CC BY
49
Оригинальная статья / Original article УДК 621.311.24
DOI: http://dx.d0i.0rg/l 0.21285/1814-3520-2020-1 -145-163
Методическое и программное обеспечение для оценки ветроэнергетического потенциала северо-востока России
© В.Г. Курбацкий*, В.А. Шакиров**
*Иркутский национальный исследовательский технический университет, г. Иркутск, Россия **Институт систем энергетики им. Л.А. Мелентьева, г. Иркутск, Россия
Резюме: Цель данной статьи - представить анализ современного методического и программного обеспечения для оценки ветроэнергетического потенциала и рассмотреть особенности разработанной программы Wind-MCA. В статье представлен краткий обзор современного состояния и перспектив развития ветроэнергетики в мире и России. Изложены методические подходы и существующее программное обеспечение для оценки ветроэнергетического потенциала. Рассматриваются преимущества и недостатки источников исходной информации для оценки ветроэнергетического потенциала - данные спутниковых наблюдений, наземных метеостанций и климатических справочников. Приводятся характеристика и описание возможностей для оценки ветроэнергетического потенциала программы Wind-MCA, которая использует в качестве исходных данных статистически необработанные данные наземных метеостанций. Это позволяет обеспечить решение ряда задач, в которых требуется оценка ветроэнергетического потенциала с дифференциацией по направлениям ветра, часового ветроэнергетического потенциала во взаимосвязи с другими климатическими данными. Рассматривается применение Wind-MCA для решения такого вида задач. Представлена методика учета влияния рельефа местности на скорость ветра в зависимости от его направления, приведены результаты оценки ветроэнергетического потенциала для района с. Аян Хабаровского края. Изложен подход к оценке вариантов распределенного размещения сетевых ветроэлек-тростанций для уменьшения влияния краткосрочной изменчивости скорости ветра на колебания мощности станций. Приведены результаты моделирования выработки электроэнергии ветроэлектростанциями при их концентрированном и распределенном размещении в Кабанском районе Республики Бурятия. Представлен реализованный в Wind-MCA новый подход к учету влияния обледенения лопастей на выработку электроэнергии ветроэнергетическими установками. Приведены результаты расчета ветроэнергетического потенциала для различных районов востока России. Среднегодовые потери электроэнергии из-за обледенения варьируются в исследованных районах от 6,2 до 23,7%.
Ключевые слова: ветроэнергетический потенциал, ветроэлектростанции, программное обеспечение, данные метеостанций, климатические факторы, обледенение
Благодарности: Работа выполнена в рамках проекта государственного задания 17.6.1 (рег. № АААА-А17-117030310445-9) фундаментальных исследований СО РАН.
Информация о статье: Дата поступления 22 ноября 2019 г.; дата принятия к печати 19 декабря 2019 г.; дата онлайн-размещения 28 февраля 2020 г.
Для цитирования: Курбацкий В.Г., Шакиров В.А. Методическое и программное обеспечение для оценки ветроэнергетического потенциала северо-востока России. Вестник Иркутского государственного технического университета. 2020. Т. 24. № 1. С. 145-163. https://doi.org/10.21285/1814-3520-2020-1-145-163
Methodology and software for assessing the wind energy potential of the northeast of Russia
Viktor G. Kurbatsky, Vladislav A. Shakirov
Irkutsk National Research Technical University, Irkutsk, Russia Melentiev Energy Systems Institute SB RAS, Irkutsk, Russia
Abstract: The purpose of this article is to present the analysis of modern methodology and software for assessing the wind energy potential and consider the features of the developed Wind-MCA program. The article provides a brief overview of the current state and development prospects of wind energy in the world and in Russia. Description is given to the methodical approaches and existing software for assessing the wind energy potential. Advantages and disadvantages of the sources of initial information (satellite observation data, meteorological station data, climate reference data) for assessing the wind energy potential are considered. Description is given to the Wind-MCA software features for
assessing the wind energy potential. The program uses statistically unprocessed data from meteorological stations. This enables the solution of a number of problems requiring estimation of the wind energy potential with differentiation in wind directions, as well as the hourly wind energy potential in combination with other climatic data. The application of Wind-MCA is discussed for solving these types of problems. The methods of accounting a terrain relief effect on the wind speed depending on its direction is presented. Assessment results of the wind energy potential for the area of the Ayan settlement, Khabarovsk Territory are given. An approach to assessing the options for the distributed location of network wind farms to reduce the effect of short-term variability of wind speed on station power fluctuations is described. The simulation results of electric energy generation by wind power plants under their concentrated and distributed siting in the Kabansky district of the Republic of Buryatia are given. A new Wind-MCA-implemented approach to accounting the effect of blade icing on power generation by wind power plants is presented. The results of the wind energy potential calculation for various regions of eastern Russia are provided. The average annual electricity losses in the studied areas due to icing vary from 6.2 to 23.7%.
Keywords: wind energy potential, wind power plants, software, meteorological station data, climatic factors, icing
Acknowledgements: The research has been carried out under the State Assignment Project 17.6.1 (reg. no. AAAA-A17-117030310445-9) of the Fundamental Research of the Siberian Branch of the Russian Academy of Sciences.
Information about the article: Received November 22, 2019; accepted for publication December 19, 2019; available online February 28, 2020.
For citation: Kurbatsky VG, Shakirov VA. Methodology and software for assessing the wind energy potential of the northeast of Russia. Vestnik Irkutskogo gosudarstvennogo tehnicheskogo universiteta = Proceedings of Irkutsk State Technical University. 2020;24(1):145-163. (In Russ.) https://doi.org/10.21285/1814-3520-2020-1-145-163
1. ВВЕДЕНИЕ
Ввод ветроэнергетических мощностей за последние пять лет характеризуется существенной динамикой, что связано с внедрением механизмов поддержки возобновляемых источников энергии (ВИЭ). В перспективе до 2024 г. ожидается ввод порядка 3 ГВт сетевых ветроэлектростанций (ВЭС) в центральной и западной частях России [1]. Большую роль ветроэнергетика должна сыграть и в удаленных районах северо-востока страны, располагающих высоким ветроэнергетическим потенциалом (ВЭП) и имеющих значительные сложности с завозом топлива на электростанции малой мощности [2-4].
При реализации проектов строительства ВЭС большое значение имеет оценка ВЭП, которая в современной практике проводится с применением различных программных продуктов. Основой большинства зарубежных прикладных пакетов для определения характеристик ВЭП и прогноза показателей ветроэнергетических установок (ВЭУ) является программный комплекс WAsP [5]. Альтернативный подход к оценке ВЭП реализован в российском программном комплексе ВОСТОК [6]. Эти программные продукты используют осред-ненные за различный период климатиче-
ские данные спутниковых наблюдений и наземных метеостанций, что не позволяет решать ряд задач, в которых требуется оценка ВЭП с часовой детализацией.
Для решения задач, в которых требуется оценка ВЭП с дифференциацией по направлениям ветра, часового ВЭП, часового ВЭП во взаимосвязи с другими климатическими данными, необходимо использовать статистически необработанные данные метеостанций. В статье приводится описание разработанной программы Wind-МСА, реализующей такие возможности. Приводятся методические подходы и результаты применения Wind-MCA для оценки ВЭП с часовой детализацией для восточных районов России.
2. ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ И ПЕРСПЕКТИВ РАЗВИТИЯ ВЕТРОЭНЕРГЕТИКИ В МИРЕ И РОССИИ
Энергия ветра ввиду широкой распространенности и относительно высокой плотности энергетического потока является достаточно перспективным ресурсом среди ВИЭ для многих стран, в том числе и для России [7-9]. Ветроэнергетический тренд охватывает уже более 70 стран. Наибольшее развитие ветроэнергетика получила в Китае, США, Германии, Индии, Испании,
Франции и др. Начиная с 2009 г. ежегодно ветрогенерирующие мощности в мире увеличиваются на 40-50 ГВт. 2015 г. был беспрецедентным годом в развитии возобновляемой энергетики в целом и ветроэнергетики в частности - в эксплуатацию было введено 147 ГВт электрогенерирующих мощностей, причем почти 43% из них приходилось на долю ветроэнергетики. В период 2005-2018 гг. мощность ВЭС в мире возросла в 10 раз, достигнув 591 ГВт.
Более 44% мощности мировой ветроэнергетики сконцентрировано в Азии, на Европу приходится 33%, на Северную Америку - 23%. Страны Азии вышли на первое место в этой области энергетики, обогнав Европу, лидирующую до недавнего времени, благодаря, прежде всего, Китаю, взявшему в последнее десятилетие курс на возобновляемую энергетику. По состоянию на 2018 г. на долю Китая приходится 36% установленных ветрогенерирующих мощностей мира.
Согласно отчетам АО «Системный оператор Единой энергетической системы», суммарная мощность сетевых ВЭС России в 2018 г. составила 183,9 МВт. В табл. 1 представлены значения установленной мощности ВЭС в объединенных энергетических системах (ОЭС) и единой энергетической системе (ЕЭС) России за период с 2015 по 2018 гг. (табл. 1).
Ввод ветроэнергетических мощностей в России в последние годы связан с внедрением механизма поддержки ВИЭ, который действует на оптовом и розничном
рынках электроэнергии и мощности с 2013 г. и рассчитан до 2024 г. Он состоит в проведении конкурсных отборов инвестиционных проектов по строительству генерирующих объектов, функционирующих на основе ВИЭ, и заключении в отношении отобранных проектов договоров на поставку мощности (ДПМ) ВИЭ. Основной критерий при конкурсном отборе проектов ВИЭ на оптовом рынке - минимизация капитальных вложений. В соответствии с ДПМ, потребители оптового рынка обязаны в течение 15 лет осуществлять регулируемую плату за мощность по льготным тарифам.
В июне 2019 г. закончился последний конкурсный отбор проектов ВИЭ, которые будут получать поддержку и должны быть введены в эксплуатацию до конца 2024 г. Суммарный объем отобранных проектов за период 2013-2019 гг. составил 5,4 ГВт, в том числе 3,38 ГВт (62,6%) в сфере ветроэнергетики [1] (табл. 2).
Все проекты строительства ВЭС, прошедшие конкурсный отбор, заявлены на территории европейской части России, в Краснодарском крае, Ростовской и Ульяновской областях, Республике Адыгее. Из северных регионов в проектах представлена только Мурманская область с суммарной мощностью сетевых ВЭС 351 МВт.
В то же время одним из потенциальных направлений развития ВИЭ-генерации являются изолированные и удаленные районы, характерные для северо-востока России [10] (рис. 1).
Таблица 1
Установленная мощность ветроэлектростанций в России, МВт Installed capacity of wind farms in Russia, MW
Table 1
Энергосистема 2015 г. 2016 г. 2017 г. 2018 г.
ОЭС Центра - - - -
ОЭС Средней Волги - - 35 85
ОЭС Урала 2,2 2,2 1,7 1,6
ОЭС Северо-Запада 5,3 5,3 5,3 5,3
ОЭС Юга 3,4 3,4 92,4 92
ОЭС Сибири - - - -
ОЭС Востока - - - -
ЕЭС России 10,9 10,9 134,4 183,9
Таблица 2
Сведения о мощности ветроэлектростанций в отобранных проектах в рамках договоров на поставку мощности за период 2013-2019 гг., МВт
Table 2
Information about the wind farm capacity in selected projects under the power supply agreements for the period from 2013 to 2019, MW
Энергосистема Субъект РФ Годы
2013 2014 2015 2016 2017 2018 2019 20132019
ОЭС Северо-Запада Мурманская область - - - - 351 - - 351
ОЭС Средней Волги Республика Татарстан - - - - 100 - - 100
Ульяновская область 45 - 35 - 236 - - 316
ОЭС Юга Астраханская область 30 - - - - 153 - 183
Волгоградская область - - - - - 77,4 - 77,4
Краснодарский край - - - 460 370 30 - 860
Республика Адыгея - - - 150 100 - - 250
Республика Калмыкия - 51 - - - 175,1 - 226,1
Ростовская область - - - - 390,1 113,6 - 503,7
Ставропольский край - - - - 64 38,7 71,3 174
ОЭС Урала Курганская область - - - - 40 - - 40
Оренбургская область 30 - - - - 75,6 - 105,6
Пермский край - - - - - 189,9 - 189,9
ЕЭС России 105 51 35 610 1651,1 853,3 71,3 3376,7
Рис. 1. Зонирование территории России по степени централизации электроснабжения: 1 - централизованное электроснабжение; 2 - автономное электроснабжение; 3 - децентрализованное электроснабжение Fig. 1. Zoning of the territory of Russia according to the power supply centralization degree: 1 - centralized power supply; 2 - stand-alone power supply; 3 - decentralized power supply
Это обусловлено рядом причин, среди которых слабая транспортная освоенность северных и арктических районов, сложная и многозвенная схема завоза топлива протяженностью несколько тысяч километров. По этой причине потери топлива составляют порядка 20% [2, 3]. Ограниченность сроков сезонного завоза топлива, зависимость от поставок обусловливают его удорожание, нерегулярное электроснабжение потребителей, которые обеспечиваются электроэнергией от автономных энергоисточников, в основном дизельных электростанций [4, 10-12]. В современных условиях цена дизельного топлива в северных районах превышает 60 тыс. руб./т, а транспортная составляющая в стоимости топлива - более 60%. Поэтому себестоимость производства электроэнергии достигает 30-40 руб./кВт-ч.
Более 65% валового ВЭП России сконцентрировано на территории Дальнего Востока [13]. Согласно оценкам [4], в период до 2050 г. суммарные вводы ВЭС в районах децентрализованного и неустойчивого электроснабжения на территории Дальнего Востока составят порядка 142-222 МВт по консервативному и целевому сценарию, соответственно.
В настоящее время установленная мощность ВЭС на северо-востоке России не превышает 8,5 МВт. В табл. 3 представлена информация о действующих в Дальневосточном федеральном округе ВЭС, в
том числе в составе ветродизельных комплексов.
3. МЕТОДИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ ОЦЕНКИ ВЕТРОЭНЕРГЕТИЧЕСКОГО ПОТЕНЦИАЛА
Ветроэнергетический поток является весьма нестабильным, имеет кубическую зависимость от скорости ветра. Это обусловливает высокую чувствительность производительности ВЭУ к месту их расположения.
Наиболее точную оценку выработки электроэнергии ВЭУ могут дать непосредственные измерения скорости ветра. Для создания и повышения точности расчетной модели измерения могут проводиться краткосрочно, например от 1 до 4 недель [14]. Долгосрочные исследования проводятся для непосредственного оценивания ветрового режима. Например, скорость и направление ветра могут регистрироваться ежечасно в течение от 6 до 24 мес. Более короткий период может быть достаточным, если нет значительных сезонных колебаний. Экспериментальные методики, основанные на долгосрочных измерениях, обеспечивают достаточную точность оценки ВЭП и мощности ВЭУ на расстоянии от ветроизмерительного комплекса до 2-5 км для равнинного рельефа и 1-2 км - для холмистой местности [5].
