ИССЛЕДОВАНИЕ МЕТОДОВ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ ЭНЕРГОСИСТЕМОЙ И РАЗРАБОТКА МЕТОДА ОБЕСПЕЧЕНИЯ ЭНЕРГОБАЛАНСА СЕТИ

RESEARCH METHODS OF AUTOMATIC CONTROL SMART GRIDS AND DEVELOPMENT OF THE METHOD SUPPORT OF POWER GRID'S ENERGY BALANCE

Viktor Shevchenko

junior Researcher Research Institute for Robotics and Process Control Southern Federal University,

Russia, Taganrog

АННОТАЦИЯ

В статье рассмотрены основные подходы и методы автоматического управления интеллектуальной энергосистемой применяемые и разрабатываемые на данный момент. В ходе обзора выявлены некоторые положения представленных концепций управления, изменение подхода к которым приведет к более эффективному распределению энергетических мощностей внутри системы. Одним из таких подходов является метод обеспечения энергетического баланса сети и её сегментов, включающий в себя алгоритмы автоматического распределения и перераспределения энергетических мощностей. В работе предложен метод управления интеллектуальной энергосистемой, направленный на обеспечение энергетического баланса сети.

ABSTRACT

The article describes the main approaches and methods of automatic control of the intelligent energy system used and developed at the moment. The review identified some provisions of the presented management concepts, a change of attitude which will lead to a more efficient allocation of energy capacity within the system. One of such approaches is the method of ensuring the energy balance of the network and its segments, which includes algorithms for automatic allocation and reallocation of generating capacity. This paper proposes a method of management of intelligent power grid, aimed at ensuring the energy balance of the network.

Ключевые слова: система управления, энергосистема, распределение мощностей, интеллектуальная энергосеть, генератор.

Keywords: control system, power grid, power distribution, smart grid, generator.

Введение.

В настоящее время происходит постоянное повышение требований к надежности энергосистемы, энергетической эффективности её функционирования, а также, к качеству электроэнергии, поставляемой потребителю, что связанно с планомерным увеличением элементной базы сетей, повышением генерируемых и потребляемых мощностей, задачей обеспечения бесперебойности поставок электроэнергии. Одним из актуальных направлений повышения качества функционирования энергосистемы является создание интеллектуальных энергетических сетей, расширяющих возможности применения автоматических систем управления в процессах генерации, распределения и потребления электроэнергии. В связи с этим, является актуальной задача разработки энергоэффективных автоматических методов и алгоритмов управления и внедрения их в практику, что позволит контролировать и повышать качество функционирования и надежность сетей, а также, позволит уйти от человеческого фактора в процессе диспетчерского управления.

Обзор методов управления интеллектуальной энергосистемой.

В настоящее время возможно выделить четыре основные концепции управления интеллектуальной энергосистемой: многоагентные системы, системы основанные на нечеткой логике, микросети, системы управления спросом.

Многоагентная система управления [1–6; 10–14; 16; 17] основаны на принципе присвоения каждому компоненту сети собственного агента. Использование многоагентной системы должно уменьшить вычислительную нагрузку, повысить оперативность выполнения стандартных задач агента, скорость общения между ними и скорость принятия инициативных решений [1]. В энергосистеме выделяют следующие классы компонентов: генерация, потребление, хранилище и узел. Для управления выделяются следующие базовые типы агентов: производитель, потребитель и наблюдатель. Каждому классифицированному элементу энергосистемы может быть присвоен соответствующий агент или комбинация агентов [2]. Ключевой особенностью многоагентной системы является способность агентов взаимодействовать между собой, для чего определяются правила общения. В качестве такого правила предлагается использовать целевую функцию минимизации затрат [2; 5], максимизации прибыли от произведенной энергии [4; 6] или задача обеспечения спроса в рамках максимума произведенной энергии [12; 13]. В зависимости от используемой целевой функции и рассматриваемой структуры сети типы агентов могут изменяться и дополняться, например, агентами возобновляемых источников энергии, агентами систем хранения энергии, агентами микросетей, агентами координации распределения энергии, агентами базы данных и остальными административными агентами [12]. Алгоритмы функционирования самих агентов предлагается строить по принципам нечеткой логике или нейронных сетей [4].

В работах [10; 11; 14] рассматривается управление энергосетью по принципам нечеткой логики. Предлагается рассматривать три параметра – мощность, необходимая потребителю, цена энергии и удаленность от источника энергии. Вводятся нечеткие критерии по параметрам – низкий, средний и высокий, и задаются для критериев четкие рамки.

Для решения задачи управления энергосетью вводится база правил, которая регламентирует действие системы, например, если мощность низкая, количество потребителей высокое, то уровень низкий. Уровень вычисляется по функции принадлежности, и, исходя из базы правил, применяется одно из решений.

