CC BY
3
Ершов Сергей Викторович, канд. техн. наук, доцент, [email protected], Россия, Тула, Тульский государственный университет
THE RATIONAL STRUCTURE OF THE CONTROL SYSTEM FOR THE OPERATING PARAMETERS OF ELECTRICAL
NETWORKS BASED ON A DIGITAL TWIN
V.M. Stepanov, S.V. Ershov
One of the possible structures of a "digital twin" for controlling the operating modes of power supply systems of district electric networks with a voltage of 35 kV is considered, which allows optimizing the operating parameters of a section of electric networks of the specified voltage class in order to increase their energy efficiency, reliability and reduce losses of electric energy and improve its quality indicators.
Key words: electric networks, operating parameters, power supply, digital twin, optimization, power quality.
Stepanov Vladimir Mikhailovich, doctor of technical sciences, professor, Russia, Tula, Tula State University,
Ershov Sergey Viktorovich, candidate of technical sciences, docent, erschov.serrg@mail. ru, Russia, Tula, Tula State University
УДК 621.311.24
DOI: 10.24412/2071-6168-2023-12-368-369
ИСПОЛЬЗОВАНИЕ МЕТОДА НЕЧЕТКОГО АНАЛИЗА ИЕРАРХИИ ДЛЯ ВЫБОРА ОПТИМАЛЬНОЙ
ВЕТРОЭНЕРГЕТИЧЕСКОЙ УСТАНОВКИ
В.А. Шпенст, В.С. Ермолович
Рассмотрены основные критерии выбора ветроэнергетических установок (ВЭУ) по трем аспектам: технические параметры, экономичность и экологическое влияние. На основе метода нечеткого анализа иерархии построена модель выбора оптимальной установки для заданных условий.. Произведено исследование работы модели на примере рассмотрения трех крупнейших действующих ветроэлектростанций (ВЭС) Российской Федерации: Кочубеевской, Кольской и Адыгейской ВЭС.
Ключевые слова: ветроэнергетическая установка, ветроэнергетическая станция, выбор установки, нечеткий метод анализа иерархии.
Практически на протяжении всего существования человечество испытывало потребность в энергии. Еще с каменного века люди получали и использовали энергии в различных формах, однако, огромное промышленное развитие и изменение образа жизни человека, сделали электрическую энергию наиболее важной для выживания человечества. В течение последних ста лет ископаемые виды топлива удовлетворяли энергетические потребности всего мира. Однако истощение углеводородных ресурсов, ухудшение состояния окружающей среды от их использования, а также инциденты, связанные с атомной энергетикой, заставили мировое сообщество начать исследования альтернативных источников получения энергии [1].
Одним из наиболее перспективных возобновляемых источников стала энергия ветра. Привлекательность ветроэнергетики настолько высока благодаря выработки чистой, дешевой и коммерчески жизнеспособной электроэнергии. Кроме того, в сравнении с традиционными видами топливных ресурсов, размещение ветряных установок не имеет четкой географической привязки, а также требует гораздо меньших затрат на эксплуатацию и техническое обслуживание [2].
Актуальность использования ветроэнергетики для устойчивого развития наглядно иллюстрируется тенденциями роста суммарной установленной мощности ветряных установок (рис. 1). Согласно статистике, лишь за последние полтора десятилетия суммарная мощность ВЭС выросла более чем в 20 раз. При этом, ежегодный прирост новых генерирующих мощностей составляет около 20%, что делает ветер одним из наиболее быстрорастущих источником энергии [3,4].
900
Азия
Рис. 1. Суммарная установленная мощность ВЭУ по годам
368
В связи с активным ростом использования ветроэнергетики проблема выбора оптимальной ветроэнергетической установки для заданных условий становится все более острой. Ветровая турбина должна не только соответствовать местным ветроэнергетическим ресурсам, но и обеспечивать хорошие экономическое показатели, а также надежное качество электроэнергии в течении всего периода эксплуатации ветряной электростанции. В настоящее время на рынке представлено множество видов ветроустановок различных производителей, что в еще большей степени затрудняет их выбор. Чтобы повысить эффективность и максимизировать преимущества ветроэлектростанций, необходимо выбрать подходящие агрегаты и в полной мере использовать ресурсы энергии ветра [5].
