article in PDF format - Zeszyty Naukowe Instytutu Pojazdów
Transkrypt
article in PDF format - Zeszyty Naukowe Instytutu Pojazdów
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 3(99)/2014 Adrian Chmielewski1, Stanisław Radkowski2 SMART GRID JAKO JEDEN Z ELEMENTÓW POPRAWY EFEKTYWNOŚCI ENERGETYCZNEJ POLSKI W PERSPEKTYWIE 2020 1. Wstęp W perspektywie 2020 roku Polska jako członek Unii Europejskiej musi poprawić: efektywność przetwarzania energii pierwotnej z paliw kopalnych (20% wzrost) [1, 2], zwiększyć udział odnawialnych źródeł energii na rynku energii (do blisko 20%) [1, 2] oraz zmniejszyć emisję gazów cieplarnianych (20%) w celu ochrony klimatu [1, 2]. Na rysunku 1 przedstawiono dobową produkcję energii elektrycznej w elektrowniach krajowych dla czerwca 2014 roku. Z rysunku 1 wynika, że najwyższy udział w wytworzeniu energii elektrycznej mają elektrownie węglowe (około 75-80% całej energii elektrycznej). Obecnie (rok 2014) na polskim rynku energii występuje 11- 12% odnawialnych źródeł energii. Rys. 1. Dobowa produkcja energii elektrycznej w elektrowniach krajowych w miesiącu czerwcu 2014 roku - wielkości brutto (z uwzględnieniem potrzeb własnych) [3] 1 2 mgr inż. Adrian Chmielewski, doktorant na Wydziale SiMR, Politechniki Warszawskiej prof. dr hab. inż. Stanisław Radkowski, dziekan na Wydziale SiMR Politechniki Warszawskiej 25 Na rysunku 2 przedstawiono dzienne zapotrzebowanie na energię elektryczną z polskich sieci elektroenergetycznych. Na każdym z przebiegów można wyróżnić 2 grzbiety: pierwszy- to szczyt przedpołudniowy natomiast drugi to szczyt popołudniowy. Wielkość grzbietów jest zależna od analizowanego miesiąca. Dla przykładu w lipcu 2014 roku gdzie nie ogrzewamy mieszkania, dzień jest długi więc również nie zużywamy energii na oświetlenie pomieszczeń mieszkalnych. Dla 25 lipca (rysunek 2d) maksymalny pobór z sieci elektroenergetycznej nastąpił o godzinie 13:30 i wyniósł 20.96 GW. Wiąże się to ze zużyciem dodatkowej energii np: na klimatyzację pomieszczeń biurowych. W grudniu największy dzienny pobór energii (rysunek 2b) nastąpił o godzinie 16:30. Wiąże się to ze zużyciem energii na oświetlenie pomieszczeń (zwykle w grudniu o 16:30 jest już noc). Dodatkowo energia elektryczna jest używana w urządzeniach agd do podgrzewania np: ciepłej wody (boilery elektryczne, grzałki). Dodatkowe zużycie energii elektrycznej na oświetlenie powoduje, że spośród czterech analizowanych miesięcy to właśnie grudzień 2013 jest miesiącem najbardziej energochłonnym (o godzinie 16:40 pobór z KSE wyniósł 24.269 GW). a) b) c) d) Rys. 2. Zapotrzebowanie mocy z krajowych sieci elektroenergetycznych w różnych miesiącach: 25 październik 2013 a), 19 grudzień 2013 b), 25 marca 2014 c), 25 lipca 2014. Wyniki opracowano na podstawie danych z krajowych sieci elektroenergetycznych (KSE) [3, 4] Na rysunku 2a,c) przedstawiono zapotrzebowanie z KSE (krajowej sieci elektroenergetycznej) dla października 2013 oraz marca 2014 w 25 dniu. Widoczne są wyraźnie 2 grzbiety: poranny przed wyjściem do pracy- przedpołudniowy oraz wieczorny- po powrocie z pracy w godzinach 18-21. Należy zauważyć, że we 26 wszystkich przypadkach (rysunek 2) w godzinach 22- 6 rano zapotrzebowanie na moc spada poniżej 18 GW. Jest to okres w którym panuje zwykle II taryfa (jeżeli dane gospodarstwo posiada licznik dwutaryfowy). a) b) Rys. 3. Zapotrzebowanie na moc z sieci elektroenergetycznych w: okresie 27.07.201325.07.2014 a), od 25 lipca do lipca w latach 2008-2014b). Opracowanie własne na podstawie danych z KSE [3, 4]. Na rysunku 3a przedstawiono zapotrzebowanie na moc z sieci elektroenergetycznej w okresie od 25 lipca 2013 do 25 lipca 2014 roku. Zaznaczone zostały dwa obszary: pierwszy to okres świąteczny I (od 22 grudnia do 6 stycznia) oraz drugi