REPREZENTACJA ZAPOTRZEBOWANIA NA MOC W DŁUGOTERMINOWYCH MODELACH SYSTEMÓW PALIWOWO- ENERGETYCZNYCH Autorzy: Jacek Kamiński, Przemysław Kaszyński, Marcin Malec ("Rynek Energii" - czerwiec 2015) Słowa kluczowe: zapotrzebowanie na moc, programowanie matematyczne, modelowanie długoterminowe, krzywe obciążeń Streszczenie. Artykuł prezentuje problem implementacji zapotrzebowania na moc w długoterminowych mode- lach systemów paliwowo-energetycznych. Przedstawiono dwa najczęściej stosowane podejścia, a mianowicie: (i) wykorzystanie reprezentatywnych krzywych obciążeń oraz (ii) zastosowanie krzywych trwania obciążeń. Następnie przedstawiono przykład implementacji zapotrzebowania na moc w długoterminowym modelu krajo- wego sektora wytwórczego PolPower_LR. Na podstawie przyjętych scenariuszy badawczych, różniących się stopniem szczegółowości odwzorowania zapotrzebowania na moc, przeanalizowano wpływ założeń scenariu- szowych na liczbę zmiennych i równań modelu, czas obliczeń oraz jakość uzyskanych wyników. W podsumo- waniu zestawiono najważniejsze konkluzje wynikające z przeprowadzonej analizy. 1. WPROWADZENIE Bardzo ważnym problemem w długoterminowym modelowaniu systemów paliwowo- energetycznych jest właściwe odzwierci edlenie zapotrzebowania na moc elektryczną. W tego rodzaju badaniach przyjmowany horyzont czasowy wynosi zwykle co najmniej 30 lat. W związku z powyższym zbyt szczegółowe odwzorowanie elementów i relacji występujących w analizowanym systemie prowadzi zazwyczaj do problemów obliczeniowych. Strona popytowa modeli długoterminowych nie powinna być zbyt złożona w implementacji, z uwagi na stosowanie globalnego poziomu zapotrzebowania i jednorodność produktu jakim jest energia elektryczna. W praktyce należy odpowiednio uwzględnić zmienność dobową, tygodniową i sezonową zapotrzebowania na moc. Idealnym rozwiązaniem byłoby prz yjęcie jak największej rozdzielczości czasowej i implementacja godzinowego zapotrzebowania na moc. Jednak takie rozwiązanie może być wykorzystane praktycznie tylko w modelach krótko- terminowych, natomiast modele długoterminowe wymagają większej agregacji danych ze względu na ograniczoną wydajność komputerów wpływającą na użyteczność samego narzę- dzia (czas obliczeń). Nie może się to jednak odbywać ze stratą dla jakości wyników badań modelowych. Dlatego też potrzebne jest właściwe podejście do implementacji zapotrzebowa- nia na moc.
12
Embed
REPREZENTACJA ZAPOTRZEBOWANIA NA MOC W ... - cire.pl · REPREZENTACJA ZAPOTRZEBOWANIA NA MOC W DŁUGOTERMINOWYCH MODELACH SYSTEMÓW PALIWOWO-ENERGETYCZNYCH Autorzy: ... danych literaturowych,
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
REPREZENTACJA ZAPOTRZEBOWANIA NA MOC W
DŁUGOTERMINOWYCH MODELACH SYSTEMÓW PALIWOWO-
ENERGETYCZNYCH
Autorzy: Jacek Kamiński, Przemysław Kaszyński, Marcin Malec
("Rynek Energii" - czerwiec 2015)
Słowa kluczowe: zapotrzebowanie na moc, programowanie matematyczne, modelowanie długoterminowe,
krzywe obciążeń
Streszczenie. Artykuł prezentuje problem implementacji zapotrzebowania na moc w długoterminowych mode-
lach systemów paliwowo-energetycznych. Przedstawiono dwa najczęściej stosowane podejścia, a mianowicie:
(i) wykorzystanie reprezentatywnych krzywych obciążeń oraz (ii) zastosowanie krzywych trwania obciążeń.
Następnie przedstawiono przykład implementacji zapotrzebowania na moc w długoterminowym modelu krajo-
wego sektora wytwórczego PolPower_LR. Na podstawie przyjętych scenariuszy badawczych, różniących się
stopniem szczegółowości odwzorowania zapotrzebowania na moc, przeanalizowano wpływ założeń scenariu-
szowych na liczbę zmiennych i równań modelu, czas obliczeń oraz jakość uzyskanych wyników. W podsumo-
waniu zestawiono najważniejsze konkluzje wynikające z przeprowadzonej analizy.