Субъект РФ Место размещения ветроэлектростанций Мощность, кВт
Республика Саха (Якутия) п. Тикси 900
Быков мыс 40
Камчатский край с. Никольское 550
п. Усть-Камчатск 1175
п. Октябрьский 3300
Сахалинская область с. Новиково 450
с. Головнино 450
Чукотский автономный округ мыс Обсервации 2500
ИТОГО: 8465
Таблица 3
Мощность и размещение ветроэлектростанций на Дальнем Востоке России
Table 3
Power and location of wind farms in the Russian Far East
Для экономии временных, трудовых и финансовых ресурсов оценка ВЭП в современной практике проводится с применением различных подходов. Предварительную ориентировочную оценку ВЭП в намеченном для размещения ВЭС пункте можно получить по данным метеостанций-аналогов1, либо с помощью фоновых карт районирования территории по удельной мощности ветрового потока [15].
Достаточно полно перспективность участка местности можно оценить по комплексу благоприятствующих признаков, таких, как
1) малая длительность «энергетических» затиший;
2) продолжительный диапазон рабочих скоростей ВЭУ;
3) отсутствие ураганов;
4) малая изменчивость скорости ветра во времени.
Оценку всех указанных характеристик можно провести по параметрам распределения скорости ветра по градациям.
Исходную информацию для определения климатических характеристик ветро-энергоресурсов можно получить из следующих основных источников.
1. Научно-прикладной справочник по климату СССР, серия 3, многолетние данные. Для различных территорий СССР было издано 35 выпусков. Климатические характеристики месячного разрешения рассчитаны за период с 1881 по 1980 г. Экстремальные данные получены за период с 1881 по 1985 г., характеристики суточного разрешения - с 1936 по 1980 г.
2. Данные метеостанций, находящихся в открытом доступе в сети internet. Например, на сайте «Погода в 243 странах мира» [16] представлены данные измерений 8 раз в сутки за период с февраля 2005 г. по настоящее время.
3. Данные, полученные с помощью расчетных моделей с использованием спутниковых наблюдений. Например, ре-
сурс NASA Power [17] предоставляет данные о скорости и направлении ветра за период с 1981 г. по настоящее время.
В табл. 4 представлена сравнительная характеристика источников информации для оценки ВЭП. Каждый из рассмотренных источников информации обладает преимуществами и недостатками, поэтому для повышения точности оценки ВЭП целесообразно использовать их в комбинации. Наиболее точная оценка ВЭП и возможной выработки электроэнергии ВЭС с учетом влияния рельефа местности, характеристик поверхности и вертикального профиля скорости может быть получена с применением программных продуктов.
Основой большинства зарубежных прикладных пакетов (WindPro, OpenWind, WindFarmer, Resoft, WindFarm и др.) для определения характеристик ВЭП и прогноза показателей ВЭУ является программный комплекс WAsP (RISO, Дания) [5]. WASP основан на численной методике моделирования энергетических характеристик ветра и ВЭУ по данным многолетних измерений ветра на метеорологических станциях на высоте 10-15 м и их экстраполяции по логарифмическому закону на высоте до 200 м с учетом шероховатости поверхности [5].
Концепция методики WAsP предусматривает использование в расчетах среднегодовых параметров ветра, плотности воздуха, карт рельефа региона, подстилающей поверхности и расположения крупных объектов, затеняющих ветер, в том числе и самих ВЭУ. Результатом являются оценки среднегодовых параметров выработки энергии ВЭУ [5].
В 11 версии WAsP заложены возможности применения не только линейных моделей, описывающих эффекты усиления и ослабления ветра по направлениям в зависимости от конкретных особенностей региона, но и моделей вычислительной гидродинамики CFD (от англ. computational fluid dynamics). Для оптимизации расста-
1РД 52.04.275-89. Методические указания. Проведение изыскательских работ по оценке ветроэнергетических ресурсов для обоснования схем размещения и проектирования ветроэнергетических установок. Утв. Государственным комитетом СССР по Гидрометеорологии от 16.08.90.
новки ВЭУ на местности, с целью получе- как наиболее точный и широко используе-ния наибольшей выработки энергии, рас- мый в мире [19]. четный модуль WAsP зарекомендовал себя
Таблица 4
Характеристика источников информации для оценки ветроэнергетического потенциала
Table 4
Characteristic of information sources for wind energy potential assessment
Источник информации Преимущества Недостатки
Данные климатических справочников, метеорологических ежемесячников 1. Наибольший период наблюдений, охватывающий несколько десятилетий (с 1936 по 1980 гг.). 2. Имеются данные метеостанций, которые в настоящее время закрыты. 3. Климатические данные наземных метеостанций более точны по сравнению со спутниковыми данными 1. Климатические изменения последних десятилетий повлияли на отдельные параметры. 2. Приведены данные с интервалом осреднения за месяц. 3. Редкая сеть метеостанций. 4. Несовершенство средств измерения, относительно высокая методическая и инструментальная погрешность. 5. Данные рядов наблюдений могут быть статистически неоднородными в связи с разной периодичностью суточных измерений,различием в средствах измерений
1. Статистически необработанные данные об измерениях до 8 раз в сутки дают более широкие возможности для анализа. 2. Охват большинства стран мира. 3. Данные получены с широким использованием автоматизированных систем измерения с низкой методической и инструментальной погрешностью. 4. Климатические данные наземных метеостанций точнее по сравнению со спутниковыми данными 1. Сравнительно короткий период наблюдений - от 5 до 15 лет. 2. Для обработки данных необходимо применение программных продуктов. 3. Редкая сеть метеостанций
Данные метеостанций, находящихся в открытом доступе
Данные спутниковых наблюдений 1. Высокая детализация климатических данных на глобальной сетке с шагом от 0,5 до 1о, охватывающей весь земной шар. 2. Данные за период нескольких десятков лет. 3. Учет рельефа местности и подстилающей поверхности 1. Приведены данные с интервалом осреднения за сутки, месяц. 2. Низкая точность оценки локального ВЭП при значительных топографических вариациях [18]
К несовершенству теоретической методики WAsP, помимо большой зависимости от точности параметров подстилающей поверхности и использования в ней не всегда адекватных моделей вертикальных логарифмических профилей скорости ветра, следует отнести также ее ориентированность на определение, в основном среднегодовых значений скоростей ветра, функций распределения ветра по скоростям, плотности воздуха по данным одной ближайшей метеостанции. Эти приближения в известной мере оправданы для европейских условий с относительно небольшими перепадами климатических условий в течение года. В российских условиях отсутствие учета сезонных климатических изменений может как количественно, так и качественно влиять на результаты определения характеристик ВЭП, технико-экономических и энергетических показателей ВЭС [5, 20]. Как показано в [5], погрешности расчета скорости ветра на высоте 100 м методикой WAsP относительно данных метеорологических станций достигают 40-60%.
Альтернативный подход к оценке ВЭП разработан в НИЦ «Атмограф» [6]. Методика моделирования характеристик ВЭП реализована в программном комплексе «Восток», совмещенном с базой многолетних метеорологических и аэрологических данных «Флюгер».
