare, conțin doi electrozi metalici, un electrolit și un separator de membrane poroase (fig. 2.16). Datorită structurii lor, supercondensatoarele pot avea atât caracteristicile condensatoarelor tradiționale, cât și pe cele ale bateriilor electrochimice. Energia este stocată sub formă de sarcină statică pe suprafețele dintre electrolit și cei doi electrozi. Supercondensatoarele cu performanțe ridicate se bazează pe nanomateriale pentru a crește suprafața electrodului, fapt ce conduce la o creștere a capacității [37].

Fig. 2.16. Reprezentarea schematică a unui supercondensator [37].

Sisteme magnetice superconductoare de stocare

Un sistem magnetic superconductor de stocare este compus din trei componente principale: o unitate superconductoare, un subsistem de condiționare a energiei și un subsistem de refrigerare și vid. Acest sistem stochează energia electrică în câmpul magnetic generat de curentul electric continuu în bobina superconductoare care este răcită criogenic la o temperatură sub temperatura critică superconductoare. În general, atunci când curentul electric trece printr-o bobină, energia electrică va fi disipată sub formă de căldură datorită rezistenței conductorului; totuși, dacă bobina este realizată dintr-un material superconductor, cum ar fi mercurul sau vanadiul, în starea superconductoare (în mod normal, la o temperatură foarte scăzută), se obține o rezistență aproape zero și energia electrică poate fi stocată aproape fără pierderi. Un material superconductor utilizat în mod obișnuit este niobium-titanium, care are o temperatură critică superconductoare de . În faza de descărcare, sistemul de stocare poate elibera energia electrică stocată înapoi în sistemul de tensiune alternativă, printr-un modul de convertor de putere. Valoarea energiei stocate este determinată de inductivitatea bobinei și de curentul electric care trece prin ea. O structură simplificată a unui sistem de stocare magnetic superconductor este ilustrată în figura 2.17 [38].

Fig. 2.17. Reprezentarea schematică a unui sistem magnetic superconductor [38].

Microrețele

Definiții

Deși definirea precisă a unei microrețele este încă în dezbatere în rândul experților din domeniu, convergența unei definiții apare în mai multe lucrări de cercetare. Unele definiții presupun implementarea anumitor tehnologii precum centrale de cogenerare [39], dispozitive de stocare sau sarcini controlabile [40] sau stabilesc anumite capacități și niveluri de tensiune [41], definițiile mai robuste sunt orientate spre funcționalitatea și beneficiile oferite de către o microrețea. În cadrul acestei teze, definirea cea mai completă, nerestrictivă a microrețelei este preluată din lucrarea [42]:

„Microrețelele sunt sisteme de distribuție a energiei electrice care conțin sarcini și surse distribuite de energie (cum ar fi sursele bazate pe energie din surse regenerabile, dispozitivele de stocare sau sarcinile controlabile) care pot fi operate într-un mod controlat și coordonat, fie în timp ce sunt conectate la rețeaua publică de alimentare, fie în modul autonom (insularizat)”.

Pe baza definiției de mai sus, se pot menționa următoarele atribute și caracteristici principale ale unei microrețele:

Integrează atât surse de energie, cât și sarcini controlabile/necontrolabile. Nici centralele electrice virtuale și nici rețelele electrice inteligente nu sunt considerate microrețele, deși pot include tehnologii și sisteme de control similare.

Utilizează surse distribuite de energie, controlabile. Microrețelele pot include o varietate de surse de energie și sisteme de stocare pentru gestionarea locală a fluctuațiilor cererii.

Sunt controlate într-un mod optim. Microrețeaua utilizează un sistem de management al energiei (EMS – „Energy Management System”) pentru a atinge anumite obiective sau pentru a optimiza anumite variabile prin controlul coordonat al surselor de energie. Sistemul de management al energiei reprezintă o caracteristică-cheie a unei microrețele și este responsabil pentru determinarea punctelor de funcționare optime ale surselor distribuite, asigurând controlul secundar și terțiar.

Pot funcționa interconectate la rețeaua publică. Această caracteristică se referă la capabilitatea microrețelei de a funcționa în paralel cu rețeaua publică, asigurând astfel integrarea surselor distribuite de energie.

Pot susține o funcționare autonomă (insularizată). Microrețeaua trebuie să fie capabilă să echilibreze puterea activă și reactivă, asigurând reglajul de tensiune și frecvență pentru a menține o operare în limitele acceptabile de funcționare [42].

În perioada de început (1880-1910) a dezvoltării sistemelor electroenergetice, acestea aveau o structură „simplă” de microrețea, adică o singură centrală electrică alimenta o zonă de consum. În prezent, în cadrul „Smart Grid”, ideea de microrețea a început să prezinte un sens mai larg ca urmare a dezvoltării de noi tehnologii, existenței restricțiilor privind construirea de noi elemente în rețelele de transport și distribuție, aspectelor legate de mediu și cerințelor de fiabilitate [43]. În figura 2.18 se prezintă principalele funcții asigurate de către o microrețea de tip „Smart Grid”.

Microrețelele de tip „Smart Grid” vor trebui să se adapteze la schimbările tehnologice pentru a răspunde valorilor societății privind mediul înconjurător și aspectul comercial. Astfel, securitatea în alimentarea cu energie electrică, calitatea energiei electrice, costul furnizării și eficiența energetică sunt evaluate într-o manieră nouă, ca răspuns la schimbarea cerințelor de pe piață [43].

Fig. 2.18. Funcțiile unei microrețele de tip Smart Grid [43].

Din punctul de vedere al consumatorilor, microrețelele pot asigura atât energie termică cât și energie electrică, iar în plus îmbunătățesc siguranța în funcționare la nivel local, reduc emisiile de noxe, îmbunătățesc calitatea energiei prin controlul tensiunii și reducerea golurilor de tensiune și pot oferi costuri reduse pentru furnizarea energiei electrice sau termice. Din punctul de vedere al rețelelor electrice, o microrețea poate fi privită ca o entitate controlabilă în cadrul sistemului energetic care poate să funcționeze ca o mică sursă de putere, asigurând servicii auxiliare și sprijinind rețeaua electrică principală.

În figura 2.19 se prezintă 3 tipuri de microrețele și anume:

Microrețea de distribuție/industrială. Microrețelele pot facilita pe scară largă utilizarea surselor regenerabile de energie și/sau încorpora instalații de cogenerare (ICG) în reteaua de distribuție, amortizând în același timp fluctuatiile de energie ale rețelei principale [44]. Microrețelele pot fi formate dintr-o parte sau de către toți fiderii care pleacă dintr-o stație de distribuție care este condusă de un operator de distribuție. Prin utilizarea unui număr de generatoare distribuite localizate aproape de centrele de consum, o microrețea industrială poate asigura echilibrul local între puterile active generate și consumate, respectiv poate contribui la evitarea unur congestii pe fiderii de medie tensiune. La nivelul companiei de distribuție ce are în proprietate microrețeaua, turbinele hidroelectrice de putere mică, sistemele fotovoltaice, grupurile eoliene și sistemele de biomasă sunt câteva din sursele alternative de energie care pot fi utilizate pentru asigurarea unui nivel redus de noxe. O microrețea industrială poate să fie deconectată de la rețeaua electrică principală în timpul perioadelor programate de întreținere a fiderilor de înaltă tensiune și stațiilor într-un mod controlat. Izolarea planificată a microrețelei limitează durata întreruperilor în alimentarea consumatorilor.

Microrețea zonală cu utilitate singulară/multifuncțională de tip industrial sau comercial. Utilizatorii comerciali și industriali de energie electrică sunt definiți prin clase de importanță, care se referă la gradul de calitate al energiei electrice. Un utilizator critic poate să nu tolereze întreruperile în alimentarea cu energie electrică. O microrețea poate fi folosită cu ușurință pentru a alimenta mai multe tipuri de utilizatori industriali sau comerciali, de ex: campus universitar, centru comercial, instalații industriale etc. Strategiile de management avansat al sarcinii din cadrul microrețelelor constau într-un control distribuit și automat care să prevină întreruperile neplanificate și deci să contribuie la îmbunătățirea calității energiei electrice prin creșterea independenței microrețelei de rețeaua electrică principală. Conceptul de microrețea, cu un nivel distinct de fiabilitate și calitate a energiei electrice poate fi definit pe baza unei clasificări a utilizatorilor și diferențierea serviciilor pentru utilizatori multipli. O microrețea comercială sau industrială se poate insulariza atunci când calitatea energiei electrice din rețeaua principală nu satisface cerințele impuse și poate afecta inclusiv calitatea energiei electrice asigurate de microrețea. Funcționarea independentă față de rețeaua principală a unei microrețele comercială/industrială poate fi planificată, de ex., la vârf de sarcină când prețul energiei electrice absorbite din rețeaua principală este ridicat.

Microrețea locală destinată sectorului rezidențial sau clădirilor mici. Electrificarea comunităților retrase și a insulelor geografice constituie o mare prioritate pentru companiile de utilități din toată lumea. Câteva țări au cercetat adoptarea unui concept de producere descentralizată de energie cu ajutorul unei microrețele în zonele izolate. Necesarul energetic al zonelor neintegrate poate fi satisfăcut cu ajutorul surselor distribuite de energie, agregate într-o microrețea autonomă. O caracteristică importantă a microrețelelor locale constă în capacitatea acestora de a servi întreaga sarcină cu un nivel adecvat al capacității de rezervă. Dispersarea sarcinilor și diferențele mari între încărcarea minimă și maximă a microrețelei îngreunează asigurarea bilanțului energetic pe termen scurt sau lung.

Fig. 2.19. Tipuri de microrețele [43].

Moduri de funcționare

Microrețelele prezintă următoarele patru moduri de funcționare [46]:

Conectată la rețeaua publică: în acest mod de funcționare, microrețeaua poate importa sau exporta energie electrică din/către rețeaua publică și poate participa activ pe piețele de echilibrare. În mod obișnuit, reglajul frecvenței și tensiunii este asigurat de sistemul energetic, precum și echilibrarea oricăror deviații de putere în microrețea.

Autonom (insularizat): în acest mod de funcționare, microrețeaua este izolată electric de rețeaua publică/sistemul energetic. Este imperativ ca sursele distribuite de energie să poată echilibra puterea în microrețea și să mențină tensiunea și frecvența în limite acceptabile.

Tranziția către regimul autonom: acest mod tranzitoriu poate avea loc intenționat (atunci când există o deconectare planificată datorită beneficiilor economice sau din considerente de fiabilitate) sau neintenționat (prin deconectarea bruscă a dispozitivelor de protecție sau prin întreruperea alimentării sistemului). Pentru a asigura o tranziție lină, sursele distribuite de energie trebuie să recunoască instantaneu întreruperile și să echilibreze abaterile de putere, oferind în același timp suport pentru tensiune și frecvență sistemului insularizat. În caz contrar, sistemul trebuie să efectueze o pornire de la zero, în care microrețeaua se repune sub tensiune din starea dezactivată prin reconectarea sistematică a sarcinilor și surselor de energie.

Tranziția către modul „conectată la rețea”: acest proces poate fi mai lent, deoarece este necesar ca cele două sisteme asincrone să se sincronizeze înainte de reconectare. Ambele sisteme sunt sincronizate atunci când diferența dintre modulele tensiunilor, unghiurile de fază și frecvența se află într-o eroare marginală [6]. Resincronizarea poate fi efectuată în mod „pasiv” – când unghiul de fază se va „potrivi” în cele din urmă cu un drift ușor de frecvență sau în mod „activ” – în care generatorul trebuie să fie reglat să aibă parametrii de ieșire egali cu amplitudinea și faza tensiunii măsurate în punctul de sincronizare cu sistemul energetic.

Niveluri de control

Similar cu nivelurile de control din sistemul energetic, într-o microrețea există trei niveluri de control. Acestea se diferențiază între ele prin intervalul de timp în care acționează, cerințele infrastructurii de comunicație și obiectivele îndeplinite [45].

Controlul primar. Acest nivel de control funcționează într-un interval de timp de ordinul milisecundelor și/sau minutelor și reacționează la dinamica tranzitorie a surselor distribuite și a sistemului, pentru a răspunde în mod adecvat la orice deviație instantanee a tensiunii sau frecvenței sistemului. Acest nivel de control utilizează măsurători locale și răspunde unor evenimente pe termen scurt, cum ar fi detectarea „izolării” microrețelei, abateri ale puteriilor active și reactive și împărțirea puterii între sursele distribuite. Controlul primar este cel mai frecvent implementat prin controlul putere activă-frecvență (P-f) și prin controlul putere reactivă-tensiune (Q-V) [47]. Un exemplu de control prin setarea curbei „droop” P-f este prezentat în figura 2.20, în cadrul căruia se observă că puterea la bornele sursei rămâne la valoarea setată când frecvența are valoarea nominală ( fig. 2.20,a). Cu toate acestea, în cazul în care frecvența se abate de la valoarea nominală (în cazul unui dezechilibru de putere în funcționarea autonomă a microrețelei), generatorul își va crește sau va reduce puterea de ieșire și abaterea de frecvență până când balanța de putere este îndeplinită, iar frecvența se stabilește la o nouă valoare (fig. 2.20, b). Pentru microrețelele cu linii electrice de distribuție având în principal caracter rezistiv, o mai bună împărțire a puterii între sursele distribuite poate fi realizată cu o buclă de impedanță de ieșire rezistivă în controlul „droop” [48] sau prin modificarea controlerului „droop” pentru a avea o interdependență între frecvență și tensiune, când liniile electrice de distribuție nu sunt în primul rând rezistive sau inductive, după cum se arată în lucrarea [49]. Acest nivel de control este adesea implementat la nivelul controlerului distribuit.

Fig. 2.20. Controlul „droop” P-f [40].

Controlul secundar. Acest nivel de control funcționează într-un interval de timp de ordinul minutelor și/sau orelor și cuprinde dispecerizarea discretă a surselor distribuite pe intervale tipice de 5-15 minute pentru a reduce lărgimea de bandă a comunicației și pentru a acorda timp pentru efectuarea calculelor complexe. Valorile de referință sunt rezultatul dispecerizării economice din modulul de optimizare al sistemului de management al energiei aferent microrețelei, care optimizează funcționarea surselor distribuite pentru a atinge anumite obiective, satisfăcând în același timp constrângerile de sistem fie în modul conectat la rețea, fie în modul autonom [19]. Efectul controlului secundar asupra celui primar este de a deplasa curba „droop” în sus sau în jos, astfel încât puterea generată să se potrivească frecvenței nominale pentru fiecare sursă distribuită (fig. 2.20,c). Controlul secundar include, de asemenea, strategii și acțiuni de control, cum ar fi insularizarea intenționată, resincronizarea și delestarea de sarcină [19].

Acest nivel de control este adesea implementat în controlerul distribuit sau central.

Controlul terțiar.Acest nivel de control operează într-un intervalul de timp de ordinul orelor și/sau zilelor și implică prognoza și aprovizionarea rezervelor pentru situații de urgență în sistemul energetic, sau în cazul evenimentelor neintenționate/intenționate de decuplare de la rețeaua electrică, precum și determinarea angajamentului unitar al sursei distribuite. Acest nivel poate fi integrat cu controlul secundar al sistemului de management al energiei, pentru microrețelele care utilizează resurse dependente de timp sau sunt supuse unor întreruperi frecvente ale rețelei electrice publice la care se interconectează [50]. Acest nivel de control este adesea implementat în controlerul central.

Arhitecturi ale controlerului de microrețea

În general, implementările controlerului de microrețea pot fi defalcate în următoarele trei arhitecturi [51]: control centralizat, control distribuit și control ierarhic. Diagramele conceptuale ale celor trei tipuri de controlere sunt prezentate în figura 2.21, unde arhitecturile se referă la modul în care sistemul de management al energiei este implementat în controler.

Controlul centralizat (fig. 2.21, a) implică un singur controler care ia toate deciziile și determină parametrii de funcționare pentru toate sursele distribuite din microrețea. Controlerul central are acces la toate datele de măsurare și poate controla toate sursele distribuite controlabile prin intermediul sistemului SCADA („Supervisory Control and Data Acquisition”), și deci are cel mai mare potențial de a optimiza obiectivele de operare prin luarea unor decizii de control mai bune. În general, controlerele centrale utilizează algoritmi de optimizare pentru a minimiza costul energiei din cadrul microrețelei sau pentru a maximiza producția de energie din surse regenerabile locale [52].

Fig. 2.21. Diagramele conceptuale ale celor trei arhitecturi de controler de microrețea [51].

Principala provocare a controlerelor centrale constă în formularea și rezolvarea problemei de optimizare. În lucrarea [20], a fost utilizat semnalul de stabilire a prețurilor pentru a optimiza producția de energie pe un interval de 30 de secunde, prin încărcarea sau descărcarea sistemelor de stocare disponibile și prin reducerea generării din surse eoliene în sistem. Autorii lucrării [50] formulează o problemă de optimizare pentru controlul microrețelei având ca obiectiv minimizarea costurilor cu combustibilul în timpul operării în paralel cu rețeaua publică, asigurând în același timp o funcționare stabilă după insularizare. O metodă bazată pe funcții potențiale, pentru controlul secundar și terțiar al unei microrețele, este propusă în lucrarea [21] ca o problemă de „întâlnire” pentru realizarea optimizării. Problema de „întâlnire” se referă la faptul că toate sursele distribuite trebuie să conveargă către aceeași valoare de referință – stabilită ca valoarea optimă cu privire la funcția lor potențială determinată de controlerul central.

Autorii lucrării [22] formulează problema de programare a sarcinilor, la nivelul sistemului de management al energiei, ca o problemă de optimizare multi-obiectiv în care obiectivele constau în minimizarea costurilor și a consumului de energie pentru a maximiza o anumită utilitate, măsurată printr-o funcție de utilitate. Aceste două obiective sunt atinse printr-un algoritm evolutiv ale cărui seturi de soluții sunt încrucișate și ulterior sunt păstrate cele mai bune soluții din fiecare iterație. Rezultatele obținute arată că o soluție bună cu acest algoritm poate fi găsită în 120 minute. Dezavantajul acestui controler constă în faptul că dispecerizarea economică (DE) poate fi efectuată numai la intervale de 2 ore.

Unul dintre dezavantajele comune ale unui controler central este cerința de calcul ridicat pentru realizarea optimizării, luând în considerare o gamă largă de variabile [53]. În plus, este necesară pentru această arhitectură de control, o cale de comunicare între toate sursele distribuite, punctele de măsurare și controlerul central, ceea ce poate duce la creșterea costurilor de implementare a microrețelei și poate preveni funcționalitatea „plug-and-play“ [54].

Autori lucrării [55] încearcă să reducă cerințele de calcul prin tratarea separată a problemelor legate de starea de echilibru și de controlul tranzitoriu. Ei folosesc un model de algoritm de control predictiv pentru a îmbunătăți puterea și nivelurile de tensiune în sistemul de distribuție și împărțirea puterii active și reactive între toate sursele distribuite.

Controlul distribuit (fig. 2.21, b) implică un controler pentru fiecare generator distribuit care are acces numai la măsurări locale și semnale de comunicație de la alte controlere distribuite și poate controla independent doar generatorul la nivelul căruia este implementat [56]. Unul dintre principiile care stau în spatele controlului distribuit constă în descompunerea unei probleme complexe în probleme mai mici, mai simple, care pot fi ușor rezolvate de mai multe entități la nivel local. Printre avantajele acestei arhitecturi de control merită menționată funcționalitatea „plug-and-play” pentru integrarea surselor distribuite în microrețea – cu alte cuvinte, alte controlere distribuite pot descoperi cu ușurință noi surse și pot stabili noi strategii de control funcțional. Această arhitectură de control este fiabilă și robustă, deoarece poate compensa cu ușurință o defecțiune a componentelor [53]. Cu toate acestea, trebuie asigurată o coordonare între sursele distribuite pentru a optimiza beneficiile microrețelei, iar optimizarea beneficiilor este mai dificilă fără o dispecerizare centralizată.

Controlul distribuit este cel mai adesea implementat printr-un sistem multi-agent (SMA). Sistemele multi-agent cuprind controlere distribuite (agenți) care controlează local sursele distribuite pe baza măsurătorilor locale și care adesea au acces la măsurări și semnale de la alți agenți prin sisteme de comunicație [56]. Într-un SMA, fiecare agent este responsabil pentru controlul sursei distribuite la nivelul căreia este implementat, în timp ce comunică cu alți agenți pentru a coordona și a determina o operare corespunzătoare [56]. Definiția pentru sistemele multi-agent folosită în această teză este o adaptare a definițiilor utilizate în [56] și [57]:

Agent : O entitate fizică sau software implementată în procesul de luare a deciziilor, care își poate analiza mediul local și poate reacționa în consecință prin gestionarea sursei locale controlabile.

Sistem multi-agent : Un sistem care conține doi sau mai mulți agenți care pot detecta și reacționa la mediile lor locale și se pot coordona pentru a-și optimiza obiectivele globale și/sau locale.

Spre deosebire de controlul ierarhic, nu există un nivel superior de control care să dicteze anumite acțiuni, astfel încât coordonarea dintre agenți este vitală pentru a asigura un control coerent. Două strategii de control distribuit sunt identificate în literatură: competitive și cooperative. Strategia competitivă încearcă să maximizeze beneficiile microrețelei prin crearea unei „piețe deschise” unde agenții pot licita puterea generată de sursa distribuită pentru a-și maximiza câștigul local, în timp ce alți agenți contra-propun [58]. Autorii susțin că atunci când agenții își optimizează obiectivele locale, obiectivele microrețelei sunt optimizate și ele [56]. Această strategie se bazează pe principiul „mâinii invizibile”, al economistului Adam Smith, în care microrețeaua poate obține beneficiul și optimizarea maximă dacă eforturile fiecărui agent se concentreză pe optimizarea propriilor beneficii. Cu toate acestea, cele mai multe implementări ale controlului distribuit utilizează o strategie de cooperare pentru optimizarea locală.

Dat fiind faptul că infrastructura de comunicații poate constitui o problemă în implementarea agenților, autorii lucrării [60] modifică controlul acestora prin intermediul impedanțelor virtuale pentru partajarea dinamică a puterii între sursele distribuite, utilizând o comunicație cu o lățime de bandă foarte redusă către sursele vecine. Autorii lucrării [23] propun o colaborare între agenți prin comunicare și negociere de la egal la egal pentru a reduce costul energiei pe baza unei metrici de performanță. Tipurile de agenți sunt clasificați în agenți producători, consumatori și observatori; sistemele de stocare sunt atribuite atât unui producător, cât și unui agent de consum.

Deși autorii lucrării [48] susțin că în majoritatea microrețelelor, trebuie utilizat controlul distribuit deoarece sursele distribuite sunt de obicei departe unele de altele pentru a avea intercomunicații, este dificilă implementarea unui modul de optimizare care să garanteze o soluție optimă la nivel global cu această arhitectură de control.

Controlul ierarhic (fig. 2.21, c) combină aspecte ale arhitecturilor de control centralizat cu cele ale arhitecturilor de control distribuit. În controlul ierarhic, fiecare controler distribuit este responsabil de controlul sursei distribuite la nivelul căreia este implementat, în timp ce obține punctele de setare și comenzile de control de la controlerul central sau de la orice alt controler superior din ierarhie. Controlerele ierarhice sunt adesea implementate ca sisteme multi-agent, deoarece rolurile, prioritizarea și cooperarea dintre agenți trebuie să fie asigurate pentru a optimiza beneficiile microrețelei [53].

Rolul și responsabilitățile agentului pot fi specificate în funcție de caracteristicile sursei distribuite sau a scopului său local. Unele controlere ierarhice de microrețea folosesc un agent centralizat al cărui rol este de a efectua o dispecerizare optimizată [20], în timp ce altele [60] angajează un controler central pentru a gestiona tranziția spre și de la funcționarea autonomă a microrețelei, în timp ce controlerele distribuite cooperează pentru a îndeplini obiectivul specificat. Autorii lucrării [18] împrumută din strategia controlului distribuit prin faptul că fiecare agent participă într-o licitație pentru costul producerii și consumului de energie; cu toate acestea, un agent central determină dispecerizarea optimizată pe baza sumelor licitate de agenții distribuiți. De regulă, dispecerizarea, prognoza, funcțiile strategice și coordonarea surselor distribuite se efectuează de către controlerul central, în timp ce controlul pe termen scurt, funcțiile reactive și gestionarea surselor distribuite se realizează de controlerul distribuit [25].

Cea mai utilizată platformă de agenți este Java Developer Framework (JADE). JADE este o platformă open source pentru aplicațiile „peer-to-peer” pe bază de agenți care respectă standardele FIPA (Foundation for Intelligent Physical Agents). Autorii lucrării [20] implementează comunicarea „peer-to-peer”, în care controlerul central colectează măsurări de la controlerele distribuite pentru a efectua dispecerizarea economică, în timp ce controlerele distribuite gestionează sursele distribuite prin setarea valorilor de referință în baza prețurilor energiei și a energiei stocate și disponibile în sistemele de stocare.

Autorii lucrării [27] susțin că sistemul de control al microrețelei care utilizează multiple obiective și multiple constrângeri poate fi implementat efectiv prin intermediul sistemelor multi-agent; acest lucru se datorează faptului că există multe cazuri în care sistemele expert, rețelele neuronale artificiale și modulele de optimizare a raționamentelor bazate pe modele au fost implementate prin intermediul agenților pentru a le da posibilitatea de a raționa și de a-și atinge obiectivele [56]. În lucrarea [61], este formulată o optimizare multi-obiectiv pentru a determina puterile de referință care vor da o soluție optimă Pareto, în care niciunul dintre obiectivele microrețelei nu poate fi îmbunătățit fără a se deteriora cel puțin unul dintre celelalte obiective. Cu toate acestea, nu se obține o singură soluție pentru dispecerizarea optimă prin abordarea sugerată; în schimb, este obținut un set de soluții care sunt la fel de optime și este necesar un factor de decizie suplimentar pentru a specifica modul de funcționare.

Unul dintre principalele dezavantaje ale unui controler ierarhic este dependența de infrastructura de comunicații și necesitatea existenței mai multor căi de comunicație, care adaugă o complexitate suplimentară sistemului de control [27] și pot împiedica funcționalitatea „plug-and-play” [25].

Beneficii ale microrețelelor

Implementarea unei microrețele într-o rețea electrică cu surse distribuite poate aduce beneficii tuturor actorilor implicați. Având în vedere că fiecare microrețea este diferită în ceea ce privește topologia, jurisdicția, disponibilitatea surselor distribuite etc., aceasta poate aduce beneficii în diverse moduri. Printre beneficiile identificate în literatura de specialitate, merită menționate următoarele [25]:

Reducerea costului energiei. Prin dispecerizarea corespunzătoare a surselor distribuite din microrețea la momente de timp specifice, costul energiei poate fi minimizat. Acest lucru este evident mai ales atunci când există o rată a timpului de utilizare (TU) sau o piață a energiei în care microrețeaua poate participa, și în care costul energiei generată pe baza combustibilului local este mai mic decât costul energiei achiziționate din sistem sau există o penalizare pentru consumul de energie în timpul perioadei de vârf a cererii.

Îmbunătățirea fiabilității serviciului de alimentare cu energie. Prin capacitatea de a funcționa în „mod autonom” pe durata unor perturbații sau întreruperi în sistemul electric, microrețeaua poate furniza energie la nivel local, reducând astfel frecvențele și duratele de întrerupere pentru clienți.

Reducerea fluctuațiilor de putere ale surselor volatile. Prin controlul surselor distribuite din microrețea, fluctuațiile de putere „văzute” de sistemul energetic pot fi minimizate astfel încât microrețeaua să poată fi percepută ca o singură sursă controlabilă chiar dacă încorporează surse cu o producție foarte variabilă.

Reducerea cererii la vârful de sarcină. Microrețelele pot să-și eșaloneze sarcina pentru a reduce la minimum necesarul în timpul perioadelor de vârf ale cererii, fie prin reducerea unei sarcini, fie prin creșterea generării locale. Acest lucru poate contribui la amânarea investițiilor în modernizarea echipamentelor, deoarece acestea sunt în mod obișnuit dimensionate pentru puterea de vârf. Reducerea necesarului de energie va diminua, de asemenea, pierderile de putere din sistem și va îmbunătăți eficiența globală pe măsură ce pierderile vor fi reduse.

Reducerea emisiilor de gaze cu efect de seră. Emisiile globale pot fi reduse prin maximizarea producției din sursele regenerabile de energie, integrate în cadrul microrețelei.

Deși toate beneficiile menționate mai sus pot fi obiective ale unei singure microrețele, acestea sunt de multe ori confuze și pot fi asigurate doar în cazul unei optimizări multi-obiectiv [61].

Studii bibliografice privind sistemele de management al energiei în microrețele

Pentru a demonstra actualitatea studiilor realizate, s-a efectuat o analiză detaliată a lucrărilor stiințifice publicate până la acest moment.

Managementul energiei și operarea optimă a unei microrețele reprezintă un subiect de cercetare de foarte mare actualitate, care poate fi rezolvat cu ajutorul unor tehnici de optimizare și funcții obiectiv foarte variate. Mai mult decât atât, arhitectura microrețelei poate varia în funcție de tipul de energii din surse regenerabile și de sistemele de control incluse. Microrețelele analizate pot funcționa fie insularizat, fie interconectate la rețeaua electrică sau în ambele moduri și pot fi interconectate pentru a crea un sistem mai mare și mai puternic.

Managementul energiei într-o microrețea cu surse regenerabile, folosind strategia orizontului de rulare (RH – „Rolling Horizon”) [62]. În cadrul acestei lucrări, problema de optimizare a fost formulată ca o problemă numerică liniară mixtă (MILP – „Mixed-Integer Linear Problem”) în baza unor modele de prognozare, pentru a obține un orizont de predicție de 2 zile. Microrețeaua considerată în cadrul lucrării a inclus două sisteme fotovoltaice, o instalație eoliană, un generator diesel, un sistem de stocare cu centrală hidro cu acumulare prin pompare și o serie de sarcini. Consumul de combustibil al generatorului diesel a fost reprezentat printr-o funcție concavă aproximată prin porțiuni de segmente liniare pentru a putea fi formulată ca o problemă de tip MILP. Sistemul de management al energiei a fost proiectat pentru a genera puncte de funcționare optimă pentru fiecare generator, precum și semnale de comandă pentru sarcinile controlate prin mecanismul de gestionare a cererii. Autorii au realizat o comparație economică între strategia RH și cea standard de angajament a unității (AU). Obiectivul sistemului de management al energiei a constat în minimizarea costurilor operaționale. Pentru a realiza acest lucru, o serie de ținte au trebuit atinse: pornirea/oprirea pompei de apă pentru a menține nivelul din rezervor în limitele stabilite și trimiterea de semnale către utilizatori pentru a-și modifica comportamentul în funcție de cerințele mecanismului de gestionare a cererii. Transmiterea semnalelor în interiorul microrețelei a fost realizată folosind un sistem SCADA și o serie de dispozitive de măsurare. În cadrul studiului au fost analizate trei scenarii. În cadrul primului scenariu au fost considerate sistemele fotovoltaice, un sistem de stocare a energiei, un generator diesel și niciun mecanism de gestionare a cererii. S-a demonstrat că strategia AU-RH a redus costul total așteptat cu 18% în perioada de vară și cu 27% în perioada de iarnă datorită utilizării limitate a generatorului diesel, fapt cu impact direct în reducerea costurilor operaționale cu combustibilul. În cel de-al doilea scenariu a fost adaugată în cadrul microrețelei și o instalație eoliană. Rezultatele obținute în acest caz au evidențiat o reducere a costurilor totale cu 20% mai mult față de costul obținut în primul scenariu. În cele din urmă, în cadrul scenariului 3 a fost implementat și mecanismul de gestionare a cererii care a demonstrat reduceri ulterioare ale costurilor prin implementarea coeficienților de schimbare a cererii și optimizarea activării pompei ca o sarcină flexibilă în perioadele cu surplus de energie.

