ارزیابی انعطاف‌پذیری سیستم قدرت: نیازهای آینده کیفیت توان الکتریکی

چکیده

با هدف کاهش ردپای کربنی بخش انرژی اروپا تا سال ۲۰۳۰، مقدونیه شمالی چارچوبی استراتژیک تدوین کرده است که خاموش‌سازی تدریجی نیروگاه‌های زغال‌سوز و جایگزینی آن‌ها با منابع انرژی تجدیدپذیر را دنبال می‌کند. برای ارزیابی نیازهای آینده به انعطاف‌پذیری و توان میراگر سیستم قدرت، از شبیه‌سازی‌های مدل بازار مونت کارلو و سناریوهای گوناگون استفاده شده است. این مقاله با بهره‌گیری از معیارهای مختلف، تخمینی جامع از نیازهای میراگر و انعطاف‌پذیری سیستم قدرت مقدونیه در افق برنامه‌ریزی میان‌مدت ارائه می‌دهد.

مقدمه

در سال‌های پیش رو، بخش انرژی مقدونیه با ورود منابع انرژی تجدیدپذیر متغیر (VRES) و خاموش‌سازی نیروگاه‌های زغال‌سوز و نفتی که در چارچوب استراتژی ملی پیش‌بینی شده، دگرگون خواهد شد. افزایش تمایل به سرمایه‌گذاری در VRES نیاز به انعطاف‌پذیری بیشتری را ایجاد می‌کند و برنامه‌ریزی برای خاموش‌سازی می‌تواند توان میراگر سیستم را کاهش دهد. در آینده، نیازهای انعطاف‌پذیری و میراگر به شدت به تغییرات آب‌وهوایی و ناپایداری VRES وابسته خواهد بود. این مقاله از روشی تحلیلی مبتنی بر شبیه‌سازی بازار مونت کارلو بهره می‌برد که تصادفی بودن قطعی‌های سیستم و وابستگی‌های آب‌وهوایی VRES، نیروگاه‌های آبی و بارهای سیستم را در نظر می‌گیرد.

تحلیل بازار و سناریوها

مدل بازار برای افق زمانی میان‌مدت (۲۰۳۰) طراحی شده و بر پایگاه داده ابتکار بازار انرژی (EMIDB) که توسط USEA توسعه یافته، پایگاه داده مدل بازار پان‌اروپایی (PEMMDB) و پایگاه داده آب‌وهوای پان‌اروپایی (PECD) که توسط ENTSOE تهیه شده، استوار است. EMIDB شامل داده‌های واحد به واحد برای نیروگاه‌های حرارتی و آبی، ظرفیت نصب‌شده منابع انرژی تجدیدپذیر، نیازمندی‌ها و ظرفیت‌های انتقال خالص در سطح مرزهای کشورهای جنوب شرقی اروپا است. پایگاه داده PECD نیز داده‌های آب‌وهوایی اروپا را از سال ۱۹۸۲ تا ۲۰۱۶ پوشش می‌دهد. در این مدل بازار، هر کشور به‌عنوان یک منطقه مجزا مدل‌سازی شده که تمامی فناوری‌های تولید و سری‌های زمانی بار را در سطح سیستم شبیه‌سازی می‌کند.

مدل‌سازی‌های مختلف سیستم قدرت مقدونیه

سیستم قدرت مقدونیه با سناریوهای متعددی مدل‌سازی شده که از نظر ظرفیت نصب‌شده نیروگاه‌های حرارتی (TPP)، نیروگاه‌های آبی (HPP) و VRES با یکدیگر تفاوت دارند. در مجموع، شش سناریو به‌عنوان ترکیبی از نیروگاه‌های معمولی و دو پروفیل توسعه VRES با ظرفیت نصب‌شده بالا و پایین بررسی شده‌اند. در ادامه، جدول‌ها و نمودارهای مربوط به ظرفیت نصب‌شده نیروگاه‌ها و ارزیابی‌های انجام‌شده ارائه خواهد شد.

جدول ۳ ظرفیت نصب‌شده را برای شش سناریوی مختلف توسعه در مقدونیه شمالی نشان می‌دهد.

