УДК 338.45:004.032

Влияние СЭС и управления спросом на профиль нагрузки розничных потребителей электрической энергии на примере Омской области

Гаак Антон Викторович – доцент Омского государственного технического университета

Гаак Виктор Климентьевич – кандидат технических наук, доцент Омского государственного университета путей сообщения

Аннотация: В статье описывается эффекты от внедрения розничной генерации на солнечных панелях, приведены примеры статистических коэффициентов эффективности солнечных электростанций на примере СЭС Омской области и методов управления потреблением розничных потребителей электрической энергии за счет оптимизации профиля нагрузки розничных потребителей на примере Омской области. Предложен метод технико-экономической оценки эффективности внедрения электростанций розничного рынка с применением солнечных панелей, применение аналитического многовариантного анализа корректировки профиля нагрузки потребителя на основании математического моделирования, кратко и долгосрочного прогнозирования.

Ключевые слова: СЭС, управление спросом, накопитель энергии, регулировочный диапазон, энергетическая эффективность, управление спросом, управление потреблением, математическое моделирование, статистические методы, информационные системы, автоматизация, цифровизация. 

Введение

Особенностью энергетических процессов является баланс выработки и потребления, таким образом, загрузка генерирующих мощностей должна неукоснительно следовать за профилем нагрузки потребителей.

Любое изменение потребления относительно выработки сказывается на изменении частоты в энергосистеме. Для балансирования частоты энергосистемы системным оператором (АО «Системный оператор Единой энергетической системы») применяется:

• воздействие на объекты генерации в диапазоне регулировочных диапазонов электростанций;
• накопители энергии. В энергосистеме могут быть химические или кинетические или гравитационные системы накопления энергии. Наиболее мощными аккумуляторами электрической энергии в Российской энергосистеме являются гидроаккумулирующие электростанции;
• в последнее время, с развитием цифровизации применяется механизмы управления потреблением у потребителей в ответ на команду диспетчера или ценовую рыночную ситуацию (Demand Response).

Применяющуюся в России модель энергорынка производит оптимизацию загрузки исходя из стоимости электрической энергии. Для покрытия спроса постепенно увеличивая выработку все более дорогой генерации и в часы максимума используя регулировочный диапазон теплофикационных электростанций в конденсационном цикле.

По мере роста стоимости электрической энергии для промышленных потребителей (за последние 5 лет стоимость электроэнергии для промышленности в Омской области увеличилась на 35-40%) возможности применения системы накопления и распределенной генерации, в том числе на базе возобновляемой энергетики увеличиваются. Использование собственной генерации может корректировать профиль и объем потребления энергии.

Управление потреблением в рамках одного предприятия в сочетании с распределенной солнечной генераций может значительно снижать затраты на энергоснабжение промышленных предприятий.

Теория

С 1 июля 2013 года для средних и крупных предприятий (потреблением более 670 кВт), стало обязательным выбор 3-6 ценовой категории электроснабжения. Для расчетов по данным категориям потребителю необходима установка системы почасового учета электрической энергии. Определение стоимости электрической энергии (мощности) производится с применением профиля мощности (профиль мощности - это количество потребленной электрической энергии определенной каждый час). Данные профиля мощности передаются в энергосбытовую компанию каждый месяц.

Актуальность и интерес применения методов искусственного интеллекта в энергетике обусловлены как основными трендами развития энергетики (интеллектуальная энергетика, цифровая энергетика, «умные» цифровые двойники и др.), большой волатильностью и общим трендом на повышение цен на топливно-энергетические ресурсы для производства электроэнергии. Развитие распределенной генерации и возобновляемой энергетики, а так же активное строительство генерации на базе возобновляемой энергетики (СЭС и ВЭС) требует оценки влияния данного инструмента на стоимость приобретаемой электрической энергии для потребителя. Источники стохастической выработки на розничном рынке могут значительно оказывать влияние на профиль потребления мощности. Для Омской области характерно значительное количество солнечных дней в году (входит в 10 самых солнечных) и заметен интерес к строительству как крупных промышленных, так и розничных СЭС.

В 2004 году суммарная мощность СЭС в России составляла 1,4 ГВт, а в 2010 году – уже 22,7 ГВт. По данным Роснано [1], этот рост будет сохраняться и к 2030 году достигнет 1480, а к 2050 – 4600 ГВт установленной мощности.

