Optimization of Energy Mix with Significant Shares of ... · elektrownie wiatrowe na morzu; i inne jednostki wytwórcze, które nie są centralnie dysponowane (nJWCD), takie jak elektrociepłownie

POLITECHNIKA ŁÓDZKA

WYDZIAŁ ELEKTROTECHNIKI, ELEKTRONIKI, INFORMATYKI I AUTOMATYKI

INSTYTUT ELEKTROENERGETYKI

STRESZCZENIE ROZPRAWY DOKTORSKIEJ

Optimization of Energy Mix with Significant Shares of

Renewable Energy Sources

Optymalizacja miksu energetycznego ze znacznym

udziałem odnawialnych źródeł energii (PL)

mgr inż. Wojciech Łyżwa

PROMOTOR: prof. dr hab. inż. Władysław Mielczarski

PROMOTOR POMOCNICZY: dr inż. Michał Wierzbowski

ŁÓDŹ, POLSKA

KWIECIEŃ 2016

1

SPIS TREŚCI

1. WSTĘP ....................................................................................................................... 3

1.1. Teza rozprawy doktorskiej ..................................................................................... 4

2. TRADYCYJNE MODELOWANIE MIKSU ENERGETYCZNEGO ...................................... 6

2.1. Opis modelu optymalizacyjnego ............................................................................ 6

2.2. Funkcja celu ........................................................................................................... 8

2.3. Podstawowe ograniczenia ...................................................................................... 8

2.3.1. Bilans mocy ..................................................................................................... 8

2.3.2. Bilans energii .................................................................................................. 9

2.3.3. Maksymalna i minimalna produkcja energii elektrycznej .............................. 9

3. DANE WEJŚCIOWE .................................................................................................. 11

4. METODA KRZYWEJ OBCIĄŻENIA NETTO ................................................................ 13

5. OPTYMALIZACJA MIKSU ENERGETYCZNEGO Z UWZGLĘDNIENIEM KRZYWEJ

RLDC ............................................................................................................................. 16

5.1. Wpływ generacji OZE na sekcje RLDC .............................................................. 16

5.2. Funkcja celu ......................................................................................................... 18

5.3. Podstawowe ograniczenia .................................................................................... 18

5.3.1. Bilans mocy ................................................................................................... 18

5.3.2. Bilans energii ................................................................................................ 18

5.3.3. Maksymalna i minimalna produkcja energii elektrycznej ............................ 19

6. SCENARIUSZE OPTYMALIZACYJNE I WYNIKI ......................................................... 21

6.1. Scenariusze optymalizacyjne ............................................................................... 21

2

6.2. Wyniki symulacji ................................................................................................. 21

6.2.1. Moc zainstalowana ........................................................................................ 21

6.2.2. Produkcja energii elektrycznej ...................................................................... 23

6.2.3. Krzywa RLDC .............................................................................................. 25

7. PORÓWNANIE MODELI OPTYMALIZACYJNYCH ...................................................... 26

7.1. Nadprodukcja energii elektrycznej ze względu na RES ...................................... 26

7.2. Wpływ profilu OZE na szczytowe obciążenie netto ............................................ 27

7.3. Wykorzystanie mocy znamionowej JWCD ......................................................... 28

7.4. Skomplikowanie modelu ...................................................................................... 28

8. WNIOSKI I REKOMENDACJE DO DALSZYCH BADAŃ ............................................... 29

8.1. Wnioski ................................................................................................................ 29

8.2. Rekomendacje do dalszych badań ....................................................................... 30

3

1. WSTĘP

Modelowanie systemów elektroenergetycznych jest dziedziną nauki, która rozwinęła się

w celu wspierania podmiotów odpowiedzialnych za pracę i rozwój systemów

elektroenergetycznych. Tym samym, modele komputerowe stały się niezbędnymi

narzędziami, bez których zarządzanie sektorem energetycznym byłoby niemożliwe. W

większości przypadków, planowanie pracy systemów elektroenergetycznych można

podzielić ze względu na horyzont czasowy na długo- i krótko-terminowe. Modele

przyjmujące krótki horyzont czasowy szczegółowo uwzględniają takie aspekty pracy

systemu jak: operacyjne rezerwy mocy, rozruchy, załączanie i wyłączanie jednostek

wytwórczych z ich stałymi czasowymi. Przykładem tego typu modeli są modele

planujące rozkład obciążeń jednostek wytwórczych (ang. commitment and dispatch),

które zazwyczaj obejmują zakres czasu jednego dnia z krokiem godzinowym lub

piętnasto-minutowym. Z drugiej strony, modele długoterminowe, służące do planowania

rozwoju systemu elektroenergetycznego uwzględniają horyzont czasowy o długości

dziesiątek lat.

W dzisiejszych czasach, rosnący wpływ niestabilnych odnawialnych źródeł energii na

pracę systemu elektroenergetycznego powoduje konieczność uwzględnienia w

długoterminowym planowaniu rozwoju systemu także krótkoterminowych aspektów.

Takie wielopoziomowe podejście jest skomplikowane i często prowadzi do

niezadowalających parametrów obliczeniowych stworzonych modeli.

Miks energetyczny to skład jednostek wytwórczych w systemie elektroenergetycznym

służących do zapewnienia bilansów mocy i energii. Planowanie miksu energetycznego

odnosi się głownie do minimalizacji całkowitych kosztów budowy i pracy jednostek w

długoterminowej perspektywie.

Głównym celem rozprawy doktorskiej jest przedstawienie nowego podejścia do

długoterminowej optymalizacji miksu energetycznego, która uwzględnia

krótkoterminowe aspekty pracy systemu elektroenergetycznego, takie jak zmienność

produkcji energii z niestabilnych odnawialnych źródeł energii (OZE). Dodatkowo,

zaproponowana metoda umożliwia maksymalizację udziału OZE w miksie

4

energetycznym przy zachowaniu odpowiedniego poziomu bezpieczeństwa dostaw

energii elektrycznej.

W zaproponowanym podejściu możliwe jest uzyskanie akceptowalnych czasów

obliczeniowych (równych kilku godzinom) przy wykorzystaniu standardowych

komputerów przenośnych. Nowa metoda pozwala nie tylko na wyznaczenie składu

jednostek wytwórczych (zarówno konwencjonalnych jak i odnawialnych), ale również na

ocenę wpływu uzyskanego miksu na środowisko (emisje CO2). Metoda pozwala na

obliczenie nakładów finansowych potrzebnych na niezbędne inwestycje i kosztów energii

dla odbiorców końcowych.

Trzeba zwrócić uwagę na to, że zaproponowana metoda nie korzysta z metod

probabilistycznych ani z typowych prognoz, które są wykorzystywane w analizach pracy

systemu elektroenergetycznego. Metoda zaprezentowana w rozprawie doktorskiej należy

do grupy zwanej „optymalizacją scenariuszową”, w której optymalizacja miksu

energetycznego jest przeprowadzana dla wielu scenariuszy obliczeniowych

charakteryzujących się odpowiednimi parametrami, np. ceny paliw pierwotnych, ceny

pozwoleń na emisje CO2. Odpowiednie sformułowanie scenariuszy pozwala na

dokonanie analizy, która służy odpowiedzi na pytanie jak „w optymalny” sposób

powinien rozwinąć się system elektroenergetyczny by przy określonych warunkach

zewnętrznych uzyskać jak najniższy koszt całkowity.

