Acta Energetica Power Engineering Quarterly 3/24 (September 2015) by ENERGA SA

3/24 (September 2015)

YEAR 7

R&D | technology | economy | law | management

ISSN 2300-3022

Publisher

ENERGA SA

Politechnika Gdańska

Patronage

ENERGA SA

Academic Consultants

Reviewers

Editor-in-Chief

Zbigniew Lubośny

Vice Editor-in-Chief

Rafał Hyrzyński

Copy Editors

Katarzyna Żelazek | Bernard Jackson

Topic Editors

Michał Karcz | Jacek Klucznik | Marcin Lemański Karol Lewandowski | Paweł Szawłowski

Statistical Editor

Sebastian Nojek

Managing Editor

Jakub Skonieczny

Proofreading

Mirosław Wójcik

Graphic design and typesetting

Art Design Maciej Blachowski

Translation

Skrivanek Sp. z o.o.

Grafix Centrum Poligrafii

Dispatch preparation

ENERGA Obsługa i Sprzedaż Sp. z o.o.

Editorial Staff Office

Acta Energetica al. Grunwaldzka 472, 80-309 Gdańsk, POLAND tel.: +48 58 77 88 466, fax: +48 58 77 88 399 e-mail: redakcja@actaenergetica.org www.actaenergetica.org

Electronic Media

Anna Fibak (Copy Editor) Paweł Banaszak (Technical Editor)

Information about the oryginal version

Electronic edition of Acta Energetica is the original version of the journal, which is available on the website www.actaenergetica.org The journal is also available in hard copy. The journal is indexed in Polish Technical Journal Contents BazTech http://baztech.icm.edu.pl and also in Scientific journal database – the IC Journal Master List http://jml2012.indexcopernicus.com/masterlist.php

Information for authors published on the website: www.actaenergetica.org

From the Chief Editor Electricity consumption in 2014 amounted to 3210 TWh in ENTSO-E countries and 158.7 TWh in Poland. Interestingly, the ENTSO-E electricity consumption has been decreasing year by year since 2010 (in 2010 it amounted to 3367 TWh). It is argued that this is due to changes in the weather (warmer winters), outsourcing industrial production outside the EU, and deployment of energy-saving technologies. In the same period electricity consumption in Poland kept growing from 156.3 TWh to 158.7 TWh. This electricity was generated in sources with the capacity of 1,024 GW in ENTSO-E, and 38.5 GW in Poland. The peak loads in the ENTSO-E and Polish systems were 522 GW and 25.5 GW, respectively. The ENTSO-E capacity’s breakdown is: 46% fossil fuel plants, 20% hydroelectric, 12% nuclear and 22% renewables. In Poland fossil-fuel sources predominate at 84%, commercial hydro plants account for 6%, and wind farms and other renewables 10%. Statistics of the changes in the installed capacity from 2010 show significant growth in wind (116,760 MW), gas (101 277 MW) and solar (87 926 MW) sources. However, if we look at the change of the installed capacity in the last three years, there is only a significant increase in wind (23,891 MW) and solar (35,760 MW) generation. Gas power plant capacity has increased by 1,762 MW only. It can therefore be concluded that the power systems grow by adding renewable energy sources. It is worth mentioning that coal, liquid fuel and nuclear plants are in retreat. The capacities installed in these plants have changed since 2010 by –24,746 MW, –25,924 MW and –13,190 MW, respectively. This does not mean that the problems faced by today’s power systems are related to this type of electricity generation only. This is evidenced by the diversity of the papers in this issue of Acta Energetica. Enjoy reading!

Zbigniew Lubośny Editor-in-Chief of Acta Energetica

Od redaktora naczelnego Zużycie energii elektrycznej w krajach zrzeszonych w ENTSO-E w 2014 roku wyniosło 3210 TWh, a w Polsce 158,7 TWh. Co ciekawe, od 2010 roku zużycie energii elektrycznej w systemie ENTSO-E z roku na rok spada (w 2010 roku wyniosło 3367 TWh). Twierdzi się, że jest to skutek zmian pogodowych (cieplejsze zimy), wyprowadzania produkcji przemysłowej poza kraje UE oraz wprowadzania energooszczędnych technologii. W tym samym okresie w Polsce widoczny był coroczny przyrost zużycia energii elektrycznej z poziomu 156,3 TWh do 158,7 TWh. Energia ta została wyprodukowana w źródłach o mocy osiągalnej 1024 GW w ENTSO-E, a w tym zainstalowanych w systemie krajowym o mocy 38,5 GW. Szczytowe obciążenie systemu ENTSO-E było równe 522 GW, a w systemie krajowym 25,5 GW. Struktura źródeł w systemie ENTSO-E jest następująca: 46% elektrownie na paliwa kopalne, 20% elektrownie wodne, 12% elektrownie jądrowe i 22% odnawialne źródła energii. W systemie krajowym dominują źródła na paliwa kopalne 84%, elektrownie zawodowe wodne stanowią 6%, a wiatrowe i inne odnawialne 10%. Statystki zmiany mocy zainstalowanej od 2010 roku pokazują istotny rozwój źródeł wiatrowych (116 760 MW), gazowych (101 277 MW) oraz fotowoltaicznych (87 926 MW). Jeżeli jednak spojrzymy na zmianę mocy zainstalowanej w ostatnich trzech latach, to istotny przyrost widoczny jest tylko wśród źródeł wiatrowych (23 891 MW) i fotowoltaicznych (35 760 MW). W grupie elektrowni gazowych zmiana mocy zainstalowanej wynosi tylko 1762 MW. Można zatem stwierdzić, że rozwój systemów elektroenergetycznych następuje poprzez odnawialne źródła energii. Warto tu również wspomnieć, że elektrownie węglowe, na paliwa ciekłe oraz jądrowe znajdują się w odwrocie. Od 2010 roku zmiana mocy zainstalowanej w tej grupie źródeł energii jest równa odpowiednio: –24 746 MW, –25 924 MW i –13 190 MW. Powyższe nie oznacza, że problemy, z którymi borykają się współczesne systemy elektroenergetyczne, związane są tylko ze źródłami energii tego typu. Świadczą o tym swą różnorodnością artykuły zawarte w niniejszym numerze Acta Energetica, zapraszam do ich lektury. prof. dr hab. inż. Zbigniew Lubośny redaktor naczelny Acta Energetica

Table of contents EFFECTIVE SHORT-TERM FORECASTING OF WIND FARMS POWER Elżbieta Bogalecka, Tomasz Rubanowicz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 CORPORATE SYSTEMS OF POWER QUALITY MONITORING Wiesław Gil, Przemysław Wronek. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 COMPENSATION OF 110 KV CABLE LINES – POSSIBILITIES AND LIMITATIONS Piotr Kacejko, Paweł Pijarski, Sylwester Adamek. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 NEW EUROPEAN ELECTRICITY MARKET REGULATIONS AND THEIR IMPACT ON THE DOMESTIC MARKET Henryk Majchrzak, Konrad Purchała, Kamil Smolira. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 ESTIMATION OF THE INFLUENCE OF POWER SYSTEM MATHEMATICAL MODEL PARAMETER UNCERTAINTY ON PSS2A SYSTEM STABILIZERS Adrian Nocoń, Stefan Paszek. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 RELIABILITY OF POWER UNITS IN POLAND AND THE WORLD Józef Paska. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 WIND FARM RELIABILITY MODELLING USING BAYESIAN NETWORKS AND SEMI-MARKOV PROCESSES Robert Adam Sobolewski. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 ADVANCED CONTROL STRUCTURES OF TURBO GENERATOR SYSTEM OF NUCLEAR POWER PLANT Paweł Sokólski, Karol Kulkowski, Anna Kobylarz, Kazimierz Duzinkiewicz, Tomasz A. Rutkowski, Michał Grochowski . . . . . . . . . . . . . . . . . . . 83 HIGH-EFFICIENCY GAS COGENERATION – AN ASSESSMENT OF THE SUPPORT MECHANISM Maciej Sołtysik, Karolina Mucha-Kuś. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 TRANSFORMATION OF POLISH ENERGY POLICY IN THE CONTEXT OF CHANGES IN EUROPEAN UNION MEMBER STATES Radosław Szczerbowski, Bartosz Ceran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 OPTIMISATION OF REACTIVE POWER COMPENSATION, SELECTED RESULTS FOR MEDIUM VOLTAGE DISTRIBUTION NETWORKS Waldemar Szpyra, Wojciech Bąchorek, Aleksander Kot. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 ANALYSIS OF POSSIBILITIES TO REDUCE THE VOLTAGES INDUCED IN MULTI-CIRCUIT AND MULTI-VOLTAGE OVERHEAD LINES Rafał Tarko, Waldemar Szpyra, Wiesław Nowak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 INTEGRATED METHOD FOR OPTIMIZING CONNECTION LAYOUT AND CABLE SELECTION FOR AN INTERNAL NETWORK OF A WIND FARM Andrzej Wędzik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142

Spis treści SKUTECZNE PROGNOZOWANIE KRÓTKOTERMINOWE MOCY FARM WIATROWYCH? Elżbieta Bogalecka, Tomasz Rubanowicz ..........................................................................................................................................................................10 KORPORACYJNE SYSTEMY MONITOROWANIA JAKOŚCI ENERGII ELEKTRYCZNEJ Wiesław Gil, Przemysław Wronek.......................................................................................................................................................................................21 KOMPENSACJA LINII KABLOWYCH 110 KV – MOŻLIWOŚCI I OGRANICZENIA Piotr Kacejko, Paweł Pijarski, Sylwester Adamek..............................................................................................................................................................34. NOWE REGULACJE EUROPEJSKIE W OBSZARZE RYNKU ENERGII ELEKTRYCZNEJ I ICH WPŁYW NA RYNEK KRAJOWY Henryk Majchrzak, Konrad Purchała, Kamil Smolira.....................................................................................................................................................44 OCENA WPŁYWU NIEPEWNOŚCI PARAMETRÓW MODELU MATEMATYCZNEGO SYSTEMU ELEKTROENERGETYCZNEGO NA STABILIZATORY SYSTEMOWE PSS2A Adrian Nocoń, Stefan Paszek................................................................................................................................................................................................54 NIEZAWODNOŚĆ BLOKÓW ENERGETYCZNYCH W POLSCE I NA ŚWIECIE Józef Paska................................................................................................................................................................................................................................66 MODELOWANIE NIEZAWODNOŚCI FARMY WIATROWEJ Z WYKORZYSTANIEM SIECI BAYESOWSKICH I PROCESÓW SEMI-MARKOWA Robert Adam Sobolewski......................................................................................................................................................................................................77 ZAAWANSOWANE STRUKTURY STEROWANIA SYSTEMEM TURBOGENERATORA ELEKTROWNI JĄDROWEJ Paweł Sokólski, Karol Kulkowski, Anna Kobylarz, Kazimierz Duzinkiewicz, Tomasz A. Rutkowski, Michał Grochowski................................91 WYSOKOSPRAWNA KOGENERACJA GAZOWA – OCENA MECHANIZMU WSPARCIA Maciej Sołtysik, Karolina Mucha-Kuś...............................................................................................................................................................................103 TRANSFORMACJA POLITYKI ENERGETYCZNEJ POLSKI W KONTEKŚCIE ZMIAN W KRAJACH UNII EUROPEJSKIEJ Radosław Szczerbowski, Bartosz Ceran............................................................................................................................................................................114 OPTYMALIZACJA KOMPENSACJI MOCY BIERNEJ – WYBRANE WYNIKI DLA SIECI ROZDZIELCZYCH ŚREDNIEGO NAPIĘCIA Waldemar Szpyra, Wojciech Bąchorek, Aleksander Kot................................................................................................................................................125 ANALIZA MOŻLIWOŚCI REDUKCJI NAPIĘĆ INDUKOWANYCH W WIELOTOROWYCH WIELONAPIĘCIOWYCH LINIACH NAPOWIETRZNYCH Rafał Tarko, Waldemar Szpyra, Wiesław Nowak............................................................................................................................................................137 ZINTEGROWANA METODA OPTYMALIZACJI UKŁADU POŁĄCZEŃ I DOBORU KABLI DLA WEWNĘTRZNEJ SIECI FARMY WIATROWEJ Andrzej Wędzik....................................................................................................................................................................................................................148

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | 4–9

Effective Short-term Forecasting of Wind Farms Power Authors Elżbieta Bogalecka Tomasz Rubanowicz

Keywords wind farm, power, model, prediction

Abstract Forecasting a specific wind farm’s (WF) generation capacity within a 24 hour perspective requires both a reliable forecast of wind, as well as supporting tools. This tool is a dedicated model of wind farm power. This model should include not only general rules of wind to mechanical energy conversion, but also the farm’s specific features. There are many factors that influence a farm’s generation capacity, and any forecast of it, even with an accurate weather forecast, carries error. This paper presents analytical, statistical, and neuron models of wind farm power. The study is based on data from a real wind farm. Most attention is paid to the neuron models, due to a neuron network’s capability to restore farm-specific details. The research aims to answer the headline question: whether and to what extent a wind farm’s power can be forecast short-term?

DOI: 10.12736/issn.2300-3022.2015301

Introduction

Wind turbine and farm

Wind farm output forecasting requires the weather (mainly wind) forecast and appropriate tools to support the output forecasting. This tool is a dedicated wind farm power model. Using the generally known principles of wind energy conversion into mechanical energy and electricity the output power of a single turbine and entire farm alike can be estimated. A source of output estimate error is failure to take account of a particular farm’s specific characteristics . These characteristics are specific to site location, site terrain topology, farm expanse and topology, and the turbine and its control type. There are so many factors that influence a farm’s output, and any forecast of it, even with an accurate weather forecast, is difficult and prone to error. An important error minimising factor is the operator’s experience. The reference literature is extensive and describes a multitude of output forecasting methods [3, 6, 7]. In addition, there are several dedicated software tools [4, 5] available on the market. WF power models can be divided into analytical models – based on physical principles of wind energy conversion into electricity, behavioural models – based on artificial intelligence methods(e.g. artificial neural networks), and statistical models. Each of these models has different design, accuracy, computational complexity and scope of application. This paper presents basic forecasting methods and assesses their accuracy. The analysis is based on data from actual wind farms in northern Poland. Further in this paper are described the basics of wind turbine operation and factors affecting its output power; physical, statistical and neural models, and their verification and evaluation.

The main task of a wind turbine is to generate electricity. Today’s large wind turbines are equipped with complex control systems to ensure the processing of wind energy into mechanical energy with maximum efficiency. This is possible by connecting the generator to the power grid through a power electronic converter, and owing to the blades’ pitch control. Wind turbine output power is described with the formula:

(1) where: V – wind speed, A – wind turbine swept area, ρ - air density, Cp – power coefficient. Power coefficient Cp determines the efficiency of the airflow energy conversion into mechanical energy, and depends on the blade design and the method of turbine (blade pitch, wind turbine rotation) control. To maintain the maximum power coefficient, a turbine has to rotate at variable speed depending on the wind speed. Most of today’s large turbines operate at variable speed owing to the converter, which is usually a voltage source inverter. At a wind speed below the rating, the generator and wind turbine rotate at the speed that ensures the maximum efficiency. At a higher wind speed, the generator output is limited to its rated value, and the blade pitch control system reduces the lifting force so that the turbine’s rotational speed is maintained at a near constant value. Therefore, the turbine operates with a variable power coefficient Cp, maximum in the optimum operating range (V<Vn) and decreasing in the output reduction

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | 4–9

range (V>Vn). The basic value, in respect to which the blade pitch and the turbine output power are adjusted (in the control system), is not the wind speed, but the angular speed of the generator. The output power curves as functions of wind speed presented in turbine catalogues are not their natural characteristics, but they arise from the turbine control method. Published characteristics are obtained on the basis of measurements, after having been brought to standard conditions [1]. Actual characteristics are fraught with uncertainty. Deviation of actual turbine output from its catalogue value results from, for instance, other temperature and pressure or density, i.e. air density or wind dynamics. A wind farm consists of a few to several dozen turbines, usually of the same type, deployed throughout an extensive area. Each turbine operates at slightly different wind conditions, and therefore at a different point on its operating curve. These conditions are determined by local wind conditions, i.e. wind speed and direction, nacelle elevation above the ground, location in the farm, and shadowing effect due to the location in relation to other turbines and the wind direction. These differences can be quite large. Fig. 1 shows the exemplary wind speed waveforms a)

and output powers obtained under natural conditions for three turbines in a vast wind farm. Wind speed sensors are placed on nacelles behind turbines, so they do not measure the inflowing wind speed. This contributes to the explanation why rotor speed is a more reliable input for the control system than wind speed. Farm output is the sum of individual turbine outputs. Fig. 2 shows a set of operating points of a wind farm (from Fig. 1), i.e. the farm output as a function of average wind speed, obtained on the basis of 10-minute averages from one week. Average wind speed is the arithmetic average of wind speeds from all sensors on nacelles. Fig. 2a shows that despite different conditions of each turbine’s operation (Fig. 1) the farm output is burdened with a small uncertainty (here max. ca. 8%), which means that each turbine’s control system operates precisely, and that in the measurement period similar conditions (air density, wind direction variation) prevailed. With large wind direction variations (Fig. 2b) the uncertainty (here max. 14.5%) of the farm output is also larger. These observations are important for forecasting wind farm output. b)

Fig. 1. Wind speeds and wind turbine output powers in a vast wind farm (for the period of one day)

Fig. 2. WF output power and average wind direction as a function of average wind speed a) wind farm with output of ca. 60 MW, in one week, b) wind farm with output of ca. 50 MW, in three weeks 5

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | 4–9

Physical model of wind farm power Under the assumption that farm output power as a function of wind speed is the scaled characteristics of a single turbine, the farm power’s simple model can be developed. On the basis of equation (1) and catalogue characteristics of a farm’s wind turbines, the output power of a single windmill can be calculated for a specific wind speed. A wind farm output, however, is not the mere multiple of the single turbine output. Apart from the different wind conditions, certain farm specific features, e.g. power reduction due shadowing effect or different nacelle elevations, should be included in the calculation. Each farm has its own individual characteristics that cannot be easily algorithmised. A WF model should take into account the above factors: height above the ground, shadowing, wind condition variations throughout farm site. Farm output power may be determined analytically from formula (2) or (3):

(2) (3)

According to (2) farm output is the sum of individual turbine outputs. Using this dependence, based on wind forecasts the distribution of wind conditions throughout the farm, i.e. the wind conditions for each windmill, should be determined taking into account the different tower heights above the ground and possibly the correction factors ki that account for the shadowing effect dependent on the wind direction. This model requires an accurate model of wind over the farm or the farm’s longterm monitoring, which will allow for selecting the coefficients. Application, for determining farm output, of formula (3), where Vz and Cpz are, respectively, equivalent wind speed and power coefficient for the entire farm, requires determination of these values. The equivalent of formula (3) is the characteristic of farm output power as a function of wind speed. Output decrement of a turbine operating in the shade of another turbine or other object (forest, hills, buildings) may reach tens of percent. The impact of shadowing effect on farm output depends on the farm topology. For a large farm with compact, matrix topology the farm output decrement may occur, but to a small extent dependent on the wind direction, whereas in the case of a farm with linear topology the wind direction impact can be significant, and the analytical model should take this into account. It boils down to the dependency of correction factors k and ki on the wind direction. If elevations of the nacelles of individual windmills differ, then the windmills are propelled with different winds. Wind variability with elevation can be known, either from the measurement campaign before setting the farm or from analytical dependences between wind speed and elevation above the ground, so called terrain roughness [2]. This seemingly simple analytical model requires farm monitoring and experience of the output forecasting or model developing operator. This data is available only after the farm’s construction. 6

Fig. 3. Average wind speed V-av, output power P-farm wind farm and power calculated on the basis of catalogue characteristics P-catalogue

It is therefore expected that the model’s accuracy will increase as time goes by. Also the forecast will be more accurate for a large farm than for a small farm. The following values are needed for forecasting: wind speed and, possibly, wind direction, air density, turbine catalogue characteristics, farm-specific correction coefficients. Fig. 3 shows farm output calculation results based on turbine catalogue characteristics, with no correction coefficients considered and equivalent wind equal to all nacelles average. A measure of the model accuracy can be the relative difference between the farm’s actual daily energy output and that calculated from the model. Since no object-specific knowledge was used to build the model, its accuracy (here the error is 13.5%) is not sufficient. This means that even with an accurate wind forecast, the output power forecast is fraught with considerable error.

Statistical model of wind farm power It follows from the above discussion that accurate output forecasting based on analytical dependencies is a difficult task because of farm-specific characteristics’ high impact and nonanalytic nature. One way to take into account the specific characteristics in the model is the introduction of correction coefficients resulting from operator experience and analysis of historical data. Another way is to build a model based solely on this data. Such a model is a statistical model. With a large enough set of measurement data the farm output most likely in given circumstances, i.e. air density, and wind direction and speed, can be determined. A model so built should include the farm’s non-analytic, specific features. In order to verify the effectiveness of this method, a model was developed based on two weeks’ worth of data. The data included average wind speed and farm output only. No wind direction details were used due to the short measurement period of and insufficient amount of data. The farm output powers were sorted and assigned to wind speeds with 0.5 m/s resolution. In each

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | 4–9

Fig. 6. Wind farm output P-farm, output P-model from model based on wind at measurement mast V-mast

Fig. 4. Average wind speeds V-av, farm outputs P-farm wind farm, and farm outputs calculated on the basis of simplified statistical model P-stat for wind averaged over 10 minutes and one hour P-stat-h

Fig. 5. Relationship between average wind at nacelle and wind at measurement mast; correlation coefficient is 0.87

subset the expected value (median or internal average of e.g. 50% of the data) was determined. In this way, the farm’s output power characteristic was charted, where to each average wind speed the expected output was assigned. The characteristic was used to calculate the farm outputs for the wind waveform as shown in Fig. 3. Data from this period was not included in the analysis. The results are shown in Fig. 4. Despite the short measuring period the farm’s characteristic could be developed because the wind speed varied in a wide range (Fig. 2a). The model error in this case was 3%, so the model is much more effective than the simple analytical model. One reason for the high accuracy is little variation of the wind direction. Calculations were made for wind determined every 10 minutes. In real conditions, wind is forecast with much lower resolution. The model accuracy obtained at hourly wind resolution (P-stat-h) is not much smaller and the error was 3.5%.

In the model shown above the wind on the wind farm was adopted as the average wind speed measured at nacelles, and the relatively high quality of the statistical model was due to the small variation of conditions on the farm during the measurement period and the precise operation of each turbine’s control system. The wind forecast for the wind farm site is not the average wind adopted in the model described above. Fig. 5 shows the average wind (based on week-long measurements) on the farm as a function of the wind measured on the farm, on a mast at an elevation 50 m above the ground, placed in an undisturbed air stream. Considering the wind speed measured of the mast as accurate wind forecast, a simple statistical model was built in the manner described above. The wind was not extrapolated to the actual nacelle height (approx. 80 m above the ground), but in the statistical model it is not necessary. The model was developed on the basis of five day observations. The result is the farm’s output expected at a specified wind speed (at measurement mast). The result is shown in Fig. 6. The difference between the actual energy output and its estimate during the observation period was 5.5%, while during the test (Fig. 6) the difference was 16%. There are several reasons for the difference. The short measurement period and small amount of data were insufficient for statistically valid results. The model development input data should represent all speed ranges in large enough numbers. In this case, in the period covered by the analysis weak winds predominated, while the winds in the test period were predominantly strong. The model takes into account only one variable – wind speed, of its direction. In a short measurement period the air density may be neglected if the temperature changes are moderate. In the Polish climate with four seasons statistical models may be built based on data from, for instance, the preceding month.

Neural model of wind farm As follows from previous analyses, wind farm output power is not an unambiguous and constant in time function of wind speed, despite good performance of each turbine’s control system. It is appropriate to build an adaptive model, which would take into 7

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | 4–9

4.5% in Fig. 8b. The values mapped in the model are consistent with the learning results (Fig. 7). Larger differences between the model and the object are for winds faster than 12 m/s. The differences may result from: particular farm operation case (wind direction, temperature), case not covered by the learning process, under-representation of higher wind speed in the training data set, or network dynamics.

Fig. 7. Learning results of one-input neural network after eight days; power in relative units

account farm specific characteristics. Such a model is a neural network, which can approximate a farm’s characteristics well, taking into account its individual features and variability. The network size and structure must be chosen adequately to the amount of training data, and in the case of a recursive network also to their course. As a result of the learning process an neural network approximates well the object for the scope and nature of the data that were adequately represented in the training data. The study examined [3, 7]: unidirectional networks, recursive networks with a large number of neurons in the hidden layer, with a small number of neurons, trained on a large set of input data and a relatively small set, various training methods were tested. Fig. 7 and 8 show an example result of neural network training and testing. This was an Elman recursive network with 15 neurons in the hidden layer, with one input (wind speed), trained by the Levenberg-Marquardt method on one-month’s worth of data. Adopted as wind speed was. As learning progresses, the network maps the farm output better and better. After one day of learning the error was approx. 30%, and after eight days only approx. 1% (Fig. 7). It can be therefore concluded that in this case the network had learned the test object very well. An example network testing process is shown in Fig. 8. The model error amounted to approx. 3% in Fig. 8a and

Fig. 8. Results of neural network testing on data from two consecutive days 8

In wind speed range 11–14 [m/s] the farm characteristic is strongly non-linear and the model accuracy depends on the non-linearity’s representation quality. The study shows that the average neural model error of is in the range of 3–4%. Attempts to include wind direction in the model neural did not bring the expected results. It is more appropriate to chart power curves for various wind directions in the statistical model. As shown in [3], a neural model trained on data from even several days can be developed if the network is composed of a few neurons in the hidden layer [3, 5]. Such a network represents a wind farm’s local features, but it can generate large errors when weather conditions, such as wind direction, rapidly change.

Conclusions The study shows that with measurement data from a wind farm (average wind, power) its model can be developed with sufficient accuracy, i.e. the farm output power can be modelled based on the average wind speed for the whole farm. Application of the models requires, however, adequately numerous and wellconditioned set of input data. In the case of an analytical model a certain “manual” intervention in the model (selection of correction coefficients) is also possible. Such intervention in a statistical model is difficult, and in a neural model with a large number of weighting factors - impossible. It is much harder to build a predictive model, i.e. to estimate the farm output based on wind forecasts, as shown in Fig. 5 and 6. Even if the wind forecast is accurate, the representative (average) wind for the farm it is not known. Therefore statistical and neural models are preferred. It should be borne in mind that the problems of building an accurate power model coincide with weather forecast inaccuracy. No wind farm power model can forecast the farm’s output power with a certain level of uncertainty. Farm output forecasting requires supporting tools and cumulated over time experience of the operator.

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | 4–9

REFERENCES

1. Standard EN 61400-12-1:2006, Wind Turbines, part 12.1: Power performance measurements of electricity producing wind turbines. 2. Petersen E.L. et al., Wind Power Meteorology, publication of Risø National Laboratory, Roskilde, Denmark 1997. 3. Durajczyk M., Kołakowski R., Model neuronowy mocy farmy wiatrowej na potrzeby prognozowania mocy [Neural model of wind farm power for the purpose of output forecasting], MSc thesis, Faculty of Electrical and Control Engineering, Gdańsk University of Technology, 2013.

4. Giebel G. et al., The state of the art in short term prediction of wind power, Anemos-plus project report, 2011 [online], www.windpowerpredictions.com. 5. Madsen H., Nielsen H., Nielsen T.S., A tool for predicting the wind power production of off-shore wind plants [online], www.enfor.dk. 6. Wang X., Guo P. , Huang X., A review of wind power forecasting models, The Proc. of Int. Conf. on Smart Grid and Clean Energy Technologies, Ener. Proc. 2011, Vol. 12, pp. 770-778. 7. Bogalecka E., Rubanowicz T., Neuronowy model mocy farmy wiatrowej [Neural model of wind farm power], Mechanik 2010, No. 7, pp. 579–586.

Elżbieta Bogalecka Gdańsk University of Technology e-mail: elzbieta.bogalecka@pg.gda.pl Graduated from the Faculty of Electrical and Control Engineering at Gdańsk University of Technology (1976). She acquired her doctorate and habilitation at her alma mater (1987, 1998). Her research interests include automation of electric drive, especially wind power plant control algorithms, including sensorless control and renewable energy. Author of several dozen studies in this field.

Tomasz Rubanowicz ENERGA-OBRÓT SA e-mail: tomasz.rubanowicz@energa.pl Graduated in Mechatronics from WAT Military University of Technology in Warsaw (2006). PhD student at the Faculty of Electrical and Control Engineering at Gdańsk University of Technology. While still a student, he began working at ELEKTROWNIE WIATROWE SA. Currently employed at ENERGA-OBRÓT SA, where his professional tasks include prediction of wind power generation capacity. Author of several publications.

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | translation 4–9

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 4–9. When referring to the article please refer to the original text. PL

Skuteczne prognozowanie krótkoterminowe mocy farm wiatrowych Autorzy

Elżbieta Bogalecka Tomasz Rubanowicz

Słowa kluczowe

farma wiatrowa, moc, model, predykcja

Streszczenie

Prognozowanie mocy wytwórczej konkretnej farmy wiatrowej (FW) w horyzoncie 24-godzinnym wymaga zarówno wiarygodnej prognozy wietrzności, jak i narzędzi wspomagających. Narzędzie to jest dedykowanym modelem mocy farmy. Model powinien uwzględniać nie tylko ogólne zasady przetwarzania energii wiatru na energię mechaniczną, ale także cechy szczególne konkretnej farmy. Liczba czynników wpływających na moc farmy jest duża i dokładna prognoza mocy, nawet przy dokładnej prognozie pogody, jest obarczona błędem. W artykule pokazano modele mocy farmy wiatrowej: analityczny, statystyczny i neuronowy. Badania prowadzone są na danych z rzeczywistych farm wiatrowych. Najwięcej uwagi poświęcono modelom neuronowym, sugerując się zdolnością sieci neuronowej do odtworzenia cech osobniczych konkretnej farmy. Celem badań jest odpowiedź na zadane w tytule pytanie: czy i w jakim zakresie możliwa jest dokładna krótkoterminowa prognoza mocy farmy wiatrowej?

Wstęp Wykonanie prognozy mocy farmy wiatrowej wymaga: prognozy pogody (głównie wietrzności) i odpowiednich narzędzi wspomagających wykonanie tej prognozy. Narzędziem tym jest dedykowany model mocy farmy wiatrowej. Wykorzystując ogólnie znane zasady przetwarzania energii wiatru na energię mechaniczną i elektryczną, można otrzymać estymatę mocy pojedynczej elektrowni i całej farmy. Jednym ze źródeł błędu oceny mocy jest nieuwzględnienie cech osobniczych konkretnej farmy. Cechy te wynikają z m.in.: miejsca posadowienia, topologii terenu, rozległości i topologii farmy, czy rodzaju elektrowni i sposobu ich sterowania. Liczba czynników wpływających na moc jest tak duża, że dokładna prognoza mocy, nawet przy dokładnej prognozie pogody, jest trudna i obarczona błędem. Jednym z istotnych czynników zmniejszających błąd jest doświadczenie operatora. Literatura tematu jest obszerna i opisywanych jest wiele metod prognozowania mocy [3, 6, 7]. Ponadto na rynku funkcjonuje kilka dedykowanych narzędzi programowych [4, 5]. Modele mocy FW można podzielić na modele: analityczne – oparte na fizykalnych zasadach przetwarzania energii wiatru na energię elektryczną, behawioralne – oparte na metodach sztucznej inteligencji (np.: sztuczne sieci neuronowe) i statystyczne. Każdy z tych modeli ma inną konstrukcję, dokładność, złożoność obliczeniową i zakres stosowania. Celem artykułu jest przedstawienie podstawowych metod prognozowania i ocena ich dokładności. Weryfikację przeprowadzono na danych z rzeczywistych farm wiatrowych znajdujących się w północnej Polsce. W dalszej części opisano kolejno: podstawy działania elektrowni wiatrowej i czynniki wpływające na jej moc, modele: fizykalny, statystyczny i neuronowy, weryfikację modeli oraz ich ocenę.

Elektrownia i farma wiatrowa Głównym zadaniem elektrowni wiatrowej jest produkcja energii elektrycznej. Współczesne duże elektrownie wiatrowe są wyposażone w złożone układy sterowania, zapewniające przetwarzanie energii wiatru na energię mechaniczną z maksymalną sprawnością. Możliwe jest to dzięki przyłączeniu generatora do sieci elektroenergetycznej poprzez przekształtnik energoelektroniczny oraz dzięki zastosowaniu łopatek o zmiennym kącie ustawienia (z ang. pitch control). Moc elektrowni wiatrowej jest opisana zależnością: (1) gdzie: V – prędkość wiatru, A – powierzchnia omiatana przez łopaty elektrowni, ρ – gęstość powietrza, Cp – współczynnik mocy. Współczynnik mocy Cp określa sprawność przetwarzania energii zawartej w strumieniu powietrza na energię mechaniczną i zależy od konstrukcji łopat oraz od sposobu sterowania elektrownią (kąta ustawienia łopat, prędkości obrotowej silnika wiatrowego). Utrzymanie współczynnika mocy na wartości maksymalnej wymaga pracy silnika wiatrowego ze zmienną prędkością obrotową, zależną od prędkości wiatru. Większość współczesnych dużych elektrowni pracuje ze zmienną prędkością obrotową dzięki przekształtnikowi, którym jest przeważnie falownik napięcia. Przy prędkościach wiatru mniejszych niż prędkość znamionowa generator i silnik wiatrowy mają prędkość obrotową zapewniającą maksymalną sprawność. Przy większych prędkościach wiatru moc generatora elektrowni jest ograniczona do wartości znamionowej, a układ sterowania kątem ustawienia łopat powoduje zmniejszenie siły nośnej, tak aby prędkość obrotowa silnika wiatrowego była utrzymywana na prawie stałej wartości. Elektrownia pracuje więc ze zmiennym

współczynnikiem mocy Cp, maksymalnym w zakresie pracy optymalnej (V<Vn) i malejącym w zakresie ograniczania mocy (V>Vn). Podstawową wielkością, względem której ustalane są (w układzie regulacji) kąt ustawienia łopat i moc elektrowni, jest nie prędkość wiatru, a prędkość kątowa generatora. Zamieszczone w katalogach charakterystyki mocy w funkcji prędkości wiatru nie są charakterystykami naturalnymi elektrowni wiatrowej, a wynikają ze sposobu sterowania elektrownią. Publikowane charakterystyki są uzyskiwane na podstawie pomiarów, po sprowadzeniu do standardowych warunków [1]. Charakterystyka rzeczywista jest obarczona niepewnością. Odchylenie mocy elektrowni rzeczywistej od wartości katalogowej wynika z np. innej temperatury i ciśnienia, czyli gęstości powietrza, czy dynamiki wiatru. Na farmie wiatrowej znajduje się od kilku do kilkudziesięciu elektrowni, przeważnie jednego rodzaju, położonych na rozległym terenie. Każda elektrownia pracuje w trochę innych warunkach wiatrowych, a więc w innym punkcie pracy na charakterystyce. Warunki te są określone przez: lokalne warunki wiatrowe, czyli prędkość i kierunek wiatru, wysokość gondoli n.p.g., miejsce na farmie oraz przesłonięcie wynikające z położenia względem innych elektrowni i względem kierunku wiatru. Różnice te mogą być dosyć duże. Na rys. 1 pokazano uzyskane w warunkach naturalnych przykładowe przebiegi prędkości wiatru oraz moce dla trzech wybranych elektrowni na rozległej farmie wiatrowej. Czujniki prędkości wiatru są umieszczone na gondolach za silnikiem wiatrowym, nie mierzą więc prędkości wiatru napływającego. To wyjaśnia, m.in. dlaczego prędkość wirnika jest bardziej wiarygodną wielkością wejściową dla układu sterowania niż prędkość wiatru. Moc farmy jest sumą mocy poszczególnych elektrowni. Na rys. 2 pokazano zbiór punktów pracy farmy wiatrowej (z rys. 1), czyli moc farmy w funkcji średniej prędkości

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | translation 4–9

Rys. 1. Prędkości wiatru i moce elektrowni wiatrowych na rozległej farmie wiatrowej (za okres jednej doby) a)

Rys. 2. Moc FW i średni kierunek wiatru w funkcji średniej prędkości wiatru, a) farmy wiatrowej o mocy ok. 60 MW z okresu jednego tygodnia, b) farmy wiatrowej o mocy ok. 50 MW za okres trzech tygodni

wiatru, otrzymany na podstawie wartości średnich 10-minutowych, z okresu jednego tygodnia. Średnia prędkość wiatru to średnia arytmetyczna prędkości wiatru ze wszystkich czujników na gondolach. Z rys. 2a wynika, że pomimo odmiennych warunków pracy każdej elektrowni (rys. 1) moc farmy obarczona jest niewielką niepewnością (tu maks. ok. 8%), co oznacza, że układy regulacji każdej elektrowni pracują precyzyjnie oraz że w okresie pomiarowym panowały podobne warunki (gęstość powietrza, zmienność kierunku wiatru). Jeżeli zmienność kierunku wiatru jest duża (rys. 2b), to większa jest też niepewność mocy farmy (tu maks. 14,5%). Spostrzeżenia te są istotne dla prognozowania mocy farmy wiatrowej. Model fizykalny mocy farmy wiatrowej Gdyby założyć, że charakterystyka mocy farmy w funkcji prędkości wiatru jest przeskalowaną charakterystyką pojedynczej elektrowni, to można zbudować prosty model mocy farmy wiatrowej. Na podstawie równania (1) i katalogowej charakterystyki zainstalowanych na farmie elektrowni wiatrowych można obliczyć moc pojedynczego wiatraka dla określonej prędkości wiatru. W przypadku farmy wiatrowej jej moc nie jest jednak tylko wielokrotnością mocy pojedynczej elektrowni. Pomijając różne warunki wiatrowe, należy uwzględnić w obliczeniach pewne cechy osobnicze farmy, np.: zmniejszenie mocy na skutek przesłonięcia czy posadowienie gondoli na różnych wysokościach. Każda farma ma swoje cechy indywidualne, które nie poddają się algorytmizacji w prosty sposób. W modelu mocy FW należy uwzględnić

wymienione powyżej czynniki: wysokość n.p.g., przesłonięcie, zmienność wiatru na terenie farmy. Moc farmy można określić analitycznie, korzystając z zależności (2) albo (3): (2) (3) Zgodnie z (2) moc farmy jest sumą mocy poszczególnych elektrowni. Korzystając z tej zależności, należy na podstawie prognozy wiatru określić rozkład wiatru na farmie, czyli warunki wiatrowe dla każdego wiatraka, uwzględniając różne wysokości wież n.p.g. i ewentualnie współczynniki korekcyjne ki uwzględniające przesłonięcie zależne od kierunku wiatru. Model taki wymaga dokładnego modelu wiatru na farmie albo długotrwałych obserwacji farmy, które pozwolą dobrać współczynniki. Zastosowanie, w celu określenia mocy farmy wzoru (3), gdzie Vz i Cpz są odpowiednio zastępczymi wiatrem i współczynnikiem mocy dla całej farmy, wymaga określenia tych wielkości. Odpowiednikiem wzoru (3) jest charakterystyka mocy farmy w funkcji prędkości wiatru. Spadek mocy elektrowni pracującej w cieniu innej elektrowni lub innego obiektu (las, wzgórza, budynki) może sięgać kilkudziesięciu procent. Wpływ przesłonięcia na moc farmy zależy od jej topologii. Dla dużej farmy o zwartej, matrycowej topologii zmniejszenie mocy farmy może występować, ale w niewielkim stopniu zależy od kierunku wiatru, natomiast w przypadku

farmy o topologii liniowej wpływ kierunku wiatru może być istotny i model analityczny powinien to uwzględniać. Sprowadza się to do uzależnienia współczynników korekcyjnych k i ki od kierunku wiatru. Jeżeli gondole poszczególnych wiatraków leżą na różnych wysokościach, to pracują one na różnym wietrze. Zmienność wiatru z wysokością może być znana, albo z kampanii pomiarowej przed posadowieniem farmy, albo z zależności analitycznych uzależniających prędkość wiatru od wysokości n.p.g. oraz tzw. szorstkości terenu [2]. Pozornie prosty model analityczny wymaga obserwacji farmy i doświadczenia operatora przygotowującego prognozę mocy czy budującego model. Dane te są dostępne dopiero po wybudowaniu farmy. Należy więc oczekiwać, że model będzie w miarę upływu czasu dokładniejszy. Dokładniejsza będzie także prognoza dla farmy dużej niż małej. Do sporządzenia prognozy potrzebne są: prędkość i ewentualnie kierunek wiatru, gęstość powietrza, charakterystyki katalogowe elektrowni wiatrowych i współczynniki korekcyjne definiujące konkretną farmę. Na rys. 3 pokazano wynik obliczenia mocy farmy na podstawie katalogowej charakterystyki zastosowanych elektrowni wiatrowych, gdy nie uwzględniono żadnych współczynników korekcyjnych, a za wiatr zastępczy przyjęto średnią prędkość wiatru ze wszystkich gondoli. Miarą dokładności modelu może być względna wartość różnicy energii wyprodukowanej przez farmę w ciągu doby i energii obliczonej z modelu. Ponieważ przy konstrukcji modelu nie wykorzystano żadnej wiedzy o obiekcie, to dokładność (tu błąd wynosi 13,5%) nie jest wystarczająca.

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | translation 4–9

Oznacza to, że nawet przy dokładnej prognozie wiatru prognoza mocy jest obarczona sporym błędem.

