© А.В. Паздерин ., В.О. Самойленко., Н.Д. Мухлынин., П.А. Крючков УДК 621.311.1.003
ЦЕНОВЫЕ ХАРАКТЕРИСТИКИ ИСТОЧНИКОВ ЭЛЕКТРОЭНЕРГИИ
МИНИ И МИКРОГРИД
Паздерин А.В1., Самойленко В.О1., Мухлынин Н.Д1., Крючков П.А.2
1Уральский федеральный университет имени первого Президента России Б.Н.
Ельцина» г. Екатеринбург, Россия 2«Прософт-Системы» г. Екатеринбург, Россия
Резюме: ЦЕЛЬ. Определить источник электроэнергии, наиболее эффективный с технико-экономической точки зрения при планировании в оперативном горизонте режима работы энергообъединений масштаба microgrid или minigrid. МЕТОДЫ. Производится сопоставление разнородных источников энергетической гибкости на основе приведенной (эквивалентной) одноставочной цены на электроэнергию. Разработаны математические модели для получения ценовых характеристик источников электроэнергии и источников энергетической гибкости исходя из их назначения, физических особенностей и режимов работы. Модели включают полную себестоимость выработки на возобновляемых источниках энергии, рассматриваемых как основные источники microgrid или minigrid. РЕЗУЛЬТАТЫ. Регистрируется десятикратная разница цен на сетевую электроэнергию в пиковые и внепиковые часы при получении эквивалентной одноставочной цены на среднем напряжении. Такая разница дает существенный потенциал для применения разнородных источников энергии в microgrid или minigrid. ВЫВОДЫ. Текущее соотношение цен на энергию от различных источников энергии в России таково, что в пиковые часы выгодны топливные виды генерации, а ветроэлектрические установки и накопители энергии достигают сетевого паритета. Вместе с тем, малые гидроэлектростанции и фотоэлектрические солнечные системы не могут конкурировать с централизованной сетью c рыночной точки зрения. Также системам microgrid или minigrid по-прежнему намного эффективнее получать электроэнергию из централизованной сети во внепиковое время.
Ключевые слова: ценовые характеристики; microgrid; minigrid; LCOE; LCOS.
Для цитирования: Паздерин А.В., Самойленко В.О., Мухлынин Н.Д., Крючков П.А. Ценовые характеристики источников электроэнергии мини и микрогрид // Вестник Казанского государственного энергетического университета. 2022. Т. 14. №1 (53). С. 122139.
ENERGY OUTPUT COST CURVES OF ELECTRIC POWER SOURCESAT MINIGRIDS
AND MICROGRIDS
AV. Pazderin1, VO. Samoylenko1, ND. Mukhlynin1, PA. Kryuchkov2
1Ural Federal University (Yekaterinburg) 2Prosoft Systems (Yekaterinburg)
Abstract: OBJECTS. The paper deals with an intraday planning of microgrid and minigrid market strategy regarding different energy sources. METHODS. We compare distinguishing energy and flexibility sources using equivalent levelized cost curves. The developed models for the calculation of levelized cost curves of energy and flexibility sources take into account their purpose, operating principles and intraday operation mode. The models include lifetime prime cost of renewable energy sources that are the most appropriate energy sources for microgrids and minigrids. RESULTS. There is up to ten-time difference of grid prices between peak and off-peak hours when obtaining equivalent one-rate energy price for medium voltage grids. This difference provide a great potential to the development of distinguishing energy and flexibility sources at microgrids and minigrids. CONCLUSIONS. The paper shows that current energy sources cost prices level results in effectiveness of conventional generation during peak hours. In addition, wind power and battery energy storages attain a parity to grid prices. However, micro-hydro and solar photovoltaic power cost still not enough to beat the market effectiveness of centralised grid. microgrids and minigrids are still subject to purchase energy from centralised grid during off-peak.
Key words: costs; microgrid; minigrid; LCOE; LCOS.
For citation: Pazderin AV., Samoylenko VO., Mukhlynin ND., Kryuchkov PA. Energy output cost curves of electric power sourcesat minigrids and microgrids. KAZAN STATE POWER ENGINEERING UNIVERSITY BULLETIN. 2022; 14; 1(53): 122-139.
В условиях энергетического перехода использование мини- и микрогрид (МГ) становится все более эффективным решением по энергоснабжению потребителей и является альтернативой традиционному подходу к развитию энергосистем, основанному на строительстве централизованных сетей (ЦС) и крупной генерации. Строительство МГ предполагает размещение источников энергии и источников энергетической гибкости как можно ближе к конечному потребителю, а также использование таких источников на стороне самих потребителей. Использование в составе МГ гибридных источников, включая возобновляемые источники энергии (ВИЭ), традиционную топливную генерацию (ТГ), накопители энергии (НЭ) и ЦС, позволяет повысить экономичность, надежность и качество энергообеспечения потребителей [1, 2]. Все виды устройств и технологий, позволяющие воздействовать на балансы мощности и энергии МГ, известны как источники энергетической гибкости. Источники энергетической гибкости обладают различающимися технико-экономическими характеристиками. Решение задач распределения выработки электроэнергии и поддержания баланса мощности между ними должно производиться на основе оптимизационной постановки задачи, а исходными данными для ее решения являются ценовые характеристики различных источников гибкости.
Литературный обзор
Энергообъединения масштаба МГ рассматриваются большинством мировых и российских авторов как совокупность источников энергетической гибкости [3, 4]. При этом научное сообщество признает широчайший круг оптимизационных задач, возникающих в отношении МГ [5, 6].
В мировой литературе решение оптимизационной задачи назначаемого распределения нагрузки между источниками энергии в различных горизонтах рассматривают как подзадачу выбора состава включенного генерирующего оборудования -unit commitment [7, 8]. Это связано с тем, что в ряде стран ценовые характеристики и себестоимость выработки вторичны по отношению к рыночной стратегии и являются внутренним делом каждого субъекта энергетики. В российской литературе решение задач оптимизации, как правило, предусматривается на основе соответствующих заявок, отражающих ценовые характеристики, и разделяется по горизонтам, что связано с исторически сложившейся централизованной системой оперативно-диспетчерского управления [9, 10].
В [11] рассмотрена оптимизационная постановка задачи суточного планирования режима работы газопоршневых генераторов в составе МГ, потребители которой питаются как от этих агрегатов, так и от централизованной энергосистемы по тарифам гарантирующего поставщика. Особенности формирования ценовых характеристик отдельных источников энергетической гибкости рассматриваются в соответствующих разделах настоящей статьи с пояснением к физическим основам формирования ценовых характеристик таких источников. Использование данных ценовых характеристик позволит планировать загрузку топливной генерации и накопителей МГ при наличии ВИЭ и централизованной сети, на основе минимизации полной стоимости электроснабжения потребителей и это имеет важное практическое значение.
Материалы и методы. Общие положения
Даже при наличии в составе МГ одного источника энергии и возможности питания от ЦС возникает оптимизационная задача планирования суточных графиков источников. С учетом возможного изменения состава работающих источников целевую функцию, минимизирующую суммарную стоимость источников энергии, можно представить как:
— булева переменная 1/0 включенного состояния генерирующего агрегата в i
Введение
коммерческий интервал времени; С (Х) — стоимость i-го источника на поставку ЭЭ, которая зависят от параметров X, влияющих на его затраты.
Для каждого типа источника ЭЭ параметры Х могут быть разные. Так, для топливных установок стоимость выработки определяется, прежде всего, ценой топлива и степенью загрузки агрегатов. Стоимость покупки ЭЭ из ЦС определяется договорными отношениями оператора МГ с гарантирующим поставщиком (ГП). Она зависит от уровня тарифного напряжения, от выбранной ценовой категории и существенно зависит от часа суток. В статье рассматриваются вопросы формирования ценовых характеристик для различных типов источников ЭЭ, включая ЦС, в зависимости от влияющих факторов Х . В целях унификации затратные характеристики разных типов источников приводятся к виду
С(Х) = ц/(Х)-р, (2)
где Д/ — удельная стоимость (цена) [руб./кВт-ч] выработки одного кВт-ч г-м источником ЭЭ.