База данных «Флюгер» содержит многолетние измерения характеристик ветра на государственной сети метеорологических станций: данные о высотных профилях скорости ветра; функции распределения и данные о давлении, температуре, плотности и влажности воздуха, информацию о периодах наблюдений, высоты расположения станций и анемометров; характеристики рельефа и подстилающей поверхности в местах расположения метеорологических и аэрологических станций по принятой в СССР и в современной России
классификации Милевского [6, 21]. Значения наиболее вероятных характеристик ветра между станциями на заданной высоте определяются средствами физико-статистического моделирования.
Методика оценки ВЭП, разработанная Научно-информационным центром «Атмограф», использует статистически установленный квазилинейный характер связей между удельной мощностью, а также коэффициентом использования установленной мощности ВЭУ и высотным профилем средней скорости ветра. В методике учитываются факторы, снижающие теоретически возможную выработку ВЭУ и определяемые интегральным коэффициентом неидеальности2 [6], который представляет собой произведение ряда составляющих. В их числе - нелинейности высотного профиля скорости и направления ветра, которые приводят к снижению до 3-4% мощности ВЭУ с большими диаметрами ветроколеса и высоты башни; инерционность системы ориентации ветроколеса ВЭУ с уменьшением мощности на 1-3%; влияние ветрового затенения ВЭУ в составе ВЭС с возможным снижением выработки электроэнергии на 3-4%; потери электроэнергии во внутренних сетях, составляющие до 2% выработки, и собственные нужды - до 1%.
Рассмотренные методики оценки ВЭП используют осредненные за год или месяц климатические данные. Это не позволяет решать ряд задач, в которых требуется оценка:
- ВЭП с дифференциацией по направлениям ветра;
- часового ВЭП;
- часового ВЭП во взаимосвязи с другими климатическими данными.
Далее рассматривается программа для ЭВМ Wind-MCA3, особенность которой состоит в использовании статистически необработанных данных многолетних из-
2Николаев В.В. Обоснование параметров ветродизельных энергокомплексов с учетом местного ветропотенциа-ла и графиков нагрузки: дис. ... канд. техн. наук: 05.14.08. М., 2016. 147 с.
Свидетельство о государственной регистрации программы для ЭВМ № 2014619044. Многокритериальная оценка эффективности использования ветроэнергетических установок (Wind-MCA) / В.А. Шакиров, А.Ю. Артемьев. Зарегистрировано в Реестре программ для ЭВМ 08.09.2014 г.
мерений метеостанций, находящихся в открытом доступе, что расширяет спектр возможностей при проведении ветроэнергетических исследований.
4. ОПИСАНИЕ ПРОГРАММЫ Wind-MCA
Исходные данные для работы Wind-MCA могут быть импортированы с интернет ресурса [16], предоставляющего архивные статистически необработанные многолетние измерения метеостанций России и других стран. Поскольку измерения на метеостанциях проводятся 4-8 раз в сутки, то для получения значений скорости ветра между интервалами измерений принимается допущение о линейном изменении скорости ветра.
На рис. 2 показан рабочий экран программы при анализе ВЭП, представлен пример графика изменения скорости ветра за месяц и выработки электроэнергии ВЭУ Condor Air 50 по данным метеостанции п. Эвенск, Магаданская область.
Выработка электроэнергии ВЭУ за исследуемый период проводится по формуле:
(1)
где - электрическая мощность ВЭУ, соответствующая скорости ветра V на /-м интервале измерения, кВт; Т/ - продолжительность интервала измерения, ч; п - число интервалов времени в рассматриваемом периоде.
Значения Р(У/) для каждого интервала измерения определяются по мощ-ностной характеристике ВЭУ. При этом скорость ветра, измеренная на высоте флюгера метеостанции, приводится к высоте ротора ВЭУ:
Г и Y
V = V
(2)
V изм /
где V - скорость ветра на высоте ротора ВЭУ Л, м/с, Vиж - скорость ветра на высоте флюгера метеостанции Лизм, м/с, т - степенной коэффициент, зависящий от скорости ветра и шероховатости подстилающей поверхности [22].
Рис. 2. Рабочий экран программы Wind-MCA: 1 - скорость ветра; 2 - выработка электроэнергии ветроэнергетической установкой Fig. 2. Wind-MCA run screen: 1 - wind speed; 2 -power generation by a wind farm
1
5353230100020101001001000001000001000001003101010031010100310101000201235353010800000101000201000223060809000201243101010031010100020100000100020105000924000601000001010600010806314801003101010002010100020123232353000100000109020101000001010000010100
000201010002013201000001
Программа Wind-MCA позволяет совместить график выработки электроэнергии ВЭУ с суточным графиком электрических нагрузок. В результате анализа совмещенных графиков оценивается доля востребованной потребителями электроэнергии в общей ее выработке ВЭС за различные периоды времени. Такая информация служит для определения параметров аккумулирующих устройств в изолированных районах для оценки перспективной совместной выработки мощности нескольких сетевых ВЭС, удаленных на несколько десятков километров друг от друга.
Для проведения анализа повторяемости скоростей ветра по градациям программа использует данные за месяц, год, несколько лет (рис. 3).
Анализ повторяемости скоростей ветра в программе включает возможность определения параметров распределения Вейбулла по данным многолетних наблюдений. Это позволяет проводить дополнительные исследования с помощью программных продуктов, использующих распределение Вейбулла в качестве исходных данных.
На рис. 3 также представлен этап сравнения ВЭУ по мощностным характеристикам. График 1 отражает выработку электроэнергии ВЭУ за месяц и год на каждой градации скорости ветра с учетом характерной для исследуемого района повторяемости скоростей ветра, график 2 соответствует мощностной характеристике выбранной ВЭУ. Сравнительный анализ позволяет подобрать модель ВЭУ, технически наиболее соответствующую ветровым условиям района.
5. ПРИМЕНЕНИЕ WIND-MCA ДЛЯ РЕШЕНИЯ ЗАДАЧ ОЦЕНКИ ВЕТРОЭНЕРГЕТИЧЕСКОГО ПОТЕНЦИАЛА
Статистически необработанные данные метеостанций, используемые Wind-MCA, позволяют решать задачи оценки ветроэнергетического потенциала с часовой детализацией и во взаимосвязи с другими климатическими данными. Рассмотрим применение Wind-MCA на примере трех задач оценки ВЭП с часовой детализацией.
Рис. 3. Анализ повторяемости скорости ветра по градациям за месяц и год в программе Wind-MCA: 1 - выработка электроэнергии ветроэнергетической установки по градациям скорости ветра;
2 - график мощностной характеристики выбранной ветроэнергетической установки Fig 3. Analysis of wind speed repeatability by gradations: per month and year in the Wind-MCA program: 1 - wind farm power generation by wind speed gradations; 2 - power curve of the selected wind power plant
Рис. 4. Результаты аэродинамического моделирования в программе FlowVision Fig. 4 Results of aerodynamic modeling in the FlowVision program
1. Формирование исходных данных о скорости ветра V? в направлении б за каждый час /' исследуемого периода
I ~
2. Построение трехмерной модели рельефа местности
*
3. Аэродинамическое моделирование обтекания ветровым потоком рельефа со среднегодовой скоростью Уа по восьми направлениям для определения скорости Ущ над площадкой у
I
4. Определение коэффициентов изменения скорости ветра по восьми направлениям К, =Ут//Уа для у площадок
I ~
5. Расчет скорости ветра для \ площадок с учетом влияния рельефа местности для всего массива исходных данных
У-Нг^
\ ~
6. Определение перспективных площадок по выработке электроэнергии Щ
Рис. 5. Методика оценки ветроэнергетического потенциала с учетом рельефа местности Fig. 5. Methods for assessing a wind energy potential taking into account the terrain relief
1. Оценка ВЭП с дифференциацией по направлениям ветра. Рельеф местности оказывает существенное влияние на ВЭП района. Wind-MCA позволяет учесть ре-
зультаты аэродинамического моделирования цифровой модели рельефа местности, выполненного в программах вычислительной гидродинамики, например FlowVision, OpenFOAM и т.д. [23] (рис. 4). Методика оценки ВЭП с учетом рельефа местности представлена на рис. 5.