1.1. Teza rozprawy doktorskiej

Możliwe jest przeprowadzenie długoterminowej, złożonej optymalizacji miksu

energetycznego jednostek wytwórczych biorąc pod uwagę uporządkowaną krzywą

obciążenia netto (ang. residual load duration curve – RLDC) w celu uwzględnienia

wpływu niestabilnych, odnawialnych źródeł energii na system elektroenergetyczny,

zwiększeniu ich udziału w całkowitej produkcji energii elektrycznej i zapewnieniu

odpowiedniego poziomu bezpieczeństwa dostaw energii poprzez spełnienie bilansów

mocy i energii. W szczególności jest możliwe:

przeprowadzenie długoterminowej optymalizacji miksu energetycznego w dużych

systemach elektroenergetycznych;

5

przeprowadzenie optymalizacji rozwoju OZE wraz z optymalizacją rozwoju

konwencjonalnych jednostek wytwórczych;

zaimplementowanie uporządkowanej krzywej obciążenia netto w

długoterminowej optymalizacji w celu:

o identyfikacji nadprodukcji energii elektrycznej spowodowanej przez OZE;

o wyznaczenia zmiany obciążenia szczytowego netto na skutek dużego

udziału penetracji OZE;

o analizy skrócenia czasu wykorzystania mocy znamionowej jednostek

wytwórczych centralnie dysponowanych na skutek wzrostu całkowitej

produkcji OZE.

Słuszność powyższej tezy wykazana jest poprzez:

1. Analizę pracy systemów elektroenergetycznych z uwzględnieniem wymagań Unii

Europejskiej.

2. Analizę obecnie stosowanych metod optymalizacji miksu energetycznego i

propozycja nowej metody.

3. Stworzenie nowej koncepcji optymalizacji miksu energetycznego, sformułowanie

funkcji celu oraz ograniczeń technicznych, ekonomicznych oraz regulacyjnych.

4. Rzutowanie modelu dynamicznego w przestrzeń statyczną.

5. Wybór metody optymalizacyjnej uwzględniając optymalizację nieliniową,

liniową, binarną i całkowito-liczbową.

6. Zdefiniowanie struktury systemu elektroenergetycznego poddanego

optymalizacji w celu weryfikacji przyjętej metody.

7. Sformułowanie scenariuszy optymalizacyjnych.

8. Sprawdzenie poprawności zastosowanej metody i stworzonego modelu poprzez

symulację scenariuszy optymalizacyjnych.

9. Analizę otrzymanych wyników.

10. Sformułowanie wniosków i propozycję dalszych badań.

6

2. TRADYCYJNE MODELOWANIE MIKSU

ENERGETYCZNEGO

2.1. Opis modelu optymalizacyjnego

Zaprezentowany model (nazywany przez autora eMix) jest narzędziem służącym do

optymalizacji rozwoju jednostek produkujących energię elektryczną w długim

horyzoncie czasowym. Kryterium rozwoju miksu energetycznego jest jak najniższy

całkowity koszt budowy i pracy jednostek wytwórczych. Model reprezentuje podejście

oddolne (ang. bottom-up) w modelowaniu systemu elektroenergetycznego co oznacza, że

duży nacisk jest kładziony na techniczną stronę pracy systemu. Model wykorzystuje

programowanie liniowe i całkowito-liczbowe (ang. mixed-integer linear programming –

MILP). Takie podejście umożliwia szczegółowe przedstawienie jednostek wytwórczych

w modelu optymalizacyjnym, przy zachowaniu indywidulanych parametrów

technicznych i ekonomicznych, takich jak moc znamionowa, emisje CO2,

dyspozycyjność, koszty, czas budowy i czas życia.

Przyjęty horyzont optymalizacji to lata 2020-2050. Krok optymalizacji wynosi jeden rok.

Długi horyzont czasowy jest niezbędny w tego typu problemach ze względu na długie

czasy inwestycji w sektorze energetycznym. Jednocześnie krok optymalizacji musi być

odpowiedni by uwzględnić ważne aspekty rozwoju systemu elektroenergetycznego, a z

drugiej strony by zbytnio nie skomplikować problemu co spowodowałoby zbyt długie

czasy obliczeń. Początek horyzontu optymalizacji został przesunięty z roku 2016 na rok

2020 ponieważ większość decyzji dotyczących budowy jednostek wytwórczych do roku

2020 zostało już podjęte.

Zastosowanie programowania całkowitoliczbowego wprowadza zmienne całkowite (ang.

integer) co daje możliwość implementacji jednostek wytwórczych z ich typowymi

parametrami w zależności od zastosowanej technologii. W rozprawie nie zastosowano

zmiennych binarnych ponieważ doprowadziłoby to do niepotrzebnej komplikacji

modelu. Zmienne binarne dają możliwość uwzględnienia każdej jednostki wytwórczej

oddzielnie co jest niezbędne w przypadku modeli uwzględniających lokalizację

7

elektrowni w poszczególnych węzłach sieci elektroenergetycznej. W przedstawionej

wersji modelu ten aspekt jest pominięty.

Model uwzględnia jednostki istniejące (wybudowane przed rokiem 2020) oraz jednostki

nowe (możliwe do wybudowania po roku 2020). W przypadku jednostek nowych, model

uwzględnia następujące jednostki wytwórcze centralnie dysponowane (JWCD) z ich

typowymi mocami znamionowymi:

jednostki opalane węglem brunatnym o mocy 450 MW lub 900 MW;

jednostki opalane węglem kamiennym o mocy 450 MW lub 900 MW;

jednostki gazowe o mocy 450 MW;

jednostki jądrowe o mocy 1000 MW i 1600 MW;

jednostki spalające biomasę o mocy 100 MW i 200 MW;

elektrownie wodne o mocy w przedziale 100-200 MW.

Dodatkowo eMix uwzględnia odnawialne źródła energii:

elektrownie wodne o mocy poniżej 100 MW;

elektrownie spalające biomasę o mocy poniżej 100 MW;

biogazownie;

farmy fotowoltaiczne (PV);

elektrownie wiatrowe na lądzie;

elektrownie wiatrowe na morzu;

i inne jednostki wytwórcze, które nie są centralnie dysponowane (nJWCD), takie jak

elektrociepłownie gazowe i opalane węglem oraz jednostki przemysłowe.

Przedstawione poniżej wzory matematyczne wymagają specyfikacji zbiorów U (zbiór

wszystkich jednostek wytwórczych) oraz T (zbiór oznaczający horyzont czasowy z

krokiem rocznym). Dodatkowo zbiór U podzielony jest na podzbiory U’, U’’, U’’’, U’’’’

oznaczające poszczególne technologie – wzór (2.1). Ten podział wynika ze sposobu

modelowania poszczególnych technologii.

8

𝑈′, 𝑈′′, 𝑈′′′, 𝑈′′′′ ⊂ 𝑈 (2.1)

Gdzie:

𝑈′ Zbiór JWCD (węgiel brunatny, kamienny, atom, biomasa)

𝑈′′ Zbiór wodnych JWCD

𝑈′′′ Zbiór OZE

𝑈′′′′ Zbiór nJWCD (elektrociepłownie i elektrownie przemysłowe)

𝑈 Zbiór wszystkich jednostek

2.2. Funkcja celu

Funkcja celu (2.2) przedstawia minimalizację całkowitych kosztów budowy i pracy

jednostek wytwórczych. Koszty są podzielone na stałe CFu,t i zmienne CVu,t. Koszty stałe

to roczne koszty jednostki wytwórczej, które nie zależą od produkowanej energii

elektrycznej a jedynie od mocy zainstalowanej P_Iu,t. Składają się z kosztów budowy

jednostki z uwzględnieniem kosztów kredytu bankowego oraz ze stałych kosztów

operacyjnych (ang. operation and maintenance – O&M). Koszty zmienne zależą od

produkcji energii Eu,t i dzielą się na zmienne koszty operacyjne, koszty paliwa oraz koszty

pozwoleń na emisję CO2. Zmienna całkowita Xu oznacza czy jednostka u (lub grupa

jednostek) istnieje w systemie czy też nie.