В работах [1; 15; 17] рассматривается система управления базовым элементом управления для которой является микросеть. В общем случае микросеть может объединять небольшие местные электрические, тепловые, газопроводные и другие сети, которые имеют общее управление. В чисто электрической микросети под общим управлением объединяется некоторое количество источников электроэнергии малой мощности и микроисточников, разного типа накопителей электроэнергии, а также все потребители энергии, подключенные к данной микросети. В такой микросети могут быть использованы источники разного типа: электростанции на основе только ВИЭ, топливные элементы, традиционные электростанции или их различные комбинации. Соотношение мощностей электростанций всех типов оптимизируется с целью получения максимально возможной экономической и технической эффективности – максимального использования местных ВИЭ и альтернативных энергоресурсов, минимизации цены электроэнергии и максимизации надежности ее поставки потребителю.

Существует много вариантов микросетей. Они могут работать автономно или быть соединены с электросетью энергосистемы (ЭС). Инновации в энергетике, электронике, в технологиях управления, информатики и связи создают благоприятные условия для развития и совершенствования микросетей, их оптимального управления с поддержанием стандартных и стабильных параметров электроэнергии не смотря на интеграцию источников нестабильной мощности, таких как ветряные (ВЭ) и солнечные электростанции (СЭ). Система управления микросетей в основном имеет целевую функцию, отражающую экономический эффект [7].

В ряде работ зарубежных авторов [8; 9; 15] рассматривается вопрос управления спросом на стороне потребителя. В работах предлагаются методики расчета требуемой мощности для потребителя с точки зрения экономической выгоды. Разрабатываются методики позволяющие понизить стоимость потребляемой энергии в зависимости от плавающей тарификации стоимости электроэнергии. Предполагается, что в часы пиковых нагрузок стоимость электроэнергии должна повышаться для избежания перегрузки существующих источников энергии, что призвано позволить обходится существующими энергетическими мощностями, без необходимости введения новых источников энергии. Снижение нагрузки может происходить несколькими способами: может производиться расчет предварительной почасовой тарификации на сутки вперед, исходя из чего потребитель решает задачу минимизации финансовых затрат своими силами, такими как использование собственных генерирующих источников или систем аккумуляции электроэнергии, заряжающиеся в часы с наиболее низкими тарифами. Может использоваться система оповещения потребителя о перерасчете тарифов на предстоящий отрезок времени, исходя из чего, потребитель может принять решение снизить энергопотребление доступным ему способом. Следует отметить, что такие системы не являются полностью обособленным классом систем управления, а скорее используются для формирования целевых функций в остальных методах управления.

Все рассмотренные концепции управления недостаточно сформированы, что не позволяет с точностью сказать о эффективности предлагаемых методов и алгоритмов. Также задачи базового закона управления и целевые функции направлены на обеспечение экономической выгоды производителя, потребителя, либо возможность обойтись существующими энергетическими мощностями. Обеспечение экономической выгоды в этом случае должно являться достаточным критерием для обеспечения энергоэффективности сети, что не всегда является верным. Также, за базовое правило принято суждение, что энергосеть самодостаточно и энергетических мощностей всегда достаточно для обеспечения потребителей, что также не всегда является таковым. В связи с этим, задача разработки системы управления направленной на автономное и автоматическое распределение энергетических мощностей является актуальной. Такая система должна иметь целевую функцию, направленную на достаточное и бесперебойное питание потребителей электроэнергии. Для работоспособности системы, она должна решать задачи производства электроэнергии надлежащего качества, уменьшение потерь энергии, обеспечение надежности работы всех локальных элементов энергосети, что повысит качество работы, энергоэффективность и безопасность интеллектуальной сети.

Метод обеспечения энергобаланса сети

Одним из базовых методов, который задает целевую функцию управления, направленную на повышение надежности и бесперебойности функционирования энергосистемы, является метод обеспечения энергобаланса сети, который в автоматическом режиме распределяет электроэнергию в структуре сети «многие-ко-многим» (рисунок 1). Такая структура описывает существующий метод подключения потребителей к источникам энергии, когда один потребитель получает энергию от нескольких источников, и один источник питает несколько потребителей.

Система управления обеспечивает энергобаланс на двух уровнях. На первом уровне происходит сегментация сети по принципам территориальной близости и энергетической самодостаточности. Таким образом, перетоки мощности между сегментами в нормальном режиме функционирования не происходят. В нештатных ситуациях, когда мощности в каком-то из сегментов недостаточно, происходит перераспределение энергетических мощностей за счет генерирующих источников, находящихся на стыке сегментов. Общий алгоритм сохранения баланса энергосети на уровне сегментов можно представить в следующем виде:

(1)

где:  – мощность генератора, находящегося на стыке сегментов, передаваемая в n-ый сегмент, n – номер сегмента, i – номер потребителя, j – номер генератора, max – индекс, отражающий предельное значение генерируемой мощности j-ым генератором,  – нагрузка, отключаемая в случае нехватки резервов мощности.

