میزان اثر خصوصیات واحدهای تولید پراکنده DG در تنظیم تقاضای بازار

به گزارش "برق نيوز" برای تکنولوژی های تولید برق ثابت یا کنترل پذیر نظیر نیروگاه برق آبی( با محدودیت های خاص) و CHPها پاسخ به شرایط اصلی بازار برق نسبتا ساده است زیرا نیاز به یک یا دو مورد از موارد زیر دارد:

· تعیین الگوی تولید تکنولوژی های مستقل یا منحصر به فرد. در این مورد باید تنظیم اولویت برای مصرف محلی یا منطقه ای بارهای مورد نیاز که توسط این ژنراتورها تامین می شوند را لحاظ کرده و لذا باید هر تطبیق مورد نیازی را در برنامه بهره برداری ایجاد کرد تا اول این بارهای محلی تامین گردند. الگوهای تولید حاصله را با هم جمع کرده تا الگوی نهایی تولید را ایجاد کند. برای انتخاب هر بازار پروفیل نهایی را تعیین کنید. میزان انرژی تولیدی با موارد زیر متناسب است:

خرید و فروش مستقیم انرژی در مدل مزایده بازار روزانه (Day Ahead) یا تجارت OTC و یا تامین خدمات تعادلی توان در بازار.

· برنامه بهره برداری را بهینه سازی کرده تا برای تکمیل الگوهای مختلف هر واحد تولید پراکنده تولیدی که الگوهای خاصی از بار محلی را تامین می کند مشخصات توان خروجی( تولیدی) را با توجه به موارد مختلف بازار تنظیم نماید.

بنابراین جهت بهینه سازی الگوی نهایی تولید، تجهیزات ذخیره سازی و منابع پشتیبان ضروری است. زمانی که نیروگاه های بادی(واحد بادی) و فتو ولتائیک PV به عنوان دسته ای از واحدهای نیروگاهی یا بصورت ترکیبی با هم به عنوان یک روش تولیدی ثابت و کنترل پذیر کار میکنند وظیفه الگوهای ترکیبی از انواع مختلف واحدها پیچیده تر خواهد شد. دلیل آن ویژگی های خاص واحدهای بادی وفتولتائیک به علت وابستگی آنها به خطای پیش بینی آب و هواست که منجر به میزان توان تولید شده متغیر ویا گسسته(منقطع) میشود که ممکن است باعث عدم تعادل توان کل تولیدی گردد.

بنابراین روند مشارکت انواع مختلف ترکیب های تولید پراکنده DG با بازار برق به علت افزایش میزان عملیات، پیچیده و زمان برتر خواهد شد. این به معنی آن است که به منظور پوشش عدم تعادل تولید که ناشی از اختلاف تولید واحدهای بادی و خورشیدی است،ضروری است که الگوی تولید واحدهای ثابت کنترل پذیر را هم با پروفیل تقاضای بار محلی و هم با پروفیل تولید نیروگاه بادی و خورشیدی با توجه به بهره برداری از منابع ذخیره ساز و یا پشتیبان انرژی تنظیم کنیم.

نمونه تعداد و ترتیب عملیات مورد نیاز برای تنظیم روند تولید در قواعد و ملزومات بازار یک متد هوشمند مدیریتی (Imm) را ارائه میکند که بر پایه تجارب نویسندگان مقاله حاضر تولید شده است.

یک روند متد هوشمند مدیریتی (Imm) برای تعادل مستقل شامل گام های زیر است:

a. تعیین پروفیل بار محلی یا پروفیل منطقه بزرگتری که نیاز به تامین بار از طرف واحدهای DG دارد.

b. تعیین پروفیل تولید واحدهای بادی و خورشیدی با توجه به شرایط آب و هوایی.

c. تنظیم برنامه واحدهای ثابت/کنترل پذیر CHP ها و واحدهای آبی یا الگوی تقاضای ترکیب شده یا الگوی تولید واحدهای بادی و خورشیدی.

d. تعیین میزان ذخیره لازم برای جبران عدم تعادل ناشی از فقدان تولید واحدهای بادی و خورشیدی.

e. با توجه به نتایج به دست آمده از ج و د، تعیین و برنامه ریزی میزان تولید نهایی موجود در بازار.