Результаты применения методики для оценки ВЭП полуострова Аян Хабаровского края представлены в работах [23, 24]. Были определены площадки, на которых, вследствие влияния рельефа местности, среднее увеличение скорости ветра составило 1,4 и 1,7 раза.
6. ОЦЕНКА ЧАСОВОГО
ВЕТРОЭНЕРГЕТИЧЕСКОГО
ПОТЕНЦИАЛА
При вводе ветроэнергетических мощностей необходимо учитывать ряд особенностей, связанных с невозможностью точного прогноза энергоресурса даже в краткосрочной перспективе, к примеру, вероятностью штиля или штормовой скорости ветра, при которых выработка электроэнергии ВЭС прекращается. В случае, когда ВЭС работает параллельно с энергосистемой, непостоянство энергоресурса приводит к колебаниям мощности и угрозе нарушения устойчивости режима [9, 25].
Территориальное распределение ВЭС по энергосистеме является очень эффективным способом решения проблемы краткосрочной изменчивости поступления энергоресурса [26]. Так как снижение скорости ветра одновременно на всех станци-
ях менее вероятно, повышается годовая продолжительность выработки электроэнергии группы распределенных по территории ВЭС. Также менее вероятно и одновременное повышение скорости на всех станциях. Поэтому количество часов с максимальной суммарной мощностью уменьшается, по сравнению с вариантом концентрированного размещения группы ВЭС.
Для оценки вариантов распределенного размещения ВЭС используется график продолжительности выработки мощности, показывающий число часов работы станций с определенной мощностью [26].
Wind-MCA реализует построение графика продолжительности выработки мощности ВЭС по данным метеостанций. Проведем оценку эффектов распределенного размещения ВЭС на примере Республики Бурятия для п. Бабушкин и п. Кабанск, расположенных на побережье оз. Байкал. В качестве модели рассмотрим Vestas V90 с номинальной мощностью 2 МВт, имеющей стартовую скорость 3 м/с и высоту мачты 95 м. При оценке были использованы статистически необработанные данные метеостанций в п. Бабушкин и п. Кабанск за 2018 г.
На рис. 6 показаны графики продол-
жительности выработки группы ВЭУ Vestas V90 для трех вариантов:
1) все ВЭУ размещены в п. Бабушкин;
2) все ВЭУ размещены в п. Кабанск;
3) распределенное размещение ВЭУ в п. Бабушкин и п. Кабанск.
Были получены следующие результаты моделирования выработки электроэнергии ВЭУ. При сосредоточенном размещении ВЭУ в п. Кабанск или п. Бабушкин число часов работы с номинальной мощностью составляет 250 и 418 ч, соответственно. Число часов с ненулевой выработкой -6646 (п. Кабанск) и 6258 (п. Бабушкин).
При рассредоточенном размещении в двух пунктах число часов работы ВЭУ с суммарной номинальной мощностью уменьшилось до 78 ч, но число часов с ненулевой выработкой увеличилось до 7653 ч. График продолжительности нагрузки более пологий и сглаженный, выработка ВЭС становится более прогнозируемой.
Таким образом, используя статистически необработанные данные метеостанций, Wind-MCA позволяет проводить оценку вариантов распределенного размещения сетевых ВЭС.
Продолжительность работы, ч ----Бабушкин ...........Кабанск -Распределенное размещение
Рис. 6. Графики продолжительности работы ветроэлектростанций с определенной мощностью Fig. 6. Graphs of wind farm operating time with a certain capacity
7. ОЦЕНКА ЧАСОВОГО ВЕТРОЭНЕРГЕТИЧЕСКОГО ПОТЕНЦИАЛА ВО ВЗАИМОСВЯЗИ С ДРУГИМИ КЛИМАТИЧЕСКИМИ ДАННЫМИ
Одной из специальных возможностей программы МтЬ-МСА является учет влияния обледенения лопастей на выработку энергии ВЭУ. Результаты исследований для северных территорий говорят о существенных потерях мощности ВЭУ (до 50%) вследствие гололедообразования [27, 28]. Для условий России, где основной ВЭП сосредоточен на севере, такая оценка имеет особое значение. Полученные результаты могут использоваться для экономического обоснования различных пассивных или активных средств борьбы с обледенением ВЭУ.
В работе [29] представлены результаты исследования влияния различной степени обледенения лопастей ВЭУ на мощ-ностные характеристики (рис. 7). Аналогичные характеристики могут быть сформированы в Wind-MCA для оценки потерь мощности от обледенения ВЭУ (рис. 8).
В табл. 5 представлены условия, при которых может произойти обледенение
лопастей ВЭУ различной степени.
Так как Wind-MCA использует статистически необработанные архивные данные метеостанций, то в результате анализа определяются количество и длительность случаев обледенения лопастей ВЭУ. На рис. 9 представлен пример анализа обледенения ВЭУ, расположенной в п. Анабар (Якутия), для октября 2005 г.
Программа позволяет корректировать условия образования и перехода различных степеней обледенения, получать значения потерь электроэнергии, связанных с обледенением, за различный период времени и получать оценку целесообразных затрат на реализацию мероприятий по борьбе с гололедообразованием.
В табл. 6 приведены результаты расчета выработки электроэнергии ВЭУ для различных районов востока России, а также оценки потерь электроэнергии из-за обледенения. Данные метеостанций для рассматриваемых районов охватывают измерения за период 2006-2018 гг., за исключением с. Каменское (2010-2018 гг.), с. Чумикан (2011-2018 гг.). Анализ проводился для модели ВЭУ Condor Air с номинальной мощностью 50 кВт, имеющей стартовую скорость 3 м/с и высоту мачты 18 м.
