CC BY
2
ЭЛЕКТРОТЕХНИЧЕСКИЕ КОМПЛЕКСЫ И СИСТЕМЫ
УДК 621.3
Б01: 10.24412/2071-6168-2024-3-334-335
АНАЛИЗ ЭФФЕКТИВНОСТИ АЛГОРИТМА ПЛАНИРОВАНИЯ РАБОТЫ ЭЛЕКТРОТЕХНИЧЕСКОГО КОМПЛЕКСА С НАКОПИТЕЛЕМ ЭНЕРГИИ
И.С. Токарев, Я.Э. Шклярский, Ю.Е. Андреева, А.Ю. Лаврик
Авторами разработана система управления и планирования работы электротехнического комплекса, на примере компрессорной станции (КС). Особенностью электротехнического комплекса является смешанный тип энергоснабжения. Предполагается внедрение системы накопления электроэнергии (СНЭЭ) в структуру комплекса. В работе алгоритма присутствуют три основных этапа - прогноз, моделирование, оптимизация и выдача плана в работу. Авторами приведено описание работы алгоритма, приведены два примера работы алгоритма с реальными данными о мощности, полученными на КС. Дана краткая оценка эффективности работы алгоритма на основе показателей, сформулированных в виде целевых функций для решения задачи многокритериальной оптимизации.
Ключевые слова: алгоритм, система накопления энергии, оптимизация, электротехнический комплекс, компрессорная станция
Введение. С течением времени в современных электротехнических комплексах все чаще находят применение системы накопления электроэнергии (СНЭЭ) [1,2]. В структуре промышленных систем энергообеспечения они, как правило, используются для решения четырёх основных задач [3-5]: нехватки мощности в случае недостаточности пропускной способности сетей энергоснабжения, необходимости высвобождения мощности технологического присоединения, недостаточности мощности электростанций; нивелирования колебаний напряжения, частоты и потребляемой мощности из-за резкопеременного графика нагрузки; неоптимальности загрузки агрегатов [6-8]. В данном исследовании рассмотрены две из перечисленных задач: выравнивание графика выработки электроэнергии за счет газопоршневых электроагрегатов (ГПЭА), а также компенсация мощности, потребляемой из системы централизованного энергоснабжения (ЦЭС) за счет энергии, накопленной в СНЭЭ. Для решения представленных задач авторами была разработана система управления и планирования работы электротехнического комплекса на сутки вперед.
В работе представлено подробное описание структуры алгоритма работы системы управления и планирования на основе логических выражений типа «(/-Шеп-еЬе)), а также рассмотрены ожидаемые результаты работы на примере реального электротехнического комплекса объекта газовой отрасли компрессорной станции (КС) [9]. Особенностью алгоритма является анализ прогнозных данных о потреблении электроэнергии на сутки вперед, а также применение методов многокритериальной математической оптимизации для формирования наилучших с технологической и экономической точек зрения решений.
Подобные решение часто рассматриваются в литературе в том числе для систем со СНЭЭ [10, 11] и различными типами источников электроэнергии [12], однако чаще всего подобные системы находят применение не на крупных промышленных участках [13-15], а в системах энергообеспечения технологических комплексов с возможностью зарядки электромобилей [16-18], придомовых хозяйствах для энергообеспечения жителей многоквартирных домов [19-21]. Эти потребители относятся к 3 категории надежности энергоснабжения [22, 23], в данном исследовании потребитель, на примере которого рассматривается работа системы управления, относится к 1 категории [24, 25].
Алгоритм многокритериальной оптимизации, принятый в работу системы управления, предполагает использование принципа «хищник-жертва», подробно описанного в исследовании [26]. Помимо этого типа алгоритма также существует множество других популяционных методов, характеризующихся различными показателями эффективности [27]. Указанный алгоритм предполагает наименьшее время анализа, а также характеризуется значительной эффективность при поиске решений особенно в случае применения предложенных в [26] модификаций.
В заключительной части данной работы представлены планы работы электротехнического комплекса в виде зависимостей Р(1). Определены основные показатели эффективности предложенных планов работы для двух рассмотренных самых нагруженных в году дней и сделаны выводы о рациональности применения данной системы управления в составе подобных электротехнических комплексов.
Методология. Для интеграции алгоритма в технологический процесс необходимо преобразовать его в структурный вид блоков системы управления СНЭЭ. Упрощенно алгоритм можно представить в виде трёх основных блоков (рис. 1).
Прогноз
Модель работы >лек1 ро-гехннческого комплекса
Оптимизация
Рис. 1. Упрощенная структурная схема алгоритма [составлено авторами/
Прогноз. На данном этапе исследования блок прогнозирования нагрузки и уровня заряда аккумулятора не описывается, поскольку направление прогнозирования нагрузок не является основным в рамках проводимых научных изысканий.
В качестве входных прогнозных данных для работы системы приняты часовые графики нагрузки объекта газовой отрасли (Еьаа (Г)) со смешанным типом энергоснабжения [28], а именно графики, снятые на КС расположенной на магистральном газопроводе. Энергоснабжение электротехнического комплекса осуществляется от двух вводов 20 кВ и 6 газопоршневых электроагрегатов (ГПЭА) по 1,5 МВт, в качестве резерва на станции установлены две дизельные автоматизированные электростанции (АДЭС) мощностью 630 кВт каждая. Таким образом работа алгоритма рассмотрена на примере реального объекта газовой отрасли.