در این مقاله، برای تحلیل انعطاف‌پذیری سیستم قدرت مقدونیه، تنها نیروگاه‌های آبی (HPP) و نیروگاه‌های حرارتی با احتراق گاز (CHP) که توانایی تأمین انعطاف‌پذیری سیستم را دارند، در نظر گرفته شده‌اند. جدول ۴ پارامترهای مربوط به انعطاف‌پذیری سیستم قدرت این کشور را نشان می‌دهد.

برای هر نیروگاه حرارتی (TPP) در این مدل، قیمت حاشیه‌ای (MP) بر اساس رابطه (۱) محاسبه شده است:

.

در این رابطه، VOM بیان‌گر هزینه‌های متغیر عملیات و نگهداری (بر حسب یورو بر مگاوات‌ساعت)، COE نرخ انتشار CO₂ نیروگاه (بر حسب کیلوگرم بر گیگاژول خالص)، FP قیمت سوخت (بر حسب یورو بر گیگاژول)، EFF بازدهی نیروگاه (بر حسب درصد) و ضریب ۳.۶ عامل تبدیل میان گیگاژول و مگاوات‌ساعت است. همچنین COP قیمت CO₂ بوده و در این مدل معادل ۶۶ یورو به ازای هر تن در نظر گرفته شده است. پارامترهای اقتصادی به‌کاررفته در مدل بازار برای نیروگاه‌های TPP در جدول ۵ ارائه شده‌اند [۱۱].

برای سایر نیروگاه‌ها، قیمت تولید برابر با MP محاسبه‌شده توسط ابزار شبیه‌سازی ANTARES در نظر گرفته شده است. الگوریتم بهینه‌سازی مبتنی بر روش مونت‌کارلو به‌طور کامل در [۱۲] شرح داده شده است. این بهینه‌سازی با شبیه‌سازی ۷۰۰ سال مونت‌کارلو انجام شد که ترکیبی از ۳۵ سال اقلیمی (CY) برگرفته از PECD و ۲۰ الگوی خرابی تصادفی تولیدکنندگان از EMIDB است. هر CY بیان‌گر ترکیبی منحصربه‌فرد از تولید باد، خورشید، آب و بار سیستم به‌صورت ساعتی، بر اساس الگوهای آب‌وهوایی تاریخی موجود در PECD می‌باشد.

نرخ خرابی اجباری (بر حسب درصد) و مدت زمان خرابی اجباری و برنامه‌ریزی‌شده (بر حسب روز) برای انواع گوناگون TPP در جدول ۶ آورده شده است.

معیارهای انعطاف‌پذیری و اینرسی

برای کمی‌سازی ارزیابی انعطاف‌پذیری و اینرسی سیستم قدرت، چهار معیار اصلی محاسبه می‌شود: RPI، REPI، LORE و SNSP.

RPI در دو مرحله به صورت زیر محاسبه می‌شود:

1. مرحله ۱: محاسبه RPI با استفاده از رابطه (۲) به‌صورت ساعتی برای تمام CYها:

.

2. مرحله ۲: RPI برابر با حداکثر مقدار ساعتی از میان تمام مقادیر محاسبه‌شده در مرحله قبل خواهد بود.

REPI نیز در دو مرحله به شکل زیر محاسبه می‌گردد:

1. مرحله ۱: محاسبه REPI با استفاده از رابطه (۳) به‌صورت سالانه برای تمام CYها:



2. مرحله ۲: محاسبه نهایی REPI با استفاده از رابطه (۴):

.

معیار LORE طی شش مرحله به شرح زیر محاسبه می‌شود:

1. مرحله ۱: محاسبه بار خالص (NL) برای تمام CYها:

.

2. مرحله ۲: محاسبه شیب بار خالص (NLR) برای تمام CYها:

.

سپس مقادیر به‌دست‌آمده از رابطه (۶) به دو زیرمجموعه تقسیم می‌شوند: شیب بار خالص مثبت یا صعودی (NLR⁺(t)) و شیب بار خالص منفی یا نزولی (NLR⁻(t)).

3. مرحله ۳: محاسبه احتمال کاهش تولید منابع انرژی تجدیدپذیر متغیر (VRES) در صورت منفی شدن NL:

.

4. مرحله ۴: محاسبه احتمال کاهش تولید VRES در صورت بزرگ‌تر بودن NLR⁺(t) از قابلیت افزایش بار سیستم برق مقدونیه:

.

در این رابطه، RU(t) نشان‌دهنده قابلیت باقی‌مانده افزایش بار نیروگاه‌های مندرج در جدول ۴، بر اساس نتایج توزیع مونت‌کارلو است.