Rys. 3. Przebieg prędkości średniej wiatru V-śr, mocy farmy P-farma oraz mocy obliczonej na podstawie charakterystyk katalogowych P-katalog

Rys. 4. Przebieg prędkości średniej wiatru V-śr, mocy farmy P-farma oraz mocy obliczonych na podstawie uproszczonego modelu statystycznego P-stat dla wiatru uśrednionego za 10 min oraz za godzinę P-stat-h

Rys. 5. Zależność pomiędzy wiatrem średnim z gondoli a wiatrem z masztu pomiarowego; współczynnik korelacji wynosi 0,87

Rys. 6. Moc farmy wiatrowej P-farma, moc z modelu P-model opartego na wietrze z masztu pomiarowego V-maszt

Model statystyczny mocy farmy wiatrowej Z rozważań przedstawionych powyżej wynika, że dokładna prognoza mocy na podstawie zależności analitycznych jest zadaniem trudnym, ponieważ cechy osobnicze farmy mają duży wpływ i są nieanalityczne. Jednym ze sposobów na uwzględnienie w modelu tych cech szczególnych danej farmy wiatrowej jest wprowadzenie współczynników korekcyjnych będących wynikiem doświadczenia operatora i analizy danych historycznych. Drugim sposobem jest zbudowanie modelu opartego wyłącznie na tych danych. Modelem takim jest model statystyczny. Dysponując odpowiednio dużym zbiorem danych pomiarowych, można znaleźć najbardziej prawdopodobną moc farmy w danych warunkach określonych przez gęstość powietrza, kierunek i prędkość wiatru. Tak skonstruowany model powinien zawrzeć nieanalityczne cechy osobnicze farmy. Dla sprawdzenia skuteczności tej metody zbudowano model na podstawie danych za okres dwóch tygodni. Wykorzystano tylko dane o średniej prędkości wiatru i mocy farmy. Nie wykorzystano informacji o kierunku wiatru ze względu na krótki okres pomiarowy i niewystarczającą liczbę danych. Dane o mocy farmy zostały posortowane i przyporządkowane do prędkości wiatru z rozdzielczością 0,5 m/s. W każdym podzbiorze została określona wartość oczekiwana (mediana lub średnia wewnętrzna z np. 50% danych). W ten sposób powstała charakterystyka mocy farmy, gdzie każdej prędkości średniej wiatru przypisano wartość oczekiwaną mocy. Charakterystykę tę wykorzystano do obliczenia mocy farmy dla przebiegu wiatru jak na rys. 3. Dane z tego okresu nie były uwzględniane w analizie. Wyniki przestawiono na rys. 4. Pomimo krótkiego okresu pomiarowego można było odtworzyć charakterystykę farmy, ponieważ prędkość wiatru zmieniała się w szerokim zakresie (rys. 2a). Błąd modelu w tym przypadku wyniósł 3%, a więc model ten jest o wiele bardziej skuteczny niż prosty model analityczny. Jedną z przyczyn dużej dokładności jest niewielka zmienność kierunku wiatru. Obliczenia wykonano dla wiatru określanego co 10 min. W rzeczywistości prognoza wiatru ma dużo mniejszą rozdzielczość. Uzyskana dokładność modelu przy godzinnej rozdzielczości wiatru (P-stat-h) jest niewiele mniejsza i błąd wyniósł 3,5%. W pokazanych powyżej modelach za wiatr na farmie wiatrowej przyjęto średnią

Rys. 7. Wyniki uczenia sieci neuronowej z jednym wejściem po ośmiu dniach; moc w jednostkach względnych

prędkość wiatru zmierzoną na gondolach, a względnie wysoka jakość modelu statystycznego wynikła z niewielkiej zmienności warunków na farmie w okresie pomiarowym oraz z precyzyjnego działania układów sterowania każdą elektrownią. Wiatr prognozowany dla terenu farmy wiatrowej nie jest przyjmowanym, w opisanym wyżej modelu, wiatrem średnim. Na rys. 5 pokazano (uzyskane z pomiarów w okresie tygodnia) wartość wiatru średniego dla farmy w funkcji wiatru mierzonego na farmie, na maszcie o wysokości 50 m n.p.g., umieszczonym w niezaburzonym strumieniu powietrza. Traktując wartość prędkości wiatru z masztu jako dokładną prognozę wiatru, zbudowano w sposób opisany powyżej prosty model statystyczny. Nie wykonano ekstrapolacji wiatru do wysokości gondoli (ok. 80 m n.p.g.), ale w modelu statystycznym nie jest to konieczne. Model zbudowano na podstawie obserwacji przez pięć dni. W wyniku otrzymuje się oczekiwaną wartość mocy farmy wiatrowej dla określonej prędkości wiatru (z masztu pomiarowego). Wynik pokazano na rys. 6. Różnica pomiędzy energią wyprodukowaną a jej estymatą w okresie obserwacji wyniosła 5,5%, natomiast w okresie testowania (rys. 6) różnica ta wyniosła 16%. Przyczyn rozbieżności jest kilka. Krótki okres pomiarowy i mała ilość danych nie dają wyników statystycznie poprawnych. W danych przyjętych do budowy modelu wszystkie zakresy prędkości powinny być wystarczająco licznie reprezentowane. W tym przypadku w okresie przyjętym do analizy dominowały wiatry słabe, podczas gdy w okresie testowym silniejsze. Model uwzględniał tylko jedną zmienną – prędkość wiatru, pomijając jego kierunek. W krótkim okresie pomiarowym można pominąć gęstość powietrza, o ile zmiany temperatury nie są duże. W klimacie Polski, gdzie występują cztery pory roku, można modele statystyczne budować na podstawie danych z np.: miesiąca poprzedzającego. Model neuronowy farmy wiatrowej Jak wynika z analiz przeprowadzonych wcześniej, moc farmy wiatrowej nie jest jednoznaczną, niezmienną w czasie funkcją prędkości wiatru, pomimo dokładnie działających układów regulacji każdej elektrowni. Właściwe jest zbudowanie modelu adaptacyjnego, który uwzględniałby cechy osobnicze farmy. Modelem takim jest sieć neuronowa, która może być dobrym aproksymatorem charakterystyk farmy wiatrowej, uwzględniającym jej cechy indywidualne i zmienność. Należy odpowiednio dobrać wielkość i strukturę sieci do ilości danych uczących, a w przypadku sieci rekurencyjnej także do ich przebiegu. W wyniku procesu uczenia sieć neuronowa dobrze aproksymuje obiekt dla zakresu i charakteru danych, które były w danych uczących odpowiednio reprezentowane. W ramach badań sprawdzono [3, 7]: sieci jednokierunkowe, sieci rekurencyjne, o dużej liczbie neuronów w warstwie ukrytej, o małej liczbie neuronów, uczone na dużym zbiorze danych wejściowych i na stosunkowo małym zbiorze, sprawdzono różne metody uczenia. Na rys. 7 i 8 pokazano przykładowy wynik uczenia i testowania sieci neuronowej. Zastosowano sieć rekurencyjną Elmana z 15 neuronami w warstwie ukrytej, z jednym wejściem

E. Bogalecka, T. Rubanowicz | Acta Energetica 3/24 (2015) | translation 4–9

Rys. 8. Wyniki testowania sieci neuronowej na danych z dwóch kolejnych dni

(prędkością wiatru), uczoną metodą Levenberga-Marquardta na danych z okresu miesiąca. Za prędkość wiatru przyjęto średnią arytmetyczną prędkości wiatru ze wszystkich siłowni wiatrowych. W trakcie uczenia sieć coraz lepiej odtwarza moc farmy wiatrowej. Po jednym dniu uczenia błąd wynosił ok. 30%, a po ośmiu dniach już tylko ok. 1% (rys. 7). Można więc stwierdzić, że w powyższym przypadku sieć bardzo dobrze nauczyła się badanego obiektu. Przykładowy proces testowania sieci pokazano na rys. 8. Błąd modelu wyniósł ok. 3% na rys. 8a i 4,5% na rys. 8b. Wartości odtworzone w modelu są zgodne z wynikami uczenia (rys. 7). Większe różnice między modelem a obiektem występują dla wiatrów większych, powyżej 12 m/s. Różnice mogą wynikać ze: szczególnego przypadku działania farmy (kierunku wiatru, temperatury), przypadku nieobjętego procesem uczenia, niedostateczną reprezentacją większych prędkości wiatru w ciągu uczącym, dynamiką sieci. W zakresie prędkości wiatru 11–14 [m/s] charakterystyka farmy jest silnie nieliniowa i dla dokładności modelu ważna jest jakość odtworzenia tej nieliniowości. Z badań wynika, że średni błąd modelu neuronowego mieści się w granicach 3–4%. Próby wprowadzenia do modelu neuronowego kierunku wiatru nie przyniosły spodziewanych rezultatów. Bardziej właściwe jest wyznaczenie krzywych mocy dla różnych kierunków wiatru w modelu statystycznym. Jak pokazano w [3], możliwe jest zbudowanie modelu neuronowego uczonego

na danych z okresu nawet kilku dni, o ile sieć jest złożona z niewielu neuronów w warstwie ukrytej [3, 5]. Taka sieć odtwarza właściwości lokalne farmy wiatrowej, ale może generować duże błędy, gdy nastąpi gwałtowna zmiana warunków pogodowych, np. kierunku wiatru. Wnioski Z przeprowadzonych badań wynika, że dysponując danymi pomiarowymi z farmy wiatrowej (średni wiatr, moc), można zbudować jej model o dosyć dużej dokładności, czyli odtworzyć moc farmy na podstawie średniej prędkości wiatru dla całej farmy. Aplikacja modeli wymaga jednak odpowiednio licznego i dobrze uwarunkowanego zbioru danych wejściowych. W przypadku modelu analitycznego możliwa jest też pewna „ręczna” ingerencja w model (dobór współczynników korekcyjnych). Ingerencja taka w model statystyczny jest utrudniona, a w neuronowy o dużej liczbie współczynników wagowych – niemożliwa. Dużo trudniej jest zbudować model prognostyczny, czyli wyznaczyć estymatę mocy farmy na podstawie prognozy wiatru, co pokazano na rys. 5 i 6. Nawet jeżeli prognoza wiatru jest dokładna, to nie jest znany reprezentatywny (średni) wiatr dla farmy. Dlatego też modelami preferowanymi są modele statystyczne lub neuronowe. Należy pamiętać, że na problemy zbudowania dokładnego modelu mocy nakłada się niedokładność prognozy pogody. Żaden model mocy farmy wiatrowej nie zapewni prognozy mocy farmy z określonym poziomem niepewności. Prognozowanie

mocy farmy wymaga narzędzi wspomagających i skumulowanego w czasie doświadczenia operatora. Bibliografia 1. Norma EN 61400-12-1:2006, Wind Turbines, part 12.1: Power performance measurements of electricity producing wind turbines. 2. Petersen E.L. i in., Wind Power Meteorology, publikacja Risø National Laboratory, Roskilde, Denmark 1997. 3. Durajczyk M., Kołakowski R., Model neuronowy mocy farmy wiatrowej na potrzeby prognozowania mocy, praca dyplomowa, WEiA Politechnika Gdańska, 2013. 4. Giebel G. i in., The state of the art in short term prediction of wind power, Anemosplus project report, 2011 [online], www. windpowerpredictions.com. 5. Madsen H., Nielsen H., Nielsen T.S., A tool for predicting the wind power production of off-shore wind plants [online], www. enfor.dk. 6. Wang X., Guo P., Huang X., A review of wind power forecasting models, The Proc. of Int. Conf. on Smart Grid and Clean Energy Technologies, Ener. Proc. 2011, Vol. 12, s. 770–778. 7. Bogalecka E., Rubanowicz T., Neuronowy model mocy farmy wiatrowej, Mechanik 2010, nr 7, s. 579–586.

Elżbieta Bogalecka

dr hab. inż. Politechnika Gdańska e-mail: elzbieta.bogalecka@pg.gda.pl Absolwentka Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej (1976). Doktorat i habilitację zdobyła na swojej macierzystej uczelni (1987, 1998). Przedmiotem jej badań są: automatyka napędu elektrycznego, a szczególnie algorytmy sterowania elektrownią wiatrową, w tym sterowanie bezczujnikowe i energetyka odnawialna. Autorka kilkudziesięciu prac z tej dziedziny.

Tomasz Rubanowicz

mgr inż. ENERGA-OBRÓT SA e-mail: tomasz.rubanowicz@energa.pl Absolwent Wojskowej Akademii Technicznej w Warszawie (2006), kierunek mechatronika. Doktorant na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej. Jeszcze w trakcie studiów rozpoczął pracę w firmie Elektrownie Wiatrowe SA. Obecnie jest zatrudniony w ENERGA-OBRÓT SA, gdzie zajmuje się zawodowo m.in. predykcją mocy wytwórczej elektrowni wiatrowych. Autor kilkunastu publikacji.

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | 14–20

Corporate Systems of Power Quality Monitoring

Authors Wiesław Gil Przemysław Wronek

Keywords Power quality evaluation, corporate systems, class A

Abstract This paper discusses corporate systems of power quality evaluation, the development of which is now driven by the deployment of Smart Grid technology. Features of devices, communication links, and servers are presented. Problems of measuring devices’ certification are identified, and constraints resulting from the existence of particular technical monopolies due to the absence of data transmission standards. The need to implement, and to adhere to the rules of, IT system security is emphasised. Reasons for integrating measuring devices with station systems are indicated. Benefits from the deployment of corporate systems are listed.

DOI: 10.12736/issn.2300-3022.2015302

1. Introduction It was assumed until recently that the progressing commercialisation of electricity generation and trading would be the major deployment driver of power quality monitoring equipment and systems (PQMES). Today, this trend is significantly strengthened by the grid operation stability requirements resulting from development of renewable energy sources and prosumer generation. Power companies and industrial enterprises employ numerous devices for occasional measurements. Due to changing conditions it has become insufficient. Nowadays solutions based on stationary devices, that are permanently installed and transmit data online are assembled in PQMES. This is prompted not only by their increasing number and the associated need for automatic reading of measured data, collecting them in appropriate structures, storing for a certain time, but also by implementation of additional features enabled by integration on the enterprise level. Data transfer in transmission and distribution companies and large industrial enterprises requires efficient communication. In addition, each of these implementation areas is uniquely specific to its communication expanse and the purpose of data being collected and processed.

2. Enterprise system structure Enterprise system needs to collect the required data from very many measurement points, concentrate them in a database and execute the required algorithms of power quality (PQ) evaluation. The layered structure shown in Fig. 1, ensures the performance of these tasks. Power system substations accommodate many devices with measuring functions, such as disturbance recorders, protection 14

relays, and bay controllers. In practice, it turns out that they cannot be sources of data for PQ evaluation, because they do not provide the full range of required parameters. They do not aggregate data as required by standards, and have different measurement ranges and signal sampling intervals. Therefore, the PQMES base layer is made up of specialized meters and power quality analysers (PQA) that determine all the values required from class A devices by the PN-EN61000-4-30 standard [1]. This standard assumes that the obtained results may be used for billing purposes and to verify possible claims. The next layer is the communication structure, made up of links available at the substation and extensive WAN communication structures. It is composed of existing grid switches, communication routers, GPRS links, and radio transceivers. As a rule, no separate communications networks are developed for PQMES. Enterprise PQMES’ master layer is made of servers and databases. Software is installed on the servers that collects data from measuring devices, processes it into power quality information, and support data presentation. The servers are also provided with integrated software to develop and manage configurations of individual devices, and with test software. The servers work with corporate databases. The master layer is complemented with HMI workstations.

3. Measuring devices characteristics 3.1. Measurements and calculations Basic PQ parameters determined by PQAs in accordance with relevant standards include: supply voltage, frequency, flicker, voltage harmonics and interharmonics, voltage unbalance, signal voltage in supply voltage, voltage dips, interruptions and swells,

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | 14–20

Fig. 1. Diagram of corporate power quality monitoring systems

voltage deviation up or down, rapid voltage changes (RVC) [1]. Usually the analysers also measure additional parameters such as current, current harmonics and interharmonics, power, phase to phase voltage, power factor, energies and angles of current and voltage harmonics. This is due to requirements of the standards developed for PQMES implementation by their users, for example by PSE Operator SA [2]. The classes of instrument transformers, current and voltage alike, used in PQA measuring circuits should be noted. They should be of the best class available, for example 0.2. If they are of a lower class, it is difficult to require that data from such an analyser complies with all the requirements. In general, the specification assume that the devices should be able to choose rated current 1A or 5A, due to the prevalence of instrument transformers with such ratings in substations. PQA input measurement circuits must therefore feature adequate short-term and long-term overcurrent capacity as well as surge withstand adjusted to these properties. Also useful for analysis of grid operation disorders may be records of transient type disturbances, i.e. ultrafast transient waveforms. This may apply to wind farms, solar parks and installations, which include thyristor converters. For this purpose devices with sampling frequencies of several MHz are required.

3.2. Class A Analysers’ measuring properties are related to the so-called problem of class A, reported in our previous papers [3] on PQ. Despite a widely formulated requirement of the need to perform measurements in Class A in accordance with standard [1], this PQA feature could not have been so far verified in any accredited testing or calibrating laboratory. This is unacceptable and should be regulated as soon as possible, perhaps by organising an appropriate laboratory conducted by an independent state agency. As a matter of fact there are in Europe laboratories that undertake to perform these tests, but they have no approved

and accredited test procedures in place for all required parameters that should be tested. This implies unnecessarily doubts about the measurement quality, and even deliberate abuse.

3.3. Results sharing In a system implemented in Poland PQAs share results both by way of so-called events, as well as hourly COMTRADE or PQDIF files transmitted by a built-in server. The event sharing mechanism involves triggering event signals by identified voltage sags, swells, interrupts, or changes in criterial values pre-set for RVC changes, surge currents and other values. This signal initiates the procedure of recorded data receipt. From this point of view PQA acts as a disturbance recorder. The data is transmitted to a PQ server over a fixed cable or GPRS/LTE link. Sent from PQA with the files is measurement data, often in a separate communication channel. Usually, this is values of PQ parameters, but often also power and energy. This is the so called meter function, allowing for quick verification of parameters accuracy at measured points by comparing them with those available in the substation system. Interesting and promising is the possibility of using these measured values to cooperate with control systems of wind farms. Such an installation was recently deployed in northern Poland. Listed in Tab. 1 are parameters and their indices transmitted online to the DCS (Digital Control System) of generators. One trend in the PQAs design is their integration with devices of the substation automation system (SAS). More and more frequent are applications in which selected measurements and information about events detected by analysers are transferred in parallel to the control and supervision system. For this purpose local links are set up with the substation system. Effective integration in this regard is facilitated by the IEC 61850 standard [4], wherein power quality relevant logical nodes are defined. 15

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | 14–20

Index

Value

Index

Value

40001

Active power L1 (W)

40023

Zero-sequence voltage (V)

40003

Active power L2 (W)

40025

Phase-to-phase voltage V12 (V)

40005

Active power L3 (W)

40027

Phase-to-phase voltage V23 (V)

40007

Reactive power L1 (VAr)

40029

Phase-to-phase voltage V32 (V)

40009

Reactive power L2 (VAr)

40031

Current L1 (A)

40011

Reactive power L3 (VAr)

40033

Current L2 (A)

40013

Power factor L1

40035

Current L3 (A)

40015

Power factor L2

40037

Frequency (Hz)

40017

Power factor L3

40039

Total active power (W)

40019

Positive-sequence voltage (V)

40041

Total reactive power (VAr)

40021

Negative-sequence voltage (V)

40043

Average phase voltage (V)

Tab. 1. Data transmitted online from analyser to wind farm DCS

Particular attention of designers and experts drawing up tender specifications is required by the issue of interchangeability and compatibility of measuring devices from different manufacturers. Enterprise systems are very extensive and include many PQAs. It is hard to imagine that such a system is made up of devices from a single manufacturer, sharing data in a custom protocol. Data sharing schemes should be strictly standardized. These issues have become increasingly important in view of establishing technological monopolies by certain groups of suppliers implementing specific transmission protocols and custom data compression in their devices and systems. Sometimes an additional tool of such a policy is a system of licenses for a device’s individual functionalities which the system user must purchase! The problem could be solved by adopting COMTRADE standard for PQA file sharing. This would bring about an additional benefit by using for PQ data analysis the tools used for processing records from protection devices and disturbance recorders. In cooperation with SCADA systems data should be made available in PN-EN 870-5-104 standard. Cooperation with SAS or DCS should be based on PN-EN 61850 [4] or, possibly, on Modbus RTU or DNP 3.0 protocols.

3.4. Environmental conditions PQAs are installed in bays of switching substation or control rooms, as shown in Fig. 1. Often PQAs have to be installed in distribution and instrument cabinets mounted on electric poles. The measuring devices and communication equipment used in such applications must be fit for operation in a harsh substation environment. It is therefore appropriate to increase the class of environmental requirements 16

Pic. 1. Power quality analysers installed in control room bay

for PQAs through the application of a group of PN-EN 60255 standards to verify their environmental resistance and EMC, even if the standards were originally intended for protection devices.

4. Communication links For enterprise PQMES the most effective communication is that based on direct access to the enterprise IP network. This is applicable where the enterprise network is available where PQA is installed. Usually analysers are connected to the network through fibre optic patch cords, recommended due to their interference immunity. An alternative to the enterprise IP network connections are links set-up in enterprise APN, using GPRS/LTE transmission. In this context, the undeniable advantage of fibre optic lines is that they are essentially free of throughput limits and of transmission disturbances. Their disadvantage is the high cost of installation. Where no direct data transfer to the remote server is possible, a local server is installed. All analysers are connected to it over the local Ethernet network. Then UMTS modems in the enterprise APN network can be used for communication between the enterprise server and the local server. Due to the link’s limited bandwidth and transmission costs it is recommended to limit the volume of data transferred to a minimum. Usually in such a situation transfer of files in 3 second aggregation is abandoned. For example, a GPRS/LTE modem transmits 40 MB of data sent to the server and approx. 3 MB of data received by one device per day.

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | 14–20

In this case the monthly limit for the SIM card for one device may not be less than 2 GB. Good results are accomplished with compression of uploaded files and proper configuration of queries sent by the server. For example, a COMTRADE file for voltage harmonics, containing 150 analogue channels and three digital channels for 100 of 3-second samples, has the following dimensions:.dat file – 31,000 bytes, cfg file – 11,762 bytes. Altogether this is: 42,762 bytes. Compression produces a 7,335 byte .zip file with compression rate 5.83. The compression rate, however, depends on the compressed file’s content. It is often enough to read files out from the devices once an hour. With a large number of devices in the system, data may be read out even once every few hours, which greatly relieves the server and the radio link.

5. System server

An example of a dedicated power quality server’s set-up in a typical 19” rack is shown in Fig. 3. The server is integrated with the primary and backup servers. In the event of failure of one of them, another takes over automatically without any data loss. Both servers are powered by guaranteed voltage. The server rack also accommodates a real time clock, network switch, power strips, and local HMI terminal for easy start and maintenance of the system.

6. Time synchronisation Each PQA should have an internal real time clock. The clock must be synchronized with an external GPS time standard or a suitable network protocol, for example PTP (Precision Time Protocol). It is also possible to use the IRIG-B standard. It is assumed that synchronisation accuracy should be better than 10 microseconds. Synchronizing time with such accuracy is recommended for analysing and locating disturbance sources and areas of their enlargement and decay. Examples of relevant registration are shown in Fig. 3–4. Time may be synchronised also by the SNTP network protocol dedicated to time synchronisation. In this case, the

The main element of enterprise system is enterprise data server, operating in a redundant structure and executing the following tasks: • automatic download of data from analysers, and their recording in a database • PQ evaluation and development of listings, charts, tables, and reports • data sharing and archiving for further processing • visual rendering on various HMI stations. To ensure adequate efficiency of automatic data downloading from distributed measurement devices it is essential that the downloaded data has a standard format. As already indicated, the most appropriate in this respect seems to be COMTRADE. An integral part of the server is its database, in which data is collected and managed. The most reasonable is to use a professional SQL database. A common practice is to use one type of database to archive measurement, and another for archiving system charts. This approach improves the speed of the server. Data from the server must be imported and exported in COMTRADE or PQDIF files from/to the master database or the existing host software in order to undergo further analysis or archiving only. These files can be transferred using existing database protocols, ODBC or native software for SQL database. The data provided by the base forms the basis for any statistical analysis performed by relevant server software. Results of this analysis are then used for reporting compliance with relevant standards, for example PN-EN 50160 [5], regulations [6] or contracts between electricity suppliers and consumers. Mechanisms contained in the server automate the reporting process by automatic broadcasting appropriately prepared reports to system users, and allow viewing data and reports. A convenient form of data and reports visual rendering is to use the functionality offered by a web interface providing access to the system for multiple users simultaneously, while maintaining mechanisms of access to data security. It is reasonable to tie up information from enterprise PQMES with operation of Outage Management Systems (OMS). This allows for the inclusion in PQMES of events arising from grid operation, such as planned shut-downs, repairs, and emergencies. These issues are present under development. Fig. 2. PQMES server in 19” rack

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | 14â&#x20AC;&#x201C;20

synchronisation accuracy is only better than 1 ms. This, however, makes not possible such use of the disorders recording like that mentioned above. Usually analysers are synchronised by downloading the time from servers already operated at substations, which in turn are synchronized with the substation time standard.

7. Systems security Information security in enterprise PQMES must have the highest priority and results from the corporate policy of information systems security. In this context, first of all the possibility must be excluded of intentional or unconscious disturbance of other systems. This is particularly true for control and supervision systems, with which PQMES may have potential connections via switches or routers.

Fig. 3. Samples synchronously recorded during dip and interrupt at two substations

Fig. 4. Voltage RMS values during synchronously recorded dip and interrupt at two substations 18

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | 14–20

To exclude even only imagined negative effects, already at the stage of system design the risks must be analysed and safeguards provided. Consideration of the following aspects may help to identify them: • connection of PQA devices and servers with substation network • system of passwords, excluding passwords such as “cyber security”, “admin”, “user”, etc. • operational privileges sharing between data readout and system management, according to IEC TS 62351 standard [7] • configuration of network switches and routers that assures logical network separation • system infection possibility, e.g. through Internet access. Another group of risks may result from the possibility of unauthorized connection to measuring devices or data servers. Analysis of the following issues may help to identify them: • is unauthorized modification of configuration files possible? • are outcomes of system operation and recorded data critical for the enterprise?

• PQ evaluation vs. normative and contractual benchmarks • detection of disturbances arising from electricity consumers’ activities • extension and comparison of systems and devices performance details in Smart Grid area; in this respect grid performance monitoring should be part of Smart Grid solutions. The benefits may also include the automation of measurement, quality evaluation and reporting. Reporting capabilities via e-mail, SMS, event log, alarms or other types of media can support the necessary analysis of occurring phenomena. Another advantage is the possibility of integration with dispatch systems to facilitate quick analysis in emergencies. Also important is the ability to implement power infrastructure condition assessment, for example through the development and application of health index type comparative algorithms, and with new functionalities such as recording and analysis of these same disturbances by measuring devices deployed at different substations. It should also be noted that the enterprise system development and deployment may be phased into multiple stages.

According to standard [7], at least the following security measures must be implemented in systems in place at power substations: • currently updated antivirus software • blocking in-coming and out-going transfer if non-compliant with rules • filtering information sources to ensure data transfer through separate routers over specified routes • mandatory registration of all remote and local accesses to the system • regular testing of cyber security performance.

9. Conclusions

8. Benefits of enterprise systems The high initial cost of enterprise system development and deployment may not be acceptable. However, the investment quickly pays off in benefits from its operation. Benefits from PQMES resulting from the speed and ease of access to data without the need for expensive ad-hoc measurements and PQ analyses are obviously visible. Also evident are the benefits of having reliable data that can be used not only to evaluate the power quality, but also in the areas of protections, capital expenditures, business and residential customers, marketing, output control in generation companies manufacturing with regard to: • proper grid maintenance, because the data comes – depending on system size – from a few hundred to several thousand measurement points • decisions on necessary upgrades; having complete information it is easy to decide where funds should or should not be invested in new infrastructure • analysis of atmospheric interference effects, to assess surge protection effectiveness • diagnosis of failure causes by analysing currents, voltages, unbalance, etc. • quick response to failures and their credible location that allows for service personnel’s adequate response to quality parameters’ degradation, and remedial works, if applicable

System users provision with synthetic data that indicate whether the quality of delivered or absorbed energy is consistent with the requirements and indicators stipulated in energy supply contracts can be effectively implemented in enterprise systems. Currently, the functionality of devices for measuring PQ parameters is still being expanded, for example by features of grid disturbance registration, current and power measurement, and multi-channel data transmission. However, the new features of measuring devices will increase enterprise systems’ capabilities only if these systems are equipped with appropriate algorithms for processing collected data into information. Enterprise systems enable the introduction of new features for the identification of disturbance locations and sources, as well as the use of gathered data to improve asset management and capital expenditure planning. Enterprise system development and deployment require the implementation of and strict compliance with the principles of information systems security. It is advisable to include fibre-optic communication lines in the structure of enterprise PQMES systems, which provide high bandwidth and immunity to interference. GPRS/LTE links impose constraints on the scope and volume of data transfer. Implementation of the PN-EN 61850 standard [4] will facilitate the integration of devices used to measure PQ parameters in substation automation systems. REFERENCES

1. PN-EN 61000-4-30:2011 Electromagnetic Compatibility (EMC) – Part 4-30: Testing And Measurement Techniques – Power Quality Measurement Methods. 2. Analizatory Jakości Energii, Standardowe Specyfikacje Techniczne [Power Quality Analyzers, Standard Technical Specifications], PSE Operator, May 2013. 19

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | 14–20

3. Gil W., Wronek P., Wdrażanie urządzeń i systemów do monitoringu i oceny jakości energii elektrycznej [Deployment of equipment and systems for power quality monitoring and evaluation], Acta Energetica 2014, No. 1/18. 4. IEC 61850-7-4:2010(E), Communication networks and systems for power utility automation, Basic communication structure. Compatible logical node classes and data object classes, pp. 7–4.

5. PN-EN 50160:2010, Voltage Characteristics in Public Distribution Systems. 6. Regulation of the Minister of Economy of 4 May 2007 on the detailed conditions of the power system operation. 7. Technical Standard (IEC TS), 62351- Power system management and associated information exchange. Data Communications Security, pp. 2, 3, 4, 6 ed. 1 (2007), p. 8 ed.1 (2011), p. 5 ed.2 (2013).

Wiesław Gil MIKRONIKA e-mail: wieslaw@mikronika.com.pl A graduate of the Electrical Engineering Department of Poznań University of Technology (1983). In Mikronika since 1985, now as engineering chief . Deals with substation automation devices development and engineering. He managed the development and implementation of a transformer monitoring system, and more recently the development of power quality assessment devices and systems.

Przemysław Wronek MIKRONIKA e-mail: wronek@mikronika.com.pl Graduated in metrology from the Electrical Engineering Department of Poznań University of Technology (1980). A founder of Mikronika (1983), currently vice president. Sets assumptions for, and supervises, the development and applications of SYNDIS control and supervision system software and hardware.

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | translation 14–20

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 14–20. When referring to the article please refer to the original text. PL

Korporacyjne systemy monitorowania jakości energii elektrycznej Autorzy

Wiesław Gil Przemysław Wronek

Słowa kluczowe

ocena jakości energii elektrycznej, systemy korporacyjne, klasa A

Streszczenie

W artkule omówiono korporacyjne systemy oceny jakości energii elektrycznej, których rozwój jest obecnie stymulowany wprowadzaniem technologii Smart Grid. Przedstawiono właściwości urządzeń, łączy komunikacyjnych i serwerów. Wskazano na problemy związane z certyfikacją urządzeń pomiarowych oraz ograniczenia spowodowane istnieniem swoistych monopoli technologicznych, wynikających z braku standaryzacji wymiany danych. Podkreślono konieczność wdrożenia i przestrzegania zasad bezpieczeństwa systemów informatycznych. Wskazano na celowość integracji urządzeń pomiarowych z systemami stacyjnymi. Wyszczególniono korzyści wynikające z wdrażania systemów korporacyjnych.

1. Wprowadzenie Do niedawna zakładano, że postępująca komercjalizacja wytwarzania i obrotu energią elektryczną będzie głównym czynnikiem wymuszającym wdrażanie urządzeń i systemów do monitorowania jakości energii elektrycznej (SMJEE). Obecnie ten trend jest znacząco wzmacniany wymaganiami dotyczącymi stabilności pracy sieci, wynikającymi z rozwoju źródeł energii odnawialnej i energetyki prosumenckiej. W spółkach energetycznych i zakładach przemysłowych stosowane są rozliczne urządzenia do pomiaru w trybie dorywczym. Z powodu zmieniających się uwarunkowań staje się to niewystarczające, zatem są wdrażane lub co najmniej opracowywane rozwiązania oparte na urządzeniach stacjonarnych, to znaczy zainstalowanych na stałe i przesyłających dane online, czyli przez cały czas. Urządzenia stacjonarne są łączone w SMJEE. Skłania do tego nie tylko ich wzrastająca liczba i związana z tym potrzeba automatycznego odczytu mierzonych danych, gromadzenia ich w odpowiednich strukturach, przechowywania przez określony czas, ale także realizacji dodatkowych funkcji, możliwych dzięki integracji na poziomie korporacji. Przesyłanie danych w spółkach przesyłowych i dystrybucyjnych oraz dużych zakładach przemysłowych wymaga zapewnienia wydolnych dróg komunikacyjnych. Ponadto każdy z tych obszarów wdrożeń posiada swoją specyfikę związaną z rozległością komunikacji oraz przeznaczeniem zbieranych i przetwarzanych danych. 2. Struktura systemu korporacyjnego System korporacyjny musi zbierać wymagane dane z bardzo wielu punktów pomiarowych, koncentrować je w bazie danych oraz wykonywać wymagane algorytmy oceny jakości energii elektrycznej (JEE). Struktura warstwowa, pokazana na rys. 1, zapewnia realizację tych zadań. Na stacjach elektroenergetycznych pracuje wiele urządzeń z funkcjami pomiarowymi, takich jak: rejestratory zakłóceń, zabezpieczenia, sterowniki polowe. W praktyce okazuje się, że nie mogą one być źródłem

Rys. 1. Schemat korporacyjnego SMJEE

danych dla oceny JEE, gdyż nie udostępniają pełnego zakresu wymaganych parametrów. Nie agregują one danych zgodnie z wymaganiami norm, mają odmienne zakresy pomiarowe oraz częstotliwości próbkowania sygnałów. Podstawową warstwę SMJEE tworzą zatem specjalizowane mierniki i analizatory jakości energii (AJE), wyznaczające wszystkie wymagane wielkości zgodne z klasą A, wg normy PN-EN610004-30 [1]. Norma ta zakłada, że uzyskane wyniki mogą być wykorzystywane do celów rozliczeniowych, a także do weryfikacji ewentualnych roszczeń. Kolejna warstwa to struktura komunikacyjna, zbudowana z łączy dostępnych na stacji energetycznej oraz rozległych struktur komunikacyjnych WAN. W jej skład wchodzą istniejące przełączniki sieciowe, routery komunikacyjne, łącza GPRS, nadajniki radiowe. Z reguły nie buduje się wydzielonej sieci komunikacyjnej dla SMJEE. Warstwa nadrzędna korporacyjnego SMJEE to serwery i bazy danych. W serwerach jest zainstalowane oprogramowanie zbierające dane z urządzeń pomiarowych

i przetwarzające je w informacje dotyczące jakości energii oraz wspierające prezentację danych. Serwery posiadają także zintegrowane oprogramowanie do tworzenia i zarządzania konfiguracjami poszczególnych urządzeń wraz z oprogramowaniem testującym. Serwer współpracuje z korporacyjną bazą danych. Warstwę nadrzędną uzupełniają stanowiska robocze HMI. 3. Charakterystyka urządzeń pomiarowych 3.1. Pomiary i obliczenia Podstawowe parametry JEE, wyznaczane przez AJE zgodnie z odnośnymi normami, to: wartość napięcia zasilającego, częstotliwość, wskaźnik migotania światła (ang. flicker), harmoniczne i interharmoniczne napięcia, asymetria napięcia, wartość napięcia sygnalizacyjnego w napięciu zasilającym, zapady, przerwy i wzrosty napięcia, odchylenie napięcia w górę i w dół, szybkie zmiany napięcia (RVC) [1]. Zwykle analizatory mierzą także dodatkowe parametry, takie jak: natężenie prądu, harmoniczne i interharmoniczne prądu, wartości mocy, napięcie międzyfazowe, współczynnik

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | translation 14–20

mocy, energie i kąty harmonicznych prądu i napięcia. Wynika to z wymogów standardów opracowanych dla wdrażania SMJEE przez ich użytkowników, na przykład przez PSE Operator SA [2]. Należy zwrócić uwagę na klasę przekładników, zarówno prądowych, jak i napięciowych, stosowanych w obwodach pomiarowych AJE. Powinny one posiadać jak najlepszą klasę, np. 0.2. Jeśli są niższej klasy, to trudno wymagać, aby dane z analizatora były zgodne ze wszystkimi wymaganiami. Na ogół w specyfikacjach zakłada się, że urządzenia powinny mieć możliwość wyboru prądu znamionowego 1A lub 5A, z uwagi na powszechne występowanie na stacjach energetycznych przekładników o takich prądach. Wejściowe obwody pomiarowe AJE muszą zatem posiadać odpowiednią przeciążalność krótko- i długookresową oraz wytrzymałość udarową, dostosowaną do tych właściwości. Do analizy zaburzeń pracy sieci mogą być również przydatne rejestracje zaburzeń typu transients, czyli ultraszybkich przebiegów nieustalonych. Może to dotyczyć farm wiatrowych, parków solarnych oraz instalacji, w których są stosowane przekształtniki tyrystorowe. Do tego celu wymagane są urządzenia o częstotliwości próbkowania kilku MHz. 3.2. Klasa A Z właściwościami pomiarowymi analizatorów wiąże się tak zwany problem klasy A, sygnalizowany we wcześniejszych naszych artykułach [3] dotyczących JEE. Mimo powszechnie formułowanych wymogów o konieczności wykonywania pomiarów w klasie A, zgodnie z normą [1], do tej pory brak możliwości zweryfikowania w jednym akredytowanym laboratorium badawczym lub wzorcującym posiadania tej klasy przez AJE. Taka sytuacja jest nie do przyjęcia i powinna być jak najszybciej uregulowana, być może poprzez zorganizowanie stosownego laboratorium, prowadzonego przez niezależny ośrodek państwowy. Co prawda, w Europie istnieją laboratoria, które podejmują się wykonania wspomnianych badań, ale nie posiadają one zatwierdzonych, akredytowanych procedur badawczych dla wszystkich wymaganych parametrów, które powinny być badane. Stwarza to niepotrzebnie pole wątpliwości co do jakości pomiarów, a nawet celowych nadużyć. 3.3. Udostępnianie wyników W jednym z wdrożonych w kraju systemów AJE udostępniają wyniki zarówno za pomocą tak zwanych zdarzeń, jak i godzinowych plików COMTRADE lub PQDIF, transmitowanych poprzez wbudowany serwer. Mechanizm zdarzeniowy polega na tym, że zidentyfikowane zapady napięcia, wzrosty, przerwy bądź zmiany zdefiniowanych wartości kryterialnych dla zmian RVC, prądów udarowych i innych wielkości powodują wystawienie sygnału zdarzenia. Sygnał ten inicjuje procedurę odbioru zarejestrowanych danych. Z tego punktu widzenia AJE działa jak rejestrator zakłóceń. Dane są przekazywane do serwera JEE poprzez stałe łącza kablowe lub w technologii GPRS/LTE. Wraz z plikami są wysyłane z AJE dane pomiarowe, częstokroć osobnym kanałem komunikacyjnym. Zwykle są

Indeks

Wielkość

Indeks

Wielkość

40001

Moc czynna L1 (W)

40023

Napięcie kolejności zerowej (V)

40003

Moc czynna L2 (W)

40025

Napięcie międzyfazowe V12 (V)

40005

Moc czynna L3 (W)

40027

Napięcie międzyfazowe V23 (V)

40007

Moc bierna L1 (Var)

40029

Napięcie miedzyfazowe V32 (V)

40009

Moc bierna L2 (Var)

40031

Prąd L1 (A)

40011

Moc bierna L3 (Var)

40033

Prąd L2 (A)

40013

Współczynnik mocy L1

40035

Prąd L3 (A)

40015

Współczynnik mocy L2

40037

Częstotliwość (Hz)

40017

Współczynnik mocy L3

40039

Całkowita moc czynna (W)

40019

Napięcie kolejności zgodnej (V)

40041

Całkowita moc bierna (Var)

40021

Napięcie kolejności przeciwnej (V)

40043

Średnie napięcie fazowe (V)

Tab. 1. Dane przesyłane z analizatora w trybie online do systemu DCS farmy wiatrowej

to wartości wskaźników JEE, ale często także wartości mocy i energii. Jest to tak zwana funkcja miernika, pozwalająca na szybką weryfikację poprawności parametrów w mierzonych punktach – poprzez porównanie ich z danymi dostępnymi w systemie stacyjnym. Ciekawa i obiecująca jest możliwość wykorzystania tych wielkości pomiarowych do współpracy z układami sterowania farm wiatrowych. Taką instalację wdrożono ostatnio w północnej Polsce. W tab. 1 zestawiono parametry i ich indeksy, przekazywane w trybie online do układu DCS (ang. Digital Control System) sterowania pracą generatorów. Jednym z trendów w budowie AJE jest ich integracja z urządzeniami systemu automatyki stacyjnej (SAS). Coraz częściej pojawiają się aplikacje, w których wybrane pomiary oraz informacje o zdarzeniach wykrytych przez analizatory są równolegle przesyłane do systemu sterowania i nadzoru. W tym celu tworzy się lokalne połączenie z systemem stacyjnym. Efektywną integrację w tym zakresie umożliwia standard IEC 61850 [4], w którym są zdefiniowane węzły logiczne dotyczące jakości energii. Szczególnej uwagi projektantów, a także specjalistów tworzących specyfikacje przetargowe, wymaga problem wymienności i kompatybilności urządzeń pomiarowych, pochodzących od różnych producentów. Systemy korporacyjne są bardzo rozległe i pracuje w nich wiele AJE. Trudno sobie wyobrazić, aby taki system tworzyły urządzenia pochodzące od jednego producenta, udostępniające dane w niestandardowym protokole. Sposób udostępniania danych powinien być ściśle zestandaryzowany. Zagadnienia te stają się coraz bardziej istotne

wobec wprowadzania przez niektóre grupy dostawców – posługujących się w swych urządzeniach i systemach specyficznymi protokołami transmisji i niestandardową kompresją danych – monopoli technologicznych. Dodatkowym narzędziem takiej polityki bywa system licencji na poszczególne funkcjonalności urządzenia, które musi wykupić użytkownik systemu! Problem mogłoby rozwiązać przyjęcie standardu COMTRADE dla plików udostępnianych z AJE. Dałoby to dodatkową korzyść dzięki stosowaniu do analizy danych JEE narzędzi wykorzystywanych do obróbki zapisów z zabezpieczeń i rejestratorów zakłóceń. W zakresie współpracy z systemami SCADA dane powinny być udostępniane w standardzie PN-EN 870-5-104. Współpraca z SAS lub DCS powinna przebiegać w PN-EN 61850 [4] lub ewentualnie w Modbus RTU albo DNP 3.0. 3.4. Warunki środowiskowe AJE montuje się w polach rozdzielni elektroenergetycznych lub w polach nastawni, jak pokazano na fot. 1. Często istnieje także konieczność montażu AJE w szafkach energetycznych umieszczonych na słupach energetycznych. Urządzenia pomiarowe i osprzęt komunikacyjny, stosowany w tego typu aplikacjach, musi nadawać się do pracy w trudnych warunkach stacyjnych. Zasadne jest zatem podniesienie klasy wymagań środowiskowych wobec AJE, poprzez stosowanie grupy norm PN-EN 60255 do weryfikacji ich odporności środowiskowej i kompatybilności elektromagnetycznej, mimo że pierwotnie te normy są przeznaczone dla urządzeń zabezpieczeniowych.