1. WPROWADZENIE
Bardzo ważnym problemem w długoterminowym modelowaniu systemów paliwowo-
energetycznych jest właściwe odzwierciedlenie zapotrzebowania na moc elektryczną. W tego
rodzaju badaniach przyjmowany horyzont czasowy wynosi zwykle co najmniej 30 lat. W
związku z powyższym zbyt szczegółowe odwzorowanie elementów i relacji występujących w
analizowanym systemie prowadzi zazwyczaj do problemów obliczeniowych.
Strona popytowa modeli długoterminowych nie powinna być zbyt złożona w implementacji, z
uwagi na stosowanie globalnego poziomu zapotrzebowania i jednorodność produktu jakim
jest energia elektryczna. W praktyce należy odpowiednio uwzględnić zmienność dobową,
tygodniową i sezonową zapotrzebowania na moc. Idealnym rozwiązaniem byłoby przyjęcie
jak największej rozdzielczości czasowej i implementacja godzinowego zapotrzebowania na
moc. Jednak takie rozwiązanie może być wykorzystane praktycznie tylko w modelach krótko-
terminowych, natomiast modele długoterminowe wymagają większej agregacji danych ze
względu na ograniczoną wydajność komputerów wpływającą na użyteczność samego narzę-
dzia (czas obliczeń). Nie może się to jednak odbywać ze stratą dla jakości wyników badań
modelowych. Dlatego też potrzebne jest właściwe podejście do implementacji zapotrzebowa-
nia na moc.
Celem niniejszego artykułu jest przedstawienie sposobów reprezentacji zapotrzebowania na
moc w długoterminowych modelach systemów energetycznych oraz analiza wpływu przyję-
tych założeń w tym obszarze na jakość uzyskiwanych wyników i czas obliczeń.
2. METODY REPREZENTACJI ZAPOTRZEBOWANIA NA MOC
W matematycznych modelach systemów paliwowo-energetycznych wykorzystuje się dwa
podejścia do implementacji zapotrzebowania na moc, tj.: (i) reprezentatywne krzywe obcią-
żeń oraz (ii) krzywe trwania obciążeń [1]. Pierwsze z nich to zastosowanie krzywych obcią-
żeń (Load Curves), które na potrzeby modeli długoterminowych można zagregować i uśred-
nić do krzywych reprezentujących dany okres. Na rys. 1 przedstawiono kwartalne krzywe
obciążeń dla 2014 r. Są to uśrednione wartości obciążeń godzinowych występujących w za-
gregowanym okresie, w tym przypadku w danym kwartale. Krzywe te można wyznaczać tak-
że jako reprezentatywne dla innych okresów charakteryzujących się podobnym popytem [2].
Takie podejście pozwala na odzwierciedlenie dobowej zmienności zapotrzebowania na moc,
jednak uśrednianie wartości prowadzi do znacznej straty informacji o maksymalnym (szczy-
ty) i minimalnym (doliny) poziomie zapotrzebowania na moc. Można to zaobserwować po-
równując maksymalne i minimalne wartości zapotrzebowania krzywej rocznej (największa
agregacja) i krzywych sezonowych (rys. 1). Potwierdzeniem tego faktu jest porównanie śred-
niego poziomu zapotrzebowania na moc w poszczególnych miesiącach 2014 roku z warto-
ściami minimalnymi i maksymalnymi (rys. 2). Średnie miesięczne zapotrzebowanie na moc
jest nawet o około 6 GW niższe/wyższe od poziomów maksymalnych i minimalnych. W
przypadku agregowania dłuższych okresów strata informacji może być jeszcze większa, co
w efekcie negatywnie wpływa na jakość i wiarygodność otrzymywanych wyników. Problem
ten można częściowo rozwiązać na etapie komputerowej implementacji modelu, poprzez włą-
czenie warunku zakładającego większy poziom wymaganej rezerwy mocy.
Rys. 1. Kwartalne krzywe obciążeń w Polsce w 2014 r.
Rys. 2. Maksymalne, minimalne i średnie miesięczne
zapotrzebowanie na moc w Polsce w 2014 r.