Долгое время исследования по выбору ветряных турбин были в основном сосредоточены на технических и экономических аспектах. На раннем этапе многие исследователи использовали для оценки несколько отдельно взятых критериев. К примеру, коэффициент использования установленной мощности (КИУМ) [6,7], нормированную стоимость электроэнергии [8,9], функцию распределения Вейбулла в сочетании со средней скоростью ветра и кривой мощности ветряной турбины [10,11] и др. Поскольку на выбор ветроэнергетической установки влияют многие факторы, приведенные выше методы, которые ограничены одним показателем, не могут объективно, точно и всесторонне оценить преимущества и недостатки при выборе ветряных турбин.
Решение проблемы выбора оптимальной ветроэнергетической установки с учетом всех необходимых критериев может быть достигнуто путем использования нечеткого метода иерархического анализа (НМАИ). Метод иерархического анализа (МАИ) был разработан Томасом Саати в 1980 году, как надежный и точный инструмент для решения проблем принятия решений. Применение данного метода имеет 3 основных этапа [12-14]:
представление сложных проблем в виде иерархии целей, альтернатив и критериев их оценки; взаимное сравнение критериев оценки на каждом шаге иерархии; построение матрицы принятия решений;
Однако, существенным недостатком использования метода МАИ является расплывчатость и неоднозначность оценки критериев экспертами. Недостаток человеческого фактора принятие решений можно разрешить путем использования метода нечетких множеств (НМАИ). По сути, НМАИ представляет собой усовершенствованную версию МАИ в нечеткой области с использованием для расчета нечетких чисел вместо действительных [15-17]. Поскольку базовый МАИ не учитывает ошибки, возникающие из-за предубеждений и нечеткости личных суждений, он был изменен и улучшен путем объединения его с подходом нечеткой логики [18]. В НМАИ как альтернативы, так и критерии сравниваются друг с другом попарно через лингвистические переменные, которые могут быть представлены в виде треугольных чисел [19], как показано в табл. 1.
Таблица 1
Шкала попарного сравнения_
Шкала МАИ Шкала НМАИ Описание
1 (1;1;1) Равная значимость критериев [ и ]
3 (2;3;4) Умеренная важность [ над ]
5 (4;5;6) Критерий [ имеет сильную значимость над ]
7 (6;7;8) Критерий [ гораздо важнее критерия ]
9 (9;9;9) Критерий [ чрезвычайно значим над ]
2 4 6 8 (1;2;3) (3;4;5) (5;6;7) (7;8;9) Спорные значения между двумя соседними оценками
Процесс присвоения весов каждому критерию состоит из пяти общих шагов [20]:
Сравнение значимости каждого из критериев с остальными, а также присвоение им нечетких треугольных чисел в соответствии с лингвистическими терминами. К примеру, критерий 1 (Х1) имеет умеренную значимость над критерием 2 (Х2), в таком случае, Х12 будет иметь нечеткое треугольное значение (2,3,4), тогда как значение важности Х2 над Х1 будет равно (1/4, 1/3, 1/2). Таким образом, может быть подготовлена квадратная матрица нечетких треугольных масштабов, показанная в уравнении (1). Следует отметить, что ХЦ представляет относительную важность ьго критерия по j-му критерию через нечеткие треугольные числа.