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | translation 14–20

Fot. 1. Montaż w polu nastawni

Rys. 3. Wartości próbek synchronicznie zarejestrowane podczas zapadu i przerwy na dwóch stacjach

Rys. 4. Wartości RMS napięcia podczas synchronicznie zarejestrowanego zapadu i przerwy na dwóch stacjach

Rys. 2. Zabudowa serwera SMJEE w szafie 19”

4. Łącza komunikacyjne Dla korporacyjnych SMJEE najbardziej efektywna jest komunikacja oparta na bezpośrednim dostępie do korporacyjnej sieci IP. Takie rozwiązanie może być zastosowane wtedy, gdy sieć zakładowa jest dostępna w miejscu montażu AJE. Zazwyczaj analizatory podłączone są do sieci poprzez patchcordy światłowodowe, zalecane ze względu na odporność na zakłócenia. Alternatywą dla korporacyjnej sieci IP są połączenia zestawiane w korporacyjnym APN, z wykorzystaniem transmisji GPRS/LTE. W tym kontekście niezaprzeczalną zaletą łączy

światłowodowych jest zasadniczo brak ograniczeń w ilości przesyłanych danych i brak zakłóceń transmisji. Ich wadą jest wysoki koszt montażu. W sytuacji, gdy nie jest możliwa bezpośrednia transmisja danych do zdalnego serwera, instaluje się lokalny serwer. Podłącza się do niego wszystkie analizatory – wykorzystując lokalną sieć Ethernet. Do komunikacji między korporacyjnym a lokalnym serwerem można wtedy zastosować modemy UMTS, funkcjonujące w APN sieci korporacyjnej. Ze względu na ograniczoną przepustowość łącza i koszt transmisji zaleca się ograniczenie ilości przesyłanych danych do niezbędnego minimum. Na ogół rezygnuje się w tej sytuacji z przesyłania plików w agregacji 3-sekundowej. Przykładowo transmisja danych modemem GPRS/LTE to 40 MB danych przesłanych do serwera i ok. 3 MB danych odbieranych przez jedno urządzenie w ciągu doby. W takim przypadku limit miesięczny dla karty SIM, dla jednego urządzenia, nie może być mniejszy niż 2 GB. Dobre wyniki przynosi kompresja przesyłanych plików i odpowiednia konfiguracja pytań

wysyłanych przez serwer. Przykładowo plik COMTRADE dla harmonicznych napięcia, zawierający 150 kanałów analogowych i 3 kanały cyfrowe dla 100 próbek 3-sekundowych, ma następujące rozmiary: plik. dat – 31 000 bajtów, plik.cfg – 11 762 bajty. Łącznie daje to: 42 762 bajtów. Po kompresji uzyskuje się plik.zip o rozmiarze 7335 bajty i stopniu kompresji 5,83. Poziom kompresji jest jednak zależny od zawartości kompresowanych plików. Często wystarczające jest odczytanie plików z urządzeń jednokrotnie w ciągu godziny. W przypadku dużej liczby urządzeń w systemie odczyt może następować nawet raz na kilka godzin, co znacznie odciąża serwer i łącze radiowe. 5. Serwer systemu Podstawowym elementem systemu korporacyjnego jest korporacyjny serwer danych, pracujący w strukturze redundantnej i realizujący następujące zadania: • automatyczne pobieranie danych z analizatorów i ich zapis do bazy danych • wykonywanie oceny JEE i sporządzanie zestawień, wykresów, tabel, raportów

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | translation 14–20

• udostępnianie danych i ich archiwizacja do dalszej obróbki • wizualizacja wyników na różnych stanowiskach HMI. Aby zapewnić odpowiednią efektywność procesu automatycznego pobierania danych z rozproszonych urządzeń pomiarowych jest niezbędne, aby pozyskiwane dane posiadały standardowy format. Jak już wskazano, najwłaściwszy w tym zakresie wydaje się COMTRADE. Integralną częścią serwera jest jego baza danych, w której dane są gromadzone i zarządzane. Najbardziej uzasadnione jest stosowanie profesjonalnej bazy SQL. Częstą praktyką jest wykorzystywanie jednego rodzaju bazy do archiwizowania pomiarów, a innej do archiwizowania map systemu. Takie podejście poprawia szybkość pracy serwera. Dane z serwera muszą być importowane i eksportowane w plikach COMTRADE lub PQDIF z i/do nadrzędnej bazy danych lub istniejącego oprogramowania nadrzędnego w celu poddania dalszej analizie lub tylko archiwizacji. Pliki te mogą być przekazywane za pomocą istniejących protokołów bazodanowych ODBC lub natywnych programów dla bazy SQL. Dane udostępniane przez bazę są podstawą do wykonania wszelkich analiz statystycznych przez odpowiednie oprogramowanie serwera. Wyniki tej analizy służą następnie do przygotowania raportów zgodności z odpowiednimi normami, np. PN-EN 50160 [5], rozporządzeniami [6] lub umowami pomiędzy dostawcą a odbiorcą energii elektrycznej. Mechanizmy zawarte w serwerze automatyzują proces raportowania poprzez samoczynne rozsyłanie do użytkowników systemu odpowiednio przygotowanych raportów oraz umożliwiają podgląd danych i raportów. Wygodną formą wizualizacji danych i raportów jest wykorzystanie funkcjonalności, jakie daje interfejs WWW, zapewniając dostęp do systemu wielu użytkownikom jednocześnie, przy zachowaniu mechanizmów bezpieczeństwa dostępu do danych. Zasadne jest powiązanie informacji z korporacyjnych SMJEE z pracą systemów zarządzania wyłączeniami OMS (ang. Outage Management Systems). Pozwala to na uwzględnienie w SMJEE zdarzeń wynikających z pracy sieci, takich jak planowe wyłączenia, remonty, sytuacje awaryjne. Zagadnienia te są obecne w trakcie opracowania. Przykładową zabudowę wydzielonego serwera jakości energii w typowej szafie 19” pokazano na rys. 2. Serwer jest zintegrowany z serwerem podstawowym oraz rezerwowym. W razie awarii jednego z nich praca jest automatycznie przejmowana przez drugi serwer bez utraty danych. Oba serwery są zasilane z napięcia gwarantowanego. W szafie serwera znajduje się także zegar czasu rzeczywistego, przełącznik sieciowy, listwy zasilania oraz lokalny terminal HMI, ułatwiający uruchamianie i serwisowanie systemu. 6. Synchronizacja czasu Każdy AJE powinien posiadać wewnętrzny zegar czasu rzeczywistego. Zegar ten musi być synchronizowany za pomocą zewnętrznego wzorca czasu GPS lub odpowiedniego protokołu sieciowego, na przykład PTP (ang. Precision Time Protocol). Możliwe jest także

zastosowanie standardu IRIG B. Zakłada się, że dokładność synchronizacji powinna być lepsza niż 10 µs. Synchronizacja czasu z taką dokładnością jest wskazana dla analizy i lokalizacji źródeł zaburzenia oraz obszarów ich rozprzestrzeniania i zaniku. Przykłady odnośnych rejestracji pokazano na rys. 3–4. Synchronizacja może być także realizowana poprzez protokół sieciowy SNTP, dedykowany do synchronizacji czasu. W tym przypadku uzyskuje się dokładność synchronizacji jedynie lepszą niż 1 ms. Uniemożliwia to jednak takie wykorzystanie rejestracji zaburzeń, o jakim powyżej wspomniano. Zwykle analizatory synchronizuje się, pobierając czas z serwerów już pracujących na stacjach, które z kolei są synchronizowane ze stacyjnego wzorca czasu. 7. Bezpieczeństwo systemów Zapewnienie bezpieczeństwa informatycznego w korporacyjnych SMJEE musi posiadać najwyższy priorytet i wynikać z korporacyjnej polityki zapewnienia bezpieczeństwa systemów informatycznych. W tym kontekście przede wszystkim należy wykluczyć możliwość celowego lub nieświadomego zaburzenia pracy innych systemów. Szczególnie dotyczy to pracy systemów sterowania i nadzoru, z którymi SMJEE może posiadać potencjalne połączenia poprzez switche lub routery. Aby wykluczyć nawet tylko potencjalne negatywne skutki, już na etapie tworzenia projektu systemu należy przeprowadzić analizę zagrożeń oraz przewidzieć środki bezpieczeństwa. W ich identyfikacji może pomóc rozważenie poniższych aspektów: • sposób połączenia urządzeń AJE i serwerów z siecią stacyjną • system haseł, wykluczający hasła typu: cyber security, admin, user • podział uprawnień operacyjnych na odczyt danych, zarządzanie systemem, zgodnie ze standardem IEC TS 62351 [7] • konfiguracja przełączników i routerów sieciowych zapewniająca rozdział logiczny sieci • możliwości zainfekowania systemu, np. poprzez korzystanie z połączeń z Internetem. Inna grupa zagrożeń może wynikać z możliwości nieautoryzowanego połączenia z urządzeniami pomiarowymi lub serwerami danych. Pomocne w ich wykryciu może być przeanalizowanie następujących kwestii: • c z y j e s t m o ż l i w e d o k o n a n i e nieuprawnionej modyfikacji plików konfiguracyjnych? • czy wyniki pracy systemu i rejestrowane dane są newralgiczne dla przedsiębiorstwa? Zgodnie ze standardem [7], w systemach funkcjonujących na stacjach elektroenergetycznych konieczne jest wdrożenie co najmniej poniższych środków ochrony: • stosowanie i aktualizacja oprogramowania antywirusowego • blokowanie transmisji przychodzącej i wychodzącej, gdy jest niezgodna z regułami • filtrowanie źródeł informacji, zapewniające przesyłanie danych poprzez wydzielone routery po wyspecyfikowanych trasach • obligatoryjna rejestracja wszystkich zdalnych i lokalnych dostępów do systemu

• regularne wykonywanie testów sprawdzających poziom zabezpieczenia. 8. Korzyści stosowania systemów korporacyjnych Początkowe wysokie koszty tworzenia systemu korporacyjnego mogą nie być akceptowane. Jednakże poniesione nakłady szybko się zwracają z powodu korzyści z użytkowania takiego systemu. W przypadku SMJEE można na pewno mówić o korzyściach ekonomicznych wynikających z szybkości i łatwości dostępu do danych bez potrzeby prowadzenia drogich, doraźnych pomiarów i analiz JEE. Ewidentne są również korzyści z posiadania wiarygodnych danych, które mogą nie tylko służyć do oceny jakości energii, ale także mogą też być wykorzystane w obszarach dotyczących zabezpieczeń, inwestycji, klientów biznesowych i indywidualnych, marketingu, kontroli produkcji w firmach wytwórczych w zakresie: • właściwego utrzymania sieci, gdyż dane pochodzą – w zależności od wielkości systemu – z kilkuset do nawet kilku tysięcy punktów pomiarowych • podejmowania decyzji o koniecznych modernizacjach; posiadając komplet informacji łatwo zdecydować, gdzie należy lub nie należy zainwestować w nową infrastrukturę • badania skutków zakłóceń atmosferycznych, pozwalające ocenić skuteczność ochrony przepięciowej • diagnozowania przyczyn awarii dzięki analizie wartości prądów, napięć, asymetrii itd. • szybkiego reagowania na awarie i ich pewną lokalizację, pozwalającą na właściwą reakcję obsługi na degradację parametrów jakościowych i ewentualne wykonanie prac zaradczych • oceny JEE względem wielkości określonych w odpowiednich normach i umowach • wykr ywania zakłóceń wynikających z działalności odbiorców energii elektrycznej • rozbudowy i porównania danych o pracy systemów i urządzeń w obszarze Smart Grid; w tym zakresie monitoring jakości sieci winien stanowić część rozwiązań Smart Grid. Do korzyści można także zaliczyć automatyzację pomiarów, oceny jakości i raportowania. Możliwości raportowania przez e-mail, SMS, dziennik zdarzeń, sygnały alarmowe czy innego rodzaju media mogą wspomóc niezbędną analizę zaistniałych zjawisk. Zaletą jest także możliwość integracji z systemami dyspozytorskimi, ułatwiająca szybką analizę sytuacji awaryjnych. Istotna staje się także możliwość wdrażania oceny stanu infrastruktury energetycznej, na przykład poprzez rozwój i stosowanie algorytmów porównawczych typu health index oraz dzięki nowym funkcjonalnościom, takim jak rejestracja i analiza tych samych zaburzeń przez urządzenia pomiarowe zlokalizowane na różnych stacjach. Należy także podkreślić, że system korporacyjny może być budowany wieloetapowo. 9. Wnioski Dostarczenie syntetycznych danych użytkownikowi systemu, określających, czy

W. Gil, P. Wronek | Acta Energetica 3/24 (2015) | translation 14–20

jakość dostarczonej lub pobieranej energii jest zgodna z wymaganiami i wskaźnikami, określonymi w umowie o dostawie energii, może być efektywnie realizowana w systemach korporacyjnych. Obecnie funkcjonalność urządzeń do pomiaru parametrów JEE jest ciągle rozszerzana, na przykład o funkcje rejestracji zakłóceń sieciowych, pomiaru prądów i mocy, wielokanałowej transmisji danych. Jednakże nowe funkcje urządzeń pomiarowych zwiększą możliwości systemów korporacyjnych tylko wtedy, gdy systemy te będą wyposażone w adekwatne algorytmy przetwarzania gromadzonych danych w informacje. Systemy korporacyjne umożliwiają wprowadzenie nowych funkcjonalności dotyczących lokalizacji miejsca i źródła zaburzeń, a także wykorzystanie gromadzonych danych do poprawy zarządzania majątkiem i lepszego planowania inwestycji. Tworzenie systemów korporacyjnych wymaga wdrożenia i bezwzględnego przestrzegania zasad bezpieczeństwa systemów informatycznych.

W strukturze korporacyjnych systemów SMJEE zalecane jest stosowanie komunikacji poprzez łącza światłowodowe, zapewniającej dużą przepustowość i odporność na zakłócenia. Łącza typu GPRS/LTE wprowadzają ograniczenia w zakresie i ilości przesyłanych danych. Wdrożenie standardu PN-EN 61850 [4] ułatwi integrację urządzeń stosowanych do pomiarów parametrów JEE w systemach automatyki stacyjnej. Bibliografia 1. PN-EN 61000-4-30:2011 Kompatybilność elektromagnetyczna (EMC), część 4–30, Metody badań i pomiarów – Metody pomiaru jakości energii. 2. Analizatory Jakości Energii, Standardowe Specyfikacje Techniczne, PSE Operator SA, grudzień 2013. 3. Gil W., Wronek P., Wdrażanie urządzeń i systemów do monitoringu i oceny jakości energii elektrycznej, Acta Energetica 2014, nr 1/18.

4. IEC 61850-7-4:2010(E), Communication networks and systems for power utility automation, Basic communication structure. Compatible logical node classes and data object classes, s. 7–4. 5. PN-EN 50160:2010 Parametry napięcia zasilającego w publicznych sieciach rozdzielczych. 6. Rozporządzenie Ministra Gospodarki „W sprawie szczegółowych warunków funkcjonowania systemu elektroenergetycznego”, z 4 maja 2007. 7. Technical Standard (IEC TS), 62351– Power system management and associated information exchange. Data Communications Security, pp. 2, 3, 4, 6 ed. 1 (2007), p. 8 ed.1 (2011), s. 5 ed. 2 (2013).

Wiesław Gil

mgr inż. MIKRONIKA e-mail: wieslaw@mikronika.com.pl Ukończył Wydział Elektryczny Politechniki Poznańskiej (1983). Jest zatrudniony w Mikronice (1985), obecnie jako główny konstruktor. Zajmuje się konstrukcją urządzeń automatyki stacyjnej. Kierował opracowaniem i wdrażaniem systemu monitoringu transformatorów, a ostatnio rozwojem urządzeń i systemów do oceny jakości energii.

Przemysław Wronek

mgr inż. MIKRONIKA e-mail: wronek@mikronika.com.pl Absolwent Wydziału Elektrycznego Politechniki Poznańskiej o specjalności metrologia (1980). Jeden z założycieli Mikroniki (1983), obecnie wiceprezes nadzorujący sprawy techniczne. Zajmuje się tworzeniem założeń oraz nadzorem rozwoju oraz aplikacji systemu sterowania i nadzoru SYNDIS w zakresie oprogramowania i sprzętu.

P. Kacejko et al. | Acta Energetica 3/24 (2015) | 26–33

Compensation of 110 kV Cable Lines – Possibilities and Limitations

Authors Piotr Kacejko Paweł Pijarski Sylwester Adamek

Keywords reactive power compensation, wind farm

Abstract This paper discusses problems of the compensation of 110 kV cable lines tens of kilometres long. Such lines are currently built primarily to connect a wind farm, as a consequence of the difficulties in obtaining permits for overhead line construction. Practical design problems derive from the fact of an undetermined cable capacitance and choke reactance (individually manufactured custom devices) and the voltage variation at the interconnection point. With a probabilistic approach possible solutions are suggested for selecting compensation devices.

DOI: 10.12736/issn.2300-3022.2015303

1. Introduction Nowadays, 110 kV cable lines with lengths considerably exceeding several kilometres are a staple element of the power engineering system in Poland. Their use results from the determination of the investors from the wind farm sector to connect the scheduled and currently constructed wind farms to the power grid. As the conditions for the development of the areas between the wind farms and the points of common coupling (PCC) prevent the construction of less costly overhead lines, the cable variant is the only viable solution. The operators of the 110 kV grid describe these cable lines as subscriber lines, establishing their requirements at the connection point of the cable to PCC, and leaving the lines at the disposal of wind farm operators. The control of reactive power, which is generated to a great extent by cable lines, and its coordination with generation capacities of a wind farm are becoming a crucial design issue. A theoretically simple solution which uses the shunt reactor (SR) at the terminal of a cable line is associated with the selection of a fixed SR. However, the variability of grid operating conditions (voltage in PCC, active power of a wind farm) and uncertainty of the design parameters of the cable and the shunt reactor (these elements are not manufactured on a repetitive basis), necessitate the use of other solutions: variable SR and costly flexible AC transmission systems (FACTS) with a static VAR compensator (SVC). The article presents a method of alternative selection of FSR and VSR systems, which takes into consideration the above-mentioned limitations. The article also includes a recommendation for the grid operators to determine, in the issued connection conditions and connection 26

agreements, the tolerance level of the formulated requirements relating to reactive power compensation, participation of the wind farm in voltage control, and the quantity of supplied or absorbed reactive power. In practice, excessive attempts of the designers to meet these requirements crucially increase the costs of connecting to the grid, without resulting in significant systemic benefits [6, 7].

2. Model of a cable line with a compensation system – convention and probabilistic aspects The conventional literature [1] suggests that a cable line which is several dozen kilometres long should be modelled as a long cable line with distributed parameters. On the other hand, this type of cable line is created by connecting together several cross bonding sections [2], each of which can be modelled using the simplified type П model. As a result, it is possible to use a model with a ladder structure (Fig. 1). The model of a power system may be a multi-node accurate model, or it may be its equivalent. For the model configured in this way, the selection of reactance XL of the shunt reactor seems to be a trivial calculation procedure: the shunt reactor is considered as well suited if for the wind farm in idle state, in the connection point of the cable line to the system (PCC node, PK measurement point), in rated voltage conditions UPCC = UN, the flow of reactive power shows a zero value, i.e. QPK = 0. The reactance value of the shunt reactor selected in this way can be designated as XLn. Nonetheless, this simple calculation procedure faces practical difficulties in the form of uncertainties in meeting the design

P. Kacejko et al. | Acta Energetica 3/24 (2015) | 26–33

Fig. 1. Calculation model of a cable line taking power from a wind farm (FW) with a shunt reactor

parameters by the manufacturers – of both the 110 kV cable and the shunt reactor itself. The cable capacity and the inductance of the shunt reactor can be considered as determined if the cable line is built and the shunt reactor is supplied to the 110 kV switching substation of a wind farm and assembled. Manufacturers are not keen on specifying the tolerance in the accuracy of the previously declared parameters; however, sooner or later information on these tolerances usually finds its way into agreements concluded with investors. In addition, it should be considered that the requirements relating to deadlines of an investment process necessitate simultaneous ordering of cables and shunt reactors from their manufacturers. As a result of the general nature of this article, it has been assumed that the design inaccuracies in the manufacturing process of the 110 kV cables and 110 kV shunt reactors are defined by the Gaussian distribution. Therefore, the unit susceptance BK for a cable line can be treated as a random variable, and the likelihood that its value is lower than or equals the value of bK, is defined by this dependence:

(1)

and analogously for the shunt reactor, the likelihood that the reactance value XL will be lower than or will equal the value of xL, is defined by this dependence:

(2)

whereby, in both cases, the function Φ signifies a distribution function of normal distribution N (0.1), while Bkn and XLn signify respectively the values of unit susceptance of the 110 kV cable and reactance of the shunt reactor assumed by the manufacturers as rated on the basis of the calculations defined above. The uncertainty connected to the manufacturing processes (of cables and shunt reactors) expresses standard deviation (respectively for the cable σk, and for the shunt reactor σL). On the basis of the limited information provided by the manufacturers, it was assumed (pessimistically, in the opinion of the authors) for both elements: values 3σk/Bkn = 0.075 and 3σL/XLn = 0.075. This means

that the “3-sigma criterion” encompasses an area with the width of +/–7.5% in relation to the values considered as rated. Voltage on the PCC substation bus bars is a grid parameter with a variable value. Probably, the stochastic approach can also be used here, assuming that the most likely voltage value for a large system substation is 1.05UN (i.e. 115.5 kV), and values considerably lower (e.g. 0.95 UN or 1.10 UN) feature rarely and are connected to unusual modes of the electrical power system. On the other hand, the requirements of the operators leave no room for doubt that it is necessary to meet the compensation conditions for the full range of expected voltages, from 0.90 UN to 1.10 UN. Consequently, the methodology of the conducted research in every case included scanning of the full range of voltages on the PCC bus bars, as specified above.

3. Ineffectiveness of the deterministic approach – results of the Monte Carlo simulation Assuming the random nature of the BK and XL parameters, the compensation effectiveness of the capacity of the cable line which uses a fixed shunt reactor can be assessed using the Monte Carlo simulation. Assuming the probability distributions defined by means of formulas (1) and (2), the suitable pair (BK, XL) can be selected randomly by means of a random number generator and the result of this random selection of the cable’s capacity and inductance of the shunt reactor can be verified by means of power flow calculations. The computational verification should cover the entire range of voltages permissible on the PCC substation bus bars. The results of this type of simulation for 100 randomly selected pairs (unit susceptance of the cable, inductance of the shunt reactor), are presented in Fig. 2, while the percentage degree of the compensation was defined as:

(3)

where, the power of the shunt reactor ensuring perfect compensation was defined as Qkn, with capacity Bkn and voltage UPCC = UN = 110 kV. As shown in Fig. 2, the random nature of the parameters of the cable and the shunt reactor causes that for the value of voltage in PCC amounting to 121 kV, the compensation degree instead of reaching the zero value, can amount to as much as 10% (both 27

P. Kacejko et al. | Acta Energetica 3/24 (2015) | 26–33

Fig. 2. Compensation degree of a cable line – results of the Monte Carlo simulation for randomly selected pairs (BK, XL) and a full range of changes to voltage in PCC

Fig. 3. Compensation degree of a cable line – results of the Monte Carlo simulation for randomly selected pairs (BK, XL) and a full range of changes to voltage in PCC, with the rated reactance of the shunt reactor increased to value XLp

in the positive and negative direction). This means that with the load power of 100 Mvar (e.g. two cable lines operating in parallel, with a length of 50 km), undercompensation of 10 Mvar (insufficient power of the shunt reactor) or overcompensation of 10 Mvar (excessive power of the shunt reactor) can be expected. From a practical point of view, undercompensation is much more problematic as the shunt reactor’s power cannot be increased, 28

and its replacement is not viable due to the costs involved. Consequently, the authors of this article suggest an alternative approach – as the rated value of the shunt reactor’s reactance determined for the manufacturer in the order the following should be provided: XLp = (1 + 3σL)*XLn. The shunt reactor with reactance defined in this way will also be subject to the random manufacturing process defined using the Gaussian distribution,

P. Kacejko et al. | Acta Energetica 3/24 (2015) | 26–33

analogous as in the previous case. However, in this case, the random nature of the shunt reactor’s reactance and the capacity of the cable will never result in undercompensation of the cable line – it will always be overcompensation, as illustrated in Fig. 3. Dealing with overcompensation is relatively simple – it can be performed using capacitors connected to MV bus bars of the wind farm’s substation. These capacitors are manufactured in series and are relatively easy to obtain, therefore, a decision on their number and power may be taken at a later stage of the investment process. Looking at Fig. 2 it could be concluded that the overcompensation degree features in the range between zero and –18%. However, it could also be determined that it is justified to install “blindly” a six-part battery with power equalling 12% of Qkn, with the potential to add additional units with a total power of 8% of Qkn (total battery power 20% Qkn). The reason for this approach is outlined further in this article.

4. Alternative solution – variable shunt reactor The use of a shunt reactor with fixed (although initially unspecified) reactance with a capacitor battery on the MV side solves the compensation problem even in the event of uncertainty relating to the capacity of the cable line and also in the conditions of voltage variability on the PCC bus bars. The use of a shunt reactor with fixed reactance value (FSR) can be substituted with the use of a variable shunt reactor (VSR). Only selected manufacturers of these reactors manufacture individual items whose power is defined in line with the following dependence:

(4)

whereby:

– power of the shunt reactor with UN and with the

rated number of coils ZN, QL – power of the shunt reactor at the selected tap N and for voltage U, N – number of the tap (negative, positive or zero), ∆R – tap jump in % (e.g. 1.5%, 2%, 2.5%, 3%). As in the case of FSR, the randomness of the individual production of VSR enables the creation of an assumption about the Gaussian distribution only in relation to reactance XLn, as tap alignment can be performed evenly and accurately. As a result, for the rated reactance value XLn, changes of taps and differentiation of the voltage level lead to considerable variability of the shunt reactor’s power, as illustrated in Fig. 4. The ability to obtain reactive power with a variable value from VSR enables the shunt reactor to be used both in the case of stochastic uncertainty related to the value of inductance and capacity of the cable as well as in relation to voltage variation in PCC. Also in this case, a computational analysis was performed by means of the Monte Carlo simulation. The random selection of the pair (BK, XL) was supplemented with a computational search for digit N (tap number), which minimises the absolute value of the percentage degree of compensation. Moreover, as in the previous case, this operation was repeated in the scanning process of the full range of voltages from 0.9 UN to 1.1 UN. The results obtained are presented in Fig. 5 and Fig. 6. Fig. 5 presents the impact of tap control (jump 1.5%) on the compensation degree. As it can be noticed, the power of the compensation release for the most part fits within the silent zone resulting from the jump of the tap changer of the shunt reactor. It is possible to narrow this zone down by selecting a shunt reactor with greater rated power on the zero tap, in accordance with the formula XLp = (1 + 3σL)*XLn.

Fig. 4. Dependence of the power output of VSR with reactance XLn on the position of the tap changer and voltage value (tap jump 2.5%) 29

P. Kacejko et al. | Acta Energetica 3/24 (2015) | 26–33

Fig. 5. Compensation degree of a cable line – results of the Monte Carlo simulation for randomly selected pairs (BK, XL) and a full range of changes to voltage in PCC, with the use of VSR, with the tap jump at 1.5%

Fig. 6. Illustration of the tap selection with VSR control with jump at 1.5% – results for five randomly selected pairs (BK, XL) and a full range of changes to voltage in PCC, adjustment to silent zone from –1.5% Qkn to from 1,5% Qkn

It is also possible to use a single capacitor battery on the MV side, but with power up to 2% of Qkn. Fig. 6 illustrates how for several randomly selected pairs (BK, XL), the position of the tap changer is selected within the scanned range of voltages. As it can be seen, changes between +10 and –10 are sufficient to achieve a compensation degree in the silent zone with a width of 1.5%. It should be pointed out at this point, that the instruction [4], when formulating the requirements relating to the compensation of a cable line, does not specify the tolerance relating to the

accuracy of this compensation. Consequently, some designers and grid operators treat the aspects of this compensation in an almost obsessive manner, directing investors towards very costly SVC systems. Meanwhile, the primary rule of the energy law – the non-discriminatory approach to entities – should result in the principle that the accuracy of the compensation of the cable line should not be greater than the consequences of the operation of an overhead

P. Kacejko et al. | Acta Energetica 3/24 (2015) | 26–33

line of an analogous length operating in idle state. No compensation is required for 110 kV overhead lines. Taking into consideration the capacities of typical overhead lines and typical cable lines, the tolerance of the compensation of the latter should be determined at the level of 2–2.5%.

5. Compensation of the 110 kV cable line capacity and the potential of the wind farm to generate reactive power in the required scope The compensation system of the 110 kV cable capacity taking the power from a wind farm should also be analysed in relation

Fig. 7. Reactive power measured in the PK point (band) in the active power function generated by wind turbines – the stochastic character of the parameters of a FSR and capacity of the 110 kV cable line results from the Monte Carlo simulation; lines reflecting the power coefficient of 0.95 were indicated (inductive and capacitive character); reactive power in wind turbines –0.5PnG (lower part of the illustration) and 0.5PnG (upper part of the illustration)

Fig. 8. Reactive power measured in the PK point (band) in the active power function generated by wind turbines – the stochastic character of the parameters of a VSR and capacity of the 110 kV cable line results from the Monte Carlo simulation; lines reflecting the power coefficient of 0.95 were indicated (inductive and capacitive character); reactive power in wind turbines –0.5PnG (lower part of the illustration) and 0.5PnG (upper part of the illustration) 31

P. Kacejko et al. | Acta Energetica 3/24 (2015) | 26–33

to meeting other requirements formulated in regard to wind farms in the instruction [4]. In particular, it relates to guaranteeing the potential of generation of reactive power by the wind farm so that in the entire range of possible generation of active power, the measurement of reactive power at the PK point (Fig. 1) ensures the coefficient of power no lower than 0.95 – in both directions, both in regard to reactive power consumption (value assumed for sources as negative), and to its generation. When discussing the above issue, it should be emphasized that the converter systems, with which the wind turbines are equipped, have extensive generating abilities in reference to reactive power [5]. The majority of currently manufactured units with rated power PnG equalling 2–3 MW have the ability to generate any amount of reactive power from the span from –0.5–0.5PnG, within the scope of active power generation near to zero (e.g. from 20 kW) right up to full rated power PnG. However, these abilities are not sufficient, as is illustrated in Fig. 7. For generation of active near rated power and for all working units, the losses of reactive power related to the transmission of active power partially negate the generating abilities of the converters. Also in this case, the ultimate effect, understood as a result of power measurement in the PK point, has a stochastic character – as decided by the uncertainty in the specification of the parameters of the 110 kV cable and shunt reactor in wind farms. The Monte Carlo simulation related to pairs (BK, XL), connected with the power flow analysis, determines that the deficit of the generating abilities of the farm in the scope of reactive power (measured in the PK point) may find itself in the span between 10% and 20% of Qkn. Consequently, the idea of using a multipart capacitor battery on the MV side and the fixed shunt reactor ensures comprehensive control of the reactive power of a wind farm supplied with a cable line of a considerable length. Similar benefits in the scope of control over the deficit of reactive power, generated by a wind farm in conditions similar to rated active power, can be achieved by the use of VSR. This shunt reactor fulfils the role of a valve which provides – for the needs of the reactive power balance of a wind farm (measured in the PK point) – a reserve of reactive power, which is the capacity of the cable. By reducing the power of the shunt reactor (by appropriate tap control, also taking voltage conditions into consideration), the state of undercompensation of the 110 kV cable is achieved, acquiring at the same time the lacking reactive power. The consequences of using a VSR are shown in Fig. 8. As can be seen, the use of additional capacitors on the MV side is unnecessary.

6. Overview The article presents issues relating to the selection of a shunt reactor compensating the capacity of a long 110 kV cable line taking power out from a wind farm. The potential of using two solutions was emphasized: • fixed shunt reactor (FSR) working with a multi-part capacitor battery installed on the MV side

• variable shunt reactor (VSR) with a correctly selected number of taps and tap jump parameters. Both concepts – although the second option is considered more advanced – allow one to control the issue of uncertainty and tolerance relating both to the unit capacity of the 110 kV cable and reactance of the shunt reactor. The final values of both these parameters, when referred to the individual manufacturing character of the cable and the shunt reactor, are only known at the assembly phase of the devices at a building site, which is considered by the design and construction companies as a serious hindrance. In addition, both methods enable the requirements of grid operators to be met in relation to the values of reactive power generated by wind farms in the conditions of active power generation similar to rated power, without the need to use additional compensation systems or capacitor batteries. REFERENCES

1. Saadat H., Power System Analysis, McGraw-Hill International Editions, 3-rd edition, 2010. 2. Sobral A., Moura A., Carvalho M., Technical Implementation of Cross Bonding in Underground HV Lines Projects, 21-st International Conference on Electricity Distribution, Frankfurt 6–9 June 2011, paper 0499. 3. Iwanicki M., Dębek M., Kompensacja mocy biernej indukcyjnej oraz pojemnościowej na farmach wiatrowych [Reactive power compensation in wind power farms], Wiadomości Elektrotechniczne 2015, No. 2, pp. 35–38. 4. Instruction of Transmission System Operation and Maintenance of PSE S.A. [online], http://www.pse.pl/. 5. Lubośny Z., Farmy wiatrowe w systemie elektroenergetycznym [Wind power stations in the electric energy system], Warsaw, WNT 2010. 6. Kacejko P., Pijarski P., Generation level matching to the transmission capability of overhead lines, Acta Energetica 2013, No. 1/14, Vol. 5, pp. 43–49. 7. Kacejko P., Pijarski P., Przyłączanie farm wiatrowych – ograniczenia zamiast przewymiarowanych inwestycji [Grid connection of wind farms – reasonable constraints instead of oversized investments], Rynek Energii 2009, No. 1 (80), pp. 10–15.

P. Kacejko et al. | Acta Energetica 3/24 (2015) | 26–33

Piotr Kacejko Lublin University of Technology e-mail: p.kacejko@pollub.pl Graduated from the Faculty of Electrical Engineering of Lublin University of Technology and has been an employee there since 1979. Awarded his post-doctoral degree at the Faculty of Electrical Engineering of Warsaw University of Technology in 1999, and the title of professor in 2006. He conducts research in the field of power system analyses. He is the author of numerous scientific research studies and publications in this field. He now focuses on the impact of distributed generation sources on the power grid.

Paweł Pijarski Lublin University of Technology e-mail: p.pijarski@pollub.pl Graduated from the Faculty of Electrical Engineering and Computer Science of Lublin University of Technology (2004). Awarded his doctoral degree in 2012. Since 2005, he has worked at Lublin University of Technology. His research interests are currently related to the impact of distributed generation sources on the power grid, the sensitivity of overhead power lines to changes in various sources’ output powers, power flow optimization, and heuristic optimization methods. He has co-authored over a dozen articles and studies devoted to this subject.

Sylwester Adamek Lublin University of Technology e-mail: s.adamek@pollub.pl Graduated from the Faculty of Electrical Engineering of Lublin University of Technology. Since 2001, he has worked at the Department of Grid Network and Security at Lublin University of Technology. Awarded his doctoral degree in 2010. Specialises in the operation of distribution electricity networks and the operation of power units in the distributed power generation industry.

P. Kacejko et al. | Acta Energetica 3/24 (2015) | translation 26–33

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 26–33. When referring to the article please refer to the original text. PL

Kompensacja linii kablowych 110 kV – możliwości i ograniczenia Autorzy

Piotr Kacejko Paweł Pijarski Sylwester Adamek

Słowa kluczowe

kompensacja mocy biernej, farma wiatrowa

Streszczenie

W artykule omówiono problemy kompensacji linii kablowych 110 kV o długościach kilkudziesięciu kilometrów. Linie takie są obecnie budowane głównie w celu przyłączenia farm wiatrowych jako konsekwencja trudności w uzyskaniu pozwoleń na budowę linii napowietrznych. Praktyczne problemy projektowe wiążą się z faktem nieokreśloności pojemności kabla i reaktancji dławika (urządzenia niestandardowe produkowane jednostkowo) oraz zmiennością napięć w miejscu przyłączenia. Stosując podejście probabilistyczne, zaproponowano możliwe rozwiązania w zakresie doboru urządzeń kompensacyjnych.

1. Wstęp Linie kablowe 110 kV o długościach przekraczających znacznie kilka kilometrów są dziś realnym elementem krajowej elektroenergetyki. Ich stosowanie wynika w istotnej części z faktu zdeterminowania inwestorów z branży wiatrakowej, aby planowane i budowane farmy przyłączyć do sieci. Ponieważ warunki zabudowy obszarów pomiędzy farmami a punktami przyłączenia ich do sieci (PCC) uniemożliwiają budowę tańszych linii napowietrznych, wariant kablowy jest jedynym realnym rozwiązaniem. Operatorzy sieci 110 kV określają te linie mianem linii abonenckich, ustalając swoje wymagania w miejscu przyłączenia kabla do PCC, a linie pozostawiając w gestii operatora farmy. Kontrola mocy biernej, której linie kablowe są znaczącym źródłem, jej koordynacja z możliwościami wytwórczymi farmy wiatrowej stają się istotnym problemem projektowym. Teoretycznie proste rozwiązanie polegające na zastosowaniu dławika kompensującego (ang. Shunt Reactor – SR) na końcu linii wiąże się z wyborem jednostki o ustalonej indukcyjności (Fixed SR). Jednakże zmienność warunków pracy sieci (napięcie w PCC, moc czynna farmy wiatrowej) oraz niepewność parametrów konstrukcyjnych kabla i dławika (nie są to elementy produkowane w sposób powtarzalny), zmuszają do korzystania z innych rozwiązań: dławików regulowanych pod obciążeniem za pomocą odczepów (Variable SR) oraz kosztownych układów FACTS z płynną regulacją (SVC). W artykule przedstawiono sposób alternatywnego doboru układów FSR i VSR,

uwzględniający wskazane wyżej ograniczenia. Sformułowano także postulat, aby operatorzy sieci w wydawanych warunkach przyłączenia i umowach przyłączeniowych określali poziom tolerancji formułowanych wymagań w zakresie kompensacji mocy biernej, udziału farmy w regulacji napięcia, ilości dostarczanej lub pobieranej mocy biernej. Praktyka dowodzi bowiem, że dążenie projektantów do nadmiernie dokładnego spełniania tych wymagań istotnie powiększa koszty przyłączenia do sieci, nie dając przy tym istotnych korzyści systemowych [6, 7]. 2. Model linii kablowej z układem kompensacji – klasyka i aspekty probabilistyczne Klasyczna literatura [1] podpowiada, że linia kablowa o długości kilkudziesięciu kilometrów powinna być modelowana jako linia długa o parametrach rozłożonych. Z drugiej jednak strony linia taka powstaje jako połączenie kilku sekcji (ang. cross bonding sections [2]), z których każda może modelowana za pomocą uproszczonego modelu typu П. W rezultacie możliwe jest zastosowanie modelu o strukturze drabinkowej (rys. 1). Model systemu elektroenergetycznego może być wielowęzłowym modelem dokładnym, może być też jego ekwiwalentem. Dla tak skonfigurowanego modelu dobór reaktancji XL dławika kompensującego wydaje się być trywialną operacją obliczeniową: dławik uznaje się za dobrze dobrany, jeśli dla stanu jałowego farmy, w miejscu przyłączenia linii kablowej do systemu (węzeł PCC, punkt pomiarowy PK),

w znamionowych warunkach napięciowych UPCC = UN przepływ mocy biernej wykaże wartość zerową, czyli QPK = 0. Wartość reaktancji dławika dobrana w ten sposób może być oznaczona jako XLn. Prostemu zadaniu obliczeniowemu praktyka przeciwstawia utrudnienia w postaci niepewności w dotrzymaniu przez wytwórców parametrów konstrukcyjnych – zarówno kabla 110 kV, jak i dławika. Tym samym zarówno wartość pojemności kabla, jak i indukcyjność dławika można uznać za określone, gdy linia kablowa zostanie zbudowana, a dławik dostarczony do rozdzielni FW 110 kV i finalnie zmontowany. Producenci niechętnie mówią o tolerancji w dokładności dotrzymania wcześniej deklarowanych parametrów, ale prędzej czy później informacje na ten temat znajdują się w umowach z inwestorem. Dodatkowo należy uwzględnić fakt, że wymagania terminowe procesu inwestycyjnego wymuszają równoległe złożenie zamówień zarówno u producenta kabli, jak i u producenta dławika. Z uwagi na ogólny charakter prezentowanego artykułu uznano, że i w produkcji kabli 110 kV, jak też dławików 110 kV, niedokładności konstrukcyjne opisuje rozkład Gaussa. Tak więc dla linii kablowej susceptancja jednostkowa BK może być traktowana jako zmienna losowa, a prawdopodobieństwo, że jej wartość jest mniejsza lub równa od liczby bK, jest określone zależnością: (1) oraz analogicznie dla dławika, prawdopodobieństwo, że wartość reaktancji XL będzie mniejsza lub równa od liczby xL, wyraża zależność: (2)

Rys. 1. Model obliczeniowy linii kablowej wyprowadzającej moc z farmy wiatrowej (FW) wraz z dławikiem kompensującym

przy czym w obydwu przypadkach funkcja Φ oznacza dystrybuantę rozkładu normalnego N (0,1), natomiast Bkn oraz XLn oznaczają odpowiednio wartości susceptancji

P. Kacejko et al. | Acta Energetica 3/24 (2015) | translation 26–33

jednostkowej kabla 110 kV oraz reaktancji dławika kompensującego przyjęte przez producentów jako znamionowe, na podstawie obliczeń omówionych wyżej. Niepewność związaną z procesami produkcyjnymi (kabli i dławika) wyraża odchylenie standardowe (odpowiednio dla kabla , a dla dławika ). Bazując na skąpych informacjach uzyskanych od producentów, przyjęto (w ocenie autorów pesymistycznie) dla obydwu elementów wartości oraz . Oznacza to, że „kryterium 3-sigmowe” obejmuje obszar o szerokości +/–7,5% w stosunku do wartości uznanych za znamionowe. Parametrem sieciowym o zmiennej wartości jest napięcie na szynach stacji PCC. Prawdopodobnie i tu można by stosować podejście stochastyczne, przyjmując, że najbardziej prawdopodobna wartość napięcia dla dużej stacji systemowej to 1,05UN (czyli 115,5 kV), a wartości istotnie mniejsze (np. 0,95 UN lub 1,10 UN) występują rzadko i są związane z nietypowymi stanami systemu elektroenergetycznego. Z drugiej jednak strony wymagania operatorów nie pozostawiają wątpliwości, co do konieczności spełnienia warunków kompensacji dla pełnego zakresu spodziewanych napięć od 0,90 UN do 1,10 UN. Tym samym metodyka prowadzonych badań w każdym przypadku obejmowała skanowanie wskazanego wyżej pełnego zakresu napięć na szynach PCC. 3. Nieskuteczność podejścia deterministycznego – wyniki symulacji Monte Carlo Zakładając losowy charakter parametrów BK oraz XL, skuteczność kompensacji pojemności linii kablowej wykorzystującej dławik o nieregulowanej indukcyjności (FSR) może być zbadana za pomocą symulacji Monte Carlo. Przyjmując rozkłady prawdopodobieństwa zdefiniowane za pomocą wzorów (1) oraz (2), odpowiednia para wielkości (BK, XL) może być losowana za pomocą generatora liczb losowych, a wynik takiego losowego doboru pojemności kabla i indukcyjności dławika może zostać zweryfikowany za pomocą obliczeń rozpływowych. Weryfikacja obliczeniowa powinna obejmować pełny zakres napięć dopuszczalnych na szynach stacji PCC. Wyniki tak przeprowadzonej symulacji dla 100 wylosowanych par (susceptancja jednostkowa kabla, indukcyjność dławika), przedstawiono na rys. 2, przy czym procentowy stopień kompensacji zdefiniowano jako: (3) gdzie jako Q kn zdefiniowano moc dławika zapewniającego idealną kompensację, przy pojemności Bkn i napięciu UPCC = UN = 110 kV. Jak pokazano na rys. 2, losowy charakter parametrów kabla oraz dławika powoduje, że dla wartości napięcia w PCC wynoszącej 121 kV stopień kompensacji zamiast wartości zerowej może wynieść nawet 10% (zarówno w stronę dodatnią, jak i ujemną). Oznacza to, że przy mocy ładowania 100 Mvar (np. 2 linie kablowe pracujące

Rys. 2. Stopień skompensowania linii kablowej – wyniki symulacji Monte Carlo dla losowo wybranych par (BK, XL) i pełnego zakresu zmian napięcia w PCC

Rys. 3. Stopień skompensowania linii kablowej – wyniki symulacji Monte Carlo dla losowo wybranych par (BK, XL) i pełnego zakresu zmian napięcia w PCC, przy powiększonej do wartości XLp reaktancji znamionowej dławika

równolegle o długości 50 km) można oczekiwać niedokompensowania o wartości 10 Mvar (zbyt mała moc dławika) lub przekompensowania (zbyt duża moc dławika) o wartości – 10 Mvar. Z punktu widzenia praktyki zjawisko niedokompensowania jest znacznie bardziej kłopotliwe, bo mocy dławika zwiększyć się nie da, a jego wymiana, z uwagi na koszty, nie wchodzi w grę. Stąd też próba alternatywnego podejścia zaproponowana przez autorów niniejszego artykułu – jako wartość znamionową reaktancji dławika określoną dla wytwórcy w zamówieniu podaje się . Oczywiście dławik o reaktancji określonej w ten sposób też będzie podlegał losowemu procesowi produkcji zdefiniowanemu za pomocą rozkładu Gaussa, analogicznego jak w poprzednim przypadku. Tym razem jednak losowy charakter reaktancji dławika i pojemności kabla nigdy nie spowoduje niedokompensowania linii kablowej – zawsze jest to przekompensowanie, co wskazuje rys. 3. Opanowanie przekompensowania jest jednak względnie łatwe – może być zrealizowane za pomocą kondensatorów

przyłączonych do szyn średniego napięcia rozdzielni FW. Kondensatory takie są produkowane seryjnie i stosunkowo łatwo dostępne, dlatego o ich liczbie i mocy można zdecydować na późniejszym etapie procesu inwestycyjnego. Z rys. 2 można wnioskować, że stopień przekompensowania zawiera się w przedziale od zera do –18%. Można jednak wykazać, że uzasadnione jest zainstalowanie „w ciemno” baterii sześcioczłonowej o mocy odpowiadającej 12% Qkn, przy zapewnieniu możliwości dostawienia dodatkowych jednostek o łącznej mocy 8% Qkn (razem moc baterii 20% Qkn). Przyczynę takiego podejścia uzasadnia dalsza część artykułu. 4. Rozwiązanie alternatywne – dławik regulowany Zastosowanie dławika o ustalonej (choć wstępnie niekreślonej) reaktancji wraz z baterią kondensatorów po stronie SN pozwala na opanowanie problemu kompensacji nawet w sytuacji niepewności w zakresie pojemności linii kablowej oraz w warunkach zmienności napięć na szynach PCC. Zastosowanie dławika o ustalonej

P. Kacejko et al. | Acta Energetica 3/24 (2015) | translation 26–33

wartości reaktancji (FSR) można zastąpić zastosowaniem dławika o regulacji zaczepowej (VSR). Nieliczni producenci takich dławików podejmują się jednostkowej produkcji elementów, których moc określona jest zgodnie z zależnością (4)

przy czym:

Rys. 4. Zależność mocy wyjściowej dławika regulowanego VSR o reaktancji XLn od położenia przełącznika zaczepów i wartości napięcia (skok zaczepu 2,5%)

Rys. 5. Stopień skompensowania linii kablowej – wyniki symulacji Monte Carlo dla losowo wybranych par (BK, XL) i pełnego zakresu zmian napięcia w PCC, przy wykorzystaniu dławika regulowanego VSR, o skoku zaczepu 1,5%

Rys. 6. Ilustracja doboru zaczepu przy regulacji dławika VSR o skoku 1,5 %, – wyniki dla pięciu losowo wybranych par (BK, XL) i pełnego zakresu zmian napięcia w PCC, regulacja do strefy martwej od –1,5% Qkn do od 1,5% Qkn

– moc dławika przy UN i przy znamionowej liczbie zwojów ZN, QL – moc dławika przy wybranym zaczepie N oraz dla napięcia U, N – numer zaczepu (dodatni, ujemny lub zero), ∆R – skok zaczepu w % (np. 1,5%, 2%, 2,5%, 3%). Tak jak i w przypadku dławika FSR, losowość jednostkowej produkcji dławika VSR upoważnia do przyjęcia założenia o rozkładzie Gaussa jedynie w stosunku do reaktancji XLn, bowiem wyprowadzenie zaczepów może być zrealizowane w sposób równomierny i dokładny. W rezultacie dla znamionowej wartości reaktancji XLn zmiany zaczepów oraz zróżnicowanie poziomu napięcia prowadzi do znaczącej zmienności mocy dławika, której charakter pokazuje rys. 4. Możliwość uzyskiwania z dławika VSR mocy biernej o zmiennej wartości pozwala na wykorzystanie go zarówno w przypadku stochastycznej niepewności związanej z wartością indukcyjności i pojemności kabla, jak też w związku ze zmiennością napięcia w PCC. Także i w tym przypadku przeprowadzono analizę obliczeniową wykorzystującą symulację Monte Carlo. Proces losowania pary wielkości (BK, XL) uzupełniono obliczeniowym poszukiwaniem takiej liczby N (numer zaczepu), która minimalizuje wartość bezwzględną procentowego stopnia kompensacji. Dodatkowo, tak jak w poprzednim przypadku, operację tę powtórzono w procesie skanowania pełnego zakresu napięć od 0,9 UN do 1,1 UN. Uzyskane wyniki przedstawiono na rys. 5 oraz rys. 6. Rysunek 5 przedstawia wpływ regulacji zaczepowej (skok 1,5%) na stopień skompensowania. Jak można zauważyć, moc rozkompensowania mieści się zasadniczo w zakresie strefy martwej wynikającej ze skoku przełącznika zaczepów dławika. Możliwe jest zawężenie tej strefy poprzez dobór dławika o większej mocy znamionowej na zaczepie zerowym, zgodnie z formułą . Możliwe jest też zastosowanie pojedynczej baterii kondensatorów po stronie SN, ale o mocy do 2% Qkn. Rysunek 6 ilustruje, jak dla kilku wylosowanych par (BK, XL) w skanowanym przedziale napięć dobierana jest pozycja przełącznika zaczepów. Jak widać, zmiany od +10 do –10 są wystarczające w celu osiągnięcia stopnia kompensacji w strefie martwej o szerokości 1,5%.