Следует учитывать, что современные энергоэффективные технологии как у потребителей электрической энергии так и у производителей значительно корректируют профиль потребления мощности, а в совокупности - работы энергосистемы в целом. У потребителей системы и оборудование постоянной работы заменяются на периодического включения/отключения. Значительное влияние начинает оказывать кондиционирование воздуха, электрозарядные станции для автомобилей и другие технологии. Данные изменения влекут значительную волатильность потребления в энергосистеме и усложняют задачу по балансированию спроса и предложения.

Кроме того, в мире происходит ускоренное внедрение технологических решений, разработанных на основе искусственного интеллекта, в различные отрасли экономики и сферы общественных отношений. Внедрение таких решений, согласно национальной развития искусственного интеллекта в Российской Федерации на период до 2030 года, оценивает рост мировой экономики в 2024 году не менее 1 трлн. долларов США. [2]

В статье делается попытка проанализировать сложившуюся ситуацию, в первую очередь применительно к оптимизации затрат на электроснабжение, на основе профессионального опыта авторов и результатов участия в ряде научных конференций, на которых обсуждаются вопросы актуальных проблем энергетики, развития солнечной генерации и применения методов и систем искусственного интеллекта для оптимизации графика потребления, а так же прогнозирования с применением методов искусственного интеллекта,  эффективности применения распределенной генерации (СЭС). Оценить влияние данных факторов на затраты предприятия на электрическую энергию.

При этом необходимо затронуть вопросы цифровизации и интеллектуализации энергетики, которые во многом повлияли на возросший интерес к такой теме, как «Искусственный интеллект в энергетике».

Применения искусственного интеллекта определяется необходимостью решения задач управления развитием и функционированием интеллектуальных интегрированных энергетических систем в условиях цифровой трансформации и развития распределённой генерации, в том числе солнечной генерации. Возможностью сбора информации о потреблении с множества энергоемких производств и использовании накопленного массива данных для составления достаточно точных прогнозов потребления.

Для применения методов искусственного интеллекта в энергетике используется широкий перечень данных. Благодаря запуску переходного периода и утверждения Постановлением правительства Российской Федерации от 31 августа 2006 года №530 “Правил функционирования розничных рынков электрической энергии...», выделения энергосбытовых компаний которые выполняют функции расчетно-кассовых центров и осуществляют закупку электроэнергии на оптовом рынке данные по потреблению энергетике России с 2000 годов года накапливаются в необходимом объеме. Накопленный за этот период данные о потреблении, режимах производства, вопросы прогнозирования и моделирования процессов электроснабжения рассмотрены достаточно глубоко и при их использовании достигнута значительная точность прогнозирования потребления (до 98% на краткосрочном горизонте). [2]

Стоимость поставляемой розничным потребителям электроэнергии при этом зависит от множества факторов, однако определяющими является профиль потребления мощности и электрической энергии. Рассмотрим эти факторы более подробно:

1. Объем потребления мощности – фактор, который непосредственно влияет на стоимость приобретаемой электроэнергии, стоимость мощности определенные с учетом почасовых данных профиля потребления мощности, стоимость передачи электрической энергии для потребителя. [3]

Мощность в час с максимума энергосистемы для потребителей с почасовым учетом оплачивается исходя из стоимости мощности для Омской области в месяц и определяется в час фактического максимума энергосистемы в каждый рабочий день месяца.

Таблица 1. Стоимость мощности для потребителей оэс.

Период	Январь 2023	Февраль 2023	Март 2023	Апрель 2023	Май 2023
Ставка за мощность, приобретаемую потребителем (покупателем) по договору купли-продажи (поставки) электрической энергии (мощности), руб./МВт в месяц без НДС	791 384,30	933 177,72	896 729,49	811 593,10	811 337,21
Средняя стоимость, руб./МВт в месяц без НДС	848 844,36

2. Стоимость электроэнергии в часы максимума энергосистемы значительно отличается от средней, так как часы максимума покрываются самой не эффективной (дорогой) тепловой генерацией в конденсационном цикле. Суточные индексы цен на электрическую энергию в часы максимума и минимума согласно данным Администратора торговой системы во второй ценовой зоне имеют соотношение 1,2-1,4 между ценой в час максимума и минимума энергосистемы. [4]

Таким образом, оптимизируя загрузку оборудования в течении суток перенося загрузку наиболее энергоемкого оборудования в часы с дешевой электрической энергией происходит замещение дорогой электрической энергии на более дешевую.

