Planos de expansão de geração de sistema de energia elétrica, considerando o impacto de tecnologias Smart Grid

Prévia do material em texto

Planos de expansão de geração de sistema de energia elétrica, considerando o impacto de tecnologias Smart Grid
Hatice Tekiner-Mogulkoc a,⇑, David W. Coit b, Frank A. Felder c
Electric power system generation expansion plans considering the impact
of Smart Grid technologies
introdução
O trabalho investiga como os planos de expansão da geração do sistema de energia elétrica mudam e melhoram com base na disponibilidade de tecnologias Smart Grid.
O novo modelo especificamente considera a disponibilidade de tecnologias de Smart Grid, melhorando o desempenho do sistema de distribuição, e / ou a disponibilidade das tecnologias deslocando a demanda dos horários de pico para as horas fora do horário de pico.
O problema do planejamento de expansão da geração de eletricidade (GEP) envolve a determinação das opções de tecnologia de geração (carvão, vento, etc.) a serem adicionados a um sistema de geração de energia existente,e a hora e local onde eles deveriam ser instalados para atender a crescente demanda de energia em um horizonte de planejamento.
muitos objetivos conflitantes
incertezas associadas ao planejamento
O smart grid pode ser definido como um sistema inteligente que consiste em um sistema autônomo, sistema digital capaz de identificar surtos, linhas derrubadas e interrupções; resiliente ou "auto-cura" que fornece instantaneamente controle de dano; flexível, capaz de acomodar novas fontes alternativas, fiável que fornece o balanceamento de carga dinâmico; e seguro, minimizando a vulnerabilidade ao terrorismo ou outros ataques.
Os impactos e benefícios da Smart Grid
(i) mudança / redução da demanda de energia, particularmente durante as horas de pico.
 (ii) aumento a disponibilidade efetiva dos componentes do sistema.
(iii) reduzir perdas de energia durante a transmissão e distribuição.
Com base em alguns estudos como Zerriffi que compara o desempenho de sistemas de geração centralizada e distribuída a vários níveis de estresse usando a simulação de Monte-Carlo, é possível para concluir que as tecnologias Smart Grid podem melhorar a cadeia de valor de energia elétrica, uma vez que essas tecnologias podem melhorar a confiabilidade e a eficiência da rede.
Neste estudo, minimizamos simultaneamente objetivos múltiplos, como o custo e as emissões atmosféricas, em um horizonte de planejamento de longo prazo sob um ambiente incerto. A simulação de Monte-Carlo é usada para gerar cenários com base na incerteza da disponibilidade de os componentes do sistema. Os cenários selecionados são usados ​​para caracterizar a incerteza da demanda dos usuários e a disponibilidade do sistema componentes, incluindo unidades de geração, linhas de transmissão, distribuição
Exemplo de topologia do sistema de energia elétrica
Simulação de Monte Carlo
Foi utilizada a simulação para representar a natureza estocástica do problema. Numerosos cenários foram gerados considerando a disponibilidade dos componentes do sistema. Cada cenário representa uma hora aleatória de demanda do consumidor e disponibilidade de ativos. A curva de duração da carga é dividida em segmentos e, em seguida, a demanda é escolhida aleatoriamente da curva de duração da carga para cada segmento.
Integração das tecnologias Smart Grid
O objetivo deste estudo é investigar como essas tecnologias, disponíveis para melhorar o sistema de distribuição, afetam o plano de expansão. Portanto, um problema de expansão de geração é resolvido separadamente para diferentes casos. Cada caso representa um sistema com diferentes níveis de impacto devido às tecnologias Smart Grid disponíveis.
A disponibilidade do sistema é afetada por duas coisas: a taxa de falha e a taxa de reparo. 
As tecnologias Smart Grid disponíveis para o sistema de distribuição são dispositivos eletrônicos inteligentes, sistema de comunicação bidirecional, disjuntores de distribuição controláveis ​​remotamente e religadores, relés de proteção de distribuição, comutadores automatizados, etc., 
Uma vez que o status do sistema em tempo real está disponível, a falha e sua localização podem ser detectadas e corrigidas em um tempo reduzido.
 Além disso, uma vez que alguns dispositivos, como interruptores automáticos instalados ao longo de alimentadores e em pontos de ligação do alimentador, podem ser programados para responder adequadamente às condições de falha também diminuem a taxa de falha. 
.
Além disso, tecnologias como interruptores controláveis ​​remotamente para dispositivos de backup podem ser usadas para antecipar e evitar falhas do componente antes que ele ocorra.
Há também um grupo de tecnologias que afetam a demanda. Alguns deles são usados ​​para mudar a demanda de horários de pico para horários de pico, e outras tecnologias são usadas para diminuir a demanda de energia. Algumas tecnologias, como dispositivos de armazenamento de energia, são programadas para armazenar energia durante as horas fora do horário de pico e, em seguida, fornecem essa energia para uso durante as horas de horário de pico. 
Formulação do modelo
O objetivo é encontrar o plano de expansão que simultaneamente minimiza o custo e minimiza as emissões de gases no ar. Foi usado uma abordagem de soma ponderada para resolver o problema. Os objetivos únicos são dimensionados e combinados em uma única função objetiva.