Cadru de optimizare folosind strategia RH pentru managementul producției și al cererii la nivelul unei microrețele [63]. În cadrul acestei lucrări, se prezintă o abordare de programare reactivă în rezolvarea unei probleme de tip MILP formulată pentru managementul producției și al cererii la nivelul unei microrețele interconectate la rețeaua publică. În [63] obiectivul sistemului de management al energiei a constat în maximizarea profitului prin utilizarea unui mecanism de gestionare a cererii, cu profile de sarcină flexibile și factori de penalizare. În plus, pentru a rezolva incertitudinile legate de producția din sursele regenerabile de energie și de caracterul aleator al consumului de energie, s-a utilizat o strategie de tip RH. Programul de optimizare a trebuit să determine cantitatea de energie produsă de fiecare unitate de generare în intervalul de calcul (dispecerizare economică și angajamentul unității), nivelul optim de încărcare a sistemului de stocare, programul de reeșalonare a sarcinii și cantitatea de energie exportată sau cumpărată din rețeaua publică. În cadrul costurilor operaționale au fost considerate costurile de producție, costurile de stocare și cele legate de penalizări. Costul penalizărilor a fost considerat ca o funcție a întârzierii în satisfacerea fiecărei cereri de energie. Venitul microrețelei s-a realizat din energia vândută în rețeaua publică.

Strategia RH a fost îmbunătățită prin introducerea unor caracteristici ale problemei de angajament al unității (AU), cum ar fi constrângerile de pantă, constrângerile de funcționare/nefuncționare precum și costurile de producție (exprimate ca funcții concave) și costurile de pornire dependente de timp care pot introduce nelinearități în model. Autorii lucrării nu au luat în considerare costurile fixe de investiție și instalare a unităților de generare, deoarece au fost studiate doar decizile pe termen scurt. În plus, costurile variabile legate de producția de energie cu ajutorul sistemelor fotovoltaice și eoliene au fost considerate nule. Studiul de caz s-a concentrat asupra unei microrețele interconectate, ce avea în componență panouri fotovoltaice, o microturbină eoliană, un sistem de stocare și 30 de tipuri de sarcini diferite. Sistemul de management al energiei a considerat un orizont de control de 15 minute și un orizont de programare de 24 de ore. Modelul MILP a fost implementat în GAMS 24.1 și rezolvat utilizând optimizatorul CPLEX 12. Autorii au ajuns la concluzia că orizonturile de predicție mai lungi conduc la o reducere semnificativă a utilizării puterii din rețeaua publică pentru a satisface cererea, considerând predicții exacte ale cererii având în vedere că sunt primite mai multe informații viitoare pentru a rezolva problema de optimizare. Prin urmare profitul a crescut. În cazul în care nu ar fi fost considerată în cadrul modelului și reeșalonarea sarcinii, atunci profitul ar fi scăzut. În plus, gestionarea cererii de energie a permis creșterea flexibilității și autonomiei microrețelei.

Ca cercetări viitoare, autorii au propus luarea în considerare a diverșilor factori cum ar fi impactul asupra mediului, prin implementarea unor abordări de optimizare multi-obiectiv și prin încorporarea unor sancțiuni de reeșalonare, pentru a evita schimbări majore în programul inițial după apariția unui eveniment neașteptat.

Reeșalonarea sarcinii folosind strategia RH pentru asigurarea bilanțului energetic într-o microrețea [64]. În cadrul acestei lucrări, autorii au dezvoltat un prototip de sistem de management al energiei, pentru o microrețea cu surse distribuite de energie și funcționare insularizată, care a inclus managementul surselor distribuite de energie și programarea flexibilă în timp a necesarului de energie prin modelarea sarcinilor controlabile și necontrolabile. A fost dezvoltat un model de management determinist care ulterior a fost integrat în strategia de control RH pentru a reduce incertitudinea legată de capacitatea de producție și de necesarul de energie prin considerarea unor prognoze actualizabile. Obiectivul sistemului de management al energiei a constat în maximizarea performanței economice a microrețelei. Mecanismul de gestionare a cererii a fost implementat prin reeșalonarea sarcinilor controlabile pentru a reduce costurile operaționale. În plus, au fost aplicate penalități pentru nerespectarea cererii. Consumul de combustibil al generatorului diesel a fost modelat ca o problemă numerică liniară mixtă, prin transformarea caracteristicilor neliniare în segmente de linie. Autorii au considerat ca studiu de caz o microrețea cu un sistem fotovoltaic, un generator diesel, un sistem de stocare și un set de sarcini din care 5 erau controlabile. Comportamentul microrețelei a fost analizat în două situații, cu și fără mecanism de gestionare a cererii, pentru un orizont de predicție de 24 de ore cu intervale de 1 oră pe o durată de programare de 30 de zile. În cazul scenariului cu mecanism de gestionare a cererii, costul de operare al generatorului a fost redus cu 11,3% datorită unei exploatări mai bune a surselor distribuite de energie, fapt ce a condus în final la o reducere cu 27% a utilizării surselor convenționale de energie. În plus, impactul asupra mediului înconjurator a fost redus prin prevenirea emisiei a 1,62 tone de CO/an datorită economiei de combustibil realizate. În final, autorii au propus ca într-o lucrare viitoare, să se considere în cadrul modelului diferite tipuri de surse de energie din surse distribuite, interconectarea microrețelei cu rețeaua publică și încorporarea incertitudinii meteorologice și a cererii.

Optimizarea eficientă a operării unei microrețele folosind un model de control predictiv (MPC – „Model Predictive Control”) [65]. Formularea matematică a fost realizată sub forma unei probleme numerice liniare mixte pentru a asigura calitatea soluției, reducerea volumului de calcul și garantarea încărcării și descărcării nesimultane a sistemului de stocare cu baterii precum și cumpărarea sau vânzarea de energie din/către rețeaua publică. În plus, a fost aplicată problemei de optimizare o tehnică de tip „branch-and-bound” prin care soluția este cunoscută ca fiind optimă la nivel global. Incertitudinile legate de producția surselor distribuite de generare, de variația în timp a sarcinii și a prețurilor energiei, au fost compensate prin feedback-ul legii de control implementate de către modelul de control predictiv. Funcția obiectiv a sistemului de management al energiei a constat în minimizarea costurilor de operare a microrețelei asigurând totodată și satisfacerea cererii anticipate, pentru o anumită perioadă de timp, pentru sarcinile controlabile și necontrolabile, precum și satisfacerea constrângerilor operaționale complexe legate de funcționarea în siguranță a microrețelei. Costurile operaționale au fost modelate ca o funcție pătratică ce include și costurile de producție a energiei, decizile de pornire/oprire, posibilele venituri și penalitățile de reducere. Consumul de combustibil a fost aproximat printr-o funcție liniară. Sistemul de management al energiei a fost implementat într-un controler centralizat, de nivel înalt, pentru a realiza angajamentul unității și dispecerizarea economică a tuturor unităților de generare și stocare, ajustarea producției din sursele distribuite de energie, prognoza sarcinii, optimizarea gestionării cererii și realizarea schimbului de energie cu rețeaua publică. Acest studiu s-a concentrat pe cazul unei microrețele interconectată cu rețeaua publică, motiv pentru care frecvența a fost menținută de către rețeaua electrică publică într-o plajă strânsă de abateri. Eficiența sistemului de management al energiei a fost demonstrată printr-o simulare care a inclus panouri fotovoltaice (16 kW), 4 generatoare distribuite și sisteme de stocare între 25 și 250 kWh. Orizontul de predicție a fost stabilit pentru o durată de 24 de ore cu un timp de eșantionare de 1 oră. A fost realizată de asemenea și o configurație de simulare cu o microrețea conectată la rețeaua electrică pentru a compara diferite strategii de control (euristică, MILP, MPC-MILP) cu o strategie de referință pe un orizont de predicție de 24 de ore și fără erori de prognoză. Rezultatele obținute au evidențiat faptul că strategia de control MPC-MILP fără sisteme de stocare, a condus la o utilizare mai eficientă a surselor distribuite de generare și la o cantitate mai mare de energie vândută către rețeaua electrică publică. Cu toate acestea, implementarea în cadrul modelului a sistemelor de stocare, a făcut ca microrețeaua să fie mai eficientă economic. În cadrul validării experimentale a algoritmului de control, efectuate la Centrul pentru Surse Regenerabile de Energie și Economie din Grecia, s-a obținut o reducere a costurilor operaționale de 34,7% în cazul utilizării strategiei MPC-MILP cu un orizont de predicție cu 72 de intervale de 15 minute.

Gestionarea fiabilă a energiei la nivelul unei microrețele folosind un model de control predictiv (MPC – „Model Predictive Control”) [66]. Microrețeaua studiată în [66] funcționează interconectată cu rețeaua electrică publică și încorporează un consumator local, o instalație eoliană și un sistem de baterii. Strategia MPC a permis luarea în considerare a costurilor, a necesarului de energie, a profilelor de generare, a unor restricții specifice și a incertitudinilor datorate variațiilor parametrilor modelului de generator. Sistemul de management al energiei s-a bazat pe o decizie multi-criterială pentru programarea bateriilor în vederea creșterii nivelului de utilizare a acestora în timpul cererii mari de energie electrică, reducând astfel achiziția de energie din rețeaua externă și sporind nivelul de utilizare a instalației eoliene pentru producția locală și în consecință crescând independența consumatorului față de rețeaua electrică externă. Strategia MPC a avut ca scop minimizarea unei funcții de cost pe un orizont de predicție finit și a oferit ca ieșire o secvență de puncte de setare optime pentru componentele sistemului, în baza constrângerilor date. Formularea matematică s-a realizat sub forma unei probleme numerice liniare mixte, datorită necesității de a implementa variabilele binare care țin cont de limitarea fizică a bateriei, care nu se poate încărca și descărca în același moment de timp. Eficiența abordării propuse a fost validată prin rezultatele simulării și prin comparații folosind date numerice reale pentru un sistem de testare aplicat în mod obișnuit în studiile de evaluare a fiabilității sistemului de alimentare. Viteza vântului a fost presupusă a fi constantă de-a lungul unui interval de eșantionare, iar sistemul a inclus prețurile variabile în funcție de timp. Autorii au concluzionat că, creșterea orizontului de predicție a condus la o scădere a costului energiei electrice achiziționate din rețeaua electrică externă. Mai mult decât atât, planificatorul a considerat o perioadă mai lungă de timp pentru a determina un plan optim, eliminând decizile „nesigure”. Sistemul de management al energiei a implementat o funcție de cost cu ponderi variabile în timp, pentru a acorda mai puțină importanță valorilor costurilor care se vor modifica în viitor.

Optimizarea operațională și mecanismul de gestionare a cererii într-o microrețea cu surse regenerabile [67]. Microrețeaua analizată în [67] încorporează un sistem hibrid de energie din surse distribuite constând din energie solară și eoliană, un generator diesel și un sistem de stocare cu baterii. Strategiile de management al energiei au fost aplicate atât pe partea de cerere cât și pe partea de producție, cu scopul de a realiza obiectivele de satisfacere a cererii de energie electrică, reducând în același timp costurile generale de operare și de mediu. Sistemul de management al energiei a integrat prognoza meteorologică prentru ziua următoare și cea în timp real, precum și mecanismul de gestionare a cererii prin integrarea unei strategii de optimizare a orizontului de retragere. Strategia de gestionare a cererii a fost realizată în două etape, prima etapă constând în prognoza necesarului de energie pentru ziua următoare, iar cea de a doua în programarea și ajustarea cererii în timp real. În prima etapă, autorii au planificat utilizarea energiei pentru a doua zi, în baza informațiilor legate de disponibilitatea producției locale și a prețului energiei electrice. În cea de-a doua etapă s-a efectuat prognoza și dispecerizarea producției de energie pentru a satisface cerințele legate de cerere și securitate în funcționare a sistemului electroenergetic. Impactul asupra mediului a fost cuantificat prin stabilirea unor indicatori de cost în cadrul funcției obiectiv, iar cantitatea de energie solicitată și permisă a fi nesatisfăcută a fost reglementată printr-un factor de penalizare care a ținut cont și de insatisfacția utilizatorului de a reeșalona necesarul sarcinilor controlabile. Sistemul de management al energiei a fost validat prin implementarea la nivelul unei case rezidențiale cu o singură familie. Printre contribuțiile acestei cercetări, se menționează controlul producției surselor regenerabile de energie pentru a evita problemele cauzate de supraproducție. Lungimea orizontului de predicție a fost unul dintre parametrii cei mai influenți asupra alocării optime a producerii de energie electrică între sursele disponibile din cadrul microrețelei. Cu orizonturi de predicție mai lungi pot fi obținute mai multe informații despre viitor pentru a aborda incertitudinile și a îmbunătăți performanța economică a microrețelei. Pe de altă parte, orizonturile de predicție pe durate mai mici conduc la reducerea timpului de calcul . Pentru a găsi un compromis între caracteristicile menționate, a fost selectat ca soluție preferată, un orizont de predicție de 6 ore. Rezultatele simulării au arătat că, costul optim al energiei electrice furnizate – prin implementarea unui sistem de management al energiei, cu un orizont de predicție de 6 ore și mecanism de gestionare a cererii, a fost cu 5% mai mic decât cel obținut în cazul sistemului de management fără mecanism de gestionare a cererii.

Optimizarea operațională a unei microrețele cu ajutorul mecanismului de gestionare a cererii [68]. În cadrul acestei lucrări, în scopul minimizării costurilor de operare ale unei microrețele rezidențiale conectată la rețea, problema de angajament a unității a fost modelată ca o MILP. Microrețeaua studiată a integrat panouri fotovoltaice, panouri solare, generatoare distribuite precum centrale de cogenerare, sisteme de stocare a energiei electrice și termice, aparate electrocasnice controlabile și vehicule electrice. Problema de optimizare a fost concepută pentru a lua în considerare atât cererea cât și alimentarea celor două tipuri de sarcini, electrice și termice. Mecanismul de gestionare a cererii a fost implementat prin reeșalonarea necesarului de energie al sarcinilor controlabile. Procesul de încărcare a vehiculelor electrice a fost modelat ca o sarcină reversibilă între data lansării și data scadenței. Schema de control a microrețelei s-a obținut într-o manieră iterativă printr-un algoritm de control predictiv. Costurile de funcționare ale sistemului au inclus costurile cu energia electrică și cele naturale rezultate din exploatare. În plus, au fost luate în considerare și veniturile din vânzarea energiei către rețeaua electrică publică. Degradarea produselor răcite în frigider și pierderea confortului datorită fluctuațiilor de temperatură au fost penalizate în funcția obiectiv. În baza unei prognoze deterministe de 22,5 ore a fost calculată o secvență de control de 7,5 ore la fiecare 15 minute. Timpul de simulare a avut o durată medie de 28,5 secunde, cu o diferență medie de optimizare MIP de 0,03%. Obiectivul simulărilor a constat în compararea rezultatelor obținute în cazul modelului de control predictiv cu cele obținute în cazul politicilor de control de referință.Trei scenarii de preț au fost luate în considerare. Rezultatele obținute au arătat că abordarea propusă (MILP-MPC) cu mecanismul de gestionare a cererii și controlul sistemelor de stocare, a condus la o reducere între 4,7% și 7,6% a costului total de exploatare anual, comparativ cu operarea fără sisteme de stocare sau de gestionare a sarcinii.

Optimizarea operațională a unei microrețele cu ajutorul unui model de control predictiv considerând incertitudinile meteorologice și impactul sistemelor de stocare [69]. Microrețeaua studiată a fost compusă din surse regenerabile de energie, o unitate de cogenerare, un bolier pe gaz, sisteme de stocare a energiei electrice și termice, un vehicul electric și diverse sarcini flexibile, controlate sau critice. Sistemul de management al energiei a inclus, printre alte caracteristici, constrângerile legate de starea de pornire/oprire a generatorului, interacțiunea cu rețeaua electrică și comportamentul fezabil al unităților de stocare și al vehiculului electric. În cadrul studiului au fost considerate condițiile unei piețe de energie nereglementate, cu un grad ridicat de penetrare a surselor distribuite de generare. În plus, o strategie de gestionare a cererii a fost pusă în aplicare prin delestarea și/sau reeșalonarea în timp a sarcinii. Obiectivul sistemului de management al energiei a constat în minimizarea costului general al operațiunilor, prin controlul atât a unităților de generare cât și a cererii, luând în considerare preferințele proprietarilor.

Problema optimizării MILP a fost executată la fiecare moment de decizie, ținând seama de previziunile pe termen scurt ale generării din sursele regenerabile de energie, de necesarul de energie și de prețul energiei electrice. Mai mult decât atât, aceasta a fost integrată într-un cadru de control predictiv pentru a reduce impactul negativ al erorilor de prognoză și pentru a actualiza în mod continuu modelul prognozat. Orizontul de control a fost de o zi, cu actualizări la fiecare 30 de minute. Superioritatea abordării propuse a fost demonstrată prin compararea acesteia cu o metodă tradițională de optimizare a funcționării unei microrețele, bazată pe planificarea generării pentru ziua următoare. În condiții de prognoză perfectă, controlul predictiv a evidențiat un cost total de 62,39% din cel obținut prin strategia de programare a producției pentru ziua următoare.

În plus, a fost implementat un studiu de caz cu incertitudini de prognoză atât pentru controlul predictiv cât și pentru strategia de programare pentru ziua următoare. Astfel, în cazul controlului predictiv s-a obținut o creștere a costului total cu 2,03%, în timp ce în cazul celeilalte metode, creșterea costului a fost de 19%. De asemenea, a fost evaluat și impactul prețurilor energiei la vârf de sarcină, care a constat în adăugarea unei sancțiuni suplimentare ori de câte ori energia achiziționată sau vândută către rețeaua electrică depășea o anumită valoare. Simulările au arătat că, costul operării microrețelei a crescut în acest caz cu 15,02% în raport cu cazul fără impact al prețurilor energiei la vârf de sarcină. Cu toate acestea, acest mecanism a redus eficient frecvențele de vârf și a scăzut fluctuațiile energiei schimbate cu rețeaua electrică externă. A fost efectuată și o analiză de sensibilitate pentru a evidenția impactul sistemelor de stocare a energiei asupra funcționării microrețelei. S-a demonstrat că, costurile operării, fără sisteme de stocare, a microrețelei au crescut cu 13,45%. În plus, costul obținut în cazul controlului predictiv, fără sisteme de stocare este mai mic decât cel obținut în cazul strategiei de programare pentru ziua următoare.

Managementul energiei într-o microrețea autonomă compusă dintr-o instalație eoliană, un generator diesel, un sistem de stocare a energiei și un sistem de desalinizare a apei de mare [70]. Pentru controlul surselor de generare distribuită și a sistemului de stocare, la nivelul sistemului de management al energiei a fost implementat un control ierarhic, cu un nivel de control al coordonării și un altul pentru gestionarea energiei. Scopul sistemului de management al energiei pentru asigurarea unei funcționări stabile a constat în maximizarea utilizării energiei eoliene și minimizarea utilizării generatorului diesel. Controlul coordonării a fost efectuat în două moduri de funcționare, în care fie sistemul de stocare, fie generatorul diesel funcționau ca sursă principală de alimentare pentru a furniza valori de referință ale tensiunii și frecvenței sistemului. Controlul de la distanță, reglarea, semnalizarea și măsurarea parametrilor sistemului s-a realizat printr-un sistem de tip SCADA. Mai mult decât atât, strategia privind orizontul de rulare (RH) a fost aplicată în cadrul sistemului de management al energiei pentru a controla caracterul aleator și intermitent al puterii generate de către instalația eoliană. Prin urmare, puterea generată de instalația eoliană a fost obținută printr-o metodă de prognoză a vitezei vântului, bazată pe un algoritm genetic cu o rețea neuronală. Eficiența metodei propuse a fost dovedită prin teste în timp real pe un sistem simulator digital. În acest scop s-a considerat o microrețea cu un sistem de stocare a energiei de 500 kWh, un generator diesel de 1250 kVA și un generator eolian de 2 MW. Autorii au ajuns la concluzia că sistemul de management al energiei poate recunoaște modul de funcționare al microrețelei și poate realiza cu succes comutarea între modurile de funcționare în funcție de viteza prognozată a vântului și de starea de încărcare a sistemului de baterii.

Gestionarea optimă a energiei într-un un sistem hibrid cu acumulator și sistem fotovoltaic conectat la rețea [71]. Obiectivul sistemului de management al energiei a constat în minimizarea costului energiei electrice, având în vedere constrângeri cum ar fi echilibrul dintre producție și consum, puterea generată de sistemul fotovoltaic și capacitatea bateriei. Mecanismul de gestionare a cererii a fost aplicat printr-o metodă cu bucla deschisă pentru a programa fluxul de putere al sistemului în decurs de 24 de ore. Mecanismul de gestionare a cererii s-a bazat pe un program de timp de utilizare (TU), în care prețul energiei electrice a fost ridicat în timpul perioadelor de vârf și scăzut în perioadele din afara orelor de vârf. Funcția obiectiv a luat în considerare costul cumpărării energiei electrice din rețeaua electrică, costul vânzării energiei electrice către rețea și costul de uzură a sistemului hibrid. Pentru dispecerizarea în timp real a fluxului de putere și pentru a depăși perturbațiile incerte, s-a aplicat un model de control predictiv. Este foarte important de menționat faptul că domeniul de aplicare a modelului a fost limitat la operarea sistemului. Prin urmare, costurile de instalare nu au fost considerate în cadrul modelului. Sistemul hibrid evaluat a constat într-un acumulator de 28,8 kWh și un sistem fotovoltaic de 7 kW. Pentru a răspunde cererii și schimbărilor climatice dintre vară și iarnă, precum și celor apărute în cursul și la sfârșitul unei săptămâni, au fost evaluate patru cazuri: săptămânile și sfârșiturile de săptămână pentru vară și iarnă. În cadrul simulărilor pentru evaluarea controlului optim, fără aplicarea controlului predictiv, s-a presupus că prognoza, atât pentru cererea de sarcină, cât și pentru producția sistemului fotovoltaic, are o valoare medie pe perioada de iarnă sau de vară. Prin aplicarea controlului preventiv, a fost creat un model al spațiului stărilor printr-o metodă de distribuție, în vederea implementării incertitudinilor . În acest caz, perioada de eșantionare a fost de o oră, cu o perioadă de predicție de 24 de ore, pentru a programa în mod optim o perioadă de zile lucrătoare în timpul iernii.

În cazul controlului optim, funcționarea sistemului hibrid a atins o utilizare maximă a energiei solare și a sistemului de stocare cu baterii. În plus, consumatorii au necesitat o cantitate minimă de energie din rețea și au redus cheltuielile lunare. Diferitele scenarii au arătat o reducere a costului zilnic al energiei electrice de la 58% la 65%, iar clienții au câștigat între 1,23 $ și 1,83 $ pe zi.

Pentru evaluarea controlului preventiv au fost considerate două scenarii. În cazul abaterilor pozitive ale puterii generate de către sistemul fotovoltaic, câștigurile au crescut cu 27% comparativ cu controlul optim. Atunci când au fost luate în considerare abaterile pozitive ale cererii, câștigurile au crescut cu 31%. Prin urmare, autorii au concluzionat că mecanismul de control predictiv a oferit performanțe de control în ceea ce privește precizia și robustețea, obținând economii mai mari decât cele ale metodei optime de control.

Sistemul de management al energiei de tip stohastic-predictiv pentru microrețele izolate [72] a abordat incertitudinea folosind un procedeu decizional în două etape combinat cu o abordare a orizontului de retragere. Variabilele sistemului stohastic de angajament a unității au fost determinate într-o primă etapă, folosind o formulare stohastică de tip MILP cu un pas de timp de 1 oră. În cea de-a două etapă, autorii au propus un orizont de contracție neliniar pentru fluxul de putere în vederea adaptării în mod optim a variațiilor intra-orare generate de procesul de dispecerizare, păstrând în același timp o condiție limită pentru starea de încărcare a sistemului de stocare, la sfârșitul orizontului considerat. Sistemul de management al energiei propus, a folosit o fereastră de timp de 24 de ore pentru prognoza pentru ziua următoare. Pentru a demonstra eficiența abordării propuse, s-au efectuat simulări pe un sistem de testare CIGRE, modificat în diferite configurări, iar rezultatele astfel obținute au fost comparate cu cele generate în cazul unei abordări deterministe. Rezultatele obținute au demonstrat că angajamentul stohastic al unității a generat costuri totale de operare mai scăzute comparativ cu abordarea deterministă, cu 13% mai scumpă. În plus, s-a dovedit că o capacitate mai mare a sistemului de stocare cu baterii are un impact pozitiv asupra costului operațional al microrețelei.

Controlul predictiv al schimburilor optime de energie și al proceselor de încărcare și descărcare a sistemelor de stocare locale din cadrul unor microrețele interconectate printr-o rețea inteligentă [73]. Obiectivul lucrării a constat în elaborarea unei strategii inovatoare de control pentru un grup de microrețele interconectate, în vederea maximizării beneficiilor globale și exploatării caracterului stohastic al fluctuațiilor necesarului de putere sau al puterii generate de sursele regenerabile de energie. Fiecare microrețea a înglobat surse de energie eoliană și solară, sisteme de stocare, sarcini casnice și o unitate de management al energiei. Algoritmul de control predictiv a inclus informații despre prețurile energiei, producția de energie, necesarul sarcinilor și despre prognoze ale puterii generate de sursele regenerabile de energie. Lungimea orizontului de predicție și control a fost stabilită la 24 de ore, cu un interval de control de 1 oră. Au fost efectuate o serie de simulări cu și fără erori de predicție în ceea ce privește necesarul de energie și producția din sursele regenerabile de energie. Pentru a demonstra avantajul cadrului de cooperare propus pentru controlul microrețelelor, a fost simulată funcționarea unei singure microrețele. Prin urmare, au fost evaluate trei scenarii: fără erori de predicție, cu erori de predicție și compararea controlului unei singure microrețele cu cel al rețelei globale alcătuită din mai multe microrețele. În cazul primului scenariu, valoarea optimă a funcției de cost a variat de la 49,35 $ la 261 $, atunci când starea inițială a sistemului de stocare a crescut de la 5 kWh la 500 kWh. În cel de-al doilea scenariu cu un sistem de stocare inițial de 5 kWh, punerea în aplicare a erorilor de predicție a condus la o creștere mai mică (3%) a beneficiilor sistemului. În cel de-al treilea scenariu, cooperarea dintre microrețele a înregistrat o creștere a beneficiilor sistemului de 8,5% comparativ cu scenariul de funcționare numai cu o singură microrețea. Prin urmare, autorii au concluzionat că, cooperarea dintre microrețele a oferit avantaje și beneficii semnificative în ceea ce privește funcționarea fiecărei microrețele separate, datorită flexibilității obținute prin schimburile de putere cu microrețelele învecinate.

Controlul predictiv pentru managementul energiei la nivelul unei microrețele hibride compusă din panouri fotovoltaice, un generator diesel și o baterie, care acoperă necesarul zilnic de energie pentru o zonă izolată [74]. Pentru a descrie modul de încărcare și descărcare a bateriei, au fost implementate constrângeri de comutare. În vederea realizării unui algoritm de predicție simplu a fost utilizat un model unificat de intrări și ieșiri multiple (MIMO – “Multiple Inputs Multiple Outputs”). Obiectivul strategiei propuse a constat în planificarea optimă a fluxurilor de putere pentru satisfacerea cererii, gestionarea proceselor de încărcare și descărcare a sistemului de baterii, minimizarea utilizării generatorului diesel, cu penalizarea utilizării excesive a bateriei și promovând utilizarea sistemului fotovoltaic. Parametrii incerți ai bateriei au fost estimati în timp real folosind o lege adaptivă de actualizare. Mai mult decât atât, orizonturile de control și predicție au variat în funcție de timpii de comutare. Trebuie subliniat faptul că strategia de control propusă în cadrul lucrării a fost bazată pe o problemă de optimizare și nu pe una de proiectare a sistemului de control. Prin urmare, stabilitatea sistemului cu buclă închisă nu a fost asigurată, deși stările sistemului au fost garantate în funcție de constrângerile propuse. Simulările au fost efectuate pentru o zi de vară și una de iarnă, având în vedere necesarul de energie de la nivelul unei clinici dintr-o comunitate rurală din Zimbabwe. Pentru a testa performanțele sistemului cu buclă închisă în cazul unor perturbații, cererea de sarcină a fost crescută cu 20%, iar producția sistemului fotovoltaic a fost redusă cu 20%. Starea inițială de încărcare a bateriei a fost setată la 70% din capacitatea maximă. Perioadele de timp ale scenarilor de simulare au fost stabilite la 4 zile (96 ore). Pentru zilele de vară, momentul de timp de comutare de la descărcare la incărcare a fost stabilit la ora 7:30, iar cel de la încărcare la descărcare la ora 17:30. Deoarece puterea sistemului fotovoltaic a fost suficientă pentru a acoperi sarcina, generatorul diesel a fost folosit doar pentru a acoperi dezechilibrul cauzat de perturbații. În zilele de iarnă, trecerea de la descărcare la încărcare a avut loc la ora 8:30, în timp ce comutarea de la încărcare la descărcare a fost stabilită la ora 16:30. În acest caz, datorită unei producții inferioare a sistemului fotovoltaic, generatorul diesel a trebuit să acopere o parte din cererea de sarcină, pe lângă dezechilibrul cauzat de perturbații. Pentru a demonstra eficiența abordării propuse, au fost comparate rezultatele astfel obținute, privind gradul de utilizare al generatorului, cu cele obținute prin alte metode de control predictiv, fără estimări în timp real, strategii intuitive și control optim în buclă închisă. În toate cazurile, controlul predictiv cu comutare adaptivă a condus la cel mai mic grad de utilizare al generatorului diesel. În plus, odată cu creșterea capacității bateriei, gradul de utilizare a generatorului a scăzut.

