Rozwój odnawialnych i rozproszonych źródeł energii oraz wzrost świadomości ekologicznej społeczeństwa w zakresie zaspokajania potrzeb energetycznych skutkuje notowanym w ciągu ostatnich kilkunastu lat ciągłym wzrostem liczby powstających mikrosieci i instalacji prosumenckich. Są to swego rodzaju mikrosystemy energetyczne posiadające źródła i odbiorniki oraz coraz częściej magazyny energii. Aby w pełni wykorzystać efekt synergii, jaki dają takie systemy, należy właściwie zarządzać poszczególnymi jego elementami w czasie pracy.
Podstawowym warunkiem skutecznego zarządzania jest posiadanie precyzyjnych prognoz produkcji i zapotrzebowania na energię (podobnie jak ma to miejsce w przypadku wielkich systemów energetycznych). Prognozy produkcji energii są najistotniejsze w przypadku odnawialnych źródeł energii charakteryzujących się bardzo dużym wpływem warunków atmosferycznych. Istotne mogą być również prognozy pracy innych źródeł, na przykład pracujących w skojarzeniu. Ważne jest także określanie zapotrzebowania na energię wszystkich odbiorników, których zapotrzebowanie nie może być na bieżąco kształtowane (odbiorników niesterowalnych). Na podstawie prognoz można przeprowadzać optymalizację pracy poszczególnych składników mikrosystemu energetycznego w czasie, tak by uzyskać pożądany efekt. Efektem tym, w zależności od potrzeb przedsiębiorstwa, może być na przykład zmniejszenie kosztów użytkowania energii elektrycznej, dotrzymanie określonych mocy szczytowych lub maksymalizacja wykorzystania własnego źródła energii, pracującego w skojarzeniu. Cel ten powinien zostać określony w ramach wstępnego audytu energetycznego przedsiębiorstwa. Optymalizacja daje odpowiedź na pytanie, jak powinny pracować poszczególne urządzenia, by osiągnąć ten cel. Należy przy tym wskazać, że można optymalizować przyszłe scenariusze pracy (np. do kliku dni naprzód), a także optymalizować pracę mikrosystemu nadążnie. Dzięki temu możliwe jest, do pewnego stopnia, połączenie optymalizacji energetycznej z optymalizacją procesów technologicznych prowadzonych w przedsiębiorstwie, szczególnie gdy rozważamy układanie planów pracy na kilka dni naprzód.
Możliwości wsparcia pracy mikrosieci
Prognozowanie zapotrzebowania i produkcji energii elektrycznej w zależności od rozważanego obiektu mają różne formy wynikające z jego charakteru. Przy prognozowaniu zapotrzebowania na energię wykorzystuje się: dane procesu technologicznego, dane meteorologiczne i różnorodne dane pomiarowe. Natomiast prognozowanie produkcji energii z OZE wymaga w zasadniczej mierze danych meteorologicznych, które mogą być pozyskane z darmowych serwisów dostępnych w internecie. Użycie darmowych prognoz jest istotne ze względu na stosunkowo duże koszty dokładnych danych prognostycznych przygotowywanych dla konkretnych lokalizacji. W prognozowaniu produkcji energii stosuje się modele fizyczne bazujące na technicznych charakterystykach źródeł oraz metody statystyczne i metody sztucznej inteligencji. Te ostatnie wymagają stosunkowo długiej historii pracy źródeł oraz prognoz pogody, aby dać zadawalająco dokładne przewidywania. Z kolei optymalizacja pracy poszczególnych elementów mikrosystemu energetycznego w horyzoncie kilkudniowym odbywa się z wykorzystaniem algorytmu rojowego* (Particle Swarm Optimization – PSO*). Pozwala on na wyznaczenie optymalnego harmonogramu pracy urządzeń w zakresie określonym przez użytkownika systemu. Użytkownik planuje pracę urządzeń, podając w jakich godzinach urządzenie powinno być uruchomione, przez jaki czas oraz z jakimi ustawieniami (np. mocą czy obrotami). Na podstawie ułożonego harmonogramu system opracowuje także szereg podpowiedzi, które użytkownik może wziąć pod uwagę w aspekcie korzystania z odbiorów niesterowanych przez system.