𝑚𝑖𝑛 {∑ (∑(𝑋𝑢 ∙ 𝑃_𝐼𝑢,𝑡 ∙ 𝐶𝐹𝑢,𝑡 + 𝐸𝑢,𝑡 ∙ 𝐶𝑉𝑢,𝑡)

𝑡∈𝑇

)

𝑢∈𝑈

} (2.2)

Gdzie:

𝑢 ∈ 𝑈 Zbiór jednostek wytwórczych u

𝑡 ∈ 𝑇 Zbiór okresów czasowych t

𝑋𝑢 Zmienna całkowita

𝑃_𝐼𝑢,𝑡 Moc zainstalowana jednostki u w roku t

𝐸𝑢,𝑡 Produkcja energii elektrycznej jednostki u w roku t

𝐶𝐹𝑢,𝑡 Koszty stałe jednostki u w roku t

𝐶𝑉𝑢,𝑡 Koszty zmienne jednostki u w roku t

2.3. Podstawowe ograniczenia

2.3.1. Bilans mocy

Bilans mocy odnosi się do mocy dyspozycyjnej wyznaczonej na podstawie równania

(2.3). Moc dyspozycyjna jest zazwyczaj mniejsza od mocy zainstalowanej i stanowi moc,

która jest do dyspozycji operatora systemu przesyłowego (OSP) przy tworzeniu

9

dziennych planów koordynacyjnych pracy systemu. Warunek bilansu mocy (2.4)

oznacza, że całkowita moc dyspozycyjna w systemie w każdym roku t musi być większa

lub równa od prognozowanego zapotrzebowania szczytowego powiększonego o

wymaganą rezerwę mocy.

∀𝑢 ∈ 𝑈, ∀𝑡 ∈ 𝑇 𝑃_𝐴𝑢,𝑡 = 𝐾_𝑃𝐴𝑢,𝑡 ∙ 𝑃_𝐼𝑢,𝑡 (2.3)

∀𝑡 ∈ 𝑇 ∑ 𝑃_𝐴𝑢,𝑡

𝑢𝜖𝑈

≥ 𝑃_𝐷𝑡 + 𝐾_𝑃𝑅𝐸𝑆𝐸𝑅𝑉𝐸𝑡 ∙ 𝑃_𝐷𝑡 (2.4)

Gdzie:

𝐾_𝑃𝐴𝑢,𝑡 Współczynnik dyspozycyjności mocy jednostki u w roku t

𝑃_𝐴𝑢,𝑡 Moc dyspozycyjna jednostki u w roku t

𝑃_𝐷𝑡 Prognozowane zapotrzebowanie szczytowe na moc w roku t

𝐾_𝑃𝑅𝐸𝑆𝐸𝑅𝑉𝐸𝑡 Współczynnik rezerwy mocy w roku t

2.3.2. Bilans energii

Bilans energii (2.5) oznacza, że całkowita roczna produkcja energii elektrycznej musi być

równa prognozowanemu zapotrzebowaniu na energię elektryczną w każdym roku t.

∀𝑡 ∈ 𝑇 ∑ 𝐸𝑢,𝑡 = 𝐸_𝐷𝑡

𝑢𝜖𝑈

(2.5)

Gdzie:


𝐸_𝐷𝑡 Prognozowane zapotrzebowania na energię elektryczną w

roku t

2.3.3. Maksymalna i minimalna produkcja energii elektrycznej

Maksymalna i minimalna produkcja energii elektrycznej jest wyznaczona zgodnie ze

wzorami (2.6) i (2.7). Maksimum generacji jednostki wynika z założonego

współczynnika dyspozycyjności K_Au,t określającego maksymalną ilość godzin z jaką

dana jednostka może produkować energię w ciągu jednego roku. Założone minimum

produkcji energii oznacza, że jednostka musi produkować taką ilość energii, której

sprzedaż pozwoli pokryć jej koszty finansowe CFINu,t. W przypadku zmiennych OZE

(wiatr i PV) nałożono sztywne ograniczenie mówiące o produkcji energii zgodnie z

założonym współczynnikiem dyspozycyjności bez możliwości regulacji. Tym samym

OZE mają priorytet w produkcji energii.

10

∀𝑢 ∈ 𝑈, ∀𝑡 ∈ 𝑇 𝐸𝑢,𝑡 ≤ 𝐾_𝐴𝑢,𝑡 ∙ 𝑃_𝐼𝑢,𝑡 ∙ 𝑌 (𝑏𝑒𝑧 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉) (2.6)

∀𝑢 ∈ 𝑈, ∀𝑡 ∈ 𝑇 𝐸𝑢,𝑡 ≥ 𝐶𝐹𝐼𝑁𝑢,𝑡/𝐸_𝑃𝑅𝐼𝐶𝐸𝑡 (𝑏𝑒𝑧 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉) (2.7)

Gdzie:


𝐾_𝐴𝑢,𝑡 Współczynnik dyspozycyjności jednostki u w roku t


𝑌 Liczba godzin w roku (8760 h)

𝐶𝐹𝐼𝑁𝑢,𝑡 Koszty finansowe jednostki u w roku t

𝐸_𝑃𝑅𝐼𝐶𝐸𝑡 Prognozowana cena energii elektrycznej w roku t

11

3. DANE WEJŚCIOWE

W celu weryfikacji modelu zaimplementowano dane dotyczące Polskiego Systemu

Elektroenergetycznego. Stan początkowy dotyczący mocy zainstalowanej jednostek

istniejących został opracowany na bazie danych udostępnionych przez OSP (PSE S.A.).

Dane dotyczące jednostek nowych zostały przyjęte m.in. na bazie opracowań U.S. Energy

Information Agency (EIA), Department of Energy and Climate Change (DECC), zbioru

danych Uniwersytetu Technicznego w Berlinie, danych Kancelarii Prezesa Rady

Ministrów udostępnionych w modelu DAS, danych Instytutu Energetyki Odnawialnej.

Tabela 1 przedstawia dane techniczne jednostek zaimplementowanych w prezentowanym

modelu.

Tabela 1 Dane techniczne

Technologia Moc Dyspoz. Dyspoz.

mocy

Sprawność

brutto Emisje

Czas

życia Czas budowy

Limit

roczny

- MW % % % Mg/MWh yr yr MW

W. brunatny ist. - 84-85 97 37-42 0.96-1.09 1 - -

W. brunatny nowy 450

900 85 97 42 0.96 40 5 2700

W. kamienny ist. - 84-89 97 37-46 0.73-0.91 1 - -

W. kamienny nowy 450

900 85 97 46 0.73 40 5 3600

Gaz ist. - 85 97 55 0.35 1 - -

Gaz nowy 450 85 97 55 0.35 40 3 2250

Atom 1000

1600 85 97

35

36 0 40 7 1600

Wodne JWCD ist. 1 10 70 - 0 1 - -

Wodne JWCD now. 100-200 10 70 - 0 80 2 1000

Biomasa JWCD 100

200 85.6 60 32 1.23 30 1 1400

Wodne nJWCD - 44.5 70 - 0 80 2 500

Biomasa nJWCD - 82.2 60 32 0 30 1 300

Biogaz - 79.9 60 40 0.49 30 1 250

Wiatr na lądzie - 21.1 10 - 0 25 1 2000

Wiatr na morzu - 24 10 - 0 25 2 500

PV - 9.7 0 - 0 15 1 800

CHP węgiel - 43 43 80 (total)

43(elec.) 0.79 - - -

CHP gaz - 43 43 90 (total)

46(elec.) 0.48 - - -

Przemysłowe - 43 64 29 1.17 - - -

12

Tabela 2 przedstawia dane finansowe jednostek zaimplementowanych w prezentowanym

modelu.

Tabela 2 Dane finansowe

Technologia Overnight

cost

Stały

O&M

Zmienny

O&M

Koszt

paliwa

Całkowity

koszt fin.