Controlul avansat folosind un algoritm preventiv pe două niveluri, pentru operarea optimă a unei microrețele insularizate ce înglobează un generator diesel, un sistem fotovoltaic și un sistem de stocare cu baterii [75]. Primul nivel al algoritmului a rezolvat o problemă de optimizare mixtă neliniară (MINLP) folosind programarea dinamică discretă (DDP) bazată pe predicții în timp real a profilelor energetice viitoare pentru calculul energiei optime. Pentru a îmbunătăți robustețea strategiei de control în ceea ce privește erorile de predicție, au fost utilizate traiectorile de referință ale puterii generatorului diesel și starea de încărcare a bateriei determinate în primul nivel pentru a regla timpul de pornire/oprire a generatorului diesel pe un orizont de timp scurt. Modelul matematic a fost formulat sub forma unei probleme de valoare limită, care a folosit stări continue în locul stărilor discrete ale DDP. În plus, a fost implementată o schemă de control predictiv pentru actualizarea dinamică a factorilor de ponderare, creșterea adaptivității și reducerea erorilor de prognoză. Operarea optimă a microrețelei a fost analizată pe un orizont de 24 de ore, în care algoritmul de control predictiv a fost actualizat la fiecare 10 minute, iar problema de valoare limită, la fiecare 2 minute. Obiectivul problemei de optimizare a fost acela de a minimiza costul combustibilului și implicit a timpului de utilizare a generatorului diesel și maximizarea utilizării bateriei și a energiei din surse regenerabile. Mai mult, s-a îmbunătățit robustețea sistemului față de erorile de predicție a cererii de sarcină și a puterii produse de sursele de energie, pentru a asigura alimentarea neîntreruptă a microrețelei. Metoda de predicție implementată a constat într-un model de regresie sezonieră automată și o netezire exponențială. Metoda propusă a fost testată folosind un profil de sarcină al unui sat din Filipine și un profil de putere al unui sistem fotovoltaic din New Delhi. Simulările au arătat că eroarea medie de prognoză se reduce prin utilizarea modelului de prognoză adaptivă. Comparația dintre funcționarea optimă a generatorului diesel presupunând o cunoaștere perfectă a puterii sistemului fotovoltaic și a necesarului sarcinii, și operarea folosind metoda de control predictiv cu două niveluri, a evidențiat o diferență în fluxul de putere de 0,54-1,09 kW. Cu toate că puterea bateriei a prezentat mai multe abateri, aceasta a fost în măsură să asigure surplusul de energie necesar pentru a putea fi garantată ca o sursă de alimentare constantă. Timpul mediu de rezolvare a problemei MINLP a fost mai mic de 20 secunde prin utilizarea unui pas de timp de un minut și un orizont de optimizare de 24 de ore. În cele din urmă, beneficiile metodelor propuse s-au dovedit printr-o reducere cu 7% a costului energiei pe o durată de 10 ani.

Controlul în timp real al energiei din sistemele de stocare aferente unei microrețele [76]. Acesta a fost formulat sub forma unei probleme de programare numerică liniară mixtă (MILP) și rezolvată folosind metoda orizontului de rulare în care au fost considerate prognozele puterii generate de către sursele de energie și ale necesarului de energie. Formularea propusă, a fost una foarte robustă, menită să gestioneze incertitudinea legată de cererea de energie și de prognoza puterii generate de către sursele de energie prin limitarea erorilor de predicție, într-o manieră eficientă din punct de vedere computațional. În plus, reducerea suplimentară a volumului de calcul a fost realizată prin etape de timp variabile și relaxarea variabilelor binare.

Sistemul de management al energiei propus a funcționat ca un controler de nivel înalt pentru a lua decizii în ceea ce privește fluxul de putere optim, rezolvând o problemă de optimizare MILP robustă cu mai multe obiective pe un interval de predicție a orizontului de rulare. Pentru a ține cont de ineficiențele de încărcare/descărcare, prețurile de cumpărare/vânzare asimetrice, precum și de variabilele decizionale discrete legate de sarcinile controlabile, au fost utilizate variabile întregi. Sistemul de management al energiei a putut comunica cu toate elementele microrețelei și a avut acces la informații externe privind prognozele meteorologice și prețurile energiei electrice de pe piață. Sistemul de management al energiei a descurajat utilizarea energiei electrice în perioadele de vârf printr-o schemă de tarifare a timpului de utilizare, reducând astfel consumul de energie din rețeaua principală și evitând reducerea/delestarea sarcinii prin acoperirea necesarului din sistemele de stocare sau sursele regenerabile de energie. S-a inclus de asemenea și conceptul de rate de putere ale zonelor verzi și respectiv roșii pentru sistemul de stocare cu baterii. Rata de putere a zonei roșii a fost utilizată pentru a reduce costurile de vârf ale cererii, permițând bateriei să opereze temporar în afara ratingurilor sale normale.

Simulările au fost efectuate pe o microrețea interconectată la rețeaua publică de energie electrică și folosind date reale privind energia electrică dintr-o zonă comercială și rezidențială (necesar de vârf de sarcină sub 50 kW), o instalație industrială (necesar de vârf de peste 50 kW) și o instalație fotovoltaică de până la 30 kW. Pentru a evalua robustețea controlerului la incertitudinile de sarcină și generare a fost adăugat un zgomot uniform aleator până la rădăcina pătrată a datelor de utilizare. Simulările pentru algoritmul MILP robust cu orizont de rulare, a condus la o creștere a timpului de calcul cu 24% comparativ cu algoritmele tipice MILP, non-robuste. În schimb, prin utilizarea pașilor de timp variabil s-a redus semnificativ costul de calcul prin reducerea dimensiunii problemei de optimizare. Autorii au ajuns la concluzia că formularea robustă propusă a fost din punct de vedere computațional mai eficientă decât multe alte abordări robuste de optimizare.

Sistem inovativ de management al energiei pentru o microrețea insularizată, bazat pe utilizarea mecanismelor de gestionare a cererii și de control al frecvenței la starea de echilibru [77]. Sistemul propus a utilizat frecvența drept variabilă cheie de control, care ar putea fi deviată de la valoarea sa nominală din cauza intermitențelor imprevizibile ale surselor regenerabile sau ale necesarului de sarcină, precum și din cauza utilizării unor surse distribuite de generare cu inerție mai mică și interfață cu rețeaua electrică prin intermediul invertoarelor bazate pe electronica de putere. În plus, a fost inclus un program liniarizat de gestionare a cererii de servicii auxiliare de sistem și un mecanism de control de tip „sus-jos” pentru rezervele de putere aferente controlului secundar. Problema de optimizare s-a bazat pe comportamentul dependenței de frecvență a surselor distribuite de energie și a fost formulată ca o problemă liniară mixtă cu interacțiune. Obiectivul principal a constat în optimizarea frecvenței microrețelei în conformitate cu politicile economice și de mediu. Pentru a modela impactul incertitudinilor din cadrul microrețelei, a fost folosit un algoritm de optimizare stohastică în două etape. În prima etapă, incertitudinile de sistem au fost modelate prin generarea unui scenariu aleator folosind simularea Monte Carlo și mecanismul „ ruletă”. Capabilitățile de control ale invertorului static sursă de tensiune au fost modelate pentru a obține profilul de frecvență optim pentru ziua următoare, ținând cont de reducerea abaterilor de frecvență ce pot apărea într-o schemă de control eficientă din punct de vedere al costurilor. Simulările au fost efectuate pe o microrețea insularizată folosind un orizont de programare de 24 de ore. Două celule cu combustibil, două microturbine și un motor cu gaz au fost controlate folosind metoda putere activă-frecvență (P-f) propusă. În plus, au fost luate în considerare și trei instalații eoliene și două sisteme fotovoltaice. Au fost analizate două cazuri, cu și fără programul de gestionare a cererii. Simulările au arătat că utilizarea programelor de gestionare a cererii, a redus costul operațional și nivelurile de emisii în ziua următoare. Mai mult, utilizarea programelor de gestionare a cererii a determinat o reducere a costurilor cu 20% pentru rezervele de control secundar programate.

Deși există multe abordări pentru implementarea unui sistem de management al energiei la nivelul unei microrețele, acestea urmăresc în principal optimizarea unui singur obiectiv. Abordarea de rezolvare a unui singur obiectiv, fie neglijând anumite beneficii, fie impunându-le în mod artificial ca fiind constrângeri poate fi acceptabilă în anumite situații, totuși autorul aceastei teze susține că o soluție mai bună trebuie să ia în considerare beneficiile suplimentare pe care le poate obține o microrețea.

Tabelul 2.1 sintetizează studiile bibliografice realizate de autorul tezei, prezentând cele mai relevante aspecte ale sistemelor de management al energiei pentru microrețele cu surse regenerabile de energie.

Tabel 2.1. Studii bibliografice comparative privind sistemele de mangement al energiei în microrețele

Notațiile folosite în cadrul tabelului 2.1 au următoarea semnificație:

Prin utilizarea tehnicii de optimizare multi-obiectiv (MILP) în dispecerizarea microrețelei, această teză demonstrează atingerea unor obiective multiple prin obținerea unei soluții Pareto optime la nivel global. Astfel, problema de optimizare multi-obiectiv eficientizează simultan următoarele obiective, în timp ce este rezolvată ca o problemă cu un singur obiectiv:

Reducerea costului energiei;

Îmbunătățirea fiabilității serviciului de alimentare cu energie;

Reducerea fluctuațiilor de putere ale surselor volatile;

Reducerea cererii la vârful de sarcină;

Reducerea emisiilor de gaze cu efect de seră;

Algoritmul propus de autorul acestei tezei pentru rezolvarea problemei MILP garantează determinarea unei soluții fără posibilitate de divergență, spre deosebire de mulți alți algoritmi de determinarea a angajamentului unității (AU) care folosesc o abordare iterativă pentru a converge la o soluție. Prin agregarea surselor distribuite în surse virtuale se determină direct angajamentul unității unei surse distribuite precum și parametrii cu care controlerele distribuite pot efectua dispecerizarea economică, cunoscând doar puterea reziduală din microrețea a surselor de energie necontrolabile.

Atât controlul optimizat cu un singur obiectiv cât și cel multi-obiectiv, sunt prevăzute cu prognoze precise pentru ziua următoare în ceea ce privește prețurile viitoare ale energie, necesarul sarcinilor și disponibilul surselor distribuite. Prognoza permite modulului de optimizare să determine valoarea actuală netă a necesarului de energie (în special pentru resursele dependente de timp, cum ar fi sistemele de stocare), pentru a permite apariția unor condiții de funcționare viitoare. În cadrul acestei teze, tendințele costurilor viitoare sunt estimate printr-un procedeu de tip „backcasting” care utilizează profile de cost din trecut, fapt ce elimină necesitatea unui algoritm de prognoză clasic sau a unei metode alternative de a încorpora o resursă dependentă de timp în dispecerizarea economică.

Spre deosebire de celelalte lucrări analizate, această teză demonstreză că strategia de selectare a curbei „droop” corespunzătoare, bazată pe factorul de limitare imediată, este eficientă în menținerea tensiunii și frecvenței în limitele nominale de funcționare și în asigurarea echilibrului energetic. Implicațiile acestei strategii de control includ capacitatea surselor distribuite de a implementa cu ușurință tehnici de delestare a sarcinii sau de reducere a puterii generate, folosind frecvența sistemului ca mijloc de comunicație.

CAPITOLUL 3 APLICAREA OPTIMIZĂRII MULTI-OBIECTIV ÎN DISPECERIZAREA UNEI MICROREȚELE

Multe beneficii pot fi obținute prin implementarea unei microrețele și, prin urmare, este insuficient ca un controler de microrețea să optimizeze doar un singur obiectiv. Fiecare microrețea este diferită în mai multe privințe: jurisdicție și cerințe tehnice, topologie, surse distribuite de energie și obiective pe care acestea urmăresc să le atingă. Astfel, fiecare controler de microrețea trebuie să fie capabil să îndeplinească și să controleze cerințele și aspectele specifice microrețelei pe care o controlează.

Metoda de optimizare multi-obiectiv propusă în cadrul acestui capitol, este capabilă să optimizeze în același timp obiectivele finale de care beneficiază nu numai clienții din cadrul microrețelei (de ex. costul redus al energiei), ci și compania locală de utilități (de ex. fluctuațiile de putere reduse). Formularea propusă este suficient de flexibilă pentru a fi implementată în microrețele cu surse distribuite, cu jurisdicții și obiective diferite, prin încorporarea funcțiilor de evaluare obiectivă și a parametrilor de ponderare subiectivi.

Definiții

Problemele de optimizare multi-obiectiv sunt definite ca fiind probleme care vizează optimizarea simultană a n obiective contradictorii, în care . În mod formal acestea încercă să rezolve vectorul de intrare controlabil este spațiul variabil de dimensiune m al decizilor fezabile) [78]:

(3.1)

cu funcțiile obiectiv , în baza restricțiilor x.

O problemă de optimizare multi-obiectiv urmărește optimizarea simultană a tuturor funcțiilor obiectiv. Atunci când se caută două sau mai multe obiective contradictorii pentru a fi optimizate, nu va exista o singură soluție care să fie optimă pentru fiecare funcție obiectiv; în schimb, setul optim de soluții cuprinde soluții multiple cu un compromis între obiective, și anume frontul optim Pareto [78].

Optimalitatea Pareto și frontul Pareto

Optimalitate Pareto: Un vector controlabil este Pareto optim dacă nu există un alt vector controlabil () astfel încât pentru i =1,…,n și există cel puțin un index j astfel încât [79].

Cu alte cuvinte, o soluție este Pareto optimă, în spațiul obiectivelor fezabile, dacă o îmbunătățire a oricărui obiectiv are ca rezultat o deteriorare a oricărui alt obiectiv. Această definiție are următoarele două implicații:

Pentru a trece de la o soluție Pareto optimă la altă soluție Pareto optimă este necesar un compromis între obiectivele contradictorii;

Toate punctele Pareto optime se află pe limita spațiului obiectivelor posibile . Frontul Pareto cuprinde setul tuturor soluțiilor Pareto optime în spațiul obiectivelor fezabile S.

Din punct de vedere matematic, fiecare soluție de pe frontul Pareto este o soluție la fel de acceptabilă pentru problema de optimizare multi-obiectiv. Prin urmare, în problemele de optimizare multi-obiectiv este necesar un factor de decizie care să impună constrângeri suplimentare prin articularea preferințelor unei singure soluții Pareto optime față de altele [80]. Preferințele se referă la o opinie a factorului de decizie cu privire la soluția din frontul Pareto care se potrivește cel mai bine nevoilor [79]. Cu toate acestea, selectarea celui mai bun punct din setul de soluții Pareto optime, necesită o înțelegere a valorii compromisului între diferitele obiective.

În cazul unei probleme de optimizare multi-obiectiv a unei microrețele, obiectivele nu pot fi comparate direct de factorul de decizie. În plus, valoarea și beneficiile pe care acestea le urmăresc în microrețea depind nu numai de jurisdicție, ci și de specificul fiecărei microrețele.

Formularea algoritmului de optimizare multi-obiectiv a unei microrețele

Problema de optimizare multi-obiectiv este formulată pentru a include diferite tipuri de surse distribuite în scopul optimizării obiectivelor multiple pentru perioade de timp prezente și viitoare [81]. În acest sens, sunt considerate ca obiective în formulare toate beneficiile finale ale microrețelei identificate în paragraful 2.3.5. Dacă un obiectiv are o valoare pentru operatorul microrețelei, această valoare poate fi cuantificată. În plus, dacă obiectivele evaluate pot fi cuantificate, ele pot fi comparate direct printr-o valoare comună. Deoarece obiectivele pot fi comparate direct, problema de optimizare multi-obiectiv poate fi scalarizată ca o sumă ponderată a tuturor obiectivelor și poate fi rezolvată ca o problemă de optimizare cu o singură funcție obiectiv.

Scalarizarea este procesul de transformare a unei probleme de optimizare multi-obiectiv într-o problemă cu o singură funcție (obiectiv) scalară care trebuie optimizată. Mai multe proprietăți pertinente ale problemelor de optimizare multi-obiectiv sunt identificate în acest subcapitol. Aceste proprietăți se bazează pe teoreme de optimizare multi-obiectiv ale căror rezultate sunt aplicate pentru a formula fundamentul matematic pe care se bazează soluția propusă în această teză.

Pentru a putea rezolva problema de optimizare multi-obiectiv, aceasta este scalarizată ca o sumă ponderată, formulată astfel [78]:

(3.2)

unde sunt parametrii de ponderare, iar reprezintă funcțiile obiectiv din relația (3.1).

Suma ponderată este formulată cu ajutorul relației (3.2) în baza următoarelor condiții:

Fiecare funcție obiectiv crește monoton în raport cu fiecare criteriu;

Fiecare funcție obiectiv este convexă;

Fiecare coeficient de pondere este pozitiv,

Problemele de optimizare multi-obiectiv scalarizate conform celor prezentate mai sus, prezintă următoarele proprietăți [79]:

Problema de optimizare multi-obiectiv scalarizată (3.2) este convexă;

Soluția problemei scalarizate (3.2) este Pareto optimă;

Fiecare soluție Pareto optimă pentru (3.2) este, de asemenea, Pareto optimă global.

Teoremele pe care se bazează aceste proprietăți, sunt prezentate în Anexa 1.

Scalarizarea problemei de optimizare multi-obiectiv

Abordarea propusă pentru scalarizarea problemei de optimizare multi-obiectiv, definită cu relația (3.1), implică doi parametri pentru fiecare obiectiv i: o funcție de cost a obiectivelor, și un parametru de ponderare subiectiv, . Funcția de cost este folosită în locul funcției obiectiv, definită cu relația (3.1), pentru a diferenția funcțiile obiectiv incomensurabile () de cele care folosesc o valoare comună (). Obiectivele funcțiilor de cost sunt evaluate pe baza măsurătorilor stabilite pentru sistemul energetic, pentru fiecare obiectiv și depind de jurisdicția în care se află microrețeaua.

Fiecare funcție de cost este cuantificată în unități monetare (€), deoarece toate beneficiile pot produce fie venituri financiare directe sau indirecte, fie economii. Parametrii de ponderare subiectivi sunt valorile normate de ponderare impuse de operatorul microrețelei asupra beneficiilor, deoarece fiecare microrețea este implementată în scopuri unice (și încearcă să optimizeze obiective specifice). Acești parametri aplică o valoare relativă a fiecărui obiectiv astfel încât să permită operatorului să controleze microrețeaua în funcție de preferințele și obiectivele dorite.

Cuantificarea funcțiilor de evaluare a obiectivelor

Costul (C)

Deoarece evaluarea obiectivelor se realizează în funcție de parametrii financiari, costul reprezintă un parametru evaluat în mod direct. Costul mediu al energiei pentru sarcinile din microrețea se calculează, conform relației (3.3), ca o sumă între costul energiei achiziționate din sistemul energetic și costul energiei electrice produsă pe baza combustibilului utilizat de fiecare sursă distribuită din microrețea [82]:

(3.3)

unde reprezintă costul/kWh pentru producerea a kW din sursa de energie distribuită y, în perioada de timp t; D reprezintă mulțimea surselor de energie distribuite din microrețea.

Fiabilitatea serviciului de alimentare cu energie (R)

Fiabilitatea serviciului de alimentare cu energie este cuantificată prin costul energiei nelivrate (EN), adică pierderea de producție cauzată efectiv de incapacitatea microrețelei de a satisface necesarul unei sarcini [83]. Sarcina critică va avea un cost mai mare pentru energia nelivrată (), în timp ce sarcina controlată (prin răspunsul cererii) și sarcina non-critică vor avea un cost mai mic al energiei nelivrate ().

Costul energiei nelivrate, pe intervalul de timp t, se calculează cu relația:

(3.4)

unde reprezintă sarcina non-critică, care a fost redusă (kW); este variabila binară a angajamentului unității care indică dacă sarcina critică este sub tensiune (= 1) sau deconectată (= 0) și este sarcina critică la momentul t.

Fluctuațiile de putere (D)

Fluctuațiile de putere sunt cuantificate prin diferența între prețul de producție fermă și cel aferent producției variabile, . Variabilitatea costului puterii văzută de sistemul energetic ( este determinată cu relația [84] :

(3.5)

Puterea maximă/de vârf (P)

Prin reducerea puterii de vârf în punctul comun de conectare (PCC) dintre microrețea și sistemul energetic, se pot amâna investițiile în modernizarea infrastructurii existente, fapt ce se traduce prin beneficii financiare pentru operatori. Pentru a cuantifica aceste beneficii se poate folosi o funcție pătratică în reprezentarea curentului de vârf prin PCC, având în vedere că puterea reactivă este neglijată. Funcția de evaluare este dată de:

(3.6)

unde reprezintă costul/ al puterii în PCC la momentul de timp t. se poate calcula prin substituirea costurilor investiției în infrastructură, în și a puterii maxime a transformatorului în PCC, în [85].

Emisiile de gaze cu efect de seră (G)

Costul emisiilor de gaze cu efect de seră poate fi calculat ca suma funcțiilor de emisii de carbon () ale sursei distribuite y pentru a produce kilowați pentru perioada de timp Δt, înmulțită cu prețul per tona de dioxid de carbon () [86]:

(3.7)

unde D reprezintă mulțimea surselor distribuite din microrețea, în care reprezintă o unitate diesel-electric.

Optimizarea dispecerizării

Problema de optimizare multi-obiectiv urmărește dispecerizarea surselor distribuite de energie pentru a satisface obiectivele multiple ale controlului microrețelei în prezența anumitor restricții. În cadrul formulării, puterea rețelei electrice publice () se află în mulțimea variabilelor controlabile, deoarece sistemul energetic funcționează ca o magistrală de rezervă atunci când microrețeaua se interconectează cu aceasta.

Având în vedere cele prezentate în paragrafele anterioare, problema de optimizare multi-obiectiv scalarizată pentru o microrețea, se poate formula astfel:

(3.8)

astfel încât:

Balanța de putere este îndeplinită pentru toate perioadele de timp (t):

(3.9)

unde reprezintă sarcina reziduală totală necontrolabilă, exprimată în kW.

Fiecare sursă distribuită trebuie să funcționeze în limitele sale de operare:

(3.10)

Variabila de angajament al unității este binară:

(3.11)

Energia înmagazinată într-un sistem de stocare trebuie să fie pozitivă și mai mică decât capacitatea sa nominală, dar mai mare decât o valoare minimă admisă :

(3.12)

Când sistemul de stocare se încarcă, energia stocată este egală cu energia de la momentul de timp anterior la care se adaugă energia încărcată (unde reprezintă eficiența de încărcare) [84]. În cadrul ecuațiilor (3.13) și (3.14), sistemul de stocare este considerat un „generator” și prin urmare atunci când sistemul de stocare se încarcă și respectiv atunci când sistemul de stocare se descarcă. Cu alte cuvinte, în cadrul formulării, poate avea valori negative sau zero, iar poate avea valori pozitive sau zero:

(3.13)

unde reprezintă puterea sistemului de stocare la momentul de timp t.

Când sistemul de stocare se descarcă, energia stocată este egală cu energia de la momentul de timp anterior din care se scade energia descărcată (unde reprezintă eficiența de descărcare) [84]:

(3.14)

Generatorul diesel trebuie să rămână într-o stare selectată (ON / OFF) timp de 3 ore după efectuarea unei tranziții. Această constrângere este implementată pentru a răspunde la condițiile de funcționare dorite pentru timpul minim de pornire/oprire a motorului diesel pentru a reduce numărul de operațiuni de comutare discontinue [53].

În cadrul formulării propuse, se presupune că operatorul microrețelei are preferințe egale față de fiecare obiectiv și astfel parametrii subiectivi de ponderare sunt toți pozitivi și egali. Această ipoteză asigură faptul că fiecare funcție obiectiv este convexă, cu o creștere monotonă față de fiecare criteriu, deoarece acestea sunt combinații liniare sau pătrate de variabile pozitive. Astfel, se asigură îndeplinirea celor 3 condiții descrise în subcapitolul 3.3 și se poate concluziona că soluția unică a problemei de optimizare multi-obiectiv (3.8) este garantată pentru a oferi o soluție optimă la nivel global.

(3.15)

Studiu de caz

Strategii de control

Pentru o microrețea de tip industrial, ce înglobează surse distribuite de energie, se consideră următoarele strategii de control:

Cazul de bază (CB): Scenariul de implementare a unei microrețele cu surse distribuite, fără un sistem de control;

Controlul optimizat cu un singur obiectiv (OSO) : Implementarea unui controler de microrețea în baza lucrărilor [18, 52, 88, 89] care minimizează costul energiei cu fiabilitatea serviciului de alimentare cu energie ca o constrângere strictă;

Controlul optimizat multi-obiectiv (OMO) : Implementarea algoritmului prezentat în subcapitolul 3.3 care asigură îndeplinirea tuturor beneficilor prezentate în paragraful 2.3.5;

Balanța de putere este menținută în modul „conectat la rețea” de către sistemul energetic, în timp ce sursele distribuite sau sarcinile sunt reduse pentru a menține echilibrul energetic în modul de funcționare „insularizat”, pentru cazurile 2) și 3). Toate cele trei cazuri de control sunt implementate în Matlab și GAMS; ultimul software utilizează solverii SBB și CONOPT pentru a rezolva problema neliniară mixtă. Atât controlul optimizat cu un singur obiectiv cât și cel multi-obiectiv, sunt prevăzute cu prognoze precise pentru ziua următoare în ceea ce privește necesarul sarcinilor și disponibilul surselor distribuite. Prognoza permite ca modulul de optimizare să determine valoarea actuală netă a necesarului de energie (în special pentru resursele dependente de timp, cum ar fi sistemele de stocare), pentru a permite apariția unor condiții de funcționare viitoare.

Prezentarea generală a microrețelei industriale analizate

Reprezentarea schematică a microrețelei analizate este dată în figura 3.1. Parametrii specifici ai surselor distribuite sunt sintetizati în tabelul 3.1, unde , și reprezintă coeficienți pătrați, liniari și constanți pentru consumul de motorină per kWh. Controlerul de microrețea este suprapus pentru a măsura puterile și starea (conectată/deconectată) și pentru a seta valorile de referință pentru fiecare sursă distribuită. Astfel, pentru acest sistem, vectorul de intrare controlabil al optimizării multi-obiectiv este:

(3.16)

unde și reprezintă cantitățile de energie eoliană și solară reduse la momentul de timp t ; este variabila de angajament unitar al generatorului diesel electric și este puterea la bornele acestuia atunci când este în funcțiune. Astfel, ecuația balanței de putere (3.9) pentru microrețeaua analizată, devine:

0 (3.17)

Fig. 3.1. Reprezentarea schematică a microrețelei analizate

Microrețeaua analizată înglobeză un mix de surse bazate pe energia combustibililor convenționali (generatorul diesel electric – 1,25 MW) sau pe energie din surse regenerabile (2 grupuri eoliene – 2 x 250 kW, 1 sistem fotovoltaic – 50 x10 kW), un sistem de stocare cu baterii (900 kWh) precum și o serie de sarcini controlabile ( 200 kW), delestabile (300 kW) și necontrolabile (500 kW). Microrețeaua poate funcționa în mod autonom sau poate fi interconectată cu rețeaua electrică publică.

Pentru efectuarea simulărilor se consideră un an întreg, cu o perioadă de dispecerizare de 15 minute (Δt = 0,25 ore).

Valorile parametrilor prezentați în tabelul 3.1 au fost preluate din diverse surse bibliografice, astfel: datele privind sarcinile și prețul energiei au fost preluate din [82, 90], cele referitoare la energia eoliană și solară au fost preluate din [91], iar restul informațiilor din fișele tehnice ale producătorilor de echipamente [92]. Capacitatea instalată a surselor distribuite de energie este stabilită ca fiind 50% vânt și 50% solar, în raport cu sarcina maximă. Problema de optimizare multi-obiectiv este simulată prin parametrii de ponderare subiectivi normalizați egali (w = 0,2), pentru a da o preferință identică fiecărui obiectiv. Se efectuează, de asemenea, o analiză a efectelor modificării gradului de penetrare al surselor eoliene și solare în cadrul microrețelei.

Tabel 3.1. Parametrii surselor distribuite de energie utilizați în cadrul studiului de caz

Rezultate

Compararea strategiilor de control a microrețelei

În tabelul 3.2 se prezintă sub-obiectivele totale calculate pentru fiecare controler de microrețea. Obiectivul de cost este calculat ca un cost mediu al energiei/kWh pentru un client din microrețea, pe parcursul unui an întreg:

(3.18)

iar energia totală nelivrată (EN) în microrețea este calculată cu relația

(3.19)

Procentele cu culoare verde din tabelul 3.2 denotă o îmbunătățire, iar cele cu culoare roșie denotă o înrăutățire a parametrului în raport cu scenariul de bază (CB). Controlerul de microrețea cu cel mai mic cost este cel de optimizare cu un singur obiectiv (OSO), iar fiabilitatea serviciului de alimentare cu energie este implementată ca o restricție strictă.

Tabel 3.2. Parametrii evaluați în cazul strategiilor de control

Cu toate că OSO depășește OMO cu 10%, în termeni de cost, are loc o înrăutățire a puterii de vârf, a fluctuațiilor de putere și a emisiilor de gaze cu efect de seră, în comparație cu CB. Comparativ OMO, este în măsură să optimizeze simultan toate obiectivele, marcând o îmbunătățire a fiecărui beneficiu identificat. Cele două cazuri de OMO prezentate în tabelul 3.2, demonstrează efectul parametrilor de ponderare subiectivi asupra soluției finale atunci când se selectează soluții optime Pareto diferite.

Cantitatea totală de energie, redusă la nivelul surselor distribuite, în toate cele patru cazuri de controler de microrețea este următoarea: 57,657 kWh (CB), 34,180 kWh (OSO), 1,071 kWh () și 3,040 kWh (). În comparație cu cele două cazuri de OMO, mai multe surse distribuite sunt reduse în cazul controlerului OSO, deoarece se obține un cost mai mic asupra celorlalte surse prin obiectivul emisiilor de gaze cu efect de seră.

Aceste rezultate pot fi observate în figura 3.2 unde sunt prezentate fluxurile de putere prin punctul comun de conectare al microrețelei, pentru o perioadă de două săptămâni, în cazul celor trei strategii de control. În acest interval de timp, sistemul energetic întâmpină fluctuații mari de putere de la microrețeaua cu controler OSO, iar fluxul de putere de vârf pentru fiecare zi este mai mare decât pentru scenariul CB; acest lucru se întâmplă deoarece OSO ia în considerare doar costul de piață al energiei și reduce la minimum costul total în detrimentul puterii maxime și a fluctuațiilor. Cu OMO, puterea de vârf este redusă în acest interval de timp cu 170 kW, iar fluxul de putere este mai puțin volatil decât în scenariile OSO sau CB.