P. Kacejko et al. | Acta Energetica 3/24 (2015) | translation 26–33

Rys. 7. Moc bierna mierzona w pukcie PK (pasmo) w funcji mocy czynnej generowanej w wiatrakach FW – stochastyczny charakter parametrów dławika FSR oraz pojemności linii kablowej 110 kV wynika z symulacji Monte Carlo, wskazano linie odpowiadające współczynikowi mocy 0,95 (charakter indukcyjny i pojemnosciowy); moc bierna w wiatrakch –0,5PnG (część dolna rysunku) oraz 0,5PnG (część górna rysunku)

Rys. 8. Moc bierna mierzona w punkcie PK (pasmo) w funcji mocy czynnej generowanej w wiatrakach FW – stochastyczny charakter parametrów dławika VSR oraz pojemności linii kablowej 110 kV wynika z symulacji Monte Carlo; wskazano linie odpowiadające współczynikowi mocy 0,95 (charakter indukcyjny i pojemnosciowy); moc bierna w wiatrakch –0,5PnG (część dolna rysunku) oraz 0,5PnG (część górna rysunku)

Warto w tym miejscu zauważyć, że instrukcja [4], formułując wymaganie odnośnie kompensacji pojemności linii kablowej, nie podaje tolerancji w zakresie dokładności tej kompensacji. W rezultacie, niektórzy projektanci i operatorzy sieci, traktując kwestie tej kompensacji wręcz obsesyjnie, kierują inwestora ku niezwykle kosztownym układom SVC. Tymczasem, z podstawowej zasady prawa energetycznego – niedyskryminacyjnego podejścia do podmiotów – powinna wynikać zasada, aby dokładność kompensacji linii była nie większa niż skutki pracy linii napowietrznej analogicznej długości pracującej w stanie jałowym. Wobec linii napowietrznych 110 kV nikt bowiem kompensacji nie wymaga. Uwzględniając stosunek pojemności typowych linii napowietrznych i typowych linii kablowych, tolerancję kompensacji tych ostatnich powinno się określać na poziomie 2–2,5 %.

5. Kompensacja pojemności linii kablowej 110 kV a zdolność FW do produkcji mocy biernej w wymaganym zakresie Układ kompensacji pojemności kabla 110 kV wyprowadzającego moc z farmy wiatrowej powinien być rozpatrywany także pod kątem spełnienia innych wymagań sformułowanych w stosunku do farmy w Instrukcji [4]. W szczególności chodzi o zapewnienie możliwości generacji mocy biernej farmy, tak aby w całym zakresie możliwej generacji mocy czynnej pomiar mocy biernej w punkcie PK (rys. 1) zapewniał współczynnik mocy nie mniejszy niż 0,95 – w obydwu kierunkach, zarówno w zakresie poboru mocy biernej (wartość przyjmowana dla źródeł jako ujemna), jak też jej generacji. Omawiając powyższy problem, warto przypomnieć, że układy przekształtnikowe, w które wyposażone są wiatraki, mają bardzo szerokie możliwości generacyjne w odniesieniu do mocy biernej [5].

Większość obecnie produkowanych jednostek o mocach znamionowych PnG równych 2–3 MW ma zdolność generacji każdej ilości mocy biernej z przedziału od –0,5–0,5PnG, w zakresie generacji mocy czynnej prawie od zera (np. od 20 kW) aż do pełnej mocy znamionowej PnG. Okazuje się jednak, że nie są to możliwości wystarczające, co ilustruje rys. 7. Dla generacji mocy czynnej bliskiej znamionowej i dla wszystkich jednostek pracujących straty mocy biernej związane z przesyłem mocy czynnej niweczą częściowo możliwości generacyjne przekształtników. Także i w tym przypadku ostateczny efekt rozumiany jako wynik pomiaru mocy w punkcie PK ma charakter stochastyczny – decyduje o tym niepewność w określaniu parametrów kabla 110 kV oraz dławika kompensującego w FW. Symulacja Monte Carlo odniesiona do par (BK, XL), połączona z analizą rozpływową, wskazuje, że deficyt możliwości generacyjnych farmy w zakresie mocy biernej (mierzony w punkcie PK) może zawierać się w przedziale od 10% do 20% Qkn. Tym samym idea zastosowania wieloczłonowej baterii kondensatorów po stronie SN oraz dławika o stałej mocy daje gwarancje kompleksowego opanowania problemu mocy biernej FW, zasilanej linią kablową o znacznej długości. Podobne korzyści w zakresie opanowania deficytu mocy biernej generowanej w farmie wiatrowej, w warunkach zbliżonych do znamionowej mocy czynnej, daje zastosowanie dławika regulowanego VSR. Dławik ten pełni wtedy rolę swoistego zaworu, który udostępnia na potrzeby bilansu mocy biernej farmy (mierzonego w punkcie PK) rezerwuar mocy biernej, którym jest pojemność kabla. Zmniejszając moc dławika (poprzez odpowiednią regulację zaczepową uwzględniającą także warunki napięciowe), osiąga się stan niedokompensowania kabla 110 kV, zyskując jednocześnie brakującą moc bierną. Efekt zastosowania dławika VSR pokazano na rys. 8. Jak widać, stosowanie dodatkowych kondensatorów po stronie SN jest zbędne. 6. Podsumowanie W artykule przedstawiono problem doboru dławika kompensującego pojemność długiej linii kablowej 110 kV wyprowadzającej moc z farmy wiatrowej. Wskazano na możliwość zastosowania dwóch rozwiązań: • dławika o stałej wartości indukcyjności (FSR) współpracującego z wieloczłonową baterią kondensatorów zainstalowaną po stronie średniego napięcia • dławika o regulacji zaczepowej (VSR) o odpowiednio dobranej liczbie zaczepów i skoku zaczepu. Obydwie koncepcje – choć za bardziej zaawansowaną technicznie uznaje się drugą – pozwalają na opanowanie problemu niepewności i tolerancji dotyczącego zarówno pojemności jednostkowej kabla 110 kV, jak i reaktancji dławika. Finalne wartości obydwu tych wielkości, wobec jednostkowego charakteru produkcji kabla, jak i dławika, są znane dopiero w fazie montażu urządzeń na placu budowy, co firmy projektowe i wykonawcze uznają za poważne utrudnienie.

P. Kacejko et al. | Acta Energetica 3/24 (2015) | translation 26–33

Dodatkowo obydwie metody pozwalają na spełnienie wymagań operatorów sieci w zakresie wartości mocy biernej generowanej przez farmy wiatrowe w warunkach generacji mocy czynnej zbliżonej do znamionowej, bez konieczności stosowania dodatkowych układów kompensacyjnych i baterii kondensatorów. Bibliografia 1. Saadat H., Power System Analysis, McGraw-Hill International Editions, 3-rd edition, 2010.

2. Sobral A., Moura A., Carvalho M., Technical Implementation of Cross Bonding in Underground HV Lines Projects, 21-st International Conference on Electricity Distribution, Frankfurt 6–9 czerwca 2011, paper 0499. 3. Iwanicki M., Dębek M., Kompensacja mocy biernej indukcyjnej oraz pojemnościowej na farmach wiatrowych, Wiadomości Elektrotechniczne 2015, nr 2, s. 35–38. 4. Instrukcja Ruchu i Eksploatacji Sieci Przesyłowej PSE SA [online], http://www. pse.pl/. 5. Lubośny Z., Farmy wiatrowe w systemie elektroenergetycznym, Warszawa, WNT 2010.

6. Kacejko P., Pijarski P., Generation level matching to the transmission capability of overhead lines, Acta Energetica 2013, nr 1/14, s. 43–49. 7. Kacejko P., Pijarski P., Przyłączanie farm wiatrowych – ograniczenia zamiast przewymiarowanych inwestycji, Rynek Energii 2009, nr 1 (80), s. 10–15.

Piotr Kacejko

prof. dr hab. inż. Politechnika Lubelska e-mail: p.kacejko@pollub.pl Absolwent Wydziału Elektrycznego Politechniki Lubelskiej i pracownik uczelni od 1979 roku. Habilitację uzyskał w 1999 roku na Wydziale Elektrycznym Politechniki Warszawskiej, a tytuł profesora w 2006 roku. Prowadzi badania z zakresu analiz systemu elektroenergetycznego. Jest autorem kilkudziesięciu prac naukowo-badawczych oraz publikacji z tej dziedziny. Aktualnie zajmuje się problematyką oddziaływania rozproszonych źródeł wytwórczych na sieć elektroenergetyczną.

Paweł Pijarski

dr inż. Politechnika Lubelska e-mail: p.pijarski@pollub.pl Ukończył studia na Wydziale Elektrotechniki i Informatyki Politechniki Lubelskiej (2004). Pracę doktorską obronił w 2012 roku. Od 2005 roku jest pracownikiem Politechniki Lubelskiej. Jego zainteresowania naukowe związane są obecnie z wpływem oddziaływania rozproszonego lokowania źródeł wytwórczych na pracę systemu elektroenergetycznego, wrażliwością elektroenergetycznych linii napowietrznych na zmiany mocy generowanych w poszczególnych źródłach wytwórczych, optymalizacją rozpływów mocy biernej, a także heurystycznymi metodami optymalizacji. Współautor kilkudziesięciu artykułów i prac poświęconych tej tematyce.

Sylwester Adamek

dr inż. Politechnika Lubelska e-mail: s.adamek@pollub.pl Jest absolwentem Wydziału Elektrycznego Politechniki Lubelskiej, od 2001 roku pracuje w Katedrze Sieci Elektrycznych i Zabezpieczeń tejże uczelni. Pracę doktorską obronił w 2010 roku. Zajmuje się pracą dystrybucyjnych sieci elektroenergetycznych oraz pracą jednostek wytwórczych energetyki rozproszonej.

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | 39–43

New European Electricity Market Regulations and their Impact on the Domestic Market

Authors Henryk Majchrzak Konrad Purchała Kamil Smolira

Keywords European electricity market, target market model, legal regulations

Abstract The process of building the European electricity market was initiated in the 1980s. Recently, however, significant acceleration of this process can be observed, resulting in many legal regulations determining the current and future market design. The paper discusses legal regulations shaping the energy market in Europe, both the existing ones and those still being drafted, as well as their impact on the domestic electricity market.

DOI: 10.12736/issn.2300-3022.2015304

1. Development of the Community electricity market In recent years there has been a significant acceleration of the process of building the common electricity market of the European Union. Due to the ambitious project timeline implementation processes run in parallel with legislative process that lay down a formal legal basis for the implemented mechanisms. It should be emphasized that the ongoing work will result in the development and implementation of solutions that determine the shape of the market for decades to come. The reform of the electricity markets in Europe was launched in the second half of the 1980s. It consisted in changing the organisation of electric power sectors, i.e. primarily the deregulation and privatisation of vertically integrated monopoly energy companies, and the introduction of competition to the rules for electricity trading. As a result, electricity has become a market commodity, which entailed the development of physical and financial markets and growth of the power exchanges importance. Competition has been introduced between energy producers and between end users suppliers, while retaining the natural monopoly in the area of transmission and distribution grids. Initially, a significant progress in the energy market liberalisation was accomplished basically only in the Nordic countries and the UK. It was only in 1997, when Directive 96/92/EC of the European Parliament and of the Council of 19 December 1996 concerning common rules for the internal market in electricity came into force, that a breakthrough occurred in other countries. In 2003 the Directive was replaced by new Directive 2003/54/EC, which was in force until the adoption of the so-called Third Energy Package in 2009. A significant contribution to the creation of the internal energy market

also brought Regulation (EC) No. 1228/2003 of the European Parliament and Council of 26 June 2003 on conditions for access to the network for cross-border exchanges in electricity, which laid down the general principles of management of transmission capacities on interconnectors between Member States. A condition for the effective functioning of the internal market in electricity is to ensure the security of its supply. Principles and actions in this respect are regulated by Directive 2005/89/EC of 18 January 2006 concerning measures to safeguard security of electricity supply and infrastructure investment.

2. The Third Energy Package Currently, the implementation of the European energy policy with regard to the construction of the electricity market is based on the so called Third Energy Package, adopted in 2009, and which entered into force on 3 March 2011. The Package implementation was meant to promote liberalisation and further development of competition on the markets for electricity and gas, as well as to improve the standard of service and security of supply. To achieve these objectives, The Third Energy Package has: • established The Agency for the Cooperation of Energy Regulators (ACER), the mandate of which is to ensure proper coordination of the regulators’ activities, to monitor the cooperation between transmission system operators (TSO), and to monitor the market operation and the integration process’ progress • formalised the cooperation of transmission system operators by establishing The European Network of Transmission System Operators for Gas and Electricity (ENTSO-G and ENTSO-E) 39

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | 39–43

• determined tools for the implementation of a single energy market, which include network codes drawn up on the basis of framework guidelines • strengthened the role of national regulatory bodies by extending their rights and imposing the obligation to ensure their independence • introduced new rules for the effective separation of electricity supply and generation from its transmission • strengthen consumer rights and protection of vulnerable customers. Elements of The Third Energy Package in electricity are the following legal acts: • Regulation EC No. 713/2009 of the European Parliament and the European Council of 13 July 2009, establishing the Agency for Cooperation of Energy Regulators (ACER) [2] • Regulation EC No. 714/2009 of the European Parliament and the European Council of 13 July 2009 on conditions for access to the network for cross-border exchanges in electricity [3] • Directive 2009/72/EC of the European Parliament and of the Council of 13 July 2009 concerning common rules for the internal market in electricity [4].

3. Network Codes The Third Package, by way of Regulation 714/2009, provides for drawing up supplementary regulations, i.e. network codes detailing the Regulation and elaborating on EU-wide solutions for electricity market and system operations. The network codes are developed by ENTSO-E based on ACER framework guidelines, then they must obtain ACER ‘s recommendation and are forwarded to the European Commission. The Commission subjects them to the so called comitology process, whereby Member States within the Cross-Border Committee finally agree on the codes content. Once approved by the CrossBorder Committee the network codes are published as the European Commission’s regulations which are directly applicable in Member States without the need to transpose them into national laws. The following network codes are provided for: For system operations • Operational Security (OS) [9]. The Code contains the basic requirements for ensuring safe and reliable system operations, and formalises in legal terms the ENTSO-E Operational Handbook. Status as of March 2015: ACER’s recommendation obtained, forwarded to the European Commission • Operational Planning and Scheduling (OPS) [10]. Code for operational planning of TSOs’ operations and cooperation coordination, including the implementation of crosssystem exchanges, Day Ahead Congestion Forecast (DACF) processes, etc. Status as of March 2015: ACER’s recommendation obtained, forwarded to the European Commission • Load Frequency Control and Reserves (LFCR) [11]. Code for rules of frequency regulation in the interconnected system (definition of technical characteristics of products, reserves etc.). Status as of March 2015: ACER’s recommendation obtained, forwarded to the European Commission 40

• Emergency & Restoration (ER) [12]. Code contains rules of conduct in emergency situations. Status as of March 2015: drafting by ENTSO-E in progress, the draft’s public consultations already held • Staff Training & Certification (STC). Code details TSO responsibilities for operator personnel training and certification. Status: no specific date for work commencement. For connections to the system • Requirements for Generators (RFG) [13]. Code provides for the harmonisation in the EU of technical requirements for generators connected to the system. Status as of March 2015: ACER’s recommendation obtained, EC comitology process in progress • Demand Connection (DCC) [14]. Harmonisation of technical requirements for consumers connected to the system, foundation for the development of Smart Grid technology, demand response etc. Status as of March 2015: ACER’s recommendation obtained, EC comitology process in progress • HVDC Connections (HVDC) [15]. Determination of requirement for HVDC installation connections. Code applies to, inter alia, off-shore installations, DC connections in synchronous grid and between systems. Status as of March 2015: delivered to ACER. For the market • Capacity Allocation and Congestion Management (CACM) [8]. The key code from the point of view of the implementation of an integrated market in Europe, which contains rules for calculation and allocation of transmission capacities, requirements for day ahead and intraday market processes. Status as of March 2015: in December 2014 approved by EU Member States in the comitology process, entry into force anticipated mid-2015. • Forward Capacity Allocation (FCA) [16]. Code detailing the general principles of long-term transmission rights allocation, including the establishment of a common allocation platform and rules for operator guarantees of firmness of capacity. Status as of March 2015: ACER’s recommendation obtained, forwarded to the European Commission • Electricity Balancing (EB) [17]. Code containing rules for power systems balancing. It envisages the gradual harmonisation of national balancing markets, and the creation of a panEuropean balancing market. Status as of March 2015: ACER’s processing before recommendation in progress.

4. CACM Regulation The CACM code is the first network code approved by the CrossBorder Committee in December 2014 and is currently awaiting a positive opinion of the European Parliament and the European Council under so called scrutiny procedure. Entry into force of the CACM code as the “Regulation laying down guidelines for transmission capacity allocation and congestion management” (CACM Regulation) is scheduled for mid-2015. The CACM Regulation is a key piece of legislation from the point of view of the implementation of an integrated market in Europe, regulating, among others, the following issues:

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | 39–43

• Obligation to harmonise many aspects of the energy markets in all EU Member States, such as energy price caps and floors on power exchange markets, exchanged products, gate closure time for the day ahead and intra-day market bidding, methods of transmission capacity calculation and allocation, methods of cross-border remedial actions cost-sharing. • Definition of the pan-European day ahead and intraday markets’ operating modes. Day-Ahead Market shall be based on the Market Coupling (MC) common mechanism connecting the day ahead markets in all EU Member States. The MC mechanism of European day ahead markets’ integration is supposed to operate according to a single price coupling principle. Under this mechanism the national power exchange – in addition to their basic market services, such as setting energy prices, and assurance of transactions’ anonymity and of financial security – also provide an additional service in the form of efficient allocation of crossborder transmission capacities. Cross-border transmission capacities are allocated by way of implicit auction by power exchanges and transmission system operators working in close co-operation. The target market model for cross-border transmission capacity allocation within the Intraday Market is a continuous implicit allocation. Setting up of a common EU-wide Shared Order Book – SOB, enabling energy trade on the intra-day market, utilizing transmission capacities available throughout Europe is envisaged. As in the case of the day ahead a market, the European intraday market allows energy trading throughout Europe, and any bid submitted in any country will be visible in all EU countries, as long as the required transmission capacity is available. • Introduction of the concept of capacity calculation regions (CCR), under which the transmission capacity calculation processes and other TSO actions are coordinated. The proposal of CCR definition shall be developed by ENTSO-E and submitted for ACER approval three months after the entry into force of the CACAM Regulation, and it is assumed that it will be based on the regions specified in point 3.2 letters b) and d) of Annex I to Regulation (EC) No. 714/2009. • Determination of cross-border transmission capacity calculation and allocation principles. In accordance with CACM Regulation only two transmission capacity calculation and allocation methods shall be allowed across the EU: Coordinated Net Transfer Capacity (Coordinated NTC) and Flow-Based Allocation FBA [1]. FBA allocation must be applied in the regions of Central and Eastern Europe (CEE), Central-West Europe (CWE) and the northern border of Italy (NBI). In addition, all neighbouring regions which adopt FBA allocation shall be obligated to connect to apply a common allocation methodology. The application of FBA allocation will allow taking into account the interdependencies between trade transactions concluded and physical flows in major transmission lines and coordinating the capacity allocation process across many borders. This will allow for partial reduction of adverse phenomena currently occurring in connected transmission systems, such as unscheduled flows, which adversely impact the Polish transmission system.

• Obligation and procedure of Member State’s appointment of Nominated Electricty Market Operators (NEMO), as well as the obligations imposed on NEMOs in the process of construction and development of the energy market. It is assumed that the NEMO role will be played by power exchanges. • Introduction of competition between NEMOs within a country and between countries. The purpose of the competition between power exchanges is to ensure the highest quality of services for market participants • Obligation to consult with market participants all specific solutions for the energy market developed by TSOs and NEMOs, at national and European levels alike • Adoption of the principle of TSOs’ and NEMOs’ decision making by qualified majority voting. When implementing market solution TSOs and NEMOs have so far taken decisions unanimously, so here CACM introduces a new quality in relations between operators and exchange markets.

5. Other EU regulations In addition to the regulations included in The Third Energy Package, and those arising from provisions of its network codes, also other regulations having a significant impact on the functioning and development of the energy market in the EU were recently introduced. REMIT Regulation (1227/2011) Regulation of the European Parliament and of the Council (EU) No. 1227/2011 of 25 October 2011 on wholesale energy market integrity and transparency [5] provides the legal framework for monitoring wholesale energy markets, aimed at detection and prevention of abusive practices affecting wholesale energy markets, in particular the prevention of influencing the level of prices in this market. With the entry into force of the REMIT Regulation, i.e. 28 December 2011, the legal standards apply with regard to the requirement to provide inside information to the public, and the ban on its improper use and manipulation in the wholesale energy market. Other duties, i.e. the obligation to provide ACER with transaction details and with so-called fundamental data, enter into force on the dates specified in the implementing regulation to REMIT. On 7 January 2015 the Commission Implementing Regulation (EU) No. 1348/2014 of 17 December 2014 on data reporting implementing Article 8(2) and Article 8(6) of REMIT Regulation entered into force. This regulation imposes obligations on market participants to provide transaction data to ACER. Depending on the transaction type, these obligations arise with effect from 7 October 2015 or 7 April 2016. Moreover, the regulation introduces the obligation to provide ACER through ENTSO-E central information transparency platform with information on device status, i.e. on the capacity and utilisation of facilities for generation, storage, transmission of electricity or consuming electricity, including those relating to planned or unplanned unavailability of these facilities, which shall arise on 7 October 2015. Transparency Regulation (543/2013). Commission Regulation (EU) No. 543/2013 on the submission and publication of data in electricity markets and amending Annex I to Regulation (EC) No. 714/2009 of the European Parliament and of the Council [6]. 41

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | 39–43

This regulation appoints ENTSO-E as the organisation responsible for the development of a central information transparency platform and for publication of market data on the platform. At the same time, pursuant to the Regulation, primary owners of the data, i.e. those responsible for the creation of the data – including electricity generators and consumers, are obliged to provide complete sets of required data by TSO. Acquisition of relevant data and their provision to ENTSO-E for publication is a responsibility of TSO. The central information transparency platform for the European energy market was launched by ENTSO-E on 5 January 2015 [18]. Regulation EC No. 347/2013 Regulation (EU) No. 347/2013 of the European Parliament and of the Council of 17 April 2013 on guidelines for trans-European energy infrastructure lays down rules for the timely development of trans-European energy networks in order to achieve the EU energy policy objectives aiming to ensure the functioning of the internal energy market and security of supply in the EU, to promote energy efficiency and energy saving, and the development of new and renewable energy sources, as well as to promote interconnection between power systems. Regulation 347/2013 sets out a list of priority corridors and areas of energy infrastructure (Projects of Common Interest – PCI projects), which is to be updated every two years. Projects included in this list are considered necessary from the energy policy point of view, and are granted the status of the highest possible importance in the country and are treated in accordance with this status within the processes of granting required permissions and administrative approvals, including those relating to environmental impact assessment. PCI projects are eligible for EU financial assistance in the form of grants from Connecting Europe Facility (CEF) and financial instruments such as the Cohesion Fund and the European Regional Development Fund (ERDF), and the support of the European Investment Bank and others. EEAG Guidelines The European Commission’s Guidelines on State aid for environmental protection and energy 2014–2020 (EEAG) [7], published on 9 April 2014, set out new rules of state aid for RES, energy infrastructure and measures taken to ensure the adequacy of generation capacity. On the basis of EEAG Guidelines the European Commission will evaluate the State aid schemes notified by the Member States in accordance with Art. 108 (3) of the Treaty on the Functioning of the European Union.

6. Summary Speeding up the process of building the European energy market made it necessary to develop a large number of legal regulations, which provide a formal basis for the introduction of new solutions and making changes in the existing mechanisms. The new regulations enforce a wider opening of all segments of the national electricity markets and their gradual harmonisation towards the single European market, which should significantly improve the situation of its participants through further development of competition, increased liquidity and facilitated access to the market. Also conducted are activities related to ensuring equal access to information and transparency of energy markets, 42

and regulating the rules of public aid for energy market participants in each Member State. Although the European Commission believes that completion of the internal market for electricity requires full implementation of the existing legal framework by all Member States, the Energy Union concept announced in February 2015 heralds many more legislative changes. These changes are to ensure the establishment of the Energy Union, covering five interrelated dimensions, i.e. energy security, integrated internal energy market, energy efficiency, decarbonisation of the economy, and research and innovation. Under this initiative the European Commission declares that it will take many actions to ensure the Energy Union implementation, including new proposals for legislative acts, very important also for the electricity sector. In particular, legislative proposals have been announced already for 2016 regarding security of supply, as well as proposals of the new electricity market model. REFERENCES

1. Schavemaker P.H., Beune R.J.L., Flow-based market coupling and bidding zone delimitation: Key ingredients for an efficient capacity allocation in a zonal system, 10th International Conference on the European Energy Market (EEM), Stockholm 2013. 2. Regulation (EC) No. 713/2009 of the European Parliament and of the Council of 13 July 2009 establishing an Agency for the Cooperation of Energy Regulators [online], http://eur-lex.europa.eu/legal-content/ PL/TXT/PDF/?uri=CELEX:32009R0713. 3. Regulation (EC) No 714/2009 of the European Parliament and of the Council of 13 July 2009 on conditions for access to the network for cross-border exchanges in electricity and repealing Regulation (EC) No. 1228/2003 [online], http://eur-lex.europa.eu/ legal-content/PL/ TXT/PDF/?uri=CELEX:32009R0714. 4. Directive 2009/72/EC of the European Parliament and of the Council of 13 July 2009 concerning common rules for the internal market in electricity and repealing Directive 2003/54/EC [online], http://eur-lex. europa.eu/legal-content/PL/TXT/ PDF/?uri=CELEX:32009L0072. 5. Regulation (EU) No. 1227/2011 of the European Parliament and of the Council of 25 October 2011 on wholesale energy market integrity and transparency [online], http://eur-lex.europa.eu/ legal-content/ PL/TXT/PDF/?uri=CELEX:32011R1227. 6. Commission Regulation (EU) No 543/2013 of 14 June 2013 on submission and publication of data in electricity markets and amending Annex I to Regulation (EC) No. 714/2009 of the European Parliament and of the Council [online], http://eur-lex.eu-ropa.eu/legal-content/ PL/TXT/PDF/?uri=CELEX:32013R0543. 7. The European Commission: Guidelines on State aid for environmental protection and energy 2014-2020 (2014/ C 200/01) [online], http://eur-lex.europa.eu/legal-content/PL/ TXT/ PDF/?uri=CELEX:52014XC0628(01). 8. Commission Regulation (EU) establishing a Guideline on Capacity Allocation and Congestion Management (wersja robocza 05.12.2014) [online], http://ec.europa.eu/energy/sites/ener/fles/documents/ D03752701-en.pdf.

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | 39–43

9. ENTSO-E: Network Code on Operational Security, 24.09.2013 [online], http://networkcodes.entsoe.eu/wp-content/ uploads/2015/01/130924-AS-NC_OS_2nd_Edition_fnal.pdf. 10. ENTSO-E: Network Code on Operational Planning and Scheduling, 24.09.2013 [online], http://networkcodes.entsoe.eu/wp-content/ uploads/2013/08/130924-AS_NC-OPS_2nd_Edition_fnal.pdf. 11. ENTSO-E: Network Code on Load-Frequency Control and Reserves, 1. 28.06.2013 [online], http://networkcodes.entsoe.eu/wp-content/ uploads/2013/08/130628-NC_LFCR-Issue1.pdf. 12. ENTSO-E: Working Draft Network Code on Emergency and Restoration, 22.01.2015 [online], https://www.entsoe.eu/Documents/ Network codes documents/NC ER/150122_Network_Code_on_ Emergency_and_Restoration_V2.pdf. 13. ENTSO-E: Network Code for Requirements for Grid Connection Applicable to all Generators, 08.03.2013 [online],http://networkcodes.entsoe.eu/wp-content/uploads/2013/08/130308_Final_ Version_NC_RfG1.pdf.

14. ENTSO – E: Network Code on Demand Connection, 21.12.2012 [online], http://networkcodes.entsoe.eu/wp-content/uploads/2013/08/121221_fnal_Network_Code_on_Demand_ Connection.pdf. 15. ENTSO-E: Draft Network Code on High Voltage Direct Current Connections and DC-connected Power Park Modules, 30.04.2014 [online], http://networkcodes.entsoe.eu/wp-content/ uploads/2013/08/140430-NC-HVDC.pdf. 16. ENTSO-E: Network Code on Forward Capacity Allocation, 01.10.2013 [online], http://networkcodes.entsoe.eu/wp-content/ uploads/2013/08/131001-NC-FCA-fnal.pdf. 17. ENTSO-E: Network Code on Electricity Balancing, 06.08.2014 [online], http://networkcodes.entsoe.eu/wp-content/uploads/2013/08/140806_NCEB_Resubmission_to_ACER_v.03.pdf. 18. ENTSO-E: Transparency Platform [online], https://transparency.entsoe.eu.

Henryk Majchrzak Polskie Sieci Elektroenergetyczne SA e-mail: henryk.majchrzak@pse.pl Graduated from the Faculty of Electrical Engineering of the Silesian University of Technology in Gliwice. In 2001 at the Technical University of Opole he defended his doctoral thesis on the problem of start-up losses of power units, and was appointed an assistant professor at the Institute of Power Stations and Measuring Systems at the university. In 2003 he graduated from the executive MBA program at the Faculty of Management and Information Technology, University of Economics in Wroclaw, obtaining a master’s degree in economics. From the beginning of his career in 1986 he has been professionally involved with the energy sector. He climbed the promotion ladder, from the position of field operator to on-duty operations engineer at Bełchatów Power Plant, and from 1991 he worked as head of the unit operations department, and then chief operations engineer at Opole Power Plant. From 1998 he was deputy technical director for operations, in 2004 he was appointed member of the management board, technical director. In 2005 he was appointed chairman of the board and CEO of BOT Elektrownia Opole SA. In 2008 he won the competition for the position of Chairman of the Board of BOT Górnictwo i Energetyka SA. Then he was VP for investment and generation in PGE SA, and in 2009-2010 – director of the Energy Department at the Ministry of Economy. Since July 2010, a board member of PSE.

Konrad Purchała Polskie Sieci Elektroenergetyczne SA e-mail: konrad.purchala@pse.pl Director of Energy Market Development at PSE SA. Graduated from the Faculty of High Power Technology at Warsaw University of Technology and doctoral studies at the Faculty of Electrical Power Engineering of University of Leuven in Belgium. An Erasmus scholar in Belgium. From 2005 Tractebel Project Manager, Power System Consulting (GdF-Suez group), adviser in energy markets and power systems. From 2009 in PSE Operator SA, first as an advisor to the board and then in the Department of System Operation as the task director responsible for integration of energy markets. Since February 2012 Director of Energy Market Development.

Kamil Smolira Polskie Sieci Elektroenergetyczne SA e-mail: kamil.smolira@pse.pl He obtained his MSc. Eng. degree in 2003 and Dr. Eng. degree in 2008 for the thesis on the analysis of balancing mechanisms in real-time markets at the Faculty of Electronics and Information Technology of Warsaw University of Technology. Employed at Warsaw University of Technology until 2011. Since 2012 in Polskie Sieci Energetyczne SA, Energy Market Development Department. His interests include: operations research, decision support systems, energy markets. He has authored and co-authored more than 20 publications.

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | translation 39–43

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 39–43. When referring to the article please refer to the original text. PL

Nowe regulacje europejskie w obszarze rynku energii elektrycznej i ich wpływ na rynek krajowy Autorzy

Henryk Majchrzak Konrad Purchała Kamil Smolira

Słowa kluczowe

europejski rynek energii elektrycznej, docelowy model rynku, regulacje prawne

Streszczenie

Proces budowy wspólnotowego rynku energii elektrycznej zapoczątkowano już w latach 80. ubiegłego wieku. W ostatnich czasie można jednak zaobserwować znaczne jego przyspieszenie, skutkujące powstaniem dużej liczby regulacji prawnych determinujących aktualne oraz przyszłe rozwiązania rynkowe. W artykule zostały omówione wprowadzone oraz będące jeszcze na etapie opracowywania regulacje prawne, decydujące o kształcie rynku energii w Europie, oraz ich wpływ na rynek krajowy.

1. Rozwój wspólnotowego rynku energii elektrycznej W ostatnich latach nastąpiło znaczne przyspieszenie procesu budowy wspólnotowego rynku energii elektrycznej Unii Europejskiej. Ze względu na ambitny harmonogram budowy rynku procesy implementacyjne przebiegają równolegle z procesami legislacyjnymi ustalającymi formalne podstawy prawne dla implementowanych mechanizmów. Niemniej należy podkreślić, że trwające prace będą skutkowały wypracowaniem i implementacją rozwiązań determinujących kształt rynku na następne dziesięciolecia. Reforma rynków energii elektrycznej w Europie została zapoczątkowana w drugiej połowie lat 80. Polegała ona na zmianie organizacji sektorów elektroenergetyki, czyli przede wszystkim deregulacji i prywatyzacji monopolistycznych pionowo zintegrowanych przedsiębiorstw energetycznych oraz wprowadzeniu konkurencji do zasad obrotu energią elektryczną. W konsekwencji energia elektryczna stała się towarem rynkowym, co pociągnęło za sobą rozwój rynków fizycznych i finansowych. Większego znaczenia zaczęły nabierać giełdy energii. Wprowadzono konkurencję między wytwórcami energii oraz między sprzedawcami energii do odbiorców końcowych, zachowując jednak naturalny monopol w obszarze sieci przesyłowych i sieci dystrybucyjnych. Początkowo znaczące postępy w zakresie liberalizacji rynku energii zanotowano w zasadzie jedynie w krajach skandynawskich i Wielkiej Brytanii. Dopiero w 1997 roku, gdy weszła w życie Dyrektywa 96/92/WE Parlamentu Europejskiego i Rady z 19 grudnia 1996 roku, dotycząca wspólnych zasad wewnętrznego rynku energii elektrycznej, nastąpił przełom również w innych krajach. W 2003 roku wspomniana dyrektywa została zastąpiona nową Dyrektywą 2003/54/WE, która obowiązywała do czasu przyjęcia tzw. trzeciego pakietu energetycznego w 2009 roku. Znaczący wkład w tworzenie wewnętrznego rynku energii elektrycznej wniosło również Rozporządzenie (WE) nr 1228/2003 Parlamentu Europejskiego i Rady z 26 czerwca 2003 roku, w sprawie

warunków dostępu do sieci w odniesieniu do transgranicznej wymiany energii elektrycznej, które określiło ogólne zasady zarządzania zdolnościami przesyłowymi na połączeniach wzajemnych pomiędzy państwami członkowskimi. Warunkiem efektywnego funkcjonowania rynku wewnętrznego energii elektrycznej jest zapewnienie bezpieczeństwa dostaw tej energii. Zasady i działania w tym zakresie uregulowane zostały w Dyrektywie 2005/89/WE z 18 stycznia 2006 roku, dotyczącej działań na rzecz zagwarantowania bezpieczeństwa dostaw energii elektrycznej i inwestycji infrastrukturalnych. 2. Trzeci pakiet energetyczny Obecnie realizacja europejskiej polityki energetycznej w zakresie budowy rynku energii elektrycznej opiera się na przyjętym w 2009 roku tzw. trzecim pakiecie energetycznym, który wszedł w życie 3 marca 2011 roku. Wdrożenie pakietu miało sprzyjać liberalizacji i dalszemu rozwojowi konkurencji na rynkach energii elektrycznej i gazu, a także poprawić standard usług i bezpieczeństwo dostaw. Dla osiągnięcia tych celów trzeci pakiet energetyczny: • powołał do życia Agencję ds. Współpracy Organów Regulacji Energetyki (ACER), której zadaniem jest zapewnienie właściwej koordynacji działań regulatorów, monitorowanie współpracy między operatorami systemów przesyłowych (OSP) oraz monitorowanie rynku i przebiegu procesu integracji • sformalizował współpracę operatorów systemów przesyłowych poprzez utworzenie Europejskich Sieci Operatorów Systemów Przesyłowych Gazu i Energii Elektrycznej (ENTSO-G i ENTSO-E) • ustalił narzędzia wdrożenia jednolitego rynku energii, jakimi są kodeksy sieciowe, opracowywane na podstawie wytycznych ramowych • wzmocnił rolę krajowych organów regulacyjnych poprzez rozszerzenie uprawnień oraz wprowadzenie obowiązku zapewnienia ich niezależności • wprowadził nowe zasady dotyczące skutecznego rozdziału działalności w zakresie dostaw i wytwarzania od przesyłu energii elektrycznej

• wzmocnił prawa konsumenta i ochronę odbiorców wrażliwych. Elementami trzeciego pakietu energetycznego w zakresie energii elektrycznej są następujące akty prawne: • Rozporządzenie WE nr 713/2009 Parlamentu Europejskiego i Rady Europejskiej z 13 lipca 2009 roku, ustanawiające Agencję ds. Współpracy Regulatorów Energii (ACER) [2] • Rozporządzenie WE nr 714/2009 Parlamentu Europejskiego i Rady Europejskiej z 13 lipca 2009 roku w sprawie warunków dostępu do sieci w odniesieniu do transgranicznej wymiany energii elektrycznej [3] • Dyrektywa 2009/72/EC Parlamentu Europejskiego i Rady z 13 lipca 2009 roku, dotycząca wspólnych zasad rynku wewnętrznego energii elektrycznej [4]. 3. Kodeksy sieciowe Trzeci pakiet, poprzez Rozporządzenie 714/2009, przewiduje opracowanie regulacji uzupełniających, tzn. kodeksów sieciowych, doprecyzowujących to rozporządzenie i dookreślających wspólnotowe rozwiązania w zakresie rynku energii elektrycznej oraz pracy systemów. Kodeksy są opracowywane przez ENTSO-E na podstawie wytycznych ramowych ACER, następnie muszą uzyskać pozytywną opinię ACER, po czym są przekazywane do Komisji Europejskiej. KE poddaje je tzw. procesowi komitologii, gdzie kraje członkowskie w ramach tzw. Komitetu Cross-Border Committee uzgadniają ostatecznie treść kodeksów. Po uzyskaniu akceptacji Komitetu CrossBorder Committee kodeksy sieciowe są publikowane jako rozporządzenia Komisji Europejskiej, które obowiązują bezpośrednio w krajach członkowskich bez konieczności transponowania ich do prawa krajowego. Przewidywane są następujące kodeksy sieciowe: Dotyczące pracy systemu • Operational Security (OS) [9]. Kodeks zawiera podstawowe wymagania dla zapewnienia bezpiecznej i niezawodnej pracy systemu, formalizuje w sensie prawnym ENTSO-E Operational

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | translation 39–43

•

Handbook. Status na marzec 2015: uzyskana pozytywna opinia ACER, przekazany do KE Operational Planning and Scheduling (OPS) [10]. Kodeks dotyczący operacyjnego planowania pracy i koordynacji współpracy OSP, m.in. realizacja wymiany międzysystemowej, procesy planowania pracy systemu na dzień następny (ang. Day Ahead Congestion Forecast – DACF) itd. Status na marzec 2015: uzyskana pozytywna opinia ACER, przekazany do KE Load Frequency Control and Reserves (LFCR) [11]. Kodeks dotyczący zasad regulacji częstotliwości w połączonym systemie (definicja charakterystyki technicznej wykorzystywanych produktów, rezerw itd.). Status na marzec 2015: uzyskana pozytywna opinia ACER, przekazany do KE Emergenc y & Restoration (ER) [12]. Kodeks zawiera zasady postępowania w sytuacjach awaryjnych. Status na marzec 2015: w trakcie opracowywania przez ENTSO-E, odbyły się już publiczne konsultacje draftu Kodeksu ER Staff Training & Certification (STC). Kodeks precyzujący obowiązki OSP w zakresie szkolenia i certyfikacji personelu operatorskiego. Status: brak konkretnej daty rozpoczęcia prac.

