Новый подход к определению размеров фотоэлектрических систем и аккумуляторов в «умных домах»

Аккумуляторная батарея Challenger EVG12-110

Иранские учёные разработали новую систему для оптимизации мощности фотоэлектрических систем и аккумуляторных батарей в «умных» домах с помощью двухэтапной модели стохастического программирования. Они учли факторы неопределённости в энергосистеме, рыночные цены и мощность фотоэлектрических систем, а также рассмотрели различные сценарии эксплуатации.

Исследователи из Технологического университета Бабола Ноширвани в Иране разработали новую систему для оптимизации мощности фотоэлектрических систем и аккумуляторных батарей в «умных домах» (SH).

В новой методике используется двухэтапная модель стохастического программирования, которая учитывает неопределённость в энергосистеме, рыночные цены и выработку фотоэлектрических систем.

«Несмотря на прогресс в области систем управления энергопотреблением в домах (HEMS), существующие подходы часто не учитывают синергетическую оптимизацию планирования мощностей распределённых энергоресурсов (РЭР) и оперативного планирования в условиях реальной неопределённости, — заявили учёные. — Оптимальный размер фотоэлектрической батареи во многом зависит от стратегии планирования использования бытовой техники, в то время как в большинстве исследований эти решения рассматриваются как отдельные элементы, требующие более интегрированной модели. С другой стороны, генерация фотоэлектрической энергии, цены на электроэнергию и перебои в работе сети как важнейшие стохастические переменные часто упрощаются или игнорируются».

В исследовании предполагается, что СВС используют интеллектуальный счетчик для обмена электроэнергией с сетью, основанный на цене за время использования (TU). Решения принимаются на основе такой информации, как использование бытовой техники, предпочтения пользователя и ограничения сетевого оператора, которая отправляется в HEMS. Затем HEMS отправляет обратно оптимальный график работы и последовательность для фотоэлектрических систем и систем хранения.

Исходя из этой структуры, система оптимизации использует в качестве входных данных информацию о потребителях, распределённых энергоресурсах и нагрузках, которые можно и нельзя перенести. Затем эти параметры вводятся в двухэтапную задачу стохастического программирования, которая на первом этапе определяет мощность фотоэлектрических систем и накопителей, а на втором — оптимальное распределение электрических ресурсов и устройств.

«Неопределённость, связанная с выработкой фотоэлектрической энергии, рыночными ценами и доступностью сети, моделируется в виде набора сценариев, — пояснили исследователи. — Для этого для каждого из упомянутых параметров генерируется 1000 сценариев, которые затем сокращаются до пяти с помощью алгоритма обратного сокращения (BR). Алгоритм BR — это метод, используемый для сокращения количества сценариев в задаче стохастической оптимизации. Он особенно полезен для задач с большим количеством сценариев».

Оптимизация проводилась на основе репрезентативного 24-часового образца для горизонта планирования в один год. Телевизор, холодильник и освещение считались не подлежащими переносу, то есть их работу нельзя было отложить или запланировать. Такие приборы, как стиральная машина, зарядное устройство для электромобиля и кондиционер, считались подлежащими переносу. Первоначальные инвестиционные затраты на фотоэлектрическую систему составляли 1000 долларов за кВт, а стоимость аккумуляторов — 250 долларов за кВт·ч. Срок их службы составлял 12 и 8 лет соответственно.

В ходе моделирования мощность фотоэлектрической системы составляла от 0 до 2,5 кВт с шагом 0,25 кВт, а ёмкость аккумулятора — от 0,5 до 5 кВт·ч с шагом 0,5 кВт·ч. Всего было рассмотрено шесть вариантов. Вариант 1 представлял собой эталонный случай обычного солнечного энергоблока без системы оптимизации расписания, фотоэлектрической системы или накопителя. Вариант 2 предполагал работу по расписанию без фотоэлектрической системы или накопителя, а вариант 3 — использование фотоэлектрической системы и накопителя с оптимизацией расписания. В случае 4 при оптимизации учитывалась неопределённость в производстве фотоэлектрических элементов. В случае 5 учитывалась неопределённость рыночной цены, а в случае 6 — неопределённость в работе сети.

В результате этого анализа учёные выяснили, что в случае 6 оптимальная мощность фотоэлектрической системы составляла 1 кВт, а ёмкость аккумулятора — 0,5 кВт⋅ч. В случае 5 фотоэлектрическая система отсутствовала, но ёмкость аккумулятора составляла 5 кВт⋅ч. В обоих случаях 4 и 3 фотоэлектрическая система имела мощность 1 кВт, а ёмкость аккумулятора — 1 кВт⋅ч. Годовые расходы оценивались в 1965,25 доллара в случае 1, 1572,19 доллара в случае 2, 1533,80 доллара в случае 3, 1552,20 доллара в случае 4, 1510,41 доллара в случае 5 и 1468,49 доллара в случае 6.

«В условиях сложной неопределённости (выработка фотоэлектрической энергии, цены на рынке электроэнергии и доступность сети) приоритет интеграции фотоэлектрических систем (1 кВт) над расширением накопителей (0,5 кВт⋅ч) обеспечивает более низкую стоимость, независимость от сети и лучший профиль спроса», — заключила группа. «Кроме того, профили состояния заряда (SOC) показывают, что в то время как большие накопители обеспечивают широкий диапазон ценового арбитража (48,6–100 % в случае 5), накопители меньшей ёмкости в сочетании с динамическим управлением (20,4–96,4 % в случае 6) могут эффективно балансировать возобновляемые источники энергии, потребности сети и ценовые сигналы в условиях неопределённости».