Trei evenimente de insularizare au fost impuse sistemului pentru a demonstra funcționarea controlerului OMO în astfel de situații: cu putere redusă la sursele distribuite și sarcină mică, cu putere redusă la sursele distribuite și sarcină mare și unul la un punct aleatoriu în cursul anului.

Figura 3.3 prezintă curba de sarcină, în cazul controlerului OMO, în timpul unui eveniment de insularizare cu o durată de 24 de ore. În această perioadă de timp, necesarul total al sarcinii este ridicat, iar puterea totală a surselor distribuite nu depășește 15% din sarcină. Sistemul de stocare se încarcă atunci când generatorul diesel este în funcțiune și oferă o putere suplimentară pentru a permite generatorului diesel să se deconecteze pentru o perioadă de timp în scopul reducerii la minimum a costurilor și emisiilor de gaze cu efect de seră. Controlerul OMO utilizează resursele disponibile pentru a reduce sarcinile non-critice cu scopul de a se asigura că sarcinile critice sunt alimentate tot timpul cu energie în această situație extremă.

Fig. 3.2. Fluxurile de putere prin punctul comun de conectare (PCC) al microrețelei, pentru o perioadă de două săptămâni, în cazul celor trei strategii de control (CB, OSO. OMO).

Fig. 3.3. Scenariul de insularizare cu o producție scăzută a surselor distribuite. Necesarul sarcinilor critice este asigurat prin controlul sarcinilor non-critice și a sistemului de stocare, în modul de funcționare insularizat.

Pentru a determina în mod grafic „frontul Pareto” în cazul problemei de optimizare multi-obiectiv, spațiul obiectiv fezabil pentru toți vectorii mărimilor de intrare controlabile în timpul unei dispecerizări este reprezentat grafic pentru un timp , ales arbitrar. Fluxul de putere prin PCC către rețeaua electrică publică, la pasul anterior de timp este ) = 734 kW, unde Δt este pasul de timp dintre două operări.

În figurile 3.4 până la 3.6 se prezintă sub formă grafică fiecare soluție fezabilă pentru controlul surselor distribuite în ceea ce privește două obiective.

Fig. 3.4. Proiecția regiunii obiectivului 5-dimensional al OMO în două dimensiuni obiective: fluctuațiile de cost și de putere. Punctele roșii reprezintă frontul optim Pareto pentru cele două obiective, punctele turcoaz reprezintă soluții care sunt Pareto optime în figurile 3.5 și 3.6, dar nu și pentru aceste obiective, iar punctele albastre arată soluții care nu sunt Pareto optime.

Fig. 3.5. Proiecția regiunii obiectivului 5-dimensional al OMO în două dimensiuni obiective: cost și putere de vârf. Punctele roșii reprezintă frontul optim Pareto pentru cele două obiective, punctele turcoaz reprezintă soluții care sunt Pareto optime în figurile 3.4 și 3.6, dar nu și pentru aceste obiective, iar punctele albastre arată soluții care nu sunt Pareto optime

Regiunile obiective fezabile sunt prezentate pentru cazul cu parametrii de ponderare egali (). Punctele de culoare roșie din fiecare grafic cuprind frontul Pareto și se poate observa că îmbunătățirea unui obiectiv într-o soluție optimă Pareto are ca rezultat „compromiterea” unui alt obiectiv. Aceste reprezentări grafice exemplifică conflictul și compromisul dintre obiectivele alese pentru această etapă de timp și demonstrează eficiența tehnicii de scalarizare propusă de autorul tezei pentru a stabili cea mai adecvată metodă de dispecerizare.

Fig. 3.6. Proiecția regiunii obiectivului 5-dimensional al OMO în două dimensiuni obiective: putere de vârf și fluctuații de putere. Punctele roșii reprezintă frontul optim Pareto pentru cele două obiective, punctele turcoaz reprezintă soluții care sunt Pareto optime în figurile 3.4 și 3.5, dar nu și pentru aceste obiective, iar punctele albastre arată soluții care nu sunt Pareto optime.

Variația penetrării surselor distribuite de energie

În timp ce toate celelalte caracteristici au rămas neschimbate, capacitățile instalate ale surselor de energie eoliană și solară au fost variate între 50% și 150% din puterea de vârf pentru a determina capacitatea controlerului de optimizare multi-obiectiv de a atenua efectele negative ale implementării unei penetrări ridicate a surselor distribuite de energie.

În figurile 3.7-3.9 se prezintă fluctuația maximă de putere „văzută” de rețeaua electrică publică cu o penetrare corespunzătoare a surselor regenerabile. Punerea în aplicare a controlerului de optimizare multi-obiectiv reduce fluctuațiile de putere la mai puțin decât fluctuațiile de sarcină cu o penetrare mai mică sau egală cu 120% energie eoliană (fig. 3.7), 100% energie solară (fig. 3.8) sau 150% mix de producție (fig. 3.9). Penetrarea solară este mai mică decât cea eoliană, deoarece profilul energetic are o corelație mai mare cu prețul energiei pe piață.

Fig. 3.7. Fluctuația maximă de putere definită ca o funcție de gradul de penetrare a sistemelor eoliene pentru scenariul CB (romb) și scenariul controlerului OMO (cerc) în raport cu fluctuația sarcinii (linia neagră)

Fig. 3.8. Fluctuația maximă de putere definită ca o funcție de gradul de penetrare a sistemelor fotovoltaice pentru scenariul CB (romb) și scenariul controlerului OMO (cerc) în raport cu fluctuația sarcinii (linia neagră)

Fig. 3.9. Fluctuația maximă de putere definită ca o funcție de gradul de penetrare a surselor distribuite de energie (50% eolian și 50% solar) pentru scenariul CB (romb) și scenariul controlerului OMO (cerc) în raport cu fluctuația sarcinii (linia neagră)

În figurile 3.10-3.12 se prezintă importul/exportul maxim de putere de vârf din/către microrețea. Punerea în aplicare a controlerului de optimizare multi-obiectiv reduce importul/exportul maxim de putere de vârf cu până la 11,9% pentru vânt (fig. 3.10), 14,8% pentru solar ( fig. 3.11) și 14,2% pentru ambele surse (fig. 3.12) pentru toate nivelurile de penetrare între 50% si 150%.

Fig. 3.10. Fluxul maxim de putere definit ca o funcție de gradul de penetrare a sistemelor eoliene pentru scenariul CB (romb) și scenariul controlerului OMO (cerc) în raport cu fluctuația sarcinii (linia neagră)

Fig. 3.11. Fluxul maxim de putere definit ca o funcție de gradul de penetrare a sistemelor fotovoltaice pentru scenariul CB (romb) și scenariul controlerului OMO (cerc) în raport cu fluctuația sarcinii (linia neagră)

Analiza parametrică a variației penetrării surselor distribuite de energie, arată că optimizarea multi-obiectiv propusă, poate cupla efectiv sursa distribuită de energie cu controlul coordonat al sarcinilor controlabile și stocarea de energie pentru a prezenta în PCC un profil cu fluctuații de putere redus.

Fig. 3.12. Fluxul maxim de putere definit ca o funcție de gradul de penetrare a surselor distribuite de energie (50% eolian și 50% solar) pentru scenariul CB (romb) și scenariul controlerului OMO (cerc) în raport cu fluctuația sarcinii (linia neagră)

Concluzii capitol

Abordarea bazată pe scalarizare, prezentată în acest capitol, se dovedește a fi foarte utilă pentru operarea microrețelelor cu obiective multiple. În general, procesul de scalarizare este unul dificil, deoarece funcțiile și parametrii de scalare exacți nu sunt cunoscuți priori; totuși, în acest caz, toți parametrii microrețelei sunt deja cunoscuți în avans. Mai mult, această abordare este potrivită pentru problema dispecerizării, deoarece cu ajutorul sumelor ponderate se formează întotdeauna o combinație strict convexă de obiective atunci când se asigură că toate ponderile sunt pozitive și se adaugă la unitate, care la rândul său este garantată pentru a obține o soluție Pareto globală optimă [93]. Problema de optimizare multi-obiectiv, eficientizează simultan toate obiectivele în timp ce este rezolvată ca o problemă cu un singur obiectiv, prin urmare nu necesită utilizarea de tehnici de inteligență artificială pentru a determina frontul Pareto [93].

În această teză, autorul susține faptul că optimizarea unui singur obiectiv într-o microrețea, în special cu un grad înalt de penetrare a surselor distribuite de energie, nu este suficientă. Deși o optimizare cu un singur obiectiv va genera cel mai mic cost, caracteristicile de funcționare ale acestui controler determină ca puterea în PCC să aibă fluctuații mari și vârfuri crescute prin comparație cu scenariul de bază (fără control). Microrețelele ar putea avea un potențial mai mare de implementare dacă, pe lângă optimizarea beneficiilor locale, ele optimizează și beneficiile care prezintă interes pentru companiile de utilități. Acest aspect nu poate fi realizat cu un controler de optimizare cu un singur obiectiv, dar poate fi adresat cu ușurință într-un controler de optimizare multi-obiectiv.

Fiecare microrețea este implementată din motive diferite, pentru a îndeplini roluri specifice și, prin urmare, are obiective specifice pe care trebuie să le satisfacă cu ajutorul controlerelor. Abordarea prezentată este adaptabilă la orice tip de microrețea deoarece funcțiile de cost ale obiectivelor permit cuantificarea acestora prin metrici standard ale fiecărei jurisdicții, în timp ce parametrul de ponderare subiectiv permite prioritizarea relativă a obiectivelor, cu diferite grade de evaluare.

Valorile parametrilor specifici și cuantificarea funcțiilor de cost utilizate în acest studiu au fost preluate din diferite surse bibliografice și, astfel, cuantificarea poate evalua un obiectiv mai mare decât altul. Cu toate acestea, scopul paragrafului 3.3.2 este de a oferi o perspectivă asupra modului în care poate fi făcută cuantificarea, iar relațiile (3.3) – (3.7) pot fi ușor înlocuite cu alte funcții de cuantificare pentru a fi în concordanță cu valorile locale ale microrețelei. O problemă cu privire la cuantificarea beneficiilor pentru care nu există o piață directă constă în faptul că, aceasta trebuie estimată. Formularea propusă în acest capitol este suficient de generică pentru a fi implementată pe orice tip de microrețea și personalizabilă pentru a optimiza toate obiectivele evaluate de fiecare operator.

Scopul analizei parametrice este de a demonstra modul în care un controler de microrețea poate atenua efectele negative ale implementării diferitelor niveluri de penetrare ale surselor distribuite de energie. Planificarea sistemului și studiile de dimensionare sunt în afara domeniului de aplicare al tezei.

CAPITOLUL 4 CONTROLUL CENTRALIZAT ÎN MICROREȚELE CU AJUTORUL SISTEMELOR MULTI-AGENT

Introducere

În continuare se tratează introducerea unui controler central de microrețea dezvoltat cu ajutorul sistemelor multi-agent (SMA). La nivelul acestui controler sunt implementate acțiuni de control secundar și terțiar precum optimizarea funcționării surselor distribuite pentru a se atinge anumite obiective în prezenta unor restricții, prognoza și angajarea rezervelor pentru situații de urgență, determinarea angajamentului unitar al surselor distribuite, insularizarea intenționată sau delestarea de sarcină. În acest sens, se prezintă modalitatea de agregare a surselor de generare distribuite, în surse electrice virtuale pentru a facilita dispecerizarea economică și angajamentul unității la nivelul microrețelei. Rolul controlerului central este de asigura o „inteligență” relativ suficientă a sursei distribuite de energie, astfel încât controlerele distribuite să poată efectua decizii distribuite fără a necesita consultări de la un agent central.

Principalul obstacol în calea implementării unui control distribuit strict îl reprezintă gradul de inteligență locală al unei surse distribuite din microrețea. Fără cunoașterea la nivel global a parametrilor de funcționare, a limitelor și a caracteristicilor celorlalte surse, o sursă distribuită nu știe cât de multă putere să producă, în mod optim, la o schimbare a puterii reziduale. Fără acces la toate informațiile disponibile din orice altă sursă distribuită, nu există nicio garanție că o dispecerizare distribuită este cea mai bună posibilă. Controlerul ierarhic propus abordează această problemă prin algoritmul de la nivelul controlerului central, după care controlerele distribuite dețin cunoștințe suficiente despre valoarea sa energetică relativă în microrețea.

Obiectivele principale ale controlerului central în cadrul arhitecturii propuse sunt:

Asigurarea unei inteligențe locale, pentru fiecare controler distribuit, prin intermediul funcțiilor de cost modificate;

Determinarea angajamentului unității sursei distribuite de energie în condițiile de funcționare date.

Cunoașterea la nivel local este furnizată de controlerul central către controlerele distribuite prin modificarea funcției de cost a sursei distribuite de energie în comparație cu funcțiile de cost ale altor surse distribuite de energie, incluse în microrețea. De exemplu, dacă puterea reziduală din microrețea se modifică cu ΔP, atunci fiecare controler distribuit trebuie să posede informații suficiente pentru a controla în mod independent propriile resurse astfel încât mărimile de ieșire ale acestora să fie egale cu dispecerizarea optimă a microrețelei la noua cerere de putere. Acest lucru este realizat la nivelul controlerului central prin agregarea surselor distribuite într-o sursă virtuală (SV), asemănătoare centralei electrice virtuale (CEV) definită ca o „cutie neagră” cu o singură interfață în amonte.

Centralele electrice virtuale au fost propuse ca un mijloc de control al mai multor generatoare astfel încât acestea să poată acționa ca o singură sursă.

CEV-urile reprezintă o agregare a generatoarelor conectate la nivel local care pot fi dispecerizate ca un generator unic, cu o putere echivalentă. Astfel, mai multe generatoare mici pot participa pe piețele de energie [94]. Deoarece toate generatoarele dintr-un CEV pot fi controlate de un singur controler, acest controler trebuie să determine care generatoare ar trebui să funcționeze (angajamentul unității) și parametrii de referință ai fiecărui generator (dispecerizare economică), fie în baza costului marginal al energiei (furnizată atunci când este conectată la rețeaua electrică), fie în baza necesarului total al sarcinilor utilizatorilor (atunci când funcționează în modul insularizat) [95]. Deoarece există multe paralele între obiectivele CEV-urilor și ale unui controlor de microrețea, o abordare similară este folosită în arhitectura de control centralizat propusă în această teză.

Una dintre cele mai importante probleme ale CEV-urilor este aceea de a controla generatoarele care le alcătuiesc și de a determina puterea lor în cele două situații: angajamentul unității și dispecerizarea economică [96]. Aceste probleme au fost abordate prin tehnicile de relaxare Lagrange [97], algoritmul „roi de particule” (engl: particle swarm) pentru a reduce spațiul de căutare a soluțiilor [98] și algoritmul de competiție imperialistă pentru a include, printre altele, constrângerile de timp (pornit/oprit) ale generatoarelor [99]. Cu toate acestea, în sistemele cu un număr mare de surse de energie distribuite, sarcina de a efectua angajamentul unității și dispecerizarea economică poate fi dificilă, necesitând un volum mare de calcul deoarece acestea sunt probleme neliniare mixte [96].

Agregarea surselor distribuite de energie în surse virtuale

Surse distribuite cu funcții de cost neliniare

Formularea matematică pentru agregarea în surse virtuale este demonstrată, în primul rând, pentru două surse distribuite cu funcții de cost neliniare () și apoi îmbunătățită în paragraful 4.2.2 pentru cazul special al surselor distribuite cu funcții de cost liniare și extinsă în subcapitolul 4.5 pentru mai multe surse distribuite de energie.

Obiectivul acestui paragraf este de a determina direct funcțiile obiectiv de cost ale sursei virtuale prin combinarea a două surse distribuite de energie. Procesul este demonstrat într-o manieră grafică, folosind un exemplu; parametrii pentru cele două surse distribuite de energie sunt dați în tabelul 4.1, iar rezultatele combinării celor două surse sunt prezentate pe parcursul formulării.

Tabel 4.1. Parametrii surselor distribuite de energie considerați în cadrul formulării

Formularea matematică pentru crearea surselor virtuale presupune parcurgerea următoarelor etape:

Determinarea funcțiilor de cost marginal

Se presupune că fiecare funcție de cost a sursei distribuite de energie este o funcție pătratică, în care y desemnează numărul sursei distribuite (unde ) și z indică numărul sursei virtuale (unde ). Prin urmare, fiecare funcție de cost poate fi reprezentată cu ajutorul parametrilor [96]:

(4.1)

după cum se arată în figura 4.1, cu:

(4.2)

Este important de observat că, în această formulare, fiecare sursă distribuită de energie care face parte din sursa virtuală este în funcțiune (metoda de determinare a angajamentului unității este descrisă în subcapitolul 4.4). Prin derivarea ecuației (4.1), funcțiile de cost marginal devin:

(4.3)

Întrucât reprezintă costul marginal al energiei, în continuare va fi înlocuită cu . Rezultatul acestei etape este prezentat în figura 4.2.

Fig. 4.1. Funcțiile de cost ale cele două surse distribuite de energie din exemplul dat.

Fig. 4.2. Funcțiile de cost marginal ale cele două surse distribuite de energie

Inversarea graficului la

Deoarece este o funcție de tipul „one-to-one” pentru , ecuația (4.3) poate fi inversată pentru a obține ca o funcție de [96]:

(4.4)

Acest lucru este arătat sub formă grafică în figura 4.3. La fel ca în cazul dispecerizării economice, sursele distribuite de energie vor funcționa cu un cost marginal al energiei egal, pentru a minimiza costul total. Adică, atunci când ambele surse distribuite funcționează la aceeași valoare marginală, puterile lor însumate vor fi rezultatul sursei virtuale la acea valoare marginală. Prin urmare, ar trebui adăugate puterile surselor distribuite, menținând în același timp puterea minimă și maximă la borne pentru regiunile din afara domeniului lor de producție [96]:

(4.5)

Fig. 4.3. Funcțiile inverse ale puterii surselor distribuite în funcție de costul marginal.

Curba de putere a sursei virtuale (SV) în funcție de costul marginal poate avea până la trei regiuni distincte, după cum se arată în figura 4.4.

Fig. 4.4. Funcțiile inverse ale puterii surselor distribuite în funcție de costul marginal

În zona A, cu un domeniu

(4.6)

curba de putere a sursei distribuite cu cel mai mic cost marginal va fi adăugată la a sursei distribuite cu costul marginal mai mare. Pentru simplificare, în figura 4.2 indicele l va fi folosit pentru a nota sursa distribuită cu cea mai mică valoare minimă a costului marginal și indicele h va fi folosit pentru a nota sursa distribuită cu cea mai mare valoare minimă a costului marginal pentru zona A. Prin urmare, în domeniul zonei A, care este determinat prin combinarea (4.6) și (4.3):

(4.7)

puterea totală a sursei virtuale este:

(4.8)

În zona B, cu un domeniu:

(4.9)

ambele surse distribuite de energie funcționează în limitele lor, iar costurile lor marginale sunt egale. Prin urmare, puterea totală produsă de sursa virtuală poate fi determinată cu (4.5) și simplificată la:

(4.10)

În zona C, având un domeniu

(4.11)

curba de putere a sursei distribuite cu cel mai mare cost marginal va fi adăugată la a sursei distribuite cu cea mai mică valoare a costului marginal. În acest sens, în figura 4.2 se va folosi indicele L pentru a indica sursa distribuită cu cea mai mică valoare maximă a costului marginal, iar indicele H pentru a nota sursa distribuită cu cea mai mare valoare maximă a costului marginal în zona C. Prin urmare:

(4.12)

este echivalent cu:

(4.13)

puterea totală a sursei virtuale este :

(4.14)

Puterea rezultată a sursei virtuale în funcție de costul marginal este prezentată în figura 4.4 (culoarea verde).

Inversarea graficului înapoi la

Cele trei zone ale curbei liniare pot fi ușor convertite înapoi pentru a obține funcția de cost marginal ca o funcție de puterea sursei virtuale.

Pentru domeniul zonei A, minimul puterii la bornele sursei virtuale este suma puterilor minime ale surselor distribuite de energie. Puterea maximă în acest domeniu poate fi determinată prin înlocuirea lui max{λ} în (4.7) cu (4.8). Acest lucru are ca rezultat un domeniu:

(4.15)

unde indicii l și h au aceeași semnificație ca în pașii anteriori. Se rearanjează relația (4.8) pentru a obține pentru zona A:

(4.16)

Cea mai mică putere din domeniul zonei B este la max{} din (4.15). Puterea maximă în domeniu poate fi determinată de puterea minimă din zona C. Aceasta înseamnă că prin înlocuirea lui min {λ} în (4.13) cu (4.14) se obține puterea maximă în domeniul zonei B:

(4.17)

unde indicii l, h, L, H au aceeași semnificație ca în pașii anteriori. Este important de reținut că sursa distribuită reprezentată de indicele l nu trebuie să fie acceași sursă reprezentată de indicele L, deoarece acestea sunt determinate independent în diferite puncte ale graficului. Costul marginal în această zonă este determinat prin rearanjarea relației (4.10):

(4.18)

Datorită simetriei ecuației de mai sus, aceasta se poate fi echivalentă și cu:

(4.19)

Puterea minimă în domeniul zonei C, este echivalentă cu puterea maximă obținută cu (4.17), iar valoarea maximă a puterii la bornele sursei virtuale este egală cu suma puterilor maxime ale surselor distribuite. Acest lucru are ca rezultat un domeniu:

(4.20)

Rearanjând ecuația (4.14) se obține:

(4.21)

În figura 4.5 se prezintă curba costurilor marginale totale (culoare verde) și puterea la bornele sursei virtuale. Pe baza acestei curbe, se poate determina cu ușurință puterea optimă la bornele fiecărei surse distribuite, ca o funcție fie a costurilor marginale, fie a puterii totale solicitate de sursa virtuală.

Fig. 4.5. Funcțiile de costuri marginale a celor două surse de energie distribuite.

Integrarea funcției de cost marginal pentru a obține funcția de cost a sursei virtuale

Integrarea funcției de cost marginal este simplă, cu excepția determinării lui în anumite zone. Se presupune că domeniile din cele trei zone descrise la pasul 3 rămân neschimbate.

Funcția de cost a sursei virtuale în zona A este determinată prin integrarea ecuației (4.16) :

(4.22)

Constanta integrării , poate fi găsită prin evaluarea expresiilor (4.22) și (4.1) pentru min{} în relația (4.20), astfel:

(4.23)

Prin urmare:

(4.24)

Funcția de cost a sursei virtuale în zona B este determinată prin integrarea ecuației (4.18):

(4.25)

Constanta integrării , poate fi găsită prin evaluarea (4.25) și (4.1) în:

(4.26)

la următoarele niveluri de putere (care corespund lui min{} în (4.17):

(4.27)

(4.28)

(4.29)

Simplificând, se obține:

(4.30)

Fig. 4.6. Funcțiile de cost ale celor două surse de energie distribuite. reprezintă punctul în care funcția de cost pentru se intersectează cu funcția de cost pentru SV

Funcția de cost a sursei virtuale în zona C este determinată prin integrarea ecuației (4.21):

(4.31)

Constanta integrării , poate fi găsită prin evaluarea (4.31) și (4.1) pentru max{} în relația (4.20), astfel:

(4.32)

Prin urmare:

(4.33)

Algoritmul de agregare într-o sursă virtuală a două surse distribuite de generare

Tabel 4.2. Parametrii finali și formulele coeficienților pentru sursele virtuale

Surse distribuite cu funcții de cost liniare

Considerând cazul particular al surselor virtuale sau distribuite de energie care au o curbă de cost liniară astfel încât:

(4.38)

O caracteristică a curbei liniare de cost este aceea că, curba de cost marginal are o valoare constantă, λ = . Aceasta înseamnă că nu există zone pentru care o schimbare a puterii implică o schimbare a costului marginal al energiei. Cu alte cuvinte, prin formularea stabilită, sursa virtuală creată în zona B nu va exista, iar sursa cu curba liniară de cost va avea numai termenii cu indicii H și l (nu și pe cei cu indicii h și L). Prin urmare, parametrii pentru zona B nu trebuie calculați ori de câte ori o sursă distribuită sau virtuală de energie cu o curbă de cost liniară sunt combinate pentru a crea o nouă sursă virtuală.

Mai mult decât atât, ecuațiile (4.8) și (4.14) pentru care parametrul α apare la numitor sunt cele corespunzătoare valorilor maxime și minime ale puterilor surselor virtuale create în zona A și zona C. Aceste ecuații trebuie modificate dacă ambele surse de energie care sunt agregate au, o curbă de cost liniară, ca α = 0 pentru ambele resurse. În aceste zone, dacă parametrii β nu sunt egali numai o singură sursă de energie (distribuită/virtuală) nu va avea o putere constantă. Prin urmare atunci când se agregează două surse cu curbe de cost liniare, trebuie ca:

(4.39)

(4.40)

Modificarea parametrilor surselor distribuite de energie

Pentru ca, controlerele distribuite de microrețea să efectueze dispecerizarea de la distanță, valorile parametriilor modificați ai surselor distribuite de energie trebuie să fie trimise înapoi de către controlerul central al microrețelei. Deși funcția de cost inițial poate fi utilizată în modul „microrețea conectată la rețea” (cu valori marginale echivalente ale costului energiei), parametrii modificați permit controlerului distribuit să determine dispecerizarea corespunzătoare în timp ce cunoaște numai sarcina reziduală. Mai mult, parametrii modificați includ puterile minime și maxime în care zona de operare este optimă.

Presupunând că problema angajamentului unității a fost rezolvată (aceasta este abordată în subcapitolul 4.4), funcția de cost marginal a fiecărei surse distribuite de energie trebuie să fie egală cu funcția de cost marginal a sursei virtuale. Adică, dacă se cunoasște o anumită putere reziduală în microrețea (), puterea la bornele sursei distribuite poate fi calculată prin:

(4.41)

(4.42)

(4.43)

Comparând relația (4.43) cu (4.3), parametrii modificați ce trebuie transmiși către controlerul central sunt:

(4.44)

(4.45)

Fiecare controler distribuit poate determina în mod independent puterea necesară la bornele sursei distribuite atunci când se cunoaște doar puterea reziduală, astfel [96]:

(4.46)

Puterea la bornele sursei distribuite de energie, pentru cazul cu curbă de cost liniară, este pur și simplu egală cu puterea reziduală minus puterile celorlalte surse distribuite, setate la valoarea marginală dată. Cu alte cuvinte, toate celelalte surse distribuite cu curbe de cost pătratice funcționează la o putere specifică în timp ce sursele cu curbă de cost liniară egalează puterea reziduală din microrețea.

Trebuie reținut faptul că, în loc să se utilizeze costul marginal al energiei ca parametru de intrare pentru calcularea puterii la bornele sursei, acești parametri modificați permit utilizarea puterii reziduale a microrețelei, ca parametru de intrare. În mod inerent, cu expresia (4.46) se determină costul marginal al energiei pe baza sarcinii reziduale și apoi se calculează puterea la bornele sursei distribuite. Aceasta este utilizată în cele două moduri de operare ale microrețelei „conectată la rețea” și „insularizată”, deoarece sistemul energetic este, de asemenea, considerat ca o sursă distribuită în algoritmul de dispecerizare (aceste aspecte sunt detaliate în Capitolul 5).

Alături de parametrii de cost modificați, se calculează puterile minime și maxime din zona respectivă corespunzătoare puterilor de ieșire minime și maxime ale zonelor specifice sursei virtuale din tabelul 3.2. Similar determinării parametrilor de cost distribuiți, modificați, valoarea marginală a costului energiei la puterea minimă și maximă a sursei virtuale pentru regiunea de operare dată, este egală cu cea a sursei distribuite:

(4.47)

(4.48)

(4.49)

Cu toate acestea, în cazul în care sursa distribuită de energie funcționează la constrângerile minime de încărcare, este posibil ca valoarea marginală a costului energiei să fie mai mică decât cea a sursei distribuite la această putere minimă. Prin urmare, controlerul central al microrețelei stabilește puterea minimă:

(4.50)

Similar:

(4.51)

Determinarea angajamentului unității

Algoritmul prezentat anterior nu este limitat în mod inerent la un număr maxim de surse distribuite de energie. Spre deosebire de alți algoritmi de determinare a angajamentului unității care folosesc o abordare iterativă pentru a converge la o soluție (cum ar fi algoritmul SBB utilizat în GAMS din subcapitolul 3.4), abordarea propusă în această teză, pentru rezolvarea problemei numerice mixte, este garantată pentru a determina o soluție fără o posibilitate de divergență. Cu toate acestea, două ipoteze principale ale acestui proces de asigurare a valabilității algoritmului se referă la faptul că funcțiile de cost ale surselor pot fi exprimate într-o formă de ordinul doi și că, curbele de costuri pătratice sunt convexe.

Problema angajamentului unității poate fi rezolvată cu ajutorul funcției de cost a tuturor surselor, după cum se arată în figura 4.6. În acest exemplu, este mai economic să fie în funcțiune numai cu orice punct de putere mai mic decât punctul , în timp ce pentru orice punct de putere mai mare decât , este mai economic să fie în funcțiune ambele surse distribuite de energie. Când se utilizează mai multe surse distribuite și virtuale de energie, angajamentul unității poate fi determinat la prin găsirea sursei virtuale care atinge min{)} astfel încât ∈[]. Angajamentul unității se calculează direct prin determinarea acelor surse distribuite care au fost utilizate pentru a crea sursa virtuală, iar acest lucru va da funcția de cost global minimală a tuturor combinațiilor de soluții.

Unul dintre avantajele acestei abordări constă în simplitatea implementării unei curbe de tip histerezis în jurul punctelor de putere de interes, pentru a reduce tranzițiile ON/OFF ale sursei distribuite, după cum se arată în figura 4.7

Fig. 4.7. Demonstrarea implementării unui procedeu de tip histerezis pentru a reduce numărul de tranziții ON /OFF ale sursei distribuite în angajamentul unității.

Într-un sistem care conține surse de energie sau sarcini cu variabilitate mare, puterea necesară a sursei virtuale rezultante poate fluctua în jurul valorii de , ceea ce ar putea provoca, surselor distribuite de energie, tranziții ON/OFF frecvente. Pentru a se reduce numărul comutațiilor ON/OFF pentru sursele distribuite de energie, se va implementa un histerezis pe curbă. În acest exemplu histerezisul se formează prin menținerea în stare ON atunci când puterea crește până la valoarea (unde devine ON) și prin menținerea SV în stare ON până când cererea atinge valoarea (unde devine OFF). Deși acest lucru va conduce la o operare ineficientă economic, în intervalul , va contribui la reducerea numărului de operațiuni de comutare pentru sursa distribuită de energie.