Dotyczące przyłączania do systemu • Requirements for Generators (RFG) [13]. Kodeks przewidujący harmonizację w UE wymagań technicznych dla wytwórców przyłączanych do systemu. Status na marzec 2015: uzyskana pozytywna opinia ACER, w trakcie procedowania przez KE w procesie komitologii • Demand Connection (DCC) [14]. Harmonizacja wymagań technicznych dla odbiorców przyłączanych do systemu, fundament dla rozwoju technologii Smart Grid, demand response itd. Status na marzec 2015: uzyskana pozytywna opinia ACER, w trakcie procedowania przez KE w procesie komitologii • HVDC Connections (HVDC) [15]. Określenie wymagań dla przyłączania instalacji stałoprądowych – HVDC. Kodeks dotyczy m.in. instalacji off-shore (sieci morskich), połączeń DC w sieci synchronicznej i pomiędzy systemami. Status na marzec 2015: kodeks HVDC przekazany do ACER. Dotyczące rynku • Capacity Allocation and Congestion Management (CACM) [8]. Kluczowy kodeks z punktu implementacji zintegrowanego rynku w Europie, zawierający zasady wyznaczania i alokacji zdolności przesyłowych, wymagania dla procesów rynku dnia następnego i bieżącego. Status na marzec 2015: kodeks w grudniu 2014 roku uzyskał akceptację państw członkowskich UE w procesie komitologii, przewidywane wejście w życie to połowa 2015 roku • Forward Capacity Allocation (FCA) [16]. Kodeks precyzujący ogólne zasady alokacji długoterminowych praw przesyłowych, m.in. stworzenie wspólnej platformy alokacji oraz zasady gwarantowania przez operatorów udostępnianych zdolności. Status na marzec 2015:

uzyskana pozytywna opinia ACER, kodeks przekazany do KE • Electricity Balancing (EB) [17]. Kodeks zawiera zasady dotyczące bilansowania systemów elektroenergetycznych. Zakłada on stopniową harmonizację krajowych rynków bilansujących oraz stworzenie paneuropejskiego rynku bilansującego. Status na marzec 2015: kodeks jest obecnie procedowany przez ACER przed wydaniem opinii. 4. Rozporządzenie CACM Kodeks CACM to pierwszy z kodeksów sieciowych, który uzyskał akceptację Komitetu Cross-Border Committee w grudniu 2014 roku i aktualnie oczekuje na pozytywną opinię Parlamentu Europejskiego i Rady Europejskiej w ramach tzw. scrutiny procedure. Wejście w życie Kodeksu CACM jako „Rozporządzenie ustanawiające wytyczne dotyczące alokacji zdolności przesyłowych i zarządzania ograniczeniami przesyłowymi” (Rozporządzenie CACM) jest planowane w połowie 2015 roku. Rozporządzenie CACM jest kluczowym aktem prawnym z punktu implementacji zintegrowanego rynku w Europie, regulującym m.in. następujące kwestie: • Wprowadzenie zobowiązania do harmonizacji wielu aspektów rynków energii we wszystkich krajach członkowskich UE, m.in.: dopuszczalnych pułapów cen energii na rynkach giełdowych, wymienianych produktów, czasu zamknięcia bramki zgłaszania ofert dla rynku dnia następnego i rynku intra-day, metod wyznaczania i alokacji zdolności przesyłowych, metod podziału kosztów operatorskich środków zaradczych • Zdefiniowanie sposobu działania paneuropejskiego rynku dnia następnego i paneuropejskiego rynku dnia bieżącego. Rynek Dnia Następnego (RDN lub ang. Day-Ahead) ma zostać oparty na jednym wspólnym mechanizmie Market Coupling (MC), łączącym rynki dnia następnego we wszystkich krajach członkowskich UE. Mechanizm MC integrujący europejskie rynki dnia następnego ma funkcjonować według zasady single price coupling. W ramach tego mechanizmu krajowe giełdy energii – oprócz swoich podstawowych usług rynkowych, takich jak: wyznaczenie cen energii, zapewnienie anonimowości zawieranych transakcji czy bezpieczeństwa finansowego – świadczą także usługę dodatkową w postaci efektywnej alokacji transgranicznych zdolności przesyłowych. Realizacja alokacji transgranicznych zdolności przesyłowych w ramach aukcji implicit jest realizowana przy ścisłej współpracy giełd energii i operatorów systemów przesyłowych. Docelowym modelem rynkowym dla alokacji transgranicznych zdolności przesyłowych w ramach Rynku Dnia Bieżącego jest niejawna alokacja ciągła (ang. implicit continuous allocation). Przewidywane jest utworzenie wspólnej dla całej UE księgi zleceń (ang. Shared Order Book – SOB), umożliwiającej obrót energią w ramach rynku intra-day, wykorzystując dostępne w całej Europie zdolności przesyłowe. Podobnie jak w przypadku rynku dnia następnego, europejski rynek dnia bieżącego umożliwi obrót energią w całej Europie, a każda oferta zgłoszona w dowolnym kraju

będzie widoczna we wszystkich krajach UE, o ile będą dostępne wymagane zdolności przesyłowe. • Wprowadzenie pojęcia regionów wyznaczania zdolności przesyłowych (ang. capacity calculation regions – CCR), w ramach których następuje koordynacja procesów wyznaczenia zdolności przesyłowych oraz innych działań podejmowanych przez OSP. Propozycja definicji CCR ma zostać opracowana przez ENTSO-E i przedłożona do akceptacji ACER już trzy miesiące po wejściu w życie Rozporządzenia CACM, zakłada się, że będzie ona oparta na regionach określonych w pkt 3.2 lit. b) i d) załącznika I do Rozporządzenia (WE) nr 714/2009 • Określenie zasad wyznaczania i alokacji transgranicznych zdolności przesyłowych. Zgodnie z Rozporządzeniem CACM dopuszczalne w całej UE będzie stosowanie jedynie dwóch metod wyznaczania i alokacji zdolności przesyłowych: Coordinated Net Transfer Capacity (Coordinated NTC) i FlowBased Allocation FBA [1]. Alokacja FBA musi być stosowana w regionach Europy Środkowo-Wschodniej (CEE), Środkowo-Zachodniej (CWE) i północnej granicy Włoch (NBI). Ponadto wszystkie sąsiadujące regiony, które wprowadzą alokację FBA, mają obowiązek połączyć się w celu stosowania wspólnej metodyki alokacji. Zastosowanie alokacji FBA pozwoli na uwzględnienie współzależności pomiędzy zawieranymi transakcjami handlowymi a przepływami fizycznymi na głównych liniach przesyłowych i koordynację procesu alokacji, zdolności przesyłowych na wielu granicach. Umożliwi to częściowe ograniczenie niekorzystnych zjawisk występujących aktualnie w połączonych systemach przesyłowych, takich jak np. przepływy nieplanowe, które mają niekorzystny wpływ na polski system przesyłowy • Obowiązek oraz tryb wyznaczania przez kraje członkowskie UE operatorów rynków krajowych (ang. Nominated Electricty Market Operator – NEMO), jak również obowiązki nakładane na NEMO w procesie budowy oraz rozwoju rynku energii. Przyjmuje się, że rola NEMO będzie pełniona przez giełdy energii • Wprowadzenie zasady konkurencji pomiędzy NEMO w ramach jednego kraju oraz pomiędzy krajami. Celem wprowadzenia zasady konkurencji między giełdami jest zapewnienie najwyższej jakości usług uczestnikom rynku • Wprowadzenie obowiązku konsultacji z uczestnikami rynku wszystkich szczegółowych rozwiązań dotyczących rynku energii opracowywanych przez OSP i NEMO, zarówno na poziomie krajowym, jak i europejskim • Wprowadzenie zasady podejmowania decyzji przez OSP i NEMO w drodze głosowania większością kwalifikowaną. W prowadzonych dotychczas przez OSP i NEMO projektach implementacyjnych rozwiązań rynkowych decyzje były podejmowane jednogłośnie, więc CACM wprowadza tu nową jakość w stosunkach międzyoperatorskich i międzygiełdowych.

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | translation 39–43

5. Inne regulacje UE Oprócz regulacji wchodzących w skład trzeciego pakietu energetycznego oraz wynikających z jego postanowień kodeksów sieciowych, w ostatnim okresie wprowadzono również inne regulacje mające znaczący wpływ na funkcjonowanie i rozwój rynku energii w UE. Rozporządzenie REMIT (1227/2011). Rozporządzenie Parlamentu Europejskiego i Rady (UE) nr 1227/2011 z 25 października 2011 roku w sprawie integralności i przejrzystości hurtowego rynku energii [5] (Regulation on Energy Market Integrity and Transparency – REMIT) określa ramy prawne do monitorowania hurtowych rynków energii, mające na celu wykrywanie i zapobieganie praktykom stanowiącym nadużycia wpływające na hurtowe rynki energii, w szczególności zapobieganie wywieraniu wpływu na poziom cen na tym rynku. Z dniem wejścia w życie Rozporządzenia REMIT, tj. 28 grudnia 2011 roku, zastosowanie mają normy prawne dotyczące obowiązku podawania informacji wewnętrznych do wiadomości publicznej oraz zakazu niewłaściwego ich wykorzystywania i manipulacji na hurtowym rynku energii. Pozostałe obowiązki, tj. obowiązek przekazywania do ACER informacji o transakcjach oraz tzw. informacji podstawowych, wchodzą w życie w terminach określonych w rozporządzeniu wykonawczym do rozporządzenia REMIT. 7 stycznia 2015 roku weszło w życie Rozporządzenie wykonawcze Komisji (UE) nr 1348/2014 z 17 grudnia 2014 roku w sprawie przekazywania danych, wdrażające art. 8 ust. 2 i 6 Rozporządzenia REMIT. Rozporządzenie to nakłada na uczestników rynku obowiązki w zakresie przekazywania do ACER informacji o transakcjach. W zależności od rodzaju transakcji obowiązki te powstają z dniem 7 października 2015 roku lub 7 kwietnia 2016 roku. Ponadto rozporządzenie wprowadza obowiązek przekazywania do ACER za pośrednictwem centralnej platformy informacyjnej ENTSO-E informacji na temat stanu urządzeń, tj. informacji na temat zdolności i wykorzystania instalacji służących do produkcji, magazynowania, przesyłu energii elektrycznej lub zużywających energię elektryczną, w tym dotyczących planowanej i nieplanowanej niedostępności tych instalacji, który powstaje 7 października 2015 roku. Transparency Regulation (543/2013). Rozporządzenie Komisji (UE) nr 543/2013 w sprawie dostarczania i publikowania danych na rynkach energii elektrycznej zmieniające Załącznik I do rozporządzenia Parlamentu Europejskiego i Rady (WE) nr 714/2009 [6]. Rozporządzenie to wskazuje organizację ENTSO-E jako odpowiedzialną za zbudowanie centralnej platformy informacyjnej na rzecz przejrzystości oraz za publikację na platformie informacyjnej danych rynkowych. Równocześnie, zgodnie z rozporządzeniem, pierwotni właściciele danych, tj. podmioty odpowiedzialne za tworzenie danych – w tym wytwórcy oraz odbiorcy energii, są zobowiązani do przekazywania do OSP kompletu wymaganych danych. Za pozyskanie odpowiednich danych oraz ich dostarczenie do ENTSO-E w celu publikacji odpowiadają OSP. Centralna platforma informacyjna

dla europejskiego rynku energii została uruchomiona przez ENTSO-E 5 stycznia 2015 roku [18]. Rozporządzenie WE nr 347/2013. Rozporządzenie Parlamentu Europejskiego i Rady (UE) nr 347/2013 z 17 kwietnia 2013 roku, w sprawie wytycznych dotyczących transeuropejskiej infrastruktury energetycznej, ustanawia przepisy dotyczące terminowego rozwoju transeuropejskich sieci energetycznych z myślą o osiągnięciu celów unijnej polityki energetycznej, zmierzających do zapewniania funkcjonowania rynku wewnętrznego energii oraz bezpieczeństwa dostaw w UE, wspierania efektywności energetycznej i oszczędności energii oraz rozwoju nowych i odnawialnych źródeł energii, a także wspierania połączeń międzysystemowych między sieciami energetycznymi. Rozporządzenie 347 określiło listę priorytetowych korytarzy i obszarów infrastruktury energetycznej (projekty PCI), która ma podlegać aktualizacji co 2 lata. Projekty znajdujące się na liście unijnej są uważane za niezbędne z punktu widzenia polityki energetycznej oraz otrzymują status najwyższego możliwego znaczenia w kraju i są traktowane zgodnie z tym statusem w ramach procesów wydawania pozwoleń i zgód administracyjnych, w tym również dotyczących oceny wpływu na środowisko. Projekty PCI kwalifikują się do unijnej pomocy finansowej w formie dotacji z Funduszu CEF (ang. Connecting Europe Facility) oraz instrumentów finansowych, takich jak Fundusz Spójności i Europejskiego Funduszu Rozwoju Regionalnego (EFRR), wsparcie Europejskiego Banku Inwestycyjnego i innych. Wytyczne EEAG. Wytyczne Komisji Europejskiej w sprawie pomocy państwa na ochronę środowiska i cele związane z energią w latach 2014–2020 [7] (ang. Guidelines on State aid for environmental protection and energy 2014–2020 – EEAG) opublikowane 9 kwietnia 2014 roku, określają nowe zasady udzielania pomocy publicznej dla OZE, infrastruktury energetycznej oraz dla środków podejmowanych w celu zapewnienia wystarczalności zdolności wytwórczych. Na podstawie wytycznych EEAG Komisja Europejska będzie oceniała programy pomocy publicznej notyfikowane przez kraje członkowskie zgodnie z art. 108 (3) Traktatu o funkcjonowaniu Unii Europejskiej. 6. Podsumowanie Przyspieszenie procesu budowy europejskiego rynku energii spowodowało konieczność opracowania dużej liczby regulacji prawnych, dających formalne podstawy do wprowadzenia nowych rozwiązań i przeprowadzenia zmian w funkcjonujących mechanizmach. Nowe regulacje wymuszają szersze otwarcie wszystkich segmentów krajowych rynków energii elektrycznej oraz stopniową ich harmonizację w kierunku jednolitego rynku europejskiego, co powinno znacząco poprawić sytuację jego uczestników poprzez dalszy rozwój konkurencji, zwiększenie płynności i ułatwienie dostępu do rynku. Prowadzone są również działania związane z zapewnieniem równego dostępu do informacji i transparentności rynku energii oraz uregulowaniem zasad przyznawania pomocy publicznej dla uczestników rynków energii

w poszczególnych krajach członkowskich. Chociaż Komisja Europejska uważa, iż dla zakończenia budowy wewnętrznego rynku energii elektrycznej konieczna jest pełna implementacja istniejących ram prawnych przez wszystkie państwa członkowskie, ogłoszona w lutym 2015 koncepcja Unii Energetycznej zapowiada wiele kolejnych zmian legislacyjnych. Zmiany te mają zapewnić powstanie Unii Energetycznej, rozpatrywanej w pięciu wzajemnie wpływających na siebie wymiarach, tj. bezpieczeństwie energetycznym, zintegrowanym wewnętrznym rynku energii, efektywności energetycznej, dekarbonizacji gospodarki oraz badaniach i innowacjach. W ramach tej inicjatywy Komisja Europejska zapowiada podjęcie wielu działań, które mają zapewnić wdrożenie Unii Energetycznej, w tym nowe propozycje zamian legislacyjnych, bardzo istotnych również dla sektora elektroenergetycznego. W szczególności już w 2016 roku zapowiadane są propozycje legislacyjne dotyczące bezpieczeństwa dostaw oraz propozycje nowego modelu rynku energii elektrycznej. Bibliografia 1. Schavemaker P.H., Beune R.J.L., Flowbased market coupling and bidding zone delimitation: Key ingredients for an efficient capacity allocation in a zonal system, 10th International Conference on the European Energy Market (EEM), Stockholm 2013. 2. R o z p o r z ą d z e n i e Parlamentu Europejskiego i Rady (WE) nr 713/2009 z 13 lipca 2009 roku ustanawiające Agencję ds. Współpracy Organów Regulacji Energetyki [online], http:// eur-lex.europa.eu/legal-content/PL/TXT/ PDF/?uri=CELEX:32009R0713. 3. R o z p o r z ą d z e n i e Parlamentu Europejskiego i Rady (WE) nr 714/2009 z 13 lipca 2009 roku w sprawie warunków dostępu do sieci w odniesieniu do transgranicznej wymiany energii elektrycznej i uchylające rozporządzenie (WE) nr 1228/2003 [online], http://eur-lex. europa.eu/legal-content/PL/T XT/ PDF/?uri=CELEX:32009R0714. 4. D y r e k t y w a Parlamentu Europejskiego i Rady 2009/72/WE z 13 lipca 2009 roku dotycząca wspólnych zasad rynku wewnętrznego energii elektrycznej i uchylająca dyrektywę 2003/54/WE [online], http://eur-lex. europa.eu/legal-content/PL/T XT/ PDF/?uri=CELEX:32009L0072. 5. R o z p o r z ą d z e n i e Parlamentu Europejskiego i Rady (UE) nr 1227/2011 z 25 października 2011 roku w sprawie integralności i przejrzystości hurtowego rynku energii [online], http://eur-lex. europa.eu/legal-content/PL/T XT/ PDF/?uri=CELEX:32011R1227. 6. Rozporządzenie Komisji (UE) nr 543/2013 z 14 czerwca 2013 roku w sprawie dostarczania i publikowania danych na rynkach energii elektrycznej, zmieniające Załącznik I do Rozporządzenia Parlamentu Europejskiego i Rady (WE) nr 714/2009 [online], http://eur-lex. europa.eu/legal-content/PL/T XT/ PDF/?uri=CELEX:32013R0543.

H. Majchrzak et al. | Acta Energetica 3/24 (2015) | translation 39–43

7. Komisja Europejska: Wytyczne w sprawie pomocy państwa na ochronę środowiska i cele związane z energią w latach 2014–2020(2014/C200/01)[online],http:// eur-lex.europa.eu/legal-content/PL/TXT/ PDF/?uri=CELEX:52014XC0628(01). 8. Commission Regulation (EU) establishing a Guideline on Capacity Allocation and Congestion Management (wersja robocza 05.12.2014) [online], http://ec.europa. eu/energy/sites/ener/files/documents/ D03752701-en.pdf. 9. ENTSO-E: Network Code on Operational Security, 24.09.2013 [online], http:// networkcodes.entsoe.eu/wp-content/ uploads/2015/01/130924-AS-NC_ OS_2nd_Edition_final.pdf. 10. ENTSO-E: Network Code on Operational Planning and Scheduling, 24.09.2013 [online], http://networkcodes.entsoe.eu/ wp-content/uploads/2013/08/130924-AS_NC-OPS_2nd_Edition_final.pdf.

11. ENTSO-E: Network Code on LoadFrequency Control and Reserves, 28.06.2013 [online], http://networkcodes.entsoe.eu/wp-content/uploads/2013/08/130628-NC_LFCR-Issue1.pdf. 12. ENTSO-E: Working Draft Network Code on Emergency and Restoration, 22.01.2015 [online], https://www.entsoe. eu/Documents/Network codes documents/NC ER/150122_Network_Code_ on_Emergency_and_Restoration_V2.pdf. 13. ENTSO-E: Network C ode for Requirements for Grid Connection Applicable to all Generators, 08.03.2013 [online], http://networkcodes.entsoe.eu/ wp-content/uploads/2013/08/130308_ Final_Version_NC_RfG1.pdf. 14. ENTSO‐E: Network Code on Demand Connection, 21.12.2012 [online], http://networkcodes.entsoe.eu/ wp-content/uploads/2013/08/121221_ final_Network_Code_on_Demand_ Connection.pdf.

15. ENTSO-E: Draft Network Code on High Voltage Direct Current Connections and DC-connected Power Park Modules, 30.04.2014 [online], http://networkcodes.entsoe.eu/wp-content/uploads/2013/08/140430-NC-HVDC.pdf. 16. ENTSO-E: Network Code on Forward Capacity Allocation, 01.10.2013 [online], http://networkcodes.entsoe.eu/ wp-content/uploads/2013/08/131001-NC-FCA-final.pdf. 17. ENTSO-E: Network Code on Electricity Balancing, 06.08.2014 [online], http:// networkcodes.entsoe.eu/wp-content/ uploads/2013/08/140806_NCEB_ Resubmission_to_ACER_v.03.pdf. 18. ENTSO-E: Transparency Platform [online], https://transparency.entsoe.eu.

Henryk Majchrzak

dr inż. Polskie Sieci Elektroenergetyczne SA e-mail: henryk.majchrzak@pse.pl Absolwent Wydziału Elektrycznego Politechniki Śląskiej w Gliwicach. W 2001 roku na Politechnice Opolskiej obronił pracę doktorską, obejmującą problematykę strat rozruchowych bloków energetycznych, i został adiunktem w Instytucie Elektrowni i Systemów Pomiarowych tej uczelni. W 2003 roku ukończył studia menedżerskie MBA na Wydziale Zarządzania i Informatyki Akademii Ekonomicznej we Wrocławiu, uzyskując tytuł magistra ekonomii. Od początku kariery zawodowej w 1986 roku był związany zawodowo z energetyką. Przeszedł kolejne szczeble awansu zawodowego, od stanowiska obchodowego po dyżurnego inżyniera ruchu w Elektrowni Bełchatów, a od 1991 roku pracował jako kierownik wydziału ruchu bloków, następnie główny inżynier eksploatacji w Elektrowni Opole. Od 1998 roku pełnił funkcję zastępcy dyrektora technicznego ds. eksploatacji, w 2004 roku został powołany na stanowisko członka zarządu, dyrektora technicznego. W 2005 roku objął funkcję prezesa zarządu, dyrektora generalnego BOT Elektrowni Opole SA. W 2008 roku wygrał konkurs na stanowisko prezesa zarządu BOT Górnictwo i Energetyka SA. Następnie był wiceprezesem ds. inwestycji i wytwarzania w PGE SA, a w latach 2009–2010 – dyrektorem Departamentu Energetyki w Ministerstwie Gospodarki. Od lipca 2010 roku piastował stanowisko członka zarządu PSE.

Konrad Purchała

dr inż. Polskie Sieci Elektroenergetyczne SA e-mail: konrad.purchala@pse.pl Dyrektor Biura Rozwoju Rynku Energii PSE SA. Absolwent Wydziału Techniki Wielkich Mocy Politechniki Warszawskiej i studiów doktoranckich na Wydziale Elektroenergetyki Uniwersytetu w Leuven w Belgii. Stypendysta Erasmusa w Belgii. Od 2005 roku kierownik projektu Tractebel Engineering, Power System Consulting (grupa GdF-SUEZ), doradca w zakresie rynków energetyki i systemów elektroenergetycznych. Od 2009 roku pracuje w PSE Operator SA, początkowo jako doradca zarządu, a następnie w Departamencie Usług Operatorskich na stanowisku dyrektora zadania odpowiedzialnego za obszar integracji rynków energii. Od lutego 2012 roku dyrektor Biura Rozwoju Rynku Energii.

Kamil Smolira

dr inż. Polskie Sieci Elektroenergetyczne SA e-mail: kamil.smolira@pse.pl Otrzymał tytuł mgr. inż. w 2003 roku oraz dr. inż. w 2008 roku za pracę „Analiza mechanizmów bilansowania na rynkach czasu rzeczywistego” na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Na PW był zatrudniony do 2011 roku. Od 2012 roku pracuje w Polskich Sieciach Elektroenergetycznych SA, w Biurze Rozwoju Rynku Energii. Jego zainteresowania obejmują: badania operacyjne, systemy wspomagania decyzji, rynki energii. Jest autorem i współautorem ponad 20 publikacji.

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | 48–53

Estimation of the Influence of Power System Mathematical Model Parameter Uncertainty on PSS2A System Stabilizers

Authors Adrian Nocoń Stefan Paszek

Keywords power system, power system stabilizers, polyoptimisation, parameter uncertainty

Abstract This paper presents an analysis of the influence of uncertainty of power system mathematical model parameters on optimised parameters of PSS2A system stabilizers. Optimisation of power system stabilizer parameters was based on polyoptimisation (multi-criteria optimisation). Optimisation criteria were determined for disturbances occurring in a multi-machine power system, when taking into account transient waveforms associated with electromechanical swings (instantaneous power, angular speed) and terminal voltage waveforms of generators. A genetic algorithm with floating-point encoding, tournament selection, mean crossover and perturbative mutations, modified for the needs of investigations, was used for optimisation. The impact of uncertainties on the quality of operation of power system stabilizers with optimised parameters has been evaluated using various deformation factors.

DOI: 10.12736/issn.2300-3022.2015305

Introduction Power system stabilizers (PSSs) are to damp low-frequency electromechanical swings of synchronous generator rotors [1, 3, 4]. Stabilizers dump electromechanical swings through appropriate control of the excitation voltage, and indirectly, of the electromagnetic torque of a synchronous generator [1, 4]. In the investigations, there were analysed two-input PSS2 system stabilizers recommended by the IEEE committee. Their structure and properties are discussed in more detail in [4]. Fig. 1 shows the structural diagram of the stabilizer. The investigations were performed for a 7-machine CIGRE power system presented in Fig. 2. After assuming appropriate models and system element parameters, it turned out that the system was unstable. The instability is due to, among other things, the use of static excitation systems (controlled by fast voltage regulators with high gain) in voltage regulation systems of synchronous generators (operating close to the rated state). Therefore, it was assumed that each generating unit was equipped with a power system stabilizer. For simplicity, only gains KS1 of all stabilizers were the subject of polyoptimisation [2, 3, 4]. The other parameters were arbitrarily assumed on the basis of the analyses presented in reference literature [3, 4]. The optimisation employed a genetic algorithm with floating-point encoding, multi-criteria tournament selection, modified simple crossover and non-uniform mutation [2, 4]. In addition, the impact of parameter uncertainties of the 48

system mathematical model on the performance of the optimised stabilizers was analysed. The uncertainty impact was evaluated for selected parameters of mathematical models for all optimal solutions, using the compromise set deformation factors developed for the purpose of the analysis [2].

Mathematical model of the analysed system The mathematical model of the analysed multi-machine power system (Fig. 2) was developed in a Matlab environment. In the calculations, it was assumed that the GENROU nonlinear model (when taking into account saturation of the magnetic circuit) represented the synchronous generators in all generating nodes, the non-linear model of the Polish national static excitation system represented the excitation systems and the IEEEG1 steam turbine model represented the turbines [4]. The state equations of particular generating units were associated with the power network voltage-current equations by using relative network quantities for the generator state equations, and by transformation of the generator stator currents and voltages to a common coordinate system rotating with the angular speed equal to the average electrical angular speed of all the synchronous machines, under steady-state conditions. The relative network quantities were determined when assuming a common reference power (base power) for all the generating units Sref = 100 MV · A [4].

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | 48–53

Fig. 1. Structural diagram of the two-input PSS2A system stabilizer

the index dimension is limited to 3. The transient state associated with a symmetrical short-circuit in line L7 (D1 in Fig. 2) of duration equal to 0.25 s is analysed, when assuming the optimisation criterion in the following form:

(1a)

where: Fig. 2. Schematic diagram of the 7-machine CIGRE power system

Polyoptimsation of PSS2 stabilizer parameters Due to the complexity of the phenomena in the power system, the process of power system stabilizer parameter optimisation should take into account many, sometimes contradictory, criteria associated with the damping of electromechanical swings and limitation of voltage changes in individual generating units, during various disturbances of the steady state [3, 4]. This problem can be solved by multi-criteria optimisation [2, 4]. In polyoptimisation there is a vector criterion (instead of one objective function), in which one can take into account not only different criteria quantities for a selected transient state (e.g. deviations of power or terminal voltage of a generator), but also additional criteria quantities for various transient states (e.g. terminal voltage waveforms for different short-circuit locations). However, expanding the vector criterion increases its size, and the result becomes less clear. Therefore in this paper,

(1b)

∆ωij, ∆V Tij, ∆Pij – deviations of the angular speed, generator voltage, and active power (instantaneous) of the i-th generating unit for short-circuit D1 (Fig. 2) at j-th time instants; ni – number of generators in i-th unit; SNi – rated apparent power of a single synchronous generator in the i-th generating unit; Smax – rated apparent power of the unit that generates the highest apparent power in the power system; n – number of generating units in the power system (in the CIGRE power system n = 7). A genetic algorithm with floating-point encoding, multi-criteria tournament selection, modified simple crossover and nonuniform mutation developed for the purpose of the research was used for optimisation of the objective function (1a) [3]. Three components of the vector quality factor were assumed for the optimisation. Therefore the optimisation results are plotted as a 3D diagram (Fig. 3) and as projections of the points of the compromise set to the coordinate systems corresponding to particular pairs of the criteria (Fig. 4). 49

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | 48–53

Impact of parameter uncertainty on the optimal solutions

Fig. 3. The three-dimensional set of compromises

Fig. 5 shows the waveforms of instantaneous power, deviations of angular speed and terminal voltage in unit G6 (Fig. 2) at short-circuit D1 in transmission line L7. These waveforms refer to specific points of the compromise set, i.e. points A and B marked in Fig. 4.

A power system is a dynamic and non-stationary object, and changes in its parameters are often stochastic. Therefore, the power system performance analysis requires taking into account different sources of uncertainty occurring in the system [6]. One such source is the lack of reliable parameters of the mathematical models of system components. It is important for power system simulation tests, also for its polyoptimisation, to determine how this uncertainty affects power system stabilizers with optimised parameters, and more specifically – on the assumed quality criterion [4, 6]. In the general case, any change of the mathematical model parameters results in a change of the assumed criterion value. For the purpose of further analysis, there was introduced the concept of the compromise set deformation caused by the occurrence of uncertainty. The compromise set deformation is a measure of the impact of changes in model parameters (parameter uncertainty) on the assumed quality criterion. In order to determine the compromise set deformation, repeated simulations were performed of the analysed power system at constant parameters of the optimised power system stabilizers and changed other

Fig. 4. Projections of the compromise set points on the planes of individual criteria

Fig. 5. Waveforms of instantaneous power, deviations of angular speed and terminal voltage in generating unit G6 for point A (solid line) and point B (dashed line) of the compromise set 50

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | 48–53

parameters of the system. To simplify the analysis, it was assumed that the time constants of the generator model (selection was based on the sensitivity analysis [2]) changed (uncertainties) by ±25% of the value, for which the optimisation was carried out. An uncorrelated probability distribution of the parameter changes was also assumed. For quantitative evaluation of the compromise set deformation caused by the parameter uncertainty, five factors were assumed for each i-th point of the compromise set. Factors (2) to (5) describe deformation of a single criterion, wherein statistical factors (2) and (3) are a measure of dissipation, while (4) and (5) are a measure of central tendency. Factor (6), based on a Euclidean measure, determines in a general way the change of all the criteria, without taking into account the direction of this change. All the analysed factors by means of their signs indicate whether the deformation is an improvement or deterioration of the stabilization quality, and a negative value means a quality improvement at the change in the parameters.

(2)

(3)

(4)

(5)

Fig. 6. Ranked (from lowest to highest) factor values (2)

Fig. 7. Ranked (from lowest to highest) factor values (3)

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | 48–53

Fig. 8. Ranked (from lowest to highest) factor values (4)

Fig. 9. Ranked (from lowest to highest) factor values (5)

where: std – standard deviation, iqr – quartile deviation, mean – arithmetic average, median – median value, m – number of deformation points (number of random changes in generator models parameters), l = 3 – number of the optimised criteria, QZKk(i) – value of the k-th criterion for the i-th point of the compromise set, QDk(j) - value of the k-th criterion for the j-th deformation point. The calculated and ranked (from lowest to highest) factor values for all the points of the compromise set are shown in Figs. 6–10 (nQ – number of the determined compromise set points).

Summary Fig. 10. Ranked (from lowest to highest) factor values (6)

(6)

On the basis of the analyses performed, the following general conclusions may be drawn: • Electromechanical swings can be damped well by polyoptimisation of PSS2 stabilizer parameters, without significant deterioration of the generator terminal voltage waveforms. • The criteria associated with electromechanical swings of individual generators have similar properties. In a system in which the instantaneous power is damped well, also well damped is the generator angular speed (criteria values for points A and B in Fig. 4 and the waveforms in Fig. 5).

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | 48–53

• The criteria associated with generator terminal voltage deviations are usually contradictory to those associated with electromechanical swings. When electromechanical swings are well damped, usually generator terminal voltage deviations are significant, and vice versa (Figs. 4 and 5, points A and B). • Despite the contradictions between individual criteria, it is possible to find in compromise sets the ranges for which big changes occur in criteria QP and Qω, with only small changes in criterion QV. Therefore one can find such PSS parameter values for which the damping of electromechanical swings increases significantly, with only slight worsening the generator voltage regulation waveforms. • Power system stabilizer parameters can be selected so as to reduce their sensitivity to changes in power system parameters. To do this, such stabilizer parameter values should be considered, to which the lowest values of deformation factors correspond. • Most of the deformation factors that determine changes of a single criterion for the selected optimal solutions are in line with the trend of factor (6) – deviations are noticeable for D2(P), D2(V), D3(P), D3(V), D4(V) (location of points A and B in Figs. 6–10). • In the analysed case, the factors almost always take positive values for all the points of the compromise set (except for a few optimal solutions, for which factors D3(V), D4(V) take negative values, Figs. 8 and 9, at positive values of D3(P, ω), D4(P, ω)). This is due to the fact that the stabilizer parameters at each point of the compromise set are optimal, and any change in power system parameters causes deterioration of the quality factors, and thus the deformation factor becomes positive. The presented deformation factors differentiate the optimal solutions, due to different statistical description of deformation changes. However, all the factors are useful for evaluation of the impact of uncertainty resulting from stochastic phenomena (e.g. uncertainty of mathematical model parameters, power system load, etc. [6]).

The presented results of the analysis of the impact of uncertainty of power system mathematical model parameters on the optimal solutions can become the basis for the development of a method for selecting parameters of power system stabilizers (classical, such as PSS2, and robust [5]) to increase the effectiveness of the stabilizer performance in a real system. However, this requires further research relating to, among other things, the selection of appropriate disturbances (e.g. such that can particularly threaten the system stability) and including them in a vector objective function, as well as the selection of the most appropriate (differentiating the solutions) deformation factor. REFERENCES

1. Machowski J., Bialek J., Bumby J., Power System Dynamics: Stability and Control, 2nd Edition, John Wiley & Sons, 2009. 2. Nocoń A., Paszek S., Polioptymalizacja regulatorów napięcia zespołów prądotwórczych z generatorami synchronicznymi [Polyoptimisation of voltage regulators in generation sets with synchronous generators], Gliwice 2008. 3. Paszek S., Nocoń A., Parameter polyoptimisation of PSS2A power system stabilizers operating in a multi-machine power system including the uncertainty of model parameters, Elsevier, Applied Mathematics and Computation (2014), http://dx.doi.org/10.1016/j.amc.2014.12.013. 4. Paszek S., Nocoń A., Optimisation and Polyoptimisation of Power System Stabilizer Parameters, Lambert Academic Publishing, Saarbrücken, Germany 2014. 5. Robak S., Dobór struktury, typu oraz parametrów odpornego stabilizatora systemowego urządzenia FACTS [Selection of the structure, type and parameters of resistant system stabilizer of FACTS device], Przegląd Elektrotechniczny 2009, No. 85 (8), pp. 76–79. 6. Robak S., Źródła niepewności w analizie systemów elektroenergetycznych [Uncertainty sources in power system analysis], Przegląd Elektrotechniczny 2008, No. 84 (1), pp. 54–57.

Adrian Nocoń Silesian University of Technology e-mail: adrian.nocon@polsl.pl Employed at the Institute of Electrical Engineering and Computer Science at the Silesian University of Technology. Research interests: power system transients analysis, performance analysis of distributed on and off grid sources, optimisation and polyoptimisation methods using genetic algorithms, artificial intelligence methods. Author or co-author of 57 publications, incl. three monographies. Reviewer of several scientific papers, including some from the Philadelphia list.

Stefan Paszek Silesian University of Technology e-mail: stefan.paszek@polsl.pl Director of the Institute of Electrical Engineering and Computer Science at the Silesian University of Technology. Research interests: power system transients analysis, angular stability, optimisation and polyoptimisation of synchronous generator voltage stabilizers and regulators, parameter estimation of generation unit models. Author or co-author of 171 publications, incl. five monographies. Co-author of three academic textbooks. Promoter of 4 doctoral theses, reviewer of 3 habilitation and 6 doctoral dissertations, and of numerous scientific papers.

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | translation 48–53

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 48–53. When referring to the article please refer to the original text. PL

Ocena wpływu niepewności parametrów modelu matematycznego systemu elektroenergetycznego na stabilizatory systemowe PSS2A Autorzy

Adrian Nocoń Stefan Paszek

Słowa kluczowe

system elektroenergetyczny, stabilizatory systemowe, polioptymalizacja, niepewność parametrów

Streszczenie

W artykule przedstawiono analizę wpływu niepewności parametrów modelu matematycznego systemu elektroenergetycznego na zoptymalizowane parametry stabilizatorów systemowych typu PSS2A. Do optymalizacji parametrów stabilizatorów systemowych zastosowano polioptymalizację (optymalizację wielokryterialną). Kryteria optymalizacyjne określono dla zakłóceń występujących w wielomaszynowym systemie elektroenergetycznym, biorąc pod uwagę przebiegi przejściowe związane z kołysaniami elektromechanicznymi (moc chwilowa, prędkość kątowa) i przebiegi napięcia zaciskowego generatorów. Do optymalizacji wykorzystano zmodyfikowany na potrzeby badań algorytm genetyczny z kodowaniem zmiennoprzecinkowym, selekcją turniejową, krzyżowaniem uśredniającym i mutacją perturbacyjną. Ocenę wpływu niepewności na jakość pracy stabilizatorów systemowych o zoptymalizowanych parametrach przeprowadzono z wykorzystaniem różnych wskaźników deformacji.

Wstęp Stabilizatory systemowe mają za zadanie wytłumienie wolnozmiennych kołysań wirników generatorów synchronicznych (kołysania elektromechaniczne) [1, 3, 4]. Stabilizatory oddziałują tłumiąco na kołysania elektromechaniczne poprzez odpowiednie sterowanie napięciem wzbudzenia i pośrednio momentem elektromagnetycznym generatora synchronicznego [1, 4]. W artykule analizowano dwuwejściowe stabilizatory systemowe PSS2A, rekomendowane przez komitet IEEE. Strukturę i właściwości tych stabilizatorów szerzej omówiono w pracy [4]. Schemat strukturalny stabilizatora przedstawiono na rys. 1. Badania przeprowadzono dla 7-maszynowego systemu elektroenergetycznego CIGRE przedstawionego na rys. 2. W systemie tym, przy przyjęciu odpowiednich modeli i wartości parametrów elementów SEE, okazało się, że układ jest niestabilny. Przy czym niestabilność ta wynika m.in. z zastosowania w układach regulacji napięcia generatorów synchronicznych (pracujących blisko stanu znamionowego) statycznych układów

wzbudzenia sterowanych za pośrednictwem szybkich regulatorów napięcia o dużym wzmocnieniu. W związku z tym założono, że w każdym zespole wytwórczym oddziałuje stabilizator systemowy. Dla uproszczenia rozważań polioptymalizacji [2, 3, 4] poddano jedynie wzmocnienia KS1 wszystkich stabilizatorów. Pozostałe parametry przyjęto arbitralnie na podstawie analiz zawartych w pracach [3, 4]. Do optymalizacji wykorzystano algorytm genetyczny z kodowaniem zmiennoprzecinkowym, wielokryterialną selekcją turniejową, zmodyfikowanym krzyżowaniem prostym i mutacją nierównomierną [2, 4]. Ponadto przeprowadzono analizę wpływu niepewności parametrów modelu matematycznego systemu na jakość pracy zoptymalizowanych stabilizatorów. Ocenę wpływu niepewności badano dla wybranych parametrów modeli matematycznych dla wszystkich rozwiązań optymalnych, korzystając z opracowanych na potrzeby analizy wskaźników deformacji zbioru kompromisów [2].

Rys. 1. Schemat strukturalny dwuwejściowego stabilizatora systemowego PSS2A

Model matematyczny analizowanego systemu Opracowano model matematyczny analizowanego wielomaszynowego SEE (rys. 2) w środowisku Matlab. W obliczeniach założono, że we wszystkich węzłach wytwórczych generatory synchroniczne są odwzorowane za pomocą nieliniowego modelu GENROU (z uwzględnieniem nasycenia obwodu magnetycznego) [4]. Założono, że układy wzbudzenia są reprezentowane poprzez nieliniowy model polskiego, krajowego statycznego układu wzbudzenia [4]. Założono ponadto, że turbiny są reprezentowane przez model IEEEG1 turbiny parowej [4]. Powiązanie równań stanu poszczególnych zespołów wytwórczych i równań napięciowo-prądowych sieci elektroenergetycznej otrzymano, stosując sieciowe wielkości względne dla równań stanu generatorów oraz poprzez transformację prądów i napięć stojana generatorów do wspólnego układu współrzędnych wirującego z prędkością kątową, równą średniej elektrycznej prędkości kątowej wszystkich maszyn synchronicznych, w warunkach stanu ustalonego. Wielkości względne

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | translation 48–53

sieciowe są określone przy przyjęciu wspólnej mocy odniesienia (mocy bazowej) dla wszystkich zespołów wytwórczych Sref = 100 MV·A [4].

Polioptymalizacja parametrów stabilizatora PSS2A Ze względu na złożoność zjawisk występujących w SEE, proces optymalizacji

Rys. 2. Schemat 7-maszynowego systemu elektroenergetycznego CIGRE

parametrów stabilizatorów systemowych powinien uwzględniać wiele, czasem sprzecznych kryteriów, związanych z tłumieniem kołysań elektromechanicznych oraz z ograniczeniem zmian napięcia w poszczególnych zespołach wytwórczych, w czasie różnych zakłóceń stanu ustalonego [3, 4]. Rozwiązaniem tego problemu może być zastosowanie optymalizacji wielokryterialnej [2, 4]. W polioptymalizacji występuje kryterium wektorowe (zamiast jednej funkcji celu), w którym można uwzględnić nie tylko różne wielkości kryterialne dla jednego wybranego stanu przejściowego (np. odchyłki mocy czy napięcia zaciskowego generatorów), ale również dodatkowe wielkości kryterialne dla różnych stanów przejściowych (np. przebiegi napięcia zaciskowego dla różnych miejsc zwarcia). Jednakże rozbudowywanie kryterium wektorowego zwiększa jego wymiar, a wynik staje się mniej czytelny. W związku z tym w niniejszym artykule ograniczono wymiar wskaźnika do 3 i analizowano stan przejściowy związany z jednym symetrycznym, przemijającym zwarciem o czasie trwania równym 0,25 s, występującym w linii L7 (oznaczenie D1 na rys. 2), przyjmując kryterium optymalizacji w następującej postaci:

(1a)

Rys. 3. Trójwymiarowy zbiór kompromisów

Rys. 4. Rzuty punktów zbioru kompromisów na płaszczyzny poszczególnych kryteriów

Rys. 5. Przebiegi mocy chwilowej, odchyłki prędkości kątowej i napięcia zaciskowego zespołu wytwórczego G6 dla punktu A (linia ciągła) i punktu B (linia przerywana) zbioru kompromisów

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | translation 48–53

gdzie: (1b) ∆ω ij, ∆V Tij, ∆Pij – odchyłki prędkości kątowej, napięcia generatora oraz mocy czynnej (chwilowej) dla i-tego zespołu wytwórczego przy zwarciu D1 (rys. 2) w j-tych chwilach czasowych, ni – liczba generatorów pracujących w i-tym zespole wytwórczym, S Ni – znamionowa moc pozorna pojedynczego generatora synchronicznego, pracującego w i-tym zespole wytwórczym, Smax – znamionowa moc pozorna zespołu wytwórczego, który generuje największą moc pozorną w SEE, n – liczba zespołów wytwórczych w SEE (w SEE CIGRE n = 7). Do optymalizacji funkcji celu (1a) wykorzystano opracowany na potrzeby badań algorytm genetyczny z kodowaniem zmiennoprzecinkowym, wielokryterialną selekcją turniejową, zmodyfikowanym krzyżowaniem prostym i mutacją nierównomierną [3]. W optymalizacji przyjęto trzy składniki wektorowego wskaźnika jakości, w związku z tym wyniki optymalizacji przedstawiono w postaci wykresu 3D (rys. 3) oraz w postaci rzutów punktów zbioru kompromisów na układy współrzędnych odpowiadające poszczególnym parom kryteriów (rys. 4). Na rys. 5 przedstawiono przebiegi mocy chwilowej, odchyłki prędkości kątowej i napięcia zaciskowego w zespole G6 (rys. 2), przy zwarciu D1 w linii przesyłowej L7. Przebiegi te odnoszą się do wybranych punktów zbioru kompromisów, tj. punktów A i B zaznaczonych na rys. 4. Wpływ niepewności parametrów na rozwiązania optymalne SEE jest obiektem dynamicznym i niestacjonarnym, przy czym zmiany parametrów często mają charakter stochastyczny. W związku z tym analiza pracy systemu wiąże się z koniecznością uwzględnienia różnych źródeł niepewności występujących w SEE [6]. Jednym z takich źródeł jest brak wiarygodnych parametrów modeli matematycznych elementów systemu. W trakcie badań symulacyjnych SEE, także przy polioptymalizacji, ważne jest określenie, w jaki sposób niepewność ta wpływa

na stabilizatory systemowe o zoptymalizowanych parametrach, a ściślej – na przyjęte kryterium jakości [4, 6]. W ogólnym przypadku każda zmiana parametrów modelu matematycznego powoduje zmianę wartości przyjętego kryterium. Na potrzeby dalszej analizy wprowadzono pojęcie deformacji zbioru kompromisów pod wpływem występującej niepewności. Deformacja zbioru kompromisów jest miarą wpływu zmian parametrów modelu (niepewności parametrów) na przyjęte kryterium jakości. W celu wyznaczenia deformacji zbioru kompromisów przeprowadzono wielokrotne symulacje badanego SEE przy niezmiennych parametrach optymalizowanych stabilizatorów systemowych i zmieniających się innych parametrach systemu. Dla uproszczenia analizy przyjęto, że zmianom (niepewności) podlegają stałe czasowe modelu generatora (wyboru dokonano na podstawie analizy wrażliwości [2]) na poziomie ±25% w stosunku do wartości, dla której przeprowadzano optymalizację. Przy czym przyjęto nieskorelowany rozkład prawdopodobieństwa zmian parametrów. Do ilościowej oceny deformacji zbioru kompromisów pod wpływem niepewności parametrów przyjęto pięć wskaźników dla każdego i-tego punktu zbioru kompromisów. Wskaźniki (2) do (5) są wskaźnikami opisującymi deformację pojedynczego kryterium, przy czym statystyczne wskaźniki (2) i (3) są miarą dyssypacji, a (4) i (5) są miarą tendencji centralnej. Natomiast wskaźnik (6), bazujący na mierze Euklidesowej, w sposób ogólny określa zmianę wszystkich kryteriów bez uwzględnienia kierunku tej zmiany. Wszystkie analizowane wskaźniki poprzez znak uwzględniają, czy deformacja jest poprawą, czy pogorszeniem jakości stabilizacji, przy czym wartość ujemna to poprawa jakości przy danej zmianie parametrów.

Rys. 6. Uszeregowane (od najmniejszej do największej) wartości wskaźnika (2)

(2)

(3)

(4)

(5)

(6) gdzie: std – odchylenie standardowe, iqr – odchylenie ćwiartkowe, mean – średnia arytmetyczna, median – wartość mediany, m – liczba punktów deformacji (liczba losowanych zmian parametrów modeli generatorów), l = 3 – liczba optymalizowanych kryteriów, QZKk(i) – wartość k-tego kryterium dla i-tego punktu zbioru kompromisów, QDk(j) – wartość k-tego kryterium dla j-tego punktu deformacji. Obliczone i uszeregowane (od najmniejszej do największej) wartości wskaźników

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | translation 48–53

Rys. 7. Uszeregowane (od najmniejszej do największej) wartości wskaźnika (3)

Rys. 8. Uszeregowane (od najmniejszej do największej) wartości wskaźnika (4)

Rys. 9. Uszeregowane (od najmniejszej do największej) wartości wskaźnika (5)

dla wszystkich punktów zbioru kompromisów przedstawiono na rys. 6–10 (nQ – liczba wyznaczonych punktów zbioru kompromisów).