Рисунок 1. Структура сети и её сегментация

На втором уровне обеспечения энергетического баланса система производит расчет необходимых значений генерируемой мощности для каждого источника энергии внутри сегмента. В матричной форме модель энергобаланса представляется в следующем виде:

,                                                                (2)

Решая систему уравнений (2) относительно мощности генератора S_g получим матрицу мощностей генераторов, необходимых для обеспечения спроса потребителя. В частном случае, когда количество потребителей равно количеству генераторов, решение будет выглядеть следующим образом:

                                                     (3)

В общем же случае, для решения этой задачи, необходимо рассматривать псевдо обратную матрицу α⁺, таким образом, обеспечивается решение задачи наилучшей аппроксимации по методу наименьших квадратов с предельным вариантом регуляризации.

                                                 (4)

Решение системы уравнений (4) дает требуемые мощности для каждого генератора сети.

Вывод

В работе представлен метод обеспечения энергетического баланса, который задает целевую функцию для системы управления интеллектуальной энергосетью. Применение этого метода позволит повысить эффективность рассмотренных концепций систем управления за счет повышения бесперебойности поставок электроэнергии и общей надежности энергосистемы, которая достигается при перераспределении генерируемой мощности в автоматическом режиме.

Работа выполнена в Южном федеральном университете при поддержке ЮФУ грант 213.01-07/2014-01 ПЧВГ, РФФИ № 16-08-00013 А, Министерства образования и науки РФ, НИР по государственному заданию ВУЗам и научным организациям в сфере научной деятельности (№ 114041540005).

Список литературы:

1. Адомавичюс В.Б., Харченко В.В. Микросеть с ветроэлектростанциями для энергообеспечения местных потребителей // Труды международной научно-технической конференции Энергообеспечение и энергосбережение в сельском хозяйстве. 2010. Т. 4. С. 209–214.
2. Косенко Е.Ю., Номерчук А.Я., Шаповалов И.О. Интеллектуальное управление в распределенных неоднородных энергетических системах // Известия Южного федерального университета. Технические науки, № 1(150), 2014, С. 63–69.
3. Кубарьков Ю.П., Рыгалов А.Ю., Макаров Я.В., Карпов А.С. Балансовый расчет сети с использованием мультиагентной системы // Труды Кольского научного центра РАН, № 4 (17), 2013, С. 108–112.
4. Кулик В.В., Магас Т.Е., Малогулко Ю.В. оптимальное управление рассредоточенными источниками электроэнергии с асинхронными генераторами средствами smart grid// Наукові праці ВНТУ, 2011, № 4.
5. Май Нгок Тханг, Камаев В.А., Тхай Куанг Винь, Щербаков М.В., Ха Ван Муон Управление гибридной энергосистемой на основе правил // Известия Волгоградского государственного технического университета, Выпуск № 22 (125) / том 18 / 2013.
6. Нікіторович О.В. Оптимізація функціонування каскадів малих ГЕС з застосуванням засобів автоматичного керування / Лежнюк П.Д., Кулик В.В., Нікіторович О.В. // Наукові праці Донецького національного технічного університету. Серія: «Електротехніка і енергетика», випуск 8 (140). – 2008. – С. 171–174.
7. Рожкова С.А., Белов В.Ф., Буткина А.А. Построение оптимального графика потребления электрической энергии в микросетях // Optimization. – Т. 3. – С. 4.
8. Alireza Zakariazadeha, Shahram Jadida, Pierluigi Siano Stochastic operational scheduling of smart distribution system considering wind generation and demand response programs // Electrical Power and Energy Systems, № 63, 2014, Р. 218–225.
9. Cajsa Bartuscha, Karin Alvehag Further exploring the potential of residential demand response programs in electricity distribution// Applied Energy, № 125, 2014, Р. 39–59.
10. Lee S.H., Lee S.J., Moon K.I. Smart Grid Knowledge Representation and Reasoning Based on Adaptive Neuro-Fuzzy Inference System // International Journal of Software Engineering & Its Applications. – 2014. – Т. 8. – № 2.
11. Lee S.H., Lee S.J., Moon K.I. Adaptive Neural Fuzzy Reasoning Model for Smart Grid. – 2013.
12. Logenthiran T., Srinivasan D. Multi-agent system for market based microgrid operation in smart grid environment // Dept. of Elec. & Comp. Science, National University of Singapore. – 2011.
13. López M.A. et al. Demand-side management in smart grid operation considering electric vehicles load shifting and vehicle-to-grid support // International Journal of Electrical Power & Energy Systems. – 2015. – Т. 64. – С. 689–698.
14. Muhammad Niamul Baqui Fuzzy decision model for a smart grid. – 2012.
15. Salman Kahrobaeea, Rasheed A. Rajabzadehb, Leen-Kiat Sohb, Sohrab Asgarpoor Multiagent study of smart grid customers with neighborhood electricity trading // Electric Power Systems Research, № 111, 2014, Р. 123–132.
16. Sechilariu M., Wang B.C., Locment F. Supervision control for optimal energy cost management in DC microgrid: Design and simulation // International Journal of Electrical Power & Energy Systems. – 2014. – Т. 58. – С. 140–149.
17. Zakariazadeh A., Jadid S., Siano P. Smart microgrid energy and reserve scheduling with demand response using stochastic optimization // International Journal of Electrical Power & Energy Systems. – 2014. – Т. 63. – С. 523–533.