Мониторинг параметров работы электротехнического комплекса осуществлялся в течение года, фиксировались значения электроэнергии, вырабатываемой ГПЭА, потребляемой из сети и суммарном балансе, определяемым нагрузкой. В качестве примера для рассмотрения работы алгоритма необходимо было выбрать несколько характерных графиков. Как правило, при анализе графиков нагрузки в качестве характерных принимают дни максимальной, минимальной, а также средней нагрузки [29]. Исходя из этого подхода в первом приближении были определены два дня максимальной загруженности СНЭЭ (рис. 2,3). Анализ работы алгоритма осуществлялся на примере этих двух дней. Оценка загруженности СНЭЭ осуществлялась на основе расчета коэффициента формы графика нагрузки, определяемого для данного случая по формуле (1) [30]:
и — —
" 7Г =
н4 р?
(1)
где Кф - коэффициент формы графика нагрузки; Рск - среднеквадратичная мощность нагрузки; Рс - средняя мощность нагрузки; Рг - мощность нагрузки на г'-ом анализируемом интервале; ' - номер анализируемого интервала. Второй день максимальной загруженности СНЭЭ был условно определен исходя из числа потенциальных обращений электротехнического комплекса к СНЭЭ. Количество обращений определялось следующим образом:
1. На основе полученных данных о балансовом потреблении электроэнергии производился расчет среднего значения потребляемой энергии для единичного интервала (равного 60 минутам).
2. Далее осуществлялось сравнение полученного среднего значения потребляемой мощности с фактическим потреблением для каждого часа анализируемых суток.
3. В случае, если величина потребляемой мощности на данном интервале превышала среднее значение, то осуществлялся учет данного интервала в суммарном количестве обращений к СНЭЭ за день.
Таким образом было условно определено количество потенциальных обращений к СНЭЭ и второй в году наиболее загруженный день работы СНЭЭ. Наибольшее потребление мощности в году зарегистрировано в январе, на него пришелся самый загруженный по количеству обращений к СНЭЭ рабочий день.
■Р№ -Рф
т В 2000
к 1500
РМ
ииг 1000
гре
не э 500
орт
тк е 0
л э
1111111
iin.li!
.ф .Ф .Ф
.ф .Ф
Ср" <й°>" ^ Ч^' О" О'- г^- г^- ср''
-' ~' ~ - ~ ' ~ - ~ * ~ ' ~ - V Л'* ГЧ' IV* ГЧ' IV* ГУ'* IV* 1\'* ГЧ' IV' 14'" 14'" IV" I
.Ф' ■^ ■.Ф' о0'
ф- <§>■ ф- 4°' ^ <у- О- ф- \ь' >?>' «р- ф
Рис. 2. Балансовый график потребления электроэнергии на - наиболее загруженный день работы аккумулятора
по Кф [составлено авторами]
Чем больше значение коэффициента формы отклоняется от единицы, тем более неравномерным является анализируемый график нагрузки [31]. Относительная неравномерность, а также превышение мощности, запрашиваемой нагрузкой, мощности выработки ГПЭА приводит к росту частоты обращения к СНЭЭ. Результаты расчетов приведены в табл. 1.
Работа компрессорных станций, расположенных на магистральных газопроводах, характеризуется значительной равномерностью, причем в работе станции в течение месяца, как правило появляются вырожденные пики или ступени потребления. Использование СНЭЭ в составе компрессорных станций может быть рационально для замещения вращающегося резерва, и минимизации обращения к покупке электроэнергии из системы ЦЭС [32]. Последнее актуально для объектов, расположенных в суровых климатических условиях, на территориях, подверженных воздействию ветров, гроз, а также отрицательным температурам в течение длительного периода времени. Перечис-
ленные явления часто снижают степень бесперебойности энергоснабжения. Также применение СНЭЭ рационально в составе систем, характеризующихся недостаточной пропускной способностью сети и мощностью электростанций [33].