Rys. 10. Uszeregowane (od najmniejszej do największej) wartości wskaźnika (6)

Podsumowanie Na podstawie przeprowadzonych analiz można wyciągnąć następujące wnioski ogólne: • Poprzez polioptymalizację parametrów stabilizatorów PSS2A można dobrze tłumić kołysania elektromechaniczne, bez znacznego pogorszenia przebiegów napięcia zaciskowego generatorów. • Kryteria związane z kołysaniami elektromechanicznymi poszczególnych generatorów mają podobne właściwości. W układzie, w którym występuje duże tłumienie

mocy chwilowej, również prędkość kątowa generatorów jest dobrze tłumiona (wartości kryteriów dla punktów A i B na rys. 4 oraz przebiegi na rys. 5). • Kryteria związane z odchyłkami napięcia zaciskowego generatorów są zwykle sprzeczne z kryteriami związanymi z kołysaniami elektromechanicznymi. W przypadku, gdy dobrze tłumione są kołysania elektromechaniczne, to zwykle występują znaczne odchyłki napięcia zaciskowego generatorów i odwrotnie (rys. 4 i 5, dla punktu A i B). • Mimo sprzeczności poszczególnych kryteriów, w zbiorach kompromisów można znaleźć przedziały, dla których występują duże zmiany wartości kryteriów QP i Qω, przy tylko niewielkich

A. Nocoń, S. Paszek | Acta Energetica 3/24 (2015) | translation 48–53

zmianach kryterium QV. Można więc znaleźć takie wartości parametrów PSS, przy których znacznie zwiększane jest tłumienie kołysań elektromechanicznych, przy tylko niewielkim pogorszeniu przebiegów regulacyjnych napięć generatorów. • Istnieje możliwość doboru parametrów stabilizatorów systemowych w taki sposób, aby zmniejszyć jego podatność na zmiany parametrów SEE. W tym celu należy wziąć pod uwagę takie wartości parametrów stabilizatorów, którym odpowiadają najmniejsze wartości wskaźników deformacji. • Większość wskaźników deformacji określających zmiany pojedynczego kryterium dla wybranych rozwiązań optymalnych jest zgodnych z tendencją wskaźnika (6) – odstępstwa zauważalne są dla D2(P), D2(V), D3(P), D3(V), D4(V) (położenie punktów A i B na rys. 6–10). • W analizowanym przypadku wartości wskaźników prawie zawsze przyjmują wartości dodatnie dla wszystkich punktów zbioru kompromisów (wyjątkiem jest kilka rozwiązań optymalnych, dla których wskaźniki D3(V), D4(V) przyjmują wartości ujemne, rys. 8 i 9, przy dodatnich wartościach D3(P, ω), D4(P, ω)). Wynika to z faktu, że parametry stabilizatorów w każdym z punktów zbioru kompromisów są optymalne i jakakolwiek zmiana parametrów

SEE powoduje pogorszenie wskaźników jakości, a tym samym wskaźnik deformacji staje się dodatni. • Przedstawione wskaźniki deformacji różnicującą w różny sposób rozwiązania optymalne, co wynika z odmiennego opisu statystycznych zmian deformacji. Natomiast wszystkie wskaźniki przydatne są do oceny wpływu niepewności mającej swe źródło w zjawiskach stochastycznych (np. niepewności parametrów modelu matematycznego, stanu obciążenia SEE, idp. [6]). Przedstawione w niniejszym artykule wyniki analizy wpływu niepewności parametrów modelu matematycznego SEE na rozwiązania optymalne mogą stać się podstawą do opracowania metody doboru parametrów stabilizatorów systemowych (klasycznych takich jak PSS2A i stabilizatorów odpornych [5]) zwiększających skuteczność działania stabilizatorów w układzie rzeczywistym. Wymaga to jednak dalszych badań odnoszących się m.in. do wyboru odpowiednich zakłóceń (np. takich, które szczególnie mogą zagrozić stabilności systemu) i uwzględnienia ich w wektorowej funkcji celu oraz wyboru najbardziej miarodajnego (różnicującego rozwiązania) wskaźnika deformacji.

Bibliografia 1. Machowski J., Bialek J., Bumby D.J., Power System Dynamics: Stability and Control, 2nd Edition, John Wiley & Sons, 2009. 2. Nocoń A., Paszek S., Polioptymalizacja regulatorów napięcia zespołów prądotwórczych z generatorami synchronicznymi, Gliwice 2008. 3. Paszek S., Nocoń A., Parameter polyoptimization of PSS2A power system stabilizers operating in a multi-machine power system including the uncertainty of model parameters, Applied Mathematics and Computation, 2014. 4. Paszek S., Nocoń A., Optimisation and Polyoptimisation of Power System Stabilizer Parameters, Lambert Academic Publishing, Saarbrücken, Germany 2014. 5. Robak S., Dobór struktury, typu oraz parametrów odpornego stabilizatora systemowego urządzenia FACTS, Przegląd Elektrotechniczny 2009, nr 85 (8), s. 76–79. 6. Robak S., Źródła niepewności w analizie systemów elektroenergetycznych, Przegląd Elektrotechniczny 2008, nr 84 (1), s. 54–57.

Adrian Nocoń

dr inż. Politechnika Śląska e-mail: adrian.nocon@polsl.pl Pracuje w Instytucie Elektrotechniki i Informatyki Politechniki Śląskiej. Zainteresowania badawcze: analiza SEE w stanach nieustalonych, analiza pracy źródeł rozproszonych on i off grid, metody optymalizacji i polioptymalizacji z wykorzystaniem algorytmów genetycznych, metody sztucznej inteligencji. Autor lub współautor 57 publikacji, w tym 3 monografii. Recenzent kilku artykułów naukowych, w tym z listy filadelfijskiej.

Stefan Paszek

prof. dr hab. inż. Politechnika Śląska e-mail: stefan.paszek@polsl.pl Dyrektor Instytutu Elektrotechniki i Informatyki Politechniki Śląskiej. Zainteresowania badawcze: analiza SEE w stanach nieustalonych, stabilność kątowa, optymalizacja i polioptymalizacja stabilizatorów i regulatorów napięcia generatorów synchronicznych, estymacja parametrów modeli jednostek wytwórczych. Autor lub współautor 171 publikacji, w tym 5 monografii. Współautor 3 podręczników akademickich. Promotor 4 rozpraw doktorskich, recenzent 3 rozpraw habilitacyjnych, 6 doktorskich i wielu artykułów naukowych.

J. Paska | Acta Energetica 3/24 (2015) | 59–65

Reliability of Power Units in Poland and the World

Author Józef Paska

Keywords reliability, power units, reliability indices

Abstract One of a power system’s subsystems is the generation subsystem consisting of power units, the reliability of which to a large extent determines the reliability of the power system and electricity supply to consumers. This paper presents definitions of the basic indices of power unit reliability used in Poland and in the world. They are compared and analysed on the basis of data published by the Energy Market Agency (Poland), NERC (North American Electric Reliability Corporation – USA), and WEC (World Energy Council). Deficiencies and the lack of a unified national system for collecting and processing electric power equipment unavailability data are also indicated.

DOI: 10.12736/issn.2300-3022.2015306

1. Introduction Studying the unavailability of power devices has a well-established tradition. The reliability of large (≥ 120 MW) power units has always had and continues to have a significant meaning to the operation of the Polish Power System [5–9]. The first attempt to implement a system for gathering and processing unavailability data (called SENE) in power plants goes back to the late 1970s. Power plants unanimously rejected the system because of the enormous quantity of information which needed to be entered into it. The rejection was also caused by the computer equipment used at that time which necessitated the completion of very unpopular templates. The publication of the “Instruction for the assessment of unavailability in power plants and power grids” [3] in 1987 gave rise to the creation of a new computer system called AWARYJNOŚĆ (unavailability) – which was different for power grids and power plants. The system for the assessment of unavailability data in power plants began to be implemented on 1 January 1989, at three levels of the organisational structure of electrical power engineering: in power plants; in power industry regions; and in the Energy Information Centre (CIE), operating on behalf of the Energy and Brown Coal Authority. The system was in operation for all power plants for only one year until the power engineering industry’s decentralisation. The power unit section of the system operates to this day. In return for data and financing of the databases, power plants receive in individually selected cycles: summary reports, other information collected in the extensive database and new versions of the software.

The massive power outage (black-out) which took place in 1965 in the north-eastern part of USA and Canada, left approx. 30 million people without electricity. This led to the creation of the North American Electric Reliability Corporation (NERC). Demonopolisation and deregulation of electrical power engineering have become a threat to the reliability of the electrical energy supply. The Californian lesson from 2000-2001 and further massive power outages in the USA, Great Britain and Italy have highlighted the importance of the reliability of the electrical energy supply. NERC maintains the Generating Availability Data System (GADS) on behalf of all American and Canadian power companies and other members of NERC participating in this enterprise. GADS participation is voluntary and its members represent nearly 90% of the capacity installed in North America [1–2, 10]. The data submission manual prepared by NERC includes procedures and templates for the provision of information which is required by the GADS system. These procedures aim at harmonising the methods of submitting information on the design of power units, outages, operation of the units with reduced output, and selected general information on the units’ output. All the requirements and definitions were based on 762 ANSI/IEEE standard “Definitions for Reporting Electrical Generating Unit Reliability, Availability and Productivity”. The supply of data from the currently used GADS template began in 1982, replacing the procedures which had been in operation since the beginning of the 1960s. The GADS data record sheet includes the description of the types and reasons for outages and periods of operation with reduced output, both for the 59

J. Paska | Acta Energetica 3/24 (2015) | 59–65

entire power unit and for the element subject to failure. This can also be supplemented with a description of the type and nature of the failure, its direct cause, contributing factors and the corrective (remedial) measures implemented. The output data includes information on the power unit’s capacity, generated energy, power unit load and descriptions of the fuel used. All GADS participants receive annual GADS publications and a data submission manual. The annual publications are also available to non-associated power engineering companies and other interested parties.

2. Indices calculated by AWARYJNOŚĆ and GADS systems Energy Market Agency (previously Energy Information Centre) assesses failures and availability rates of large capacity power units (≥ 120 MW) in thermal power plants and large cogeneration power units (in Siekierki CHP Plant and Kraków-Łęg CHP Plant) for the appropriate periods [4, 9, 12]. For every power unit and groups of power units with specific capacities belonging to a particular scale, appropriate reliability and operational parameters are calculated. First, numbers and the duration of specific states are calculated: (Tp, Tr, Tkp, Ts, Tb, Ta, Tk, Lr, Lkp, Ls, Lb, La, Lw) where: Tp – run (service) time of the power unit or a group of power units within the analysed period of time, Tr – outage on stand-by time of the power unit or a group of power units within the analysed period of time, Tkp – outage during a general overhaul time of the power unit or a group of power units, Ts – outage during a medium-scale overhaul time of the power unit or a group of power units, Tb – outage during routine maintenance time of the power unit or a group of power units, Ta – outage during emergency repairs time of the power unit or a group of power units, Tk – time to which the calculations apply (this value is calculated by the system but is only used to calculate indices and is not printed anywhere), Lr – number of outages on stand-by, Lkp – number of outages during a general overhaul, Ls – number of outages during a medium-scale overhaul, Lb – number of outages during routine maintenance, La – number of outages during emergency repairs, and Lw – number of all outages. Based on the above-mentioned values, the following indices are calculated [4]: • Availability index (factor),

• Share of the outage time in the calendar time,

• Failure index (rate),

• Utilisation index of the capacity installed,

where: An – electrical energy produced, Pz – capacity installed • Utilisation index of the achievable capacity,

where Pos – achievable capacity • Index of scheduled overhauls,

• Utilisation factor of the calendar time,

• Average run time (calculation),

Fig. 1. Illustration of the values used in the calculation of reliability indices for a power unit in the GADS system: SH – run time (service hours); RSH – standby time; FOH – forced outage time; MOH – maintenance outage time; POH – scheduled outage time; AH – availability time; PH – period of time; I – permanent capacity loss (faults in the technological system); D – run time of the power unit with decreased capacity due to external factors (e.g. temperature increase in natural reservoirs with cooling water); B – run time of the power unit with decreased capacity due to the fact that the power plant must cooperate with other units in the system (necessity to follow the load); A – run time of the power plant, actual generation of energy; E – this area illustrates a decrease in stand-by capacity due to the reasons listed in D; C – stand-by capacity; F – forced outage; G – maintenance outage; H – scheduled outage

J. Paska | Acta Energetica 3/24 (2015) | 59–65

The approach and the values comprising the GADS system are presented in Fig. 1, which illustrates power unit capacity as a function of time. The total height of the chart is the net maximum (achievable) capacity (NMC), while its total width is the period of time (PH). Therefore, the total area of the field, Y = NMC × PH, constitutes the total energy which could be produced within a particular period of time, if the power unit operated continuously with maximum capacity. On the basis of the values relating to the duration of the different states of the power units, their capacity levels and quantities of energy, it is possible to calculate the reliability and operational indices of these power units. Some of these indices are calculated on the basis of hours in the period of time analysed. Area Y (NMC × PH) of the chart is divided into several vertical sections. The sections covering the availability time are further divided to illustrate the energy related to particular levels of capacity decrease. Power unit indices may be expressed as percentage parts of the total area from Fig. 1. Currently, there are 17 “direct” and 7 “weighted” (only for groups of power units) indices calculated for power units within the GADS system: ART (Average Run Time), SR (Starting Reliability), NCF (Net Capacity Factor), NOF (Net Output Factor), SF (Service Factor), AF (Availability Factor), EAF (Equivalent Availability Factor), FOR (Forced Outage Rate), EFOR (Equivalent Forced Outage Rate), EFORd (Equivalent Forced Outage Rate demand), SOF (Scheduled Outage Factor), FOF (Forced Outage Factor), UOF (Unplanned Outage Factor), EUOF (Equivalent Unplanned Outage Factor), EUOR (Equivalent Unplanned Outage Rate), POF (Planned Outage Factor), MOF (Maintenance Outage Factor), WSF (Weighted Service Factor), WAF (Weighted Availability Factor), WEAF (Weighted Equivalent Availability Factor), WFOR (Weighted Forced Outage Factor), WEFOR (Weighted Equivalent Forced Outage Rate), WSOF (Weighted Scheduled Outage Factor), and WFOF (Weighted Forced Outage Factor). As a “scale”, the maximum net capacity is used (Net Maximum Capacity – NMC), and special attention is due to the indices SR, EAF, EFOR, which are not calculated within the AWARYJNOŚĆ system, in which (EAF, EFOR) capacity losses are also considered (scheduled, seasonal, emergency).

3. Values of reliability indices of power units in Poland in recent years Tab. 1 presents a cumulative breakdown of reliability and operational parameters of power units in Poland for the years 2011–2013. Data presented in Tab. 1 confirms that the lowest failure rate (FOR) within the analysed period belonged to the power unit 858 MW fuelled with brown coal, while the highest failure rate belonged to the power units with capacity 200–299 MW fuelled with brown coal. The highest availability (AF) was achieved by the modern 858 MW power unit, while the lowest by 200–299 MW power units fuelled by brown coal. Fig. 2 present changes in the selected reliability indices of condensing power units against the capacity margin in the Polish Power System in the years 1978–2013.

Indices Groups of units

FOF

FOR

GCF

GOF

SOF

ART h

Brown coal – condensing power units (33 units) 82.2

4.3

5.4

67.7

86.5

13.6

75.5

331.6

120–199 MW (5 units)

84.6

1.9

2.8

60.8

91.6

13.4

66.4

291.0

200–299 MW (14 units)

80.7

7.6

9.4

60.4

81.2

11.7

73.2

292.0

300–499 MW (13 units)

82.4

1.8

2.2

71.5

88.5

15.8

80.7

398.0

> 500 MW (1 unit)

88.6

1.6

1.8

79.5

90.1

9.8

88.2

374.0

74.6

97.3

12.1

76.7

222.4

Biomass – condensing power units (1 unit) 200–299 MW (1 unit)

83.4

4.5

5.5

Hard coal – condensing power units (66 units) 84.9

2.9

4.2

51.4

74.6

12.2

66.3

208.5

120–199 MW (14 units)

87.5

3.0

5.6

37.5

70.6

9.5

51.4

170.3

200–299 MW (45 units)

84.4

2.8

3.8

54.4

75.3

12.8

70.7

211.8

300–499 MW (5 units)

81.7

3.3

4.4

55.0

74.9

15.0

72.1

260.6

> 500 MW (2 units)

85.6

3.4

5.7

43.3

73.3

11.0

55.9

306.4

49.2

80.2

23.1

61.7

349.8

Hard coal – cogeneration power units (8 units) 120–199 MW

73.4

3.5

5.4

TOTAL CONDENSING AND COGENERATION POWER UNITS (108) 83.3

3.4

4.7

57.8

79.7

13.3

68.9

245.8

120–199 MW (27 units)

83.2

2.9

4.9

47.3

78.8

13.8

57.1

224.7

200–299 MW (60 units)

83.5

4.0

5.3

55.8

76.7

12.5

71.3

227.0

300–499 MW (18 units)

82.2

2.2

2.8

66.8

84.8

15.6

78.3

350.7

> 500 MW (3 units)

86.4

2.9

4.3

56.9

81.2

10.7

64.5

327.9

Tab. 1. Reliability and performance parameters of power units in the years 2011–2013 [4]

The power (capacity) margin from Fig. 2 was defined as:

where: Pos – average annual achievable capacity of the public power industry in the evening peak time on working days, Zs – annual 61

J. Paska | Acta Energetica 3/24 (2015) | 59–65

year Fig. 2. Changes in the capacity (power) margin and selected indices of reliability of condensing power units in the years 1978–2013

average power demand in the evening peak time (on working days). Until 1980, the annual average power margin did not exceed 25%. This means that in the winter this margin fell on critical days even below 10%. During peak demands for electrical energy the power units were at times overloaded. Outside the peak hours, some power units were put on stand-by or allocated for routine maintenance. This mode of operation had a negative effect on the technical condition of the devices. Moreover, the situation was made worse by the lack of peak sources in the Polish Power System. The continuous lack of power in the system also contributed to the lack of time required for the correct performance of scheduled overhauls. In these circumstances, the failure index (FOR) was close to 10%, and the average run time of a power unit, from outage to outage (ART), was approx. 171 hours. The situation was improved after the start-up of the hydro pumped storage power plant in Żarnowiec (1982 and 1983) and after the gradual start-up of new power units at Połaniec and Bełchatów power stations. The power margin in the 1980s exceeded 30%, and at the beginning of the 1990s it first reached the level of 40% and later exceeded that value. The failure index at that time fell to approx. 2.5% (the larger value of the failure index in 1999 is the result of a blackout at power unit no. 5 at the Turów power plant), and the average run time increased to approx. 250 hours. The improvement of these indices took place alongside a decrease in the use of the capacity installed of the units (GCF) to approx. 54%, i.e. by over 10% when compared to the numbers from the end of the 1970s. At the time, the outage time on stand-by increased, while the scheduled overhaul outage time increased in the 1980s, right until 1992, at which point it started to drop. After 2000, the maximum power margin varies between 35% and 40%, and power shortages causing limitations are not highly probable. The situation may deteriorate because of scheduled 62

withdrawals from use of “old” (in operation for a long period of time) generating units, and the absence of investments into new power units. Nonetheless, starting with 2005, one can notice an increase in the value of FOR and FOF indices to the level from the years before the transformation of the economy, with the SOF index stabilisation at the level of 12–14%.

4. Comparison of reliability and operational indices relating to Polish and American power units Tab. 2 presents the GADS system indices which have their equivalents in the AWARYJNOŚĆ system, while Fig. 3, 4 and 5 compares their values with the values for the Polish power units from Tab. 1 (condensing and cogeneration power units). The power units in Poland feature: • the AF availability is similar to the American value, also the utilisation level of the installed capacity NCF and maximum capacity NOF is similar

Units with capacity, MW

FOF

FOR

NCF

NOF

SOF

100–199 (275)*

88.02

3.38

5.16

44.31

70.36

8.6

62.13

206.13

200–299 (130)

84.14

5.17

6.99

50.72

73.18

10.68

68.89

493.44

300–399 (74)

85.97

4.12

5.15

58.43

76.77

9.91

75.99

544.75

400–599 (163)

84.91

4.7

5.55

67.95

81.36

10.48

79.99

505.78

800–899 (44)

84.82

3.98

4.71

69.03

85.58

11.2

80.57

833.01

ART h

* – in brackets the number of units included in the statistics is shown

Tab. 2. Indices of American coal power units in the years 2009–2013 [2]

J. Paska | Acta Energetica 3/24 (2015) | 59â&#x20AC;&#x201C;65

Fig. 3. Indices AF, NCF and NOF for American (NERC) and Polish (PL) power units

Fig. 4. Indices FOF, FOR and SOF for American (NERC) and Polish (PL) power units

Number of units

Fig. 5. Average run time and number of American (NERC) and Polish (PL) power units 63

J. Paska | Acta Energetica 3/24 (2015) | 59–65

• the failure rate FOR (except for 300–499 MW and >500 MW units) and FOF (except for 300–499 MW units) are similar • the scheduled overhaul index SOF is higher • the average run time ART is lower. It should be emphasized that the national statistics cover a much lower number of units, and therefore, the set of specified indices is also much less numerous.

5. Reliability indices of generating units acc. to the World Energy Council There is another source of information on the values of reliability indices of generating units – the publication “Performance of a Generating Plant: New Metrics for Industry in Transition” [11] issued by the World Energy Council. Amongst the essential reliability and operational indices of generating units monitored by the appropriate Committee of the World Energy Council, the following two indices should be considered and implemented: • Planned Capability Loss Factor (PCLF) – the relative decrease of the production capacity because of planned energy losses (such as scheduled maintenance repairs). Energy losses are considered planned if they are scheduled at least four weeks in advance. PCLF is equal to IEEE 762 Weighted Equivalent Planned Outage Factor (WEPOF). • Unplanned Capability Loss Factor (UCLF) – the relative decrease in production capacity because of unplanned energy losses (such as emergency repairs, extensions of planned outages or reductions of production capacity). Energy losses are considered unplanned if they are not scheduled at least four weeks in advance. UCLF is equal to IEEE 762 Weighted Equivalent Unplanned Outage Factor (WEUOF). Examples of values of the UCLF index for selected nuclear technologies, taken from the study [3], are shown in Tab. 3.

6. Overview and conclusions When looking at the current situation of the power engineering sector in Poland, apart from the obligatory public statistics

2005 Types of power units

2006

The AWARYJNOŚĆ system provides a lot of valuable information, but also has many faults, for instance [6, 8–9]: • The system covers only large power units in thermal power plants (units with capacities ≥ 120 MW) and large cogeneration power units. The system does not include generating units with total capacity equal to approx. one-third of the capacity installed of the electrical power system • The system does not consider defects of the power units’ components which result in a decrease in its production capacity, but not in the unit’s outage • Only “point” indices are calculated, while there is a demand for empirical distributions of durations of selected operational

2007

2008

2009

2005–2009

Number of units

UCLF, %

Number of units

UCLF, %

Number of units

UCLF, %

Number of units

UCLF, %

Number of units

UCLF, %

BWR

5.06

5.90

6.39

5.11

7.70

6.032

FBR

2.90

4.44

4.60

4.21

0.38

3.306

GCR

13.42

18.58

25.99

33.97

17.19

21.83

LWGR

0.83

3.16

2.97

2.06

4.18

2.640

PHWR

4.64

5.91

7.01

6.35

4.56

5.694

PWR

267

3.17

267

2.96

265

3.71

265

4.36

264

4.41

3.722

TOTAL

441

3.91

442

4.25

439

5.05

439

5.29

438

5.45

4.790

Tab. 3. Summary of values of UCLF indices for nuclear power units 64

system (GUS), there are practically no voluntary central systems for the collection and processing of technical and economic data. An exception is an unavailability data collection and processing system operated by the Energy Market Agency which relates to power units ≥ 120 MW. This system covers 108 power units with total capacity constituting approx. two-thirds of the production capacity of the Polish Power System. Analysis of the unavailability statistics of the Polish power units confirms that in 1982–2000, the reliability indices of generating units with an installed capacity ≥120 MW were systematically improving. After the 2000, this trend reversed and the unavailability rate of the power units became worse. The lowest failure rate (FOR and FOF) within a period of three years (2011–2013) belonged to a 858 MW power unit fuelled with brown coal, while the highest belonged to power units with a capacity of 200–299 MW fuelled with brown coal. The highest availability (AF) was achieved by the modern 858 MW power unit, and the lowest by 200–299 MW power units fuelled by brown coal. The power units in Poland feature: AF availability is similar to the American value, also the utilisation level of the installed capacity NCF and the maximum capacity NOF is similar; the failure rate FOR (except for 300–499 MW and > 500 MW units) and FOF (except for 300–499 MW units) are similar; the scheduled overhaul index SOF is higher while the average run time, ART, is lower.

J. Paska | Acta Energetica 3/24 (2015) | 59–65

modes of power units and its components, technological centres and subsystems. Also, it would be beneficial for the set of “point” indices to become wider (for instance, analogous to the indices in the GADS system). Without doubt, the need for further operation of the AWARYJNOŚĆ system is unquestionable – the following issues, however, are still to be answered: are there risks to the system in its present shape, is its development possible and is there a possibility of creating an analogous, improved system for the collection and processing of reliability data relating to power network components? An opportunity for the expansion of the functions of the current IT system AWARYJNOŚĆ, i.e. ensuring that the previously unmonitored generating devices are covered by the system, and consideration of reduced production capacities (emergency and planned), would be the creation of a council for reliability and safety of the power engineering system in Poland, following the example set by America. On the request of this council, it would be possible not only to expand the scope of the reliability monitoring system for power plants, but also the reconstruction of a system supervising the unavailability of power grids, which only recently was still in operation. REFERENCES

1. Generating Availability Data System, Data Reporting Instructions, North American Electric Reliability Corporation, 1 January 2015, Atlanta. 2. Generating Unit Statistical Brochure – 2009-2013, Generating Availability Data System (GADS), NERC, July 2014, 3. Instrukcja badania zakłóceń w elektrowniach i sieciach elektroenergetycznych [Instruction for the assessment of disturbances in power plants and power grids], Part II, Ministry of Mining and Energy, Warsaw 1987.

4. Katalog parametrów niezawodnościowych bloków energetycznych w latach 2011–2013 [Catalogue of reliability parameters of power units in the years 2011–2013], Agencja Rynku Energii S.A., April 2014, Warsaw. 5. Paska J., Generation system reliability and its assessment, Archiwum Energetyki 1999, No. 1–2. 6. Paska J., Niezawodność podsystemu wytwórczego systemu elektroenergetycznego [Reliability of the generation subsystem of the power system], Prace Naukowe PW – Elektryka 2002, p. 120. 7. Paska J., Reliability and Performance Indices of Power Generating Units in Poland, 8th International Conference on Probabilistic Methods Applied to Power Systems – PMAPS 2004, Aimes – Iowa, USA, 12–16 September 2004. 8. Paska J., Niezawodność systemów elektroenergetycznych [Reliability of electric power systems], Oficyna Wydawnicza Politechniki Warszawskiej, Warsaw 2005. 9. Paska J., Parciński G., Wskaźniki niezawodnościowe i eksploatacyjne krajowych bloków energetycznych [Reliability and Operation Indices of Polish Power Units], Energetyka 2001, No. 12. 10. Paska J. i in., Ewidencja i analiza awaryjności jednostek wytwórczych w systemie elektroenergetycznym (SEE) za pomocą relacyjnej bazy danych [Record keeping and analysis of the unavailability of generating units within a power system (SEE) using a relational database], Elektroenergetyka – Technika, Ekonomia, Organizacja 1996, No. 1. 11. Performance of Generating Plant: New Metrics for Industry in Transition. World Energy Council, 2010. 12. Statystyka elektroenergetyki polskiej 2013 [Polish Energy Statistics], Agencja Rynku Energii S.A., Warsaw 2014.

Józef Paska Warsaw University of Technology e-mail: Jozef.Paska@ien.pw.edu.pl Graduate of the Warsaw University of Technology. Since 2007, Professor of Technical Sciences. He is currently a full professor and Head of the Division of Electric Power Plants and Economics of Electrical Power Engineering at the Warsaw University of Technology, Member of the Power Engineering Problems Committee of the Polish Academy of Sciences (PAN), and the Chairman of the Nuclear Power Committee of the Association of Polish Electrical Engineers (SEP). His research interests relate to electricity generation technologies, including distributed generation and use of renewable energy resources, power economy and utility economics, power system reliability and energy supply security. Author of over 270 articles and papers and 11 monographs and academic textbooks.

J. Paska | Acta Energetica 3/24 (2015) | translation 59–65

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 59–65. When referring to the article please refer to the original text. PL

Niezawodność bloków energetycznych w Polsce i na świecie Autor

Józef Paska

Słowa kluczowe

niezawodność, bloki energetyczne, wskaźniki niezawodności

Streszczenie

Jednym z podsystemów systemu elektroenergetycznego jest podsystem wytwórczy, złożony z bloków energetycznych, których niezawodność determinuje w dużym stopniu niezawodność systemu elektroenergetycznego i pewność zasilania energią elektryczną odbiorców. W artykule przedstawiono definicje podstawowych wskaźników niezawodności bloków energetycznych, stosowanych w Polsce i na świecie. Dokonano porównania i analizy ich wartości na podstawie danych publikowanych przez Agencję Rynku Energii (Polska), NERC (Północnoamerykańska Korporacja ds. Niezawodności w Elektroenergetyce – USA) i WEC (Światowa Rada Energetyczna). Zasygnalizowano również niedostatki i brak jednolitego krajowego systemu zbierania i przetwarzania danych o awaryjności urządzeń elektroenergetycznych.

1. Wstęp Badanie awaryjności urządzeń elektroenergetycznych ma bardzo bogatą tradycję. Niezawodność dużych (≥120 MW) bloków energetycznych zawsze miała i nadal ma duże znaczenie dla pracy Krajowego Systemu Elektroenergetycznego [5–9]. Próbę wdrożenia w elektrowniach systemu gromadzenia i przetwarzania danych o awaryjności (o nazwie SENE) podjęto pod koniec lat 70. XX wieku. Elektrownie jednak zgodnie odrzuciły system ze względu na ogromną ilość wprowadzanych do niego informacji. Drugą przyczyną niechęci elektrowni do systemu był ówczesny sprzęt komputerowy, który wymagał wypełniania bardzo nielubianych formularzy. Ukazanie się w 1987 roku „Instrukcji badania zakłóceń w elektrowniach i sieciach elektroenergetycznych” [3] dało podstawy do opracowania nowego systemu komputerowego o nazwie AWARYJNOŚĆ – odmiennego dla sieci elektroenergetycznych i dla elektrowni. System badania awarii w elektrowniach został wdrożony od 1 stycznia 1989 roku, na trzech poziomach struktury organizacyjnej elektroenergetyki: w elektrowniach; w okręgach energetycznych; w Centrum Informatyki Energetyki, działającym w imieniu Wspólnoty Energetyki i Węgla Brunatnego. System dla wszystkich elektrowni działał tylko jeden rok, do czasu decentralizacji elektroenergetyki. Część blokowa systemu działa do dzisiaj. W zamian za dane oraz finansowanie bazy elektrownie otrzymują w wybranych przez siebie cyklach: zestawienia zbiorcze, wszelkie inne informacje pochodzące z bogatego zbioru oraz nowe wersje oprogramowania systemu. Blackout, który miał miejsce w 1965 roku w północno-wschodniej części USA i w Kanadzie, pozbawił elektryczności ok. 30 mln ludzi. W konsekwencji tego faktu utworzono NERC (ang. North American Electric Reliability Corporation) – Północnoamerykańską Korporację ds. Niezawodności w Elektroenergetyce. Demonopolizacja i deregulacja elektroenergetyki przyniosły ze sobą zagrożenie

niezawodności dostarczania energii elektrycznej. Lekcja kalifornijska z lat 2000/2001 i kolejne blackouty w USA, Wielkiej Brytanii i Włoszech potwierdziły wagę niezawodności systemu elektroenergetycznego. Północnoamerykańska Korporacja ds. Niezawodności w Elektroenergetyce prowadzi System Danych o Dyspozycyjności Jednostek Wytwórczych (ang. Generating Availability Data System – GADS) w imieniu wszystkich amerykańskich firm energetycznych oraz kanadyjskich i innych członków NERC, uczestniczących w tym przedsięwzięciu. Uczestnictwo w GADS jest dobrowolne, a uczestnicy reprezentują prawie 90% mocy zainstalowanej w Ameryce Północnej [1–2, 10]. Opracowana przez NERC instrukcja zgłaszania danych zawiera procedury i formaty przedkładania informacji na potrzeby systemu GADS. Mają one na celu ujednolicenie zgłaszania informacji o konstrukcji bloku, postojach i pracy z obniżoną mocą oraz wybranych informacji ogólnych na temat osiągów bloku. Wszystkie wymagania i definicje oparto na normie 762 ANSI/IEEE „Definitions for Reporting Electrical Generating Unit Reliability, Availability and Productivity”. Dostarczanie danych przy użyciu aktualnego formularza GADS rozpoczęło się w 1982 roku, zastępując procedury będące w użyciu od początku lat 60. Forma rejestracji danych dla GADS zapewnia opis typów i przyczyn postojów oraz pracy z obniżoną mocą, zarówno dla całego bloku, jak i dla elementu, który uległ awarii. Można to jeszcze uzupełnić poprzez opis typu i charakteru awarii, bezpośredniej przyczyny awarii i czynników, które się do niej przyczyniły oraz przedsięwziętych działań zaradczych. Informacja o osiągach obejmuje informacje o wartościach mocy bloku, wytworzonej energii, charakterystyce obciążenia bloku oraz opis zużytych paliw. Wszyscy uczestnicy otrzymują roczne publikacje GADS oraz instrukcję przekazywania danych. Roczne publikacje są też dostępne dla firm energetycznych niezrzeszonych w NERC i osób zainteresowanych.

2. Wskaźniki obliczane w systemach AWARYJNOŚĆ i GADS W Agencji Rynku Energii SA (dawniej Centrum Informatyki Energetyki) dokonuje się oceny awaryjności i dyspozycyjności bloków energetycznych dużej mocy (≥ 120 MW) w elektrowniach cieplnych i dużych bloków ciepłowniczych (w EC Siekierki i EC Kraków-Łęg) za odpowiedni okres [4, 9, 12]. Dla każdego bloku oraz grup bloków o mocy jednostkowej należącej do określonego przedziału są obliczane odpowiednie parametry niezawodnościowe i eksploatacyjne. W pierwszej kolejności są obliczane liczby i czasy trwania wyróżnionych stanów: (Tp, Tr, Tkp, Ts, Tb, Ta, Tk, Lr, Lkp, Ls, Lb, La, Lw) gdzie: Tp – czas pracy bloku lub grupy bloków w rozpatrywanym okresie, Tr – czas postojów bloku lub grupy bloków w rezerwie w rozpatrywanym okresie, Tkp – czas postojów bloku lub grupy bloków w remoncie kapitalnym, Ts – czas postojów bloku lub grupy bloków w remoncie średnim, Tb – czas postojów bloku lub grupy bloków w remoncie bieżącym, Ta – czas postojów bloku lub grupy bloków w remoncie awaryjnym, Tk – czas okresu, za który wykonywane są obliczenia (wartość ta jest w systemie obliczana, ale służy tylko do obliczenia wskaźników, nie jest więc nigdzie drukowana), Lr – liczba postojów w rezerwie, Lkp – liczba postojów w remoncie kapitalnym, Ls – liczba postojów w remoncie średnim, Lb – liczba postojów w remoncie bieżącym, La – liczba postojów w remoncie awaryjnym, Lw – liczba wszystkich postojów. Na podstawie wyżej wymienionych wielkości są obliczane następujące wskaźniki [4]: • Wskaźnik dyspozycyjności, • Udział czasu kalendarzowym,

awarii

w czasie

J. Paska | Acta Energetica 3/24 (2015) | translation 59–65

• Wskaźnik awaryjności, • Wskaźnik wykorzystania mocy zainstalowanej, gdzie: A n – wyprodukowana elektryczna, Pz – moc zainstalowana

energia

• Wskaźnik użytkowania mocy osiągalnej, gdzie: Pos – moc osiągalna • Wskaźnik remontów planowych,

• Wskaźnik w y korzystania kalendarzowego,

Rate), POF (ang. Planned Outage Factor), MOF (ang. Maintenance Outage Factor), WSF (ang. Weighted Service Factor), WAF (ang. Weighted Availability Factor), WEAF (ang. Weighted Equivalent Availability Factor), WFOR (ang. Weighted Forced Outage Factor), WEFOR (ang. Weighted Equivalent Forced Outage Rate), WSOF (ang. Weighted Scheduled Outage Factor), WFOF (ang. Weighted Forced Outage Factor). W charakterze „wagi” wykorzystuje się moc osiągalną netto (ang. Net Maximum Capacity – NMC), a na szczególną uwagę zasługują wskaźniki SR, EAF, EFOR, nieobliczane w systemie AWARYJNOŚĆ, w których (EAF, EFOR) uwzględnia się też ubytki mocy (planowe, sezonowe, awaryjne).

i eksploatacyjnych krajowych bloków energetycznych z lat 2011–2013. Z tab. 1 wynika, że najniższą awaryjność (FOR) w analizowanym okresie miał blok 858 MW na węgiel brunatny, najwyższą zaś bloki o mocy 200–299 MW na węgiel brunatny. Najwyższą dyspozycyjność (AF) osiągnął nowoczesny blok 858 MW, natomiast najniższą – bloki o mocy 200–299 MW na węgiel brunatny. Na rys. 2 przedstawiono zmiany wybranych wskaźników niezawodności bloków kondensacyjnych na tle marginesu mocy w Krajowym Systemie Elektroenergetycznym w latach 1978–2013. Margines mocy z rys. 2 został zdefiniowany jako:

3. Wartości wskaźników niezawodności krajowych bloków energetycznych w ostatnich latach W tab. 1 przedstawiono zbiorcze zestawienie parametrów niezawodnościowych

gdzie: Pos – średnia roczna moc osiągalna energetyki

czasu

• Średni czas ruchu (obliczeniowy), Ilustrację podejścia i wielkości występujących w systemie GADS stanowi rys. 1, przedstawiający moc w funkcji czasu. Całkowitą wysokością wykresu jest moc osiągalna netto (NMC), zaś jego całkowitą szerokość stanowi czas okresu (PH). Zatem całkowite pole powierzchni, Y = NMC × PH, stanowi łączną energię, jaką można byłoby wytworzyć w danym okresie, gdyby blok pracował nieprzerwanie z maksymalną mocą. Na podstawie wartości czasu trwania różnych stanów bloku, poziomów mocy oraz ilości energii można obliczyć wskaźniki niezawodnościowe i eksploatacyjne bloku. Niektóre z tych wskaźników są obliczane na podstawie godzin rozpatrywanego okresu. Pole Y (NMC × PH) wykresu dzieli się na kilka segmentów pionowych. Segmenty obejmujące czas dyspozycyjności podzielono jeszcze na sekcje w celu pokazania energii związanej z poszczególnymi poziomami obniżek mocy. Wskaźniki bloku można wyrazić jako procentowe części powierzchni całkowitej z rys. 1. W systemie GADS obecnie oblicza się dla bloków energetycznych 17 wskaźników „bezpośrednich” i 7 wskaźników „ważonych” (tylko dla grup bloków), są to: ART (ang. Average Run Time), SR (ang. Starting Reliability), NCF (ang. Net Capacity Factor), NOF (ang. Net Output Factor), SF (ang. Service Factor), AF (ang. Availability Factor), EAF (ang. Equivalent Availability Factor), FOR (ang. Forced Outage Rate), EFOR (ang. Equivalent Forced Outage Rate), EFORd (ang. Equivalent Forced Outage Rate demand), SOF (ang. Scheduled Outage Factor), FOF (ang. Forced Outage Factor), UOF (ang. Unplanned Outage Factor), EUOF (ang. Equivalent Unplanned Outage Factor), EUOR (ang. Equivalent Unplanned Outage

Rys. 1. Ilustracja wielkości wykorzystywanych przy obliczaniu wskaźników niezawodnościowych bloku energetycznego w systemie GADS: SH – czas pracy; RSH – czas odstawienia do rezerwy; FOH – czas postoju wymuszonego; MOH – czas postoju na obsługę techniczną; POH – czas postoju planowanego; AH – czas dyspozycyjności; PH – czas okresu; I – trwałe ubytki mocy (wady układu technologicznego); D – praca bloku z obniżoną mocą ze względu na czynniki zewnętrzne (np.: wzrost temperatury w naturalnych zbiornikach wody chłodzącej); B – praca bloku z obniżoną mocą ze względu na to, że dana elektrownia musi współpracować w systemie z innymi jednostkami (konieczność podążania za obciążeniem); A – praca bloku, rzeczywiste wytwarzanie energii; E – ten obszar przedstawia obniżenie mocy będącej w rezerwie, ze względu na te same czynniki co w D; C – moc pozostająca w rezerwie; F – postój wymuszony; G – postój na obsługę techniczną; H – postój planowany

Rys. 2. Zmiany marginesu mocy i wybranych wskaźników niezawodności bloków kondensacyjnych w latach 1978–2013

J. Paska | Acta Energetica 3/24 (2015) | translation 59–65

zawodowej w szczycie wieczornym dni roboczych, Zs – średnie roczne zapotrzebowanie na moc w szczycie wieczornym (z dni roboczych). Do 1980 roku średni roczny margines mocy nie przekraczał 25%. Oznacza to, że zimą margines ten spadał w krytycznych dniach nawet poniżej 10%. W szczycie zapotrzebowania na moc elektryczną dochodziło do przeciążeń bloków kondensacyjnych. W godzinach poza szczytem obciążenia część bloków odstawiano do rezerwy lub napraw bieżących. Taki tryb pracy miał niekorzystny wpływ na stan techniczny urządzeń. Dodatkowo sytuację pogarszał brak źródeł szczytowych w Krajowym Systemie Elektroenergetycznym. Ciągły brak mocy w systemie powodował również to, że brakowało czasu na właściwe wykonanie remontów planowych. W tej sytuacji wskaźnik awaryjności (FOR) był wówczas bliski 10%, a średni czas ruchu bloku, od postoju do postoju (ART), wynosił ok. 171 godz. Poprawę sytuacji zanotowano po uruchomieniu elektrowni szczytowo-pompowej w Żarnowcu (1982 i 1983) oraz po stopniowym uruchamianiu nowych bloków w elektrowniach Połaniec i Bełchatów. Margines mocy w latach 80. przekroczył 30%, na początku lat 90. najpierw zbliżył się do 40%, a potem przekroczył tę wartość. Wskaźnik awaryjności w tym czasie spadł do ok. 2,5% (większa wartość wskaźnika awaryjności w 1999 roku jest wynikiem awarii katastrofalnej bloku nr 5 w Elektrowni Turów), a średni czas ruchu wzrósł do ok. 250 godz. Poprawa tych wskaźników nastąpiła przy jednoczesnym spadku stopnia wykorzystania mocy zainstalowanej bloków (GCF) do ok. 54%, czyli o ponad 10% w stosunku do stanu z końca lat 70. W tym okresie wzrósł czas postojów w rezerwie, natomiast czas postojów w remontach planowych wzrastał w latach 80., aż do 1992 roku, po którym zaczął spadać. Po 2000 roku margines mocy osiągalnej waha się pomiędzy 35% a 40% i deficyty mocy powodujące ograniczenia są mało prawdopodobne. Sytuacja może się pogorszyć w związku z przewidywanymi wycofaniami z eksploatacji „starych” (długo eksploatowanych) jednostek wytwórczych, przy jednoczesnym braku inwestycji w nowe bloki energetyczne. Niemniej jednak począwszy od 2005 roku da się zaobserwować wzrost wartości wskaźników FOR i FOF do poziomu z lat przed transformacją gospodarki, przy stabilizacji wskaźnika SOF na poziomie 12–14%. 4. Porównanie wskaźników niezawodnościowych i eksploatacyjnych krajowych i amerykańskich bloków energetycznych W tab. 2 zestawiono wskaźniki z systemu GADS, mające swoje odpowiedniki w systemie AWARYJNOŚĆ, natomiast na rys. 3, 4 i 5 porównano ich wartości z wartościami dla krajowych bloków energetycznych z tab. 1 (bloki kondensacyjne i ciepłownicze). Krajowe bloki energetyczne mają: • zbliżoną do amerykańskich dyspozycyjność AF, podobny poziom wykorzystania mocy zainstalowanej NCF i osiągalnej NOF

Wskaźniki Grupy bloków

FOF

FOR

GCF

GOF

SOF

ART h

Węgiel brunatny – bloki kondensacyjne (33 bloki) 82,2

4,3

5,4

67,7

86,5

13,6

75,5

331,6

120–199 MW (5 bloków)

84,6

1,9

2,8

60,8

91,6

13,4

66,4

291,0

200–299 MW (14 bloków)

80,7

7,6

9,4

60,4

81,2

11,7

73,2

292,0

300–499 MW (13 bloków)

82,4

1,8

2,2

71,5

88,5

15,8

80,7

398,0

>500 MW (1 blok)