Далее приводятся факторы, влияющие на цену (удельную стоимость) разных типов источников. Зависимость цены выработки ЭЭ от влияющих факторов далее называется «ценовой характеристикой» (ЦХ) источника энергии. Для обеспечения сравнимости различных по типу источников, ЦХ включают в себя как капитальные (САРЕХ), так и операционные (ОРЕХ) издержки. Кроме того, ценовые характеристики включают нормы прибыли соответствующих источников. Хотя для этого существует множество походов [12], в оперативном горизонте относительная норма прибыли с небольшой погрешностью может приниматься равной соответствующему коэффициенту 1,07-1,12 к себестоимости выработки.
Норма прибыли 12 % для ВИЭ и остальных энергоресурсов является среднестатистической, а также отражает правила системы договоров предоставления мощности возобновляемых источников энергии.
На основе ЦХ источников осуществляется минимизация целевой функции (1) и формируется диспетчерский график всех источников ЭЭ на основе прогнозной информации о суммарном электропотреблении МГ и прогноза выработки ЭЭ на основе ВИЭ. При формировании диспетчерских графиков следует учитывать множество ограничений, которые также рассматриваются в статье.
Принцип формирования ценовой характеристики покупки электроэнергии из централизованной сети
Максимальная мощность/ЭЭ, покупаемая из ЦС оператором МГ, для каждого интервала времени ограничена по условиям предельно допустимого значения, а также может быть ограничена договорными условиями:
рсет < реет < реет (3)
Нижняя граница, связанная с выдачей избытков МГ в ЦС. Очень часто договорные отношения запрещают выдачу мощности в ЦС и в этих Рсет =0 (технические условия на технологическое присоединение без выдачи мощности в сеть).
Применительно к российскому розничному рынку ЭЭ, стоимость покупки ЭЭ из ЦС определяется, прежде всего, выбранной потребителем ценовой категорией. В таблице 1 представлены оплачиваемые компоненты конечной цены на ЭЭ для различных ценовых категорий. Чем выше ценовая категория, тем больше число компонент содержится в конечной стоимости, но тем меньше ставка (цена) каждого кВт-ч.
Таблица 1
Компоненты конечной цены для потребителей разных ценовых категорий
ЦК Учет ЭЭ Цена ОРЭМ (генерации) Тариф на передачу Почасовое планирование
1 за месяц одноставочная за э/э
2 по зонам дифференцированная по одноставочный
суток зонам суток (за э/э) нет
3
4 почасовой цена за почасовая двухставочный
5 за месяц мощность цена на э/э одноставочный да
6 двухставочный
В соответствии с нормативными документами полная стоимость покупки ЭЭ из ЦС Сц'сет на розничном рынке у ГП складывается из четырех составляющих:
1. С"ер — сетевая составляющая, определяемая тарифами на передачу энергии. При одноставочном тарифе оплачивается суммарное потребление ЭЭ за месяц. При двухставочном тарифе (4 и 6 ценовые категории) ставка за энергию ниже, но существует вторая компонента, связанная с оплатой фактической максимальной мощности;
2. СГен — стоимость энергии как товара, то есть, стоимость генерации у ЦС. Она определяется с использованием рыночных механизмов, и решающую роль играют узловые цены оптового рынка ЭЭ, которые меняются с часовой дискретностью. Ввиду того, что узловые цены заранее неизвестны, при расчете стоимости генерации необходимо использовать прогнозные значения узловых цен. Это существенно усложняет задачу и требует решения соответствующей задачи прогнозирования узловых цен;
3. Ссбыт стоимостью услуг энергосбытовой компании или ГП. Стоимость услуг ГП называется «сбытовой надбавкой». Она определяется и публикуется регулирующими органами. Данная составляющая определяется в виде ставки за потребленный кВт-ч;
4. Сгиусл стоимостью услуг инфраструктурных организаций: Администратора Торговой Системы (АТС), Центра Финансовых Расчетов (ЦФР) и Системного Оператора (СО). Она также определяется в виде ставки за потребленный кВт-ч и не превышает 1 % от конечной цены.
Конечная цена на пользование ЦС определяется как:
Сцсет = Спер+С[ен + Ссбыт+Си-усл. (4)
Финансовые обязательства покупки ЭЭ из ЦС определяются по итогам работы за месяц с использованием почасовых данных учета ЭЭ. При расчете стоимости за месяц оплачиваемыми показателями являются суммарное электропотребление за месяц Wuес, а
также фактические максимумы мощности Р^Х для оплаты услуг сетевой компании См^ и
максимум мощности фиксируемый гарантирующим поставщиком Р^х , используемый при
расчете Ск^. Расчетные месячные максимумы мощности Р^аХ и Р^х определяются путем усреднения максимумов мощности за все рабочие дни месяца. Таким образом, все три оплачиваемых показателя ЦС, а именно: ^мес, Р^Х и Р^х — будут известны только по завершении календарного месяца.
Для задачи суточного планировании режима работы МГ необходимо для каждого часа предстоящих суток знать цену покупки энергии из ЦС, то есть иметь ценовую характеристику ЦС. В связи с тем, что расчет такой стоимости возможен только на основе данных о фактическом часовом потреблении ЭЭ и узловых ценах оптового рынка, по которым производилась покупка ЭЭ, то все указанные данные относятся к будущим моментам времени и поэтому являются неизвестными [13, 14]. Регулируемые тарифы на передачу и надбавки ГП определены заранее. Таким образом, при определении ЦХ для ЦС следует осуществлять прогноз многих параметров, а также использовать ряд допущений. Какой конкретный час суток внесет свой вклад в формирование месячного максимума мощности, также заранее не известно. Поэтому предлагается использовать вероятностный подход и на основе статистических данных предыстории рассчитывать вероятность этого для каждого часа суток [15, 16].
Стоимость передачи энергии (сетевая составляющая)
Если по условиям договора используется одноставочный тариф оплаты услуг на передачу, то стоимость сетевой составляющей для часа ? определяется формулой:
£.пер1 _ у,пер1рсет ^^
где Ср1 — значение ставки тарифа на электроэнергию [руб./кВт-ч] для одноставочного тарифа на передачу, а Р?сет — переток из ЦС по коммерческому сечению для часа ?.
В выражении (5) допустимо использовать мощность Р{с<л часа ?, так как энергия и мощность за один час численно совпадают. В соответствии с постановлением РЭК Свердловской области одноставочные тарифы на передачу ЭЭ по уровням тарифного напряжения ВН, СН2, СН1 и НН на второе полугодие 2021 г. составляют, соответственно: 1,02896; 1,81965; 2,75975; 3,45982 руб./кВтч.
Следует отметить, что обладателю средств генерации ЭЭ в составе МГ более интересно с экономической точки зрения использование двухставочного тарифа оплаты услуг на передачу, так как это предоставляет существенно больше возможностей по
снижению конечной цены за счет снижения максимума мощности в часы их наибольшей вероятности. При выборе двухставочного тарифа оплаты услуг на передачу (4 или 6 ценовая категория) стоимость сетевой составляющей для часа t будет определяться двумя компонентами. Содержание сети оплачивается по фактической за месяц сетевой мощности
PiaX, а потери оплачиваются по потребленной энергии за месяц Wмес. Так как каждый час
месяца вносит свой вклад Ct в итоговую месячную стоимость услуг на передачу, то
величину этого вклада можно выразить относительно потребляемой (покупаемой) из ЦС
лсет
мощности за данный час Pt :
спер2 = ^пер2реет + ^Р2реет^ / ^ = р«*г ^Р2 + ^пер2^ ) , (6)
где — значение ставки тарифа на электроэнергию [руб./кВтч] для двухставочного
тарифа на передачу, которая идет на покрытие потерь ЭЭ в сети; Трер2 — значение ставки тарифа на мощность [руб./МВтмес]; wt — вероятность того, что в час t переток из сети
реет будет иметь максимальное значение. В определении фактической сетевой мощности за месяц принимают участие только максимумы нагрузки за рабочие дни, число которых Nрaб легко подсчитать по календарю с учетом возможных переносов праздничных дней.