^ си
ю
га s>
м S s
СП
5000,0 4000,0 3000,0 2000,0 1000,0 0,0
P(t)
2 линейный фильтр (P(t))
ov ¿V- ф- & & ч^' >v л- А- ф- Л- А л- Л- Л- Л-
' ' ~ 55- сЪ' ----- - - - - -
чЧ~ ф- ^С-
P
си
Рис. 3. Балансовый график потребления электроэнергии на наиболее загруженный день работы аккумулятора по количеству обращений к аккумулятору [составлено авторами]
Таблица 1
Данные о максимальных коэффициентах формы и количестве обращений к СНЭЭ [составлено авторами]
Месяц Причина Кф N Рэснср, кВт
1 2 3 4
1 Характерный день по коэффициенту формы 1,006975215 9 3569,3
Характерный день по обращениям к СНЭЭ 1,00108926 20 4193
2 Характерный день по коэффициенту формы 1,0052808 8 3433,2
Характерный день по обращениям к СНЭЭ 1,0002292 17 3257
3 Характерный день по коэффициенту формы 1,0124827 10 2685,5
Характерный день по обращениям к СНЭЭ 1,00124 15 2965,1
4 Характерный день по коэффициенту формы 1,038545 13 2272
Характерный день по обращениям к СНЭЭ 1,0038923 16 2363
Характерный день по обращениям к СНЭЭ 1,0005686 2286,9
Характерный день по обращениям к СНЭЭ 1,0161612 2548,3
5 Характерный день по коэффициенту формы 1,062406 16 2215,1
Характерный день по обращениям к СНЭЭ 1,0001479 2867,6
Характерный день по обращениям к СНЭЭ 1,0005806 2860,9
Характерный день по обращениям к СНЭЭ 1,062406 2215,1
6 Характерный день по коэффициенту формы 1,066530128 11 1996,7
Характерный день по обращениям к СНЭЭ 1,000265 17 1568,6
Характерный день по обращениям к СНЭЭ 1,003305 3101,8
7 Характерный день по коэффициенту формы 1,086673 7 700,3
Характерный день по обращениям к СНЭЭ 1,00249 19 1604,9
8 Характерный день по коэффициенту формы 1,090664 8 988,3
Характерный день по обращениям к СНЭЭ 1,00113 15 2269,4
Характерный день по обращениям к СНЭЭ 1,007154 2120,5
Характерный день по обращениям к СНЭЭ 1,000193 2230,7
Характерный день по обращениям к СНЭЭ 1,005053 2020,00
9 Характерный день по коэффициенту формы 1,01982356 8 2370,3
Характерный день по обращениям к СНЭЭ 1,00123 14 1969,4
Характерный день по обращениям к СНЭЭ 1,00112 1877,7
Характерный день по обращениям к СНЭЭ 1,00028 1893,5
Характерный день по обращениям к СНЭЭ 1,00089 1891,8
Характерный день по обращениям к СНЭЭ 1,00165 3036,6
Характерный день по обращениям к СНЭЭ 1,00127 2677,1
10 Характерный день по коэффициенту формы 1,01543404 14 2622,9
Характерный день по обращениям к СНЭЭ 1,006819987 18 2894
11 Характерный день по коэффициенту формы 1,002395164 14 2748,2
Характерный день по обращениям к СНЭЭ 1,0001648 16 2712,5
12 Характерный день по коэффициенту формы 1,01243986 11 2584,5
Характерный день по обращениям к СНЭЭ 1,01035082 17 2803
Помимо прогнозных данных о нагрузках на сутки вперед, необходимо получить прогнозные данные о состоянии заряда аккумулятора (SOC - state of charge) на начало следующих суток, для этого в систему должны быть загружены данные о планировании расписания работы комплекса на предыдущие сутки. Состояние заряда аккумулятора в момент времени 23:59 предыдущих суток принимается, как начальное для следующих суток планирования.
Модель работы электротехнического комплекса. В дополнение к прогнозным данным в систему загружаются технические параметры: минимальный и максимальный допустимый уровень заряда аккумулятора (SOCmax, SOCmin), определяемые на основании данных, полученных по показателю LCOS (levelized cost of storage), значение энергии, вырабатываемой на электростанции собственных нужд (ЭСН) за счет ГПЭА (Egen, кВт-ч), а также допустимая к приобретению величина энергии (Ebuymax, кВт-ч). Величина уровня заряда аккумулятора измеряется в А-ч, для удобства оперирования едиными величинами в рамках работы алгоритма, необходимо воспользоваться формулой (2) для перевода заряда аккумулятора в энергию (Ebat, кВт-ч) и мощность (Pbat, кВт):
(2)
Ebat — SOC U„
pbat - Ebat / t, где Unom - номинальное рабочее напряжение СНЭЭ.
Работа алгоритма начинается в предыдущих сутках. На первом этапе в алгоритм вводится переменная tum с нулевым значением, по мере анализа интервалов осреднения графика значение переменной будет увеличиваться, пока не достигнет 24 часов, это событие будет сигналом для передачи полученных в первой части работы алгоритма данных во вторую часть. На втором этапе осуществляется отделение первого интервала осреднения (tdeci) от спрогнозированного графика нагрузки Eload (t). Выбор интервала осреднения осуществляется отдельно для каждой итерации алгоритма, на основании следующего условия (3):
[tdec — 0 if ^^^ ^ 0, then tdec — tdec + т else escape, (3) где т - элементарное приращение.
При этом длительность интервала ограничена следующими характеристиками, представленными в формуле (4):
it t t SOCmin f. ^ SOCnow ...
[Ldec ^ Lresponse Ldec ** , Ldec ^ , , l^V ldischargeMax ldischargeMax
где tresponse - время отклика аккумулятора, с; IdischargeMax - максимально допустимый ток разряда аккумулятора; SOCnow - текущий уровень заряда аккумулятора, на момент определения интервала осреднения, А-ч.
То есть, интервал осреднения графика должен быть более длительным, чем время отклика аккумулятора -это требование является наиболее вероятно выполнимым, так как для большинства моделей СНЭЭ время отклика непродолжительно. Одновременно с тем интервал осреднения должен быть более длительным, чем время разряда минимального уровня заряда аккумулятора и не должен превышать разряда текущего уровня заряда аккумулятора. Эти условия обеспечивают наличие энергии, запасенной в аккумуляторе при обращении к нему, а также нивелируют риск применения слишком коротких интервалов осреднения, когда при обращении к аккумулятору он не сможет отдать энергию из-за технических ограничений.
После определения интервала осреднения производится сравнение требуемой величины нагрузки по формуле (5) на данном интервале с величиной энергии, вырабатываемой ГПЭА 'energy check': 'energy check'
[if Едеп > Eioad, then go to 'charge' else go to'discharge' , ( )
где 'charge' - цикл, моделирующий заряд аккумулятора; 'discharge' - цикл, моделирующий разряд аккумулятора.