88,6

1,6

1,8

79,5

90,1

9,8

88,2

374,0

4,5

5,5

74,6

97,3

12,1

76,7

222,4

Biomasa – bloki kondensacyjne (1 blok) 200–299 MW (1 blok)

83,4

Węgiel kamienny – bloki kondensacyjne (66 bloków) 84,9

2,9

4,2

51,4

74,6

12,2

66,3

208,5

120–199 MW (14 bloków)

87,5

3,0

5,6

37,5

70,6

9,5

51,4

170,3

200–299 MW (45 bloków)

84,4

2,8

3,8

54,4

75,3

12,8

70,7

211,8

300–499 MW (5 bloków)

81,7

3,3

4,4

55,0

74,9

15,0

72,1

260,6

>500 MW (2 bloki)

85,6

3,4

5,7

43,3

73,3

11,0

55,9

306,4

5,4

49,2

80,2

23,1

61,7

349,8

Węgiel kamienny – bloki ciepłownicze (8 bloków) 120-199 MW

73,4

3,5

RAZEM BLOKI KONDENSACYJNE I CIEPŁOWNICZE (108) 83,3

3,4

4,7

57,8

79,7

13,3

68,9

245,8

120–199 MW (27 bloków)

83,2

2,9

4,9

47,3

78,8

13,8

57,1

224,7

200–299 MW (60 bloków)

83,5

4,0

5,3

55,8

76,7

12,5

71,3

227,0

300–499 MW (18 bloków)

82,2

2,2

2,8

66,8

84,8

15,6

78,3

350,7

>500 MW (3 bloki)

86,4

2,9

4,3

56,9

81,2

10,7

64,5

327,9

Tab. 1. Parametry niezawodnościowe i eksploatacyjne bloków energetycznych w latach 2011–2013 [4]

• zbliżoną awaryjność FOR (poza blokami 300–499 MW i >500 MW) oraz FOF (poza blokami 300–499 MW) • wyższy wskaźnik remontów planowych SOF • niższy średni czas ruchu ART. Warto podkreślić, że statystyką krajową jest objęta znacznie mniejsza liczba bloków, zestaw wyznaczanych wskaźników też jest mniej liczny. 5. Wskaźniki niezawodności jednostek wytwórczych według Światowej Rady Energetycznej Jest jeszcze jedno źródło informacji o wartościach wskaźników niezawodności jednostek wytwórczych – sygnowane przez Światową Radę Energetyczną (WEC) opracowanie

„Performance of Generating Plant: New Metrics for Industry in Transition” [11]. Spośród monitorowanych przez odpowiedni Komitet WEC zasadniczych wskaźników niezawodnościowych i eksploatacyjnych jednostek wytwórczych godne uwagi i zastosowania są dwa: • Wskaźnik planowanych ubytków zdolności wytwórczej (ang. Planned Capability Loss Factor – PCLF), rozumiany jako względne zmniejszenie zdolności wytwórczej z powodu ubytków planowanych (np. odstawienie do remontów planowych). Ubytek uważa się za planowany, gdy jest on przewidywany z co najmniej 4-tygodniowym wyprzedzeniem. PCLF jest odpowiednikiem występującego w standardzie IEEE 762 ważonego

J. Paska | Acta Energetica 3/24 (2015) | translation 59–65

Rys. 3. Wskaźniki AF, NCF i NOF amerykańskich (NERC) i krajowych (PL) bloków energetycznych

Rys. 4. Wskaźniki FOF, FOR i SOF amerykańskich (NERC) i krajowych (PL) bloków energetycznych

Rys. 5. Średni czas ruchu oraz liczba amerykańskich (NERC) i krajowych (PL) bloków energetycznych

ekwiwalentnego wskaźnika ubytków planowanych (ang. Weighted Equivalent Planned Outage Factor – WEPOF) • Wskaźnik nieplanowanych ubytków zdolności wytwórczej (ang. Unplanned Capability Loss Factor – UCLF), rozumiany jako względne zmniejszenie zdolności wytwórczej z powodu ubytków nieplanowanych (np. odstawienia do remontów awaryjnych, wydłużenie postoju planowanego, ograniczenie zdolności wytwórczej). Ubytek uważa się za nieplanowany, gdy nie jest on przewidywany z co najmniej 4-tygodniowym wyprzedzeniem. UCLF jest odpowiednikiem występującego w standardzie IEEE 762 ważonego ekwiwalentnego wskaźnika ubytków nieplanowanych (ang. Weighted Equivalent Unplanned Outage Factor – WEUOF). Przykładowe wartości wskaźnika UCLF dla wybranych technologii jądrowych, pochodzące z opracowania [3], podano w tab. 3. 6. Podsumowanie i wnioski W obecnej sytuacji sektora elektroenergetyki w Polsce, poza obowiązkową statystyką publiczną (GUS), praktycznie nie funkcjonują dobrowolne, centralne systemy gromadzenia i przetwarzania danych technicznych i ekonomicznych. Wyjątkiem w tym zakresie jest utrzymywany w Agencji Rynku Energii SA system gromadzenia i przetwarzania danych o awaryjności bloków energetycznych ≥120 MW. Systemem tym objęto 108 bloków energetycznych o łącznej mocy stanowiącej ok. 2/3 zdolności wytwórczej Krajowego Systemu Elektroenergetycznego. Z analizy statystyki awaryjności krajowych bloków energetycznych wynika, że w latach 1982–2000 systematycznie poprawiały się wskaźniki niezawodności jednostek wytwórczych o mocach zainstalowanych ≥120 MW. Po roku 2000 trend ten się odwrócił i następuje pogarszanie się wskaźników awaryjności bloków energetycznych. Najniższą awaryjność (FOR i FOF) w okresie trzech lat (2011–2013) miał blok 858 MW na węgiel brunatny, najwyższą zaś bloki o mocy 200–299 MW na węgiel brunatny. Najwyższą dyspozycyjność (AF) osiągnął nowoczesny blok 858 MW, natomiast najniższą – bloki o mocy 200–299 MW na węgiel brunatny. Krajowe bloki energetyczne mają: zbliżoną do amerykańskich dyspozycyjność AF, podobny poziom wykorzystania mocy zainstalowanej NCF i osiągalnej NOF, zbliżoną awaryjność FOR (poza blokami 300–499 MW oraz >500 MW) i FOF (poza blokami 300–499 MW), wyższy wskaźnik remontów planowych SOF; niższy średni czas ruchu ART. System AWARYJNOŚĆ dostarcza wielu cennych informacji, ale ma też szereg niedostatków, jak np. [6, 8–9]: • Systemem są objęte tylko duże bloki energetyczne w elektrowniach cieplnych (bloki o mocach ≥120 MW) oraz duże bloki ciepłownicze. Poza systemem znajdują się jednostki wytwórcze o łącznej mocy równej ok. 1/3 mocy zainstalowanej systemu elektroenergetycznego • W systemie nie są uwzględniane uszkodzenia elementów bloku prowadzące do obniżenia jego zdolności wytwórczej, a nie do postoju bloku

J. Paska | Acta Energetica 3/24 (2015) | translation 59–65

• Obliczane są wyłącznie wskaźniki „punktowe”, natomiast daje się zauważyć zapotrzebowanie na empiryczne rozkłady czasów trwania wyróżnionych stanów eksploatacyjnych bloku oraz jego elementów, węzłów technologicznych i podukładów. Również zestaw wskaźników „punktowych” mógłby być szerszy (np. analogiczny jak w systemie GADS). Bez wątpienia celowe jest dalsze funkcjonowanie systemu AWARYJNOŚĆ – otwarte jednak pozostają kwestie: czy nie ma zagrożeń dla systemu w obecnym kształcie i czy jest szansa na jego rozwój oraz czy możliwe jest powstanie analogicznego, doskonalszego systemu zbierania i przetwarzania danych niezawodnościowych elementów sieciowych? Szansą na rozszerzenie funkcji obecnego systemu informatycznego AWARYJNOŚĆ, a więc: objęcia nim urządzeń wytwórczych

Bloki o mocy, MW

FOF

FOR

dotychczas przez system nieobjętych, uwzględnienie obniżeń zdolności wytwórczej (awaryjnych i planowych) byłoby utworzenie w Polsce na wzór Ameryki Północnej rady ds. niezawodności i bezpieczeństwa systemu elektroenergetycznego. Na wniosek rady możliwe byłoby nie tylko rozszerzenie zakresu systemu monitorowania niezawodności elektrowni, ale również odtworzenie działającego w niedalekiej przeszłości systemu monitorowania awaryjności sieci elektroenergetycznych. Bibliografia 1. Generating Availability Data System, Data Reporting Instructions, North American Electric Reliability Corporation, 1 stycznia 2015, Atlanta.

NCF

NOF

SOF

ART h

100–199 (275)*

88,02

3,38

5,16

44,31

70,36

8,6

62,13

206,13

200–299 (130)

84,14

5,17

6,99

50,72

73,18

10,68

68,89

493,44

300–399 (74)

85,97

4,12

5,15

58,43

76,77

9,91

75,99

544,75

400–599 (163)

84,91

4,7

5,55

67,95

81,36

10,48

79,99

505,78

800–899 (44)

84,82

3,98

4,71

69,03

85,58

11,2

80,57

833,01

* – w nawiasie podano liczbę bloków objętych statystyką Tab. 2. Wskaźniki amerykańskich węglowych bloków energetycznych w latach 2009–2013 [2]

2005 Bloki typu

2006

2007

2. Generating Unit Statistical Brochure – 2009-2013, Generating Availability Data System (GADS), NERC, lipiec 2014, 3. Instrukcja badania zakłóceń w elektrowniach i sieciach elektroenergetycznych, część II, Ministerstwo Górnictwa i Energetyki, Warszawa 1987. 4. Katalog parametrów niezawodnościowych bloków energetycznych w latach 2011–2013, Agencja Rynku Energii SA, kwiecień 2014, Warszawa. 5. Paska J., Generation system reliability and its assessment, Archiwum Energetyki 1999, nr 1–2. 6. Paska J., Niezawodność podsystemu wytwórczego systemu elektroenergetycznego, Prace Naukowe PW – Elektryka 2002, z. 120. 7. Paska J., Reliability and Performance Indices of Power Generating Units in Poland, 8th International Conference on Probabilistic Methods Applied to Power Systems – PMAPS 2004, Aimes – Iowa, USA, 12–16 września 2004. 8. Paska J., Niezawodność systemów elektroenergetycznych, Of ic yna Wydawnicza Politechniki Warszawskiej, Warszawa 2005. 9. Paska J., Parciński G., Wskaźniki niezawodnościowe i eksploatacyjne krajowych bloków energetycznych, Energetyka 2001, nr 12. 10. Paska J. i in., Ewidencja i analiza awaryjności jednostek wytwórczych w systemie elektroenergetycznym (SEE) za pomocą relacyjnej bazy danych, Elektroenergetyka – Technika, Ekonomia, Organizacja 1996, nr 1. 11. Performance of Generating Plant: New Metrics for Industry in Transition. World Energy Council, 2010. 12. Statystyka elektroenergetyki polskiej 2013, Agencja Rynku Energii SA, Warszawa 2014.

2008

2009

2005–2009

Liczba bloków

UCLF, %

Liczba bloków

UCLF, %

Liczba bloków

UCLF, %

Liczba bloków

UCLF, %

Liczba bloków

UCLF, %

BWR

5,06

5,90

6,39

5,11

7,70

6,032

FBR

2,90

4,44

4,60

4,21

0,38

3,306

GCR

13,42

18,58

25,99

33,97

17,19

21,83

LWGR

0,83

3,16

2,97

2,06

4,18

2,640

PHWR

4,64

5,91

7,01

6,35

4,56

5,694

PWR

267

3,17

267

2,96

265

3,71

265

4,36

264

4,41

3,722

RAZEM

441

3,91

442

4,25

439

5,05

439

5,29

438

5,45

4,790

Tab. 3. Zestawienie wartości wskaźników UCLF dla jądrowych bloków energetycznych

Józef Paska

prof. dr hab. inż. Politechnika Warszawska e-mail: Jozef.Paska@ien.pw.edu.pl Absolwent Politechniki Warszawskiej. Od 2007 roku jest profesorem nauk technicznych. Profesor zwyczajny, kierownik Zakładu Elektrowni i Gospodarki Elektroenergetycznej PW, członek Komitetu Problemów Energetyki PAN, przewodniczący Komitetu Energetyki Jądrowej SEP. Zainteresowania naukowe dotyczą technologii wytwarzania energii elektrycznej, w tym wytwarzania rozproszonego i wykorzystania odnawialnych zasobów energii, gospodarki elektroenergetycznej i ekonomiki elektroenergetyki, niezawodności systemu elektroenergetycznego i bezpieczeństwa zasilania w energię elektryczną. Autor ponad 270 artykułów i referatów oraz 11 monografii i podręczników akademickich.

R. A. Sobolewski | Acta Energetica 3/24 (2015) | 71–76

Wind Farm Reliability Modelling Using Bayesian Networks and Semi-Markov Processes

Author Robert Adam Sobolewski

Keywords wind power, reliability, Bayesian networks, semi-Markov processes

Abstract Technical reliability plays an important role among factors affecting the power output of a wind farm. The reliability is determined by an internal collection grid topology and reliability of its electrical components, e.g. generators, transformers, cables, switch breakers, protective relays, and busbars. A wind farm reliability’s quantitative measure can be the probability distribution of combinations of operating and failed states of the farm’s wind turbines. The operating state of a wind turbine is its ability to generate power and to transfer it to an external power grid, which means the availability of the wind turbine and other equipment necessary for the power transfer to the external grid. This measure can be used for quantitative analysis of the impact of various wind farm topologies and the reliability of individual farm components on the farm reliability, and for determining the expected farm output power with consideration of the reliability. This knowledge may be useful in an analysis of power generation reliability in power systems. The paper presents probabilistic models that quantify the wind farm reliability taking into account the above-mentioned technical factors. To formulate the reliability models Bayesian networks and semi-Markov processes were used. Using Bayesian networks the wind farm structural reliability was mapped, as well as quantitative characteristics describing equipment reliability. To determine the characteristics semi-Markov processes were used. The paper presents an example calculation of: (i) probability distribution of the combination of both operating and failed states of four wind turbines included in the wind farm, and (ii) expected wind farm output power with consideration of its reliability.

DOI: 10.12736/issn.2300-3022.2015307

1. Introduction A wind farm’s power output transferred to a power grid depends on several technical, wind, and environmental factors. The technical factors include the farm’s reliability. The reliability is determined mainly by the internal collection grid topology and the reliability of the electrical equipment, including generators, transformers, inverters, cables, switch breakers, protective relays and busbars, included in the wind farm (WF). The importance of technical factors increases with more and longer lasting wind conditions conductive to power generation at the WF site [1]. The wind speed range at which wind energy can be converted into electricity is considered as favourable. The farm’s internal collection grid topology and equipment reliability determine an ability to power generation and output from individual wind turbines to the external grid, also while failures are spreading to adjacent components. Failures can spread in the following situations: (i) protective relay’s failure (missed tripping when required), or (ii) circuit breakers’ and protective relays’ location in the internal grid, which doesn’t allow for outage of the damaged components

only. Failure spreading may result in the need to switch off the entire branch with the damaged component or the entire WF. A useful WF reliability quantitative measure may be the probability distribution of the occurrence of a combination of wind turbine (WT) both operating and failed states. Operating state of a WT means its ability to generate power and output it to the external power grid, which means the availability of the WT and of other components necessary to transfer power to an external grid. This measure can be used for analysing the impact of different WF internal grid topologies and WF components availability on the farm’s reliability, and determining its expected output power in view of its reliability. This knowledge may be useful in an analysis of power generation reliability. The relevant literature offers several different WF reliability models, which were used for WF reliability representation in models that quantitatively describe the characteristics of WT and farm power and energy output [2–7]. These models feature a simplified representation of the impact of multiple factors on WF reliability. 71

R. A. Sobolewski | Acta Energetica 3/24 (2015) | 71–76

This paper presents probabilistic models that, to a greater extent than before, take into account the important factors that determine WF’s reliability and allow one to determine the probability distribution of the occurrence of combinations of both operating and failed states of the WTs that make up the farm. To formulate the models Bayesian networks (BN) and semi-Markov processes (SMP) were used. Using BN wind farm reliability was mapped taking into account the internal collection grid topology and quantitative characteristics describing the reliability of a farm’s individual components. To determine these characteristics SMP was used, the parameters of which are the components’ reliability parameters.

2. The use of Bayesian networks for wind farm reliability modelling The methodological basis for probabilistic modelling using BN can be found in the literature, such as [8–9]. Formulation of a WF reliability model entails the following elements: (i) identification of network nodes, (ii) development of network structure, (iii) formulation of conditional probability tables (CPT) for nodes, and (iv) setting of probabilities of the occurrence of individual operating and failed states of the wind farm components represented by root nodes. The network nodes identification includes: (i) root nodes, (ii) intermediate nodes representing the combination of both operating and failed states of the parent nodes, and (iii) a leaf node representing the wind farm’s reliability. To the root nodes CPTs are assigned that include the probabilities of the components operating and failed states occurrence. The number of these states for a component depends on its type and location in the wind farm’s internal topology. It is appropriate to distinguish between devices with: (i) two states – “operating” or “failed”, and (ii) three states – “operating”, “failed” and “failed with failure spreading.” This identification of three-state components is due to the occurrence of protective relays’ missed tripping when required that leads to switching off unaffected components; e.g. instead of switching off a failed turbine the branch must be switched off that contains this and other turbines connected to this branch. To the intermediate nodes and leaf node CPTs are assigned that include the conditional probabilities of the occurrence of both operating and failed states, resulting from possible combinations of states considered in their respective parent nodes. As for the root nodes, intermediate nodes may feature two or three types of states. On the other hand, the CPT assigned to the leaf node contains all combinations of both operating and failed states of the turbines. WT operating state “1” means an ability of the turbine and the components in at least one internal collection grid branch, through which the unit’s power generated may be transferred to the external grid. Failed state “0” means the condition opposite to state “1”. The BN structure development entails identification of all network nodes and connecting their edges adequately to the components taken into account in the WF’s model, topology of its internal collection grid, and combination of the farm components’ operating and failed states. Formulation of CPT for intermediate nodes and the leaf node entails assigning to them the probabilities “0” or “1” in such a way that the dependencies describing the conditional probabilities 72

of occurrence of individual states represented by the nodes reflect the occurrence of possible combinations of states of their respective parent nodes. Values in the CPTs assigned to intermediate nodes may correspond to disjunction and conjunction of states of their parent nodes or other combinations of component states.

3. The use of semi-Markov processes for wind farm equipment reliability modelling The methodological basis for probabilistic modelling using SMP can be found in the literature, such as [10–11]. The use of SMP to determine the probabilities of the considered WF components operating and failed states allows for: (i) describing the time to fault and repair time of component with any probability distribution and (ii) considering the sequence of component failure occurrences. The second feature allows for appropriate representation in the model of up and down states related to protective relays’ necessary and missed trips. Owing to this the probabilities can be determined of the occurrences of WF component’s up and down states related to protective relays’ missed trips, which cause the spreading of failures and the need to shut down the component adjacent to that affected by the failure. The model assumes that: (i) farm component can be either up or down, (ii) protective relay can be either up or down (protection relay consists of a relay and a switch breaker that switches off the damaged unit), (iii) upon the occurrence of a component failure while the component’s protective relay is available, the component shall be switched off (necessary tripping), (iv) upon the occurrence of a component failure while the component’s protective relay is unavailable, the component shall not be switched off by the protective relay (missed tripping), but by a backup protective relay, and (v) protective relay’s unfolded tripping and failures are neglected upon the occurrence of a failure of the component so protected. States of SMP are defined as follows: S0 – component and protective relay are in their “up” states, S1 – component is failed and protective relay is in “up” state (necessary tripping), S2 – component is in an “up” state and protective relay is in “down” state, S3 – component and protective relay are in their “down” states (missed tripping). If the times to failure and repair times of component and protective relay are described by exponential distribution, then the probabilities of occurrence of each SMP state have the following forms: ,

where: λ – component failure rate, θ – protective relay failure rate, γ – component repair rate, ξ – protective relay repair rate. For components with two reliability states (operating and failed), the states’ probabilities in BN root nodes are expressed by the following formulas:

R. A. Sobolewski | Acta Energetica 3/24 (2015) | 71–76

• probability that the component occupies operating state PZD = P0 + P2 • probability that the component occupies failed state PNIEZ = P1 + P3 For components with three reliability states (operating, failed and failed with spreading failure), the states’ probabilities in BN root nodes are expressed by the following formulas: • probability that the component occupies operating state PZD = P0 + P2 • probability that the component occupies failed state PNIEZ = P1 • probability that the component occupies failed with spreading failure state PNIEZB = P3

4. Example calculation The example calculation refers to reliability analysis of an FW with two internal collection grid topologies (radial and ring), including the determination of: (i) probability distribution of combinations of farm’s WTs operating and failed states, and (ii) expected WF output power in view of its reliability for different wind speed at the site of WT number 1 (WT1). WF is located in Poland and consists of four WTs, with rated power PRi = 2 MW (i = 1, 2, 3, 4) each. It was assumed that the times to failure and repair times of the components are described by exponential distributions with known parameters. The expected WTs output power were determined based on actual data recorded at 10-minute intervals during the period from January to June 2012. The amount of data used in the calculation amounted to 21 282 records. The expected WTs output powers determined for a priori wind speeds and for speeds assumed for WT1 site, are shown in Tab. 1.

Expected WT output power [kW]

Legend: L1 and L2 – cables; CBF1, CBF2 – circuit breakers in feeders; CBW1, CBW2, CBW3 and CBW4 – WT circuit breakers; TG – MV/HV transformer; CBT1 and CBT2 – TG transformer circuit breakers; TU – grounding and auxiliary MV/LV transformer; CBU – TU transformer circuit breaker; BUS – busbar; GRID – external power grid

Fig. 1. Diagram of WF internal collection grid with radial topology

Wind speed at WT1 site a priori

υ1 = [3–4)

υ1 = [5–6)

υ1 = [7–8)

υ1 = [9–10)

υ1 = [11–12)

E[PWT1]

519.3

100.2

256.4

640.6

1235.6

1794.4

E[PWT2]

581.4

111.8

306.7

740.0

1354.8

1819.6

E[PWT3]

527.4

108.8

270.0

659.8

1214.4

1709.2

E[PWT4]

505.3

110.7

261.6

616.7

1141.2

1654.4

Percentage difference between min. and max

15.0%

11.6%

19.6%

20.0%

18.7%

10.0%

Tab. 1. Expected WTs output power determined for various wind speeds at WT1 site

The expected WTs output power listed in Tab. 1 were obtained from the model as a BN, whereby its structure and node parameters were set in the network learning process. In Tab. 1 the expected WTs output power are colour coded to illustrate the order of values from the smallest to the largest for a given wind speed, i.e. min. value – yellow, second min. value – green,

Legend: L3 and L4 – cables; CBF3, CBF4 and CBF5 – section circuit breakers. Other designations as in Fig. 1

Fig. 2. Diagram of WF internal collection grid with ring topology

third min. value – blue and max. value – red. It may be noted that despite the same WT power ratings their expected output powers for a given wind speed are: (i) different, and (ii) their order may change within the min. to max. range. The last row of Tab. 1 shows the percentage difference between min. and max. for a given wind speed. This difference reaches as much as 20% at wind speed υ1 = [7–8). 73

R. A. Sobolewski | Acta Energetica 3/24 (2015) | 71–76

Combination of WTs that are simultaneously in operation

Occurrence probability of combination of WTs that are simultaneously in operation Radial topology

Fig. 3. BN mapping WF reliability structure of WF with radial internal collection grid topology. Root node designations as in Fig. 1. Other node designations in the text

Ring topology

WT1 and WT2 and WT3 and WT4

0.996573

0.996491

WT1 and WT2 and WT3

0.000489

0.000788

WT1 and WT2 and WT4

0.000489

0.000788

WT1 and WT2

0.000516

6.23 · 10-7

WT1 and WT3 and WT4

0.000489

0.000747

WT1 and WT3

2.39 · 10-7

5.90 · 10-7

WT1 and WT4

2.39 · 10-7

5.13 · 10-7

WT1

2.53 · 10-10

7.80 · 10-8

WT2 and WT3 and WT4

0.000489

0.000747

WT2 and WT3

2.39 · 10-7

5.13 · 10-7

WT2 and WT4

2.39 · 10-7

5.90 · 10-7

WT2

2.53 · 10-10

7.80 · 10-8

WT3 and WT4

0.000516

4.93 · 10-7

WT3

2.53 · 10-10

3.51 · 10-10

WT4

2.53 · 10-10

3.51 · 10-10

NONE

0.000438

0.000436

Tab. 2. Occurrence probabilities of combinations of WTs that are simultaneously in operation (a priori reliability of WF components) in radial and ring topologies of internal collection grid

Fig. 4. BN mapping the reliability structure of FW with ring internal collection grid topology. Root node designations as in Fig. 2. Other node designations in the text

Fig. 1 is a diagram of an WF internal grid’s radial topology. It is the simplest configuration with relatively short cable lengths. Its biggest drawback is relatively low reliability resulting primarily from the need to switch off an entire branch containing a few or a dozen or so WTs because of the occurrence of failures of some components in the branch, such as cables and circuit breakers. Fig. 2 shows a diagram of an WF internal grid’s ring topology. The main difference with respect to the radial topology is the cable ring closure and the addition of sectioning switches in cable lines. This entails an increase in the total cable length. In return, the grid reliability increases, because as a rule no switching off of failed equipment results in the need to switch off the entire branch containing a few or a dozen or so WTs. Fig. 3 shows the BN mapping the reliability structure of WF with radial internal collection grid topology. The root node designations refer to the WF components designations (Fig. 1). Nodes 1_2 and 3_4 are the intermediate nodes mapping combinations of operating and failed states of components WT1, WT2, L1, WT3, 74

WT4 and L2. OUTPUT node is the node that takes into account the combination of states of nodes 1_2, 3_4, TG and TU+BUS. Fig. 4 shows a mapping BN reliability structure WF of the radial topology of the internal collection grid. The root node designations refer to the WF equipment designations (Fig. 2). Nodes WT1L1, WT2L2, WT3L3 and WT4L4 are the intermediate nodes mapping combinations of operating and failed states of the components represented by root nodes, respectively, WT1 and L1, WT2 and L2, WT3 and L3, and WT4 and L4. Nodes 1_2_3, 1_2_4, 1_3_4 and 2_3_4 are the intermediate nodes mapping states of nodes WTxLx (x = 1, 2, 3, 4). Nodes 1P, 1L, 1, 2, 3 and 4 also are intermediate nodes, wherein the last four of these represent combinations of operating and failed states of WTx and the other inner grid equipment necessary to output the power from WTx to the external grid. The OUTPUT node takes into account combinations of x nodes’ states. The WF equipment’s time to fault and repair time distribution parameters are as follows: • WTi failure rate λWTx = 0.09 1/year • Lj failure rate λLx = 0.08 1/year (for cable lines in farm internal grid radial topology) and λLx = 0.04 1/year (for cable lines in farm internal grid ring topology) • TG failure rate λTG = 0.02 1/year • TU and BUS failure rate λTU+BUS = 0.03 1/year • protective relay failure rate θPR = 0.005 1/year

R. A. Sobolewski | Acta Energetica 3/24 (2015) | 71–76

• repair rate γU = 182.5 1/year (average repair time 48 hrs) – for components: WTx, Lx, TG, TU and BUS • protective relay repair rate ξPR = 121.667 1/year (average repair time 72 hrs). Tab. 2 shows the determined occurrence probabilities of a combination of WTs that are simultaneously in operation in radial and ring internal collection grid topology. Combination of WTs that are simultaneously in operation Occurrence probability of combination of WTs that are simultaneously in operation It follows from Tab. 2 that in both internal grid topologies the occurrence probability of all WTs (i.e. WT1 and WT2 and WT3 and WT4) in the operation is the highest relative to the probability of other combinations. The probability is around 0.0082% higher in radial topology than in ring topology. The lowest probabilities were noted for individual combinations of WTs. Higher reliability in ring topology than in radial topology may be indicated by the higher occurrence probabilities of a combination of three WTs that are simultaneously in operation in both topologies

Combination of WTs that are simultaneously in operation

and the lower probability of at least one WT in operation (the NONE combination in Tab. 2). FW reliability analysis can also be linked to the determination of occurrence probabilities of an WTs combination that are in operation in both topologies while one or more components are failed. The determined occurrence probabilities of a number of WTs in operation in both topologies while WT1 and L2 are failed are shown in Tab. 3. Using the expected WT output powers (Tab. 1) and the calculated probabilities of a combination of WTs EWs that are simultaneously in operation in both topologies (Tab. 2 i 3), expected WF output power can be determined. Tab. 4 shows the expected output powers of WF with radial and ring internal collection grid topologies expressed as a percentage of the expected WF output power (with all WF components are in operation). It follows from Tab. 4 that the WF components variants of states (a priori, WT1 failed, L1 failed) impact to varying degrees the expected WF output power. This impact also depends on the adopted internal collection grid topology and the assumed wind speed. In the WF components variant of states a slight decrease may be expected of the expected output power compared to the value specified in the last row of Tab. 4. In radial topology it is

Occurrence probability of combination of WTs that are simultaneously in operation, while WT1 is failed

Occurrence probability of combination of WTs that are simultaneously in operation, while L1 is failed

Radial topology

Ring topology

Radial topology

Ring topology

WT2 and WT3 and WT4

0.997102

0.997238

0.997279

WT2 and WT3

0.000489

0.000789

0.000489

WT2 and WT4

0.000489

0.000789

0.000788

WT2

0.000516

6.88 · 10-7

0.000300

WT3 and WT4

0.000964

0.000747

0.998108

0.000489

WT3

4.72 · 10-7

5.91 · 10-7

0.000489

2.40 · 10-7

WT4

4.72 · 10-7

5.13 · 10-7

0.000489

3.86 · 10-7

NONE

0.000438

0.000436

0.000913

0.000654

Tab. 3. Occurrence probabilities of a number of WTs that are simultaneously in operation in both topologies while WT1 is failed

WF internal grid topology / WF components variant of states

Wind speed at WT1 site a priori

υ1 = [3–4)

υ1 = [5–6)

υ1 = [7–8)

υ1 = [9–10)

υ1 = [11–12)

Radial/a priori

99.86%

Ring/a priori

99.88%

Radial/WT1 failed

75.55%

76.67%

76.47%

75.78%

74.91%

74.18%

Ring/WT1 failed

75.57%

76.69%

76.49%

75.80%

74.93%

74.19%

Ring/L1 failed

48.34%

50.80%

48.49%

47.97%

47.56%

48.14%

Radial/L1 failed

75.55%

76.67%

76.47%

75.78%

74.91%

74.18%

Expected WF output power in view of components operation [kW]

2133.4

431.5

1094.7

2657.1

4946.0

6977.7

Tab. 4. Expected WF output power for various operating and failed states of FW components and various wind speeds at WT1 site, expressed as a percentage of the expected output with all farm components in operation 75

R. A. Sobolewski | Acta Energetica 3/24 (2015) | 71–76

0.14%, while in ring topology 0.12%. In radial topology the WT1 damage reduces the output power from 23.53% at υ1 = [3–4) to 25.82% at υ1 = [11–12). However, in ring topology the output power reduction in both wind speed cases is 0.02% less than in radial topology. L1 damage reduces the output power from 49.20% at υ1 = [3–4) to 52.44% at υ1 = [9–10) – for radial topology and from 23.33% at υ1 = [3–4) to 25.82% at υ1 = [11–12) – for ring topology.

5. Conclusions This paper presents probabilistic models using BN and SMP for reliability analysis of WF with different internal collection grid topologies. The main advantage of the models is taking into account the most important technical factors that determine WT ability to generate power and its output to the external power grid. An important feature of the developed models is also easy inference on the probabilities of a combination of WTs that are simultaneously in operation for assumed operating and failed states of WF components. Obtained probabilities can also be successfully used to calculate the expected WF output power in view of its reliability. REFERENCES

1. Sobolewski R.A., Analiza niezawodności układu wytwórczoprzyłączeniowego turbiny wiatrowej wykorzystująca kryterium ekonomiczne zawodności [Reliability analysis of a wind turbine’s generation/output system using economic reliability criterion], Przegląd Elektrotechniczny 2010, Vol. 86, No. 10, pp. 324–329.

2. Sannino A., Breder H., Nielsen E.K., Reliability of collection grids for large offshore wind parks, 9th International Conference on Probabilistic Methods Applied to Power Systems KTH, Stokholm, Sweden, 11–15 June 2006. 3. Quinonez-Varela G. i in., Electrical collector system options for large offshore wind farms, IET Renewable Power Generation 2007, No. 1 (2), pp. 107–114. 4. Bahirat H.J., Mork B.A., Hoidalen H.K., Comparison of wind farm topologies for offshore applications, IEEE Power and Energy Society General Meeting 2012. 5. Segura-Heras I., Escriva-Escriva G., Alcazar-Ortega M., Wind farm electrical power production model for load fow analysis, Renewable Energy 2011, No. 36, pp. 1008–1013. 6. Mabel M.C., Raj R.E., Fernandez E., Analysis on reliability aspects of wind power, Renewable and Sustainable Energy Reviews 2011, No. 15, pp. 1210–1216. 7. Ali M., Matevosyan J., Milanovic J.V., Probabilistic assessment of wind farm annual energy production, Electric Power Systems Research 2012, No. 89, pp. 70–79. 8. Darwiche A., Modelling and reasoning with Bayesian networks, Cambridge University Press 2009. 9. Kjaerulf U.B., Madsen A.L., Bayesian Networks and Influence Diagrams. A Guide to Construction and Analysis, Springer. 10. Grabski F., Semi-Markowskie modele niezawodności i eksploatacji [Semi-Markov reliability and operability models], Series: Badania Systemowe, Vol. 30, Polish Academy of Sciences, Systems Research Institute, Warsaw 2002. 11. Howard R.A., Dynamic Probabilistic Systems, Vol. II: Semi-Markov and Decision Processes, Dover Books on Mathematics, 2007.

Robert Adam Sobolewski Białystok University of Technology e-mail: r.sobolewski@pb.edu.pl Graduated from the Faculty of Electrical Engineering at Białystok University of Technology, where he was also awarded a doctoral degree in technical sciences (2002). His research interests include: determination of probabilistic characteristics and forecasting of wind farm power and energy output, reliability analysis of power generation in wind farms and of power systems, use of stochastic processes and Bayesian networks in power systems modelling.

R. A. Sobolewski | Acta Energetica 3/24 (2015) | translation 71–76

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 71–76. When referring to the article please refer to the original text. PL

Modelowanie niezawodności farmy wiatrowej z wykorzystaniem sieci Bayesowskich i procesów semi-Markowa Autor

Robert Adam Sobolewski

Słowa kluczowe

energetyka wiatrowa, niezawodność, sieci Bayesowskie, procesy semi-Markowa

Streszczenie

Wśród czynników wpływających na moc wyjściową farmy wiatrowej (FW) istotną rolę odgrywa niezawodność techniczna. O niezawodności tej decydują m.in.: topologia wewnętrznej sieci elektroenergetycznej FW i niezawodność urządzeń elektrycznych wchodzących w jej skład, np. generatorów, transformatorów, kabli, łączników, zabezpieczeń elektroenergetycznych, szyn zbiorczych. Ilościową miarą niezawodności FW może być rozkład prawdopodobieństwa kombinacji stanów gotowości elektrowni wiatrowych (EW) farmy. Stan gotowości danej EW oznacza jej gotowość do produkcji energii elektrycznej i przekazywania jej do zewnętrznej sieci elektroenergetycznej, co oznacza zdatność EW oraz pozostałych urządzeń niezbędnych do przekazania energii do sieci zewnętrznej. Miarę tę można wykorzystywać m.in. do ilościowej analizy wpływu różnych topologii FW i niezawodności poszczególnych urządzeń farmy na jej niezawodność oraz wyznaczać wartość oczekiwaną mocy farmy z uwzględnieniem niezawodności. Wiedza ta może być przydatna w analizie niezawodności wytwarzania energii elektrycznej w systemach elektroenergetycznych. W artykule przedstawiono modele probabilistyczne opisujące ilościowo niezawodność FW z uwzględnieniem wspomnianych wyżej czynników technicznych. Do sformułowania modeli niezawodnościowych wykorzystano sieci Bayesowskie (BN) i procesy semi-Markowa (PSM). Za pomocą BN odwzorowano niezawodność strukturalną FW i charakterystyki ilościowe opisujące niezawodność urządzeń. Do wyznaczania tych charakterystyk zastosowano PSM. W artykule zaprezentowano przykład obliczeniowy dotyczący wyznaczenia: (i) rozkładu prawdopodobieństwa kombinacji stanów gotowości czterech EW wchodzących w skład FW i (ii) oczekiwanej mocy wyjściowej FW z uwzględnieniem jej niezawodności.

1. Wstęp Poziom wytwarzanej i przekazywanej mocy z FW do sieci elektroenergetycznej zewnętrznej zależy od wielu czynników technicznych, wiatrowych i środowiskowych. Do czynników technicznych zalicza się między innymi jej niezawodność. O niezawodności tej decydują głównie: topologia wewnętrznej sieci elektroenergetycznej i niezawodność urządzeń elektrycznych, m.in. generatorów, transformatorów, inwerterów, kabli, łączników, zabezpieczeń elektroenergetycznych, szyn zbiorczych, wchodzących w skład FW. Waga czynników technicznych bardziej uwypukla się, jeżeli częściej i dłużej panują warunki wiatrowe sprzyjające produkcji energii elektrycznej w lokalizacji FW [1]. Za sprzyjające warunki wiatrowe należy uważać zakres prędkości wiatru, w którym energia wiatru może być przetwarzana na energię elektryczną. Topologia sieci wewnętrznej i niezawodność urządzeń decydują o gotowości do wytwarzania i przekazywania energii elektrycznej z poszczególnych EW do sieci zewnętrznej, w tym również w warunkach rozprzestrzeniania się uszkodzeń na urządzenia sąsiednie. Rozprzestrzenianie się uszkodzeń może zachodzić, np. w sytuacji: (i) zawodności (zadziałania brakującego) zabezpieczenia elektroenergetycznego (ZE) lub (ii) takiej lokalizacji wyłączników i ZE w sieci wewnętrznej, która nie pozwala na wyłączenie jedynie urządzenia uszkodzonego. Konsekwencją rozprzestrzeniania się uszkodzeń może być konieczność wyłączenia całej gałęzi zawierającej urządzenie dotknięte uszkodzeniem lub całej FW. Jedną z użytecznych ilościowych miar niezawodności FW może być rozkład prawdopodobieństwa występowania kombinacji stanów gotowości EW. Stan gotowości danej EW oznacza jej gotowość do produkcji energii elektrycznej i przekazywania jej

do zewnętrznej sieci elektroenergetycznej, co oznacza zdatność EW oraz pozostałych urządzeń niezbędnych do przekazania energii do sieci zewnętrznej. Miarę tę można wykorzystywać m.in. do analizy wpływu różnych topologii FW i niezawodności urządzeń farmy na jej niezawodność oraz do wyznaczania wartości oczekiwanej mocy farmy z uwzględnieniem niezawodności. Wiedza ta może być przydatna w analizie niezawodności wytwarzania energii elektrycznej. W literaturze można znaleźć kilka różnych modeli niezawodności FW, które były wykorzystane m.in. do odwzorowania niezawodności FW w modelach ilościowo opisujących charakterystyki mocy i energii wytwarzanej przez EW i FW [2–7]. Modele te cechuje uproszczone odwzorowanie wpływu wielu czynników na niezawodność FW. W artykule przedstawiono modele probabilistyczne, które w większym stopniu niż dotychczas uwzględniają istotne czynniki decydujące o niezawodności FW i umożliwiają wyznaczanie rozkładu prawdopodobieństwa występowania kombinacji stanów gotowości EW wchodzących w skład farmy. Do sformułowania tych modeli wykorzystano BN i PSM. Za pomocą BN odwzorowano niezawodność FW, uwzględniającą topologię sieci wewnętrznej oraz charakterystyki ilościowe opisujące niezawodność poszczególnych urządzeń farmy. Do wyznaczania tych charakterystyk zastosowano PSM, których parametrami są parametry niezawodnościowe urządzeń. 2. Wykorzystanie sieci Bayesowskich do modelowania niezawodności farmy wiatrowej Podstawy metodologiczne modelowania probabilistycznego z wykorzystaniem BN można znaleźć w literaturze, m.in. w [8–9]. Sformułowanie modelu opisującego

niezawodność FW obejmuje następujące elementy: (i) ustalenie węzłów sieci, (ii) utworzenie struktury sieci, (iii) sformułowanie tabel prawdopodobieństw warunkowych (TPW) dla węzłów i (iv) zadanie prawdopodobieństw wystąpienia poszczególnych stanów niezawodnościowych urządzeń FW reprezentowanych przez węzły źródłowe. Ustalenie węzłów sieci dotyczy: (i) węzłów źródłowych, (ii) węzłów pośrednich reprezentujących kombinacje stanów niezawodnościowych węzłów rodziców dla tych węzłów i (iii) węzła typu liść, reprezentującego niezawodność FW. Węzłom źródłowym przypisane są TPW, zawierające prawdopodobieństwa wystąpienia stanów niezawodnościowych urządzeń. Liczba stanów dla danego urządzenia zależy od jego rodzaju i umiejscowienia w strukturze wewnętrznej FW. Celowe jest rozróżnienie urządzeń o: (i) dwóch stanach – „zdatne” i „niezdatne” oraz (ii) trzech stanach – „zdatne”, „niezdatne” i „niezdatne z rozprzestrzeniającym się uszkodzeniem”. Wyodrębnienie urządzeń o trzech stanach jest spowodowane występowaniem zadziałań brakujących ZE prowadzących do wyłączania urządzeń niedotkniętych uszkodzeniem, np. zamiast wyłączenia uszkodzonej EW musi być wyłączona gałąź zawierająca tę i inne EW przyłączone do tej gałęzi. Węzłom pośrednim i typu liść przypisane są TPW zawierające warunkowe prawdopodobieństwa wystąpienia stanów niezawodnościowych, wynikających z możliwych kombinacji stanów uwzględnionych w węzłach rodzicach. Podobnie jak w przypadku węzłów źródłowych, węzły pośrednie mogą uwzględniać dwa lub trzy rodzaje stanów. Natomiast TPW przypisana do węzła typu liść zawiera wszystkie kombinacje stanów gotowości/niegotowości EW. Stan gotowości „1” EW oznacza, że zdatna jest EW i urządzenia w przynajmniej jednej

R. A. Sobolewski | Acta Energetica 3/24 (2015) | translation 71–76

gałęzi sieci wewnętrznej, dzięki którym możliwe jest przekazywanie wytworzonej energii do sieci zewnętrznej. Stan niegotowości „0” oznacza stan przeciwny w stosunku do stanu „1”. Utworzenie struktury sieci obejmuje zadanie wszystkich węzłów sieci i połączenie ich krawędziami adekwatnie do: uwzględnianych w modelu urządzeń FW, topologii jej sieci wewnętrznej i kombinacji stanów niezawodnościowych urządzeń farmy. Sformułowanie TPW węzłów pośrednich i węzła typu liść polega na wypełnieniu ich wartościami prawdopodobieństw „0” lub „1” w taki sposób, aby zależności na prawdopodobieństwa warunkowe wystąpienia poszczególnych stanów reprezentowanych przez te węzły odwzorowywały występowanie możliwych kombinacji stanów węzłów rodziców. W przypadku węzłów pośrednich wartości w TPW mogą odpowiadać dysjunkcji i koniunkcji stanów węzłów rodziców lub też innym kombinacjom stanów urządzeń. 3. Wykorzystanie procesów semi-Markowa do modelowania niezawodności urządzeń FW Podstawy metodologiczne modelowania probabilistycznego z wykorzystaniem PSM można znaleźć w literaturze [10–11]. Wykorzystanie PSM do wyznaczania prawdopodobieństw rozpatrywanych stanów niezawodnościowych urządzeń FW umożliwia: (i) opisanie czasów do uszkodzenia i czasów odnowy urządzeń dowolnymi rozkładami probabilistycznymi oraz (ii) uwzględnienie kolejności występowania uszkodzeń urządzeń. Druga cecha pozwala na właściwe odwzorowanie w modelu stanów niezawodnościowych związanych z wyłączeniami potrzebnymi i brakującymi ZE. Dzięki temu możliwe jest wyznaczanie prawdopodobieństw występowania stanów niezawodnościowych urządzeń FW, związanych z zadziałaniami brakującymi ZE, które powodują rozprzestrzenianie się uszkodzeń i konieczność wyłączania urządzeń sąsiednich w stosunku do urządzenia dotkniętego uszkodzeniem. W modelu założono, że: (i) urządzenie może się znajdować albo w stanie zdatności albo niezdatności, (ii) ZE może się znajdować w stanie zdatności albo niezdatności (ZE obejmuje zabezpieczenie i wyłącznik realizujący wyłączenie uszkodzonego urządzenia), (iii) po wystąpieniu uszkodzenia w urządzeniu i jednoczesnej zdatności ZE ma miejsce wyłączenie urządzenia (zadziałanie potrzebne), (iv) po wystąpieniu uszkodzenia w urządzeniu przy niezdatnym ZE urządzenie nie jest wyłączane przez ZE (zadziałanie brakujące) lecz przez zabezpieczenie rezerwowe oraz (v) pomija się zadziałania zbędne ZE i występowanie uszkodzeń ZE w momencie pojawienia się uszkodzenia w chronionym urządzeniu. Stany PSM są zdefiniowane następująco: S0 – urządzenie i ZE są zdatne, S1 – urządzenie jest niezdatne i ZE jest zdatne, S2 – urządzenie jest zdatne i ZE jest niezdatne, S3 – urządzenie i ZE są niezdatne. Jeśli przyjąć, że czasy do uszkodzenia urządzenia i ZE oraz odnowy urządzenia i ZE opisane są rozkładem wykładniczym, to prawdopodobieństwa wystąpienia poszczególnych stanów mają postać:

gdzie: λ – intensywność uszkodzeń urządzenia, θ – intensywność uszkodzeń ZE, γ – intensywność odnowy urządzenia, ξ – intensywność odnowy ZE.