Для всех часов выходных дней wt =0.
Во втором полугодии 2021 г. по уровням напряжения ВН, СН2, СН1 и НН значение ставки за электроэнергию определено постановлением РЭК Свердловской области как: 0,15561; 0,26394; 0,35181; 0,70787 руб./кВтч, соответственно. Ставка за мощность составила: 545 653,31; 914 367,12; 1 195 009,68 и 1 310 334,77 руб./МВт мес, соответственно.
В соответствии с нормативными документами Системного оператора, максимум сетевой мощности фиксируется только в пиковые часы. В марте 2021 года пиковыми были часы с 8 по 21. Остальные часы не участвуют в определении сетевой мощности и для них wt = 0. Вероятности wt для пиковых часов целесообразно принять равными, то есть wt = 1/ Лгпик, где ^пик — число пиковых часов в сутках. В течение всех пиковых часов целесообразно стремиться к минимальному потреблению мощности из сети, причем с максимально ровным графиком во времени, так как только один час с наибольшим потреблением участвует в определении фактического месячного максимума сетевой мощности. Таким образом, при двухставочном тарифе во все часы кроме пиковых, сетевая мощность является бесплатной, и в соответствии с (6) цена передачи ЭЭ определяется
только тарифом на ЭЭ . Пример плотности вероятности для сетевой составляющей
приведен на рисунке 1, а.
Стоимость системной генерации
Аналогичным образом можно определить стоимостную характеристику для генерации. Главной проблемой при этом является неопределенность узловых цен оптового рынка ЭЭ, которые транслируются на розничный рынок. Публикации по теме краткосрочного прогнозирования узловых цен оптового рынка свидетельствуют о возможности обеспечения высокой точности их прогноза. Так использование нейронных сетей [17, 18] обеспечивает среднюю абсолютную ошибку прогноза в 2-6 %, что на уровне 2021 года составляло в среднем 7 коп./кВт-ч. Краткосрочное прогнозирование узловых цен является отдельной самостоятельной задачей [19-21]. В рамках настоящей статьи прогнозные узловые цены на ЭЭ Ц считаются известными. Это касается как часовых узловых цен оптового рынка Цt, так и ставок за киловатт-час для потребителей 1 и 2 ценовых категорий. Для всех ценовых категорий стоимость энергетической составляющей (киловатт-часа) для часа t определяется формулой:
С[ен = ЦКРГ, (7)
К
где Ц — стоимость одного киловатт-часа ЭЭ для к-ой ценовой категории часа t.
Объем покупной (потребленной) мощности определяется как среднее за месяц из значений потребления предприятия в часы пиковой нагрузки, в которые наблюдалось максимальное совокупное потребление по зоне деятельности ГП. Стоимость мощности для часа t при этом будет определяться следующим выражением:
,^геи2 ттген2 г>сет „ / лг
С = ЦР Pt Pt / Npa6 >
где Црн2 — ставка за мощность оптового рынка мощности [руб./МВт], р1 — вероятность того, что в час t в зоне деятельности гарантирующего поставщика будет зафиксирован максимум дневного потребления из всех часов, которые администратор торговой системы (АТС) объявил часами пиковой нагрузки.
Часы для расчета покупной мощности определяет АТС и публикует на своем официальном сайте до 10 числа месяца, следующего за расчетным. Остальные часы не участвуют в определении мощности генерации и для них р{ = 0. В связи с тем, что заранее сложно спрогнозировать час максимальной нагрузки для определения pt, целесообразно использовать ретроспективные данные за несколько предшествующих месяцев. При этом должно выполняться условие, что накопленная вероятность наступления максимума за
Е24
р1 = 1 .
Таким образом, только в пиковые часы данная мощность (покупная генерация) является платной и в соответствии с (8) цена генерации определяется только ценой на кВт-ч
к
Ц . На рисунке 1, Ь представлен график распределения по часам суток плотности вероятности того, что час t является часом максимума нагрузки для ГП.
0,12
■J
з 0,10
13 Ä
о It 0,08
н ж
g S 0,06
а 75
О ^
e ¡S 0,04 л а н Ä
S 5 0,02 g 2
g ^ 0,00
т in О с^
т in О с^
0,25
ai
g I0,20 g if
£ 'S 0,15
° J
0,10
л Э
H Ä
g Ü 0,05
g 2 о CL
£ 0,00
OO o1
Illll ll
m in о o\
m in о o\
Номер часа Hour
Номер часа Hour
a) b)
Рис. 1. Обобщенная вероятность того, что час Х Fig. 1. Generalized density that hour X has
является максимальным по мощности (часовому maximum power (energy consumption) for:
электропотреблению) для: a) сетевой a) power utility; b) provider of last resort. организации; b) гарантирующего поставщика.
Как видно из графика, наиболее часто максимум нагрузки фиксируется с 18 по 21 часы. В течение пиковых часов ГП целесообразно стремиться к минимальному потреблению мощности из сети. Таким образом, оплата сетевой мощности и мощности ГП очень близки по своей сути. В ночные часы, которые не являются пиковыми ни у СО ни у ГП, мощность является бесплатной и оплачивается только энергия. Итоговая стоимость потребления в эти часы в несколько раз ниже, чем в пиковые часы.
Стоимость услуг гарантирующего поставщика (сбытовая надбавка)
Сбытовая надбавка является регулируемой, то есть наперед известной величиной, которая с 2019 года устанавливается в виде фиксированной ставки к потребленному киловатт-часу. Для каждого ГП регулирующим органом утверждается размер сбытовой надбавки. Размер ставки зависит от установленной мощности потребителя и дифференцируется по трем категориям потребителей: до 670 кВт, от 670 кВт до 10 МВт; свыше 10 МВт. Для конкурентных энергосбытов величина сбытовой надбавки не регулируется, и в целях упрощения ее можно принять равной сбытовой надбавке соответствующего ГП. Таким образом, стоимость энергосбытовых услуг можно представить:
^сбыт _ ^сбД роет .-Q4
ct = TW Pt ' (9)
,^сбыт _ ^и.усл,К рсет Ct ~ TW Pt !
где ТСб'К — ставка сбытовой надбавки для соответствующей категории потребителя [руб./кВт-ч].
Для примера, постановлением РЭК Свердловской области на 1 полугодие 2021 г. сбытовая надбавка для крупнейшего гарантирующего поставщика для потребителей больше 10 МВ-А утверждена на уровне 0,21288 руб./кВт-ч.
Стоимость услуг инфраструктурных организаций
Услуги инфраструктурных организаций оплачиваются в виде ставки на потребленный киловаттчас и имеют второе название - плата за иные услуги. Расчет данной ставки производится по истечении месяца, но в конечной цене на ЭЭ данная составляющая находится на уровне 1 %. В связи с малым ее уровнем в расчетах можно использовать среднее значение ставки за несколько последних месяцев:
(10)
^и.услД „
где — ставка за иные услуги для соответствующей категории потребителя
[руб./кВт-ч].
За месяц 2021 года суммарная стоимость услуг инфраструктурных организаций для крупнейшего гарантирующего поставщика Свердловской области составляет около 10 537 000 руб. Полный объем полезного отпуска ЭЭ за месяц составляет 1 173 963 185 кВт-ч. Тариф инфраструктурных организаций 0,9 коп./кВт-ч.
Итоговая ценовая характеристика покупки энергии из централизованной сети
Итоговая ЦХ покупки электроэнергии из ЦС Сгсет может быть получена путем суммирования в соответствии с (4) всех четырех составляющих полной стоимости.