اگر متد هوشمند مدیریتی (Imm) نیاز باشد به طور مستقیم در بازار شرکت کند شامل مراحل زیراست:

a. تعیین پروفیل تولید نیروگاه بادی و خورشیدی با توجه به شرایط آب و هوایی

b. تنظیم برنامه تولیدی واحدهای ثابت و قابل کنترل CHPها و واحد های آبی با پروفیل تولید واحدهای خورشیدی و بادی.

c. با توجه به نتایج مرحله b تعیین ممکن ترین انتخاب بازار

d. تعیین میزان ذخیره گرمایی مورد نیاز برای واحدهای CHP در مواردی که توان و گرما جداگانه تحویل می شود.

e. تعیین و برنامه ریزی میزان توان تولیدی موجود برای بازار با توجه به نتایج گام d .

میزان توان تولیدی قابل خرید و فروش می تواند از طریق نتایج محاسبات مربوط به معادله تعادل انرژی برای یک ترکیب خاص تولید بدست آید.

1- معیارهای افزایش شانس انواع DG برای شرکت در بازار

A. افزایش تعداد واحدها:

یکی از روش های ممکن برای افزایش شانس شرکت در بازار برای واحدهای DG افزایش تعدادآنها است.

مرجع2 عنوان می کند که ترکیب تعداد زیادی توربین بادی توان تولیدی یکنواخت تری در مقایسه با یک واحد منفرد تحویل میدهد. نویسندگان مقالات در مورد تفاوت در توان تولیدی به صورت درصدی از توان متوسط برای یک توربین بادی و همچنین برای 2، 3 یا 4 توربین بحث می کنند.

نتایج بدست آمده نشان می دهد که زمانی که تعداد واحدها از 0 تا 4 افزایش می یابد میزان اختلاف از 7 الی 2 درصد کاهش پیدا می کند.

B. توزیع تعداد زیادی واحد در منطقه بزرگتر:

درستی پیش بینی آب و هوا و پیش بینی میزان تولید واحدهای تجدید پذیر (مخصوص بادی و خورشیدی) با افزایش میزان واحد ها در یک منطقه به طور مشخص تغییر می کند.این توجیه دقت پیش بینی را در این موارد افزایش می دهد:

· معادل سازی اختلافات برای مناطق مختلفی که با یکدیگر مجتمع(هم بسته)نیستند.

· جمع خطاهای سیستم های مختلف شامل المان های خطای غیر همبسته در مدل های پیش بینی، خطاهای منفرد را به صورت گسسته با هم تراز می کند.

همچنین بیان شد که با افزایش فاصله همبستگی خطاهای پیش بینی منفرد (انفرادی )کاهش می یابد.

شکل 1 همبستگی خطاهای پیش بینی برای دو منطقه در آلمان را به عنوان تابعی ازفاصله و ساعت پیش بینی نمایش میدهد. دیده می شود که با افزایش فاصله و کاهش افق پیش بینی میزان ارتباط هم بطور واضحی کاهش می یابد.

شکل 1 – ضریب همبستگی(ارتباط) خطاهای پیش بینی باد دو منطقه در آلمان

هم سطح سازی خطاهای پیش بینی انفرادی برای تعدادی که در کنار یکدیگر مستقر شده اند به علت شرایط آب و هوایی نسبتا کوچک است برای چنین سیستم هایی که یک میزان همبستگی زیادی با یکدیگر دارند. (شکل 1)تحلیل دو منحنی برای 6 و 12 ساعت نشان می دهد که بهبود میزان ضرایب ارتباطی (همبستگی) نسبی از شروع فاصله بین دو مکان در یک محدوده 12 کیلومتری اتفاق می افتد در حالی که ضرایب ارتباط از 9. به 6. کاهش می یابد. برای دوره های پیش بینی 36 و 48 ساعته که متناسب با پیش بینی های روزانه هستند با افزایش فاصله بیشتر از 50 کیلومتر بیش از 6. کاهش برای بهبود ضریب همبستگی در این فاصله بدست می آید.