Narzędzia MGrid
Projekt MGrid został realizowany przez Globemę w ramach Programu Operacyjnego Innowacyjna Gospodarka, Priorytet 1. Badania i rozwój nowoczesnych technologii, prowadzonego przez Narodowe Centrum Badań i Rozwoju. Jego celem było umożliwienie zwiększenia niezawodności dostaw energii elektrycznej poprzez zastosowanie systemu wspomagania sterowania pracą mikrosieci oraz podniesienie efektywność wykorzystania zasobów pierwotnych dzięki umiejscowieniu źródeł w pobliżu odbiorów.
Architektura opracowanego rozwiązania jest złożona z dwóch elementów – modułów pomiarowo-sterujących oraz serwera z zainstalowanym systemem. Moduły pozwalają na dokonywanie pomiarów oraz sterowanie urządzeniami. Urządzenia pomiarowo-sterujące są umieszczane przy liczniku granicznym, źródłach odnawialnych oraz przy odbiorach sterowalnych o znaczącym zużyciu energii. Za ich pomocą odbywa się monitorowanie pracy urządzeń, kontrola zużycia energii oraz sterowanie urządzeniami. Jako medium komunikacji wykorzystywana jest sieć WiFi udostępniona przez punkty dostępowe. W zależności od potrzeb serwer może być zainstalowany lokalnie lub w chmurze.
MGrid pozwala na monitorowanie bieżącej sytuacji, sterowanie urządzeniami oraz układanie optymalnych grafików pracy odbiorów (na podstawie prognoz produkcji, zapotrzebowania oraz planu pracy określonego przez użytkownika). Ekran raportów pozwala na analizę danych o wykorzystaniu energii w mikrosieci. System umożliwia poprawę wykorzystania energii ze źródeł odnawialnych poprzez automatyczne sterowanie odbiorami energii oraz zestaw podpowiedzi dotyczących ich użytkowania. System MGrid jest adresowany zarówno do prosumentów, jak i firm posiadających odnawialne źródła energii, które chciałyby poprawić efektywność wykorzystania energii odnawialnej oraz przyspieszyć zwrot z inwestycji w OZE. Możliwość bieżącej kontroli zużycia energii oraz ręcznego lub automatycznego sterowania odbiorami o dużym zapotrzebowaniu może istotnie wpłynąć na realizację obydwu tych celów. Pewną trudnością we wdrożeniu systemu jest konieczność instalacji modułów pomiarowo-sterujących i zapewnienie komunikacji z nimi. Przy rozlokowaniu urządzeń na większym obszarze, np. na terenie gospodarstwa rolnego, należy liczyć się z dodatkowymi kosztami transmisji danych.
W wyniku wdrożenia systemu prosumenci mogą uzyskać następujące korzyści:
- poprawa niezawodności zasilania
- optymalne wykorzystanie własnych zasobów energetycznych
- ograniczenie kosztów korzystania z energii elektrycznej
- polepszenie wskaźnika zwrotu z inwestycji w źródła odnawialne
- zdalną kontrolę nad własnymi urządzeniami
- sterowanie pracą urządzeń według ustalonego, optymalnego harmonogramu.
Perspektywy
Dalsze prace nad rozwojem systemu i optymalizacją pracy mikrosieci skupione są wokół optymalnego wykorzystania magazynów energii oraz lokalnych pomiarów pogody z ich wykorzystaniem w prognozowaniu, a także na umożliwieniu pracy mikrosieci w reżimie off-grid. Pozwoli to na lepsze wykorzystanie energii oraz podniesienie bezpieczeństwa ciągłości procesów w sytuacjach utraty zasilania z sieci. Spodziewany rozwój mikroklastrów energetycznych oraz spółdzielni energetycznych może być impulsem do rozwoju tej klasy rozwiązań wspierających lokalny rozwój energetyki i podnoszących efektywność energetyczną całego systemu.
—
* Algorytm rojowy / algorytm stada – optymalizacja rojem cząstek. Technika, która daje grupie obiektów realistyczne zbiorowe zachowanie, podobne do stada ptaków, ławicy ryb albo roju pszczół. Został wymyślony przez Craiga Reynoldsa, który po raz pierwszy przedstawił go światu w roku 1987 na konferencji SIGGRAPH. Zauważył on, że łącząc kilka względnie prostych reguł można symulować bardzo skomplikowane, realistycznie wyglądające zachowania stadne. źrodło: Wikipedia