Для 4 ценовой категории потребления, которая является двухставочной, как в отношении передачи, так и генерации ЭЭ выражение (4) можно записать как:
.-чсет псет | т^пер2 , тлер2 < »г , ттген2 / дг . т^сб,К ^и.услД^ сет псет /-11ч
С = рг (Тт + ТР 1 Краб + Цр Рг /Краб + ТГ +Тт ) = ц/ р (11) С учетом зависимости и р1 от времени сумму цену покупки ЭЭ из ЦС можно отобразить в виде зависимости от текущего часа г. В зоне непиковых часов вероятности ц>г и рг равны нулю и тариф на передачу равен сумме постоянных компонент
Т1пер2 , тсб,К , т^и.услД „ ,
Тр + + Т-ш . В пиковые часы тариф на передачу увеличивается за счет
компонент, связанных с оплатой максимума мощности ГП и сетевой организации.
На рисунке 2 показаны часовые цены покупки ЭЭ из ЦС четвертой ценовой категории для уровня тарифного напряжения СН2. Как видно из графика, максимальные цены наблюдаются в пиковые часы, когда вероятность появления максимума нагрузки ГП наибольшая. Различие между максимальной (час 19) и минимальной (час 2) ценой покупки ЭЭ из ЦС достигает 9,76 раза. Для 3 ценовой категории форма графика будет похожей, но в разница между дневной и ночной ценами будет меньше.
18 -* £
16 14 12 10 <" Ё 8 6 4 2 0
I!
я
(О s"
Ё « М (j
S Я
Я =
4 9 7 9 0 9
ir,
1Т1
I
6
11111111111111111 lili
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Номер часа Hour
Рис. 2. Ценовая характеристика покупки ЭЭ из сети по тарифам СН2
Fig. 2. Energy output cost curve of energy purchase according to medium voltage rate
Ценовая характеристика ценозависимого потребления и агрегации спроса
Ценозависимое потребление является важным современным источником энергетической гибкости [22]. Ценозависимое потребление для потребителей микрогрид и минигрид можно разделить на несколько видов.
1. Ценозависимое потребление по времени суток (Time-of-use). Частично стратегия ценозависимого потребления по времени суток является детерминированной применительно к ставке за мощность сети. Также она является вероятностной применительно к прогнозу часа максимума гарантирующего поставщика. Потребители должны обладать возможностью останавливать к определенному часу и легко запускать производство обратно.
2. Ценозависимое потребление в режиме реального времени (Real-time Pricing), которое складывается в результате колебаний цен на генерацию ОРЭМ и работы балансирующего рынка, в частности. Имеет связь как с прогнозом оптовых цен рынка электроэнергии, так и с прогнозом выработки ВИЭ.
Ввиду сравнительно малого диапазона изменения цен на ОРЭМ в настоящее время не оказывает существенного влияния на электропотребление. Тем не менее, применительно к микрогрид и минигрид ценозависимое потребление имеет смысл в связи с тем, что резкопеременная выработка ВИЭ может приводить к замещению их доли ЦС в балансе мощности как в большую, так и в меньшую сторону по цене в зависимости от времени суток. Конечная цена на электроэнергию также будет меняться. Для учета такого ценового эффекта потребители должны быть технологически весьма гибкими и оснащенными современными средствами АСУ ТП.
Виды ценозависимого потребления №1 и №2 являются альтернативой вторичному резерву мощности в микрогрид или минигрид, применяемому для сглаживания пиков в общем балансе такой системы или для исключения превышения перетока по контролируемым элементам. В связи с этим на суточном интервале времени для них должен выполняться баланс энергии:
^суг — ^сут . (12)
Также может быть введён критерий равенства суточной стоимости электроэнергии при одновременной инверсной квадратичной или даже кубической зависимости цены на электроэнергию от электропотребления для стимулирования ценозависимого потребления:
/тист _„Ист ,-п-,
С24 -It=1Сt , (13)
где Ct — значения почасовой стоимости источников; С 24 — значения суммарной стоимости источников за операционные сутки.
Характеристика ценозависимого потребления представлена на рисунке 3, a. Характеристика отражает текущую эластичность спроса на электроэнергию и её закономерности [23], а ее форма построена с поправкой на типовые технические условия на технологическое присоединение к ЦС.
3. Агрегация спроса потребителей для управления по команде (Event-driven Aggregated Demand Response). Является (пред-, после-) аварийной мерой воздействия на потребителей микрогрид и минигрид — альтернативой вторичному и третичному резерву мощности. В отличие от предыдущих двух видов ценозависимого потребления, критерий неизменности суточного электропотребления для выполнения команд при агрегации спроса может не выполняться.
Ценовая характеристика агрегации спроса может быть получена из расчета:
Cdr - f (Pdr ), (14)
^лмес
CDR - Cdr , (15)
1000•n•m
где — стоимость услуг в [кВт-ч] по снижению максимума /-го субъекта в
распоряжении агрегаторов; С]."®0 — стоимость услуг [руб./МВт-мес] по снижению максимума /-го субъекта в распоряжении агрегаторов; п [ч] — количество часов подряд для снижения мощности (2 или 4); т [1/мес] — предельное количество раз для снижения мощности по команде Системного оператора (до 5 в месяц).
р£к = + рвк юо% , (16)
I ;-i р
DR
где Р^л — относительный объем задействованного спроса; — абсолютный объем
снижения мощности /-го субъекта в распоряжении агрегаторов; Р^ — абсолютный объем
ранее рассмотренных субъектов в распоряжении агрегаторов.
Характеристика рассматривается и строится в соответствии с правилами эластичности спроса-потребления (не предложения-генерации) рынка электроэнергии — от наименьшей цены к наибольшей, поскольку предложения отбираются Системным оператором по приоритету в порядке возрастания цены [23]. Характеристика агрегации спроса в РФ по состоянию, наконец, 2021 г. представлена на рисунке 3, Ь.
Закрытие предприятия
I %
a Ss
(О s"
È « M (j
î S
S S?
ä s
w
25 20 15 10 5
^ Сворачивание первичного
производства до уровня Зона эшстига^ш д° уротня
технологической брони
^ Сворачивание нерентабельных вторичных производств
Энергосбережение
Работа без изменений
20
40
60
80
Расширение производства^ 100 120
Мощность нагрузок, % Load Power, %
0
0
a)
I 1
* S
(о s-
Ё « M (j
S" £
H ¡У
S <u EJ e w
60 50 40 30 20 10 0
100,000; 56,990
96,287; 34,500
52,332; 19,000
[ЗНАЧЕНИЕ X]; [ЗНАЧЕНИЕ Y]
20 40 60 80
Доля задействованного ценозависимого потребления, % Share of activated Aggregated Demand Response
100
0
b)
Рис. 3. Ценовая характеристика: Fig. 3. Energy output cost curve of:
a) для регулярного ценозависимого a) regular aggregated demand response;b) потребления; b) для агрегации спроса с целью clustering demand response for maximum power снижения максимума мощности decrease
Для всех трех видов ценозависимого потребления величина снижения мощности
PjD)p определяется относительно максимально доступной для снижения мощности PDR :
0 < P'DR < PR. (17)
Функция величины снижения нагрузки является сложной и почти всегда кусочно-дробной. Она зависит от множества факторов, как количество потребителей, исходный уровень цен, время суток, тип и текущее состояние технологического цикла потребителей, текущая длительность снижения мощности, эффект осведомленности о запрашиваемой длительности и горизонт упреждения. По статистике, в РФ регистрируется исполнение объема снижения мощности только на 49-56 % от запрашиваемого Системным оператором [25]. В текущей модели снижение максимума мощности осуществляется на 2 или 4 часа с упреждением в операционные сутки. В связи с эти величина скорости снижения и восстановления нагрузки в модели не предусматривается (принимается мгновенной). Ценовые характеристики и ограничения для собственной топливной генерации Наиболее востребованными традиционными источниками энергии в составе МГ являются газопоршневые и газотурбинные установки [26, 27]. Ценовые характеристики топливной генерации хорошо известны в мировой и российской энергетике [5-8], в связи с чем опускаются в данной статье.