(-
Т- =
Х11
Х1и
Л
Вычисление средних геометрических значений каждой строки (2):
1
п
= П
_Ц=1 _
Определение относительных весов каждого критерия, оцененное в виде неоднозначных чисел (3):
г -|-1 п _
wi = X ^ = (Ьг, т, и) _;=1 _
Дефаззирование нечетких треугольных чисел с помощью метода центра области (4):
А = Ь' т' и
(1)
(2)
(3)
(4)
Получение итоговых весовых значений критериев в виде действительных чисел (5):
Wi =
Т n=i 4
(5)
Для исследования работы вышеописанной методики будут рассмотрены три крупнейшие ветроэнергетические станции России, а именно: Кочубеевская ВЭС [21], Кольская ВЭС [22] и Адыгейская ВЭС [23]. Основная информация по рассматриваемым станциям представлена на рис. 2.
Рис. 2. Расположение и основная информация по рассматриваемым ВЭС
Основываясь на проведенном анализе литературы [24] и основных характеристиках ветряных турбин, в качестве критериев сравнения были выбраны следующие показатели:
Единичная мощность ветроэнергетической установки, кВт (Х1) Максимальная мощность ветропарка при использовании данной ВЭУ, МВт (Х2) Годовая выработка электроэнергии, млн. кВт-ч (Хз) Общая стоимость размещенных установок, $ (Х4)
Снижение выбросов парниковых газов относительно генерации на ископаемом топливе, тыс. т. (Х5) После определение критериев сравнения необходимо произвести нечеткое взвешивание с использованием процесса НМАИ. Для этого экспертам в области возобновляемой энергетики и ветроэнергетики было предложено заполнить неоднозначную таблицу попарных сравнений для всех критериев по степени пригодности. Результаты проведенного сравнения, а также усредненный вес каждого критерия, вычисленный в соответствии с уравнениями (1-5), представлены в табл. 2, 3.
Таблица 2
Результаты^ нечеткого сравнения эксперта 1___
Xi X2 X3 X4 X5 Wa„.i
Xi (i;i;i) (i/5;i/4;i/3) (i/8;i/7;i/6) (i/3;i/2;i) (i;2;3) 0,0806
X2 (3;4;5) (i;i;i) (i/4;i/3;i/2) (i;2;3) (2;3;4) 0,2308
X3 (6;7;8) (2;3;4) (i;i;i) (i;2;3) (4;5;6) 0,4323
X4 (i;2;3) (i/3;i/2;i) (i/3;i/2;i) (i;i;i) (3;4;5) 0,i88i
X5 (i/3;i/2;i) (i/4;i/3;i/2) (i/6;i/5;i/4) (i/5;i/4;i/3) (1;1;1) 0,068
Таблица 3
Относительный вес каждого критерия__
Wa„.i Wa„.2 ^^экс.3 WCр.
Xi 0,0806 0,i979 0,0946 0,i244
X2 0,2308 0,0886 0,i70i 0,i632
X3 0,4323 0,407i 0,2790 0,3728
X4 0,i88i 0,2652 0,5457 0,3330
X5 0,0302 0,04ii 0,0529 0,04i4
Таблица 4
Основные характеристики выбранных ВЭУ__
Производитель GoldWind Envision Sinovel
Модель турбины GWi40/3000 EN2,5-i3i SL3000-ii3
Мощность, кВт 3000 2500 3000
Диаметр ротора, м i40 i3i ii3
Высота ступицы, м i20 i20 ii0
Ометаемая поверхность, м2 i5474 i35i9 i0029
Цена, млн.$ 2,7 3 3,5
После определение относительных весов всех критериев можно приступать к выбору ветроустановки, обладающей наилучшими характеристиками для заданных условий. На данный момент, во всех российских ВЭС эксплуатируются установки трех крупнейших европейских компаний: Siemens Gamesa, Vestas и Lagerwey. Однако, приобретение новых генерирующих мощностей у западных производителей ВЭУ, в настоящее время, крайне затруднительно. По этой причине, в качестве альтернативных вариантов будут рассмотрены три флагманских ветроагрегата
китайских производителей, а именно: GW140/3000, ЕШ31/2500, MySE3,2-135. Основные технические характеристики рассматриваемых ВЭУ представлены в табл. 4.