а b c
Рис. 7. Влияние различной степени обледенения лопастей ветроэнергетических установок на мощностную характеристику: 1 - без обледенения; 2 - с обледенением; а - начальная степень; b - легкая наледь; c - существенное обледенение Fig. 7. Effect of various degrees of wind turbine blade icing on power curves: 1 - without icing; 2 - with icing; a - initial icing; b - light icing; c - strong icing
Ртах |«лоо Вг Шаг |гао Ок | Р|«гл Печать | Упасть точ<у | Удалить все | Сохранить | Загрузить | Сохранить изменения | Экспорт характеристики | ич«ю
Утахргг м/с Шаг Ок | Удалить | |соп*гя 3 Импорт характеристики | р л"пым нвпадГ""
У«.[Э *ми|;0 Р«м(«ОСО Рт«[5МЮ Н|И «¡0 Т[» Р Обпедемвимв
1 J // /
У у /
2 к j
/ /
3 / / /
у /
4 Л 7
/а
Л S
8 9 19
15 16 17
Рис. 8. Мощностные характеристики ветроэнергетической установки Condor Air при различной степени обледенения лопастей: 1 - без обледенения; 2 - начальная степень; 3 - легкая наледь; 4 - существенное обледенение Fig. 8. Power curves of Condor Air wind turbine under various degrees of blade icing 1 - without icing; 2 - initial icing; 3 - light icing; 4 - strong icing
Условия обледенения лопастей ветроэнергетических установок Wind turbine blade icing conditions
Таблица 5
Table 5
Степень обледенения
Кристаллический налет Ледяной и зернистый налет Стекловидный лед
Климатические Условия образования
условия Туман; дымка Туман Снег с дождем; ледяной дождь; изморось Понижение температуры ниже нуля во время или после вы-
падения осадков
0...-5°С - Зернистая изморозь гололед гололедица
-6...-10оС - Зернистая изморозь гололед -
-11...-17оС Кристаллическая изморозь - - -
-18.-25оС Влажность 80-91% Кристаллическая изморозь - - -
-26.-35оС Влажность 75-88% Кристаллическая изморозь - - -
Рис. 9. Анализ климатических условий возникновения обледенения ветроэнергетических установок:
1 - дождь; 2 - дымка; 3 - выработка электроэнергии ветроэнергетических установок; 4 - потери электроэнергии из-за обледенения лопастей; 5 - начальная степень обледенения; 6 - легкая наледь; 7 - существенное обледенение; 8 - скорость ветра; 9 - температура; 10 - влажность Fig. 9. Analysis of climatic conditions causing wind turbine icing: 1 - rain; 2 - haze; 3 - wind farm power generation; 4 - power losses due to blade icing; 5 - initial icing; 6 - light icing; 7 - strong icing; 8 - wind speed; 9 - temperature; 10 - humidity
Таблица 6
Выработка электроэнергии ветроэнергетических установок и оценка потерь из-за обледенения лопастей ветроэнергетических установок
Table 6
Wind turbine power generation and estimation of power losses due _to wind turbine blade icing_
Район Средне-годовая скорость ветра, м/с Среднегодовая выработка электроэнергии, кВтч Потери, % Район по гололеду
без учета обледенения с учетом обледенения
Хабаровский край
о. Большой Шантар 3,3 56633,5 46820,9 17,3 VII
с.Чумикан 4,0 88325,3 79869,9 9,8 IV
п. Охотск 3,6 58121,5 49715,1 14,6 VI
п. Аян 2,7 35252,4 32746,4 6,9 VI
Республика Саха (Якутия)
с. Казачье 2,9 46511,6 43617,4 6,2 III
с. Усть-Оленек 4,4 109076,5 100373,3 7,8 III
с. Юрюнг-Хая 5,3 153628,7 134927,1 12,1 III
Камчатский край
с. Каменское 3,5 69182,7 62668,9 9,2 IV
Магаданская область
п. Эвенск 3,8 82317,2 63666,5 23,7 IV
с. Ямск 5,8 157733,3 137823,3 12,8 VI
Можно отметить, что для большинства рассмотренных пунктов большая величина потерь электроэнергии соответствует большему классу района по гололеду4. Исключением являются п. Аян и п. Эвенск. Это объясняется несовпадением проявления высокого ветропотенциала и погодных условий, обусловливающих обледенение лопастей ВЭУ.
Результаты оценки потерь электроэнергии позволяют сделать выводы о целесообразном уровне защиты обледенения, которую необходимо предусмотреть при вводе ветроэнергетических мощностей в районе.
8. ЗАКЛЮЧЕНИЕ
1. Проведен анализ современного состояния и перспектив развития ветроэнергетики в мире и России.
2. Выполнен обзор методических подходов и программного обеспечения для оценки ВЭП с использованием осреднен-ных за различный период климатических данных.
3. Представлена разработанная программа Wind-MCA, использующая ста-
тистически необработанные данные многолетних измерений метеостанций для решения задач оценки ВЭП с часовой детализацией во взаимосвязи с другими климатическими данными.
4. Представлена методика учета влияния рельефа местности на скорость ветра в зависимости от его направления, приведены результаты оценки ВЭП для района с. Аян Хабаровского края.
5. Изложен подход к оценке вариантов распределенного размещения сетевых ВЭС для уменьшения влияния краткосрочной изменчивости скорости ветра на колебания мощности станций. Приведены результаты моделирования выработки электроэнергии ВЭС при их концентрированном и распределенном размещении в Кабан-ском районе Республики Бурятия.
6. Представлен реализованный в Wind-MCA новый подход к учету влияния обледенения лопастей на выработку электроэнергии ВЭУ. Приведены результаты расчета ВЭП для различных районов востока России. Среднегодовые потери электроэнергии из-за обледенения варьируются в исследованных районах от 6,2 до 23,7%.
Библиографический список
1. Гимади В., Амирагян А., Поминова И., Курдин А., Колобов О., Мартынюк А. и др. Оборудование для ВИЭ-генерации в России // Энергетический бюллетень. 2019. № 73. С. 19-22. [Электронный ресурс]. URL: http://ac.gov.ru/files/publication/a/22855.pdf (16.04.2019).
2. Иванова И.Ю., Ноговицын Д.Д., Тугузова Т.Ф., Шеина З.М., Сергеева Л.П. Ветроэнергетические ресурсы г. Верхоянска Республики Саха (Якутия) и возможность их использования для энергоснабжения // Фундаментальные исследования. 2013. № 4. С. 30-38.
3. Восточный вектор энергетической стратегии России: современное состояние, взгляд в будущее / Под ред. Н.И. Воропая, Б.Г. Санеева. Новосибирск: Акад. изд-во «Гео», 2011. 368 с.
4. Санеев Б.Г., Иванова И.Ю., Тугузова Т.Ф., Ижбул-дин А.К. Автономные энергоисточники на Севере Дальнего Востока: характеристика и направления диверсификации // Пространственная экономика.
2018. № 1. С. 101-116.
https://doi.org/10.14530/se.2018.1.101-116
5. Николаев В.Г., Ганага С.В., Кудряшов Ю.И., Николаев В.В. Методические основы нового атласа ветровых ресурсов России и стран СНГ // Возобновляемая энергетика XXI век: Энергетическая и экономическая эффективность: сб. тр. конф. (г. Сколково, 13-14 октября 2016 г.). Сколково: Изд-во Объединенного института высоких температур РАН, 2016. С. 72-78.
6. Ганага С.В., Кудряшов Ю.И., Николаев В.Г., Николаев В.В., Сон Э.Е. К развитию методик моделирования показателей ветроэнергетических станций на территории России и стран СНГ // Известия Российской академии наук. Энергетика. 2017. № 4. С. 5676.
7. Renewables 2019, Global Status Report // Renewable Energy Policy Network for the 21st Century. 2019. [Электронный ресурс]. URL: http://www.ren21.net/gsr-2019/ (16.04.2019).
Правила устройства электроустановок. Передача электроэнергии. Разд. 2, главы 2.4, 2.5. 7-е изд. М.: Изд-во НЦ ЭНАС, 2003. 160 с.
8. Global Wind Energy Council // Global Wind Report 2018. [Электронный ресурс]. URL: https://gwec.net/global-wind-report-2018/ (19.04.2019).
9. Рахманов Н.Р., Курбацкий В.Г, Гулиев Г.Б., Томин Н.В. Краткосрочное прогнозирование выработки мощности ветроэнергетических установок для обеспечения надежности электрических сетей // Методические вопросы исследования надежности больших систем энергетики: актуальные проблемы надежности систем энергетики: сб. тр. Междунар. науч. семинара им. Ю.Н. Руденко (г. Минск, 07-11 сентября
2015 г.). Минск: Изд-во БНТУ, 2015. Вып. 66. С. 397403.
10. Елистратов В.В. Энергетическое снабжение изолированных территорий России // Академия энергетики. 2015. № 4. С. 26-33.