3. Стоимость транспорта электрической энергии [5, 6], которая в платеже розничного потребителя электрической мощности составляет от 36-51%, в зависимости от уровня напряжения, при применении двухставочного тарифа на передачу также зависит от профиля мощности. Для расчета стоимости транспортировки учитывается максимальная величина потребления электроэнергии промышленного предприятия в период интервалов плановых часов пиковой нагрузки энергосистемы.

Таким образом, снижение стоимости электроэнергии для розничных потребителей возможно за счет оптимизации всех трех составляющих профиля мощности (нагрузки), а так же качественного прогноза потребности электроэнергии на предстоящий период.

При этом формула в соответствии с Основными положениями функционирования розничных рынков электрической энергии, утвержденными постановлением Правительства Российской Федерации от 04.05.2012 г. № 442 (далее – Основные положения) поставка электрической энергии (мощности) потребителям [7] примет вид:

W (t) = {w, Спик, tS, tF, Цн, Цм, Тт, Тснб, Тинф}, (1)

где W – стоимость электрической энергии для розничных потребителей электрической энергии, руб;

t – день; w – фактический объем потребления электроэнергии; Спик – максимальная часовая величина потребления электроэнергии розничного потребителя в период плановых часов пиковой нагрузки энергосистемы; tS – период плановых часов пиковой нагрузки энергосистемы; tF – час фактического максимума энергосистемы; Цн – не регулируемая цена оптового рынка в данный час; Цм – стоимость электрической мощности; Тт – стоимость услуг на транспорт электроэнергии; Тснб – сбытовая надбавка поставщиков; Тинф — стоимость услуг инфраструктурных организаций.

Исследование

Для анализа повышения эффективности рассмотрим следующие инструменты влияния на профиль мощности и затраты на электроснабжение для розничных потребителей электрической энергии:

• применение розничной генерации на основе генерации солнечными электростанциями (СЭС);
• применение интеллектуальных решений для регулирования потребления (Demand Response).

Возможность применения СЭС для влияния на профиль мощности для розничных потребителей электрической энергии необходимо проведение технико-экономического анализа, понимание каким образом и в каком объеме данные механизмы позволят снизить стоимость закупаемой электрической энергии. Прогнозирование выработки солнечной энергии возможно с применением прямого расчета — прогноза выработки и с применением косвенного прогноза на основании данных о количестве солнечного излучения и эффективности преобразования солнечного излучения в электрическую энергию.

Мощность и выработка электрической энергии солнечной электростанции напрямую связана с количеством солнечной радиации, которую СЭС получает от солнца. Чем больше солнечной радиации попадает на панели, тем больше электрической энергии будет произведено.

Исходя из вышеизложенного для прогнозирования выработки солнечной энергии применяются следующие сведения:

1. Использование метеоданных и моделирование на основе прогнозируемых условий погоды и характеристик поверхности земли где расположена солнечная электростанция.
2. На основании мониторинга и анализа. Например, статистических данных и данных с датчиков на солнечных панелях. Эти данные могут быть использованы для анализа и построения тенденций.
3. Использование солнечных измерений отдельными датчиками и спутниковый мониторинг земной поверхности. Данные приборы помогут создать карты с зафиксированными тенденциями во времени.

При этом точность прогноза выработки солнечной энергии будет зависеть от качества и количества доступных данных и методов их анализа.