Основные параметры рассматриваемых ветропарков, необходимые для выбора оптимальной ВЭУ, представлены в табл. 5-7.
Таблица 5
Значения параметров сравнения Кочубеевской ВЭС__
Модель турбины L-100 (эксплуат.) GW140/3000 £N2,5-131 SL3000-113
Мощность, МВт 2500 3000 2500 3000
Максимальная мощность ВЭС, МВт 210 180 160 222
Годовая выработка электроэнергии, тыс. МВт*ч 597 718 633 692
Капитальные вложения, млн $ 300 270 320 385
С02, тыс. т. 478 574 506 553
Таблица 6
Значения параметров сравнения Адыгейская ВЭС__
Модель турбины L-100 (эксплуат.) GW140/3000 £N2,5-131 SL3000-113
Мощность, МВт 2500 3000 2500 3000
Максимальная мощность ВЭС, МВт 150 132 122,5 159
Годовая выработка электроэнергии, тыс. МВт*ч 354 464 422 418
Капитальные вложения, млн $ 255 200 250 275
С02, тыс. т. 282 371 338 334
Таблица 7
Значения параметров сравнения Кольская ВЭС__
Модель турбины SG3.4-132 (эксплуат.) GW140/3000 £N2,5-131 SL3000-113
Мощность, МВт 3465 3000 2500 3000
Максимальная мощность ВЭС, МВт 197,5 150 142,5 231
Годовая выработка электроэнергии, тыс. МВт*ч 750 629 594 770
Капитальные вложения, млн $ 255 225 290 400
С02, тыс. т. 600 503 475 616
В свя зи с тем, что параметры сравниваемых ВЭУ имеют аддитивный и мультипликативный вид, то необходимо применить интеграцию полезности функций к единице [25]. По этой причине формула, применяемая для сравнительной оценки, будет иметь следующих вид:
п _ п _
К = Х- X Х] + (1 -Г) П х
]
(6)
]=1 ]=1 где Х- коэффициент, равный 0,5; ^ - весовая значимость критерия. Для критериев, которые должны иметь максимальное значение, Щ будет находиться, как:
(7)
Для критериев, которые должны иметь минимальное значение:
- тш х,
(8)
Результаты расчётов, произведенных по формуле (6) представлены в табл. 8
Итоговые оценки ВЭУ для рассматриваемых ВЭС
Таблица 8
Кочубеевская Адыгейская Кольская
Модель ВЭУ К Ранг К Ранг К Ранг
Ь-100^3.4-132 0,884 3 0,816 4 0,943 1
GW140/3000 0,985 1 0,988 1 0,863 2
£N2,5-131 0,849 4 0,854 3 0,75 4
SL3000-113 0,897 3 0,882 2 0,841 3
х
тах х
х
Учитывая приоритетные показатели ветроэнергетических станций, выбранные экспертами, результаты НМАИ показали, что наилучшим вариантом ветроэнергетической установки для Кочубеевской и Адыгейской ВЭС является модель GW140/3000 производителя GoldWind. В свою очередь, для Кольской ВЭС наиболее приемлемым стала турбина SG3.4-132, которая на данный момент эксплуатируется на станции.
Заключение: Выбор ветроэнергетической установки является одним из важнейших процессов проектирования ВЭС. Однако, быстрое развитие ветроэнергетической отрасли приводит к значительному росту типов ВЭУ, представленных на рынке. Техническое использования, экономические аспекты, а также экологическое влияние доступных на данный момент установок может в значительной степени различаться, поэтому существует необходимость создания модели оценивания для помощи с выбором оптимального агрегата. Для того чтобы дать всесторон-
нюю оценку альтернативным установкам, в настоящей работе в качестве критериев сравнения были выбраны номинальная мощность ВЭУ, максимальная мощность ВЭС, годовая выработка электроэнергии станцией, суммарные инвестиции, а также снижение выбросов углекислого газа. Одновременно с этим, на основе выбранных критериев, а также экспертной оценки была построена модели НМАИ, с помощью которой были получены значения приоритетности параметров выбора оптимальной установки. Исследование работы модели производилось на примере Кочубеевской, Адыгейской и Кольской ВЭС. В результате было выявлено, что совокупная оценка установок, эксплуатируемых на Адыгейской и Кочубеевской ВЭС, более чем на 10% ниже, чем у альтернативных вариантов.
