Оценка эффективности управления энергопотреблением с помощью технологии
demand response в России
Evaluation of energy management efficiency using demand response technology in Russian
Federation
Рудаков Андрей Дмитриевич
Студент 3-го курса, института цифровой экономики и информационных технологий РЭУ им. Г. В. Плеханова РФ, г. Москва e-mail: dron.lenovo@gmail.com
Rudakov A.
3rd year student, faculty of digital economics and information technology, Plekhanov State University, e-mail: dron.lenovo@gmail.com
Аннотация.
В данной статье изучена и проанализирована технология demand response или методика управления спросом на электроэнергию. Были рассмотрены различные способы применения этой системы на оптовом и розничном рынках электроэнергетики, а также исследованы на практике два подхода (техники baseline), с помощью которых можно управлять потреблением электрической энергии в системе.
Annotation.
This article studied and analyzed demand response technology or a methodology for managing demand for electricity. Various ways of using this technology were considered and examined in wholesale and retail market of the electric power industry. Two approaches of the demand response technology (baseline techniques), which can be used to control the consumption of electric energy in the system, were studied in practice.
Ключевые слова: demand response, оптовый рынок, розничный рынок, энергорынок, график базовой нагрузки, потребитель, агрегаторы нагрузки, коммерческий учет, пиковая нагрузка.
Key words: demand response, wholesale market, retail market, energy market, baseload graph, consumer, load aggregators, commercial metering, peak load.
Технология demand response на оптовом рынке электроэнергии и мощности. Надёжность и эффективность работы энергосистем определяется соблюдением баланса мощности. Факт сильного изменения потребления электрической энергии гражданами порождает необходимость управления балансом мощности и регулирования в энергосистемах.
Объем управляемого потребления электроэнергии по всему миру в 2016 г. достиг 39 ГВт и продолжает быстро расти, все больше стран внедряют механизмы управления спросом в конструкции энергорынков [3, с. 2]. В Европе и США таким механизмом является технология demand response, которая заключается в том, что потребители электроэнергии готовы на понижение потребления в определенное время ради дальнейших выгод. В России данный механизм контроля спроса покупателей оптового рынка электроэнергии и мощностей (ОРЭМ) носит название «ценозависимое снижение потребления» (ЦЗСП).
К основным предпосылкам для внедрения программы управления спросом на электроэнергию для разных участников рынка относятся:
1. Для государства: повышение энергетической безопасности за счёт высвобождения дополнительного резерва мощностей.
2. Для потребителей: снижение энерготарифов за счёт выравнивания графика базовой нагрузки.
3. Для субъектов электроэнергетики: снижение инвестиционных затрат в генерирующим комплексе за счет сокращения спроса на энергопотребление.
4. Для смежных видов экономической деятельности: снижение цен на первичные энергоресурсы (уголь, газ, мазут) за счет сокращения спроса со стороны энергетического комплекса.
Эта технология позволяет привлекать покупателей к снижению нагрузки именно в те дни и часы, когда это наиболее эффективно оптимизирует работу единой электроэнергетической системы. В часы пиковой нагрузки (кратковременная максимальная нагрузка) СО ЕЭС задействует наиболее дорогие электростанции [5, с 60]. Это приводит к повышению издержек у потребителей не только из-за использования топлива на выработку энергии, но и из-за разовых пусков генераторов, находящихся в резерве. Уменьшение выработки в такие моменты позволит не прибегать к услугам дорогой генерации и снизить конечную цену самой электроэнергии. Участник процесса, в свою очередь, получает какие-то обговоренные бонусы или денежное вознаграждение за готовность участвовать в этой программе.
ЦЗСП в РФ, объем которой измеряется в несколько десятков МВт, едва заметно, а отношение крупных игроков отрасли к механизму управления спросом на электроэнергию зачастую снисходительное [1, с 7].
Одной из причин низкой востребованности технологии demand response в России является общепризнанный избыток тепловых генерирующих мощностей. Кроме того, в настоящее время получать плату за ЦЗСП могут только предприятия мощностью более 5 МВт, приобретающие энергию на ОРЭМ. В свою очередь, снижение мощности оплачивается только в том случае, когда после команды оператора факт потребления оказался ниже плановой заявки.