Valorile și pot fi determinate într-o manieră probabilistică, care reduce costul sistemului și sunt dependente de variația producției surselor distribuite, a sarcinilor și a altor resurse necontrolate. Considerând , costul tranzitiei către starea ON/OFF, obiectivul constă în determinarea puterii trecute de punctul de interes (punctul de putere () la care este mai benefică oprirea sursei virtuale decât continuarea cu actualul angajament al unității). Pentru puterea minimă modificată, obiectivul constă în determinarea astfel încât:

(4.52)

Similar, puterea maximă modificată este obținută prin determinarea lui astfel încât:

(4.53)

Algoritmul extins pentru agregarea mai multor surse distribuite de energie

Pentru a extinde formularea matematică propusă astfel încât sursa virtuală să încorporeze și alte tipuri de surse distribuite de energie sau virtuale (deoarece acesta este principalul beneficiu al implementării unei surse virtuale), ecuațiile directe prezentate mai sus trebuie aplicate doar o singură dată pentru fiecare y ∈ D, în orice combinație între sursele distribuite și cele virtuale, z ∈ V. După cum se arată în figura 4.8, procesul iterativ creează noi surse virtuale prin adăugarea mai multor surse distribuite și salvează sursele create (distribuite și virtuale) în V.

Odată ce angajamentul unității a fost determinat de controlerul central, domeniul de putere al sursei virtuale () poate fi extins cu ușurință pentru a menține angajamentul unității curente dacă evaluarea preconizată de menținere a surselor distribuite în starea lor de funcționare este mai mică decât modificarea angajamentului unității. Aceasta reprezintă o soluție la o problemă care este deosebit de pertinentă în cazul microrețelelor care încorporează o penetrare ridicată a resurselor volatile. Prin urmare, această formulare poate fi adaptată la o varietate de topologii de microrețea, amestecuri tehnologice și profile de putere.

O caracteristică importantă a algoritmului constă în determinarea angajamentului unității și ajustarea în trepte a surselor virtuale în etapele S3 și respectiv S4 (fig. 4.8). Scopul acestor etape este de a elimina orice sursă virtuală a cărei funcție de cost nu este niciodată cea mai mică din întregul său domeniu (comparativ cu alte surse virtuale din V), reducând astfel numărul de elemente din V înainte de a adăuga alte surse distribuite. Pentru sursele virtuale cu domenii suprapuse, acești pași reduc de asemenea domeniile lor, astfel încât numai sursa virtuală cu cea mai mică funcție de cost este în funcțiune. Prin urmare, orice sursă distribuită nou adăugată prin algoritm se va combina doar cu sursele virtuale care s-au dovedit a fi cele mai economice pentru fiecare zonă din domeniul de putere. Acest lucru reduce necesarul de calcul atunci când sunt adăugate mai multe surse distribuite în pașii viitori.

Ca și în cazul altor algoritmi de determinare a angajamentului unității, odată cu creșterea numărului de surse distribuite, crește și numărul total al calculelor. Notând cu | D | cardinalitatea mulțimii D care conține numărul total al surselor distribuite din componența microrețelei, numărul maxim de surse virtuale care poate fi creat este [96]:

(4.54)

Aceasta reprezintă o problemă majoră pentru microrețelele care includ un număr mare de surse distribuite deoarece (4.54) arată că numărul potențial de surse virtuale poate fi de ordinul | D |. Cu toate acestea, funcția de decuplare de la S4 din figura 4.8 reduce numărul de surse virtuale la fiecare pas al algoritmului (reducând astfel semnificativ complexitatea algoritmului) și deoarece majoritatea microrețelelor propuse funcționează numai cu câteva surse distribuite, aceasta nu este o problemă în situații din lumea reală.

Fig. 4.8. Schema logică de agregare a mai multor surse distribuite de energie

într-o sursă virtuală

În cazul aplicațiilor din lumea reală, care încorporează un număr semnificativ de surse distribuite, microrețeaua ar putea fi structurată în microrețele imbricate pentru a reduce complexitatea de calcul. Astfel, algoritmul propus poate fi utilizat cu ușurință pentru a grupa unele surse distribuite în clustere și pentru a determina curba sursei virtuale ca și cum ar fi o sursă unică în anumite domenii. Deoarece agregarea rezultată este tratată ca o singură entitate, aceast lucru reduce semnificativ numărul total de calcule și max | V | din (4.54). Mai concret, cu un număr total de | D | surse distribuite, clusterele ar putea fi împărțite în perechi de surse distribuite, iar numărul total de surse virtuale calculate este redus la:

(4.55)

(4.56)

în care numărul total de straturi de microrețele îmbricate este . Primul termen din (4.55) se referă la sursele distribuite tratate ca surse virtuale, iar termenul se referă la faptul că fiecare sursă distribuită trebuie să se combine cu alte surse virtuale în abordarea îmbricată. Cu acest algoritm, fiecare microrețea îmbricată trebuie să determine zona sa de operare și care sursă virtuală trebuie trimisă la microrețeaua superioară pentru a reduce complexitatea computațională.

Această abordare este, de asemenea, aplicabilă conceptului de sisteme mai mici care funcționează ca microrețele sau nanorețele ca prim pas în dezvoltarea microrețelelor [95]. De asemenea, poate facilita integrarea microrețelei cu rețeaua publică și sistemul de management al distribuției cu ajutorul unei interfețe coerente, care este independentă de tehnologiile surselor distribuite sau virtuale de energie și de topologia microrețelelor.

Determinarea angajamentului unității și dispecerizării economice a surselor distribuite de energie dintr-o microrețea facilitează integrarea surselor regenerabile volatile. Dacă sursa de energie este necontrolabilă, puterea sa la borne este considerată ca o sarcină negativă și inclusă în puterea reziduală a microrețelei, fără a include această sursă distribuită ca sursă controlabilă în algoritm. Dacă, totuși, puterea la bornele surselor regenerabile poate fi redusă, aspectul controlabil este încorporat în algoritm ca și cum ar fi o sarcină controlabilă, cu puterea maximă egală cu puterea pe care o poate reduce. În cazul în care puterea la bornele sursei volatile este intermitentă ( de exemplu atunci când nu produce nicio putere), puterea minimă și maximă a acestei resurse este egală cu zero; prin urmare producția sa este fixată până când se atinge puterea care poate fi redusă. Astfel, această formulare ia în considerare volatilitatea și discontinuitatea funcționării surselor volatile prin modificarea parametrilor caracteristici, deoarece puterea produsă variază.

Pe baza parametrilor modificați, calculați și transmiși, către controlerele distribuite, acestea din urmă, pot folosi funcția de cost marginal pentru a determina dacă sau cât de mult ar trebui să producă, deoarece problema angajamentului unității a fost deja rezolvată la nivel central. Prin urmare, dispecerizarea economică a surselor distribuite poate fi determinată la nivel local printr-o singură intrare care este partajată în microrețea și anume puterea reziduală. În timp ce funcționează în zona specifică a sursei virtuale, puterea reziduală va fi partajată pe baza mapării sale cu puterea la bornele sursei distribuite prin parametrii modificați, adică parametrii permit calculul direct a lui . Mai mult, când s-au atins limitele locale, acest lucru a oferit controlerelor distribuite capacitatea de a solicita o dispecerizare în funcție de eveniment, în loc să se bazeze pe o dispecerizare periodică care este omniprezentă în literatura de specialitate.

Studii de caz

În continuare sunt prezentate două studii de caz pentru algoritmul de „control centralizat” al unei microrețele.

Studiu de caz 1: Surse distribuite de energie cu curbe de cost liniare și negative

În acest caz se consideră un scenariu cu o valoare constantă pe kilowatt-oră în plus față de sursele distribuite cu funcții de cost pătratice, cum ar fi unitățile termice de generare. Mai mult, unele dintre sursele distribuite pot avea curbe de cost și puteri negative. Studiul de caz constă într-o microrețea conectată la rețeaua electrică publică, ale cărei surse distribuite includ: rețeaua electrică publică (), reducerea surselor regenerabile de energie (), încărcarea sistemului de stocare a energiei (), descărcarea sistemului de stocare a energiei (), reducerea sarcinii (), un generator diesel mediu () și un generator diesel electric de putere mică (). Funcția de cost a rețelei electrice este liniară deoarece microrețeaua este relativ mică și, prin urmare, are o influență neglijabilă asupra pieței de energie. Reducerea surselor regenerabile de energie are un efect similar cu adăugarea de sarcină, astfel încât domeniul său de putere este negativ. Curbele de cost ale sistemului de stocare a energiei sunt împărțite în funcții separate de cost, de încărcare (), și de descărcare (). Mai multe detalii privind această implementare sunt furnizate în subcapitolul 5.3. Parametrii utilizați pentru sursele distribuite sunt dați în tabelul 4.3, iar funcțiile lor de cost sunt prezentate în figura 4.9

Tabel 4.3. Parametrii surselor distribuite de energie considerați în cadrul studiului de caz [96]:

În urma parcurgerii algoritmului de agregare a surselor distribuite se obține sursa virtuală rezultantă ca o funcție a puterii reziduale, prezentată în figura 4.10. Funcțiile de cost marginal ale surselor virtuale sunt prezentate în figura 4.11. Parametrii surselor virtuale rezultante sunt sintetizați în tabelul 4.4. Este interesant de remarcat faptul că, deși sistemul de stocare este reprezentat de două surse distribuite separate, rezultatele demonstrează că acestea nu se află simultan în funcțiune în cadrul algoritmului de angajament al unității. De exemplu, în sursa virtuală z=8, s-au agregat rețeaua publică (), descărcarea sistemului de stocare a energiei (), un generator diesel mediu () și un generator diesel electric de putere mică ().

Din figura 4.11 se poate observa că funcția de cost devine negativă pentru Acest lucru înseamnă că microrețeaua se comportă ca un producător ce exportă energie în rețeaua publică la prețul pieței din zonă. Pentru puteri reziduale mai mari de 500 kW, microrețeaua importă energie din rețeaua publică și alte surse distribuite de energie devin active în angajamentul unității. Pentru puteri reziduale mai mici de -500 kW, alte surse distribuite decât rețeaua publică, cu evaluări pozitive (deoarece reducerea sarcinii are un cost asociat, după cum este detaliat în paragraful 3.3.2) devin active în angajamentul unității, determinând astfel o evaluare mai bună a microrețelei.

Fig. 4.9. Funcțiile de cost ale surselor distribuite. Fig. 4.10. Funcțiile de cost ale surselor virtuale

Tabel 4.4. Parametrii calculați pentru sursele virtuale și angajamentul unității pentru DER

Pe măsură ce parametrii sursei virtuale se schimbă cu angajamentul unității, o parte din sursele distribuite funcționează cu o putere constantă la borne pentru sursa virtuală specificată, în timp ce altele operează într-un anumit domeniu. Aceasta explică de ce și , din tabelul 4.4, au curbe de cost diferite cu același angajament al unității și de ce nu toate sursele virtuale care conțin o sursă distribuită cu o funcție de cost pătratică rezultă într-o sursă virtuală cu un coeficient pătratic diferit de zero. Doar sursele virtuale cu funcțiile de cost pătratice ale surselor distribuite care funcționează la o putere variabilă vor genera surse virtuale cu coeficienți pătratici nenuli.

Fig. 4.11. Funcțiile de cost marginal ale surselor virtuale

Studiu de caz 2: Surse distribuite de energie multiple

În acest studiu de caz se validează capacitatea algoritmului propus de a combina efectiv un număr mare de surse distribuite în surse virtuale și de a examina angajamentul unității și dispecerizarea economică. Principala provocare asociată acestui studiu de caz este numărul mare de surse distribuite incluse în microrețea, precum și modul în care algoritmul gestionează mai multe surse cu parametri identici în modul de operare autonom (insularizat). Toate sursele distribuite sunt bazate pe o serie de generatoare antrenate de mașini termice, iar parametrii și funcțiile lor de cost sunt reprezentate grafic în figura 4.12 și centralizate în tabelul 4.5.

Fig. 4.12. Funcțiile de cost ale surselor distribuite

Tabel 4.5. Parametrii surselor distribuite de energie considerați în cadrul studiului de caz [96]:

Algoritmul de agregare pentru acest studiu de caz are ca rezultat un număr de surse virtuale care se întind pe domeniul puterii reziduale . Funcțiile de cost ale tuturor surselor virtuale sunt prezentate în figura 4.13, iar cele de cost marginal sunt prezentate în figura 4.14.

Fig. 4.13. Funcțiile de cost ale surselor Fig. 4.14. Funcțiile de cost marginal ale

virtuale surselor virtuale

Tabel 4.6. Parametrii modificați si angajamentul unității pentru DER, trimiși de la controlerul central către controlerele distribuite și rezultați din puterea reziduală dată

Dacă exemplul anterior arată sursele virtuale rezultate, în acest caz, tabelul 4.6 furnizează parametrii modificați care sunt trimiși către controlerele distribuite în cadrul controlului ierarhic pentru a permite dispecerizarea economică. Deoarece acești parametri modificați furnizează o funcție pentru puterea la bornele sursei în locul unei funcții de cost, rezultatele din tabelul 4.6 arată că toți coeficienții liniari β sunt zero pentru = 2,5 MW și = 5 MW. Aceasta înseamnă că există o relație liniară între o modificare a puterii la bornele sursei distribuite și o schimbare a puterii reziduale Δ. La puteri reziduale mai mari, este necesar un defazaj pentru ca unele surse distribuite să producă puterea corespunzătoare. Parametrul modificat nu trebuie trimis înapoi la controlerele distribuite deoarece acest parametru nu are nici un efect în determinarea puterii la bornele sursei distribuite după ce angajamentul unității a fost stabilit.

Concluzii capitol

Algoritmul propus de autor în acest capitol permite determinarea directă a angajamentului unității unei surse distribuite dintr-o microrețea, precum și a parametrilor cu care controlerele distribuite pot efectua dispecerizarea economică, cunoscând doar puterea reziduală a surselor necontrolabile de energie din microrețea. Formularea asigură funcționarea economică optimă a surselor distribuite din sursa virtuală, iar rezultatele demonstrează că, coeficienții și parametrii sursei virtuale, precum și parametrii modificați ai fiecărei surse distribuite pot fi calculați direct și, prin urmare, nu este necesară rezolvarea unui algoritm convergent. Angajamentul unității și dispecerizarea economică pentru sursele distribuite care alcătuiesc sursa virtuală pot fi determinate la nivel local în funcție de puterea reziduală totală a sarcinilor din microrețea atât în ​​modul de operare „conectată la rețea”, cât și în modul „insularizată”. În plus, implementarea unei bucle de tip histerezis în funcțiile de cost suprapuse, poate reduce numărul de tranziții on/off a ale unei surse distribuite, fapt foarte important într-un sistem care integrează foarte multe sarcini sau surse variabile și incontrolabile.

Se menționează, că spre deosebire de alte modalități de control, controlul centralizat al unei microrețele, propus de autor în cadrul acestui capitol, încorporează următoarele beneficii:

Furnizarea de informații inteligente distribuite;

Abordarea calculului direct pentru problema angajamentului unității;

Admiterea microrețelelor îmbricate;

Reducerea tranzițiilor ON/OFF ale surselor distribuite de energie prin introducerea unui procedeu de tip histerezis;

Adresarea volatilității surselor regenerabile de energie

Formularea propusă de autor, pentru angajamentul unității și dispecerizarea economică, conduce la rezultate identice cu metoda folosită în GAMS (așa cum este descrisă în subcapitolul 3.4) pentru orice domeniu dat. Astfel, se obțin suficiente informații încorporate la nivelul controlerelor distribuite pentru a efectua la nivel local dispecerizarea economică.

CAPITOLUL 5 CONTROLUL INTELIGENT DISTRIBUIT BAZAT PE SISTEME MULTI-AGENT

Introducere

Dacă anterior s-au tratat aspecte privind controlul secundar și terțiar al sistemului de management al energiei pentru un controler central online, în cadrul acestui capitol este dezvoltată o interfață de comunicație cu algoritmul implementat la nivelul controlerului central care determină parametrii surselor distribuite de generare pentru controlul în timp real. În acest scop se formulează parametrii unui sistem de stocare a energiei sub forma unei surse de energie independentă de timp, care va fi folosită pentru echilibrarea producției cu necesarul sarcinilor. În Anexa 2 se prezintă interfața de control a agenților distribuiți, pentru fiecare sursă asociată pe baza condițiilor lor de funcționare specifice, astfel încât să poată interacționa cu controlerul central din amonte dezvoltat în capitolul 4.

În subcapitolul 5.3 se dezvoltă parametrii de evaluare pentru obiectivul de cost al sistemului de stocare a energie. Pe baza cerințelor stabilite în capitolul precedent, parametrii interfaței comune de comunicare dintre controlerul central și controlerele distribuite sunt modelați matematic în continuare, pentru fiecare sursă.

Modelarea matematică a parametrilor optimizării multi-obiectiv

Obiectivul pentru interfața online și modelarea matematică a parametrilor agenților distribuiți este de a crea un cadru în care fiecare sursă distribuită de energie poate avea o interfață comună cu controlerul central al microrețelei. Formularea problemei de optimizare multi-obiectiv prin parametrii pătratici online se face pentru a asigura că:

Parametrii se adaptează la condițiile curente de funcționare pentru a reprezenta mai bine operarea sursei distribuite și a microrețelei (dacă s-ar modifica obiectivul);

Interfața de comunicare cu controlerul central al microrețelei este reprezentată de controlerul sursei distribuite de energie;

Parametrii comunicați de către controlerele distribuite sunt consistenți și adecvați pentru algoritmul controlerului central al microrețelei (algoritm prezentat în capitolul 4);

Problema se rezolvă astfel încât parametrii de funcționare să poată fi determinați la nivel local, de fiecare controler distribuit în scopul reducerii volumului de calcul de la nivelul controlerului central.

Fiecare obiectiv este considerat la nivelul fiecărei surse distribuite, pentru a determina modul în care fiecare tehnologie poate să respecte în mod direct obiectivul respectiv.

Prin modelarea matematică a tuturor parametrilor ca funcții pătratice de cost, ipoteză făcută în subcapitolul 4.2 rămâne valabilă și, prin urmare, algoritmul de controler central prezentat în capitolul 4 poate fi utilizat în mod adecvat și în controlul ierarhic. Detalile pentru obținerea parametrilor sunt prezentate în Anexa 2, iar rezultatele finale sunt sintetizate în tabelul 5.1. Parametrii de evaluare a costurilor pentru sistemul de stocare a energiei sunt prezentați în paragrafele următoare.

Modelarea matematică a obiectivului de cost pentru sistemul de stocare cu baterii

Necesitatea surselor dependente de timp

Sursele dependente de timp, în special sistemele de stocare cu baterii, au fost propuse ca tehnologii cheie pentru a fi incluse în microrețele în scopul obținerii anumitor beneficii cum ar fi îmbunătățirea calității energiei, eliminarea fluctuațiilor de putere ale surselor regenerabile de energie, îmbunătățirea fiabilității și reducerea prețului mediu al energiei [100]. O metodă stabilită pentru rezolvarea dispecerizării economice într-o microrețea constă în utilizarea funcției Lagrange a generatoarelor definiță pe baza prețului acestora față de curbele puterii la borne [101]. Această abordare fiind independentă de timp, nu poate fi aplicată direct surselor de energie dependente de timp. Pentru ca o sursă dependentă de timp să fie inclusă în problema dispecerizării economice, aceasta trebuie fie să fie modelată matematic ca o sursă independentă de timp, fie modificată dispecerizarea economică. În ambele cazuri, valoarea energiei nete stocate (VNES) în sursa dependentă de timp, trebuie determinată și cuantificată și se bazează pe evaluarea sa în comparație cu valoarea energiei în diferite perioade de timp.

Acest lucru se realizează fie prin arbitraj atunci când microrețeaua poate cumpăra sau vinde energie pe piața de energie [102], fie prin măsurare netă cu un tarif în funcție de timpul de utilizare [103] sau atunci când microrețeaua funcționează autonom prin gestionarea surselor distribuite de energie în apropierea punctelor lor cu putere optimizată [87]. Cu toate acestea, energia disponibilă depinde de modul în care a fost folosită în trecut și sunt necesare rezerve pentru modul în care acesta va fi utilizat în perioadele viitoare.

Deși sistemele de stocare nu produc energie, timpul de utilizare și structurile pieței de stabilire a prețurilor pentru energia electrică oferă un cadrul favorabil penru obținerea unui profit economic net prin arbitraj de către aceste sisteme[104]. Întrucât sistemele de stocare nu sunt nici generatoare și nici sarcini nete, ele își câștigă valoarea economică prin aplicarea principiului „cumpărare la preț scăzut, vânzare la preț ridicat” [105]. Cu toate acestea, pentru a utiliza o sursă dependentă de timp într-o problemă de dispecerizare economică și pentru a maximiza valoarea netă a energiei stocate (VNES), este necesară cunoașterea structurii de prețuri și a prognozelor pentru situațiile viitoare care să permită determinarea în mod corespunzător a unui program de dispecerizare optimizat pe mai mulți pași de timp [106].

În acest scop, majoritatea studiilor din literatura de specialitate folosesc un algoritm de prognoză pentru a prezice prețurile viitoare ale energiei, profilul de sarcină și disponibilitatea producției din surse stocastice. Marea majoritate a algoritmilor de dispecerizare depind de prognoze care se presupune a fi 100% exacte în viitorul interval de dispecerizare [102, 103, 107]. Deși algoritmii de prognoză au reprezentat subiectul multor lucrări de cercetare [108], această abordare deterministă a dispecerizării viitoare nu ia în considerare efectele erorilor de prognoză, care pot conduce la soluții de dispecerizare suboptimale [105]. În ceea ce privește erorile de prognoză, merită menționat faptul că și câțiva dintre cei mai buni algoritmi de prognoză eoliană disponibili comercial sunt predispuși la o deviație standard de 15-20% [108], cu erori de predicție de până la 204% într-o zi anormală [106].

Tabel 5.1. Parametrii de evaluare a obiectivelor online pentru fiecare DER și obiectiv

Autorii lucrării [88] încearcă să reducă erorile prin implementarea unui al doilea algoritm de dispecerizare în cadrul planificatorului ideal prevăzut pentru a ajusta dispecerizarea în timp real în funcție de erorile de prognoză. În [109], autorii au adoptat o abordare „conservatoare” și determină un cost al tranzacției pentru cazul cel mai defavorabil, pe baza variabilelor stocastice necunoscute în optimizare, utilizate ca limită a soluției atunci când se optimizează funcția de utilitate a surselor distribuite dispecerizabile. Costurile de exploatare ale unei microrețele sunt minimizate în [110] printr-un algoritm evolutiv care utilizează un sistem de stocare a energiei electrice pentru a acționa celelalte surse distribuite de energie aproape de punctul lor de operare optim; cu toate acestea, nu sunt luate în considerare prognoze pentru utilizarea viitoare a energiei din sistemul de stocare.

O abordare interesantă, sugerată în [110], presupune că structura costurilor viitoare este similară cu cele din trecut (în locul implementării unui algoritm de prognoză). Această abordare de tip „backcasting” estimează tendințele viitoare ale costurilor bazate pe ultimele două săptămâni de date, însă lucrarea nu oferă detalii suficiente cu privire la algoritmul utilizat. În plus, această abordare consideră eficiența la încărcare și descărcare a sistemului de stocare ca valori constante și nu ia în considerare efectele variației capacității acestuia.

În paragrafele următoare se îmbunătățește abordarea menționată în [110] pentru a detalia o metodologie care poate determina o valoare netă adecvată pentru energia stocată de o sursă dependentă de timp, astfel încât să poată fi aplicată direct în cadrul problemei clasice de dispecerizare economică. Acest lucru este relevant deoarece controlerul microrețelei trebuie să optimizeze dispecerizarea tuturor surselor distribuite din microrețea atât în ​​modurile de operare „conectată la rețea”, cât și în modul „insularizată”. Această abordare elimină necesitatea unui algoritm de prognoză sau a unei metode alternative de a încorpora o resursă dependentă de timp în dispecerizarea economică. În formularea valorii nete relative a energiei stocate, trebuie luate în considerare limitele sursei dependente de timp, deoarece acest lucru va limita modul în care energia poate fi utilizată în prezent sau într-un interval de timp ulterior.

Deși multe lucrări includ o varietate de caracteristici pentru modelarea sistemelor de stocare, în special pentru sistemele de stocare cu baterii, cele trei caracteristici principale utilizate pentru modelarea lor includ: puterea nominală, capacitatea energetică și eficiența de încărcare/descărcare [110, 111]. O altă caracteristică de funcționare variabilă este nivelul actual de încărcare (SOC – „State of Charge”) al sistemului de stocare cu baterii, deoarece acesta determină măsura în care sistemul de stocare poate fi utilizat într-o perioadă de timp ulterioară. În plus, nivelul de încărcare poate fi utilizat pentru a ajuta la monitorizarea utilizării și a degradării bateriei. Deși unele lucrări implementează limite pentru nivelul de încărcare în scopul de a asigura rezerve suficiente [112, 113], alte abordări folosesc un nivel de încărcare ideal ca o valoare standard în optimizare [114].

Studiul realizat în cadrul acestei teze abordează fiecare dintre aceste limitări de operare în formularea propusă, pentru a utiliza cât mai bine energia și capacitatea unui sistem de stocare cu baterii.

Modelarea matematică a strategiei de dispecerizare

Valoarea energiei dintr-o sursă dependentă de timp, în scopuri de arbitraj, trebuie să ia în considerare nu numai prețurile actuale ale energiei, ci și prognozele pentru prețurile energetice viitoare, precum și starea actuală a nivelului de încărcare. Dispecerizarea sistemului de stocare a energiei depinde de trei limite tehnice: eficiența de încărcare/descărcare, capacitatea și puterea sa nominală; cu toate acestea, prețurile de achiziție și de revânzare a energiei stocate vor constitui un factor primar în modul în care sistemul de stocare a energiei va fi utilizat pentru a maximiza profitul.

Dispecerizarea bazată pe funcția de preț

Deoarece câștigul economic, obținut dintr-un sistem de stocare a energie, se bazează pe prețurile energiei din trecut, prezent și viitor, dispecerizarea acestui sistem se determină pornind de la o comparație a prețului curent, π( și a prețurilor în ultimele T ore. Se presupune că tendința prețului energiei pentru ultimele T ore este în concordanță cu intervalul de timp următor pentru dispecerizare. Prin urmare, acest tip de dispecerizare se bazează exclusiv pe etapele de timp anterioare cunoscute și nu este necesar un algoritm de prognoză.

Strategia este de a încărca sistemul de stocare atunci când prețul este scăzut și de a-l descărca atunci când prețul este ridicat. Prețul mediu () se calculează din prețurile în orele anterioare T pentru a avea o referință pentru perioada actuală, față de care prețurile pot fi comparate și determinate ca fiind scumpe sau ieftine, după cum se arată în figura 5.1.

Fig. 5.1. Exemplu de preț de piață al energiei electrice pentru o perioadă T = 24 h. Zonele verzi marcate cu „A” indică faptul că prețul este sub prețul mediu (ieftin), în timp ce zonele roșii marcate cu „B” indică faptul că prețul este mai mare decât prețul mediu (scump).

Pentru a determina cât ar trebui să se încarce/descarce sistemul de stocare , este necesar să se determine cât de des prețul energiei va fi mai mic sau mai mare decât prețul curent. Pentru aceasta se consideră un exemplu cu două scenarii: dacă în momentul , prețul energiei este cu 0,03 €/kWh peste ,

și prețul din ultimele T ore indică faptul că, în mod obișnuit, ajunge la un maxim de 0,03 €/kWh peste , atunci sistemul de stocare ar trebui să se descarce la puterea sa maximă.

dacă însă prețul din ultimele T ore indică faptul că poate atinge 0,06 €/kWh peste , atunci sistemul de stocare nu ar trebui să se descarce la puterea maximă până când prețul nu este mai mare decât prețul curent.

Prin urmare, pentru a determina cât de des diferența dintre prețul energiei, Δπ, este mai mică/mai mare decât , se stabilesc două funcții de distribuție cumulativă pentru situațiile în care prețul este inferior sau mai mare decât prețul mediu al energiei. Detalii suplimentare în ceea ce privește formularea matematică sunt prezentate în paragrafele următoare, iar în figura 5.2 se prezintă un exemplu de conversie în cele două funcții de distribuție cumulativă a profilului de cost pentru 24 de ore din figura 5.1

Având în vedere vectorul prețurilor marginale de energie din T:

(5.1)

și considerând vectorul diferențelor pozitive dintre prețul actual al energiei și prețul mediu al energiei pe ultimele T ore, se obține:

(5.2)

(5.3)

Aceste histograme empirice sunt reprezentate grafic în exemplul din figura 5.2a și figura 5.2b. Funcția densitate de probabilitate este utilizată pentru a identifica probabilitatea relativă ca prețul să aibă o anumită valoare. Densitățiile de probabilitate, cu prețurile relativ ieftine și scumpe, sunt definite ca fiind:

(5.4)

(5.5)

Cele două funcții sunt separate pentru a se asigura că d > 0. Funcțiile densitate de probabilitate pentru încărcare și descărcare din exemplul prezentat în figura 5.1 sunt prezentate în figurile 5.2c și 5.2d. Datele de piață utilizate în exemplu au o precizie de /kWh; astfel, fiecare preț are aceeași probabilitate în funcțiile densitate de probabilitate, deoarece acestea sunt toate unice.

Funcția de distribuție cumulativă pentru încărcare este formulată astfel:

(5.6)

Cu alte cuvinte, expresia (5.6) oferă probabilitatea ca actuala diferență de preț = – π() să preia o valoare în intervalul ∈ [0, ], pe baza unei analize a prețurilor energiei din ultimele T ore . În mod similar, funcția de distribuție cumulativă pentru descărcare este formulată ca:

(5.7)

unde expresia (5.7) oferă probabilitatea ca diferența de preț = π() – din ultimele T ore (când costul este mai mare decât costul mediu) să se situeze în intervalul ∈ [0, ].

Fig. 5.2. Exemple de rezultate ale calculului funcției densitate de probabilitate, funcției de distribuție cumulativă și a curbelor de preț marginal pentru o perioadă T=24 h.

Funcțiile de distribuție cumulative pentru încărcare și descărcare sunt prezentate în figurile 5.2e și respective 5.2f. Pe scurt, funcțiile de distribuție cumulative oferă o indicație a probabilității ca prețul energiei să devină mai mic/mai mare într-o perioadă de timp ulterioară (caz în care sistemul de stocare a energie ar trebui să economisească energie pentru încărcarea/descărcarea la acel moment de timp) sau dacă este relativ mai ieftin/scump, caz în care ar trebui să se încarce/descarce la capacitățile sale maxime.