Список литературы
1. Бутузов В.А. Сто лет развития ветроэнергетики в России. часть 2 // Окружающая среда и энерговедение. 2021. № 4 (12). С. 18-34. DOI: 10.24412/2658-6703-2021-4-2-18-34
2. Rehman S., Khan S.A. Fuzzy Logic Based Multi-Criteria Wind Turbine Selection Strategy—A Case Study of Qassim, Saudi Arabia // Energies. 2016. Vol. 9(11). DOI: 10.3390/en9110872
3. Шпенст В.А., Ермолович В.С. Анализ факторов, снижающих энергоэффективность работы ветроэнергетических станций // Электроэнергия. Передача и распределение. 2023. № 4 (79). С. 34-39.
4. Ren Z., Verma A.S., Li Y., Teuwen J.E., Jiang, Z. Offshore wind turbine operations and maintenance: A state-of-the-art review // Renewable and Sustainable Energy Reviews. 2021. Vol. 144. P. 1-22. DOI: 10.1016/j.rser.2021.110886
5. Song, W.; Xu, Z.; Liu, H.C. Developing sustainable supplier selection criteria for solar air-conditioner manufacturer: An integrated approach // Renewable and Sustainable Energy Reviews. 2017. Vol. 79. P. 1461-1471. http://dx.doi.org/10.1016/j.rser.2017.05.081
6. Roberts K., Mahomed N. Hub height optimisation of commercial WTGs based on accurate wind resource analysis // Wind engineering. 2023. Vol. 46(1). DOI: 10.1177/0309524X211022727
7. Firas A.H., Zaid F.M., Rafa A. Optimum selection of wind turbines using normalized power and capacity factor curves // Iraqi Journal of Science. 2021. DOI: 10.24996 /ijs.2021.62.8.33
8. Arias-Rosales A., Osorio-Gomez G. Wind turbine selection method based on the statistical analysis of nominal specifications for estimating the cost of energy // Applied Energy. 2018. Vol. 228, P. 980-998. DOI: 10.1016/j.apenergy.2018.06.103
9. Charabi Y., Abdul-wahab S. Wind turbine performance analysis for energy cost minimization // Renewables Wind Water and Solar. 2020. Vol. 7(1). DOI: 10.1186 /s40807-020-00062-7
10. Baloch M., Ishak D., Tahir S. Wind Power Integration: An Experimental Investigation for Powering Local Communities // Energies. 2019. Vol. 12(4). DOI: 10.3390/en12040621
11. Kuczynski W., Wolniewicz K., Charun H. Analysis of the Wind Turbine Selection for the Given Wind Conditions // Energies. 2021. Vol. 14(22). DOI: 10.3390/en14227740
12. Ossadnik W., Schinke S., Kaspar R.H. Group Aggregation Techniques for Analytic Hierarchy Process and Analytic Network Process: A Comparative Analysis // Group Decision and Negotiation. 2016. Vol. 25(2). DOI: 10.1007/s10726-015-9448-4
13. Ziemba P. Inter-criteria dependencies-based decision support in the sustainable wind energy management // Energies. 2019. Vol. 12(4). DOI: 10.3390/en12040749
14. Chaouachi A., Covrig C.F., Ardelean M. Multi-criteria selection of offshore wind farms: Case study for the Baltic States // Energy Policy. 2017. Vol. 103. P. 179-192. DOI: 10.1016/j.enpol.2017.01.018
15. Nawawi M. K., Aminuddin A. S. Consistency of crisp and fuzzy pairwise comparison matrix using fuzzy preference programming // AIP Conference Proceedings. 2014. Vol. 1635(1). P.520-524. DOI: 10.1063/1.4903631
16. Quteishat A., Younis M. A. Strategic Renewable Energy Resource Selection Using a Fuzzy Decision-Making Method // Intelligent Automation and Soft Computing. 2023. Vol. 35(2). P. 2117-2134 DOI: 10.32604/iasc.2023.029419