Таким образом, в случае если энергия, требуемая на нагрузке, не превышает энергию, вырабатываемую ГПЭА, то работа обеспечивается за счет ГПЭА и одновременно осуществляется заряд СНЭЭ. В ином случае осуществляется переход к алгоритму разряда аккумулятора.
Разряд. Цикл моделирования разряда аккумулятора 'discharge' в свою очередь состоит из нескольких структурных блоков и в начале предполагает осуществление ряда проверок. Необходимо убедиться в том, что уровень заряда аккумулятора позволяет осуществить разряд аккумулятора по формуле (6):
'discharge' (6)
[if SOCnow(tn0) > S0Cmin, then до to 'discharge time count' else go to 'centralized power supply' , ( ) где 'discharge time count' - цикл расчета времени разряда аккумулятора; 'centralized power supply' - цикл питания от системы ЦЭС с командой на переключение, предполагает выход из цикла, моделирующего разряд аккумулятора; n -номер текущего интервала осреднения; tno - время начала текущего интервала осреднения; 'SOCnow(tno)' - уровень заряда аккумулятора на начало данного интервала осреднения.
В случае, если уровень заряда аккумулятора выше минимально допустимого, то осуществляется принятие решения о разряде аккумулятора и далее производится расчет времени разряда в цикле 'discharge time count', в альтернативном случае производится переключение на питание от системы ЦЭС, при этом фиксируется график электроэнергии, приобретенной из сети Ecps(t). Время разряда рассчитывается по формуле (7):
'discharge time count'
. _ socnow(tno) - SOCmin (7)
lsoc — -:-,
1discharge
где Idischarge - номинальный ток разряда аккумулятора.
Далее осуществляется сравнение времени разряда аккумулятора и продолжительности интервала осреднения, в случае если они эквивалентны завершение процесса разряда аккумулятора наступает в момент полного разряда аккумулятора, в случае, если время разряда больше длительности интервала осреднения, то завершение разряда аккумулятора наступает в момент завершения длительности интервала осреднения, в ином случае, если длительность интервала осреднения превышает длительность времени разряда, то завершение разряда аккумулятор наступает по окончании времени разряда аккумулятора, по истечении времени разряда произойдет переключение на работу от системы ЦЭС (8):
'discharge time count' (8)
[if tsoc — tdec, then tstop — t + tsoc else if tsoc > tdec, th.en tstop — t + tdec else tstop — t + tsoc .
Определение времени разряда позволяет ограничить длительность цикла разряда аккумулятора. Перед началом разряда аккумулятора в реальной системе необходимо запустить запись графика зависимости Ebat(t). Помимо этого, необходимо зафиксировать время начала построения графика для того, чтобы покинуть цикл вовремя. В работе алгоритма запись производится посредством функции построения графика на заданном интервале времени tSOC. Для дальнейшей работы алгоритма необходимо осуществить расчет уровня заряда аккумулятора к моменту
завершения процесса разряда аккумулятора. Для расчета параметра SOC разработано большое количество методов, однако наибольшая часть из них основываются на эмпирических заключениях. В данном исследовании для уменьшения вычислительной сложности используется метод счетчика ампер-часов. Конечный и промежуточный уровни заряда аккумулятора определяются по формуле (9):
SOCfinal = ^OCnow(t0) - Idischarge • i^stop - ^start}- (9)
При этом для следующего интервала осреднения по формуле (10):
SOCflnal = SOCnow(t0). (10)
Процесс разряда заканчивается при достижении времени tstop и в тот же момент останавливается фиксация графика разряда аккумулятора. После этого осуществляется проверка по формуле (11) статуса обрабатываемого интервала осреднения - является ли он последним в текущих сутках 'daytime check':
'daytime check' dD
[tSum = tsum + tdec if tsum = 24, then goto 'data form' else go to 'energy check' , ( )
где 'data form ' - цикл обработки полученного в первой части графика заряда и разряда аккумулятора.
Система централизованного энергоснабжения. В случае, если на этапе проверки уровня заряда аккумулятора определено, что уровень слишком мал, то осуществляется переключение системы на питание от системы ЦЭС. При этом осуществляется только контроль времени достижения конца текущего интервала осреднения.
Заряд. На этапе 'energy check' в случае, если вырабатываемой ГПЭА энергии хватает на обеспечение нагрузки, то запускается, по формуле (12), проверка уровня заряда аккумулятора:
[if SOCnow(t0) < SOCmax, then до to 'charge' else go to'time count', (12)
где 'time count'- определение текущего времени суток для расчета момента завершения интервала осреднения.
Если уровень заряда аккумулятора не равен максимальному, то запускается процесс заряда аккумулятора 'charge ', предварительно включается функция фиксации графика заряда и времени начала заряда. Конечный и промежуточные уровни заряда аккумулятора определяются по формуле (13):
SOCfinal = SOCnow(Po) + Icharge • fastop - ^start)- (13)
В процессе заряда постоянно проводится проверка его уровня, по формуле (14), чтобы не допустить перезаряд аккумулятора:
[if SOCflnai < SOCmax, then if t = tstart + (14)
tdec, then go to ' daytimecheck' else go to 'charge ' else go to ' daytimecheck'.
Выход из цикла заряда осуществляется в случае, если аккумулятор достиг максимального уровня заряда или закончилось время данного интервала осреднения.