okres świąteczny od 16-28 kwietnia). Większość osób ma wtedy wolne bądź bierze dodatkowy urlop. Przekłada się to bezpośrednio na zużycie energii. Wtedy profil dobowy jest bardziej wyrównany i występuje mniejsze zużycie energii elektrycznej. Na rysunku 3b przedstawiono zapotrzebowanie na moc z KSE w latach 2008-2014 od 25 do 25 lipca. W rozpatrywanym przedziale czasu najwyższy pobór energii elektrycznej wystąpił w dniu 7 lutego 2012 o godzinie 17:30 i wyniósł 25.84 GW (rysunek 4). Najniższy pobór energii elektrycznej z sieci nastąpił w dniu13 kwietnia 2009 roku o godzinie 5:45 rano i wyniósł 9.5 GW (rysunek 4). 27 Rys. 4. Zapotrzebowanie na moc z sieci elektroenergetycznych w: okresie 2008-2014 dla najwyższego oraz najniższego poboru w dniach 7 lutego 2012 oraz 13 kwietnia 2009. Opracowanie własne na podstawie danych z KSE [3, 4]. 2. Smart grid 2.1. Pojęcia podstawowe Aby cel 3x 20 został zrealizowany na rynku energii pojawia się wsparcie dla tzw. prosumentów [5]. To właśnie energia pochodząca z mikroźródeł rozproszonych oraz z mikrokogeneracji powinna częściowo przenieść szczyt (grzbiet) w miejsce doliny. W konsekwencji nastąpi poprawa jakości dostaw energii do odbiorców końcowych i wyrównanie dobowego zapotrzebowania na moc z sieci elektroenergetycznej. Oprócz tego powinna nastąpić liberalizacja rynku energii oraz przejście do systemu zdecentralizowanego. Przejście do systemu zdecentralizowanego charakteryzować się będzie m.in: wymianą liczników energii elektrycznej [6] na nowe inteligentne (tzw. Smart Metering) [7], powstanie infrastruktury AMI (ang. Advanced Meter Infrastructure) oraz wprowadzeniu nowych standardów w zarządzaniu energią w gospodarstwach domowych (dynamiczne taryfy) by w perspektywie przejść do systemu przedpłatowego podobnego jaki obowiązuje w telefonii komórkowej. AMI to inteligentne opomiarowanie, które pozwala na dwukierunkowy przepływ informacji pomiędzy inteligentnym licznikiem energii elektrycznej oraz centralnym systemem informatycznym. System AMI umożliwia na regularne odczyty zużycia energii a także monitorowanie działania sieci elektroenergetycznej. Na rysunku 5 przedstawiono schemat działania systemu inteligentnego z opomiarowaniem AMI. Na rysunku 5 wyróżniono cztery sterfy: D- w obrębie sieci domowej HAN, C- strefa obejmująca liczniki energii, B- strefa komunikacji pomiędzy licznikami za pomocą np: sieci komórkowej danego operatora a siecią korporacyjną, A- obszar sieci korporacyjnej z opomiarowaniem AMI. System AMI składa się z warstwy pomiarowej- liczniki, warstwy komunikacyjnej (PLC- linie napięciowe) oraz systemu centralnego zbierającego dane pomiarowe. Elementami składowymi systemu centralnego AMI jest najczęściej baza danych a także aplikacja, która realizuje podstawowe funkcje pomiarowe i jednocześnie steruje 28 licznikami (AMR- Automated Meter Management) a także aplikacje nadrzędne MDM. MDM (ang. Meter Data Management) dostarcza funkcjonalności wspierających ładowanie, walidację, korektę, szacowanie, przechowywanie, agregowanie a także publikację danych pomiarowych [9]. Rys. 5.Przykładowy schemat z systemem AMI [6, 8] W domach przy użyciu lokalnych sieci HAN (ang. Home Area Network) i użyciu urządzeń do zarządzania zużyciem energii nastąpi inteligentne i optymalne zużycie energii elektrycznej. W Polsce firma Energa przystąpiła do Smart Meteringu. Wymieniła i zainstalowała blisko 400 tysięcy liczników energii elektrycznej [6, 8]. Docelowo Smart Metering obejmie liczniki ciepła (dżulomierze) oraz liczniki zużycia wody (wodomierze). Sieć Han może być przewodowa bądź bezprzewodowa obejmująca wyświetlacze domowe IHD (ang. In Home Display- domowe wyświetlacze zużycia mediów), sterowniki obciążenia a także domowe urządzenia zdolne do automatycznego reagowania na