Prin urmare, prin înmulțirea funcțiilor de distribuție cumulativă normalizate cu puterea nominală a sistemului de stocare a energiei, se poate determina puterea pe care sistemul de stocare ar trebui să o încarce/descarce pe baza vectorului prețurilor marginale din trecut

(5.8)

(5.9)

Aceste ecuații sunt suficiente pentru a determina puterea adecvată necesară pentru sistemul de stocare. Cu toate acestea, se parcurge o nouă etapă pentru a face compatibilă valoarea netă a energiei stocate cu algoritmul standard de dispecerizare economică (în cele două moduri de operare ale microrețelei, „conectată la rețea”, respectiv „insularizată”). Acest lucru se face prin definirea curbei de putere ca pentru un generator acționat de o turbină cu abur, având o curbă de cost pătratică și o curbă liniară de cost marginal.

Deoarece expresiile (5.8) și (5.9) sunt funcții „one-to-one”, acestea pot fi inversate pentru a se obține costul marginal ca o funcție de putere. Apoi, se utilizează o tehnică de construcție a curbei pentru a determina prețul marginal linear al energiei față de curba de putere, după cum se arată în figurile 5.2g și 5.2h. Aceasta are ca rezultat curbele marginale de preț descrise sub forma:

(5.10)

(5.11)

Ecuațiile (5.10) și (5.11), pot fi rearanjate sub următoarea formă:

(5.12)

(5.13)

Deși nu este abordat în mod direct în această teză, beneficiul suplimentar al ultimului pas este acela că facilitează integrarea unei surse de energie dependente de timp, în problema clasică de dispecerizare economică deoarece curba sa de cost este în aceeași formă patratică ca și cea a generatoarelor termice tradiționale. Această formulare nu numai că permite resursei dependente de timp să cunoască puterea sa adecvată ca o funcție a costului energiei într-o anumită perioadă de timp, dar poate fi, de asemenea, utilizată și în dispecerizarea economică a microrețelei funcționând în mod autonom.

Limita de dispecerizare impusă de eficiența sistemului de stocare

În multe lucrări de cercetare, valorile medii ale eficienței de încărcare/descărcare ale sistemelor de stocare sunt tratate ca valori constante [110]. Alți autori indică faptul că această abordare este inexactă și poate introduce erori în optimizare [96]. În cadrul tezei, eficiența este calculată ca o funcție a pierderilor (), deoarece rata de încărcare sau descărcare variază.

Fluxul de energie într-un sistem de stocare este prezentat folosind schema de circuit din figura 5.3. Referindu-ne la această figură, energia stocată la încărcarea sistemului de stocare este:

(5.14)

unde reprezintă eficiența sistemului de stocare, iar perioada de timp.

Energia extrasă la descărcarea sistemului de stocare este:

(5.15)

Fig. 5.3. Fluxul de energie într-un interval de timp t printr-un sistem de stocare, unde este tensiunea continuă a sursei interne, iar este rezistența efectivă dintre sursa internă de tensiune și punctul de conexiune cu liniile de distribuție

Pentru a obține un profit și a efectua un arbitraj pentru o anumită durată de timp, valoarea energiei la descărcare trebuie să fie mai mare decât valoarea energiei la încărcare, dar mai mică decât prețul energiei ce poate fi obținută din rețeaua publică:

(5.16)

Pentru o încărcare completă a energiei interne , rearanjând (5.14) și (5.15) și înlocuindu-le în (5.16) se obține:

(5.17)

sau

(5.18)

Relația (5.18) indică faptul că pentru a obține un câștig financiar din arbitraj, costul energiei la descărcare în raport cu costul energiei la încărcare, trebuie să fie mai mare decât inversul eficienței unui ciclu complet.

Pentru a izola cerințele de încărcare și descărcare, se modifică relația (5.18) pentru a include un termen de cost mediu:

(5.19)

astfel încât

(5.20)

Trebuie menționat faptul că dacă termenii , , și sunt toți pozitivi și ambele ecuații (5.21) și (5.22) sunt adevărate se poate demonstra că relația (5.19) este satisfăcută și prin urmare (5.18) este de asemenea satisfăcută.

(5.21)

(5.22)

Prin urmare, este posibilă calcularea independentă a limitelor de încărcare și descărcare ale sistemului de stocare pe baza eficiențelor. Deși poate fi ales în mod arbitrar, în cadrul acestui studiu el este ales ca preț mediu al energiei pentru ultima perioadă de 24 de ore, deoarece această durată de timp este cea mai probabilă pentru a surprinde orice tip de structură diurnă în profilul prețurilor.

Dacă s-ar considera eficiența ca fiind o constantă, atunci expresile (5.21) și (5.22) ar determina momentul de timp când sistemul de stocare trebuie să se încarce sau să se descarce, pe baza eficienței unui ciclu complet de încărcare-descărcare și a prețului. Cu toate acestea, pentru un sistem de stocare cu baterii, eficiența este o funcție a puterii încărcate sau descărcate (adică, deoarece reprezintă un factor al pierderilor efective.

Eficiența la încărcare este dată de:

(5.23)

unde pierderile de putere la încărcare sunt definite astfel:

(5.24)

Înlocuind (5.24) în (5.23) se obține:

(5.25)

sau

(5.26)

În mod similar, eficiența la descărcare se exprimă cu relația:

(5.27)

unde pierderile de putere la descărcare sunt:

= (5.28)

Înlocuind (5.28) în (5.27) se obține:

(5.29)

sau

(5.30)

Având în vedere aceste pierderi, limitele puterii de încărcare pentru sistemul de stocare se pot obține înlocuind (5.26) în (5.21):

(5.31)

(5.32)

Inegalitatea (5.31) a fost transformată în egalitate în (5.32) deoarece aceasta reprezintă limita superioară de încărcare.

În mod similar, limitele puterii de descărcare pentru sistemul de stocare se pot obține înlocuind (5.30) în (5.22):

(5.33)

(5.34)

Ecuațiile (5.32) și (5.34) indică limitele puterii de încărcare și descărcare ale sistemului de stocare pentru ca microrețeaua să obțină un beneficiu din tranzacționarea energiei. Cu alte cuvinte, s-ar pierde prea multă energie din cauza ineficiențelor, astfel că beneficiul arbitrajului ar fi pierdut pentru orice putere mai mare decât cea impusă de aceste limite.

Limita de dispecerizare impusă de capacitatea sistemului de stocare

Capacitatea de stocare și energia stocată rămasă introduc, de asemenea, o limită de dispecerizare pentru sistemul de stocare a energiei. Prin intermediul strategiei de încărcare/descărcare, o capacitate limitată impune o restricție privind capacitatea sistemului de stocare de a se încărca/descărca complet atunci când prețul este mai mic sau mai mare decât prețul mediu. Analizând prețul energiei din figurile 5.2a și 5.2b, energia sau capacitatea disponibilă a sistemului de stocare ar trebui salvată și utilizată pentru a maximiza beneficiul arbitrajului atunci când diferența de cost este cea mai mare.

Pentru a obține un câștig maxim din arbitraj, sistemul de stocare a energiei ar trebui să încerce să se încarce/descarce complet pentru fiecare zonă de preț situată deasupra/sub o anumită valoare. Cele trei zone marcate cu „A” și „B” din figura 5.1 reprezintă exemple de zone de preț care sunt mai mari/mici față de valoarea medie. Aceast lucru reprezintă o problemă deoarece dimensiunea reală, numărul și formele zonelor viitoare de preț sunt necunoscute fără prognoză; cu toate acestea, volatilitatea structurii prețurilor este estimată pe baza profilului de preț din perioadele anterioare.

Scopul acestei limitări este de a asigura faptul că există o capacitate suficientă pentru a încărca/descărca sistemul de stocare atunci când diferențele de preț față de valoarea medie sunt cele mai mari. Prin urmare, strategia de determinare a puterii minime poate fi descrisă prin următorii pași:

Pentru fiecare zonă de preț care este mai mare decât

Se sortează prețurile în ordinea descrescătoare a ordinului de cost ;

Se determină cantitatea de energie pe care sistemul de stocare o descarcă pentru fiecare preț, pe baza funcțiilor de preț și a strategiilor de eficiență de descărcare;

Mergând de la cea mai mare diferență de preț la cea mai mică, se însumează energiile până când suma rezultată este egală cu capacitatea sistemului de stocare. Cel mai mic preț după care sistemul de stocare este descărcat, este dat de prețul minim pentru zona respectivă. În cazul în care capacitatea nu este niciodată atinsă, diferența minimă de preț este de ;

În baza acestei diferențe de preț, se determină cu ajutorul relației (5.13) puterea sistemului de stocare, ;

Se determină pentru toate zonele de preț din ultimele T ore. reprezintă puterea minimă de descărcare în funcție de capacitatea sistemului de stocare.

Puterea minimă de încărcare se poate obține folosind un algoritm similar cu cel prezentat mai sus.

Dispecerizarea finală

În mod formal, dispecerizarea unui sistem de stocare este prezentată în continuare pentru trei cazuri diferite (încărcare, descărcare și inactivitate). Se menționează faptul că aceste cazuri se exclud reciproc, deoarece un sistem de stocare nu se poate încărca și descărca în același timp.

Dacă atunci , iar sistemul de stocare ar trebui să se încarce. În baza ecuației (5.12), puterea la bornele sistemului de stocare este:

(5.35)

Conform convenției adoptate, sistemul de stocare este asimilat unui generator, motiv pentru care puterea la borne este negativă atunci când acesta se încarcă. Limita minimă de putere a sistemului de stocare în acest caz este:

(5.36)

unde este determinată cu ajutorul algoritmului prezentat anterior, în baza limitei de capacitate. Limita maximă de putere a sistemului de stocare în acest caz este:

(5.37)

unde este determinată cu (5.21), iar este limita de încărcare determinată de capacitatea rămasă disponibilă:

(5.38)

Înlocuind (5.24) în (5.38) și rezolvând pentru , se obține:

(5.39)

Dacă atunci , iar sistemul de stocare ar trebui să se descarce. În baza ecuației (5.13), puterea la bornele sistemului de stocare este:

(5.40)

Limita minimă de putere a sistemului de stocare în acest caz este:

(5.41)

unde este determinată cu ajutorul algoritmului prezentat anterior.

Limita maximă de putere pentru sistemul de stocare în acest caz este:

(5.42)

unde este determinată cu relația (5.34), iar este limita de încărcare determinată de capacitatea rămasă disponibilă:

(5.43)

Înlocuind (5.28) în (5.43) și rezolvând pentru , se obține:

(5.44)

Dacă atunci kW.

Studiu de caz

Algoritmul „backcasting” de determinare a valorii nete a energiei înmagazinate în sistemul de stocare este folosit pentru sistemul descris în figura 5.4, cu o sarcină de vârf de 1 MW. În acest studiu, funcționarea microrețelei are o influență neglijabilă asupra pieței de energie datorită mărimii sale reduse față de rețeaua electrică publică. Limita de putere a transformatorului din PCC introduce, de asemenea, o limită de putere pentru sistemul de stocare astfel încât:

(5.45)

Fig. 5.4. Schema monofilară a sistemului de test

Sunt studiate două cazuri: (i) algoritmul „backasting” propus pentru determinarea valorii nete a energiei înmagazinate de sistemul de stocare și (ii) dispecerizarea optimă ideală, care dispune de o prognoză de 3 zile. Cazul ideal este implementat în software-ul GAMS și este utilizat ca punct de referință pentru compararea cu algoritmul propus. Se presupune că prețul energiei din rețeaua electrică publică nu este influențat de cantitatea de energie importată sau exportată de microrețea, adică microrețeaua este suficient de mică pentru a nu avea nicio influență asupra pieței [119]. Sunt prezentate numai rezultatele obținute pentru modul de funcționare „conectată la rețea”.

În figura 5.5 se prezintă patru exemple de profiluri de dispecerizare pentru zile separate și modul în care algortimul de control reacționează la prețurile în schimbare ale energiei, în comparație cu cazul ideal.

20 Februarie 2017 (b) 20 Februarie 2017

25 Iunie 2017 (d) 3 Iulie 2017

Fig. 5.5. Exemplu de profiluri zilnice de dispecerizare a sistemului de stocare – comparație între algoritmul backasting (albastru) și cel ideal cu o prognoză de 3 zile (turcoaz). Sub fiecare profil de dispecerizare se prezintă și prețul de piață al energiei (verde) împreună cu prețul mediu calculat al energiei din ultimele 24 de ore (roșu).

Există o corelație puternică între dispecerizările ideale și cele propuse, în care sistemul de stocare se încarcă sau se descarcă. Pe parcursul anului, costul energiei este redus cu 8,14% față de cazul ideal fără stocare.Din analiza parametrică a puterii (fig. 5.6), a capacității (fig. 5.7) și a rezistenței interne (fig. 5.8) se observă modul în care algoritmul backasting se adaptează la parametrii diferiți ai sistemului de stocare. Simulările se desfășoară pe parcursul unui an întreg, iar prețul mediu global al energiei din microrețea este calculat și reprezentat grafic față de parametrii respectivi. Acest lucru demonstrează profitul net anual obținut prin algoritmul backasting distribuit pe costul total al energiei din microgrid. În ansamblu, algoritmul propus este capabil să profite de puterea, energia și eficiența adiționale, obținând o reducere medie a prețului mediu al energiei microrețelei cu 28,1% (fig. 5.6), 30,2% (fig. 5.7) și 27,7% (fig. 5.8), pentru cele trei cazuri.

Fig. 5.6. Prețul mediu anual în funcție de puterea nominală a sistemului de stocare

Fig. 5.7. Prețul mediu anual în funcție de energia nominală a sistemului de stocare

Fig. 5.8. Prețul mediu anual în funcție de rezistența internă a sistemului de stocare

Concluzii capitol

Scopul acestui capitol a constat în modelarea matematică a calculului parametrilor de comunicare efectuat de controlerele distribuite din cadrul controlului ierarhic stabilit în capitolul 4. Aceste calcule iau în considerare condițiile actuale de funcționare astfel încât parametrii să fie adaptabili la microrețea și la condițiile de operare date, ținând cont de fiecare obiectiv descris în capitolul 3 pentru optimizarea multi-obiectiv. Odată determinați, acești parametri prezintă o interfață tehnologică pentru controlerul central al microrețelei, ceea ce facilitează încorporarea unei varietăți de surse distribuite în cadrul microrețelei.

O contribuție a acestui capitol constă în formularea obiectivului de cost, pentru sistemul de stocare a energiei. Algoritmul „backcasting” propus ia în considerare limitele de operare, cum ar fi eficiența variabilă, puterea nominală și energia stocată pe care nici unul dintre ceilalți algoritmi din literatura de specialitate nu le consideră simultan. În plus, algoritmul este formulat astfel încât să poată fi implementat direct în cadrul sistemului de control ierarhic al unei microrețele, pentru cele două moduri de funcționare „conectată la rețea” și „insularizată”. Acest algoritm este indicat a fi implementat atunci când algoritmii de prognoză sunt fie eronați, fie greu de implementat. Principalul dezavantaj al algoritmului constă în faptul că este imposibil să se prevadă orice fluctuație minoră asupra prețului energiei de care poate beneficia (cum ar fi t = [8, 9] h din figura 5.5b). În realitate, însă și algoritmii clasici de prognoză sunt, de asemenea, predispuși la erori și pot să nu capteze această posibilitate, deoarece modelul de preț prezentat este în esență o depășire statistică.

Rezultatele arată că algoritmul „backcasting”este capabil să reducă costul mediu al energiei cu 8,14% la consumatorii din microrețea, prin simplul arbitraj (tranzacții de energie eficiente economic).

CAPITOLUL 6 CONTROLUL PRIMAR ȘI OPERAREA SURSEI DE STOCARE A ENERGIEI ÎN TIMP REAL

Introducere

În timp ce capitolele anterioare au vizat controlul secundar și terțiar al microrețelei, în continuare se propune o strategie de control primară, specifică „modului autonom” de funcționare. Atunci când o microrețea funcționează în mod autonom, asigurarea echilibrului energetic trebuie realizată astfel încât tensiunea și frecvența să fie menținute în limitele acceptabile de funcționare [6]. Acest lucru se realizează de obicei printr-o singură sursă distribuită de energie care funcționează în modul de „control izocron”, în timp ce celelalte surse distribuite de energie funcționează în modul de control „droop”. Sursa distribuită de energie, selectată pentru controlul izocron, este responsabilă pentru reglarea frecvenței și a tensiunii în microrețea, acționând ca o unitate de rezervă prin creșterea sau scăderea puterii la borne, pe măsură ce sarcina sau alte puteri ale celorlalte surse distribuite se schimbă. În cazul în care sursa izocronă nu va putea să mențină echilibrul puterii active sau reactive, celelalte surse distribuite de energie pot să-și modifice puterea la borne pe baza curbelor „droop” frecvență-putere activă și tensiune-putere reactivă. Deoarece în cadrul acestui teze, microrețeaua este considerată ca un singur „nod” fără impedanță de linie, formularea matematică propusă în acest capitol tratează doar controlul „droop” frecvență-putere activă. Cu toate acestea, această formulare poate fi extinsă pentru a încorpora și controlul bazat pe curbele „droop” tensiune-putere reactivă. Principiul controlului este acela de a mări sau micșora proporțional puterea activă sau reactivă a tuturor surselor distribuite pe baza tensiunii sau frecvenței măsurate local (astfel încât nu se utilizeze o infrastructură de comunicații pentru un răspuns rapid) pentru a permite microrețelei să funcționeze aproape de setul său optim de puncte de funcționare. Principiul din „spatele” acestui mod de funcționare fost descris în paragraful 2.3.3.

Strategia de control izocron a sistemului de stocare a energiei

Un sistem de stocare a energiei reprezintă o sursă distribuită de energie adecvată pentru controlul izocron, deoarece este o sursă flexibilă și rapidă care poate acționa fie ca un generator, fie ca o sarcină, și poate seta frecvența prin comenzile asupra electronicii de putere. Un sistem de stocare a energiei a fost utilizat ca sursă de energie izocronă în microrețeaua cu panouri fotovoltaice din Insula Kythnos, Grecia [116]. Principalele limitări ale capacității sistemului de stocare a energiei de a acționa ca sursă izocronă se referă nu numai la puterea sa nominală, ci și la nivelul de încărcare (SOC – „State of Charge”). De exemplu, dacă nivelul de încărcare este prea scăzut în momentul în care intră în funcțiune o sarcină mare, sistemul de stocare nu va mai putea asigura echilibrul puterilor, după epuizarea rezervelor sale de energie.

În microrețeaua din insula Kythnos s-a abordat această problemă modificând în mod activ frecvența dacă nivelul de încărcare al sistemului de stocare devine prea scăzut sau prea mare [117]. Dacă nivelul de încărcare este prea scăzut, se forțează scăderea frecvenței pentru a semnaliza delestarea unor sarcini astfel încât sistemul de stocare să se încarce până la niveluri nominale. Dacă nivelul de încărcare este prea mare, are loc o creștere a frecvenței pentru a semnala că generatoarele fotovoltaice trebuie să-și reducă puterea la borne, permițând astfel sistemului de stocare să se descarce până la niveluri nominale. Deși această metodă s-a dovedit a fi foarte eficientă, ea acționează numai în situații extreme, deoarece reduce energia livrată clienților și factorul de capacitate al surselor regenerabile de energie. În plus, puterea nominală a sistemului de stocare trebuie să fie suficient de mare pentru a putea furniza energie pentru întreaga sarcină din microrețea și pentru a absorbi puterea de vârf din producția surselor distribuite.

Formularea controlului izocron pentru sistemul de stocare a energiei

O implementare adecvată a acestui tip de control trebuie să țină seama atât de limitele puterii, cât și de cele energetice. Principiul care stă la baza strategiei propuse constă în acoperirea deficiențelor sistemului de stocare a energie legate de capacitatea sa energetică limitată, de nivelul de încărcare variabil și de puterea nominală limitată. La fel ca și celelalte strategii de control bazate pe curbe „droop”, această formulare nu se bazează pe nicio infrastructură de comunicații pentru a solicita o putere suplimentară sau mai redusă de la celelalte surse distribuite de energie din microrețea, permițând astfel un răspuns rapid de la controlerele primare ale acestora. În acest sens, se definesc două curbe „droop” independente pentru cele două caracteristici ale sistemului de stocare: nivelul de încărcare și puterea la borne.

Nivelul de încărcare limitează capacitatea sistemului de stocare de a menține echilibrul energetic pe întreaga perioadă de funcționare insularizată a microrețelei, cu o durată necunoscută, împiedicând sistemul de stocare să-și reducă energia stocată sau să-și atingă capacitatea. Curba „droop” a energiei se bazează pe ideea de operare a sistemului de stocare aproape de nivelul de încărcare dorit, . Pentru a menține funcționarea continuă a microrețelei, nivelul de încărcare dorit pentru sistemul de stocare izocron trebuie să îndeplinească două cerințe:

În primul rând, sistemul de stocare trebuie să sprijine capacitatea microrețelei de a menține funcționarea insularizată pe o durată necunoscută. Pentru a determina nivelul de încărcare dorit în acest caz, se realizează o analiză a puterii reziduale () din anul precedent. Pentru fiecare perioadă de timp t, nivelul de încărcare este analizat pentru a determina durata pentru care sistemul de stocare poate contribui la susținerea microrețelei (pe baza nivelului de încărcare disponibil de la 0-100% cu creșteri de 10%), în cazul în care aceasta va fi insularizată începând cu acel moment. Pe baza profilurilor curbei de sarcină, a vântului și a energiei solare din [90], durata medie () pentru care sistemul de stocare a energiei poate sprijini microrețeaua insularizată în funcție de nivelul de încărcare inițial, este prezentată în figura 6.1. Considerând o penetrare de 50% a energiei solare și respectiv 50% eoliene, în acest studiu la fel ca și în capitolul 3, nivelul de încărcare ar trebui să fie la 100% pentru a obține cea mai mare probabilitate de a menține o funcționare insularizată a microrețelei.

În al doilea rând, sistemul de stocare trebuie să atenueze orice fluctuații de putere instantanee în cazul în care există o creștere sau o scădere mare a cererii sau a producției pentru a menține echilibrul energetic. Nivelul de încărcare dorit în acest caz este setat la 50% pentru a avea o capacitate egală de a răspunde unei fluctuații de putere pozitivă sau negativă. În final, nivelul de încărcare dorit este considerat ca fiind media nivelurilor de încărcare dorite pentru cele două cerințe:

(6.1)

Fig. 6.1. Durata medie pentru care sistemul de stocare poate susține funcționarea

insularizată a microrețelei în funcție de nivelul de încărcare inițial

Cu toate că studiul a fost efectuat considerând o frecvență nominală de 60 Hz, în conformitate cu [6], metodologia de control poate fi aplicată și pentru sistemele cu frecvența nominală de 50 Hz. Curba „droop” a energiei este formulată pentru a asigura funcționarea la frecvența nominală (= 60 Hz) când sistemul de stocare are nivelul de încărcare optim, la frecvența minimă admisibilă (= 59,3 Hz) atunci când nivelul de încărcare este la 0% și la frecvența maximă admisă (fmax = 60,5 Hz ) atunci când nivelul de încărcare este la 100% (așa cum este definit de standardele de interconectare ale generatoarelor distribuite [6]). Prin urmare, sunt formulate două regiuni liniare (la stânga și la dreapta nivelului de încărcare dorit), iar curbele „droop” ale energiei rezultate sunt date de relațiile (6.2) [118] și prezentate în figura 6.2. Permițând sistemului de stocare să atingă un anumit nivel de încărcare în timpul funcționării normale, nu este necesară reducerea producției sau delestarea sarcinilor.

(6.2)

Deoarece sistemul de stocare este cuplat la microrețea prin intermediul electronicii de putere, el nu are aceeași tendință inerțială de a reduce/mări frecvența ca un generator sincron prin masa sa rotativă inerțială dacă cerința de putere este prea mare/scăzută. Cu alte cuvinte, sistemele de stocare pot fi decuplate, iar frecvența poate fi stabilită ca un parametru care nu este legat de puterea la bornele sistemului de stocare. De aceea, în cazul în care cerința de putere a sistemului de stocare se abate de la un nivel care se apropie de limita sa, sistemul de stocare poate schimba puterea altor surse distribuite prin schimbarea frecvenței de referință, modificând astfel punctul de funcționare pe curba „droop” a respectivei surse distribuite.

Fig. 6.2. Curba „droop” a energiei sistemului de stocare

în modul izocron, conform relațiilor (6.2).

Unul dintre motivele de a avea o sursă distribuită izocronă constă în faptul că aceasta ar trebui să acționeze în mod eficient ca o sursă de rezervă care să poată face față fluctuațiilor bruște de putere. Astfel, dacă fluctuația de putere este în limita a 80% din puterea nominală a sistemului de stocare, nu este necesară modificarea frecvenței sistemului, deoarece sistemul de stocare poate gestiona de unul singur o astfel de modificare. Cu toate acestea, în cazul în care există o fluctuație puternică, care necesită încărcarea/descărcarea sistemului de stocare la mai mult de 90% din puterea sa, sistemul de stocare modifică imediat frecvența microrețelei pentru ca celelalte surse distribuite să își modifice puterea pentru a menține echilibrul energetic. Noul echilibru se obține la o nouă frecvență, deoarece împărțirea puterii se corelează cu cererea sarcinii. Dacă aceste aspecte ar fi implementate la nivelul unei microrețele, puterea fie ar reveni la normal (în cazul unei fluctuații cu surse regenerabile), fie la o nouă valoare stabilită de controlerul secundar al microrețelei. Acest lucru este arătat în figura 6.3 cu o banda „moartă” pentru ∈ [-0,8, 0,8], și ecuația curbei „droop” a puterii formulată cu (6.3) [118].

Fig. 6.3. Curba „droop” a puterii sistemului de stocare

în modul izocron, conform relațiilor (6.3).

(6.3)

Curba „droop” per ansamblu depinde atât de gradul de încărcare cât și de puterea la bornele sistemului de stocare. Cu toate acestea, trebuie folosită o prioritizare pentru scăderea puterii, deoarece fluctuațiile de putere pe termen scurt cauzate de sursele regenerabile sau de sarcini pot cauza probleme de echilibrare care trebuie rezolvate imediat. Prin urmare, dacă puterea la bornele sistemului de stocare se situează în limita a 80% din puterea nominală (indiferent de încărcare sau descărcare), atunci sistemul de stocare va utiliza curba „droop” a energiei (6.3); în caz contrar, va folosi curba „droop” a puterii (6.2) deoarece aceasta devine cea mai presantă limită. Punerea în aplicare a acestui mod de control este prezentată în figura 6.4, unde sistemul de stocare este modelat ca un generator sincron antrenat de o turbină pe gaz/abur pentru a menține tensiunea și frecvența microrețelei în limite acceptabile, rețeaua electrică publică (REP) este modelată ca o sursă distribuită pentru a generaliza formularea algoritmului în cele două moduri posibile de funcționare ale microrețelei („insularizată” și „conectată la rețea”); și reprezintă componentele transformatei Park a tensiunii după axa d, respectiv q, iar și reprezintă componentele transformatei Park a curentului electric după axa d, respectiv q. Pentru calculul transformatelor Park se utilizează blocul Matlab/Simulink abc/dq0, iar pentru inversele acestora, blocul dq0/abc.

Fig. 6.4. Controlerele de tensiune și frecvență ale sistemului de stocare pentru modelul

VSC – „Voltage Source Converter” [118].

Simulări și rezultate

Schema de control izocron s-a implementat la nivelul unui sistem de stocare care funcționează în modul de control al tensiunii și frecvenței. Schema monofilară a microrețelei considerate, care cuprinde rețeaua publică, două surse distribuite de energie (DG) și sarcini rezistive, este prezentată în figura 6.5. Sistemul de stocare este modelat ca o sursă de tensiune deoarece funcționează în modul de control al tensiunii pentru microrețeaua insularizată. Capacitatea energetică a sistemului de stocare este deosebit de scăzută în aceste cazuri de test pentru a arăta efectele schimbării gradului de încărcare pe intervalele de simulare. Sursele distribuite sunt modelate ca surse de curent electric în modul de control curent electric care urmează tensiunea de referință a microrețelei măsurată în punctele comune de conectare ale acestora. Panta curbei „droop” a surselor distribuite se determină cu ajutorul curbelor de cost marginal pentru a asigura o funcționare economică a acestora, deoarece frecvența se abate de la punctul nominal. Sarcinile sunt modelate ca sarcini rezistive pasive, iar fluctuațiile de putere din rețeaua electrică publică sunt implementate prin sarcini care intră sau ies brusc din funcțiune. Sistemul de control este implementat în Matlab/Simulink și se consideră că microrețeaua funcționează în „mod insularizat” pentru toate cazurile de testare.

Fig. 6.5. Schema monofilară a microrețelei analizate

Pentru a demonstra condițiile diferite de funcționare, au fost structurate următoarele cazuri de testare:

Nivelul de încărcare al sistemului de stocare are valori scăzute. Nivelul de încărcare este inițializat la 45%, ceea ce determină ca frecvența tensiunii de ieșire să fie inițial de 59,8 Hz. Pe măsură ce puterea de ieșire a surselor distribuite a crescut cu această frecvență mai scăzută, nivelul de încărcare al sistemului de stocare crește încet, până atinge valoarea dorită de 75%. După cum se arată în figura 6.6, o putere negativă indică faptul că sistemul de stocare se încarcă. La momentele t = 2 s și t = 4 s, sarcina se schimbă brusc, și deși sistemul de stocare este capabil să își modifice puterea la borne pentru a menține echilibrul de putere, valorile tensiunii rămân constante. Deoarece puterea de încărcare a sistemului de stocare este mai mică în intervalul t = [2s, 4s], nivelul de încărcare al sistemului de stocare nu se modifică semnificativ și astfel frecvența rămâne relativ constantă. Prin urmare, se va utiliza curba „droop” a energiei și microrețeaua este capabilă să încarce sistemul de stocare pentru a atinge nivelul de încărcare dorit chiar și sub o variație a sarcinii.

Fig. 6.6. Parametrii principali ai microrețelei pentru cazul sistemului de

stocare cu un nivel de încărcare scăzut

Nivelul de încărcare al sistemului de stocare are valori ridicate. Nivelul de încărcare este inițializat la 80%, ceea ce determină ca frecvența tensiunii de ieșire să fie inițial de 60,17 Hz. Similar cu analiza făcută în cazul anterior, frecvența mai mare determină celelalte surse distribuite să-și reducă puterea, astfel încât sistemul de stocare să poată descărca energia stocată pentru a se apropia de gradul de încărcare dorit, de 75%. Așa cum se arată în figura 6.7, după ce sarcina este crescută la t = 2 s, puterea scade constant, pe măsură ce sistemul de stocare își descarcă puterea și nivelul de încărcare se apropie de valoarea dorită. Balanța de putere este menținută prin creșterea puterii de ieșire a celorlalte surse distribuite.