Okres

spłaty

Roczne wydatki

w czasie budowy

- mln €/MW €/MW €/MWh €/MWh mln €

(mln €/MW) yr %

W. brunatny ist. - 34 092 4.03 14.7-17.5 113-5433 Czas życia -

W. brunatny nowy 1.97;2.15 34 092 4.03 14.7-15.6 4312;8518 40 10/20/30/30/10

W. kamienny ist. - 34 092 4.03 19.7-24.4 35-8991 Czas życia -

W. kamienny nowy 1.91;2.02 34 092 4.03 19.7 4312;8518 40 10/20/30/30/10

Gaz ist. - 20 000 4 381 879-1244 Czas życia -

Gaz nowy 0.8 20 000 4 381 1076 40 15/40/45

Atom 6.17 100 478 1.58 3.0-3.1 21351;34511 40 5/10/20/25/15/15/10

Wodne JWCD ist. - 16 234 0 0 - Czas życia -

Wodne JWCD now. 4.77 16 234 0 0 (14.4) 40 70/30

Biomasa JWCD 3.31 130 308 6.90 67.3 804;1608 30 100

Wodne nJWCD 3.81 34 689 0 0 (11.4) 40 70/30

Biomasa nJWCD 2.35 100 000 0 67.3 (13.5) 30 100

Biogaz 3.73 143 541 2.11 72 (9.1) 30 100

Wiatr na lądzie 1.46 26 316 0 0 (6.0) 25 100

Wiatr na morzu 3.11 124 402 - 0 (7.2) 25 100

PV 1.72 18 660 - 0 (5.5) 15 100

CHP węgiel 2.13 39 593 3.01 21 4312 40 10/20/30/30/10

CHP gaz 0.89 38 278 1.24 45.41 1076 40 15/40/45

Przemysłowe 2.13 39 593 3.01 31.2 4312 40 10/20/30/30/10

1 Cena dla scenariusza referencyjnego

13

4. METODA KRZYWEJ OBCIĄŻENIA NETTO

W planowaniu długoterminowym, uporządkowana krzywa obciążenia (ang. load duration

curve - LDC) i uporządkowana krzywa obciążania netto (RLDC) zazwyczaj zawierają

informacje na temat rocznego obciążenia z krokiem godzinowym. Przedstawiona na

rysunku 1 krzywa LDC reprezentuje obciążenie systemu elektroenergetycznego

uporządkowane w kolejności malejącej. Wyznaczenie krzywej LDC stanowiło pierwszy

etap uzyskania krzywej RLDC.

Rysunek 1 Obciążenie w systemie elektroenergetycznym (lewa strona) i uporządkowana krzywa obciążenia

(prawa strona)

W celu wyznaczenia uporządkowanej krzywej obciążenia netto (RLDC) należy, zgodnie

z równaniem (4.1), od obciążenia odjąć planowaną wymianę transgraniczną, generację

nJWCD (ang. nCDGU), a w szczególności generację źródeł wiatrowych i PV. Tak

uzyskaną krzywą należy również uporządkować w kolejności malejącej.

∀ℎ ∈ 𝑇𝐻 𝑅𝐿𝐷𝐶ℎ = 𝐿𝑜𝑎𝑑ℎ − 𝐸𝑥𝑐ℎ𝑎𝑛𝑔𝑒ℎ − 𝑛𝐶𝐷𝐺𝑈ℎ − 𝑊𝑖𝑛𝑑ℎ − 𝑃𝑉ℎ (4.1)

Gdzie:

ℎ ∈ 𝑇𝐻 Indeks oznaczający pojedynczą godzinę w roku (8760 h)

𝑅𝐿𝐷𝐶ℎ Uporządkowana krzywa obciążenia netto w godzinie h

𝐿𝑜𝑎𝑑ℎ Obciążenie w godzinie h

𝐸𝑥𝑐ℎ𝑎𝑛𝑔𝑒ℎ Zaplanowana wymiana transgraniczna w godzinie h

P [

MW

]

Czas (rok) [h] - chronologiczny

LOAD

P [

MW

]

Czas (rok) [h] - posortowany

LDC

obciążenie maksymalne

obciążenie minimalne

14

𝑛𝐶𝐷𝐺𝑈ℎ Generacja nJWCD w godzinie h

𝑊𝑖𝑛𝑑ℎ Generacja wiatrowa w godzinie h

𝑃𝑉ℎ Generacja fotowoltaiczna w godzinie h

Przykład uporządkowanej krzywej obciążenia netto wraz z jej typowymi parametrami

jest przedstawiony na rysunku 2. Pole pod krzywą oznacza zapotrzebowanie na energię

elektryczną, które musi być pokryte przez jednostki wytwórcze centralnie dysponowane.

Krzywa pozwala na wyznaczenie trzech charakterystycznych parametrów, które mogą

być ocenione w przypadku implementacji krzywej RLDC do modelu optymalizacyjnego

miksu energetycznego: (a) obciążenie szczytowe netto, (b) skrócenie czasu pracy JWCD

na skutek wzrostu penetracji nJWCD (głównie OZE), (c) nadprodukcja energii

spowodowana przez OZE.

Rysunek 2 Uporządkowana krzywa obciążenia netto (RLDC) i jej parametry

Krzywe LDC i RLDC zawierają informacje dotyczące godzinowych zmian obciążenia,

ale zaimplementowanie pełnych krzywych (w szczególności w modelach

długoterminowych z horyzontem czasowym równym 30-50 lat) może doprowadzić do

długich czasów obliczeniowych modeli (8760 h x ilość lat = interwał czasowy obliczeń

bilansu energii). W związku z tym, LDC/RLDC jest przedstawiona za pomocą krzywej

schodkowej. Przykład tego sposobu reprezentacji uporządkowanych krzywych

obciążenia znajduje się na rysunku 3. Indeks tt oznacza sekcję krzywej LDC/RLDC. W

rozprawie doktorskiej przyjęto podział krzywej RLDC na dwanaście sekcji.

P [

MW

]

Czas [h] - posortowany

RLDC

Obciążenie szczytowe netto

Skrócenie czasu pracy JWCD

Nadprodukcja energii

15

Rysunek 3 Podział krzywej LDC/RLDC na sekcje

P[M

W]

Czas [h]

PODZIAŁ KRZYWEJ LDC/RLDC NA SEKCJE

E_CDGU E_nCDGU E_RES ΔE/tt_MAX

tt=1 tt=2 tt=tt_MAX-1 tt=tt_MAX

16

5. OPTYMALIZACJA MIKSU

ENERGETYCZNEGO Z UWZGLĘDNIENIEM

KRZYWEJ RLDC

Prezentowana metoda optymalizacji miksu energetycznego z uwzględnieniem krzywej

RLDC zastała stworzona w celu uwzględnienia wpływu zmiennych OZE (turbiny

wiatrowe, panele PV) na planowanie miksu energetycznego. Tradycyjne podejście do

optymalizacji rozwoju jednostek wytwórczych w systemie energetycznym nie

uwzględnia ważnych aspektów dotyczących krótkoterminowej zmienności OZE, co

może mieć istotny wpływ na zapewnienie bezpieczeństwa dostaw energii przy

otrzymanym miksie. Zaproponowana metoda łączy rozwój niestabilnych OZE z

rozwojem konwencjonalnych jednostek wytwórczych.

Implementacja krzywej RLDC pozwala na bardziej szczegółowe (w porównaniu do

tradycyjnej metody) przedstawienie produkcji energii elektrycznej w modelu

optymalizacyjnym. Co więcej zaprezentowana w rozprawie, nowa metoda pozwala na

zachowanie zmienności profilu generacji OZE w planowaniu długoterminowym miksu

energetycznego. Główna idea tego podejścia polega na ocenie wpływu penetracji

niestabilnych OZE na każdą sekcję krzywej RLDC z osobna. Ocena tego wpływu została

dokonana na podstawie analizy zaprezentowanej w kolejnym podrozdziale.