В качестве примера рассмотрим статистический анализ влияния выработки СЭС на профиль мощности розничного потребителя соотнося выработку с часом максимума энергосистемы и максимум потребления мощности энергосистемы. Для примера, возьмем статистические данные загрузки СЭС Омской области в часы максимума энергосистемы (по московскому времени) в Омской области и соотнесем ее загрузку с часами максимума энергосистемы для Омской энергосбытовой компании публикуемые Администратором торговой системы (АО «АТС») на своем официальном сайте. [8]

Часы максимума энергосистемы и фактическая загрузка СЭС в Омской области

Месяц	Час максимума энергосистемы ООО «ОЭСК»	Средний процент загрузки СЭС в час максимума Энергосистемы исходя из фактических данных	Средний КИУМ СЭС по месяцам
Январь	7, 8	4,55%	4,73%
Февраль	7, 8	18,06%	11,69%
Март	7, 8	37,07%	17,94%
Апрель	7, 8	42,08%	18,86%
Май	8, 13	46,61%	20,22%
Июнь	8, 9, 11	39,56%	16,27%
Июль	7, 8, 9, 10, 11, 12, 13, 14	29,30%	11,98%
Август	8, 9, 10, 14	34,73%	13,99%
Сентябрь	7, 8	33,22%	13,85%
Октябрь	7, 8, 16, 17	13,32%	10,59%
Ноябрь	7, 8, 15, 16	5,87%	5,38%
Декабрь	7, 8	3,92%	3,15%

Таким образом, можно сделать вывод, что если при работе СЭС в Омской области общем КИУМ составляет порядка 15%, выработка в часы максимума энергосистемы для Омской области превышает средний КИУМ СЭС и составляет более 25%. В большинстве месяцев пики выработки СЭС совпадает с часами максимума энергосистемы (по данным Системного оператора и Ассоциации «НП «Совет рынка» за 2022 года). Из анализа можно отметить, что работа СЭС окажет позитивное влияние на профиль мощности потребителя снизив его потребление в часы максимума энергосистемы. Наибольшее выравнивающее влияние СЭС происходит в период с марта по сентябрь, когда КИУМ в часы максимума значительно превышает среднегодовые значения. Выработка СЭС в этот период оптимизирует профиль мощности потребителя.

Косвенным признаком влияния выработки СЭС на максимум мощности Омской энергосистемы может служить статистические данные темпов прироста пика потребления при общем изменении энергопотребления региона. [9]

Показатель	Год
	2019	2020	2021
Потребление электрической энергии, млн кВт·ч	10681	10350	10976
Годовой темп прироста, %	-3,03	-3,10	6,05
Максимум потребления мощности, МВт	1776	1694	1775
Годовой темп прироста, %	-0,84	-4,62	4,81
Число часов использования максимума потребления мощности	6014	6110	6182
Среднесуточная температура наружного воздуха, °С	-31,6	-18,5	-26
Мощность СЭС в Омской области, МВт	1	31	61

Таким образом, при определении экономической эффективности электроснабжения промышленных предприятий с применением СЭС в Омской области следует учитывать вышеприведенные факторы.

Второй вариант – применение интеллектуальных решений для регулирования потребления (Demand Response) так же связан со значительными инвестициями для внедрения механизмов управления потреблением у потребителей в ответ на команду диспетчера или ценовую рыночную ситуацию.

Регулирование потребления или управление спросом для потребителя электроэнергии выполняется путем регулирования графиков включения энергоемких технологических производств или процессов промышленных предприятий. Основным критерием включения или отключения производств становится фактор минимизации стоимости электроэнергии исходя из вышеизложенных в формуле 1 факторов [10; 11; 12].

Для реализации функции оптимизации требуется осуществление многовариантного прогноза потребления электрической энергии на основе:

• системной прогнозно-аналитической работы;
• отбора решений и проектов нацеленных на достижение результата на основании принятой технической политики;
• осуществление комплексной модернизации/цифровизации электро-энергетических приборов и систем предприятия.

Применение функции оптимизации потребления электрической энергии должно состоять из объектов различного уровня обменивающихся потоками энергии при различных режимах работы, технологических режимов производства или процессов промышленного предприятия. Работе каждого объекта будет соответствовать свой вычислительный блок который описывается системой нелинейных уравнений.

Управление спросом электрической энергии приводит к выравниванию суточных и годовых графиков потребления мощности у потребителя и в энергосистеме, что способствует снижению затрат на всех этапах от производства до транспортировки и распределения электроэнергии. Кроме того, достигается экономический эффект за счет снижения затрат на закупку электроэнергии для всех потребителей, действующих в рамках электроэнергетической системы [13]. Таким образом, достигается комплексный экономический эффект для потребителя по всем трем показателям описанного выше.

