Когда солнечная энергия встречается с ядерной

Аккумулятор FIAMM 12FGL42

Китайские учёные предложили новую систему планирования для микросетей, основанных на гибридных фотоэлектрических системах и малых модульных ядерных реакторах. Эта система использует многоцелевую распределённую оптимизацию с механизмом обучения с подкреплением в реальном времени и, как сообщается, позволяет снизить эксплуатационные расходы на 18,7%.

Исследователи из китайской компании Guangdong Power Grid предложили объединить солнечную энергию с энергией от малого модульного ядерного реактора (ММР), чтобы повысить эффективность краткосрочного управления микросетями и их долгосрочную экономическую жизнеспособность.

Чтобы объединить два источника энергии, исследовательская группа использовала систему планирования, которая объединяет многоцелевую оптимизацию с учётом распределения (DRO) и механизм обучения с подкреплением в реальном времени (RL).

«В отличие от предыдущих исследований, в которых основное внимание уделялось либо работе микросетей с преобладанием возобновляемых источников энергии, либо энергетическим системам на основе ядерных реакторов, в этой статье представлена целостная система управления гибридной энергетикой, которая объединяет несколько источников энергии в рамках единой парадигмы оптимизации», — пояснила команда. «Новизна этого исследования заключается в совместной оптимизации фотоэлектрической генерации и генерации на малых модульных реакторах в сочетании с надёжным механизмом диспетчеризации с учётом неопределённости, который учитывает как краткосрочную, так и долгосрочную динамику хранения энергии».

В предлагаемой системе фотоэлектрическая энергия и SMR обеспечивают дополнительные источники питания, в то время как генератор и аккумулятор выступают в качестве вспомогательных ресурсов. Водород вырабатывается электролизаторами в периоды избытка и хранится для последующего использования, в то время как система энергоменеджмента (EMS) действует как мозг всей системы, принимая решения и интегрируя прогнозы и данные в режиме реального времени.

Система DRO, используемая в EMS, генерирует базовые стратегии планирования, устойчивые к прогнозируемой неопределённости, а модули RL непрерывно корректируют управляющие сигналы для повышения адаптивности и снижения снижения производительности в реальных условиях. Модель оптимизации реализована на Python с использованием Pyomo для математического программирования и Gurobi 10.0 в качестве решателя для задач смешанного целочисленного программирования.

Система, смоделированная в качестве примера, включала в себя гибридную микросеть мощностью 100 МВт, которая обслуживала промышленную нагрузку со средним потреблением 85 МВт, при этом суточные колебания пиковой нагрузки достигали 25 %, а также компонент нагрузки для бытовых потребителей со средней нагрузкой 15 МВт и соотношением пиковой нагрузки к средней 1,6.

Установленная фотоэлектрическая мощность составляет 40 МВт, а данные об интенсивности солнечного излучения получены на основе исторических метеорологических наблюдений за период в один год. Изменчивость солнечной энергии моделируется с помощью нормального распределения со средним значением 80 % от номинальной интенсивности излучения и стандартным отклонением 12 %, что позволяет учитывать сезонные и суточные колебания.

Минимальная стабильная мощность ММР составляет 10 МВт, а предельная скорость нарастания мощности — 5 МВт в час. Система также включает в себя литий-ионную аккумуляторную батарею ёмкостью 20 МВт·ч с эффективностью зарядки и разрядки 92 % и водородный накопитель максимальной ёмкостью 15 тонн.

Анализ показал, что в течение года работы предложенная система оптимизации позволяет снизить эксплуатационные расходы в среднем примерно на 18,7 %, а интенсивность выбросов углекислого газа — почти на 37,1 % по сравнению с обычной микросетью, в которой доминирует ископаемое топливо. Показатели устойчивости, такие как надёжность подачи критически важных нагрузок, по имеющимся данным, превышают 98 % во всех сценариях неопределённости, «что подчёркивает способность системы обеспечивать безопасную работу как в обычных, так и в экстремальных условиях».

Ученые утверждают, что благодаря сочетанию DRO с адаптивным планированием на основе обучения с подкреплением операционная стратегия микросети динамически меняется в зависимости от изменений окружающей среды в реальном времени, обеспечивая гибкость даже в условиях, с которыми ранее не приходилось сталкиваться.

«Кроме того, координация между краткосрочным хранением энергии в аккумуляторах и долгосрочным хранением водорода позволяет системе справляться как с ежедневными, так и с сезонными дисбалансами энергии, создавая двухуровневую стратегию хранения, которая одновременно повышает экономическую эффективность и надёжность», — заключили они. «DR дополнительно поддерживает эту гибкость, динамически изменяя профили потребления, чтобы они лучше соответствовали моделям возобновляемой генерации, и снижая зависимость от углеродоёмкой резервной генерации».

Их выводы представлены в исследовании «Скоординированная работа и многоуровневая оптимизация гибридных фотоэлектрических микросетей с малыми модульными реакторами», опубликованном в Scientific Reports.