Несмотря на некоторую противоречивость программы, она, несомненно, обладает позитивными эффектами от её использования на ОРЭМ, поскольку:
- снижение использования затратной для системы пиковой генерации влечет за собой снижение норм резервирования;
- возрастает эффективность использования ветровых и солнечных генерирующих станций;
- масштабный запуск demand response приведет к возможному внедрению интеллектуального («умного») учёта. Прототипом такой технологии служат смарт-счётчики, которые позволяют разграничить ответственность за нарушения в работе сетей, помогут оператору сети диагностировать и локализовать аварии. Такая технология интеллектуального учёта, именуемая Linky, к примеру, внедрена во Франции [7].
Розничный рынок. На этом розничном рынке ключевая роль при снижении потребления электрической энергии отводится агрегированным ресурсам управления спроса (Aggregated Demand Resource) или же группе независимых потребителей, предоставляющих товары и услуги управления спросом в электроэнергетике [4, с 6]. Решением этой задачи занимаются агрегаторы нагрузки - организации, которые занимаются поиском потребителей, потенциально способных без ущерба для технологического цикла изменять потребление.
Внедрение технологий снижения и оптимизации энергопотребления на розничном рынке сопряжено с рядом нижеследующих проблем:
- правила работы оптовых рынков слишком сложны для розничного потребителя;
- отсутствует интерфейс между инфраструктурой оптового рынка и потребителем розничного рынка;
- участники часто не знают об имеющихся у них возможностях изменения потребления;
- отсутствуют механизмы трансляции экономического эффекта, полученного от изменения потребления, обратно покупателю;
- отсутствует чёткая нормативной базы.
Агрегаторы объединяют многих потребителей с различными характеристиками, обеспечивая соответствие требованиям рынка и резервирование отдельно взятого комитента как части агрегированного объекта, что повышает общую надежность и снижает риск для отдельных потребителей [2, с 37].
Одно из главных преимуществ процесса агрегации - это распределенный характер нагрузки, что обеспечивает поставку агрегатором заявленного объёма разгрузки, даже если отдельные клиенты не исполнили свои обязательства, поскольку агрегатор никогда не заявляет на рынке полный объем разгрузки, тем самым обеспечив надёжность. Примеры использования этой технологии присутствуют и в России [6, с 117].
Практическая реализация методики нахождения объёма снижения потребления с помощью графика базовой нагрузки (ГБН) (метод baseline «10 из 10»). В качестве примера приведём две модели расчётов объёма снижения мощности на некотором объекте, потребляющем энергию. Рассчитывался искомый показатель на 15.07.2019. Расчет велся по данным о мощностях, снятых с учета объекта с 13.06.2019. Часы подстройки: 16:00-17:00. Были исследованы только рабочие дни.
I. Для первого этапа были рассчитываются ГБН для каждого часа:
v10
b = U^ifta (1)
1 10 ' v '
где: bt - базовая нагрузка в час t, ctd - потребление электроэнергии в час t в день d.
Затем рассчитывается подстройка на один день вперёд. Для этого надо найти разность между значением ГБН за этот период и самой датой, относительно которой делается подстройка. После нахождения этих значений, вычисляется подстройка как среднее арифметическое данных чисел:
а _ ^16(ct(x-1)- bt(x-1))
где ct(x-1) - коммерческий учет электроэнергии в час t в (х-1) день. В данном случае на 01.07.2019 подстройка равна -100,25 КВт.
II. На второй стадии процесса меняются 10 исследуемых дней, в этот список приходят показатели по часам следующего рабочего дня, а удаляются показатели самого первого в этом столбце. Также начиная со второго цикла этого процесса и до самого конца метода, вычисление постройки меняется и выглядит так:
1) Рассчитывается промежуточная ГБН с учетом подстройки:
badj_t(i) = bt + a, (3)
где: bt - базовая нагрузка в час t (формула такая же, как и при расчете на первом этапе алгоритма), а -величина подстройки, посчитанная за прошлый день (в данном варианте, она учитывается только в пиковые часы нагрузки).
2) Вычисляется ограничение подстройки:
badj_t(2) = 0,8 * bt, (4)
3) Вычисляется максимум из этих значений, то есть:
a. Если badj_t(i)> badj_t(2), то badj_t(i)= badj_t; (5)
b. Если badj t(i) < badj_t(2), то badj t(2) = badj t. (6)
4) badj_t - итоговая базовая нагрузка в час t с учетом подстройки (ГБН).
