Техніка та енергетика

Структурування енергетичного балансу територіальних громад з локальними інфраструктурними активами для комбінованого виробництва енергії

Віктор Каплун, Віктор Троханяк, Світлана Макаревич, Іван Радько, Вадим Литвин
Завантажити статтю
Анотація

Аналіз структури енергетичного балансу дозволяє оптимально використовувати наявні ресурси та інфраструктуру для максимізації виробництва енергії, що особливо важливо для територіальних громад з обмеженими ресурсами. Метою статті було проведення статистичного аналізу комбінованого виробництва енергії від вітро-сонячних електростанцій та джерел теплової генерації у складі типової системи централізованого постачання електричної та теплової енергії для територіальної громади міста Сміла, Черкаська область, Україна. Щоб сприяти використанню розподілених ресурсів, запропонована концепція мікроенергетичної системи (MEС) та її основна структура з пристроями виробництва, перетворення та зберігання енергії. На основі невизначеностей MEС вводиться модель розподілу ймовірностей. З цілями максимізації операційного доходу та мінімізації операційного ризику та викидів вуглекислого газу було створено багатоцільову скоординовану модель оптимізації диспетчеризації. Результати показують, що MEС може інтегрувати різні типи енергії, такі як вітер, фотоелектрична енергія та газ. Кілька енергетичних циклів досягається за допомогою пристроїв для перетворення та зберігання енергії, і задовольняються різні потреби в енергії. Сезонність накладає суттєві обмеження на використання теплових електростанцій на твердому біопаливі (ГЕС) та біопаливних когенераційних газопоршневих установок (БГУ) в літній період, навіть без урахування можливих маневрових режимів. Рівень втрат зростає з 19,51% до 40,83%, що призводить до збільшення собівартості виробництва електроенергії. Середні значення питомої собівартості електроенергії на місячному інтервалі для обраної структури джерел (СЕС – 1,0 мВт, ВЕС – 1,6 мВт, ГЕС – 8,5 мВт, БГУ – 1,0 мВт) зростають влітку з 23,63 % до 53,37 %. При цьому F5e (YL) досягає найбільшого значення в неопалювальний сезон 0,689. Дослідження можуть бути використані у практичних цілях при диспетчеризації генерованої електричної та теплової енергії

Ключові слова

енергозабезпечення територіальних громад, енергетичний баланс, мікроенергосистема, комбіноване виробництво електроенергії і тепла

ЦИТУВАТИ
Kaplun, V., Trokhaniak, V., Makarevych, S., Radko, I., & Lytvyn, V. (2024). Structuring the energy balance of territorial communities with local infrastructure assets for combined energy production. Machinery & Energetics, 15(4), 22-33. https://doi.org/10.31548/machinery/4.2024.22
Використані джерела

[1] Bagheri, M., Delbari, S.H., Pakzadmanesh, M., & Kennedy, C.A. (2019). City-integrated renewable energy design for low-carbon and climate-resilient communities. Applied Energy, 239, 1212-1225. doi: 10.1016/j. apenergy.2019.02.031.

[2] Bloess, A., Schill, W.-P., & Zerrahn, A. (2018). Power-to-heat for renewable energy integration: A review of technologies, modeling approaches, and flexibility potentials. Applied Energy, 212, 1611-1626. doi: 10.1016/j.apenergy.2017.12.073.

[3] Connolly, D., Lund, H., Mathiesen, B.V., Werner, S., Möller, B., Persson, U., Boermans, T., Trier, D., Østergaard, P.A., & Nielsen S. (2014). Heat roadmap Europe: Combining district heating with heat savings to decarbonise the eu energy system. Energy Policy, 65, 475-489. doi: 10.1016/j.enpol.2013.10.035.

[4] European Directive 2018/2001/EU of the European Parliament and of the Council on the promotion of the use of energy from renewable sources (recast). (2018, December). Retrieved from https://eur-lex.europa.eu/eli/dir/2018/2001/oj.

[5] Fellah, K., & Abbou, R. (2024). Modelling and formal verification approach for microgrid energy management systems under random load. IFAC-PapersOnLine, 58(1), 270-275. doi: 10.1016/j.ifacol.2024.07.046.

[6] Gabbar, H.A., Runge, J., Bondarenko, D., Bower, L., Pandya, D., Musharavati, F., & Pokharel, S. (2015). Performance evaluation of gas-power strategies for building energy conservation. Energy Conversion and Management, 93, 187-196. doi: 10.1016/j.enconman.2014.12.060.

[7] Ghiani, E., Giordano, A., Nieddu, A., Rosetti, L., & Pilo F. (2019). Planning of a smart local energy community: the case of Berchidda Municipality (Italy), Energies, 12(24), article number 4629. doi: 10.3390/en12244629.

[8] Guandalini, G., Robinius, M., Grube, T., Campanari, S., & Stolten, D. (2017). Long-term power-to-gas potential from wind and solar power: A country analysis for Italy. International Journal of Hydrogen Energy, 42(19), 13389-13406. doi: 10.1016/j.ijhydene.2017.03.081.