Оптимизация. После проверки 'daytime check', которой заканчивается каждая итерация алгоритма, данные о графике изменения SOC(t) направляются во вторую часть алгоритма с оптимизацией. Предварительно осуществляется подготовка данных: по формуле (1) значение SOC, измеряемое в А-ч приводится к кВт-ч. Одновременно с полученным в первой части графиком в систему поступают данные о номинальном режиме работы ГПЭА (выработка электроэнергии Egen), а также количестве интервалов осреднения и их длительности, не менее важными для проведения экономических расчетов являются сведения о коэффициентах полезного действия основного электрооборудования, а также передаточных и преобразовательных механизмов, расходе топлива ГПЭА, тарифов на покупку электроэнергии.
В данной части алгоритма используется принцип математической оптимизации методом «хищник-жертва» [26], для него сформулированы следующие целевые функции (15), расположенные в порядке приоритетности:
(1) min (Ebuy) = Eload(t) - (Едеп + Ebat(t)),
. 'Lt=='ideC (Eload(t) - (Egen + Ebat(t) + ECPS(t)) n -,
(2) min (LPSP) = -=—-—--, (15)
V ' = ^dec с ff\ Lt = ï Zload(l)
(3) min (Cexp) = Cbat0PER + Cgen0PER + CCPS0PER + CGPEA + Ccps,
где CbatoPER - операционные затраты на работу и обслуживание СНЭ; CgenOPER - операционные затраты на работу и обслуживание ГПЭА; Ccpsoper - операционные затраты на работу и обслуживание электросетевого и преобразовательного комплекса, находящегося в ведении объекта; Cgpea - затраты на производство электроэнергии за счет ГПЭА; Ccps - затраты на приобретение электроэнергии из системы ЦЭС.
Помимо целевых функций в систему загружаются параметры - технические ограничения, которые определяют допустимые диапазоны переменных [34], используемых при расчете в целевых функциях, представленные в формуле (16):
Ncycles = f(Tlife, ^OCmin, SOCmax, Ebat(t)), (
M ^ (M - M ) (16)
111 cycles (1 v sum lllpast),
где Ncycles - остаточное количество циклов заряда-разряда аккумулятора; N™ - оптимальное количество циклов заряда-разряда исходно определенное исходя из эксплуатационных особенностей аккумулятора и его паспортных характеристик; Npast - количество циклов заряда-разряда аккумулятора реализованное; Tufe - срок службы аккумулятора, лет.
На выходе алгоритма получаем оптимальное с технической и экономической точек зрения решение, обеспечивающее эффективную и бесперебойную работу электротехнического комплекса со СНЭ. Оптимальные значения величины энергии, вырабатываемой на ГПЭА, запасаемой в аккумуляторе, а также приобретаемой из сети фиксируются в виде графиков для каждого интервала осреднения, причем конечные значения предыдущего интервала для трех величин становятся вводными данными для следующего интервала. Эффективность алгоритма «хищник-жертва» доказана в исследовании [26]. По завершении алгоритма оптимизации для данного интервала осреднения осуществляется проверка статуса данного интервала аналогично циклу 'daytimecheck. В случае, если интервал не является последним осуществляется переход к следующему участку, иначе формируются три плана графика для сети, аккумулятора и ГПЭА и передаются в работу комплекса на следующие сутки.
Результаты и обсуждение. На вход алгоритма поступает график нагрузки представленный на рис. 2. Задачей данного исследования является описание разработанного алгоритма для системы управления на примере ре-
ального электротехнического комплекса. Для этого необходимо владеть информацией о рациональном количестве ГПЭА и их суммарной мощности, причем не той, что предоставляется на текущем этапе, а подходящей для работы в системе со СНЭЭ. Аналогично необходимо определить наиболее подходящее значение мощности СНЭЭ с учетом коэффициентов полезного действия (КПД) всех этапов передачи и преобразования энергии. Задачей данного исследования не является определение проектных величин и разработка методики выбора СНЭЭ. Поэтому было принято решение об определении мощности выработки ГПЭА по средней величине нагрузки в рассматриваемые сутки, а мощности СНЭЭ на основании разницы между максимальным значением потребляемой энергии за год и средней потребляемой энергии за год. Выбор емкости СНЭЭ по такому принципу используется современными проектными организациями. Выбранные величины представлены в таблице 2.
Таблица 2
Выбранные и расчетные параметры СНЭЭ и ГПЭА [составлено авторами_
Pmax, кВт Pap, кВт Рснээ, кВт Рср08, КВТ Рср01, кВт
4399,8 3000 1500 988,3 4190,3
Построен график заряда и разряда аккумулятора в зависимости Р(Ц для характерных дней с наиболее значительными характеристиками (табл. 3). На начальный момент каждых суток примем, что к разряду доступна лишь половина от расчетной мощности СНЭЭ, т.е. 750 кВт. Как видно из графиков для наиболее загруженного дня по коэффициенту формы энергии, запасенной в СНЭЭ не хватает для обеспечения прироста нагрузки в конце суток, поэтому происходит переключение на потребление энергии из сети ЦЭС. Для наиболее загруженного дня по количеству обращений к СНЭЭ видно, что в средине суток не достает энергии в сумме вырабатываемой ГПЭА и энергии СНЭЭ для обеспечения нагрузки, при этом осуществляется переключение на работу от системы ЦЭС.