sygnały ze strony popytowej DSM (DSM ang. Demand Side Management- zarządzanie stroną popytową). Najodpowiedniejsze wykorzystanie sieci HAN ma miejsce wtedy gdy jest ona elementem integralnym sieci inteligentnego budynku. Zarządzanie strona popytową (DSM) ma wywołać u użytkowników energii poprawę bądź też odpowiednie nawyki w celu racjonalnego zużycia energii. Efektem DSM powinno być wyrównanie krzywej obciążenia (zapotrzebowanie na moc z sieci KSE wyrównane w odniesieniu do całej doby- rysunek 2). Z DSM związany jest DSR (ang. Demand Side Response- aktywna odpowiedź klientów (odbiorców) na sygnały cenowe). Zastosowanie DSM oraz DSR (w skrócie DR- data response) wymaga stosowania dynamicznych taryf, których cena kształtuje się praktycznie on-line (np: co 15-20 minut). Skutkiem stosowania DSM i DSR mogą być realne oszczędności przy zużyciu energii u odbiorcy. Należy dodać, że odbiorca sam decyduje ile zaoszczędzi w przypadku gdy występują dynamiczne taryfy. Często oszczędności u odbiorcy będą wiązały się ze zmianą "przyzwyczajeń" przy zużyciu energii (np: włączania pralki, zmywarki w godzinach nocnych). Sygnały cenowe są dostarczane do odbiorcy w czasie rzeczywistym. Spotykane terminy dotyczące zmiennych cen energii to: RTP- real time dynamic pricing, CPP-critical peak pricing, TOU- time of use pricing. RTP to usługa świadczona zwykle przez sprzedawcę energii elektrycznej, która polega na oferowaniu zmiennych cen za energię elektryczną w zależności od zmian cen na rynku hurtowym (energia wyceniana jest co godzinę- podawana odbiorcy przez smart meter). CPP to usługa zwykle oferowana przez sprzedawcę bądź dystrybutora energii, która 29 charakteryzuje się wielokrotnie wyższymi cenami energii elektrycznej w szczycie (opisane grzbiety na rysunku 2- gdzie występuje wyższe zapotrzebowanie na energię z KSE). Celem stosowania CPP jest spłaszczenie krzywej zużycia energii elektrycznej w szczycie. TOU to usługa oferowana przez sprzedawcę energii, która polega na rozliczaniu się z odbiorcą na podstawie zmiennych cen energii w danym okresie (pora dnia, dzień tygodnia, miesiąc, pora roku etc.). a) b) Rys. 6. Przykłady reakcji strony popytowej DSM [10] Na rysunek 6a przedstawiono efekt spłaszczenia charakterystyki zapotrzebowania na moc z krajowej sieci elektroenergetycznej oraz przykłady reakcji strony popytowejrysunek 6b. Na rysunku 7 przedstawiono charakterystykę zarządzania stroną popytową DSM przedstawioną przez Polskie Sieci Energetyczne [3] na najbliższe lata. Przewidywana jest również usługa obniżenia cen energii w zamian za niezużywanie jej w szczycie (CPR- critical peak rabate). Należy zauważyć, że celem strategicznym jest poprawa efektywności energetycznej, która w przedstawionej piramidzie (rysunek 7) jest na samym dole. Wzrost efektywności energetycznej może zostać osiągnięty przez odpowiednie sterowanie strategiczne po stronie popytu oraz kształtowanie aktywnych postaw odbiorców. Rys. 7. Charakterystyka zarządzania stroną popytową [11] Przystanie odbiorcy na określone warunki sprzedawcy energii może powodować zdalne odłączenie odbiorcy od sieci (ang. remonte disconnect). Odłączenie odbiorcy może występować na skutek aktywowanej usługi CPP (w szczycie). Dodatkowo może to 30 być reakcja na sytuacje nadzwyczajne, alarmowe np: pożar lub trwające prace serwisowe. Może zostać również wygenerowany czerwony kod jeżeli umowa miedzy dostawcą a odbiorcą takowy scenariusz przewiduje. CRC (ang. code red command) powoduje bezwarunkowe odłączenie odbiorcy bądź wybranych energochłonnych jego odbiorników. Wykonanie odłączenia może nastąpić np: w szczycie. Odbiorca idąc na takie ustępstwo może liczyć np: na korzystniejsze ceny energii elektrycznejwynegocjowane przy podpisywaniu umowy ze sprzedawcą. Sieci inteligentne (ang. Smart grid) [12, 13, 14, 15, 16, 17, 18] są definiowane jako sieci elektroenergetyczne, które mogą efektywnie integrować zachowanie oraz działanie wszystkich podłączonych do niej użytkowników, konsumentów (w tym też prosumentów) w celu utworzenia oszczędnego gospodarczo a także zgodnego z zasadami zrównoważonego rozwoju systemu elektroenergetycznego, który charakteryzuje się niskim poziomem strat bezpieczeństwem oraz wysoką jakością dostaw energii elektrycznej do odbiorców. Celem, który motywuje wdrożenie inteligentnych sieci elektroenergetycznych jest: poprawienie bezpieczeństwa oraz niezawodności pracy systemu elektroenergetycznego (ograniczenie braku dostaw i przerwy w dostawach tzw. blackotów), informowanie konsumentów o aktualnej cenie energii elektrycznej oraz możliwości zmiany dostawcy energii, ułatwnienie rozwoju generacji rozproszonej (wszystkich technologii i urządzeń generacji energii), które wyszczególniono w dyrektywie [1], możliwość i świadomość konsumenta o optymalizacji zużycia energii Do cech szczególnych Smart grid [13, 14, 15, 17] zalicza się: elastyczność sieci (dostosowanie dostaw do potrzeb) informacja o awariach (szybkie ich usuwanie poprzez wykrycie przerwania np: dłuższy brak odczytu z inteligentnego licznika) dwukierunkowość sieci (informacja i energia) otwartość systemu na przyłączenie milionów samochodów elektrycznych (inteligentne ładowanie samochodów elektrycznych- ang. Smart charging np: w nocy). Rys. 8. Schemat Smart home z zaznaczonymi elementami Smart grid [19] 31 Na rysunku 8 przedstawiony został inteligentny dom wraz z elementami, które go tworzą (m.in: odnawialne źródła energii, moduł μCHP zintegrowany z siecią HAN, system inteligentnego ładowania pojazdu elektrycznego (w chwili gdy jest nadwyżka energii bądź gdy energia dla danej taryfy jest najtańsza), inteligentny licznik energii, który z określonym interwałem czasowym rejestruje zużycie energii elektrycznej w budynku i wysyła informację do zakładu energetycznego. Obecnie w Polsce planowane jest zainstalowanie i odczyt licznika inteligentnego z 15 minutowym interwałem czasowym. Służyć to będzie przede wszystkim wprowadzeniu dynamicznych taryf. 3. Podsumowanie W perspektywie roku 2020 obserwowany będzie bardzo silny rozwój smart meteringu wynika to bezpośrednio z dyrektywy 2009/72/EC [7], która przewiduje zainstalowanie inteligentnych liczników w 80% gospodarstw domowych na terenie całej Polski. W artykule przedstawiono główne możliwości wpływania na postawy odbiorców energii elektrycznej w celu bardziej racjonalnego wykorzystania przez nich energii elektrycznej- uwzgledniając przy tym określone korzyści finansowe. Jednocześnie należy podkreślić, że równolegle jako element Smart Gridu rozwija się generacja rozproszona, która może liczyć na określone wsparcie z funduszy krajowych [5] oraz europejskich [20]. Rozwój Smart gridu wspólnie z generacją rozproszoną dadzą w efekcie poprawę efektywności energetycznej i lepsze wykorzystanie energii z paliw kopalnych. Literatura: [1] Directive 2012/27/EU of the European Parliment and of the Council of 25 October 2012 on energy efficiency, amending Directives 2009/125/EC and 2010/30/EU and repealing Directives 2004/8/EC and 2006/32/EC. [2] Directive 2009/28/EC of the council of 23 april 2009, on the promotion of the use of energy from renewable sources and amending and subsequently repealing Directives 2001/77/EC and 2003/30/EC. [3] http://www.pse.pl/index.php?modul=8&id_rap=211- aktualizacja 12.08.2014. [4] http://www.pse-operator.pl/- aktualizacja 29.07.2014. [5] http://www.nfosigw.gov.pl/- aktualizacja 12.08.2014. [6] http://www.energa-operator.pl/index.xml- aktualizacja 29.07.2014 [7] Directive 2009/72/EC of the European Parliment and of the Council of 13 July 