[9] Hahnel, U.J.J., Herberz, M., Pena-Bello, A., Parra, D., & Brosch, T. (2020). Becoming prosumer: Revealing trading preferences and decision-making strategies in peer-to-peer energy communities, Energy Policy, 137, article number 111098. doi: 10.1016/j.enpol.2019.111098.

[10] Heredia, F.J., Rider, M.J., & Corchero, C. (2010). Optimal bidding strategies for thermal and generic programming units in the day-ahead electricity market. IEEE Transactions on Power Systems, 25(3), 1504-1518. doi: 10.1109/TPWRS.2009.2038269.

[11] Jiang, Y.-W., Chen, C., & Wen, B.-Y. (2008). Application of stochastic simulation’s particle swarm algorithm in the compensation of reactive power for wind farms. Proceedings of the Chinese Society of Electrical Engineering, 28, 47-52.

[12] Ju, L., Li, H., Zhao, J., Chen, K., Tan, Q., & Tan, Z. (2016). Multi-objective stochastic scheduling optimization model for connecting a virtual power plant to wind-photovoltaic-electric vehicles considering uncertainties and demand response. Energy Conversion and Management, 128, 160-177. doi: 10.1016/j.enconman.2016.09.072.

[13] Kaplun, V. (2023). Principles of resource-process modeling of territorial communities combined energy supply in the climate change prevention context. System Research in Energy, 4(75), 54-64. doi: 10.15407/srenergy2023.04.055.

[14] Kaplun, V., & Osypenko, V. (2020). Energy efficiency analyses in polygeneration microgrids with renewable sources 2020. In IEEE 7th international conference on energy smart systems (ESS) (pp. 139-143). Kyiv: IEEE. doi: 10.1109/ESS50319.2020.9160346.

[15] Karimi, A., Nayeripour, M., & Abbasi, A.R. (2024). Coordination in islanded microgrids: Integration of distributed generation, energy storage system, and load shedding using a new decentralized control architecture. Journal of Energy Storage, 98(B), article number 113199. doi: 10.1016/j.est.2024.113199.

[16] Koirala, B.P., Koliou, E., Friege, J., Hakvoort, R.A., & Herder, P.M. (2016). Energetic communities for community energy: A review of key issues and trends shaping integrated community energy systems. Renewable and Sustainable Energy Reviews, 56, 722-744. doi: 10.1016/j.rser.2015.11.080.

[17] Li, J., Mo, H., Sun, Q., Wei, W., & Yin, K. (2024). Distributed optimal scheduling for virtual power plant with high penetration of renewable energy. International Journal of Electrical Power & Energy Systems, 160, article number 110103. doi: 10.1016/j.ijepes.2024.110103.

[18] Mehigan, L., Deane, J.P., Gallachóir, B.P.Ó., & Bertsch, V. (2018). A review of the role of distributed generation (DG) in future electricity systems. Energy, 163, 822-836. doi: 10.1016/j.energy.2018.08.022.

[19] Mohammadi, J., Rahimikian, A., & Ghazizadeh, M.S. (2007). Aggregated wind power and flexible load offering strategy. IET Renewable Power Generation, 5(6), 439-447. doi: 10.1049/iet-rpg.2011.0066.

[20] Saeed, N., Wen, F., & Afzal, M.Z. (2024). Decentralized peer-to-peer energy trading in microgrids: Leveraging blockchain technology and smart contracts. Energy Reports, 12, 1753-1764. doi: 10.1016/j.egyr.2024.07.053.

[21] Smila city territorial community. (n.d.). Statistical data on energy consumption. Retrieved from https://www.rayrada.ck.ua/8-silski-rady/5605-smilianska-miska-terytorialna-hromada.html.

[22] Stojiljkovic, M.M. (2017). Bi-level multi-objective fuzzy design optimization of energy supply systems aided by problem-specific heuristics. Energy, 137, 1231-1251. doi: 10.1016/j.energy.2017.06.037.

[23] Tan, Z.-F., Ju, L.-W., Li, H.-H., Li, J.-Y., & Zhang, H.-J. (2014). A two-stage scheduling optimization model and solution algorithm for wind power and energy storage system considering uncertainty and demand response. International Journal of Electrical Power & Energy Systems, 63, 1057-1069. doi: 10.1016/j.ijepes.2014.06.061.

[24] Yang, H., Yi, D., Zhao, J., Luo, F., & Dong, Z. (2014). Distributed optimal dispatch of virtual power plant based on ELM transformation. Journal of Industrial and Management Optimization, 10(4), 1297-1318. doi: 10.3934/jimo.2014.10.1297.

[25] Zhang, X., Yang, J., Wang, W., Zhang, M., & Jing, T. (2018). Integrated optimal dispatch of a rural micro-energy-gridwith multi-energy stream based on model predictive control. Energies, 11, article number 3439. doi: 10.3390/en11123439.

[26] Zhao, X., Yang, L., Qu, X., & Yan, W. (2018). An improved energy flow calculation method for integrated electricity and natural gas system. Transactions of China Electrotechnical Society, 33, 467-477.