С учетом получившихся зависимостей для представления результатов оптимизации был сделан упор на экономическую составляющую, обозначенную в многокритериальной задаче. Основным доступным средством сокращения количества операционных затрат для аккумулятора является увеличение доступного количества циклов заряда-разряда аккумулятора на всем жизненном цикле аккумулятора. Это возможно сделать, ограничив глубину разряда и заряда аккумулятора. Допустимая глубина разряда принята равной 80%, максимальный уровень заряда -90%. Еще одним направлением сокращения операционных затрат является обеспечение наиболее равномерного графика выработки электроэнергии за счет ГПЭА - снижение количества переходных процессов в работе электротехнического комплекса позволяет снизить расход топлива, а также увеличить срок службы оборудования. Тогда с учетом задач по минимизации количества обращений к системе ЦЭС и показателя ЬРБР получим оптимизированные графики, представленные в таблице 3 [35].
Для графиков дня худшего по коэффициенту формы за год удалось:
1) Обеспечить минимальную вероятность потери питания (ЬРБР).
2) Обеспечить минимальную в данных условиях величину потребляемой из системы ЦЭС энергии (снизить относительно исходного максимального уровня почти в 7 раз).
3) Обеспечить коэффициент формы графика выработки электроэнергии за счет ГПЭА, равным 1,06, в то время как для исходного графика этот показатель составил 1,3.
Для графиков дня худшего по количеству обращений к сети ЦЭС удалось:
1) Обеспечить минимальную вероятность потери питания (ЬРБР).
2) Обеспечить работу электротехнического комплекса исключительно за счет энергии ГПЭА и СНЭЭ.
3) Обеспечить коэффициент формы графика выработки электроэнергии за счет ГПЭА равным 1,0003, в то время как исходное значение было равным 1,0013.
Полученные результаты позволяют оценить возможности системы управления электротехническим комплексом со СНЭЭ, а также демонстрируют ее эффективность в приложениях, связанных с минимизацией обращения к питанию от системы ЦЭС и выравниванием графиков нагрузок. Более всего прочего система учитывает показатели экономической эффективности и косвенно позволяет продлить срок службы СНЭЭ и ГПЭА. Незавершенными остались вопросы имитации работы системы на полноценной модели электротехнического комплекса, а также прогнозирования графиков нагрузки.
Таблица 3
Поэтапное видоизменение графиков потребления и выработки электроэнергии для электротехнического
_комплекса [составлено авторами]_
На-
им.
Наиболее загруженный день по Кф
Наиболее загруженный день по обращениям к СНЭЭ
и
•е
н
д
й
Окончание табл. 3
Графики Рф для СНЭЭ 1600,0 1400,0 1200,0 □P(t) для СНЭЭ J_ 1600,0 1400,0 1200,0 □P(t) для СНЭЭ III.. 1
1 S00,0 400,0 200,0 СН 1000,0 | 800,0 g 600,0 400,0 200,0
мт i! II & шж ////////////////////////
Графики потребления энергии из ЦЭС 800 _P(t) ®» ЦЭС 700 - 600 1 500 g 400 g 300 200 100 160 140 120 СЭЦ 100 1 80 £ Л 60 40 20 P(t) для ЦЭС ll
ssssss/s&sssss/mrsss /////////zW/Z/zW///
Оптимизированные графики выработки ГПЭА 2000 1800 - 1600 - 1400 Ё 1000 1 800 □P(t) для ГПЭА 5000,0 4500,0 4000,0 3500,0 ^ 3000,0 ПГЭ 2500,0 1 2000,0 (tP) 1500,0 1000,0 500,0 ■P(t) для ГПЭА
О4'^' ¿Г c^'cfr c£r o* <S>- <£' & * & s« V s» sB' -i's» -> ^ f « Ш/Ш///МУМШШ
Оптимизированные графики работы СНЭЭ 1600,0 1400,0 1200,0 g1000,0- g 800,0 - f 600,0 400,0 200,0 □P(t) для СНЭЭ llllll 1400,0 1200,0 1000,0 | 800,0 - ^ 600,0 g , 400,0 200,0 llhllll III
МШМШМШШ4Г <0 # J* уУУУУУ <sv & ^ O*5- '//////////////////
Оптимизированные графики потребления энергии из ЦЭС 120 OP® - ЦЭС 100 80 g 60 1 40 g 20 1 Обращения к системе ЦЭС отсутствуют
Заключение. Применение разработанного авторами алгоритма управления и планирования работы электротехнического комплекса позволят рационально распределять требуемую на нагрузке мощность между ЭСН, ЦЭС и СНЭЭ. При этом учитывается ряд технических характеристик всех агрегатов электротехнического комплекса и экономические показатели его функционирования. Также выполняются задачи по снижению количества электроэнергии потребляемой из системы ЦЭС и соответственно количества обращений к ней, одновременно с тем обеспечивается бесперебойность работы, оцениваемая показателем ЬРБР. За счет ограничения глубины разряда и заряда СНЭЭ косвенно продлевается срок ее эксплуатации, а также отсрочивается момент сдачи агрегата на утилизацию, что вписывается в экологическую политику компании владельца газовой инфраструктуры. Выравнивание графика выработки электроэнергии за счет ГПЭА позволяет аналогично продлить срок их эксплуатации, а также снизить расходы газа на переходные процессы, происходящие при росте и спадах нагрузки. В рамках исследования также было отмечено, что в течение года потребление энергии не превышало уровня 4,5 МВт, в то время как общая мощность ГПЭА составляет порядка 10 МВт. Применение электротехнического комплекса со СНЭЭ и разработанной
системой управления может позволить сократить количество агрегатов, находящихся в горячем резерве, однако для подтверждения этой гипотезы требуются дополнительные научные изыскания.