2009 concerning common rules for the internal market in electricity and repealing Directive 2003/54/EC. [8] Masiąg R. Korzyści z wdrożenia AMI na bazie wniosków z Etapu I, Warszawa, 13 maja 2014. [9] http://www.tt.com.pl/- aktualizacja 29.07.2014 [10] Luboczyński W., Rynek gigawatów- perspektywy wdrożenia instrumentów zarządzania popytem w polskim systemie elektroenergetycznym, konferencja Europower, Warszawa, 8 marca 2012. [11] Lubaczyński W. Zachowania odbiorców na przykładzie projektu pilotażowego wdrożenia innowacyjnych taryf, KonferencjaCyfryzacja sieci elektroenergetycznych, Warszawa, 13 maj 2014. [12] Reddy K.S., Kumar M., Mallick T.K., Sharon H., Lokeswaran S. A review of Integration, Control, Communication and Metering (ICCM) of renewable energy 32 [13] [14] [15] [16] [17] [18] [19] [20] based smart grid, Renewable and Sustainable Energy Reviews, Vol. 38, pp.180– 192, 2014. Fang X., Misra S, Xue G., Yang D., Smart Grid – The New and Improved Power Grid:A Survey, IEEE Communications Surveys & Tutorials, Vol. 14, No. 4, 2012. Battistelli C., Conejo A. J Optimal management of the automatic generation control service insmart user grids including electric vehicles and distributed resources, Electric Power Systems Research Vol. 111, pp. 22–31, 2014. European Smart Grids Technology Platform, European Commission DirectorateGeneral for Research, 2006. Popczyk J. Energetyka rozproszona, Polski Klub Ekologiczny Okręg Mazowiecki Warszawa, 2011. Kacejko P. Inżynieria elektryczna i informatyczna w nowych technologiach elektroenergetycznych, Lublin 2011. Narodowy Fundusz Ochrony Środowiska i Gospodarki Wodnej Generacja rozproszona w nowoczesnej polityce energetycznej, Warszawa, 2012. http://www.xcelenergy.com/- aktualizacja 12.08.2014. http://www.eog.gov.pl/Strony/start.aspx- 12.08.2014. Streszczenie W pracy przedstawiono obecne dzienne zapotrzebowania na moc z krajowych sieci elektroenergetycznych z podkreśleniem uwagi na obniżenie szczytów przedpołudniowych oraz popołudniowych. Jako receptę na wyrównanie krzywej zapotrzebowania na moc przedstawiono odpowiednie zarządzanie strona popytową i aktywnymi odpowiedziami odbiorców. W artykule opisano przyszłe formy kształtowania cen energii po stronie popytowej i odpowiedzi klienta m.in.: CPP, TOU, RTP. Dodatkowo podkreślono wagę równoczesnego rozwoju Smart grid na terenie Polski. Przedstawiono stan rozwoju Smart Meetering i skalę jego wdrażalności prowadzoną prze firmę Energa Operator na terenie Polski. Przedstawiono główne cele rozwoju Smart grid a także pojęcia z tym terminem związane m.in.: AMR, AMI, Smart Meter, IHD. Słowa kluczowe: Sieci inteligentne, efektywność energetyczna, zużycie energii SMART GRID AS PART OF A POLISH ENERGY EFFICIENCY IMPROVEMENTS TO 2020 Abstract The paper presents the current daily demand for power from the national power networks with emphasis due to the reduction in the peak morning and afternoon. Authors present the relevant demand side management and active customers response as a a prescription for alignment of curve demand for power. The article describes development of future forms of energy prices on the demand side and the customer response eg. RTP- real time dynamic pricing, CPP-critical peak pricing, TOU- time of use pricing. Additionally, the authors drew attention to the simultaneous development of the smart grid and distributed generation in Polish. The article has been presented of the development of Smart Meetering and scale of its implementability which is conducted by Energa Operator on Polish territory. The paper presents the main objectives of the 33 development of Smart Grid and concepts associated with this term, eg: AMR, AMI, Smart Meter, IHD. Keywords: Smart grids, energy efficiency, energy consumption 34