5.1. Wpływ generacji OZE na sekcje RLDC

Przeprowadzona analiza została wykorzystana do wyznaczenia maksymalnej możliwej

wartości produkcji energii elektrycznej OZE występującej w poszczególnych sekcjach

RLDC. Wraz z implementacją krzywej RLDC, informacja na temat zmiennego profilu

generacji OZE została zachowana. Dodatkowo, nowa metoda pozwala na wyznaczenie

wielkości nadprodukcji energii spowodowanej generacją OZE, a tym samym na

implementację ograniczania produkcji energii (ang. curtailment) ze zmiennych OZE.

W rozprawie trzy technologie zmiennych OZE zostały zaimplementowane do modelu

optymalizacyjnego: wiatr na lądzie, wiatr na morzu oraz PV. Dane dotyczące profili

generacji tych technologii zostały wyznaczone na podstawie danych polskiego i

niemieckich OSP.

17

Pierwszym etapem analizy było wyznaczenie krzywej RLDC zgodnie ze wzorem (4.1).

Wpływ każdej technologii zmiennych OZE na sekcje RLDC został oceniony oddzielnie

(moc zainstalowana tylko jednej z trzech technologii była większa od zera). Tym samym

wyznaczono trzy różne krzywe. W analizie oceniono również wpływ mocy

zainstalowanej poszczególnej technologii OZE na krzywą. W konsekwencji, krzywa

RLDC została wyznaczona dla mocy OZE z zakresu 0-30 000 MW. W dalszym etapie

RLDC podzielono na dwanaście sekcji i wyznaczono różnicę pomiędzy krzywą RLDC

bez udziału zmiennych OZE a krzywą RLDC z różnym udziałem mocy zainstalowanej

tych technologii. Różnica oznacza moc dyspozycyjną poszczególnej technologii OZE,

która pomnożona przez przedział czasu, który reprezentuje poszczególna sekcja RLDC

równa się maksymalnej produkcji energii w tej sekcji.

Przykładowy wynik analizy dla wiatru na lądzie jest przedstawiony na rysunku 4, gdzie

każda z linii oznacza poszczególną sekcję RLDC, oś pozioma to moc zainstalowana

technologii OZE z przedziału 0-30 000 MW, oś pionowa oznacza moc dyspozycyjną

OZE dla poszczególnej sekcji. Implementacja otrzymanych krzywych do modelu

optymalizacyjnego wymagała linearyzacji. W konsekwencji każdą krzywą

przedstawiono za pomocą pięciu linii prostych.

Rysunek 4 Podział na sekcje krzywej LDC/RLDC

0

5000

10000

15000

20000

0 3000 6000 9000 12000 15000 18000 21000 24000 27000 30000P [

MW

] (w

pły

w n

a se

kcje

RLD

C)

P_WiatrNaLądzie [MW]

WIATR NA LĄDZIE - WPŁYW NA SEKCJE RLDC

Section1 Section2 Section3 Section4 Section5 Section6Section7 Section8 Section9 Section10 Section11 Section12

18

5.2. Funkcja celu

Podobnie jak w przypadku tradycyjnej metody optymalizacji miksu, funkcja celu (5.1)

przedstawia minimalizację całkowitych kosztów budowy i pracy jednostek wytwórczych

podzielonych na koszty stałe i zmienne. Jedyna modyfikacja dotyczy produkcji energii

elektrycznej, która jest przedstawiona jako suma energii dla wszystkich sekcji RLDC

∑ 𝐸𝑢,𝑡,𝑡𝑡𝑡𝑡∈𝑇𝑇 .

𝑚𝑖𝑛 {∑ (∑ (𝑋𝑢 ∙ 𝑃_𝐼𝑢,𝑡 ∙ 𝐶𝐹𝑢,𝑡 + ∑ 𝐸𝑢,𝑡,𝑡𝑡

𝑡𝑡∈𝑇𝑇

∙ 𝐶𝑉𝑢,𝑡)

𝑡∈𝑇

)

𝑢∈𝑈

} (5.1)

Gdzie:

𝑢 ∈ 𝑈 Zbiór jednostek wytwórczych u

𝑡 ∈ 𝑇 Zbiór okresów czasowych t

𝑡𝑡 ∈ 𝑇𝑇 Zbiór indeksów tt oznaczających sekcje krzywej RLDC

𝑋𝑢 Zmienna całkowita


𝐸𝑢,𝑡,𝑡𝑡 Produkcja energii elektrycznej jednostki u w roku t w sekcji tt

𝐶𝐹𝑢,𝑡 Koszty stałe jednostki u w roku t

𝐶𝑉𝑢,𝑡 Koszty zmienne jednostki u w roku t

5.3. Podstawowe ograniczenia

5.3.1. Bilans mocy

W przypadku bilansu mocy, modyfikacja w stosunku do tradycyjnej metody dotyczy

udziału zmiennych OZE w bilansie. W optymalizacji miksu energetycznego z krzywą

RLDC udział OZE jest obliczany na podstawie mocy dyspozycyjnej wyznaczonej na

podstawie powyższej analizy i optymalizacji budowy OZE, a nie na podstawie

założonego, stałego współczynnika. Tym samym moc dyspozycyjna zmiennych OZE

wynika z mocy dyspozycyjnej występującej w pierwszej sekcji RLDC (najwyższe

zapotrzebowania na moc).

5.3.2. Bilans energii

W optymalizacji miksu energetycznego bilans energii jest prowadzony na dwóch

płaszczyznach: rocznej i o horyzoncie czasowym wynikającym z czasu

reprezentowanego przez poszczególne sekcje RLDC. Równie (5.2) przedstawia warunek

19

mówiący o tym, że bilans energii musi być spełniony w każdej sekcji RLDC tt.

Dodatkowo bilans energii uwzględnia ograniczanie produkcji energii z OZE oraz

rezerwę/niedobór energii powstały na skutek aproksymacji krzywej RLDC. W drugim

etapie, zgodnie z równaniem (5.3) roczny bilans energii musi być spełniony.

∀𝑡 ∈ 𝑇, ∀𝑡𝑡 ∈ 𝑇𝑇 ∑ 𝐸𝑢,𝑡,𝑡𝑡

𝑢𝜖𝑈

− ∑ 𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡

𝑢′′′𝜖𝑈′′′

= 𝐸_𝐷_𝐿𝐷𝐶𝑡,𝑡𝑡 + ∆𝐸𝑡,𝑡𝑡 (5.2)

∀𝑡 ∈ 𝑇 ∑ (𝐸_𝐷_𝐿𝐷𝐶𝑡,𝑡𝑡 + ∆𝐸𝑡,𝑡𝑡)

𝑡𝑡∈𝑇𝑇

= 𝐸_𝐷𝑡 (5.3)

Gdzie:


𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡 Ograniczenie produkcji energii OZE u’’’ w roku t w sekcji tt

𝐸_𝐷_𝐿𝐷𝐶𝑡,𝑡𝑡 Prognozowane zapotrzebowania na energię elektryczną w

roku t w sekcji tt

∆𝐸𝑡,𝑡𝑡 Rezerwa/niedobór energii powstały w skutek aproksymacji

RLDC poprzez sekcje tt

𝐸_𝐷𝑡 Prognozowane zapotrzebowania na energię elektryczną w

roku t

5.3.3. Maksymalna i minimalna produkcja energii elektrycznej

Podobnie jak w przypadku tradycyjnej optymalizacji miksu energetycznego, w

przypadku jednostek wytwórczych (bez wiatru i PV) maksymalna roczna produkcja

energii wynika z założonego współczynnika dyspozycyjności, a minimalna wartość

produkcji energii musi być wystarczająca do pokrycia kosztów stałych jednostki. Dla

zmiennych OZE, zgodnie z równaniem (5.4), istnieje możliwość ograniczania produkcji

energii elektrycznej.