5. مرحله ۵: محاسبه احتمال کاهش تولید VRES در صورت بزرگ‌تر بودن قدر مطلق NLR⁻(t) از قدر مطلق قابلیت کاهش بار سیستم برق مقدونیه:

.

در اینجا RD(t) بیان‌گر قابلیت باقی‌مانده کاهش بار نیروگاه‌های جدول ۴، مبتنی بر نتایج توزیع مونت‌کارلو می‌باشد.

6. مرحله ۶: محاسبه نهایی LORE با استفاده از رابطه (۸):

.

در پایان، معیار SNSP با استفاده از رابطه (۹) محاسبه می‌شود:

.

در این رابطه، E نمایان‌گر قدرت صادراتی از سیستم مورد تحلیل به‌صورت ساعتی است. مقادیر SNSP برای هر ساعت و برای تمام سناریوها (∀CS) محاسبه می‌شود.

نتایج شبیه‌سازی و بحث

چهار معیار یادشده (RPI، REPI، LORE و SNSP) برای سیستم قدرت مقدونیه مطابق با روش‌های تشریح‌شده در بخش ۳ محاسبه گردید.

منظور از «تولید اجباری» کل تولیدی است که بایستی هر ساعت، مطابق با برنامه زمان‌بندی ساعتیِ مدل‌شده برای آن فناوری تولید، توزیع گردد.

با مراجعه به جدول‌های ۲ و ۳ می‌توان دریافت که در هر دو سناریوی توسعه منابع انرژی تجدیدپذیر، توزیع‌ها مشابه بوده و حول میانگین متمرکز شده‌اند. مقادیر ارائه‌شده در جدول ۳ برای سناریوی H-RES با چارچوب استراتژیک اروپا هماهنگی دارد، به نحوی که میانگین کل تولید حدود ۴۹٪ از کل بار را تشکیل می‌دهد. با توجه به مشاهده مقادیر بالای RPI در هر دو سناریوی L-RES و H-RES، لازم است در آینده چارچوب استراتژیک مقدونیه به‌منظور جلوگیری از کاهش تولید VRES بازبینی شود. این بازبینی می‌تواند شامل در نظر گرفتن فناوری‌های مختلف ذخیره‌سازی انرژی یا انتقال از صنایع مبتنی بر سوخت فسیلی به صنایع برق‌محور برای افزایش پروفایل کلی بار باشد [۱۳].

نکته حائز اهمیت آن است که نتایج مدل بازار هیچ کاهشی در تولید VRES نشان نداد. علت این امر توسعه مناسب اتصالات بین‌المللی در منطقه موردمطالعه است. با این حال، ظرفیت‌های نصب‌شده VRES در کشورهای همسایه نسبتاً اندک است، به استثنای ظرفیت‌های نصب‌شده در رومانی و یونان و همچنین سناریوهای توسعه سریع VRES برای مقدونیه (MK).

نتیجه‌گیری

در این تحلیل، انعطاف‌پذیری سیستم قدرت مقدونیه با استفاده از محاسبات بازار مبتنی بر احتمال و در مدل بازار SEE مورد بررسی قرار گرفت. برای تجزیه و تحلیل، شش سناریوی ملی به عنوان ترکیبی از سه سناریو برای توسعه نیروگاه‌های متعارف و دو سناریو برای توسعه منابع انرژی تجدیدپذیر تصادفی (VRES) انتخاب شدند. انعطاف‌پذیری این سیستم با استفاده از معیارهای RPI، REPI، LORE و SNSP مورد ارزیابی قرار گرفت.