Список литературы
1. Павлов А. Развитие систем накопления энергии в мире: от концепций до проектов // Электроэнергия. Передача и распределение. 2020. № 2(59). С. 12-17.
2. Бельский А.А., Добуш В.С., Хайкал Ш.Ф. Эксплуатация однофазного автономного инвертора в составе ветроэнергетического комплекса малой мощности // Записки Горного института. 2019. Т. 239. С. 564. DOI: 10.31897/PMI.2019.5.564.
3. Bardanov A.I., Vasilkov O.S., Pudkova T.V. Modeling the process of redistributing power consumption using energy storage system with various configurations to align the electrical loads schedule //Journal of Physics: Conference Series. IOP Publishing, 2021. Т. 1753. №. 1. С. 012013.
4. Зырянов В.М. и др. Системы накопления энергии: российский и зарубежный опыт // Энергетическая политика. 2020. № 6 (148). С. 76-87.
5. Калимуллин Л.В. и др. Приоритетные направления, ключевые технологии и сценарии развития систем накопления энергии // Вестник Ивановского государственного энергетического университета. 2019. №. 1. С. 42-54.
6. Россихин Д.А., Выприцкая Т.В., Сидорова А.В. Системы накопления электроэнергии: перспективы и потенциал развития // Электрооборудование: эксплуатация и ремонт. 2021. №. 9. С. 2021.
7. Извеков Е.А., Косенков Р.И. Перспективы применения накопителей энергии в электроэнергетических системах // Новые технологии и технические средства для эффективного развития АПК. 2019. С. 132-140.
8. Степанов В.В., Виноградов Е.А., Кожевников П.В. Развитие систем накопления электроэнергии в России. 2020.
9. Яковлев А.Я., Максименко М.Н., Аленников С.Г. Реализация перспективных проектов ОАО «Газпром» в границах деятельности ООО «Газпром трансгаз Ухта» // Газовая промышленность. 2012. № 10(681). С. 10-14.
10. Превентивный прогноз потребления электроэнергии компрессорных станций при использовании систем аккумулирования / С.Е. Степанов, А.Б. Васенин, А.Е. Путера [и др.] // Автоматизация и IT в энергетике. 2022. № 9(158). С. 34-44.
11. Kumar R.P., Karthikeyan G.A multi-objective optimization solution for distributed generation energy management in microgrids with hybrid energy sources and battery storage system // Journal of Energy Storage. 2024. Т. 75. С. 109702.
12. Адаптивное оптимальное управление системой накопления энергии генерирующего потребителя с возобновляемыми источниками энергии / Д.В. Антоненков, В.З. Манусов, П.В. Матренин, В.Р. Киушкина // Омский научный вестник. 2020. № 5(173). С. 50-56. DOI 10.25206/1813-8225-2020-173-50-56.
13. Zeynali S. et al. Robust multi-objective thermal and electrical energy hub management integrating hybrid battery-compressed air energy storage systems and plug-in-electric-vehicle-based demand response // Journal of Energy Storage. 2021. Т. 35. С. 102265.
14. Dong X.J. et al. Simultaneous capacity configuration and scheduling optimization of an integrated electrical vehicle charging station with photovoltaic and battery energy storage system // Energy. 2024. Т. 289. С. 129991.
15. Haupt L. et al. The influence of electric vehicle charging strategies on the sizing of electrical energy storage systems in charging hub microgrids // Applied Energy. 2020. Т. 273. С. 115231.
16. Lappalainen K., Kleissl J. Sizing of stationary energy storage systems for electric vehicle charging plazas // Applied Energy. 2023. Т. 347. С. 121496.
17. Tang Y. Optimal control study of home energy management with cooperative dispatch of electric vehicles and energy storage devices // Energy Reports. 2023. Т. 9. С. 550-557.
18. Abdolmaleki L., Berardi U. Hybrid solar energy systems with hydrogen and electrical energy storage for a single house and a midrise apartment in North America //International Journal of Hydrogen Energy. 2024. Т. 52. С. 13811394.
19. Guo Q. et al. Risk-involved modeling of electrical and thermal energy storage systems in smart apartment building utilizing downside risk constraints approach //Journal of Energy Storage. 2023. Т. 61. С. 106709.
20. Syed M.M., Hansen P., Morrison G.M. Performance of a shared solar and battery storage system in an Australian apartment building // Energy and buildings. 2020. Т. 225. С. 110321.
21. Roberts M.B., Bruce A., MacGill I. Impact of shared battery energy storage systems on photovoltaic self-consumption and electricity bills in apartment buildings // Applied energy. 2019. Т. 245. С. 78-95.
22. Абсалямов Д.Р. Обоснование использования возобновляемых видов энергии при эксплуатации автономных систем электроснабжения для электроприемников разных категорий производственных объектов / Д.Р. Абсалямов, А.Ю. Петров, Р.Р. Хальметов // Актуальные проблемы военно-научных исследований. 2022. № S1(20). С. 46-57.
23. Правила устройства электроустановок (ПУЭ. 7-е изд. Раздел 1, Глава 1.2 (Утв. Приказом Минэнерго России от 20.05.2003 № 187). М.: ЭНАС, 2003.