11. Клер А.М., Деканова Н.П., Санеев Б.Г., Щеголева Т.П. Оптимизация развития и функционирования автономных энергетических систем. Новосибирск: Наука, 2001. 144 с.
12. Иванова И.Ю., Ноговицын Д.Д., Тугузова Т.Ф., Шакиров В.А., Шеина З.М., Сергеева Л.П. Факторы, влияющие на эффективность использования ветро-потенциала в локальной энергетике Якутии // Известия Российской академии наук. Энергетика. 2017. № 1. С. 84-92.
13. Санеев Б.Г., Иванова И.Ю., Тугузова Т.Ф. Использование возобновляемых источников энергии как одно из приоритетных направлений совершенствования систем энергоснабжения труднодоступных территорий восточных регионов // Возобновляемая энергетика XXI век: энергетическая и экономическая эффективность, 2016: материалы Междунар. конгресса REENCON-XXI (г. Сколково, 13-14 октября
2016 г.). Сколково: Изд-во Объединенного института высоких температур РАН, 2016. С. 136-142.
14. Zobaa A.F., Bansal R.C. Handbook of Renewable Energy Technology. Queensland: World Scientific Publishing Company, 2011. 876 p. https://doi.org/10.1142/7489
15. Рекомендации по определению климатических характеристик ветроэнергетических ресурсов. Л.: Гидрометеоиздат, 1989. 80 с.
16. Погода в 243 странах мира // Расписание погоды [Электронный ресурс]. URL: http://rp5.ru (17.05.2019).
17. POWER Project Data Sets // NASA Prediction of Worldwide Energy Resources [Электронный ресурс]. URL: https://power.larc.nasa.gov/ (17.05.2019).
18. Киселева С.В., Рафикова Ю.Ю. Использование климатических баз данных для оценки природно-ресурсного и технического потенциала ветровой энергии // Вестник аграрной науки Дона. 2010. № 1. С. 27-32.
19. Николаев В.Г. Развитие технологий определения ветроэнергетического потенциала России // Научно-
технические ведомости СПбГТУ. 2011. № 2. С. 6876.
20. Николаев В.В. К развитию методики определения оптимального состава и типоразмера ветроди-зельных энергокомплексов с учетом местных ветро-климатических условий // Науковий вюник нубт Укра'ши. Серiя: Техшка та енергетика АПК. 2016. № 240. С. 236-246.
21. Николаев В.Г. Ресурсное и технико-экономическое обоснование широкомасштабного развития и использования ветроэнергетики в России. М.: Изд-во "Атмограф", 2011. 501 с.
22. Рыхлов А.Б. Закономерности изменения средней скорости ветра с высотой в приземном слое атмосферы на юго-востоке европейской территории России для решения задач ветроэнергетики // Ученые записки Российского государственного гидрометеорологического университета. 2011. № 20. С. 89-99.
23. Шакиров В.А., Артемьев А.Ю. Оценка ветроэнергетического потенциала района средствами компьютерного моделирования // Прикладная информатика. 2015. Т. 10. № 4. С. 93-104.
24. Шакиров В.А., Артемьев А.Ю. Выбор площадки размещения ветроэлектростанции с использованием компьютерного моделирования рельефа местности и ветрового потока // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 11. С. 133-143. http://dx.doi.org/10.21285/1814-3520-2017-11-133-143
25. Стенников В.А., Жарков С.В. ВЭС в энергосистемах: проблемы и решения // Энергетика и ТЭК. 2014. № 5. С. 46-47.
26. Reichenberg L., Wojciechowski A., Hedenus F., Johnsson F. Geographic aggregation of wind power-an optimization methodology for avoiding low outputs // Wind Energy. 2017. Vol. 20. Issue 1. P. 19-32. https://doi.org/10.1002/we. 1987
27. Parent O., Ilinca A. Anti-icing and de-icing techniques for wind turbines: Critical review // Cold Regions Science and Technology. 2011. Vol. 65. Issue 1. P. 88 -96. https://doi.org/10.1016/j.coldregions.2010.01.005
28. Elistratov V., Denisov R. Justification of Wind Turbine Operation and Management Modes for Russian Arctic Conditions // International Conference on Industrial Engineering, Applications and Manufacturing (ICI-EAM). 2017. P. 1-5. [Электронный ресурс]. URL: https://ieeexplore.ieee.org/document/8076219 (17.05.2019).
http://dx.doi.org/10.1109/ICIEAM.2017.8076219
29. Rissanen S., Lehtomaki V., Wennerkoski J., Wad-ham-Gagnon M., Sandel K. Modelling load and vibrations due to iced turbine operation // Wind Engineering. 2016. Vol. 40. Issue 3. P. 293-303. https://doi.org/10.1177/0309524X16645484
References
1. Gimadi V, Amiragyan A, Pominova I, Kurdin A, ble energy generation in Russia. Jenergeticheskij bjul-
Kolobov O, Martynyuk A, et al. Equipment for renewa- leten' = Energy Bulletin. 2019;73:19-22. Available from:
http://ac.gov.ru/files/publication/a/22855.pdf [Accessed 16th April 2019]. (In Russ.)
2. Ivanova IY, Nogovitsyn DD, Tuguzova TF, Sheina ZM, Sergeeva LP. Wind energy resources in Verkhoyansk town of the Sakha Republic (Yakutia) and the possibility of their use for power supply. Fundamen-tal'nye issledovanija = Fundamental research. 2013; 4:30-38. (In Russ.)
3. The eastern vector of Russia's energy strategy: state of the art and prospects / Ed. NI Voropai, BG Saneev. Novosibirsk: Akademicheskoe izdatel'stvo GEO; 2011, 368 p. (In Russ.)
4. Saneev BG, Ivanova IY, Tuguzova TF, Izhbuldin AK. Autonomous energy sources in the north of the Far East: Current state and directions of diversification. Prostranstvennaja jekonomika = Spatial Economics. 2018;1:101-116.
https://doi.org/10.14530/se.2018.1101-116 (In Russ.)
5. Nikolaev VG, Ganaga SV, Kudryashov YuI, Nikolaev VV. Methodological foundations of a new atlas of wind resources of Russia and the CIS countries. In: Vozobnovlyaemaya energetika XXI vek: Energetich-eskaya i ekonomicheskaya effektivnost': sbornik trudov konferencii = Renewable power generation of XXI century: Energy and economic efficiency. 13-14 October 2016, Skolkovo. Skolkovo: Publishing House of the Joint Institute for High Temperatures of the Russian Academy of Sciences; 2016:72-78. (In Russ.)
6. Ganaga SV, Kudryashov YI, Nikolaev VG, Nikolaev VV, Son EE. On the development of the techniques of wind power stations parameters modeling in Russia and CIS countries. Izvestiya Rossijskoj akademii nauk. Energetika = Thermal Engineering. 2017;4:56-76. (In Russ.)
7. Renewables 2019, Global Status Report. Renewable Energy Policy Network for the 21st Century, 2019. Available from: http://www.ren21.net/gsr-2019/ [Accessed 16th April 2019].
8. Global Wind Energy Council. Global Wind Report 2018. Available from: https://gwec.net/global-wind-report-2018/ [Accessed 19th April 2019].