∀𝑢′′′ ∈ 𝑈′′′, 𝑡 ∈ 𝑇 ∑ 𝐸_𝑅𝐸𝑆𝑢′′′,𝑡,𝑡𝑡

𝑡𝑡∈𝑇𝑇

+ ∑ 𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡

𝑡𝑡∈𝑇𝑇

= 𝐾_𝐴𝑢′′′,𝑡 ∙ 𝑃_𝐼_𝑅𝐸𝑆𝑢′′′,𝑡 ∙ 𝑌 (𝑑𝑙𝑎 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉)

(5.4)

Gdzie:

𝐸_𝑅𝐸𝑆𝑢′′′,𝑡 Produkcja energii elektrycznej OZE u w roku t w sekcji tt

𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡 Ograniczanie produkcji OZE u’’’ w roku t w sekcji tt

𝐾_𝐴𝑢′′′,𝑡 Współczynnik dyspozycyjności OZE u’’’ w roku t

𝑃_𝐼_𝑅𝐸𝑆𝑢′′′,𝑡 Moc zainstalowana OZE u’’’ w roku t

𝑌 Ilość godzin w roku (8760 h)

Dodatkowo implementacja RLDC narzuca konieczność nałożenia minimalnych i

maksymalnych granic produkcji energii dotyczących poszczególnych sekcji. W

20

konsekwencji równanie (5.5) nakłada górną granicę wynikającą z mocy dyspozycyjnej

jednostki. Dla zmiennych OZE obowiązujące jest równanie (5.6).

∀𝑢 ∈ 𝑈, ∀𝑡 ∈ 𝑇, ∀𝑡𝑡 ∈ 𝑇𝑇 0 ≤ 𝐸𝑢,𝑡,𝑡𝑡 ≤ 𝑃_𝐴𝑢,𝑡 ∙ 𝐻𝑡𝑡 (𝑏𝑒𝑧 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉) (5.5)

∀𝑢′′′ ∈ 𝑈′′′, ∀𝑡 ∈ 𝑇, ∀𝑡𝑡 ∈ 𝑇𝑇 𝐸_𝑅𝐸𝑆𝑢′′′,𝑡,𝑡𝑡 + 𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡 =

𝑃_𝐴𝑢′′′,𝑡 ∙ 𝐻𝑡𝑡 (𝑑𝑙𝑎 𝑤𝑖𝑎𝑡𝑟𝑢 𝑖 𝑃𝑉) (5.6)

Gdzie:


𝑃_𝐴𝑢,𝑡 Moc dyspozycyjna jednostki u w roku t

𝐻𝑡𝑡 Ilość godzin zawartych w sekcji tt RLDC

𝐸_𝑅𝐸𝑆𝑢′′′,𝑡,𝑡𝑡 Produkcja energii elektrycznej OZE u w roku t w sekcji tt

𝐸_𝑅𝐸𝑆_𝐶𝑢′′′,𝑡,𝑡𝑡 Ograniczanie produkcji OZE u’’’ w roku t w sekcji tt

21

6. SCENARIUSZE OPTYMALIZACYJNE I

WYNIKI

6.1. Scenariusze optymalizacyjne

W celu weryfikacji modeli optymalizacyjnych stworzono cztery scenariusze

optymalizacyjne przedstawione w tabeli 3. Scenariusze różnią się miedzy sobą ceną

pozwoleń na emisję CO2 (cena EUA), ceną gazu oraz wymaganiem na minimalną

produkcję energii z OZE.

Tabela 3 Scenariusze optymalizacyjne

Nr Opis Cena EUA

[EUR/tCO2]

Cena gazu

[USD/1000m3] Wymaganie OZE

S1 Scenariusz referencyjny

15 w 2020

40 w 2030

40 w 2040

40 w 2050

250

19% w 2020

24% w 2030

24% w 2040

24% w 2050

S2 Wysoka cena CO2

15 w 2020

53 w 2030

64 w 2040

75 w 2050

250

19% w 2020

24% w 2030

24% w 2040

24% w 2050

S3 Wysoka cena gazu

15 w 2020

40 w 2030

40 w 2040

40 w 2050

350

19% w 2020

24% w 2030

24% w 2040

24% w 2050

S4 Duży udział OZE

15 w 2020

40 w 2030

40 w 2040

40 w 2050

250

19% w 2020

27% w 2030

38.5% w 2040

50% w 2050

6.2. Wyniki symulacji

W streszczeniu przedstawiono jedynie wyniki dla modelu optymalizacyjnego z

zaimplementowaną krzywą RLDC. Wyniki dotyczą mocy zainstalowanej, produkcji

energii elektrycznej oraz przykładowej krzywej RLDC. W rozprawie znajdują się

dodatkowo wyniki dotyczące mocy dyspozycyjnej, emisji CO2, zużycia paliw,

całkowitych kosztów oraz kosztów krańcowych produkcji energii.

6.2.1. Moc zainstalowana

W przypadku scenariuszy S1 i S2 (rysunek 5 i 6) następuje duży rozwój technologii

gazowej i turbin wiatrowych na lądzie. W przypadku wszystkich scenariuszy początkowy

22

okres jest zdominowany przez jednostki węglowe, które zostały wybudowane przed

początkiem optymalizacji. Duży rozwój turbin wiatrowych jest możliwy dzięki

zaimplementowanej metodzie optymalizacji, która nie wymaga nakładania sztywnych

limitów mocy na maksymalny udział w miksie.

Rysunek 5 Moc zainstalowana – scenariusz S1


W przypadku scenariusza S3 (rysunek 7), wysoka cena gazu spowodowała rozwój

technologii węglowych. Wskazuje to na fakt, że polski system jest uzależniony od dostaw

gazu i nawet niewielkie wahania powodują podwyżki cen. W scenariuszu S4 (rysunek 8)

ze znacznym udziałem odnawialnych źródeł energii, większość mocy zainstalowanej

OZE jest zapewniona przez wiatraki na lądzie. Pod koniec okresu symulacji następuje

również rozwój elektrowni spalających biomasę.

0

10000

20000

30000

40000

50000

60000

70000

80000

2020 2025 2030 2035 2040 2045 2050

P [

MW

]

MOC ZAINSTALOWANA - SCENARIUSZ S1WindOffshore

WindOnshore

PV

Biogas

Biom nCDGU

Biom CDGU

Hydro nCDGU

Hydro CDGU

Industrial

CHP coal

CHP gas

Nuclear

Gas

Hard Coal

Lignite

0

10000

20000

30000

40000

50000

60000

70000

80000

2020 2025 2030 2035 2040 2045 2050

P [

MW

]


WindOnshore

PV

Biogas

Biom nCDGU

Biom CDGU

Hydro nCDGU

Hydro CDGU

Industrial

CHP coal

CHP gas

Nuclear

Gas

Hard Coal

Lignite

23



6.2.2. Produkcja energii elektrycznej

Porównując scenariusze S1 i S2 (rysunek 9 i 10) można zauważyć, że wzrost cen CO2

powoduje jeszcze większe zapotrzebowania na technologie gazowe jako źródła

stosunkowo nisko emisyjne. W scenariuszach widoczna jest niewielka wartość

nadprodukcji energii elektrycznej.

Sytuacja jest zupełnie inna w przypadku scenariusza S3 (rysunek 11). Tam relatywnie

wysoka cena gazu powoduje odejście od produkcji energii z technologii gazowych

(pomimo dużego udziału w mocy zainstalowanej) i przejście do technologii węglowych

(głównie kamiennego). W przypadku S4 (rysunek 12), bardzo duży udział OZE (głównie

turbin wiatrowych na lądzie), powoduje największą wartość nadprodukcji energii

elektrycznej spośród wszystkich scneariuszy.

