Тема: Прикладные задачи оптимизации и алгоритмы управления системами электроснабжения с использованием возобновляемых источников энергии

В настоящее время в связи с экологическими проблемами, возросшим спросом на энергию, нестабильной ценовой политикой на топливные ресур­сы и нехваткой энергетических мощностей особое внимание было сосредо­точено на технологиях распределенной энергетики (РЭ). Распределенные энергетические ресурсы в общем случае - это маломасштабные источники выработки и хранения энергии, расположенные в непосредственной бли­зости к месту использования электроэнергии, они могут обеспечить аль­тернативу или улучшение традиционной электрической сети. Технологии распределенной энергетики включают в себя газопоршневые, газотурбин­ные и микротурбинные электростанции, тепловые насосы, паровые кот­лы, возобновляемую энергетику (солнечные батареи, ветровые генерато­ры), хранилища энергии, топливные элементы, когенерационные установ­ки и т.д. Вместе они предлагают потребителям потенциал для снижения затрат, электроэнергию высокого качества, энергетическую независимость и повышение энергоэффективности.
Для внедрения и эффективного использования технологий РЭ необ­ходим механизм управления, контролирующий процессы протекающие в энергосистеме пользователя. Система управления энергией или энергоме­неджмент - это система, которая управляет компонентами энергосистемы для достижения оптимальной работы в целях снижения затрат на энер­гетические ресурсы и максимизации эффективности потребления энергии. Энергоменеджмент включает в себя планирование и эксплуатацию энер­гопроизводящих и энергопотребляющих установок, а также распределение и хранение энергии. Основными целями энергоменеджмента являются: со­хранение ресурсов, защита климата и экономия затрат, при условии, что пользователи имеют постоянный доступ к необходимой им энергии.
Внедрение в электроэнергетическую систему (ЭЭС) пользователя тех­нологий РЭ с системой управления формирует концепцию Smart Grid (ум­ных сетей), где потенциальный электропотребитель любого уровня, полу­чает возможность взаимодействовать с ЭЭС: прогнозировать и планиро­вать потребление, выбирать поставщика и влиять на тарифы. Основные атрибуты концепции Smart Grid определяются следующим образом: до­ступность, надежность, гибкость, эффективность, обеспечение безопасно­сти, способность к аккумулированию энергии, стимулирование активности электропотребителя, экономичность, снижение экологического давления на окружающую среду.
Возобновляемые источники энергии и системы накопления энергии играют решающую роль в оптимальном планировании работы микросетей. Накопление энергии может повысить гибкость интеллектуальной энерго­системы, а возобновляемые источники энергии обеспечить частичную или полную независимость от коммунального предприятия. Поэтому энерге­тическая инжиниринговая компания Schneider Electric [1], специализирую­щаяся на энергетическом менеджменте и автоматизации, опубликовала в открытом доступе данные, которые были предложены для решения задач энергетического менеджмента. Перед исследователями стояла задача раз­работать оптимизационную модель, минимизирующую затраты на приоб­ретение электроэнергии путем планирования зарядки и разрядки аккуму­ляторных батарей, а также обмена с энергетическим рынком при условии соблюдения ограничений системы и достижения энергетического баланса. Однако предложенные решения [2] базировались на детерминистических подходах, которые имеют ряд недостатков и не могут быть применены для решения реальных индустриальных задач.
Решение задачи управления распределенными ресурсами невозмож­но без теоретико-методологического и практического развития подходов, адаптированных под современные системы и запросы. Однако данное на­учное направление только в последние годы начинает активно развиваться в отечественной науке, что повышает актуальность темы. Поэтому целью моего исследования является разработка быстрого и эффективного инстру­мента, отвечающего требованиям современного энергоменеджмента.
Купить

В эпоху интеллектуальных сетей и умных домов потребность в импле­ментации эффективной управляющей компоненты в энергосистему пользо­вателей возрастает с каждым годом. Домохозяйства и предприятия потреб­ляют все больше энергии для обеспечения своих нужд, при этом цены на энергоресурсы продолжают расти. Ведь в последние годы несоответствие между спросом и предложением в энергетической сфере становится все бо­лее напряженным: ископаемая энергия истощается и становится менее до­ступной, к тому же многие экологи акцентируют внимание общественности на проблемах загрязнения окружающей среды при выработке энергоресур­сов. В качестве решения проблемы были предложены возобновляемые ис­точники энергии, но нестабильный характер выработки дестабилизирует энергосистему и делает ее менее эффективной, так как разработанные ра­нее алгоритмы контроля не могут учитывать все факторы, влияющие на динамику системы. Поэтому целью моего исследования была разработка быстрого и эффективного инструмента, отвечающего требованиям совре­менного энергоменеджмента.
Наиболее перспективным направлением в контексте решаемой зада­чи является обучение с подкреплением, которое обладает преимуществом самообучения и исследует оптимальные стратегии с помощью механизма проб и ошибок в динамической среде. Алгоритмы RL предлагается ис­пользовать для решения различных проблем принятия решений в обла­сти управления в условиях неопределенности. В данной работе на основе имеющихся данных было предложено решение для гибкого планирования работы энергосистемы пользователя с целью минимизации финансовых за­трат, оно включает в себя программный комплекс, способный в режиме реального времени управлять зарядом накопительной батареи и рассчи­тывать объемы энергетических потоков, необходимых для удовлетворения потребностей пользователя.
В качестве дальнейших исследований для увеличения энергоэффек­тивности моделируемой системы будут рассмотрены технологии распреде­ленной энергетики, такие как системы когенерации. Это требует дополни­тельных исследований и более детального изучения процесса совместной выработки электрической и тепловой энергии, а также большего массива исторических данных.
Купить