9. Rahmanov NR, Kurbackij VG, Guliev GB, Tomin NV. Short-term forecasting of wind farm power generation to ensure electric network reliability. In: Metodicheskie voprosy issledovaniya nadezhnosti bol'shih sistem en-ergetiki: aktual'nye problemy nadezhnosti sistem ener-getiki: sbornik trudov Mezhdunarodnogo nauchnogo seminara imeni Yu.N. Rudenko = Methodological issues of researching large energy system reliability: relevant problems of energy system reliability. 07-11 September 2015, Minsk. Minsk: Belarusian National Technical University; 2015, issue 66, p. 397-403.
10. Elistratov VV. Energy supply of isolated territories of Russia. Akademiya energetiki = Energy Academy. 2015;4:26-33. (In Russ.)
11. Kler AM, Dekanova NP, Saneev BG, Schegoleva TP. Optimization of stand-alone energy systems development and operation. Novosibirsk: Nauka; 2001, 144 p. (In Russ.)
12 Ivanova IYu, Nogovitsyn DD, Tuguzova TF, Shakirov
VA, Sheina ZM, Sergeyeva LP. Factors affecting the wind resource utilization efficiency in the energy sector of the Sakha Republic. Izvestija Rossijskoj akademii nauk. Jenergetika = Thermal Engineering. 2017;1:84— 92. (In Russ.)
13. Saneev BG, Ivanova IYu, Tuguzova TF. Use of re-newables as one of the priority directions for improving energy supply systems in remote areas of the eastern regions. In: Vozobnovlyaemaya energetika XXI vek: energeticheskaya i ekonomicheskaya effektivnost', 2016: materialy Mezhdunarodnogo kongressa REEN-CON-XXI = Renewable energy of XXI century: Energy and Economic Efficiency, 2016: Proceedings of the International Congress REENCON-XXI. Skolkovo, 1314 October 2016, Skolkovo. Skolkovo: Publishing House of the Joint Institute for High Temperatures of the Russian Academy of Sciences; 2016, p. 136-142. (In Russ.)
14. Zobaa AF, Bansal RC. Handbook of Renewable Energy Technology. Queensland: World Scientific Publishing Company, 2011. 876 p. https://doi.org/10.1142/7489
15. Recommendations for determining climatic characteristics of wind energy resources. Leningrad: Gidrome-teoizdat; 1989, 80 p. (In Russ.)
16. Weather in 243 countries. Weather Schedule. Available from: http://rp5.ru [Accessed 17th May 2019].
17.POWER Project Data Sets. NASA Prediction of Worldwide Energy Resources. Available from: https://power.larc.nasa.gov/ [Accessed 17th May 2019].
18. Kiseleva S.V., Rafikova J.Y. Using of the climatic data-bases for estimation nature-re-source and technical potential of wind energy // Vestnik agrarnoj nauki Dona = Don Agrarian Science Bulletin. 2010;1:27-32. (In Russ.)
19. Nikolaev VG. Development of technologies for determining the wind energy potential of Russia. Nauch-no-tekhnicheskie vedomosti Nauchno-tekhnicheskie vedomosti Sankt-Peterburgskogo gosudarstvennogo politekhnicheskogo universiteta = St. Petersburg Polytechnic University Journal of Engineering Science and Technology 2011;2:68-76. (In Russ.)
20. Nikolaev VV. Optimization of characteristics and composition of the hybrid energy systems based on diesel generators. Nauchnyj vestnik Ukrainy. Serija: tehnika i jenergetika agropromyshlennogo kompleksa = Machinery and Energetics. 2016;240:236-246.
21. Nikolaev VG. Resource and feasibility study of the large-scale development and use of wind energy in Russia. Moscow: Atmograf; 2011, 501 p. (In Russ.)
22. Rikhlov AB. Laws of change of average speed of the wind with height in the ground layer of atmosphere on south-east European part of Russia for the decision of problems wind power. Uchenye zapiski Rossijskogo gosudarstvennogo gidrometeorologicheskogo universi-teta = Proceedings of the Russian State Hydrometeoro-logical University. 2011;20: 89-99. (In Russ.)
23. Shakirov VA, Artemiev AYu. Computer simulation in solving the problem of estimating the wind power potential of the region. Prikladnaja informatika = Applied in-
formatics. 2015; 10(4): 93-104. (In Russ.)
24. Shakirov V.A., Artemiev A.Yu. Wind farm siting using computer modeling of terrain relief and wind flow. Vestnik Irkutskogo gosudarstvennogo tehnicheskogo universiteta = Proceedings of Irkutsk State Technical University. 2017;21(11):133-143. (In Russ.) http://dx.doi.org/10.21285/1814-3520-2017-11-133-143
25. Stennikov VA, Zharkov SV. Wind farms in power systems: problems and solutions. Jenergetika i toplivno-jenergeticheskij kompleks = Energy and Fuel and Energy Complex. 2014.5:46-47. (In Russ.)
26. Reichenberg L, Wojciechowski A, Hedenus F, Johnsson F. Geographic aggregation of wind power -an optimization methodology for avoiding low outputs. Wind Energy. 2017;20(1): 19-32. https://doi.org/10.1002/we. 1987
27. Parent O, Ilinca A. Anti-icing and de-icing tech-
Критерии авторства
Курбацкий В.Г., Шакиров В.А. заявляют о равном участии в получении и оформлении научных результатов и в равной мере несут ответственность за плагиат.
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов.
Все авторы прочитали и одобрили окончательный вариант рукописи.
СВЕДЕНИЯ ОБ АВТОРАХ
Курбацкий Виктор Григорьевич,
доктор технических наук, профессор кафедры электроснабжения и электротехники,
Иркутский национальный исследовательский технический университет, 664074, г. Иркутск, ул. Лермонтова, 83, Россия; Н e-mail: [email protected]
Шакиров Владислав Альбертович,
кандидат технических наук,
старший научный сотрудник лаборатории
энергоснабжения децентрализованных
потребителей,
Институт систем энергетики
им. Л.А. Мелентьева СО РАН,
664033, г. Иркутск, ул. Лермонтова, д. 130, Россия;
e-mail: [email protected]
niques for wind turbines: Critical review. Cold Regions Science and Technology. 2011;65(1):88-96. https://doi.org/10.1016/j.coldregions.2010.01.005
28. Elistratov V, Denisov R. Justification of Wind Turbine Operation and Management Modes for Russian Arctic Conditions. International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). 2017. P. 1-5. Available from: https://ieeexplore.ieee.org/document/8076219 [Accessed 17th May 2019]. http://dx.doi.org/10.1109/ICIEAM.2017.8076219
29. Rissanen S, Lehtomaki V, Wennerkoski J, Wad-ham-Gagnon M, Sandel K. Modelling load and vibrations due to iced turbine operation. Wind Engineering. 2016;40(3):293-303.
https://doi.org/10.1177/0309524X16645484
Authorship criteria
Kurbatsky V.G., Shakirov V.A. declare equal participation in obtaining and formalization of scientific results and bear equal responsibility for plagiarism.
Conflict of interests
The authors declare that there is no conflict of interests regarding the publication of this article.
The final manuscript has been read and approved by all the co-authors.
INFORMATION ABOUT THE AUTHORS
Viktor G. Kurbatsky,
Dr. Sci. (Eng.),
Professor of the Department of Power Supply and Electrical Engineering, Irkutsk National Research Technical University, 83 Lermontov St., Irkutsk 664074, Russia, H e-mail: [email protected]
Vladislav A. Shakirov,
Cand. Sci. (Eng.),
Senior Researcher of the Laboratory of Power Supply of Decentralized Consumers, Melentiev Energy System Institute SB RAS, 130 Lermontov St., Irkutsk 664033, Russia, e-mail: [email protected]