0

10000

20000

30000

40000

50000

60000

70000

80000

2020 2025 2030 2035 2040 2045 2050

P [

MW

]


WindOnshore

PV

Biogas

Biom nCDGU

Biom CDGU

Hydro nCDGU

Hydro CDGU

Industrial

CHP coal

CHP gas

Nuclear

Gas

Hard Coal

Lignite

-10000

10000

30000

50000

70000

90000

110000

2020 2025 2030 2035 2040 2045 2050

P [

MW

]


WindOnshore

PV

Biogas

Biom nCDGU

Biom CDGU

Hydro nCDGU

Hydro CDGU

Industrial

CHP coal

CHP gas

Nuclear

Gas

Hard Coal

Lignite

24

Rysunek 9 Produkcja energii elektrycznej – scenariusz S1



0

50

100

150

200

250

2020 2025 2030 2035 2040 2045 2050

E[T

Wh

]

PRODUKCJA ENERGII - SCENARIUSZ S1E_DCurtailExchangeWindOffshoreWindOnshorePVBiogasBiom nCDGUBiom CDGUHydro nCDGUHydro CDGUIndustrialCHP coalCHP gasNuclearGasHard CoalLignite

0

50

100

150

200

250

2020 2025 2030 2035 2040 2045 2050

E[T

Wh

]

PRODUKCJA ENERGII- SCENARIUSZ S2E_DCurtailExchangeWindOffshoreWindOnshorePVBiogasBiom nCDGUBiom CDGUHydro nCDGUHydro CDGUIndustrialCHP coalCHP gasNuclearGasHard CoalLignite

0

50

100

150

200

250

2020 2025 2030 2035 2040 2045 2050

E[T

Wh

]


25


6.2.3. Krzywa RLDC

Rysunek 13 przedstawia przykładową krzywą obciążenia netto dla scenariusza S1 i roku

2050. Uporządkowane krzywe obciążenia są podzielone na dwanaście sekcji. W

przypadku scenariusza S1 na koniec horyzontu czasowego (rok 2050), miks energetyczny

jest zdominowany przez elektrownie gazowe. Widoczne jest, że przy dużym udziale

OZE, większość produkcji energii z tych technologii przypada na okres niskiego

zapotrzebowania energii elektrycznej. Wiąże się to z koniecznością ograniczania

produkcji energii z OZE.

Rysunek 13 Krzywa RLDC w roku 2050 dla scenariusza S1

0

50

100

150

200

250

2020 2025 2030 2035 2040 2045 2050

E[T

Wh

]


0

5000

10000

15000

20000

25000

30000

35000

P [

MW

]

Czas posortowany [h] (8760 h)

RLDC W 2050 - SCENARIUSZ S1

LDC

RLDC

Curtail

Exchange

WindOffshore

WindOnshore

PV

Biogas

Biom nCDGU

26

7. PORÓWNANIE MODELI

OPTYMALIZACYJNYCH

Porównując tradycyjną optymalizację miksu energetycznego z optymalizacją

uwzględniającą krzywą RLDC należy zwrócić uwagę na to, że krzywa RLDC umożliwia

wyznaczenie kilku aspektów pracy systemu, które nie mogą być ocenione w przypadku

tradycyjnej optymalizacji.

7.1. Nadprodukcja energii elektrycznej ze względu na RES

Pierwszą rzeczą na jaką należy zwrócić uwagę w przypadku implementacji krzywej

RLDC do długoterminowego modelu optymalizacji miksu energetycznego jest

możliwość wyznaczenia nadprodukcji energii elektrycznej na skutek dużej penetracji

zmiennych OZE (turbiny wiatrowe, panele PV). Jest to niezbędne do wprowadzenia

możliwości ograniczania produkcji energii z OZE.

W tradycyjnym podejściu do optymalizacji miksu energetycznego produkcja energii

elektrycznej jest brana pod uwagę jako skumulowana wartość obliczana z krokiem

jednego roku. Pozwala to na sformułowanie warunku bilansu energii, ale takie podejście

traci ważne informacje dotyczące krótkoterminowych aspektów pracy systemu

elektroenergetycznego, np. zmienność profilu generacji OZE, która nie może być w pełni

zaimplementowana do modelu optymalizacyjnego. W tradycyjnej optymalizacji miksu

uwzględnianie produkcji energii z OZE jako stałej wartości, uzależnionej jedynie od

zainstalowanej mocy i współczynnika dyspozycyjności może doprowadzić do uzyskania

miksu energetycznego, który nie będzie w stanie zbilansować zmian w produkcji energii

elektrycznej co może doprowadzić do zagrożenia bezpieczeństwa dostaw energii. Biorąc

to pod uwagę, w tradycyjnym modelowaniu miksu energetyczne nie jest możliwe

wyznaczenie wartości nadprodukcji spowodowanej przez OZE. Tym samym,

ograniczanie produkcji OZE (ang. curtailment) nie może być zaimplementowane w tej

wersji modelu. W konsekwencji, by również w tradycyjnej optymalizacji miksu zapewnić

bezpieczeństwo dostaw energii, wprowadzany jest maksymalny limit mocy, który

ogranicza budowę poszczególnych technologii do ustalonego poziomu. Wyznaczenie

tego limitu jest trudnym zadaniem, które musi być poprzedzone dokładną analizą

27

możliwości modelowanego systemu do przyłączenia nowych mocy do sieci. Zbyt duża

wartość limitu mocy może doprowadzić do uzyskania miksu energetycznego, który nie

będzie w stanie zapewnić odpowiednich wartości rezerw mocy. Zbyt niska wartość

będzie blokowała rozwój poszczególnych technologii.

W przypadku optymalizacji miksu energetycznego z uwzględnieniem krzywej RLDC jest

możliwość wyznaczenia nadprodukcji spowodowanej przez OZE. Reprezentacja

produkcji energii elektrycznej przez kilka sekcji RLDC pozwala uzyskać bardziej

szczegółową informację na temat pracy systemu elektroenergetycznego. Dodatkowo, ta

metoda uwzględnia zmienność profilu generacji OZE. Możliwość wyznaczenia wartości

nadprodukcji energii pozwala na implementację ograniczania generacji OZE, co

zwiększa koszt produkcji poszczególnych instalacji, ale w długim horyzoncie czasowym

wpływa na obniżenie całkowitych kosztów (w porównaniu do tradycyjnego modelu).

Pozostałe metody, służące do eliminacji nadprodukcji energii (magazynowanie energii,

eksport) nie są rozważane w obecnej wersji modelu.

7.2. Wpływ profilu OZE na szczytowe obciążenie netto

Drugą, ważną zaletą prezentowanego podejścia do optymalizacji miksu energetycznego

jest wyznaczenie mocy dyspozycyjnej niestabilnych OZE (turbiny wiatrowe, panele PV),

która jest uwzględniona w obciążeniu szczytowym netto na bazie rzeczywistego profilu

generacji. Obciążenie szczytowe netto to roczna wartość szczytowa mocy, która musi być

pokryta przez jednostki wytwórcze centralnie dysponowane (JWCD).

W tradycyjnej metodzie optymalizacji miksu energetycznego, bilans mocy jest obliczany

dla rocznego obciążenia szczytowego, gdzie moc dyspozycyjna turbin wiatrowych i

paneli PV jest obliczana na podstawie ustalonego współczynnika dyspozycyjności mocy

równego odpowiednio 10% i 0% mocy zainstalowanej. Takie uproszczenie może

doprowadzić do błędów w wyznaczaniu bilansu mocy. W szczególności w systemach ze

znacznym udziałem niestabilnych OZE w sytuacji gdy zaimplementowana moc

dyspozycyjna będzie większa niż w rzeczywistości, efektem może być brak

odpowiednich mocy w systemie, aby zapewnić pokrycie obciążenia szczytowego. Z

drugiej strony, zbyt mała wartość mocy dyspozycyjnej doprowadzi do nadmiaru mocy w

systemie, co będzie wiązało się z podwyższeniem całkowitych kosztów pracy jednostek

28

i może doprowadzić do problemu „missing money”, ponieważ nadmiarowe jednostki nie

będą w stanie uzyskać wystarczających przychodów by pokryć swoje koszty stałe.