Ценовые характеристики паросилового оборудования неактуальны для МГ. Намного более актуальными являются ценовые характеристики газопоршневых и газотурбинных
установок, которые составляют основу топливной генерации МГ. При загрузках свыше 75 % ценовые характеристики таких источников практически линейны. При работе со средним уровнем загрузки проявляется нелинейность характеристик, более выраженная для газотурбинных установок. При работе с малыми загрузками явно выраженная нелинейность обусловлена как условно-постоянным расходом топлива на холостом ходу, так и отборами на собственные нужды теплофикации когенерационных установок.
Основным ограничением топливной генерации является регулировочный диапазон:
Rp < R'f < RF . (18)
При этом длительный технический (технологический) минимум газопоршневых установок составляет 40-50 %, для газотурбинных он составляет несколько процентов, но не используется по соображениям энергетической эффективности.
Скорость нагружения рассматриваемых установок позволяет им набирать мощность 0,5-3 % мощности в секунду, в связи с чем ограничения по скорости нагружения даже в оперативном горизонте не являются активными. Более того, высокая скорость нагружения не должна приводить к нарушению параметров качества электроэнергии ЦС при параллельной работе МГ. Ценовая характеристика топливной генерации приведена на рисунке 4, a.
Ценовые характеристики и ограничения для ВИЭ
Принципиально по электрическим свойствам к возобновляемым источникам энергии (ВИЭ) можно отнести ветроэлектрическую (ВЭС) и солнечную фотоэлектрическую (СЭС) генерацию, малую гидрогенерацию (МГЭС), а также более экзотические виды ВИЭ. Хотя генерацию на газовом топливе, полученном в лесотехническом и агротехническом комплексах иногда относят к ВИЭ по углеродному балансу. По своим электротехническим свойствам ее можно в полной мере отнести к топливной генерации, рассматриваемой выше.
Ценовую характеристику ВИЭ [28, 29] Cr , включающую капитальные и эксплуатационные затраты в соответствии с литературными источниками можно представить как:
C'r-I^R t, (19)
где ^ — цена (удельная стоимость одного кВт-ч) от ВИЭ [руб./кВт-ч], RR — загрузка ВИЭ в долях от номинальной мощности для момента времени t.
В связи с безусловной востребованностью выработки от ВИЭ для задачи распределения нагрузки между источниками цену выработки ВИЭ следует принимать нулевой, что автоматически означает, что ВИЭ будет востребована в полном объеме. Фактическое значение цены ЭЭ от ВИЭ требуется на этапе расчета цены (тарифов) для потребителей МГ.
Цена ВИЭ определяется полными затратами на приобретение и обслуживание установки, отнесенными к полной выработке ЭЭ за весь жизненный цикл (т.н. Levelized Cost of Electricity, LCOE одноставочной модели). Значение коэффициента использования установленной мощности, которое зависит от обеспеченности первичным энергоносителем ВИЭ, может существенно повлиять на величину данной цены.
Хотя возобновляемая энергия является даровой и сам по себе подсчет КПД установок на основе ВИЭ не несет какого-либо экономического смысла, однако, он может быть необходим для подсчета коэффициента использования мощности фотоэлектрических систем и других неблочных установок инверторного включения. КПД ВИЭ зависит, прежде всего, от КПД инвертора, нелинейно снижающегося при малых загрузках менее 10 %, вследствие чего нелинейно снижается и коэффициент использования установленной мощности с многократным ростом себестоимости выработки (рис. 4, b, приведен на примере фотоэлектрической СЭС). КПД ветроэнергетических и других комплектных (блочных) установок инверторного включения учтен в заводских характеристиках мощности.
На практике ВИЭ выгодны при коэффициентах использования установленной мощности существенно выше 10 %, в связи с чем ценовые характеристики ВИЭ можно принять условно-независимыми от рабочих мощностей установки и оценивать только результирующую выработку. Исходя из (10) и принятой одноставочной системы LCOE ценовая характеристика ВИЭ выходит независимой от времени суток, хотя сама мощность ВИЭ может показывать очевидную зависимость от времени суток, как отсутствие ночной выработки для фотоэлектрических станций и периоды утренней/вечерней выработки ветроэлектростанций на побережьях морей и океанов умеренных широт.
Загрузка и мощность ВИЭ для задачи суточного планирования МГ является прогнозируемой величиной. В связи с приоритетностью выработки ЭЭ на основе ВИЭ прогнозные значения выработки являются фактическим значениями планового графика.
Фотоэлектрические и ветроэлектрические системы не обладают техническим и технологическим минимумом. Скорость нагружения для ветроэнергетических установок составляет от 10 % до 30 % номинальной мощности в секунду. Фотоэлектрические станции фактически безынерционны, в связи с чем скорость набора мощности подобных крупных станций приходится ограничивать несколькими секундами во избежание протекания выраженного переходного процесса. Таким образом, маневренность ВИЭ на практике заведомо удовлетворяет оперативным планам на несколько часов вперед.
I I
^ Ь
»о а
о
5 £
S ff £ =
25
20
15
10
Загрузка агрегата % Unit load, %
I ^
I 1
»o «
£! S sr
ö о
EJ e
w
30,0 28,0 26,0 24,0 22,0 20,0 18,0
0 10 20 30 40 50 60 70 80 90100
Загрузка инвертора, % Power converter load, %
5
0
а)
Рис. 4. Ценовые характеристики:
а) топливных видов генерации;
б) источников энергии инверторного включения на примере фотоэлектрических СЭС
b)
Fig. 4. Energy output cost curves of:
a) fuel generation; b) photovoltaic power plants
with invertor connection to the grid
Ценовые характеристики и ограничения для накопителей
Различные накопители ЭЭ могут быть важным элементом МГ [30, 31]. Наиболее перспективным для МГ являются аккумуляторные батареи (АКБ) на основе соединений лития. Состояние заряда батареи определяется выражением:
Б' = Б'-1 + РЕ ■А , (20)
и ограничивается максимальной текущей (с учетом деградации) ёмкостью и максимально допустимой глубиной разряда:
Б < б' < Б. (21)
Мощность заряда/разряда определяется как:
Ре < РЕ < Р, (22)
-наи (Е'~1 -Е) < РЕ ■А' < нск (Е-Е'-1). (23)
Кроме того, в оперативном горизонте состояние заряда батареи в начальный (/=0) и конечный (/=7) моменты времени должны быть равными:
Е0 = ЕТ . (24)
Тогда стоимость заряда/разряда батареи будет равна:
м' I I
СЕ =Х',ЦЕ ■ П-IРЕ|, (25)
где Це — удельная стоимость одного кВт-ч батареи [руб./кВт-ч].
Удельная стоимость кВт-ч батареи содержит две составляющие: стоимость запасенного кВт-ч [руб./кВт-ч] и стоимость затрат на приобретение и обслуживание АКБ.
На первую составляющую влияние оказывает КПД аккумулятора "Л, который обладает сложной зависимостью от мощности и глубины разряда. При повышении мощности (тока) заряда/разряда и особенно снижении степени заряда в начальный момент времени КПД заряда/разряда снижается. При этом существуют принципиальные отличия электроэнергетических накопителей энергии на основе литиевых батарей от аналогичных устройств, используемых в транспортном машиностроении и радиоэлектронике, разнонаправленно воздействующие на величину КПД.
1. Современные электроэнергетические накопители энергии проектируются для работы с разрядными/зарядными токами около 1С как по соображениям долговечности и энергетической эффективности, так и по соображениям удельной дороговизны энергетической силовой электроники, обеспечивающей выдачу мощности накопителя в МГ и ЦС [32]. При таком режиме КПД достаточно высок и в большей степени зависит от состояния заряда/разряда из предыдущих временных интервалов, т.е. от интегральной характеристики, чем от текущей мощности. Для сравнения, АКБ, используемые в транспортном машиностроении и радиоэлектронике, предполагают возможность кратковременной работы с разрядными токами порядка 6С-10С и 40-50С, соответственно.
2. Вследствие небольших разрядных токов количество доступных циклов заряда-разряда зависит, в первую очередь, от глубины разряда накопителя энергии. При глубине разряда 80 % современные литиевые батареи способны обеспечить около 4000 циклов заряда-разряда, что считается удовлетворительным показателем [32]. В связи с этим энергокомпании-владельцы накопителей энергии стремятся перевести накопитель в режим первичного и вторичного регулирования частоты и мощности, чем использовать его для внутрисуточного регулирования баланса электроэнергии [33].