شکل ۲. ظرفیت نصب‌شده به ازای فناوری تولید برای شش سناریو بازار مقدونیه

ادغام VRES در سیستم، منجر به نسبت بالایی بین RPI و REPI شده است که در جدول ۷ و جدول ۸ به تصویر کشیده شده است. این پدیده عمدتاً ناشی از سطوح پایین بار در دوره‌هایی است که تولید VRES در بالاترین حد خود قرار دارد. همچنین، به‌واسطه معرفی بیش‌ازحد VRES، همانطور که در جدول ۹ نشان داده شده، پارامتر LORE افزایش می‌یابد، که نشان‌دهنده خطر بالا بودن محدودیت‌های VRES در آینده است. از آنجا که نیازهای انعطاف‌پذیری به تحولات پروفایل‌های تولید در کشورهای همسایه وابسته است، انتظار می‌رود با افزایش ورود VRES، ریسک محدودیت در مقدونیه و منطقه بیشتر شود. به منظور کاهش احتمال محدودیت‌های VRES در مقدونیه و SEE، هر کشور باید به تقویت برق‌رسانی در بخش انرژی توجه ویژه‌ای داشته باشد تا بار پایه را افزایش دهد. همچنین، هر TSO باید بر روی مطالعات ملی و منطقه‌ای به منظور ارزیابی نیاز به ابزارهای انعطاف‌پذیری مانند فناوری‌های ذخیره‌سازی تمرکز کند.

ترکیب خروج نیروگاه‌های متعارف با معرفی سریع VRES در ترکیب تولید، تأثیرات منفی بر روی گشتاور سیستم خواهد داشت، آن‌طور که در شکل ۲ به وضوح نمایان است. با توجه به این‌که کشورهای SEE تمایل دارند روند مشابهی را که مقدونیه در پیش گرفته است دنبال کنند، انتظار می‌رود که گشتاور سیستم به طور منطقه‌ای کاهش یابد. برای افزایش گشتاور سیستم، نیاز است که توسعه بازارهای ملی و منطقه‌ای در اولویت قرار گیرد تا تأمین گشتاور مصنوعی از نیروگاه‌های VRES تسهیل شود. افزون بر این، لازم است که قابلیت مکانیزم‌های جبران برای تأمین گشتاور از نیروگاه‌های متعارف در دوره‌های تولید بالا از VRES به دقت مورد بررسی قرار گیرد.

معیارهای ارائه شده در این مقاله به‌طور نسبی به آسانی قابل محاسبه هستند و روش محاسبه آن‌ها نسبت به سایر روش‌های پیچیده، نیاز به پردازش محاسباتی کمتری دارد. در مقابل، شبیه‌سازی‌های بازار به دلیل پیچیدگی مدل نیاز به ۲۴ ساعت زمان دارند. نتایج به‌دست‌آمده نمایانگر یک بررسی بی‌نظیر از نیازهای انعطاف‌پذیری آینده در بخش برق مقدونیه هستند و می‌تواند راه را برای توسعه‌های آتی در این حوزه در سطح ملی هموار کند.

قدردانی

بدین‌وسیله از حمایت شایسته انجمن انرژی ایالات متحده (USEA) در پیشبرد این پروژه صمیمانه تقدیر و تشکر می‌نماییم.