W przypadku optymalizacji miksu energetycznego z krzywą RLDC, moc dyspozycyjna

niestabilnych OZE jest uwzględniania w szczycie obciążenia zgodnie z podziałem

krzywej na sekcje. W praktyce oznacza to, że zmienne OZE są uwzględniane w bilansach

mocy zgodnie z wartością mocy dyspozycyjnej jaka wynika z pierwszej sekcji

otrzymanej krzywej RLDC (sekcja z największym zapotrzebowaniem). W rezultacie

bilans mocy jest wyznaczany dla obciążenia szczytowego netto. Prowadzi to do bardziej

wiarygodnych wyników niż tradycyjna metoda bazująca na stałym współczynniku.

7.3. Wykorzystanie mocy znamionowej JWCD

Nowa metoda optymalizacji miksu pozwala na szczegółowe przedstawienie produkcji

energii elektrycznej poszczególnych jednostek. Podział zapotrzebowania na energię

elektryczną na kilka sekcji pozwala na łatwe wyszczególnienie jednostek bazowych,

podszczytowych i szczytowych. Tym samym można zaobserwować jak wraz ze

wzrostem udziału OZE maleje czas wykorzystania mocy zainstalowanej jednostek

konwencjonalnych.

7.4. Skomplikowanie modelu

Implementacja krzywej RLDC zwiększa skomplikowanie modelu optymalizacyjnego

poprzez wprowadzenie dodatkowych zmiennych optymalizacyjnych i ograniczeń. W

związku z tym czas obliczeń tego modelu jest dłuższy niż modelu tradycyjnego. Jednak

uzyskiwane czasy obliczeń na poziomie kilku godzin są akceptowalne przy tego typu

modelach.

29

8. WNIOSKI I REKOMENDACJE DO DALSZYCH

BADAŃ

8.1. Wnioski

Rozwój odnawialnych źródeł energii, wspierany przez politykę energetyczno-

klimatyczną Unii Europejskiej, powoduje, że prowadzenie i planowanie pracy systemu

elektroenergetycznego staje się coraz większym wyzwaniem. W przypadku dużego

udziału OZE, których produkcja energii zależy od warunków zewnętrznych (turbiny

wiatrowe, panele fotowoltaiczne), systemy elektroenergetyczne często pracują z

minimalną lub zerową wartością rezerw mocy. Z tego powodu, już na etapie

długoterminowego planowania rozwoju systemu elektroenergetycznego należy

uwzględnić krótkoterminowe aspekty związane z niestabilnością OZE.

Głównym celem rozprawy doktorskiej jest prezentacja nowej metody optymalizacji

miksu energetycznego z wykorzystaniem metody uporządkowanej krzywej obciążenia

netto (RLDC) i porównanie tej metody z tradycyjnym modelowanie miksu. Proponowana

metoda pozwala na maksymalizację udziału odnawialnych źródeł energii z zapewnieniem

odpowiedniego poziomu bezpieczeństwa dostaw energii. Implementacja krzywej RLDC

pozwala na wyznaczenie wartości nadprodukcji energii elektrycznej spowodowanej przez

niestabilne OZE. Nadwyżka energii może być ograniczona, zmagazynowana lub

wyeksportowana. W obecnej wersji modelu ograniczanie produkcji OZE zostało

zaimplementowane. Nowa metoda pozwala na stworzenie warunku bilansu mocy zgodnie

ze szczytowym obciążeniem netto w systemie oraz na ocenę stopnia wykorzystania mocy

zainstalowanej przez jednostki wytwórcze centralnie dysponowane, który ulega

zmniejszeniu na skutek ekspansji OZE.

Model optymalizacyjny miksu energetycznego uwzględnia dwa podstawowe

ograniczenia: bilans mocy i energii. W modelu zaimplementowano programowanie

liniowe i całkowito-liczbowe co daje możliwość uwzględnienia jednostek wytwórczych

z ich charakterystycznymi parametrami technicznymi i finansowymi. Model uwzględnia

koszty finansowe jednostek powstałe na skutek zaciągniętego kredytu bankowego i

ustalonego okresu spłaty kapitału.

30

W celu weryfikacji stworzonego narzędzia, do modelu zostały wprowadzone dane

Polskiego Sytemu Elektroenergetycznego. Wybór danych wejściowych był poprzedzony

dokładną analizą wielu źródeł. Model sprawdzono formułując cztery scenariusze

optymalizacyjne różniące się cenami pozwoleń na emisje CO2, ceną gazu oraz

minimalnym wymaganiem na produkcję energii z OZE.

Uzyskane wyniki wskazują na istotną rolę technologii gazowych w rozwoju polskiego

sektora energetycznego. Jest to spowodowane niskimi kosztami kapitałowymi oraz

niskimi emisjami CO2 tej technologii. Trzeba jednak zwrócić uwagę, że ceny gazu ulegają

dużym wahaniom na przestrzeni lat, dlatego w przypadku polskiego sektora

energetycznego istotne jest wynegocjowanie korzystnych kontraktów na dostawy tego

surowca.

Porównując model tradycyjnej optymalizacji miksu z modelem uwzględniającym krzywą

RLDC widać wyraźne różnice w rozwoju OZE, a w szczególności turbin wiatrowych (w

streszczeniu przedstawiono jedynie wyniki modelu z krzywą RLDC). W przypadku

tradycyjnej metody, rozwój tej technologii jest blokowany przez nałożony maksymalny

limit mocy. Dla metody wykorzystującej krzywą RLDC to ograniczenie nie jest

konieczne ponieważ bezpieczeństwo dostaw energii jest zapewnione poprzez

ograniczanie produkcji energii z OZE a nie ograniczanie ich budowy.

Zaprezentowane wyniki pozwalają stwierdzić, że możliwe jest przeprowadzenie

długoterminowej, złożonej optymalizacji miksu energetycznego jednostek

wytwórczych biorąc pod uwagę uporządkowaną krzywą obciążenia netto (ang.

residual load duration curve – RLDC) w celu uwzględnienia wpływu niestabilnych,

odnawialnych źródeł energii na system elektroenergetyczny, zwiększeniu ich udziału

w całkowitej produkcji energii elektrycznej i zapewnieniu odpowiedniego poziomu

bezpieczeństwa dostaw energii poprzez spełnienie bilansów mocy i energii.

8.2. Rekomendacje do dalszych badań

Zaprezentowane wyniki potwierdzają przedstawioną tezę doktorską. W ramach

prowadzenia badań powstały kolejne tematy, które będą wzięte pod uwagę przy

prowadzeniu dalszych prac:

31

metoda optymalizacji miksu energetycznego z implementacją krzywej RLDC

powinna uwzględniać plany remontów jednostek wytwórczych;

implementacja magazynowania energii do modelu optymalizacyjnego.

uwzględnienie dziennych profili mocy w planowaniu długoterminowym;

połączenia planowania rozwoju mocy wytwórczych z rozwojem sieci

elektroenergetycznej;

rozwinięcie aspektów ekonomicznych modelu, takich jak implementacja metod

oceny opłacalności inwestycji (NPV, IRR);

wprowadzenie różnych form wsparcia dla poszczególnych technologii, np. rynek

mocy, subsydia w formie taryf;

implementacja systemu gazowniczego;

poprawa wydajności obliczeniowej modelu komputerowego.

Documents

Optimization of Energy Mix with Significant Shares of ... · elektrownie wiatrowe na morzu; i inne jednostki wytwórcze, które nie są centralnie dysponowane (nJWCD), takie jak elektrociepłownie