3. Потери мощности и энергии при заряде литиевой АКБ, которые в транспортном машиностроении и радиоэлектронике полагаются «внешними» потерями зарядного устройства и не учитываются, в данном случае расходуются из баланса энергии МГ и восполняются за счет источников МГ или ЦС, в связи, с чем должны учитываться в явном виде в КПД цикла заряда-разряда. Как и для ВИЭ, имеет место существенно снижение КПД инвертора накопителя при мощности менее 5-10 % от номинальной.
В оперативном горизонте температура накопителя энергии ввиду работы микроклиматической автоматики накопителя и степень деградации полагаются неизменными, а величина саморазряда - пренебрежимо малой.
На рисунке 5 представлена ценовая характеристика накопителя энергии на основе литиевой батареи.
f ! s
3
»о а
Ж &
« *
s ï?
S <u
Ci е и w
10,00 9,50 9,00 8,50 8,00 7,50
0
20
40
60
80
100
Мощность накопителя, % (каждые 10 % соответствуют ~0,1C
АКБ)
Energy storage power, % (each 10 % corresponds to ~0,1C of battery)
-Состояние заряда 100 % -Состояние заряда 20 %
Рис. 5. Ценовая характеристика накопителя Fig. 5. Energy output cost curve of a lithium energy
энергии на основе литиевого аккумулятора storage
Для построения расходной характеристики аккумулятора можно использовать допущение, что аккумулятор заряжается в ночное время от ЦС, когда стоимость ЭЭ ориентировочно составляет 1,75 руб./кВт-ч. По сведениям [34] удельная стоимость приобретения накопителя на основе литий-ионной батареи в 2021 г. снизилась до 235 $/кВт-ч. С учетом 4000 циклов заряд/разряд удельные капитальные затраты составят 5,13 руб./кВт-ч. Конечная цена составит около 7,7 руб./кВт-ч. КПД накопителя в большей части рабочей характеристики превышает 95 %, снижаясь в области низких значений загрузки или высоких значений в сочетании с разряженным состоянием. С ростом мощности разряда/заряда происходит увеличение цены ЭЭ от батареи, так как потери растут пропорционально квадрату тока.
Результаты
Сопоставление ценовых характеристик различных источников энергии в РФ по состоянию на начало 2022 г. представлено на рисунке 6.
Рис. 6. Сопоставление ценовых характеристик различных источников энергии
Fig. 6. Energy output cost curves comparison of various energy sources
Как видно из рисунка, распределенные энергетические ресурсы МГ по-прежнему не в состоянии конкурировать с централизованной сетью во внепиковое время. Системные атомные, гидравлические и парогазовые электростанции обеспечивают дешевую выработку электроэнергии ввиду физических принципов устройства, эффекта масштаба и амортизации капвложений на длительном жизненном цикле, а иные составляющие конечной цены, включая сетевую составляющую, во внепиковое время не существенны.
В полупиковые и пиковые часы конкурентными становятся газопоршневые и, в меньшей степени, газотурбинные электростанции, составляющие основу распределенной генерации в РФ.
Ветроэнергетические ресурсы, как самые доступные ВИЭ, а также накопители энергии при условии внепиковой зарядки от ЦС, практически достигли сетевого паритета с полупиковыми ценами на электроэнергию. Однако, выработка ВЭС носит вероятностный характер, а накопители энергии выгодны только при полусуточном технологическом цикле потребителей МГ. Оба ресурса, тем не менее, однозначно выгодны в пиковые часы и обладают значительным потенциалом для снижения себестоимости выработки, что сделает их конкурентными на протяжении большей части суток.
Малые ГЭС являются энергетической альтернативой для территорий, где рельеф способствует их развитию и одновременно затрудняет (или существенно удорожает) строительство линий электропередачи и крупных электростанций. В ином случае МГЭС являются конкурентными только в пиковые часы.
Солнечные фотоэлектрические станции остаются уделом энергодефицитных, а также удаленных и неразвитых по инженерной инфраструктуре территорий, где отсутствует как электроэнергетическая, так и топливная инфраструктура. Также СЭС могут строиться по каким-либо иным соображениям, в частности, экологическим или санитарным. Следует отметить, что использование СЭС вместе с накопителем энергии не настолько увеличивает исходно высокую цену на энергию от СЭС, сколько расширяет функционал СЭС в плане доступности энергии в ночное время.
Ценозависимое потребление и агрегация спроса являются самым неоднозначным источником энергетической гибкости - как ввиду существенной дифференциации цен на такие услуги, так и ввиду неопределенности количественной величины реального снижения
максимума мощности. Ценозависимое потребление обладает значительным потенциалом и требует вовлечения большего количества технологически гибких потребителей, для которых приостановка производства на несколько часов и его возобновление не влекут заметных издержек.
Выводы
1. Для решения оптимизационной задачи распределения нагрузки между источниками электроэнергии микро- и минигрид, включая централизованную сеть, целесообразно использовать ценовые характеристики для разнотипных источников электрической энергии, учитывающих капитальные и эксплуатационные затраты. Приоритет загрузки источников при этом определяется в соответствии с ростом цены на вырабатываемый кВтч, что сводится к решению задачи линейного программирования.
2. Описана методика получения ценовых характеристик для наиболее популярных источников энергии в составе МГ, таких как газовая генерация, ВИЭ, накопители электроэнергии и централизованная сеть. Практическое использование данных характеристик позволит оптимальным образом планировать загрузку разнотипных источников электрической энергии.
З.Описана методика получения ценовых характеристик для покупки энергии из централизованной сети и показано, что эти характеристики очень сильно зависят от часа суток, особенно при двухставочной системе оплаты услуг на передачу.
4. Описаны принципы формирования ценовых характеристик для топливной генерации, возобновляемых источников энергии, накопителей энергии и ценозависимого потребления и агрегации спроса.
5. Маневренные источники энергии при двухставочной системе позволяют получать наибольший экономический эффект за счет снижения пиков нагрузки в предполагаемые часы фиксации максимумов сетевой и сбытовой мощности.
Литература
1. Папков Б.В., Илюшин П.В., Куликов А.Л. Надёжность и эффективность современного электроснабжения // Нижний Новгород: Научно-издательский центр «21 век». 2021. 160 стр.
2. Grzanic M., Capuder T., Zhang N. et al. Prosumers as active market participants: A systematic review of evolution of opportunities, models and challenges // Renewable and Sustainable Energy Reviews. 2021. Vol. 154. pp. 1-8.
3. Чаусов И.С. Охота на энергетическую гибкость // Энергоэксперт. 2020. № 3 (75).
С. 4-8.
4. Antal C., Cioara T., Antal M., et al. Blockchain based decentralized local energy flexibility market // Energy Reports. 2021. Vol. 7. pp. 5269-5288.
5. T. Xing, Caijuan Q., Liang Z., et al. A comprehensive flexibility optimization strategy on power system with high-percentage renewable energy // Proceedings of the 2017 2nd International Conference on Power and Renewable Energy, ICPRE 2017. 2018. C. 553-558.
6. Jeong J., Shin H., Song H. A countermeasure for preventing flexibility deficit under high-level penetration of renewable energies: A robust optimization approach // Sustainability (Switzerland). 2018. V. 10(11). pp. 41-59.
7. Nobis M., Schmitt C., Schemm R., et al. Pan-European CVAR-constrained stochastic unit commitment in day-ahead and intraday electricity markets // Energies. 2020. V. 13(9). pp. 2339.
8. Cordova S., Rudnick H., Lorca A., et al. An Efficient Forecasting-Optimization Scheme for the Intraday Unit Commitment Process under Significant Wind and Solar Power // IEEE Transactions on Sustainable Energy. 2018. 9(4). pp. 1899-1909.