Custo de investimento 
Custos operacionais e de manutenção fixos
Custo de geração
Custos de demanda não atendidos
Receita de vapor
5.6. Custo total
Emissão de CO2
Emissão de NOx
Os custos no nosso modelo consistem em (i) custo de investimento, (ii) custo operacional e de manutenção fixo, (iii) custo de geração de eletricidade, (iv) custo da demanda não atendida e (v) receita do vapor gerado.
Consideramos duas emissões atmosféricas; CO2 e NOx. Como as emissões de SO2 e CO2 estão altamente correlacionadas, minimizando o CO2 também minimizamos as emissões de SO2 de forma implícita.
Exemplos numéricos e discussões
Para demonstrar o modelo, um problema de exemplo é resolvido para um horizonte de planejamento de 15 anos. No sistema de exemplo, há 50 blocos de carga onde as unidades distribuídas podem ser localizadas. O horizonte de planejamento é dividido em três períodos de 5 anos cada.
Em cada ano, existem 100 diferentes cenários de demanda e disponibilidade que são gerados aleatoriamente para refletir o intervalo de possíveis falhas e / ou condições de interrupção. Portanto, a otimização é baseada em umtotal de 1500 cenários diferentes. A rede existente possui 32 unidades de geração consistindo em turbina de óleo / combustão (CT), óleo / vapor, carvão / vapor, turbina a gás de ciclo combinado (CCGT) e nuclear.
Usamos 26 diferentes combinações de peso são consideradas como apresentadas na Tabela 2 para estudar diferentes preferências de redução de custo e emissão de ar. Além disso, assumimos que apenas uma usina de energia nuclear pode ser construída ao longo do horizonte de planejamento de 15 anos. Na primeira combinação de pesos, o objetivo é apenas minimizar o custo.
Os casos propostos são:
Caso 1: sem mudança de demanda.
Caso 2:
=== Os níveis de demanda selecionados para cenários no segmento 1-3 são reduzidos em 5%. Considere que R é a redução total da demanda.
=== O nível de demanda selecionado para um cenário no segmento 7 e 8 é aumentado por (R / -7 + -8) onde -7, -8 são os fatores de ajuste para os cenários nos segmentos 7 e 8, respectivamente.
=== Os níveis de demanda selecionados para cenários em outros segmentos permanecem os mesmos.
Caso 3:
=== Os níveis de demanda selecionados para cenários no segmento 1-3 são reduzidos em 10%. Considere que R é a redução total da demanda.
=== O nível de demanda selecionado para um cenário no segmento 7 e 8 é aumentado por (R / -7 + -8).
=== Os níveis de demanda selecionados para cenários em outros segmentos permanecem os mesmos.
Processos propostos da seguinte forma:
Caso 1: A indisponibilidade dos componentes do sistema de distribuiçãoé 0,005.
Caso 4: A indisponibilidade dos componentes do sistema de distribuição é 0.001.
Caso 5: a indisponibilidade dos componentes do sistema de distribuição é 0.0005.
Caso 6: A indisponibilidade dos componentes do sistema de distribuição é 0.0001.
Caso 1: Supõe-se que a indisponibilidade dos componentes do sistema de distribuição seja de 0,005 e a mudança de demanda
=== Caso 7: A indisponibilidade dos componentes do sistema de distribuição é assumida como 0,001 e 5% de deslocamento da demanda.
=== Caso 8: A indisponibilidade dos componentes do sistema de distribuição é assumida como 0,001 e 10% de mudança de demanda.
=== Caso 4: A indisponibilidade dos componentes do sistema de distribuição é assumida como sendo 0,001 e sem mudança de demanda.
=== Caso 9: A indisponibilidade dos componentes do sistema de distribuição é assumida como 0,0001 e 5% na mudança de demanda.
=== Caso 10: A indisponibilidade dos componentes do sistema de distribuição é assumida como sendo 0.0001 e 10% de deslocamento da demanda.
Conclusão
Este estudo mostra que as funções objetivas podem ser melhoradas se houver tecnologias Smart Grid disponíveis no sistema. No entanto, esta análise não considerou o custo dessas tecnologias.
O estudo concentrou principalmente nas tecnologias que afetam a disponibilidade do componente do sistema de distribuição e a demanda. Outros tipos de tecnologias que afetam a disponibilidade das unidades de geração central, linhas de transmissão ou suprimentos de gás natural também podem ser investigados com o método proposto.
As tecnologias Smart Grid que afetam as disponibilidades reduzem o custo operacional, reduzindo o custo de demanda insatisfeito e permitindo utilizar unidades de geração de custos menores. Eles também diminuem as emissões de gases, permitindo satisfazer a demanda local pelas unidades de geração central com missões de gás mais baixas.
as tecnologias Smart Grid que mudam a demanda reduzem os custos operacionais, permitindo usar as unidades de geração de menor custo para satisfazer a demanda deslocada ou reduzir as emissões de gases, permitindo usar unidades de geração com emissões de gases mais baixas para satisfazer a demanda deslocada.
Uma vez que a grade foi projetada para satisfazer a demanda de carga máxima, são introduzidas menos unidades de geração na presença de tecnologias Smart Grid.