Fig. 6.7. Parametrii principali ai microrețelei pentru cazul sistemului de

stocare cu un nivel de încărcare ridicat

Puterea are o fluctuație negativă mare. În acest caz, sarcina scade brusc (ceea ce poate conduce la o creștere bruscă a puterii la bornele unei surse de energie) și determină sistemul de stocare să își reducă drastic puterea de ieșire pentru a menține echilibrul energetic. Pentru a demonstra abilitatea sistemului de stocare de a trece de la curba „droop” de energie la cea de putere, se utilizează scenariul cel mai defavorabil în care nivelul de încărcare al sistemului de stocare este ridicat (deci se dorește să se descarce), dar este necesară încărcarea acestuia pentru a menține echilibrul puterilor, în noua condiție de funcționare. În timpul fluctuației de putere prezentată în figura 6.8, nivelul de încărcare al sistemului de stocare crește, însă puterea de la celelalte surse distribuite scade pentru a împărți „povara” fluctuației de putere, astfel încât sistemul de stocare să nu se încarce până la capacitatea sa. După ce crește puterea sarcinilor, sistemul de stocare se întoarce la controlul bazat pe curba „droop”a energiei astfel încât să poată continua descărcarea.

Fig. 6.8. Parametrii principali ai microrețelei pentru cazul apariției unei

fluctuații de putere negative

Puterea are o fluctuație pozitivă mare. În acest caz, sarcina crește brusc (ceea ce poate conduce la o scădere bruscă a puterii la bornele unei surse de energie), și determină sistemul de stocare să-și mărească mult puterea de ieșire pentru a menține echilibrul energetic. Se consideră scenariul cel mai defavorabil în care nivelul de încărcare este scăzut (prin urmare, se dorește să se încarce), dar este necesar să se descarce pentru a menține echilibrul energetic în noua condiție de funcționare. În timpul fluctuației de putere afișată la momentul t = 1s din figura 6.9, sistemul de stocare trece de la încărcare la descărcare, pe măsură ce sarcina crește brusc, în ciuda faptului că nivelul de încărcare este mai mic decât valoarea dorită. La momentul t = 2s din figura 6.9, puterea scade până la punctul în care curba „droop” a puterii devine factorul limitativ, deși ambele curbe „droop” de energie și de putere „doresc” încărcarea sistemului de stocare. Prin urmare, s-a demonstrat că schema de control a curbelor „droop” duale pe baza nivelului de încărcare și a puterii la bornele sistemului de stocare constituie o strategie eficientă izocronă pentru sistemul de stocare de a menține echilibrul energetic într-o microrețea insularizată.

Fig. 6.9. Parametrii principali ai microrețelei pentru cazul apariției unei

fluctuații de putere pozitive

Concluzii capitol

În cadrul acestui capitol a fost prezentată o strategie nouă pentru operarea unui sistem de stocare a energiei ca o „sursă de energie izocronă”, luând în considerare limitările sale de putere și energie. S-a demonstrat că, curbele „droop” formulate permit împărțirea puterii între resursele distribuite din microrețea. De asemenea, s-a dovedit că strategia de selectare a curbei „droop” corespunzătoare, bazată pe factorul de limitare imediată, este eficientă în menținerea tensiunii și frecvenței în limitele nominale de funcționare și în asigurarea echilibrului energetic. Efectul implementării unui nivel de încărcare dorit permite sistemului de stocare să gestioneze orice fluctuație a puterii în cazul în care microrețeaua încorporează resurse volatile, precum sursele regenerabile sau sarcinile variabile.

Implicațiile ulterioare ale acestei strategii de control includ capacitatea altor surse distribuite de a implementa cu ușurință tehnici de delestare a sarcinii sau de reducere a puterii generate pentru a ajuta la menținerea echilibrului energetic în circumstanțe extreme. Strategia de control propusă în acest capitol asigură faptul că sistemul de stocare menține un nivel de încărcare suficient pentru orice variație a sarcinii sau a puterii generate, care se aplică cu succes pentru microrețele care conțin surse volatile precum energia eoliană și solară.

Strategia propusă este, de asemenea, aplicabilă pentru comunitățile izolate ale căror sisteme electrice sunt în mod efectiv sisteme insularizate permanente [123]

CAPITOLUL 7 CONCLUZII

Concluzii generale

Contextul energetic la nivel mondial se află într-o continuă transformare. Schimbările climatice au forțat guvernele și organizațiile neguvernamentale să stabilească obiective de mediu ambițioase pentru anii următori. Acordul de la Paris din decembrie 2015 este un bun exemplu al unui pas spre un viitor mai bun în domeniul energiei. Dezvoltarea tehnologică și inovația au dus la realizarea unor tehnologii eficiente în domeniul energiei din surse regenerabile, alături de reduceri considerabile ale costurilor.

Având în vedere cerințele și nevoile în continuă creștere ale principalilor actori (consumatori, producători independenți de energie electrică și companii de utilități) din industria energetică, sunt necesare noi modalități pentru abordarea subiectelor legate de: reducerea costului energiei, îmbunătățirea fiabilității serviciilor, reducerea fluctuațiilor de energie , aplatisarea curbei de sarcină și reducerea emisiilor de gaze cu efect de seră.

Există o schimbare de paradigmă față de abordarea tradițională „pe verticală” a sistemelor energetice, provocată în principal de integrarea surselor regenerabile de energie. Necesitatea de a gestiona variabilitatea și volatilitatea acestor surse crește, pe măsură ce penetrarea relativă crește în sistemele de distribuție. Cu toate că microrețelele de tip Smart Grid au fost propuse ca o soluție potențială pentru optimizarea controlului surselor distribuite, nu există nicio soluție adecvată care să optimizeze toate beneficiile potențiale ce se pot obține printr-o implementare de microrețea, reducând în același timp efectele negative ale integrării unei penetrări ridicate a surselor distribuite.

Problema managementului optim al surselor într-o microrețea este investigată pe scară largă, iar studiile recente au propus aplicarea atât a sistemelor de control centralizat, cât și a celor distribuite prin utilizarea sistemelor multi-agent, a metodelor euristice și a algoritmilor de optimizare. Sistemele de control ierarhic bazate pe tehnicile de inteligență artificială pot fi aplicate cu succes în cazul microrețelelor situate în zone industriale.

Principalele aspecte legate de implementarea unei penetrări ridicate a producției de energie din surse regenerabile pot fi atenuate de strategia de gestionare a energiei. În acest sens, pentru gestionarea energiei și pentru controlul coordonat al surselor distribuite din microrețele, în scopul atingerii simultane a tuturor beneficiilor potențiale, optimizarea multi-obiectiv este soluția cea mai potrivită.

Soluția propusă în această teză este destul de generală, aplicabilă oricăror jurisdicții și topologii, dar suficient de personalizabilă și adaptabilă pentru a optimiza beneficiile specifice determinate de operatorul de microrețea în timp ce utilizează sursele disponibile. Prin rezolvarea problemei de optimizare multi-obiectiv ca o problemă de evaluare scalarizată, soluția rezultată este garantată că se află pe frontul optim Pareto fără a necesita o tehnică de rezolvare iterativă.

Deși formularea matematică din cadrul tezei a fost creată pentru scenariul cel mai defavorabil al unei microrețele cu o penetrare înaltă a producției de energie din surse distribuite, rezultatele și abordarea sunt aplicabile pentru toate microrețele. Din moment ce fiecare microrețea este unică în mai multe privințe: jurisdicție și cerințe tehnice, topologie, combinația surselor distribuite controlabile și rolurile specifice pe care acestea trebuie să le îndeplinească, această teză oferă o mai mare utilitate în implementarea microrețelelor, precum și o extindere a problemelor potențiale în funcționarea acestora care pot fi abordate.

Elaborarea algoritmului pentru controlerul central și calculul parametrilor controlerului distribuit asigură baza necesară pentru metoda directă de calcul a parametrilor necesari pentru controlul ierarhic cu sisteme multi-agent. Cu această metodă, o resursă dependentă de timp poate fi utilizată direct în microrețea ca și cum ar fi o resursă independentă de timp. Folosind sistemul de stocare a energiei ca sursă izocronă, „droop-ul” de frecvență propus atunci când microrețeau funcționează insularizat, permite ca nivelul de încărcare să fie menținut în limitele dorite pentru a atenua orice fluctuație a puterii, în timp ce solicită instantaneu mai multă putere din alte curbe „droop” ale surselor distribuite. Implementarea optimizării multi-obiectiv la nivelul sistemului de management al energiei atenuează efectele negative ale integrării unei penetrări ridicate a resurselor volatile, în timp ce optimizează alte beneficii dorite nu numai pentru sistemele care încorporează energie din surse regenerabile, ci și pentru diferite tipuri de microrețele.

În cadrul tezei de doctorat a fost formulată și validată o strategie de optimizare multi-obiectiv a managementului energetic al unei microrețele și a cărei soluție este garantată a se afla pe frontul optim Pareto. Fiecare obiectiv este cuantificat și prin metrici standard de sistem energetic, evaluare locală și piețe, astfel încât acestea să fie comensurabile, ceea ce permite ca optimizarea să fie rezolvată ca o problemă de optimizare cu un singur obiectiv. Mai mult, deoarece operatorul fiecărei microrețele are un scop specific pentru punerea în aplicare a acestora, parametrii de ponderare subiectivi permit algoritmului să determine soluția optimă Pareto pentru dispecerizarea microrețelei considerate. S-a demonstrat că această abordare optimizează multiplele beneficii și obiective pe care o microrețea le poate atinge, ceea ce reprezintă o abordare mai adecvată de sistem de gestionare a energiei pentru microrețea decât optimizarea unică a obiectivelor, cel mai frecvent întâlnită în literatură și industrie.

În continuare, accentul s-a pus pe dezvoltarea și implementarea controlerului de microrețea într-o manieră ierarhică cu sisteme multi-agent, pentru ca soluția optimă să se obțină cu un efort computațional adecvat. Acest lucru a condus la: dezvoltarea unui algoritm central de control pentru a realiza angajamentul unității și pentru a asigura inteligența și contextul local pentru controlerele distribuite; distribuirea controlului și a inteligenței pentru a reacționa în mod corespunzător la orice abatere de putere sau eveniment din microrețea; crearea unei interfețe comune de comunicare pentru a permite funcționalitatea „plug-and-play”.

În locul efectuării dispecerizării economice, rolul controlerului central este de a determina un domeniu de putere reziduală pentru care sursele distribuite de energie să își poată realiza la nivel local dispecerizarea economică prin intermediul funcțiilor de cost modificate. A fost dezvoltat de asemenea și un algoritm pentru a combina mai multe surse distribuite în surse virtuale care oferă noi zone de operare și curbe de cost ca și cum ar fi o singură sursă. Această abordare non-iterativă garantează o soluție, iar complexitatea soluționării este redusă prin utilizarea microrețelelor îmbricate. Modelul matematic dezvoltat permite controlerului central să determine direct angajamentul unității pentru sursele distribuite din microrețea, cu posibilitatea de a adăuga un procedeu de tip histerezis pentru puterea minimă și maximă a resurselor virtuale în scopul reducerii numărului de tranziții ON/OFF în cazul surselor de energie volatile. Parametrii modificați care rezultă, încorporează contextul local al evaluării relative și capacitatea surselor distribuite din microrețea astfel încât orice dezechilibru al balanței de putere sau al frecvenței poate fi gestionat la nivel local de către surse. Noile puteri la bornele surselor distribuite vor fi echivalente cu o dispecerizare optimă efectuată la nivel central.

Principalul obstacol în calea implementării unui control distribuit strict îl reprezintă gradul de „inteligență locală” al unei surse distribuite în cadrul rolului său din microrețea. Fără cunoașterea la nivel global a parametrilor de funcționare, a limitelor și a caracteristicilor celorlalte surse, o sursă distribuită „nu știe” cât de multă putere să producă, în mod optim, la o schimbare a puterii reziduale. Fără acces la toate informațiile disponibile din orice altă sursă distribuită, nu există nicio garanție că o dispecerizare distribuită este cea mai bună posibilă. Controlerul ierarhic propus abordează această problemă prin algoritmul de la nivelul controlerului central, după care controlerele distribuite dețin cunoștințe suficiente despre valoarea sa energetică relativă în microrețea.

Pentru ca toate controlerele distribuite să se conformeze cadrului ierarhic propus, parametrii pătratici ai funcției de cost se deduc pe baza condițiilor curente de operare asigurând astfel că dispecerizarea se adaptează la mediul de operare. Fie că funcționează în modul de operare „conectată la rețea” sau „insularizată”, o sursă izocronă este tratată ca orice altă sursă distribuită de energie pentru a generaliza formularea matematică, astfel încât algoritmul să fie identic în ambele moduri de operare. Fiecare parametru este definit pentru toate tehnologiile și obiectivele surselor distribuite din cadrul sistemului de management al energiei, iar costul lor total este determinat de suma ponderată a obiectivelor cu parametrii lor de ponderare subiectivi. Una dintre principalele provocări ale implementării online este încorporarea sistemului de stocare a energiei în algoritmul de dispecerizare economică independentă de timp. Pentru a soluționa acest lucru, un algoritm de backcasting a fost dezvoltat pe baza valorii actuale calculate a energiei pentru a determina valoarea relativă a energiei stocate față de condițiile actuale de piață. Astfel, luând în considerare limitele legate de capacitatea, eficiența, puterea și energia sistemului de stocare, s-a determinat strategia de încărcare/descărcare adecvată. De asemenea, în teză se completează cadrul de controler ierarhic online propus în literatură pentru controlul secundar și terțiar al microrețelelor care conțin surse regenerabile, precum și alte surse distribuite care pot fi utilizate pentru a sprijini un nivel ridicat al integrării sale.

În cele din urmă, în teză se dezvoltă controlul primar al microrețelei în modul izocron, respectiv utilizarea sistemului de stocare a energiei ca sursă de energie izocronă. Deși nu multe lucrări de cercetare tratează stocarea ca resursă izocronă, acest lucru a fost selectat datorită flexibilității sale inerente și capacității de a funcționa în modul de control al frecvenței și tensiunii. Noua strategie de control izocron a sistemului de stocare abordează limitările sale de putere și energie prin modificarea frecvenței sistemului independent de puterea sa pentru a „cere” mai multă sau mai puțină putere de la alte surse distribuite prin setările curbei „droop”, fără a necesita infrastructură de comunicații. Curbele „droop” ale sistemului de stocare asigură menținerea unui grad de încărcare optim pentru orice eveniment viitor, în timp ce limitele sale de putere sunt satisfăcute.

Contribuții personale

În cadrul lucrării se pot identifica următoarele contribuții:

Realizarea unui amplu studiu bibliografic privind aspectele legate de controlul microrețelelor, gestionarea stocării energiei și integrarea surselor regenerabile.

Definirea funcției de optimizare a unui EMS de microrețea și implementarea ei cu ajutorul software-urilor GAMS („General Algebraic Modeling System”) și Matlab sub forma unei probleme de optimizare multi-obiectiv care ia în considerare toate beneficiile de funcționare pe care le poate obține o microrețea.

Analiza parametrică a variației penetrării surselor distribuite de energie pentru a demonstra că optimizarea multi-obiectiv propusă, poate atenua efectele negative ale diferitelor niveluri de penetrare ale surselor distribuite de energie.

Elaborarea unei metodologii pentru determinarea angajamentului unității unei surse distribuite dintr-o microrețea, precum și a parametriilor cu care controlerele distribuite pot efectua dispecerizarea economică, cunoscând doar puterea reziduală din microrețea a surselor necontrolabile de energie.

Dezvoltarea unui algoritm de agregare a surselor distribuite de energie în surse virtuale, astfel încât acestea să fie „văzute” de microrețea ca o singură sursă având drept scop reducerea efortului de calcul.

Utilizarea metodologiei de tip „backcasting” în determinarea valorii nete a energiei stocate de o sursă dependentă de timp, pentru a crea o strategie de control și tranzacționare a energiei, care să încorporeze toate sursele din microrețea într-o problemă tradițională de dispecerizare economică.

Dezvoltarea unei strategii de control izocron pentru un sistem de stocare a energiei pentru a coordona intra-dispecerizarea surselor distribuite de energie în modul de operare insularizat, luând în considerare gradul de încărcare și puterea sistemului de stocare.

Metodologiile dezvolate vor contribui la creșterea eficienței în rețelele electrice de tip Smart Grid.

Perspective de dezvoltare ulterioară

Din concluziile acestei teze, următoarele aspecte sunt considerate a fi cele mai pertinente perspective de dezvoltare ulterioară:

Eliminarea ipotezei conform căreia rețeaua este lipsită de pierderi de putere și microrețeaua poate fi modelată ca un singur „nod”. Deși această ipoteză este valabilă pentru majoritatea cazurilor de microrețea, cazul particular al includerii impedanțelor liniilor electrice în sistemele de distribuție dispersate geografic sau în sistemele energetice izolate poate modifica abordarea propusă. Prin urmare, pierderile de putere din sistem trebuie să fie modelate și luate în considerare în sistemul de management al energiei, ceea ce poate influența formularea unor parametri de cost. În plus, deoarece impedanțele liniei electrice elimină în mod inerent ipoteza microrețelei tratată ca un singur „nod”, profilul de tensiune și pierderile din sistem pot fi luate în considerare prin optimizarea VVO (Volt/VAr Optimization) și pot fi incluse în formularea de optimizare [119].

Pentru a spori funcționalitatea sistemului de management al energiei, poate fi adăugată în formularea de dispecerizare și puterea reactivă pentru a minimiza fluxurile de putere reactivă între sursele distribuite și pentru a menține importul sau exportul de energie din/la rețeaua publică la factorul de putere neutral. Deși contribuția la suportul de putere reactivă în microrețea ar fi necorespunzătoare pentru sistemul de management al energiei, multe surse distribuite nu susțin astfel de funcționalități și multe standarde de utilitate limitează cantitatea de putere reactivă care se poate furniza sistemului de distribuție [6].

În cazul existenței unei piețe, serviciile de sistem (cum ar fi rezerva de putere activă, puterea reactivă și controlul tensiunii) pot fi luate în considerare în formularea de optimizare. Deși rezervele de putere activă sunt luate în considerare, în mod inerent în formularea prezentată, prin sistemul de stocare a energiei, acest lucru poate fi îmbunătățit în continuare pentru a furniza suport rețelei electrice publice în cazul unei porniri de la zero, sau alte servicii auxiliare precum LVRT (Low Voltage Ride–Through).

O perspectivă de cercetare ulterioară pentru a suplimenta funcționalitățile sistemului de management al energiei într-o microrețea, constă în dezvoltarea unui sistem de management al protecției (PMS – „Protection Management Sistem”). Deoarece topologia unei microrețele se schimbă inerent prin trecerea la/din modurile de operare „conectată la rețea” și „insularizată”, setările din echipamentul de protecție trebuie să se schimbe pentru a reflecta noua configurație. Valorile de setare ale sistemelor de protecții pot fi determinate în mod dinamic în controlerul central al microrețelei pentru a permite posibilitatea unor reconfigurării a microrețelelor [120]. Atât sistemele de management, cât și cele de management al protecției oferă caracteristici complementare pentru a aborda operarea sigură și optimă a unei microrețele.

ANEXA 1 TEOREME ȘI DEMONSTRAȚII

Această anexă prezintă în mod explicit teoremele și demonstrațiile folosite în capitolul 3 cu privire la teoria optimizării multi-obiectiv.

Probleme de optimizare multi-obiectiv convexe și monoton crescătoare

Datorită faptului că suma ponderată scalarizată este monoton crescătoare, atunci conform teoremei 1, soluția la funcția obiectiv scalară din (3.8) este Pareto optimă.

Teorema 1. Soluția unei funcții obiectiv scalare este suficientă pentru optimalitatea Pareto dacă funcția obiectiv crește monoton cu privire la fiecare criteriu [121, 122].

Demonstrație. O funcție obiectiv monotonă este de forma . Exponentul indică faptul că pentru orice creștere în valoare a oricărui cu va rezulta o creștere în . Se presupune că . Dacă nu este Pareto optim, atunci există astfel încât . Însă datorită monotoniei, . Acest rezultat contrazice ipoteza că este minimizator. Prin urmare, deoarece acesta este minimizator, trebuie să fie Pareto optim.

De astfel, funcțiile obiectiv sunt formulate ca funcții pătratice în (3.3) – (3.7) și în tabelul 5.1. Conform definițiilor 5 și 6, dacă fiecare funcție din problema de optimizare multi-obiectiv este convexă peste zona sa continuă, atunci problema de optimizare multi-obiectiv este convexă și condițiile 1 și 2 și în consecintă și proprietatea 1 din subcapitolul 3.3 sunt satisfăcute.

Definiția 5. O funcție este convexă dacă pentru toate este valabil că pentru toate [78].

Definiția 6. O problemă de optimizare multi-obiectiv este convexă dacă toate funcțiile obiectiv și zonele fezabile sunt convexe [78].

Scalarizarea ponderată

Parametrii de ponderare subiectivi sunt alocați de operatorul microrețelei cu condiția ca (condiția 3 din subcapitolul 3.3). Prin urmare conform teoremelor 2 și 3, soluția unică la problema de scalarizare ponderată în (3.2) sau (3.8) este Pareto optimă și prin urmare proprietatea 2 din subcapitolul 3.3 este satisfăcută.

Trebuie reținut faptul că unele lucrări din literatura de specialitate sugerează ca ponderile să fie setate astfel încât (cazul relației (3.15)), însă acest lucru nu afectează abordarea sumei ponderate care conduce la o soluție optimă Pareto [80]. Acest aspect a fost inclus ca o constrângere de proiectare pentru a facilita determinarea ponderilor relative ale fiecărui obiectiv pentru operatorul microrețelei.

Teorema 2. Soluția problemei metodei criteriilor ponderate este suficientă pentru optimalitatea Pareto [121].

Demonstrație. Derivata funcției obiectiv în raport cu orice criteriu ia forma . Aceste derivate constante și pozitive indică faptul că funcția crește monoton cu privire la fiecare criteriu. Apoi, conform teoremei 1, metoda va găsi doar punctele optime Pareto.

Teorema 3. Soluția unică pentru problema de ponderare din (3.2) și (3.8) este optimă Pareto dacă coeficienții de ponderare sunt pozitivi, adică pentru [78].

Demonstrație. Se consideră că este o soluție unică a problemei de ponderare, cu coeficienți de ponderare pozitivi. De asemenea, se presupune că aceasta nu este Pareto optimă. Cu alte cuvinte, există o soluție astfel încât pentru și pentru cel puțin un . Deoarece pentru , se obține:

(A1.1)

Pe de altă parte, conform teoremei 3, unicitatea lui înseamnă că:

(A1.2)

pentru toate . Cele două inegalități de mai sus sunt contradictorii, și prin urmare trebuie să fie o soluție optimă Pareto.

Optimalitatea globală Pareto

Prin formularea problemei de optimizare multi-obiectiv ca o scalarizare a funcțiilor pătratice, abordarea sumei ponderate formează întotdeauna o combinație strict convexă de obiective atunci când se asigură că toate ponderile sunt pozitive. S-a demonstrat anterior că soluția unică dă o soluție Pareto locală optimă. Mai mult, optimitatea globală Pareto poate fi garantată (proprietatea 3 din subcapitolul 3.3) dacă funcțiile obiective și zona fezabilă sunt convexe (conform teoremei 4), ceea ce reprezintă cazul când condiția 2 și deci proprietățile 1 și 2 din subcapitolul 3.3 sunt satisfăcute. Prin urmare, toate cele trei proprietăți din subcapitolul 3.3 sunt satisfăcute, având în vedere că, condițiile pentru formularea problemei de optimizare multi-obiectiv sunt adevărate.

Pentru a demonstra teorema 4, se consideră funcția care reprezintă o hipersferă n-dimensională cu centrul în și rază , adică .

Teorema 4. Dacă problema de optimizare multi-obiectiv este convexă, atunci fiecare soluție optimă Pareto este de asemenea Pareto optimă global [78].

Demonstrație. Se consideră o soluție Pareto optimă local. Prin urmare, există anumite și pentru astfel încât nu există pentru care pentru toți și pentru cel puțin un index

Se presupune că nu este o soluție Pareto optimă global. În acest caz, există anumite puncte astfel încât:

(A1.3)

și

(A1.4)

Se definește , unde este selectat astfel încât . Convexitatea mulțimii S implică . Folosind convexitatea funcțiilor obiectiv și relațiile (A1.3) și (A1.4) e obține pentru orice . Deoarece este Pareto optimă local și trebuie să avem pentru toți i.

Mai departe, pentru orice . Deoarece se poate divide prin acesta, se obține pentru toți i. Conform relațiilor (A1.3) și (A1.4) avem pentru anumiți indecși j. Acest lucru reprezintă o contradicție și prin urmare este o soluție optimă globală Pareto.

Trebuie avută în vedere și zona discontinuă cauzată de variabila(ele) binară(e) în spațiul soluției care este determinată de capacitatea unor surse distribuite de a fi conectate sau deconectate. Abordarea pentru a garanta soluția globală optimă Pareto este că, dacă pentru toate zonele continue care cuprind spațiul soluției, se găsește soluția Pareto optimă locală se compară pur și simplu fiecare soluție pentru a găsi minimul global. Deoarece există un număr limitat de zone discontinue (există un număr finit de surse distribuite în microrețea), soluția globală optimă Pareto poate fi găsită întotdeauna pentru fiecare problemă de optimizare multi-obiectiv, prin formula de scalarizare propusă.

Proiecții

Teorema 5 validează reprezentarea grafică a spațiului soluției ca o proiecție în două dimensiuni pentru figurile 3.4 – 3.6. Prin extinderea acestei teoreme, proiecția unui spațiu de soluție de ordin superior pe un spațiu de soluție de ordin inferior va fi, de asemenea, Pareto optimă.

Teorema 5. Punctele care sunt Pareto optime într-o optimizare cu două criterii, vor rămâne Pareto optime într-o proiecție în dimensiunile originale, atunci când numărul de criterii, n, este crescut [121].

Demonstrație. Deoarece un punct este Pareto optim în două dimensiuni, niciun criteriu nu poate fi redus fără majorarea celuilalt. Cu aceste două criterii păstrate constante, unul sau mai multe puncte optime Pareto există în raport cu celelalte criterii considerate separat, deoarece este un subset nevid al setului realizabil. Apoi, punctul trebuie să fie Pareto optim în n dimensiuni, deoarece niciunul din primele două criterii nu poate fi redus fără creșterea celuilalt și nici unul dintre celelalte criterii nu poate fi redus fără a crește cel puțin celălalt criteriu .

ANEXA 2 DEDUCEREA FORMULELOR

Deducerea formulelor din capitolul 5 este prezentată aici pentru a oferi o mai bună cursivitate și claritate tezei, menținând astfel atenția asupra principalelor puncte și contribuții ale lucrării. În subcapitolul 1 se prezintă deducerea parametrilor pătratici multi-obiectiv pentru fiecare sursă din subcapitolul 5.2, în timp ce în subcapitolul 2 se prezintă demonstrația care validează separarea parametrilor de încărcare și descărcare din paragraful 5.3.2.

Definirea parametrilor pentru optimizarea multi-obiectiv distribuită

Această secțiune prezintă coeficienții ecuațiilor pătratice din tabelul 5.1. Rezultatele obținute sunt utilizate în parametrii controlului distribuit pentru fiecare obiectiv din problema de optimizare multi-obiectiv.

Fiabilitatea serviciului de alimentare cu energie

Pentru sarcinile controlabile, funcția de cost a fiabilității serviciului este evidentă, deoarece este definită ca o funcție liniară a costului pentru energia nelivrată:

(A2.1)

În ceea ce privește celelalte surse, fiabilitatea serviciului depinde de capacitatea tuturor surselor de a menține împreună echilibrul energetic în caz de perturbare sau scenariu insular; cu toate acestea, numai sistemul de stocare este considerat în mod direct, deoarece disponibilitatea acestuia depinde de modul în care a fost utilizat în perioadele anterioare. Pentru a menține fiabilitatea serviciului, sistemul de stocare a energiei trebuie să mențină o anumită rezervă de energie pentru a fi încărcată sau descărcată în cazul unui eveniment extern.

O abatere de la gradul de încărcare dorit () are ca rezultat o capacitate mai mică de a menține echilibrul energetic pe durata unei perturbații. Deoarece o abatere mai mare ar reduce semnificativ capacitatea sistemului de stocare de a menține fiabilitatea alimentării atunci când există o abatere de putere bruscă, funcția de cost este definită ca:

(A2.2)

cu o constantă de proporționalitate . Cu toate acestea,

(A2.3

atunci când se neglijează pierderile de putere, unde este gradul de încărcare curent. Substituind (A2.3) în (A2.2), rezultă:

(A2.4)

(A2.5)

(A2.6)

Cel mai mare risc de nealimentare a sarciniilor critice este atunci când . Prin urmare este calculată din (A2.2) :

(A2.7)

(A2.8)

(A2.9)

Comparând (A2.6) cu (4.1), parametrii pătratici de cost ai obiectivelor sunt:

(A2.10)

(A2.11)

(A2.12)

Fluctuațiile de putere

Fluctuațiile de putere sunt luate în considerare numai pentru rețeaua publică, deoarece aceasta reprezintă sursa prin care acest obiectiv este direct afectat. O fluctuație extremă ar fi semnificativ mai dificilă decât o fluctuație mai mică și astfel formularea în timp real va avea ca scop reducerea pătratului variabilității, cu beneficiul suplimentar ca fluctuația să fie invariabilă la o modificare pozitivă sau negativă a puterii. Pentru rețeaua publică cu o constantă de proporționalitate și o valoare de setare a puterii anterioare de :

(A2.13)

(A2.14)

Constanta de proporționalitate poate fi determinată prin evaluarea unei valori costisitoare a la o fluctuație de putere semnificativă – de exemplu, la unde reprezintă o deviație standard a fluctuațiilor de putere în rețeaua publică pentru ultimele T ore.

Prin urmare poate fi calculată prin înlocuirea deviației standard în (A2.14)

(A2.15)

(A2.16)

Comparând (A2.14) și (A2.16) cu (4.1), parametrii pătratici de cost al rețelei publice pentru acest obiectiv sunt:

(A2.17)

(A2.18)

(A2.19)

Trebuie reținut faptul că fluctuațiile de putere pentru sursele distribuite individuale sunt neglijate în această teză. Dacă trebuie să se ia în considerare fluctuațiile de putere și limitele specifice, acestea pot fi utilizate în acest obiectiv pentru fiecare sursă distribuită.