افزایش بیشتر فاصله بین دو مکان منجر به کاهش بیشتر ضرایب ارتباط برای مقادیر پیش بینی می شود. پیش بینی تولید سیستم های خورشیدی نیاز به پیش بینی تشعشعات در مکان نصب دارد . یکی از منابع اطلاعاتی می تواند مرکز اروپایی پیش بینی میان مدت آب و هوا (ECMWF) باشد که مقادیر تشعشعات جهانی را بر مبنای یک مدل جهانی با دقتی حدودkm 25km ×25 و 3 ساعت پیشنهاد می کند. تحقیقات انجام شده با استفاده از داده های اطلاعات پیش بینی مرکز اروپایی پیش بینی میان مدت آب و هوا (ECMWF) اطلاعاتی در مورد ضریب بهره برداری خطاهای پیش بینی برای تشعشعات خورشیدی در دو مکان را به عنوان تابعی از فاصله بین مکان ها می دهد.

شکل 2- ضریب همبستگی(ارتباط) خطاهای پیش بینی تشعشعات خورشیدی دو محل

تحلیل های نمودار منحنی شکل 2 نشان می دهد که مشابه شکل 1 مقدار ضریب ارتباط برای فاصله های نسبتا کوچک در محدوده کمتر از km 12 بهبود مثبت خیلی زیادی مشاهده می شود درصورتی که ضریب ارتباط به سرعت از 0.8 به 0.5کاهش پیدا می کند. بنابراین ترکیب ژنراتورها برای گسترش(توزیع) آنها در یک محیط بزرگ می تواند فاکتور تاثیر گذار مثبتی روی توان تولیدی باشد. بنابراین افزایش فاصله بین 2 مکان از لحاظ تئوری می تواند ضریب ارتباط را برای پیش بینی میزان تابش به صفر کاهش دهد.

C. تقسیم زمان عملکرد واحدهای نیروگاهی ثابت/کنترل پذیر

انتخاب دیگر برای بهینه سازی عملکرد DG ها برای افزایش شانس حضور در بازار، شکستن زمان بهره برداری نیروگاه های ثابت/کنترل پذیر است که می تواند با استفاده از روند متد هوشمند مدیریتی (Imm) انجام شود.

شکل 3 کاربرد این روش را برای بهینه سازی تولید با استفاده از اختلاف جمعی( تجدید پذیر و سنتی) منابع انرژی را مبتنی بر داده های نیروگاه موجود Badenova نشان می دهد.

شکل 3- مقایسه بهره برداری از واحدهای تولید پراکنده بصورت عادی (شکل سمت چپ) و حالتی که واحدهای CHP برنامه ریزی شده اند وقتی که تولید توان بادی کم است وارد مدار شوند(شکل سمت راست)

در شکل 3 (طرف راست)دیده می شود که با تنظیم عوامل تولید CHP با تولید بادی و خورشیدی پیش بینی شده و همچنین تنظیم همه بارهای محلی یک پاسخ مشخص بین پروفیل بار و پروفیل تولید بدست می آید.

مثال دیگر که در شکل 4 ارائه شده است اثر روش های مدیریت هوشمند منابع انرژی پراکنده را نشان می دهد.

شکل 4- اثر روش های مدیریت هوشمند منابع انرژی پراکنده

با استفاده از تنظیم CHP و عملکرد باتری، پیک سایی در سایت نمونه قابل دسترسی است. این شکل یک شبیه سازی از نتایج برای افزایش تعادل انرژی ترانس ها را نشان می دهد. دیده می شود که حداکثر توان مصرفی در شبکه فشار متوسط(mv) ( در ترانسفورماتور اندازه گیری شده)گرفته می شود. دیده می شود که حداکثر تقاضا از شبکه فشار متوسط mv می تواند به طور مشخصی کاهش یابد.

علاوه بر فواید فنی این موضوع هزینه های بهره برداری شبکه توزیع را که باید برای استفاده از شبکه فشار متوسط mvهزینه شود کاهش می دهد. توجه کنید که تولید الکتریسیته از سیستم فتو ولتائیک PV برای مدیریت کلی انرژی در نظر گرفته شده است زیرا توان تولیدی بطور مشخصی روی عبور انرژی از کل شبکه توزیع تاثیر دارد. به وسیله روش پیش بینی های روزانه(DayAhead) تخمین برنامه تولید فتوولتائیک PV برای روز بعد و تنظیم بهره برداری CHP به منظور جبران سازی تولید کم PV قابل انجام است.