Подсчеты, связанные с подстройкой на один день вперёд, аналогичны тем, что были в разделе I данного
метода.
III. На последнем этапе помимо вычислений из раздела II рассчитывается искомый объем снижения потребления, рассчитываемый для x и (x-1) часов (где x - 16-й час) :
Вопросы студенческой науки
Выпуск №4 (44), апрель 2020
Pt = Ь,
adj_t
Ct.
(7)
Окончательный график базовой нагрузки в сравнении с коммерческим или стандартным потреблением, зафиксированным счетчиками имеет такой вид (рис. 1).
400
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
15.07.2019
Часы
ГБН —
ГБН с подстройкой
Рисунок 1. Сравнение графика коммерческого учета на 15.07.2019 с графиком базовой нагрузки и графиком базовой нагрузки с подстройкой (метод baseline «10 из 10»)
Практическая реализация методики нахождения объёма снижения потребления с помощью графика базовой нагрузки (ГБН) (метод baseline «4 (max) из 5»). Главное отличие этого метода от предыдущего заключается в том, что ГБН рассчитывается каждый раз не для всей совокупности, а только для 4 максимальных из 5 имеющихся значений нагрузок в определенном часу. Формула ГБН имеет такой вид:
^ _ td=iMax(ctd) ^
где: bt - базовая нагрузка в час t, Y,d=i Max(ctd) - сумма 4 максимальных нагрузок электроэнергии в час
t,
Остальная часть алгоритма полностью идентична первому методу. Графики базовой нагрузки и коммерческого учета соответственно в этом случае имеют следующий вид (рис. 2).
800 750 700
й 650
S 600 к з
зу 550 р
га 500 450
400 -
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
ГБН
Часы
ГБН с подстройкой
15.07.2019
Рисунок 2. Сравнение графика коммерческого учета на 15.07.2019 с графиком базовой нагрузки и графиком базовой нагрузки с подстройкой (метод baseline «4 (max) из 5»)
Заключение. В результате проведённого исследования с помощью двух практических методов были рассчитаны на 15.07.2019 показатели снижения потребления энергии (в КВт):
по методу baseline «10 из 10»: pt(is.oo) = 2.4, pt(i6.oo) = 8.
по методу baseline «4 (max) из 5»: pt(is.oo) = 26.25, pt(i6.oo) = 34.
По итогам исследования технологии demand response на основании посчитанных значений снижения энергопотребления и построенных графиков базовой нагрузки было выявлено то, что на конкретном объекте на 15.07.2019 с целью увеличения эффективности производственной деятельности выгоднее использовать метод baseline «4 (max) из 5», поскольку этот метод позволяет осуществить значительное снижение объёма потребления электрической энергии, что, в свою очередь, приводит к более эффективному энергопотреблению.
Список используемой литературы:
1. Жихарев А., Посыпанко Н., Ким А. Demand response на российском рынке: барьеры и перспективы / А. Жихарев / VYGON Consulting. - 2018. - 56 с.
2. Зубакин В. А. Моделирование влияния пилотных проектов по управлению спросом на изменение цены электроэнергии на примере вертикально интегрированных компаний / В. А. Зубакин. // Проблемы экономики и управления нефтегазовым комплексом. - 2019. - № 4(172). - С. 35-41.
3. Карасев Ю. Д. Обзор современного состояния стандартов МЭК в области общей информационной модели (CIM) / Ю. Д. Карасев // Электроэнергетический Совет Содружества Независимых Государств. - 2015. -62 с.
4. Кулешов М., Рычков С. Концепция функционирования агрегаторов распределенных энергетических ресурсов в составе Единой энергетической системы России. Агрегаторы управления спросом на электроэнергию / М. Кулешов, С. Рычков / АО «СО ЕЭС». - 2018. - 46 с.
5. Соловьева И. А., Дзюба А. П. Управление спросом на электроэнергию в России: состояние и перспективы // Вестник Самарского государственного экономического университета. - 2017. - № 3 (149). - С. 53-62.
6. Цифровая энергетика: видение, практики, технологии: Информационно-аналитические работы 2018 г. / Инфраструктурный Центр EnergyNet. — [б. м.] : [б. и.], 2018. — 224 с.
7. Technology for Efficiency. [Электронный ресурс]
URL:https://inavitas.com/2019/10/23/6-reasons-to-have-energy-management-system-for-your-business/ (дата обращения: 20.08.2019)