9. Юпатов Д.А., Аракелян Э.К. Общие подходы к формированию ценовых заявок для участия теплоэлектростанций на оптовом рынке электроэнергии // Вестник Московского энергетического института. Вестник МЭИ. 2019. № 5. С. 110-116.
10. Аракелян Э.К., Андрюшин С.В., Мезин Ф.Ф., и др. Оптимальное управление оперативными режимами оборудования крупных ТЭЦ со сложным составом генерирующего оборудования // Труды десятой международной конференции: Управление развитием крупномасштабных систем MLSD'2017 [Под общей редакцией С.Н. Васильева, А.Д. Цвиркуна] 2017. С. 323-329.
11. Паздерин А.В., Самойленко В.О., Мухлынин Н.Д. и др. Суточное планирование режима работы источников электрической энергии в составе микро- и минигрид // Вестник Казанского государственного энергетического университета. 2021. Т. 13. № 4 (52). С. 64-75.
12. Al-Sumaiti A.S., Kavousi-Fard A., Salama M., et al. Economic assessment of distributed generation technologies: A feasibility study and comparison with the literature // Energies. 2020. V. 13(11). pp. 27-34.
13. Серебряков Н.А. Исследование законов распределения случайных величин факторов, влияющих на почасовое электропотребление гарантирующего поставщика электроэнергии // В сборнике: Актуальные вопросы энергетики. Материалы Всероссийской научно-практической конференции с международным участием. Редколлегия: П.А. Батраков (отв. ред.) Омск. 2021. С. 183-187.
14. Фёдоров Я.П., Бурковский В.Л., Руцков А.Л. Повышение точности прогнозирования электропотребления субъектов ОРЭМ с использованием нечётких нейронных сетей // Энергетические системы. 2019. № 1. С. 176-182.
15. Бершадский И.А., Джура С.Г., Чурсинова А.А. / Использование искусственного интеллекта для прогнозирования электропотребления энергосбытовой компании // Научный вестник Новосибирского государственного технического университета. 2020. № 4 (80). С. 716.
16. Серебряков Н.А. Применение ансамбля глубоких нейронных сетей в задачах краткосрочного прогнозирования почасового электропотребления гарантирующего поставщика электроэнергии // Электротехнические системы и комплексы. 2021. № 2 (51). С. 52-60.
17. Серебряков Н.А. Применение адаптивного ансамблевого нейросетевого метода для краткосрочного прогнозирования электропотребления электротехнического комплекса районных электрических сетей // Омский научный вестник. 2021. № 1 (175). С. 39-45.
18. Dkhili N., Thil S., Eynard J., et al. Comparative study between Gaussian process regression and long short-term memory neural networks for intraday grid load forecasting // Proceedings of 2020 IEEE International Conference on Environment and Electrical Engineering and 2020 IEEE Industrial and Commercial Power Systems Europe, EEEIC / I and CPS Europe. 2020. pp. 1-5.
19. Золотова И.Ю., Дворкин В.В. Краткосрочное прогнозирование цен на российском оптовом рынке электроэнергии на основе нейронных сетей // Проблемы прогнозирования. 2017. № 6. С. 2-5.
20. Kath C., Ziel F. Conformal prediction interval estimation and applications to day-ahead and intraday power markets // International Journal of Forecasting. 2021. V. 37(2). pp. 777-799.
21. Афанасьев Д.О., Федорова Е.А. Краткосрочное прогнозирование цены электроэнергии на российском рынке с использованием класса моделей SCARX // Экономика и математические методы. 2019. Т. 55. № 1. С. 68-84.
22. Pandey V.C., Gupta N., Niazi K.R., et al. An adaptive demand response framework using price elasticity model in distribution networks // Electric Power Systems Research. 2021. V. 202. pp 0-7.
23. Vu D.H., Muttaqi K.M., Agalgaonkar A.P., et al. Customer reward-based demand response program to improve demand elasticity and minimise financial risk during price spikes // IET Generation, Transmission and Distribution // 2018. V. 12(15). pp. 3764-3771.
24. Решения комиссии по проведению отбора субъектов электроэнергетики оказывающих услуги по управлению спросом [Электронный ресурс] // Портал АО «СО ЕЭС» https://www.so-ups.ru/functioning/markets/markets-asm/markets-asm-com-dr/2021/ (дата обращения 28.12.2021).
25. Обзоры о функционировании механизма ценозависимого снижения потребления за 2021 год [Электронный ресурс] // Портал АО «СО ЕЭС» https://www.so-ups.ru/functioning/markets/dr/reviews/2021/ (дата обращения 28.12.2021).
26. Лебедев А.С. Энергетические газовые турбины в России: проекты и реальность // Рыбинск: ИД «Газотурбинные технологии». 2021. 240 стр.
27. Анализ рынка газопоршневых установок в России / Discovery Research Group // М: Изд-во «БизнесПресс». 2021. 105 стр.
28. Xue J., Ding J., Zhao L., et al. An option pricing model based on a renewable energy price index // Energy. Vol. 239. 2021. P. 117-122.
29. Huisman R., Koolen D., Stet C. Pricing forward contracts in power markets with variable renewable energy sources // Renewable Energy. 2021. Vol. 180. pp. 1260-1265.
30. Применение систем накопления энергии в России: возможности и барьеры / под ред. Д. Холкина // М.: Инфраструктурный центр Энерджинет. 2019 г. С. 1-158.
31. Mayyas A., Chadly, A., Amer S.T., et al. Economics of the Li-ion batteries and reversible fuel cells as energy storage systems when coupled with dynamic electricity pricing schemes // Energy. V. 239. 2021. pp 12-19.
32. Chatzinikolaou E.A., Rogers D.J. Comparison of Grid-Connected Battery Energy Storage System Designs // IEEE Transactions on Power Electronics. 2016. V. 32(9). pp. 69136923.
33. Bayborodina E., Negnevitsky M., Franklin E. Grid-Scale Battery Energy Storage Operation in Australian Electricity Spot and Contingency Reserve Markets // Energies. 2021. V. 14(23). pp.
34. Mongird K., Viswanathan V., Alam J., et al. 2020 Grid Energy Storage Technology Cost and Performance Assessment // Pacific Northwest National Laboratory. 2020. No. DOE/PA-0204. 117 ps.
Авторы публикации
Паздерин Андрей Владимирович - д.т.н., профессор, заведующий кафедрой Автоматизированных электрических систем, Уральский федеральный университет имени первого Президента России Б.Н. Ельцина». Email: a.v.pazderin@urfu.ru.
Самойленко Владислав Олегович - канд.техн.наук. Уральский федеральный университет имени первого Президента России Б.Н. Ельцина», доцент кафедры Автоматизированных электрических систем;. Email:v.o.samoylenko@urfu.ru.
Мухлынин Никита Дмитриевич - канд.техн.наук. доцент кафедры Автоматизированных электрических систем, Уральский федеральный университет имени первого Президента России Б.Н. Ельцина», Email: nd.mukhlynin@urfu.ru.
Крючков Павел Анатольевич - канд.техн.наук. руководитель группы, ООО «Прософт-Системы». Email: kruchkov@prosoftsystems.ru.
References
1. Papkov BV, Ilyushin PV, Kulikov AL. Nadyozhnost' i effektivnost' sovremennogo elektrosnabzheniya. Nizhnij Novgorod: Nauchno-izdatel'skij centr 21 vek". 2021. 160 str.
2. Grzanic M, Capuder T, Zhang N. et al. Prosumers as active market participants: A systematic review of evolution of opportunities, models and challenges. Renewable and Sustainable Energy Reviews. 202;154:1-8.
3. Chausov IS. Ohota na energeticheskuyu gibkost'. Energoekspert. 2020;3 (75):4-8.
4. Antal C, Cioara T, Antal M, et al. Blockchain based decentralized local energy flexibility market. Energy Reports. 2021;7:5269-5288.
5. T. Xing, Caijuan Q, Liang Z, et al. A comprehensive flexibility optimization strategy on power system with high-percentage renewable energy. Proceedings of the 2017 2nd International Conference on Power and Renewable Energy, ICPRE 2017. 2018. C. 553-558.