مراجع

1. PwC، MANU، استراتژی توسعه انرژی جمهوری مقدونیه شمالی تا سال ۲۰۴۰، اکتبر ۲۰۱۹.
2. GIZ، برنامه انرژی ملی و اقلیمی جمهوری مقدونیه شمالی، ژوئیه ۲۰۲۰.
3. TAF-WB، برنامه تحقق استراتژی توسعه انرژی ۲۰۲۱ – ۲۰۲۵، مارس ۲۰۲۱.
4. Cochran، J & Miller، Mackay & Zinaman، Owen & Milligan، Michael & Arent، Doug & Palmintier، Bryan & O’Malley، Mark & Mueller، S & Lannoye، Eamonn & Tuohy، Aidan & Kujala، B & Sommer، M & Holttinen، Hannele & Kiviluoma، Juha & Soonee، Sushil. (۲۰۱۴). انعطاف‌پذیری در سیستم‌های قدرت قرن ۲۱.
5. IRENA (۲۰۱۸)، انعطاف‌پذیری سیستم قدرت برای انتقال انرژی، بخش ۲: متدولوژی IRENA FlexTool، آژانس بین‌المللی انرژی‌های تجدیدپذیر، ابوظبی.
6. IEA (۲۰۱۱)، استفاده از منابع تجدیدپذیر متغیر: راهنمای چالش تعادل، انتشارات OECD، پاریس، https://doi.org/10.1787/9789264111394-en.
7. Dierk Bauknecht، Christoph Heinemann، Moritz Vogel، مطالعه‌ای در مورد ارزیابی تأثیر برای یک دستور جدید برای جریان اصلی پیاده‌سازی انرژی‌های تجدیدپذیر و اطمینان از اینکه اتحادیه اروپا هدف انرژی تجدیدپذیر ۲۰۳۰ خود را برآورده کند، وظیفه ۳.۱: ارزیابی تاریخی پیشرفت‌های انجام شده از ۲۰۰۵ در یکپارچگی برق تجدیدپذیر در اروپا و شاخص‌های اولیه برای انعطاف‌پذیری، ژوئیه ۲۰۱۹، https://energy.ec.europa.eu/designflexibility-portfolios-member-state-level-facilitate-cost-efficientintegration-high-shares_en.
8. J. Ma، V. Silva، R. Belhomme، D. S. Kirschen و L. F. Ochoa، “مطالعه استفاده از شاخص‌های انعطاف‌پذیری در سیستم‌های برق کم کربن,” ۲۰۱۲ 3rd IEEE PES Innovative Smart Grid Technologies Europe (ISGT Europe)، ۲۰۱۲، صفحات ۱-۵، doi:۱۰.۱۱۰۹/ISGTEurope.۲۰۱۲.۶۴۶۵۷۵۷.
9. Poncela Blanco، M.، Purvins، A. و Chondrogiannis، S.، تحلیل پان-European بر روی انعطاف‌پذیری سیستم برق، ENERGIES، ISSN ۱۹۹۶-۱۰۷۳، ۱۱ (۷)، ۲۰۱۸، JRC110658.
10. ENTSOE، ارزیابی تناسب منابع اروپایی ۲۰۲۱ – گزارش اجرایی، بروکسل، ۲۰۲۱، لینک: https://www.entsoe.eu/outlooks/eraa/eraa-downloads/.
11. USEA، ارزیابی تأثیر سطوح بالای کربن‌زدایی و انرژی پاک تا سال ۲۰۳۰ بر روی بازار برق و عملیات شبکه در جنوب شرق اروپا، ۲۰۲۲
12. RTEi، شبیه‌ساز Antares ۷.۱.۰ – فرموله‌سازی مشکلات بهینه‌سازی، https://antares-simulator.org.
13. B. Ćosić، G. Krajačić، و N. Duić، “یک سیستم انرژی ۱۰۰% تجدیدپذیر در سال ۲۰۵۰: مورد مقدونیه،” انرژی، جلد ۴۸، شماره ۱، صفحات ۸۰–۸۷، دسامبر ۲۰۱۲، doi:۱۰.۱۰۱۶/j.energy.۲۰۱۲.۰۶.۰۷۸.

نویسندگان

استویان م. و سیمه ک. از اپراتور سیستم انتقال مقدونیه، دپارتمان برنامه‌ریزی سیستم‌های قدرت، خیابان ماکسیم گورکی شماره ۴ هستند. ایمیل آن‌ها به ترتیب: stojan.malcheski-@mepso.com.mk و sime.kuzarevski@mepso.com.mk می‌باشد. همچنین جوویچا و.، یوردانکو آ. و میرو ک. از دانشگاه سنت سایریل و متدویس، دانشکده مهندسی برق و فناوری اطلاعات، روبجر بوشکویچ هستند. ایمیل آن‌ها: jovicav@pees-feit.edu.mk، jordanco@pees-feit.edu.mk و mirko@pees-feit.edu.mk است.

شناسه منبع و ناشر

مشخصات منبع و ناشر: PRZEGLĄD ELEKTROTECHNICZNY، ISSN ۰۰۳۳-۲۰۹۷، R. ۹۹ NR ۶/۲۰۲۳، doi:۱۰.۱۵۱۹۹/۴۸.۲۰۲۳.۰۶.۲۸. این مقاله توسط PQBlog منتشر شده است.

مهندسین برق

برای مطالعه سایر مطالب مرتبط، به ادامه مطلب مراجعه کنید.

پرسش‌های متداول

چرا بهبود کیفیت توان الکتریکی مهم است؟

بهبود کیفیت توان باعث افزایش کارایی سیستم‌های برق و کاهش هزینه‌ها می‌شود.

سناریوهای مختلف در تحلیل کیفیت توان چه کمکی می‌کند؟

این سناریوها به شناسایی نیازهای انعطاف‌پذیری و میراگر سیستم کمک می‌کنند.

روش‌های ارزیابی کیفیت توان چیست؟

روش‌های مختلفی شامل تحلیل داده‌ها و شبیه‌سازی‌های متفاوت برای ارزیابی کیفیت توان وجود دارد.

منبع: powerquality.blog