Математическое моделирование, кратко и долгосрочное прогнозирование позволяет проводить оперативный анализ в рамках заданных технической политикой предприятия правил, выявление угроз, точек «дефицита» и возможностей, а так же диспропорций развития и предотвращения кризисных ситуаций на производстве.

Анализ рисков, сценарное моделирование кризисных ситуаций позволяют производить поиск и отработку наиболее адекватных управленческих решений для минимизации затрат, а так же их последствий.

Применению СЭС и управления спросом для потребителей электрической энергии, помимо суммарного эффекта от выравнивания спроса на электрическую энергию и снижения затрат на электрическую энергию, мощность, затрат на передачу электрической энергии формирует комплексный эффект повышения надежности энергоснабжения для всех элементов электрической сети потребителя.

Список литературы

1. Шаталова, О. Солнечное затмение. Бизнесжурнал / О. Шаталова. – http://www.rusnano.com/ upload/images/sitefiles/files/2014-01-14_BusinessMagazine.pdf (дата обращения: 01.06.2023).
2. Reindl, T. Energy meteorology for accurate fore#casting of PV power output on different time horizons / T. Reindl [et al.] // Energy Procedia. – 2017. – Vol. 130. – P. 130–138.
3. Дзюба А. П., Соловьева И. А. Модель комплексного ценозависимого управления спросом промышленных предприятий на электроэнергию и газ // Известия Уральского государственного экономического университета. 2018. Т. 19. No С. 79−93. DOI: 10.29141/2073‑1019‑2018‑19‑1‑7
4. Данные Омской энергосбытовой компании публикуемые Администратором торговой системы (АО «АТС»): [сайт]. – URL: https://www.atsenergo.ru/results/rsv/index?zone=2&period=0 (дата обращения: 01.06.2023).
5. Дзюба А. П. Теория и методология управления спросом на энергоресурсы в промышленности. Челябинск: Издательский центр ЮУрГУ, 2020. 323 с.
6. Пронина Н. В., Богданов А. И. Актуальные проблемы определения и расчета цены (тарифа) на услуги по передаче электрической энергии, дифференцированные по уровням напряжения // Энергетика и право. 2016. No 4. С. 25–30
7. Ценообразование на розничных рынках Ассоциация «НП «Совет рынка»: [сайт]. – URL: https://realsolar.ru/article/solnechnye-batarei/kolichestvo-solnechnoy-energii-v-regionah-rossii/ (дата обращения: 16.04.2023).
8. Гаак А.В. Преимущества прогнозирования солнечной энергии для поставщиков электроэнергии в России: В сборнике: Информационные технологии в науке и производстве. Материалы X Всероссийской молодежной научно-технической конференции. Омск, 2023. С. 92-94.
9. Данные потребления электроэнергии и мощности за 2017-2021 годы. Обосновывающие материалы схема и программа развития электроэнергетических систем России на 2023–2028 годы Омская область для утверждения Схемы и программы развития Единой энергетической системы России на 2022 - 2028 годы: [сайт]. — URL: https://www.so-ups.ru/fileadmin/files/company/future_plan/public_discussion/2023/final/34_Omskaja_oblast_fin.pdf (дата обращения: 01.06.2023).
10. Kwon S., Ntaimo L., Gautam N. Optimal day-ahead power procurement with renewable energy and demand response //IEEE Transactions on Power Systems. 2017. Vol. 32. Iss. 5. Р. 3924–3933. DOI: 10.1109/TPWRS.2016.2643624
11. Narimani M. R., Asghari B., Sharma R. Energy storage control methods for demand charge reduction and PV utilization improvement // 2017 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC). Р. 1–5. DOI:10.1109/APPEEC.2017.8308929
12. Р.Н.Хамитов, А.С.Грицай Основы рационализации электропотребления на промышленном предприятии. Учебное пособие. -2023. – С. 39-42.
13. Сосновский Я., Арьев Е. О фактах и инструментах управления спросом на энергию // Региональная экономика: актуальные вопросы и новые тенденции: сб. науч. тр. III Междунар. науч.-практ. конф. (Ульяновск, 17−23 апреля 2017 г.). Ульяновск: Ульяновский государственный технический университет, 2017. С. 5−9.