Încărcarea maximă

Similar cu obiectivul fluctuațiilor de putere, se consideră că numai rețeaua publică contribuie la acest obiectiv. Importul sau exportul de energie foarte mare ar trebui să fie penalizat mai mult și prin urmare, o funcție de cost pătratică este folosită și pentru acest obiectiv. Întrucât punerea în aplicare în timp real nu diferă față de implementarea prezentată în capitolul 3, relația (3.6) se utilizează pentru determinarea coeficienților pătratici ai costului în timp real. Prin urmare, aceștia sunt:

(A2.20)

(A2.21)

(A2.22)

Emisiile de gaze cu efect de seră

Singurele surse de energie care emit gaze cu efect de seră sunt generatoarele Diesel și rețeaua publică prin mixul de resurse. Deoarece generatorul Diesel este un generator alimentat de un motor termic, cantitatea de combustibil necesară în raport cu puterea la borne este de natură patratică. Notând , , coeficienții pătratici, liniari și constanți ai energiei la borne în funcție de combustibil (), se determină cantitatea de combustibil consumată pentru o putere dată:

(A2.23)

Cu valoarea cantității de emisii de gaze cu efect de seră pe litru de motorină reprezentată de , funcția de cost a obiectivului poate fi scrisă sub forma:

(A2.24)

Prin urmare parametrii pătratici de cost pentru acest obiectiv sunt:

(A2.25)

(A2.26)

(A2.27)

Pentru rețeaua publică, cantitatea de gaze cu efect de seră depinde de amestecul surselor de energie din cadrul acesteia. Deoarece beneficiile rețelei publice provin din economia de scară, se presupune că emisiile pentru sursele bazate pe combustibil sunt lineare cu importul de energie din rețeaua publică (la fel cum prețul energiei este constant pentru o anumită perioadă de timp). Prin urmare, parametrii de cost pătratici pentru acest obiectiv sunt:

(A2.28)

(A2.29)

(A2.30)

unde reprezintă emisiile marginale ale rețelei publice, iar reprezintă emisiile de gaze cu efect de seră pentru fiecare kWh importat din rețeaua publică.

Dacă microrețeaua s-ar situa într-o jurisdicție cu încurajarea integrării surselor regenerabile de energie, o penalitate suplimentară poate fi inclusă în acest obiectiv pentru și .

Costul

Funcția de evaluare a costului energiei achiziționate/vândute din/către rețeaua publică este evidentă, deoarece aceasta este pur și simplu costul marginal al energiei:

(A2.31)

În mod similar, dacă microrețeaua se află într-o jurisdicție care utilizează un program de tarife „feed-in” pentru sursele regenerabile de energie, parametrul de cost liniar al acestui obiectiv pentru sursele regenerabile este:

(A2.32)

Pentru generatorul diesel, cantitatea de combustibil consumată pentru o anumită putere la borne este dată în (A2.23). Având costul combustibilului diesel pe litru reprezentat de , funcția de evaluare a costului energiei produse de generatorul diesel este

(A2.33)

Prin urmare parametrii pătratici de cost pentru acest obiectiv sunt:

(A2.34)

(A2.35)

(A2.36)

Deși cele două surse distribuite menționate anterior au un impact financiar direct asupra costului energiei achiziționate, sistemul de stocare a energiei este considerat un caz special, deoarece moștenește o valoare dependentă de timp a energiei bazată pe prețul energiei atunci când este încărcat și descărcat. Strategia și formularea matematică sunt descrise și în subcapitolul 5.3

Izolarea cerințelor de încărcare și descărcare

Propoziție. Conform capitolului 5, dacă și sunt toate pozitive și dacă ambele relații (5.21) și (5.22) sunt adevărate, atunci relația (5.19) este satisfăcută.

Demonstrație. Pentru ca (5.21) și (5.22) să fie adevărate, trebuie să existe valori pozitive și astfel încât:

(A2.37)

(A2.38)

Rearanjând (A2.37) și (A2.38) se obține:

(A2.39)

(A2.40)

Înmulțind (A2.39) și (A2.40) se obține:

(A2.41)

(A2.42)

(A2.43)

Reducerea în (A2.43) se face din moment ce ultimii trei termeni din (A2.42) sunt garantați ca fiind pozitivi (deoarece sunt produse de variabile pozitive). Acest lucru conduce la:

(A2.44)

care este identică cu (5.19).

BIBLIOGRAFIE

[1] International Energy Agency (IEA), World Energy Outlook, IEA Publications, November 2013. ISBN 978 92 64 20130 9.

[2] United Nations Framework Convention on Climate Change, Kyoto protocol to the United Nations framework convention on climate change, 1998.

[3] Communication from the Commission to the European Parliament, the Council, the European Economic and Social Committee and the Committee of the Regions, Energy 2020 – a strategy for competitive, sustainable and secure energy, COM(2010) 639, November 2010.

[4] Global Wind Energy Council, Global wind report: Annual market update 2011

[5] European Photovoltaic Industry Association, Global market outlook for photovoltaics until 2016, May 2012.

[6] Standard for interconnecting distributed resources with electric power systems, IEEE Sandard 1547–2003, pp. 1–16, 2003.

[7] T. Logenthiran, D. Srinivasan, A. Khambadkone, H. N. Aung, „Multiagent system for real-time operation of a microgrid in real-time digital simulator”, IEEE Transactions on Smart Grid, vol. 3, no. 2, pp. 925–933, June 2012.

[8] North American Electric Reliability Corporation, Special report – flexibility requirements and metrics for variable generation: Implications for system planning studies, NERC Integration of Variable Generation Task Force (IVGTF) Task 1–4 Assessment Report, August 2010.

[9] I. Dumitrache, „Cyber Physical Systems – New Challenges for Science and Technology”, in First International Workshop on Cyber Physical Systems, 2012.

[10] M. Amin, B. Wollenberg, „Toward a Smart Grid”, IEEE Power and Energy Magazine, vol. 3, pp. 34-38, 2008.

[11] International Energy Agency, Technology Roadmap in Smart Grids, OECD/IEA, Paris, 2011.

[12] A.Horhoianu, M. Eremia, „Smart grid management systems: control mechanisms for electricity demand”, U.P.B, Scientific Bulletin, Series C, Vol. 78, Iss. 2, 2016, ISSN 2286-3540.

[13] C. Hill, M. Such, D. Chen, J. Gonzalez, W. Grady, „Battery energy storage for enabling integration of distributed solar power generation”, IEEE Transactions on Smart Grid, vol. 3, no. 2, pp. 850–857, June 2012.

[14] S. Conti, R. Nicolosi, S. Rizzo, H. Zeineldin, „Optimal dispatching of distributed generators and storage systems for MV islanded microgrids”, IEEE Transactions on Power Delivery, vol. 27, no. 3, pp. 1243 –1251, July 2012.

[15] S. Grillo, M. Marinelli, S. Massucco, F. Silvestro, „Optimal management strategy of a battery-based storage system to improve renewable energy integration in distribution networks”, IEEE Transactions on Smart Grid, vol. 3, no. 2, pp. 950–958, June 2012.

[16] S. Mishra, G. Mallesham, A. Jha, „Design of controller and communication for frequency regulation of a smart microgrid, Renewable Power Generation”, IET, vol. 6, no. 4, pp. 248–258, July 2012.

[17] A. Dimeas, N. Hatziargyriou, „Agent based control for microgrids, in Power Engineering Society General Meeting, 2007”. IEEE, June 2007, pp. 1–5.

[18] H. Kumar Nunna, S. Doolla, „Multiagent-based distributed-energy-resource management for intelligent microgrids”, IEEE Transactions on Industrial Electronics, vol. 60, no. 4, pp. 1678–1687, 2013.

[19] J.H. Jeon, J.Y. Kim, H.M. Kim, S.K. Kim, C. Cho, J.M. Kim, J.B. Ahn, K.Y. Nam, „Development of hardware in-the-loop simulation system for testing operation and control functions of microgrid”, IEEE Transactions on Power Electronics, vol. 25, no. 12, pp. 2919 –2929, dec. 2010.

[20] A. Colet-Subirachs, A. Ruiz-Alvarez, O. Gomis-Bellmunt, F. Alvarez-CuevasFiguerola, A. Sudria-Andreu, „Centralized and distributed active and reactive power control of a utility connected microgrid using IEC61850”, Systems Journal, IEEE, vol. 6, no. 1, pp. 58–67, 2011.

[21] A. Mehrizi-Sani, R. Iravani, „Potential-function based control of a microgrid in islanded and grid-connected modes”, IEEE Transactions on Power Systems, vol. 25, no. 4, pp. 1883–1891, 2010.

[22] S. Salinas, M. Li, P. Li, „Multi-objective optimal energy consumption scheduling in smart grids”, IEEE Transactions on Smart Grid, vol. 4, no. 1, pp. 341–348, 2013.

[23] C. Colson, M. Nehrir, „Comprehensive real-time microgrid power management and control with distributed agents”, IEEE Transactions on Smart Grid, vol. 4, no. 1, pp. 617–627, 2013.

[24] W. Bower, D. Ton, R. Guttromson, S. Glover, J. Stamp, D. Bhatnagar, J. Reilly, „The advanced microgrid – integration and interoperability”, Sandia National Laboratories, Sandia Report SAND2014-1535, March 2014

[25] C. Colson, M. Nehrir, R. W. Gunderson, „Distributed multi-agent microgrids: a decentralized approach to resilient power system self-healing”, in 4th International Symposium on Resilient Control Systems (ISRCS), Aug 2011, pp. 83–88.

[26] Y. Xu, W. Liu, „Novel multiagent based load restoration algorithm for microgrids”, IEEE Transactions on Smart Grid, vol. 2, no. 1, pp. 152–161, March 2011.

[27] F. Eddy, H. Gooi, „Multi-agent system for optimization of microgrids”, in IEEE 8th International Conference on Power Electronics and ECCE Asia (ICPE ECCE), 30 June 2011, pp. 2374 –2381.

[28] International Energy Agency (IEA). „Key Renewable Trends – Excerpt from: Renewables Information”. 2016. URL IEA2016.

[29] M. Eremia, M. Shahidehpour (Editori), ș.a., „Handbook of Electrical Power System Dynamics: Modeling, Stability and Control”, IEEE Press & Wiley, Hoboken, New Jersey, 2013.

[30] A. Ellis, M. Behnke, C. Barker, „PV System Modeling for Grid Planning Studies”.

[31] H. Zhao, Q. Wu, S. Hu, CN. Rasmussen, „Review of energy storage system for wind power integration support”. Applied Energy 2015; 137:545–53.

[32] Electrical energy storage: white paper. Technical report. Prepared by electrical energy storage project team. International Electrotechnical Commission (IEC), Published December 2011. http://www.iec.ch/ whitepaper/pdf/iecWP-energystorage-LR-en.pdf.

[33] WF. Pickard, „The history, present state, and future prospects of underground pumped hydro for massive energy storage”. Proc IEEE 2012; 100:473–83.

[34] M. Raju, S. Kumar Khaitan, „Modeling and simulation of compressed air storage in caverns: a case study of the Huntorf plant”. Applied Energy 2012; 89:474–81.

[35] L. Zhou, ZP. Qi, „A review of flywheel energy storage system”. Proceedings of ISES World Congress 2007 (Vol. I – Vol. V). Berlin, Heidelberg: Springer, Berlin Heidelberg; 2009. p. 2815–2819.

[36] J.Y. Song, Y.Y. Wang, C.C. Wan, „Review of gel-type polymer electrolytes for lithium-ion batteries”. J Power Sources 1999; 77:183–197.

[37] F. Díaz-González, A. Sumper, O. Gomis-Bellmunt, R. Villafáfila-Robles, „A review of energy storage technologies for wind power applications”. Renew Sust. Energy Rev 2012; 16:2154–2171.

[38] M.H. Ali, R.A. Dougal, „An overview of SMES applications in power and energy systems”. IEEE Trans Sust Energy 2010; 1:38–47.

[39] R. Firestone, C. Marnay, „CERTS energy manager design for microgrids”, Consortium for Electric Reliability Technology Solutions Consultant Report LBNL-54447, March 2005.

[40] M. Dicorato, G. Forte, M. Trovato, „A procedure for evaluating microgrids technical and economic feasibility issues, in PowerTech”, 2009 IEEE Bucharest, June 2009, pp. 1-6.

[41] European smartgrids technology platform, European Commission Report EUR 2040, 2006.

[42] C. Marnay, „Microgrids evolution roadmap”, CIGRE Study Committee C6 Distribution Systems and Dispersed Generation, Working Group number C6.22, 2015.

[43] L. Toma, „Rețele electrice inteligente”, Suport de curs, Universitatea Politehnică București, 2017.

[44] A.Horhoianu, M. Eremia, „Evaluation of an industrial microgrid using HOMER”, U.P.B, Scientific Bulletin, Series C, vol. 79, Iss. 4, 2017, ISSN 2286-3540

[45] A.Horhoianu, M. Eremia, „Overview of microgrid control principles and strategies”, International Conference on Condition Monitoring, Diagnosis and Maintenance, CIGRE Romania, Bucharest, 2013.

[46] D. Olivares, A. Mehrizi-Sani, A. Etemadi, C. Canizares, R. Iravani, M. Kazerani, A. Hajimiragha, O. Gomis-Bellmunt, M. Saeedifard, R. Palma-Behnke, G. Jimenez- Estevez, N. Hatziargyriou, “Trends in microgrid control”, IEEE Transactions on Smart Grid, vol. 5, no. 4, pp. 1905–1919, July 2014.

[47] T. Vandoorn, B. Meersman, J. De Kooning, L. Vandevelde, „Transition from islanded to grid-connected mode of microgrids with voltage-based droop control”, IEEE Transactions on Power Systems, vol. 28, no. 3, pp. 2545–2553, Aug 2013.

[48] J. Guerrero, J. Matas, L. G. de Vicuna, M. Castilla, J. Miret, „Decentralized control for parallel operation of distributed generation inverters using resistive output impedance”, IEEE Transactions on Industrial Electronics, vol. 54, no. 2, pp. 994–1004, April 2007.

[49] K. De Brabandere, B. Bolsens, J. Van den Keybus, A. Woyte, J. Driesen, R. Belmans, „A voltage and frequency droop control method for parallel inverters”, IEEE Transactions on Power Electronics, vol. 22, no. 4, pp. 1107–1115, July 2007.

[50] S.J. Ahn, S.R. Nam, J.H. Choi, S.I. Moon, „Power scheduling of distributed generators for economic and stable operation of a microgrid”, IEEE Transactions on Smart Grid, vol. 4, no. 1, pp. 398–405, 2013.

[51] J. Guerrero, P. C. Loh, T.-L. Lee, M. Chandorkar, „Advanced control architectures for intelligent microgrids part II: Power quality, energy storage, and ac/dc microgrids”, IEEE Transactions on Industrial Electronics, vol. 60, no. 4, pp. 1263–1270, April 2013.

[52] A. Tsikalakis, N. Hatziargyriou, „Centralized control for optimizing microgrids operation”, IEEE Transactions on Energy Conversion, vol. 23, no. 1, pp. 241–248, 2008.

[53] D. Olivares, C. Canizares, M. Kazerani, „A centralized energy management system for isolated microgrids”, IEEE Transactions on Smart Grid, vol. 5, no. 4, pp. 1864–1875, July 2014.

[54] K. Tan, X. Y. Peng, P. L. So, Y. Chu, M. Z. Q. Chen, „Centralized control for parallel operation of distributed generation inverters in microgrids”, IEEE Transactions on Smart Grid, vol. 3, no. 4, pp. 1977–1987, Dec 2012.

[55] O. Saadeh, F. Bouffard, M. Ross, G. Joos, „Decentralized asynchronous microgrid dispatch with renewable generation”, in CIGRE Canada Conference, October 2013.

[56] S. McArthur, E. Davidson, V. Catterson, A. Dimeas, N. Hatziargyriou, F. Ponci, T. Funabashi, „Multi-agent systems for power engineering applications” – part I: Concepts, approaches, and technical challenges, IEEE Transactions on Power Systems, vol. 22, no. 4, pp. 1743–1752, Nov 2007.

[57] C. Colson, M. Nehrir, „Algorithms for distributed decision-making for multi-agent microgrid power management”, in Power and Energy Society General Meeting, 2011 IEEE, July 2011, pp. 1–8.

[58] B. Ramachandran, S. Srivastava, C. Edrington, D. Cartes, „An intelligent auction scheme for smart grid market using a hybrid immune algorithm”, IEEE Transactions on Industrial Electronics, vol. 58, no. 10, pp. 4603–4612, Oct 2011.

[59] J. Kim, J. Guerrero, P. Rodriguez, R. Teodorescu, K. Nam, „Mode adaptive droop control with virtual output impedances for an inverter-based flexible ac microgrid”, IEEE Transactions on Power Electronics, vol. 26, no. 3, pp. 689–701, March 2011.

[60] J.Y. Kim, J.H. Jeon, S.K. Kim, C. Cho, J. H. Park, H.M. Kim, K.Y. Nam, „Cooperative control strategy of energy storage system and microsources for stabilizing the microgrid during islanded operation”, IEEE Transactions on Power Electronics, vol. 25, no. 12, pp. 3037–3048, December 2010.

[61] A. Chaouachi, R. Kamel, R. Andoulsi, K. Nagasaka, „Multiobjective intelligent energy management for a microgrid”, IEEE Transactions on Industrial Electronics, vol. 60, no. 4, pp. 1688–1699, 2013.

[62] R. Palma-Behnke, C. Benavides, F. Lanas, B. Severino, L. Reyes, J. Llanos, D. Saez, „A microgrid energy management system based on the rolling horizon strategy”. IEEE Transactions on Smart Grid, 4(2):996–1006, 2013. ISSN 19493053.doi: 10.1109/TSG.2012.2231440.

[63] J. Silvente, G. M. Kopanos, E. N. Pistikopoulos, A. Espuña, „A rolling horizon optimization framework for the simultaneous energy supply and demand planning in microgrids”. Applied Energy, 155:485–501, 2015. ISSN 03062619.

[64] P. Marietta, M. Graells, J. M. Guerrero, „A rolling horizon rescheduling strategy for flexible energy in a microgrid”. ENERGYCON 2014 – IEEE International Energy Conference, pp.1297–1303, 2014.

[65] A. Parisio, E. Rikos, L. Glielmo, „A model predictive control approach to microgrid operation optimization”, IEEE Transactions on Control Systems Technology, 22(5):1813–1827, 2014. ISSN 10636536.

[66] I. Prodan, E. Zio, „A model predictive control framework for reliable microgrid energy management”, International Journal of Electrical Power and Energy Systems, 61:399–409, 2014. ISSN 01420615.

[67] X. Wang, A. Palazoglu, N. H. El-Farra, „Operational optimization and demand response of hybrid renewable energy systems”, Applied Energy, 143:324–335, 2015. ISSN 03062619.

[68] P. O. Kriett, M. Salani, „Optimal control of a residential microgrid”, Energy, 42(1):321–330, 2012. ISSN 03605442.

[69] Z. Wu, H. Tazvinga, X. Xia, „Demand side management of photovoltaic-battery hybrid system”, Applied Energy, 148:294–304, 2015. ISSN 03062619.

[70] L. Guo, W. Liu, X. Li, Y. Liu, B. Jiao, W. Wang, C. Wang, F. Li, „Energy Management System for Stand-Alone Wind-Powered-Desalination Microgrid”. IEEE Transactions on Smart Grid, 7(2):1079–1087, 2016. ISSN 19493053.

[71] Y. Zhang, T. Zhang, R. Wang, Y. Liu, B.Guo, „Optimal operation of a smart residential microgrid based on model predictive control by considering uncertainties and storage impacts”. Solar Energy, 122:1052–1065, 2015. ISSN 0038092X.

[72] D.E. Olivares, J. D. Lara, C. A. Cañizares, M. Kazerani, „Stochastic-Predictive Energy Management System for Isolated Microgrids”, IEEE Transactions on Smart Grid, 6(6):1–9, 2015.

[73] A. Ouammi, H. Dagdougui, L. Dessaint, R. Sacile, „Coordinated Model Predictive-Based Power Flows Control in a Cooperative Network of Smart Microgrids”, IEEE Transactions on Smart Grid, 6(5):2233–2244, 2015. ISSN 19493053.

[74] B. Zhu, H. Tazvinga, X. Xia, „Model Predictive Control for Energy Dispatch of a Photovoltaic-Diesel-Battery Hybrid Power System”, IEEE Transactions on Control Systems Technology, 23 (3):11135–11140, 2015.

[75] J. Sachs, O. Sawodny, „A Two-Stage Model Predictive Control Strategy for Economic DieselPV-Battery Island Microgrid Operation in Rural Areas”, IEEE Transactions on Sustainable Energy, 7(3): 903–913, 2016. ISSN 19493029.

[76] P. Malysz, S. Sirouspour, A. Emadi, „An optimal energy storage control strategy for gridconnected microgrids”, IEEE Transactions on Smart Grid, 5(4):1785–1796, 2014. ISSN 19493053.

[77] N. Rezaei, M. Kalantar, „Stochastic frequency-security constrained energy and reserve management of an inverter interfaced islanded microgrid considering demand response programs”, International Journal of Electrical Power and Energy Systems, 69:273–286, 2015. ISSN 01420615.

[78] K. Miettinen, „Nonlinear Multiobjective Optimization”. Kluwer Academic Publishers, 1998

[79] R. T. Marler, J. S. Arora, „Survey of multi-objective optimization methods for engineering”, Structural and Multidisciplinary Optimization, vol. 26, pp. 369–395, 2004.

[80] R. T. Marler, J. S. Arora, „The weighted sum method for multi-objective optimization: new insights”, Structural and Multidisciplinary Optimization, vol. 41, no. 6, pp. 853–862, June 2010.

[81] M. Ross, C. Abbey, S. Wong, G. Joos, „Managing the intermittency of renewable energy generation in microgrids – issues and solutions”, in 2012 CIGRE Canada Conference, September 2012, pp. 1 –9.

[82] Government of Canada, Statistics Canada. (2013) Gasoline and fuel oil, average retail prices by urban centre, http://www.statcan.gc.ca.

[83] M. Sullivan, M. Mercurio, J. Schellenberg, „Estimated value of service reliability for electric utility customers in the United States”, Ernest Orlando Lawrence Berkeley National Laboratory Report LBNL-2132E, June 2009.

[84] BC Hydro’s long-run marginal cost of firm energy: Components and description, BC Hydro, December 2011.

[85] W. Shirley, R. Cowart, R. Sedano, F. Weston, C. Harrington, D. Moskovitz, „State electricity regulatory policy and distributed resources: Distribution system cost methodologies for distributed generation”, National Renewable Energy Laboratory– Subcontractor Report NREL/SR-560-32500, October 2002.

[86] Natural Resources Canadas Office of Energy Efficiency Fuel consumption guide 2013, http://oee.nrcan.gc.ca/.

[87] M. Ross, R. Hidalgo, C. Abbey, G. Joos, „Energy storage system scheduling for an isolated microgrid”, Renewable Power Generation, IET, vol. 5, no. 2, pp. 117–123, March 2011.

[88] Q. Jiang, M. Xue, G. Geng, „Energy management of microgrid in grid-connected and stand-alone modes”, IEEE Transactions on Power Systems, vol. 28, no. 3, pp. 3380–3389, August 2013.

[89] M. Zadeh, A. Hajimiragha, M. Krok, S. Allan, A. Palizban, „Bella Coola microgrid generation optimizaiton with a hydro-electric unit operating in isochronous mode”, CIGRE Bologna Symposium, pp. 1–7, September 2011.

[90] Independent Electricity System Operator (IESO) Market data: Zonal demands archives. http://www.ieso.ca/.

[91] University of Waterloo. (2009) University of waterloo weather station data archives, http://weather.uwaterloo.ca.

[92] Caterpillar Inc. (2013) Diesel generator set 3512B: Continuous 1010 ekW 1263 kVA, http://www.cat.com

[93] O. L. de Weck, „Multiobjective optimization: History and promise, in The Third China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems”, no. GL2-2, Kanazawa, Japan, October 30–November 2 2004, pp. 1–14.

[94] E. Mashhour, S. Moghaddas-Tafreshi, „Bidding strategy of virtual power plant for participating in energy and spinning reserve markets – part i: Problem formulation”, IEEE Transactions on Power Systems, vol. 26, no. 2, pp. 949–956, 2011.

[95] N. Ruiz, I. Cobelo, J. Oyarzabal, „A direct load control model for virtual power plant management”, IEEE Transactions on Power Systems, vol. 24, no. 2, pp. 959–966, 2009.

[96] H. Xin, D. Gan, N. Li, H. Li, C. Dai, „Virtual power plant-based distributed control strategy for multiple distributed generators”, Control Theory Applications, IET, vol. 7, no. 1, pp. 90–98, 2013.

[97] Z. Li, W. Wu, B. Zhang, H. Sun, Q. Guo, „Dynamic economic dispatch using lagrangian relaxation with multiplier updates based on a quasi-newton method”, IEEE Transactions on Power Systems, vol. 28, no. 4, pp. 4516–4527, 2013.

[98] V. Pappala, I. Erlich, „A variable-dimension optimization approach to unit commitment problem”, IEEE Transactions on Power Systems, vol. 25, no. 3, pp. 1696– 1704, 2010.

[99] C. Marnay, G. Venkataramanan, M. Stadler, A. Siddiqui, R. Firestone, B. Chandran, „Optimal technology selection and operation of commercial-building microgrids, IEEE Transactions on Power Systems, vol. 23, no. 3, pp. 975–982, Aug 2008.

[100] Q. Fu, A. Hamidi, A. Nasiri, V. Bhavaraju, S. Krstic, P. Theisen, „The role of energy storage in a microgrid concept: Examining the opportunities and promise of microgrids”. Electrification Magazine, IEEE, vol. 1, no. 2, pp. 21–29, Dec 2013.

[101] A. Gomez-Exposito, A. Conejo, C. Canizares, „Electric Energy Systems: Analysis and Operation”. CRC Press, July 2008.

[102] M. Parvania, M. Fotuhi-Firuzabad, M. Shahidehpour, „Comparative hourly scheduling of centralized and distributed storage in day-ahead markets”, IEEE Transactions on Sustainable Energy, vol. 5, no. 3, pp. 729–737, July 2014.

[103] M. Hopkins, A. Pahwa, T. Easton, „Intelligent dispatch for distributed renewable resources”, IEEE Transactions on Smart Grid, vol. 3, no. 2, pp. 1047–1054, June.2012.

[104] A. Gabash, P. Li, „Active-reactive optimal power flow in distribution networks with embedded generation and battery storage”, IEEE Transactions on Power Systems, vol. 27, no. 4, pp. 2026–2035, November 2012.

[105] A. Khatamianfar, M. Khalid, A. Savkin, V. Agelidis, „Improving wind farm dispatch in the australian electricity market with battery energy storage using model predictive control”, IEEE Transactions on Sustainable Energy, vol. 4, no. 3, pp.745–755, July 2013.

[106] C. Chen, S. Duan, T. Cai, B. Liu, G. Hu, „Smart energy management system for optimal microgrid economic operation”, Renewable Power Generation, IET, vol. 5, no. 3, pp. 258–267, May 2011.

[107] H. Karami, M. Sanjari, S. Hosseinian, G. Gharehpetian, „An optimal dispatch algorithm for managing residential distributed energy resources”, IEEE Transactions on Smart Grid, vol. 5, no. 5, pp. 2360–2367, September 2014.

[108] R. Fioravanti, K. Vu, W. Stadlin, „Large-scale solutions, Power and Energy Magazine”, IEEE, vol. 7, no. 4, pp. 48–57, July 2009.

[109] Y. Zhang, N. Gatsis, G. Giannakis, „Robust energy management for microgrids with high-penetration renewables”, IEEE Transactions on Sustainable Energy, vol. 4, no. 4, pp. 944–953, October 2013.

[110] R. Sioshansi, P. Denholm, T. Jenkin, J. Weiss, „Estimating the value of electricity storage in PJM: Arbitrage and some welfare effects”, Energy Economics, vol. 31, no. 2, pp. 269–277, March 2009.

[111] M. Ross, C. Abbey, G. Joos, „A methodology for optimized energy storage sizing with stochastic resources”, in Power and Energy Society General Meeting (PES), 2013 IEEE, July 2013, pp. 1–5.

[112] S. Teleke, M. Baran, S. Bhattacharya, A. Huang, „Optimal control of battery energy storage for wind farm dispatching, IEEE Transactions on Energy Conversion, vol. 25, no. 3, pp. 787–794, September 2010.

[113] S. Teleke, M. Baran, S. Bhattacharya, A. Huang, „Rule-based control of battery energy storage for dispatching intermittent renewable sources”, IEEE Transactions on Sustainable Energy, vol. 1, no. 3, pp. 117–124, October 2010.

[114] J.-H. Teng, S.-W. Luan, D.-J. Lee, Y.Q. Huang, „Optimal charging/discharging scheduling of battery storage systems for distribution systems interconnected with sizeable pv generation systems”, IEEE Transactions on Power Systems, vol. 28, no. 2, pp. 1425–1433, May 2013.

[114] A. Awad, J. Fuller, T. EL-Fouly, M. Salama, „Impact of energy storage systems on electricity market equilibrium”, IEEE Transactions on Sustainable Energy, vol. 5, no. 3, pp. 875–885, July 2014.

[116] A. Dimeas, S. Hatzivasiliadis, N. Hatziargyriou, „Control agents for enabling customer-driven microgrids”, in Power Energy Society General Meeting, 2009. PES ’09. IEEE, July 2009, pp. 1–7.

[117] MORE Microgrids, Advanced architectures and control concepts for MORE microgrids: Experimental validation of islanding mode of operation, Task Force #3, Final Version, December 2009.

[118] A.Horhoianu, M. Eremia, M. Sanduleac, „Microgrid primary control and continuous-time operation”, IEEE Conference on Development and Applications Systems, 14th Edition, May 24-26, 2018, Suceava, Romania.

[119] A. Maknouninejad, Z. Qu, „Realizing unified microgrid voltage profile and loss minimization: A cooperative distributed optimization and control approach”, IEEE Transactions on Smart Grid, vol. 5, no. 4, pp. 1621–1630, July 2014.

[120] S. Thale, R. Wandhare, V. Agarwal, „A novel reconfigurable microgrid architecture with renewable energy sources and storage”, IEEE Transactions on Industry Applications, vol. 51, no. 2, pp. 1805–1816, March 2015.

[121] T. W. Athan, „A quasi-Monte Carlo method for multicriteria optimization”, Ph.D. dissertation, The University of Michigan, 1994.

[122] T. W. Athan, P. Y. Papalambros, „A note on weighted criteria methods for compromise solutions in multi-objective optimization”, Engineering Optimization, vol. 27, pp. 155–176, 2016.

[123] J. Clavier, M. Ross, G. Joos, Dispatch techniques for canadian remote communities with renewable sources”, in Electrical Power Energy Conference (EPEC), 2013 IEEE, August 2013, pp. 1–6.