6. Jeong J, Shin H, Song H. A countermeasure for preventing flexibility deficit under highlevel penetration of renewable energies: A robust optimization approach. Sustainability (Switzerland). 2018;10(11):41-59.
7. Nobis M, Schmitt C, Schemm R, et al. Pan-European CVAR-constrained stochastic unit commitment in day-ahead and intraday electricity markets. Energies. 2020;13(9):23-39.
8. Cordova S, Rudnick H, Lorca A, et al. An Efficient Forecasting-Optimization Scheme for the Intraday Unit Commitment Process under Significant Wind and Solar Power. IEEE Transactions on Sustainable Energy. 2018;9(4):1899-1909.
9. Yupatov DA, Arakelyan EK. Obshchie podhody k formirovaniyu cenovyh zayavok dlya uchastiya teploelektrostancij na optovom rynke elektroenergii. Vestnik Moskovskogo energeticheskogo instituta. VestnikMEI. 2019;5:110-116.
10. Arakelyan EK, Andryushin SV, Mezin FF. Optimal'noe upravlenie operativnymi rezhimami oborudovaniya krupnyh TEC so slozhnym sostavom generiruyushchego oborudovaniy. Trudy desyatoj mezhdunarodnoj konferencii: Upravlenie razvitiem krupnomasshtabnyh sistem MLSD'2017. Pod obshchej redakciej S.N. Vasil'eva, A.D. Cvirkuna. 2017. pp. 323-329.
11. Pazderin AV, Samojlenko VO, Muhlynin ND, et al. Cutochnoe planirovanie rezhima raboty istochnikov elektricheskoj energii v sostave mikro- i minigrid. Vestnik Kazanskogo gosudarstvennogo energeticheskogo universiteta. 2021;13(4 (52):64-75.
12. Al-Sumaiti AS, Kavousi-Fard A, Salama M, et al. Economic assessment of distributed generation technologies: A feasibility study and comparison with the literature. Energies. 2020;13(11):27-34.
13. Serebryakov NA. Issledovanie zakonov raspredeleniya sluchajnyh velichin faktorov, vliyayushchih na pochasovoe elektropotreblenie garantiruyushchego postavshchika elektroenergii. V sbornike: Aktual'nye voprosy energetiki. Materialy Vserossijskoj nauchno-prakticheskoj konferencii s mezhdunarodnym uchastiem. Redkollegiya: P.A. Batrakov (otv. red.) Omsk. 2021. pp. 183-187.
14. Fyodorov YAP, Burkovskij VL, Ruckov AL. Povyshenie tochnosti prognozirovaniya elektropotrebleniya sub"ektov OREM s ispol'zovaniem nechyotkih nejronnyh setej. Energeticheskie sistemy. 2019;1:176-182.
15. Bershadskij IA, Dzhura SG, CHursinova AA. Ispol'zovanie iskusstvennogo intellekta dlya prognozirovaniya elektropotrebleniya energosbytovoj kompanii. Nauchnyj vestnik Novosibirskogo gosudarstvennogo tekhnicheskogo universiteta. 2020;4 (80):7-16.
16. Serebryakov NA. Primenenie ansamblya glubokih nejronnyh setej v zadachah kratkosrochnogo prognozirovaniya pochasovogo elektropotrebleniya garantiruyushchego postavshchika elektroenergii. Elektrotekhnicheskie sistemy i kompleksy. 2021;2 (51):52-60.
17. Serebryakov NA. Primenenie adaptivnogo ansamblevogo nejrosetevogo metoda dlya kratkosrochnogo prognozirovaniya elektropotrebleniya elektrotekhnicheskogo kompleksa rajonnyh elektricheskih setej. Omskij nauchnyj vestnik. 2021;1(175):39-45.
18. Dkhili N, Thil S, Eynard J, et al. Comparative study between Gaussian process regression and long short-term memory neural networks for intraday grid load forecasting. Proceedings of 2020 IEEE International Conference on Environment and Electrical Engineering and 2020 IEEE Industrial and Commercial Power Systems Europe, EEEIC / I and CPS Europe. 2020. pp. 1-5.
19. Zolotova IYU, Dvorkin VV. Kratkosrochnoe prognozirovanie cen na rossijskom optovom rynke elektroenergii na osnove nejronnyh setej. Problemyprognozirovaniya. 2017;6:2-5.
20. Kath C, Ziel F. Conformal prediction interval estimation and applications to day-ahead and intraday power markets. International Journal of Forecasting. 2021;37(2):777-799.
21. Afanas'ev DO, Fedorova EA. Kratkosrochnoe prognozirovanie ceny elektroenergii na rossijskom rynke s ispol'zovaniem klassa modelej SCARX. Ekonomika i matematicheskie metody. 2019;55(1):68-84.
22. Pandey VC, Gupta N, Niazi KR, et al. An adaptive demand response framework using price elasticity model in distribution networks. Electric Power Systems Research. 2021;202:0-7.
23. Vu DH, Muttaqi KM, Agalgaonkar AP, et al. Customer reward-based demand response program to improve demand elasticity and minimise financial risk during price spikes. IET Generation, Transmission and Distribution. 2018;12(15):3764-3771.
24. Resheniya komissii po provedeniyu otbora sub"ektov elektroenergetiki okazyvayushchih uslugi po upravleniyu sprosom [Elektronnyj resurs]. Portal AO «SO EES» https://www.so-ups.ru/functioning/markets/markets-asm/markets-asm-com-dr/2021/ Accessed to: 28.12.2021.
25. Obzory o funkcionirovanii mekhanizma cenozavisimogo snizheniya potrebleniya za 2021 god [Elektronnyj resurs]. Portal AO «SO EES» https://www.so-ups.ru/functioning/markets/dr/reviews/2021/ Accessed to: 28.12.2021.
26. Lebedev A.S. Energeticheskie gazovye turbiny v Rossii: proekty i real'nost'. Rybinsk: ID «Gazoturbinnye tekhnologii». 2021. P. 240
27. Analiz rynka gazoporshnevyh ustanovok v Rossii. Discovery Research Group. M: Izd-vo «BiznesPress». 2021. P.105
28. Xue J, Ding J, Zhao L, et al. An option pricing model based on a renewable energy price index. Energy. 2021; 239:117-122.
29. Huisman R, Koolen D, Stet C. Pricing forward contracts in power markets with variable renewable energy sources. Renewable Energy. 202;180:1260-1265.
30. Primenenie sistem nakopleniya energii v Rossii: vozmozhnosti i bar'ery / pod red. D. Holkina // M.: Infrastrukturnyj centr Enerdzhinet. 2019. pp. 1-158.
31. Mayyas A., Chadly, A., Amer S.T., et al. Economics of the Li-ion batteries and reversible fuel cells as energy storage systems when coupled with dynamic electricity pricing schemes. Energy. 2021;239:12-19.
32. Chatzinikolaou EA, Rogers DJ. Comparison of Grid-Connected Battery Energy Storage System Designs. IEEE Transactions on Power Electronics. 2016;32(9):6913-6923.
33. Bayborodina E, Negnevitsky M, Franklin E. Grid-Scale Battery Energy Storage Operation in Australian Electricity Spot and Contingency Reserve Markets. Energies. 2021;14(23).
34. Mongird K, Viswanathan V, Alam J, et al. 2020 Grid Energy Storage Technology Cost and Performance Assessment. Pacific Northwest National Laboratory. 2020. DOE/PA-0204. 117 ps.
Authors of the publication
Andrey V. Pazderin - Ural Federal University, Russia. E-mail: a.v.pazderin@urfu.ru. Vladislav O. Samoylenka - Ural Federal University, Russia. E-mail: v.o.samoylenko@urfu.ru. Nikita D. Mukhlynin - Ural Federal University, Russia. E-mail: nd.mukhlynin@urfu.ru. Pavel A. Kryuchkov - ProsoftSystems, Russia. E-mail: kruchkov@prosoftsystems.ru.
Получено 11.03.2022г.
Отредактировано 15.03.2022г.
Принято 21.03.2022г.