17. Simani S, Castaldi P. Intelligent fault diagnosis techniques applied to an offshore wind turbine system // Applied Sciences. 2019. Vol. 9(4). DOI: 10.3390/app9040783
18. Pang N., Nan M., Meng Q., Zhao S. Selection of Wind Turbine Based on Fuzzy Analytic Network Process: A Case Study in China // Sustainability. 2021. Vol. 13(4). DOI: 10.3390/su13041792
19. Kilincci O. Fuzzy AHP approach for supplier selection in a washing machine company // Expert systems with Applications. 2011. Vol. 38(8). P. 9656-9664. DOI: 10.1016 /j.eswa.2011.01.159
20. Солиман Х., Бурлов В.Г., Украинцева Д.А. Использование нечеткой логики в среде ГИС для выбора местоположения ветряных электростанций на примере провинции Хомс, Сирия // Международный научно-исследовательский журнал. 2022. №11(125). DOI: 10.23670/IRJ.2022.125.17
21. Семиглазова В. А., Салман О. Ф. Проекты «зелёной экономики» на Юге России: направления реализации // Геополитика и экогеодинамика регионов. 2022. Т. 8(18). С.40-48
22. Белей В.Ф., Коцарь В.Г. Оценка ветропотенциала Мурманской области и эффективности Кольской ветроэлектростанции // Вестник МГТУ. 2020. Т.22 №4. С.374-386. DOI: 10.21443/1560-9278-2020-23-4-376386
23. Иванов А.А, Стрижак С.В. Возможности макромасштабной и мезомасштабной моделей для моделирования работы ветропарка на примере Адыгейской ВЭС // Окружающая среда и энерговедение. 2020. №4. С.52-61. DOI: 10.5281/zenodo.4428476
24. Vygantas B., Edmundas K. Z., Turskis Z. Multi-person selection of the best wind turbine based on the multi-criteria integrated additive-multiplicative utility function // Journal of Civil Engineering and Management. 2014. Vol. 20(4). DOI: 10.3846/13923730.2014.932836
25. Zavadskas E. K., Turskis Z., Antucheviciene J., Zakarevicius A. Optimization of Weighted Aggregated Sum Product Assessment // Elektronika ir Elektrotechnika. 2012. Vol. 122(6). DOI: 10.5755/j01.eee.122.6.1810
Шпенст Вадим Анатольевич, д-р техн. наук, профессор, декан, shpenst@spmi. ru, Россия, Санкт-Петербург, Санкт-Петербургский горный университет,
Ермолович Владимир Сергеевич, аспирант, [email protected], Россия, Санкт-Петербург, Санкт-Петербургский горный университет
APPLICATION OF FUZZY ANALYTICAL NETWORK PROCESS FOR SELECTION THE OPTIMAL WIND TURBINE
V.A. Shpenst, V.S. Ermolovich
The main criteria for the selection of wind turbines are considered in three aspects: technical parameters, efficiency and environmental impact. Based on the method offuzzy hierarchy analysis, a model for choosing the optimal installation for given conditions is constructed.. The work of the model is studied on the example of considering the three largest operating wind farms of the Russian Federation: Kochubeyevskaya, Kola and Adygea wind farms.
Key words: wind turbines, wind power plants, selection unit, fuzzy analytic network process
Shpenst Vadim Anatolievich, doctor of technical science, professor, dean, [email protected], Russia, Saint Petersburg, Saint Petersburg mining university,
Ermolovich Vladimir Sergeevich, postgraduate, [email protected], Russia, Saint Petersburg, Saint Petersburg mining university