Drugie podejście polega na wykorzystaniu krzywej trwania obciążeń (Load Duration Curve),
w której poziomy obciążeń są uszeregowane w danym okresie w kolejności od największych
wartości do najmniejszych. Na rys. 3 przestawiono przykładowe kwartalne krzywe trwania
obciążeń dla 2014 roku. Dzięki takiemu podejściu można zagregować dane dla podobnych
okresów i jednocześnie nie stracić istotnej informacji o zapotrzebowaniu szczytowym oraz
obciążeniu minimalnym.
Rys. 3. Kwartalne krzywe trwania obciążeń w Polsce w 2014 r.
Wstępna analiza kwartalnych krzywych trwania obciążeń dla Polski wskazuje, że przebiegi
zapotrzebowania w kwartałach wiosenno-letnich (II i III) oraz jesienno-zimowych (I i IV) są
do siebie zbliżone, w związku z czym można rozważyć wykorzystanie tylko dwóch krzy-
wych - dla lata i zimy - nie pogarszając przy tym jakości wyników. W celu implementacji
takiego podejścia bezpośrednio w modelach wykorzystujących metodę programowania linio-
wego należy przejść na krzywą schodkową, gdzie wysokość schodka będzie odpowiadała
danemu obciążeniu, natomiast szerokość czasowi trwania tego obciążenia [3]. Przykład po-
działu krzywej trwania obciążeń został przedstawiony na rys. 4. Podobne podejście zastoso-
wano w modelu równowagi na rynku energii elektrycznej przedstawionym w [4], [5], [6].
Rys. 4. Przykładowa krzywa schodkowa dla 2014 r.
Dobór liczby schodków jest uzależniony od wymaganego stopnia szczegółowości, który jest
kompromisem pomiędzy stratą informacji, a ograniczoną wydajnością komputerów. Przed-
stawione powyżej podejście ma również pewne wady, do których zaliczyć należy pominięcie
informacji o konkretnym czasie wystąpienia danego obciążenia, a także dobowych zmianach
popytu. Należy jednak podkreślić, że w modelach długoterminowych aspekty te nie są tak
istotne jak dla modeli krótkoterminowych.
3. METODYKA BADAŃ – IMPLEMENTACJA W MODELU POLPOWER_LR
W Pracowni Ekonomiki Energetyki Instytutu Gospodarki Surowcami Mineralnymi i Energią
PAN zbudowany został długoterminowy model krajowego systemu wytwarzania energii elek-
trycznej (PolPower_LR), który wykorzystuje podejście programowania matematycznego li-
niowego. Model ten jest oparty o podobne podstawy metodyczne jak generatory modeli
EFOM, MARKAL, TIMES [7], [8], [9] i posiada podobne do nich funkcjonalności. Model
PolPower_LR umożliwia elastyczną zmianę horyzontu czasowego modelu (np. okres 2015-
30, 2015-50) oraz projektowanie dowolnych scenariuszy badawczych, w zależności od po-
trzeb decyzyjnych odbiorców analiz. Uproszczona struktura modelu została przedstawiona na
rys. 5.
Model jest dostosowany i skalibrowany do aktualnej sytuacji w sektorze energetycznym m.
in. w zakresie: struktury wytwórczej w Krajowym Systemie Elektroenergetycznym (KSE),
danych techniczno-ekonomicznych jednostek wytwórczych, cen paliw i uprawnień do emisji
CO2, wymiany transgranicznej, zapotrzebowania na moc, potencjału dostaw energii pierwot-
nej oraz wymaganego udziału odnawialnych źródeł energii w strukturze paliwowej.
Elektrownie zawodowe zostały odzwierciedlone w modelu na poziomie bloków energetycz-
nych, po czym zostały zagregowane do poziomu jednorodnych klas bloków poszczególnych
elektrowni. Umożliwia to symulowanie odstawiania mocy poszczególnych elektrowni i elek-
trociepłowni. Pozostałe jednostki wytwórcze odzwierciedlone zostały zgodnie z poniższymi
założeniami:
elektrociepłownie zawodowe (grupy EC1, EC2) oraz elektrociepłownie gazowe – jako
indywidualne jednostki,
elektrociepłownie zawodowe pozostałe – zagregowane,
elektrociepłownie przemysłowe – zagregowane,
odnawialne źródła energii – zagregowane na poziomie poszczególnych technologii.
W modelu uwzględniono przewidywane odstawienia aktualnie funkcjonujących w systemie
mocy wytwórczych oraz oddanie do eksploatacji jednostek, które są obecnie w budowie.
Istniejące jednostki wytwórcze są opisane następującymi parametrami techniczno-
ekonomicznymi: moc osiągalna, sprawność, rok wyłączenia z eksploatacji, wskaźniki emisji