24. Ефимов А.Ю. Оценка надежности электроснабжения потребителей первой и второй категории / А.Ю. Ефимов, А.О. Алехин // Интеллектуальная электротехника. 2019. № 2. С. 74-84. DOI 10.46960/2658-6754_2019_2_74.
25. Пашковский Р.И. Категории надёжности электроснабжения многоквартирных жилых и общественных зданий // Светотехника. 2015. № 3. С. 59-61.
26. Карпенко А.П., Пугачев А.В. Исследование эффективности и настройка модифицированного алгоритма «хищник-жертва» в задаче многоцелевой оптимизации // Машиностроение и компьютерные технологии. 2016. №. 12. С. 154-181.
27. Карпенко А.П. Типовые структуры популяционных алгоритмов глобальной оптимизации // Информационные и математические технологии в науке и управлении. 2022. № 1(25). С. 48-57. DOI: 10.38028/ESI.2022.25.1.004.
28. Новокрещенов О.В., Отмахов Г.С., Хуаде М.Ю. Комбинированные системы электроснабжения на возобновляемых источниках энергии // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2017. №. 132. С. 786-797.
29. ГОСТ Р 58057-2018. Единая энергетическая система и изолированно работающие энергосистемы. Планирование развития энергосистем. Общие требования: нац. стандарт Рос. Федерации: дата введения 2019-01-01. М.: Стандартинформ, 2018. 17 с.
30. Устинов Д.А., Коновалов Ю.В., Плотников И.Г. Паспортизация электрических нагрузок нефтегазодобывающих предприятий // Материаловедение. Энергетика. 2012. №. 1 (142). С. 81-84.
31. Шклярский Я.Э., Пирог С. Влияние графика нагрузки на потери в электрической сети предприятия // Записки Горного института. 2016. Т. 222. С. 858-863.
32. Россихин Д.А., Менделеев Д.И., Галимзянов Л.А. Вопросы применения и развития систем накопления электроэнергии // Развивая энергетическую повестку будущего. 2021. С. 24-29.
33. Гусев Ю.П. Исследование влияния систем накопления электрической энергии на пропускную способность распределительных сетей / Ю.П. Гусев, П.В. Субботин // Известия высших учебных заведений. Электромеханика. 2020. Т. 63, № 1. С. 69-76. DOI: 10.17213/0136-3360-2020-1-69-76.
34. Илюшина С.В. Методы оптимизации технологических процессов // Вестник Казанского технологического университета. 2014. Т. 17. №. 8. С. 323-327.
35. Ayop R., Isa N.M., Tan C.W. Components sizing of photovoltaic stand-alone system based on loss of power supply probability // Renewable and Sustainable Energy Reviews. 2018. Т. 81. С. 2731-2743.
Токарев Иван Сергеевич, канд. техн. наук, старший преподаватель, i.s. tokarev@smail. com, Россия, Санкт-Петербург, Санкт-Петербургский горный университет императрицы Екатерины II,
Шклярский Ярослав Элиевич, д-р техн. наук, профессор, заведующий кафедрой, Shklyarskiy [email protected], Россия, Санкт-Петербург, Санкт-Петербургский горный университет императрицы Екатерины II,
Андреева Юлия Евгеньевна, студент-исследователь, yulia 775 77@mail. ru, Россия, Санкт-Петербург, Санкт-Петербургский горный университет императрицы Екатерины II,
Лаврик Александр Юрьевич, канд. техн. наук, ассистент, lavrik [email protected], Россия, Санкт-Петербург, Санкт-Петербургский горный университет императрицы Екатерины II
ANALYSIS OF THE EFFECTIVENESS OF THE ALGORITHM FOR PLANNING THE OPERATION OF AN ELECTRICAL
COMPLEX WITH AN ENERGY STORAGE SYSTEM
I.S. Tokarev, Y.E. Shklyarsky, Y.E. Andreeva, A.Y. Lavrik
The authors developed a control and planning system for the operation of the electrical complex, using the example of the compressor station. A special feature of the electrical engineering complex is a mixed type of energy supply. It is also planned to introduce an electric energy storage system (EESS) into the structure of the complex. There are three main stages in the operation of the algorithm - prediction, simulation, optimization and the issuance of a plan for work. The authors provide a detailed description of the operation of the control and planning algorithm, two examples of the algorithm's operation with real data on the power, obtained during the year at the compressor station. A brief assessment of the effectiveness of the proposed algorithm is given on the basis of indicators formulated in the form of objective functions for solving the problem of multi-criteria optimization.
Key words: algorithm, electrical energy storage system, optimization, electrical utility, compressor station.
Tokarev Ivan Sergeevich, candidate of technical sciences, senior lecturer, i. s. tokarev@gmail. com, Russia, St. Petersburg, Empress Catherine II Saint Petersburg Mining University,
Shklyarsky Yaroslav Elievich, doctor of technical sciences, professor, head of the chair, Shklyarskiy [email protected], Russia, St. Petersburg, Empress Catherine IISaint Petersburg Mining University,
Andreeva Yulia Evgenievna, student researcher, [email protected], Russia, Empress Catherine II Saint Petersburg Mining University,
Lavrik Alexander Yuryevich, candidate of technical sciences, assistant, lavrik [email protected], Russia, St. Petersburg, Empress Catherine II Saint Petersburg Mining University