W przypadku urządzeń o dwóch stanach niezawodnościowych prawdopodobieństwa tych stanów w węzłach źródłowych BN wyrażone są następującymi wzorami: • prawdopodobieństwo tego, że urządzenie jest zdatne

Wartość oczekiwana mocy EW [kW]

Prędkość wiatru w lokalizacji EW1 a priori

υ1 = [3–4)

υ1 = [5–6)

υ1 = [7–8)

υ1 = [9–10)

υ1 = [11–12)

E[PEW1]

519,3

100,2

256,4

640,6

1235,6

1794,4

E[PEW2]

581,4

111,8

306,7

740,0

1354,8

1819,6

E[PEW3]

527,4

108,8

270,0

659,8

1214,4

1709,2

E[PEW4]

505,3

110,7

261,6

616,7

1141,2

1654,4

Procentowa różnica między min. i max

15,0%

11,6%

19,6%

20,0%

18,7%

10,0%

Tab. 1. Wartości oczekiwane mocy EW wyznaczone dla różnych prędkości wiatru w lokalizacji EW1

Oznaczenia: L1 i L2 – linie kablowe, W1, W2 – wyłączniki w polach liniowych, WE1, WE2, WE3 i WE4 – wyłączniki EW, TG – transformator SN/WN, WG1 i WG2 – wyłączniki transformatora TG, TU – transformator uziemiający i potrzeb własnych SN/nn, WU – wyłącznik transformatora TU, SZ – szyny zbiorcze, SIEC EE – sieć elektroenergetyczna zewnętrzna Rys. 1. Schemat sieci wewnętrznej FW o topologii promieniowej

R. A. Sobolewski | Acta Energetica 3/24 (2015) | translation 71–76

• prawdopodobieństwo tego, że urządzenie jest niezdatne

Natomiast w przypadku urządzeń o trzech stanach niezawodnościowych, prawdopodobieństwa tych stanów w węzłach źródłowych BN opisują wzory: • prawdopodobieństwo tego, że urządzenie jest zdatne

• prawdopodobieństwo tego, że urządzenie jest niezdatne

• prawdopodobieństwo tego, że urządzenie jest niezdatne i wystąpiło zadziałanie brakujące ZE

4. Przykład obliczeniowy Przykład obliczeniowy dotyczy analizy niezawodności FW o dwóch topologiach sieci wewnętrznej (promieniowej i pierścieniowej), obejmującej wyznaczenie: (i) rozkładu prawdopodobieństwa kombinacji stanów gotowości EW wchodzących w skład FW oraz (ii) wartości oczekiwanej mocy FW z uwzględnieniem jej niezawodności dla różnych prędkości wiatru w lokalizacji EW1. FW zlokalizowana jest w Polsce i składa się z czterech EW, każda o mocy znamionowej PRi = 2 MW (i = 1, 2, 3, 4). Założono, że czasy do uszkodzenia i odnowy urządzeń FW są opisane rozkładami wykładniczymi i znane są parametry tych rozkładów. Wartości oczekiwane mocy EW wyznaczono na podstawie rzeczywistych danych zarejestrowanych w odstępach 10-minutowych, w okresie od stycznia do czerwca 2012 roku. Liczba danych użytych w obliczeniach wyniosła 21 282 rekordów. Wyznaczone wartości oczekiwane mocy wytwarzanej przez EW, dla prędkości wiatru a priori i dla założonych prędkości wiatru w lokalizacji EW1, przedstawiono w tab. 1. Wartości oczekiwane mocy EW zamieszczone w tab. 1 uzyskano na podstawie modelu w postaci sieci Bayesowskiej, przy czym jej struktura i parametry węzłów zostały wyznaczone w procesie uczenia sieci. W tab. 1 wartości oczekiwane mocy EW wyróżniono różnymi kolorami po to, aby zobrazować kolejność wartości od najmniejszej do największej dla danej prędkości wiatru, tj. wartość min. – żółty, wartość druga po min. – zielony, wartość trzecia po min. – błękitny i wartość max – czerwony. Można zauważyć, że pomimo jednakowej mocy znamionowej EW wartości oczekiwane ich mocy dla danej prędkości wiatru są: (i) różne i (ii) może się zmieniać ich kolejność w przedziale od min. do max. W ostatnim wierszu tab. 1 pokazano procentową różnicę pomiędzy wartością min. i max. dla danej prędkości wiatru. Różnica ta osiąga nawet 20% przy prędkości wiatru υ1 = [7–8). Na rys. 1 przedstawiono schemat promieniowej topologii wewnętrznej sieci FW. Jest ona najprostszą konfiguracją charakteryzującą się relatywnie małą długością kabli.

Oznaczenia: L1 i L2, L3 i L4 – linie kablowe, W3, W4 i W5 – wyłączniki sekcyjne. Pozostałe oznaczenia jak na rysunku 1 Rys. 2. Schemat sieci wewnętrznej FW o topologii pierścieniowej

Kombinacja EW jednocześnie znajdujących się w stanie zdatności

Prawdopodobieństwo wystąpienia kombinacji EW jednocześnie znajdujących się w stanie zdatności Topologia promieniowa

Topologia pierścieniowa

EW1iEW2iEW3iEW4

0,996573

0,996491

EW1iEW2iEW3

0,000489

0,000788

EW1iEW2iEW4

0,000489

0,000788

EW1iEW2

0,000516

6,23 · 10-7

EW1iEW3iEW4

0,000489

0,000747

EW1iEW3

2,39 · 10-7

5,90 · 10-7

EW1iEW4

2,39 · 10-7

5,13 · 10-7

EW1

2,53 · 10-10

7,80 · 10-8

EW2iEW3iEW4

0,000489

0,000747

EW2iEW3

2,39 · 10-7

5,13 · 10-7

EW2iEW4

2,39 · 10-7

5,90 · 10-7

EW2

2,53 · 10-10

7,80 · 10-8

EW3iEW4

0,000516

4,93 · 10-7

EW3

2,53 · 10-10

3,51 · 10-10

EW4

2,53 · 10-10

3,51 · 10-10

BRAK

0,000438

0,000436

Tab. 2. Wartości prawdopodobieństwa wystąpienia kombinacji EW jednocześnie znajdujących się w stanie zdatności (niezawodność a priori elementów FW) dla promieniowej i pierścieniowej topologii sieci wewnętrznej

R. A. Sobolewski | Acta Energetica 3/24 (2015) | translation 71–76

Rys. 3. BN odwzorowująca strukturę niezawodnościową FW o promieniowej topologii sieci wewnętrznej. Oznaczenia węzłów źródłowych zgodne z oznaczeniami na rys. 1. Pozostałe oznaczenia węzłów w tekście

Rys. 4. BN odwzorowująca strukturę niezawodnościową FW o pierścieniowej topologii sieci wewnętrznej. Oznaczenia węzłów źródłowych zgodne z oznaczeniami na rys. 2. Pozostałe oznaczenia węzłów w tekście

Największym jej mankamentem jest stosunkowo niska niezawodność wynikająca przede wszystkim z konieczności wyłączania całej gałęzi zawierającej kilka lub kilkanaście EW z powodu występowania uszkodzeń niektórych urządzeń w tej gałęzi, m.in. kabli, wyłączników. Rysunek 2 przedstawia schemat pierścieniowej topologii wewnętrznej sieci FW. Zasadnicza różnica w stosunku do topologii promieniowej polega na zamknięciu pierścienia kablowego i dodaniu wyłączników sekcyjnych w liniach kablowych. Pociąga to za sobą zwiększenie sumarycznej długości kabli. W zamian uzyskuje się wyższą niezawodność sieci, gdyż wyłączenia uszkodzonych urządzeń z reguły nie powodują konieczności wyłączania całej gałęzi zawierającej kilka lub kilkanaście EW. Na rys. 3 przedstawiono BN odwzorowującą strukturę niezawodnościową FW o promieniowej topologii sieci wewnętrznej. Oznaczenia węzłów źródłowych odnoszą się do oznaczeń urządzeń FW (rys. 1). Węzły

1_2 i 3_4 są to węzły pośrednie odwzorowujące kombinacje stanów niezawodnościowych urządzeń EW1, EW2, L1, EW3, EW4 i L2. Węzeł OUTPUT jest węzłem, który uwzględnia kombinacje stanów węzłów 1_2, 3_4, TG i TU+SZ. Na rys. 4 przedstawiono BN odwzorowującą strukturę niezawodnościową FW o pierścieniowej topologii sieci wewnętrznej. Oznaczenia węzłów źródłowych odnoszą się do oznaczeń urządzeń wchodzących w skład FW (rys. 2). Węzły EW1L1, EW2L2, EW3L3 i EW4L4 są to węzły pośrednie odwzorowujące kombinacje stanów urządzeń reprezentowanych przez węzły źródłowe odpowiednio EW1 i L1, EW2 i L2, EW3 i L3 oraz EW4 i L4. Węzły 1_2_3, 1_2_4, 1_3_4 i 2_3_4 są to węzły pośrednie odwzorowujące stany węzłów EWxLx (x = 1, 2, 3, 4). Węzły 1P, 1L, 1, 2, 3 i 4 są również węzłami pośrednimi, przy czym cztery ostatnie reprezentują kombinacje stanów EWx i pozostałych urządzeń sieci wewnętrznej, niezbędnych do przekazania mocy z EWx do sieci zewnętrznej. Węzeł OUTPUT uwzględnia kombinacje stanów węzłów x.

Parametry rozkładów czasu do uszkodzenia i odnowy urządzeń FW są następujące: • i nte ns y w no ś c i us z ko d z e ń EW i λEWx = 0,09 1/rok • i n t e n s y w n o ś c i u s z k o d z e ń L j λLx = 0,08 1/rok (w przypadku linii kablowych w wewnętrznej sieci farmy o topologii promieniowej) i λLx = 0,04 1/rok (w przypadku linii kablowych w wewnętrznej sieci farmy o topologii pierścieniowej) • i n t e n s y w n o ś ć u s z k o d z e ń T G λTG = 0,02 1/rok • intensywność uszkodzeń TU i SZ λTU+SZ = 0,03 1/rok • intensywność uszkodzeń zabezpieczeń elektroenergetycznych θZE = 0,005 1/rok • intensywność odnowy γU = 182,5 1/rok (średni czas odnowy 48 godz.) – dotyczy urządzeń: EWx, Lx, TG oraz TU i SZ • i n t e n s y w n o ś ć odnowy ZE ξZE = 121,667 1/rok (średni czas odnowy 72 godz.). Tabela 2 przedstawia wyznaczone wartości prawdopodobieństw wystąpienia kombinacji EW, jednocześnie znajdujących się w stanie zdatności dla promieniowej i pierścieniowej topologii sieci wewnętrznej FW. Z tab. 2 wynika, że w obu przypadkach topologii sieci wewnętrznej prawdopodobieństwo wystąpienia wszystkich EW (tj. EW1iEW2iEW3iEW4) znajdujących się w stanie zdatności jest największe w stosunku do prawdopodobieństw wystąpienia innych kombinacji. Prawdopodobieństwo to jest o 0,0082% większe dla topologii promieniowej w porównaniu z topologią pierścieniową. Najmniejsze wartości prawdopodobieństwa obserwowane są dla pojedynczych kombinacji EW. O wyższej niezawodności topologii pierścieniowej w stosunku do promieniowej mogą świadczyć większe prawdopodobieństwa wystąpienia kombinacji EW jednocześnie znajdujących się w stanie zdatności w odniesieniu do trzech EW i niższe prawdopodobieństwo braku przynajmniej jednej EW (kombinacja BRAK w tab. 2). Analiza niezawodności FW może być również związana z wyznaczaniem prawdopodobieństw wystąpienia kombinacji EW, jednocześnie znajdujących się w stanie zdatności, przy założeniu niezdatności jednego lub więcej urządzeń. Wyznaczone wartości prawdopodobieństwa wystąpienia liczby EW jednocześnie znajdujących się w stanie zdatności przy założeniu niezdatności EW1 i L1 przedstawia tab. 3. Korzystając z wyznaczonych wartości oczekiwanych mocy EW (tab. 1) i obliczonych prawdopodobieństw kombinacji EW, znajdujących się jednocześnie w stanie zdatności (tab. 2 i 3), można wyznaczyć wartości oczekiwane mocy FW. Tabela 4 przedstawia wartości oczekiwane mocy FW o promieniowej i pierścieniowej topologii sieci wewnętrznej, wyrażone w procentach wartości oczekiwanej mocy FW (uwzględniającej pełną zdatność urządzeń farmy). Z tab. 4 wynika, że warianty niezawodności urządzeń FW (a priori, niezdatna EW1, niezdatna L1) w różnym stopniu wpływają na wartość oczekiwaną mocy. Wpływ ten zależy również od przyjętej topologii

R. A. Sobolewski | Acta Energetica 3/24 (2015) | translation 71–76

Kombinacja EW jednocześnie znajdujących się w stanie zdatności

Prawdopodobieństwo wystąpienia kombinacji EW jednocześnie znajdujących się w stanie zdatności, przy niezdatnej EW1

Prawdopodobieństwo wystąpienia kombinacji EW jednocześnie znajdujących się w stanie zdatności, przy niezdatnej L1

Topologia promieniowa

Topologia pierścieniowa

Topologia promieniowa

Topologia pierścieniowa

EW2iEW3iEW4

0,997102

0,997238

0,997279

EW2iEW3

0,000489

0,000789

0,000489

EW2iEW4

0,000489

0,000789

0,000788

EW2

0,000516

6,88 · 10-7

0,000300

EW3iEW4

0,000964

0,000747

0,998108

0,000489

EW3

4,72 · 10-7

5,91 · 10-7

0,000489

2,40 · 10-7

EW4

4,72 · 10-7

5,13 · 10-7

0,000489

3,86 · 10-7

BRAK

0,000438

0,000436

0,000913

0,000654

Tab. 3. Wartości prawdopodobieństwa wystąpienia liczby EW jednocześnie znajdujących się w stanie zdatności, przy założeniu niezdatności EW1

Topologia wewnętrznej sieci FW/ wariant niezawodności urządzeń FW

Prędkość wiatru w lokalizacji EW1 a priori

υ1 = [3–4)

υ1 = [5–6)

υ1 = [7–8)

υ1 = [9–10)

υ1 = [11–12)

Promieniowa/a priori

99,86%

Pierścieniowa/a priori

99,88%

Promieniowa/niezdatna EW1

75,55%

76,67%

76,47%

75,78%

74,91%

74,18%

Pierścieniowa/niezdatna EW1

75,57%

76,69%

76,49%

75,80%

74,93%

74,19%

Promieniowa/niezdatna L1

48,34%

50,80%

48,49%

47,97%

47,56%

48,14%

Pierścieniowa/niezdatna L1

75,55%

76,67%

76,47%

75,78%

74,91%

74,18%

Wartość oczekiwana mocy FW z uwzględnieniem zdatności urządzenia [kW]

2133,4

431,5

1094,7

2657,1

4946,0

6977,7

Tab. 4. Wartości oczekiwane mocy FW dla różnych stanów niezawodnościowych urządzeń FW i różnych prędkości wiatru w lokalizacji EW1, wyrażone w procentach wartości oczekiwanej mocy uwzględniającej pełną zdatność urządzeń farmy

sieci wewnętrznej i założonej prędkości wiatru. W wariancie niezawodności urządzeń FW można się spodziewać niewielkiego obniżenia wartości oczekiwanej mocy w stosunku do wartości podanej w ostatnim wierszu tab. 4, przy czym dla topologii promieniowej wynosi ono 0,14%, natomiast dla pierścieniowej 0,12%. W przypadku topologii promieniowej niezdatność EW1 powoduje obniżenie mocy od 23,53% przy υ1 = [3–4) do 25,82% przy υ1 = [11–12). Natomiast w przypadku topologii pierścieniowej obniżenie mocy w obu przypadkach prędkości wiatru jest o 0,02% mniejsze w stosunku do promieniowej. Niezdatność L1 skutkuje obniżeniem mocy od 49,20% przy υ1 = [3–4) do 52,44% przy υ1 = [9–10) – dla topologii promieniowej i od 23,33% przy υ1 = [3–4) do 25,82% przy υ1 = [11–12) – dla topologii pierścieniowej. 5. Zakończenie W referacie zaprezentowano modele probabilistyczne wykorzystujące BN i PSM przeznaczone do analizy niezawodności FW o różnych topologiach sieci wewnętrznej. Główną zaletą modeli jest uwzględnienie najważniejszych czynników technicznych, decydujących o gotowości EW

do wytwarzania energii elektrycznej i przekazywania jej do zewnętrznej sieci elektroenergetycznej. Ważną cechą opracowanych modeli jest również łatwe wnioskowanie dotyczące prawdopodobieństw kombinacji EW, jednocześnie znajdujących się w stanie zdatności, dla zadanych stanów niezawodnościowych wybranych urządzeń FW. Wyznaczane prawdopodobieństwa można również z powodzeniem wykorzystywać do obliczania wartości oczekiwanej mocy FW uwzględniającej jej niezawodność. Bibliografia 1. Sobolewski R.A., Analiza niezawodności układu wytwórczo-przyłączeniowego turbiny wiatrowej wykorzystująca kryterium ekonomiczne zawodności, Przegląd Elektrotechniczny 2010, r. 86, nr 10, s. 324–329. 2. Sannino A., Breder H., Nielsen E.K., Reliability of collection grids for large offshore wind parks, 9th International Conference on Probabilistic Methods Applied to Power Systems KTH, Stokholm, Sweden, 11–15 June 2006.

3. Quinonez-Varela G. i in., Electrical collector system options for large offshore wind farms, IET Renewable Power Generation 2007, No. 1 (2), s. 107–114. 4. Bahirat H.J., Mork B.A., Hoidalen H.K., Comparison of wind farm topologies for offshore applications, IEEE Power and Energy Society General Meeting 2012. 5. Segura-Heras I., Escriva-Escriva G., Alcazar-Ortega M., Wind farm electrical power production model for load flow analysis, Renewable Energy 2011, No. 36, s. 1008–1013. 6. Mabel M.C., Raj R.E., Fernandez E., Analysis on reliability aspects of wind power, Renewable and Sustainable Energy Reviews 2011, No. 15, s. 1210–1216. 7. Ali M., Matevosyan J., Milanovic J.V., Probabilistic assessment of wind farm annual energy production, Electric Power Systems Research 2012, No. 89, s. 70–79. 8. Darwiche A., Modeling and reasoning with Bayesian networks, Cambridge University Press 2009. 9. Kjaerulff U.B., Madsen A.L., Bayesian Networks and Influence Diagrams. A Guide to Construction and Analysis, Springer.

R. A. Sobolewski | Acta Energetica 3/24 (2015) | translation 71–76

10. Grabski F., Semi-Markowskie modele niezawodności i eksploatacji, Seria: Badania Systemowe, tom 30, Polska Akademia Nauk, Instytut Badań Systemowych, Warszawa 2002. Robert Adam Sobolewski

11. Howard R.A., Dynamic Probabilistic Systems, Vol. II: Semi-Markov and Decision Processes, Dover Books on Mathematics, 2007.

dr inż. Politechnika Białostocka e-mail: r.sobolewski@pb.edu.pl Studia odbył na Wydziale Elektrycznym Politechniki Białostockiej, stopień naukowy doktora nauk technicznych uzyskał na swoim macierzystym wydziale (2002). Jego zainteresowania badawcze to: wyznaczanie charakterystyk probabilistycznych oraz prognozowanie mocy i energii wytwarzanej przez farmy wiatrowe, analiza niezawodności wytwarzania energii elektrycznej przez farmy wiatrowe oraz niezawodności systemów elektroenergetycznych, zastosowanie procesów stochastycznych i sieci Bayesowskich w elektroenergetyce.

P. Sokólski et al. | Acta Energetica 3/24 (2015) | 83–90

Advanced Control Structures of Turbo Generator System of Nuclear Power Plant

Authors Paweł Sokólski Karol Kulkowski Anna Kobylarz Kazimierz Duzinkiewicz Tomasz A. Rutkowski Michał Grochowski

Keywords turbo generator, steam turbine, synchronous generator, nuclear power plant, fuzzy control

Abstract In the paper a synthesis of advanced control structures of turbine and synchronous generator for nuclear power plant working under changing operating conditions (supplied power level) is presented. It is based on the nonlinear models of the steam turbine and synchronous generator cooperating with the power system. The considered control structure consists of multi-regional fuzzy control systems with local linear controllers, including PID controllers, in particular control loops of turbine and generator. Soft switching between the local controllers is performed by the Takagi-Sugeno-Kang fuzzy logic mechanism. Parameters of the local controllers were optimally tuned for a priori chosen operating points within the range of 50–100% of nominal active power generated by the synchronous generator. Simulation results show that proposed advanced control structure is superior to widely used classic control structure (local controllers tuned for nominal operating points). During simulations the data of the real devices was used, respectively for the 4 CK 465 steam turbine and synchronous generator GTHW-600, which were planned to be used in the first Polish nuclear power plant in Żarnowiec.

DOI: 10.12736/issn.2300-3022.2015308

1. Introduction These days the Nuclear Power Plant (NPP) as well as its subsystems such as turbo generator are often forced to work under varying power demand conditions, which necessitates control within a wide operating range. Efficient and effective control of a turbo generator in such conditions is more difficult comparing with traditionally operating in a constant nominal operating point (linear controllers) and calls for more advanced algorithms which are able to meet the demands of changing working conditions of a turbogenerator. A turbogenerator is a multi-input multi-output (MIMO) nonlinear system. In order to cope with such a kind of system, the control structure consisting of multi PI controllers and multi compensators are proposed. Local controllers (turbine) and compensators (generator) are smoothly switched accordingly to changes of an operating point (turbogenerator active power). The switching process is supervised by Takagi-Sugeno-Kang (TSK) fuzzy reasoning mechanism. The local controllers and compensators parameters are tuned to prescribed operating points, by using optimization procedure minimizing error trajectories of generator voltage, active power and rational speed

of the generator shaft. That structure ensures high control quality while meeting the demand of changing working conditions of a turbogenerator. The considered issue is to guarantee optimal operation of the control system (minimizing the integral squared error multiplied by the time – the ITSE criterion) for a wide range of changes in the operating point for keeping the active power trajectory, voltage stabilization and damping the oscillation of the generator shaft. The article presents the results of the turbogenerator simulation with surges in demand for active power using the proposed fuzzy controller structures for both the turbine and the generator. Their efficiency is compared with the classic turbogenerator control structure local controllers tuned for nominal operating conditions.

2. Power system model A single machine infinite bus model of the power system for evaluating the proposed control structure is considered (Fig. 1). It consists of a steam turbine, synchronous generator, transformer, transmission line and power system (power network). The mathematical model of each element of considered power system 83

P. Sokólski et al. | Acta Energetica 3/24 (2015) | 83–90

Fig. 1. Turbogenerator connected to the Power System by transformer and power line with control systems

Fig. 2. Steam turbine scheme (Mi – mass flow, Pi – pressure, Ti – temperature, Ni – theoretical power, Tm – torque)

structure is briefly described in farther sections. The control structure of the turbogenerator system is shown in Fig. 1. a) Steam turbine model The scheme of the steam turbine model, previously introduced in [1], is shown in Fig. 2. Pressure on the inlet of steam turbine control valve P and degree of opening of control valve αi are the inputs of the considered model. The degree of control valve opening is defined as percentage of opened area of the valve. The dynamic nonlinear model of steam turbine consists of sub models based on the characteristic parts of steam turbines built for NPP with high pressure and low pressure parts as well as reheater and moisture separator located between them. The turbine is controlled by throttling the control valve on the input of high pressure part. Additionally a dynamic of control valve actuator was modelled with usage of the first degree inertia [1]. The mutual variable which connects the presented steam turbine with the generator is turbine torque Tm which is directly bound with actual steam turbine power and the derivative of rotational speed of the shaft (which nominal value was assumed as 50 RPM). 84

b) Model of synchronous generator connected to the Power System A fifth-order non-linear model of a synchronous generator cooperating with power system in dq0 coordinates (Park transform) was used [2]. The infinite stiffness of the power system was assumed. Input variables of the generator are: mechanical torque on the shaft Tm, the excitation voltage Uw, the generator voltage Us and frequency related to the generator cooperation with PS (Power System). The output values are: the generator current Ig (defining generators impact on the PS), active and reactive powers Pg and Qg and the rotational speed of the generator shaft ωs (Fig. 3). The changing environment in which generator operates, is defined as the change of generator input variables values due to the work of PS (fault conditions will not be considered). This means: a change of active power demand (change of mechanical torque on the shaft of the generator), reactive power (change of excitation voltage) and changes in PS, such as changing value and/or frequency of the system voltage.

P. Sokólski et al. | Acta Energetica 3/24 (2015) | 83–90

Fig. 3. Generator – Transformer – Line – Power System scheme

In the case study, steam turbine 4 CK 465 and synchronous generator GTHW-600 parameters were used.

3. Control structure The operation of the generator can be influenced by changes in the rotational speed of the shaft and a change in the excitation voltage. Turbine controller (governor) is responsible for maintaining the synchronous speed by changing the steam flow which regulates drive torque of the generator shaft. This speed changes are associated with the change of the active power load of the generator. Reactive power load influences the generator voltage. The generator excitation control system is responsible for maintaining the voltage proper value. Taking into account system nonlinearities, it is necessary to develop a control strategy which is relatively insensitive to changing operating conditions. One possible solution for this, in order to ensure high control quality, is simultaneous use of different linear controllers for different active power levels. The problem is how to determine the control value for the power values between those operating points. Takagi-Sugeno-Kang (TSK) fuzzy reasoning mechanism was chosen to be the tool for its determination, by weighting the switched controllers’ outputs depending on the active power level of the generator. Structure of a turbogenerator control system is presented in Fig. 1, while structures of proposed fuzzy governor and fuzzy excitation controller are presented in Fig. 4.

The inputs of the fuzzy turbine controller are: reference power Pgref and measured electrical power output of the turbogenerator Pg and valve open angle α is the controller’s output (Fig. 4a). The excitation control system input consists of measured electrical power output of the turbogenerator Pg, reference voltage Vgref and measured voltage Vg and rotor speed deviation. Excitation voltage is the control output of the controller (Fig. 4b). This enables for a smooth transition between the two systems of regulation by calculating their output weighted average. Hence, the output of the control system is the resultant of outputs of local optimally tuned controllers for neighbouring operating points. The fuzzy controllers’ output, for turbine and generator respectively, area normalized weighted average of the outputs of developed local controllers:

(1)

where: µk – membership function value of the k-th control system, yk–k-th control system output vector, M – number of selected operating points. The current value of µk and yk is calculated on the basis of the state of the object. The output value of the fuzzy controller is therefore dependent on the shape of membership function (Fig. 5). In this case, trapezoidal membership functions were selected for both controllers. These functions were chosen in such a way that for any level of active power their sum was equal one. Fuzzy turbine controller consists of a number of PI controllers equal to number of chosen operating points. Based on a generally used and accepted control method a throttling control of the pressure on the inlet of steam turbine was proposed [3] with tracking the power of generator [4] with structure presented in Fig. 4a. Each PI controller was tuned optimally, minimizing ITSE criterion, for one of the operating points. It is important to follow the electrical power demand and therefore not the turbine power but generator’s active power is taken under consideration while calculating controllers output. A typical excitation control system consists of a controller of the excitation voltage, limiters and power system stabilizer unit [5].

Fig. 4. Fuzzy turbine controller: (a) and fuzzy excitation controller, (b) structures (CU – compensation unit) 85

P. Sokólski et al. | Acta Energetica 3/24 (2015) | 83–90

Fig. 5. Membership functions

Power System Stabilizer (PSS) is a correction unit that affects the excitation voltage controller set point. The automatic voltage control of a generator can weaken the oscillations dumping by inducing additional currents opposing currents induced by rotor speed deviation. Correction introduced by the PSS is calculated based on the rotor speed, frequency or active power, adds an additional control loop to the system and is used to damp this rotor oscillations [6]. A basic PSS is a single bound lead-lag filters cascade [5]. In order to address more than one bound multi-track multi-bound PSS models are proposed [5]. To cover different bounds for different operating points (active power levels) a fuzzy stabilizing unit consisting of a set of softly switched simple filters (correction units in the form of lead/lag compensators [7]) is proposed (Fig. 4b):

(2)

when: T2>T1 it is called lag compensator, and when T2<T1 lead compensator and changes the phase characteristics accordingly. Optimal values of T1 and T2 parameters were chosen for different levels of the generator active power minimizing the shaft oscillations. Parameters of excitation system controller PI were chosen optimally for the nominal operating point. The stabilizing unit compensation has such a great influence on the whole fuzzy controller output that an extra soft switching of PI controller does not improve the system performance, therefore only one controller for Pg=100% was selected and tuned.

4. Optimal parameterisation As a criterion for the selection of optimal local controllers’ parameters the integral of the square sum of the deviation of voltage and speed derivative multiplied by time (ITSE) was selected. This criterion allows evaluating the accuracy of voltage stabilization and stabilization time taking into account increasing weight of error in the later moments of time. Unlike the ISE criterion (integral of squared error) it allows taking into account not only the amplitude of the oscillations occurring, but also the rate of damping (time acts as a weight). Optimal 86

parameters were found based on the solution of the following optimisation problem:

(3) regarding to: Kp, Ki> 0; T1, T2< 10; T1, T2> 0.001, turbogenerator model constraints, test trajectory of generator active power (varying around the selected operating point) and reference values of generator voltage and generator shaft speed, where: eU – generator voltage control error (Ugref – Ug), ep – generator active power control error (Pgref – Pg), dω – change in the generator shaft speed, t1, t2 – the time of a disturbance and end time of analysis, Kp, Ki – turbine PI controller parameters, T1, T2 – generator stabilizing unit parameters; a, b, c – weights. The objective function (3) consists of three weighted parts. The first part (a) corresponds with generator voltage error. It determines how strong the controller’s voltage stabilizing action is. The second part (b) is a part associated with changes in the rotational speed of the generator shaft allows to take into account shaft oscillations during controller tuning. These oscillations are caused by the action of the voltage controller and the faster the regulation of the voltage is, the greater oscillations appear. This means that the stabilization of the voltage and minimizing the oscillation of the shaft are mutually contradictory. In order to offset the effect of voltage control and shaft stabilization, scaling factors were added to achieve a compromise between these two control system activities. The last part (c) ensures the optimal tracking thanks to stair trajectory with 5% deviation from operating point used in optimization process. The goal of the research and experiment presented in this paper was to propose a control structure for the described problem and its efficiency comparison with classic solution. It was verified by digital simulation in a Matlab/Simulink environment. The optimal values of the controllers: proportional gain Kp and integral gain Ki of PI controller for the turbine and generator stabilizing unit parameters T1, T2 were found by solving a series of optimization

P. Sokólski et al. | Acta Energetica 3/24 (2015) | 83–90

tasks for selected operating points (50%, 75% and 100%) (3). Values of parameters for PI controller of fuzzy excitation controller were obtained for nominal operating point (100%). To calculate objective function fITSE value the system of turbogenerator equations must be solved considering a nonlinear system model expressed as a set of differential and algebraic equations (4).

(4)

Control structure Classic

Fuzzy

Active power

Turbine

Stabilizing unit T1

Generator

100%

1.4346*103

2.1381*103

3.5

100

50%

879.43

1791.80

3.4349

100

75%

1.3368*104

0.7795*104

100

100%

1.4346*103

2.1381*103

3.5

100

Tab. 1. Controllers’ parameters

The tuning of controllers’ and compensators’ parameters was carried out jointly in one optimizing task. The problem is generally referred to as a constrained nonlinear optimization problem. The interior point algorithm was used in the parameter optimization process. Particular optimization results, for selected operating points, are presented in Tab. 1.

5. Simulation tests results A comparison of proposed control method (section 3) and classic control, tuned for nominal conditions, was performed. In order to analyse the operation of designed control systems beyond

Fig. 6. Generator active power (Pg)

Fig. 7. Generator voltage (Ug) 87

P. Sokólski et al. | Acta Energetica 3/24 (2015) | 83–90

Fig. 8. Rotor speed deviation (dω)

Fig. 9. Excitation voltage (Efd)

Fig. 10. Valve opening degree (α) 88

P. Sokólski et al. | Acta Energetica 3/24 (2015) | 83–90

the operating point, the turbine power controller set point was changed stepwise within the range of 50–100% (Fig. 6). The results of the simulations are shown in Fig. 6–10. Fig. 6 presents generator active power. Classic control system fulfills its purpose only within the range closest to the local point for which it was tuned (100%). Proposed fuzzy control system decreases the time of adjustment by enhancement of oscillation dumping with only slightly greater overshoot on contrary to the classic controller. While the value of generator active power controlled with fuzzy controller softly converge to reference power trajectory (see Fig. 6, 53–55 seconds), the classic control system generates oscillations of the signal which causes the disturbances in the power system. Similar situation can be seen in Fig. 7 presenting the generator voltage. Classic control system results in an undamped oscillation and greater settling time and comparing with the fuzzy controller (see Fig. 7, 53–55 seconds). It is desired that the value of rotor speed deviation, presented in Fig. 8, is maintained constant and equal to the synchronous speed of the generator (50 Hz). The proposed fuzzy control system damps the oscillations of the rotor better than a classic controller hence the turbogenerator does not generate additional disturbances to the power system. Moreover, because of the aforementioned, the work of turbogenerator as a single unit works in more homogenous conditions what positively affects the wear of devices. Please note that presented values are normalized within the range from 0 to 1, so the rotor speed deviation is less than 2.5% in the case of a fuzzy control system. Control signals: excitation voltage and valve opening degree are shown respectively in Fig. 9 and in Fig. 10. The variability of both control signals generated by classic control structure (with an exception of a nominal operating point and its neighbourhood) is unacceptable when exploitation of actuator systems are taken into account. Proposed fuzzy control system deals with this variability by dumping the oscillations and decreasing the chattering of control signals within whole operating range. Regarding the ITSE (Integral of Time Squared Error) and ISE (Integral of Squared Error) criterions, simulation carried out showed that the proposed fuzzy controllers were proved to be slightly better than classic control system (Tab. 2). Besides the above, fuzzy controller on contrary to classic method, decreases the chattering of the control signal in both the steam turbine (Fig. 10) and synchronous generator (Fig. 9). The above leads to improvement in operation by decreasing the variation of

Objective function

Classic control structure

Fuzzy control structure

fITSE

145.2

144.3

fISE

0.6035

0.5985

the actuator what reduces the transients (Fig. 6), what increases the vitality of turbogenerator. It is desired to minimize the disturbances in power system, so the rotor speed should operate in the point as close to the synchronous speed as it is possible. The deviation of rotor speed was improved as illustrated in Fig. 8. Thanks to the aforementioned, the work of turbogenerator is steadier. In order to avoid disturbing the devices in power system the compensation unit was introduced. As it is given in Fig. 7, it allows to decrease the oscillations of generator voltage.

6. Conclusions Paper proposed an approach to design the multiregional fuzzy switched controllers of turbogenerator system that meets the assumed control objectives. For each region a classic PI controller and lead-lag compensator have been utilized. It was proposed to tune parameters of the controller and compensator in one optimizing task. In order to take into account not only the amplitude of the oscillations, but also the rate of damping, ITSE criterion was chosen to be minimized. Performance of designed multiregional fuzzy switched controller and one-region controller and compensator (tuned in nominal operation point – 100%) have been compared. Joined approach to parameters optimisation gave very satisfying results. Classic turbine PI controller coupled with generator compensator and PID controller efficiently controls the process even far from the nominal operating point. However, it is clearly seen that the further away from the nominal point, the worse the control quality is (oscillations, steady state error). Proposed control structure with fuzzy switched controllers and compensators allowed for significant decreasing of chattering of the control signals, with similar to classic controller values of ITSE and ISE criterions, in a wide range of operating conditions. This is very important because increases the lifetime of turbogenerator. The ongoing work focuses on improving the control structure parameters by incorporating the parameters into the optimization task, which define the shapes of the fuzzy functions and on optimal selection of weighting factors within the performance index. Acknowledgments This work was supported by the European Union project “INSPE – INNOVATIVE NUCLEAR AND SUSTAINABLE POWER ENGINEERING”. The authors wish to express their thanks for the support. REFERENCES

1. Duzinkiewicz K. et al., Dynamic model of nuclear power plant steam turbine, Archives of Control Sciences 2015, Vol. 25 (LXI), No. 1, pp. 5–26. 2. Lipo T.A., Analysis of Synchronous Machines, Taylor & Francis Group, Boca Raton, 2012. 3. Grote W., Ein Beitrag zur modellbasierten Regelung von Entnahmedampturbinen. Fakultät für Maschinen bau der RuhrUniversität Bochun, Bochun, Germany 2009 (in German).

Tab. 2. Objective function values 89

P. Sokólski et al. | Acta Energetica 3/24 (2015) | 83–90

4. Domachowski Z., Automatic cotrol of thermal turbine sets, Wydawnictwo Politechniki Gdańskiej, Gdańsk 2011 (in Polish). 5. IEEE Power Engineering Society, IEEE Recommended Practice for Excitation Systems Models for Power System Stability Studies, IEEE, New York, 2006.

6. Machowski J., Białek J., Bumby J., Power System Dynamics: Stability and Control, John Wiley& Sons, 2008. 7. Kaczorek T., The theory of automatic control systems, Vol. 1, Wydawnictwo Politechniki Warszawskiej, Warszawa 1972 (in Polish).

Paweł Sokólski Gdańsk University of Technology e-mail: psokolski@eia.pg.gda.pl PhD student at Gdańsk University of Technology at the faculty of Electrical and Control Engineering. His research is focused on nuclear power plants electrical power generation and cooperation with Power System. His professional work focuses on industrial informatics and SCADA systems.

Karol Kulkowski Gdańsk University of Technology | Warsaw University of Technology e-mail: kkulkow@eia.pg.gda.pl PhD student at Gdańsk University of Technology at the faculty of Electrical and Control Engineering and Control Engineering and at Warsaw University of Technology at the faculty of Power and Aeronautical Engineering. His PhD research is focused on fault detection and fault tolerant control in nuclear power plants.

Anna Kobylarz Gdańsk University of Technology | Warsaw University of Technology e-mail: akobylarz@eia.pg.gda.pl PhD student at Gdańsk University of Technology at the faculty of Electrical and Control Engineering and Control Engineering and at Warsaw University of Technology at the faculty of Power and Aeronautical Engineering. Her PhD focuses on control systems in nuclear power plants. Her research is focused on predictive control and computational intelligence.

Kazimierz Duzinkiewicz Gdańsk University of Technology e-mail: kazimierz.duzinkiewicz@pg.gda.pl He obtained his MSc degree in Electrical Engineering and PhD in Control Engineering from Faculty of Electrical and Control Engineering at the Gdańsk University of Technology (GUT), in 1973 and 1982, respectively. In 2009 he obtained his Dr hab. Eng. degree in Control Engineering from the Faculty of Electrical Engineering, Control Engineering, Informatics and Electronic Engineering at the AGH University of Science and Technology. He has been employed as a university teacher starting his work in 1973 from the post of Assistant to the current position of Associate Professor in the Department of Control Engineering. Now he is the Head of the Department of Control Systems Engineering and Representative of the Rector of the GUT for the Nuclear Energy. During his research work he has published over 100 reviewed scientific papers and 50 scientific and technical reports, mainly dealing with the following problems: a) production scheduling and operational control of technological systems with switchable processes, b) computer control of electric power station in emergency conditions, c) safety and reliability analysis of hazardous systems, d) mathematical modelling of complex systems, e) multihorizon and multilevel optimisation and control structures and algorithms.

Tomasz A. Rutkowski Gdańsk University of Technology e-mail: tomasz.adam.rutkowski@pg.gda.pl Graduated from Gdańsk University of Technology (GUT). He received his M.Sc. degree in control engineering and Ph.D. degree in automatic control and robotics from the Faculty of Electrical and Control Engineering at the GUT in 2000 and 2004, respectively. Now he works as an Assistant Professor at the Department of Control Systems Engineering. His main research interests cover areas of modelling, identification, computational intelligence, advanced control and diagnosis of complex systems (including critical infrastructure systems: nuclear power plants, water distribution systems and wastewater treatment systems).

Michał Grochowski Gdańsk University of Technology e-mail: michal.grochowski@pg.gda.pl He received his M.Sc. degree in control engineering in 2000 from the Faculty of Electrical and Control Engineering at the Gdańsk University of Technology (GUT). In 2004 he received the Ph.D. degree in automatic control and robotics from the same university. Since 2004 he has held the position of an assistant professor at the Control Systems Engineering Department at the Gdańsk University of Technology. His research is focused on predictive control of complex systems, computational intelligence, fault detection and fault tolerant control. His current application area is nuclear power plants.

P. Sokólski et al. | Acta Energetica 3/24 (2015) | translation 83–90

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 83–90. When referring to the article please refer to the original text. PL

Zaawansowane struktury sterowania systemem turbogeneratora elektrowni jądrowej Autorzy

Paweł Sokólski Karol Kulkowski Anna Kobylarz Kazimierz Duzinkiewicz Tomasz A. Rutkowski Michał Grochowski

Słowa kluczowe

turbogenerator, turbina parowa, generator synchroniczny, elektrownia jądrowa, sterowanie rozmyte

Streszczenie

W artykule przedstawiono syntezę zaawansowanych struktur sterowania turbiną i generatorem synchronicznym dla elektrowni jądrowej pracującej w zmiennych warunkach operacyjnych (zapotrzebowanie na moc czynną). Oparta jest ona na nieliniowych modelach turbiny parowej oraz generatora synchronicznego współpracującego z systemem elektroenergetycznym. Rozważana struktura sterowania składa się z wieloobszarowych systemów sterowania rozmytego z lokalnymi liniowymi regulatorami, w tym regulatorami PID, w poszczególnych pętlach sterowania turbiny i generatora. Miękkie przełączanie pomiędzy lokalnymi regulatorami jest realizowane przez mechanizm logiki rozmytej Takagi-Sugeno-Kanga. Parametry regulatorów lokalnych były dobierane optymalnie dla wybranych a priori punktów pracy w zakresie 50–100% nominalnej mocy czynnej wytwarzanej przez generator synchroniczny. Wyniki symulacji pokazują, że proponowana struktura sterowania zaawansowanego przewyższa powszechnie stosowaną klasyczną strukturę sterowania (pojedyncze regulatory lokalne strojone dla nominalnego punktu pracy). W trakcie symulacji wykorzystano dane rzeczywistych urządzeń, odpowiednio: turbiny parowej 4 CK 465 i generatora synchronicznego GTHW-600, które planowano zastosować w pierwszej polskiej elektrowni jądrowej w Żarnowcu.

1. Wstęp W obecnych czasach elektrownia jądrowa (EJ) jak również jej podsystemy, takie jak turbogenerator, podlegają często wymuszonej pracy w warunkach zmiennego zapotrzebowania na moc, co powoduje potrzebę sterowania w szerokim zakresie warunków operacyjnych. Wydajne i efektywne sterowanie turbogeneratorem w takich warunkach jest trudniejsze w porównaniu z tradycyjną pracą w stałym, nominalnym punkcie pracy (regulatory liniowe) i wymaga bardziej zaawansowanych algorytmów potrafiących sprostać wymaganiom zmieniających się warunków pracy turbogeneratora. Turbogenerator jest systemem nieliniowym o wielu wejściach i wielu wyjściach (MultiInput Multi-Output, MIMO). Aby sprostać wymaganiom tego rodzaju systemu, zaproponowano strukturę sterowania złożoną z wielu regulatorów PI i wielu układów kompensatorów. Lokalne regulatory (turbiny) i kompensatory (generatory) są miękko przełączane wraz ze zmianą punktu pracy (mocy czynnej turbogeneratora). Proces przełączania nadzoruje mechanizm wnioskowania rozmytego Takagi-SugenoKanga. Parametry lokalnych regulatorów i kompensatorów dobrano w procedurze optymalizacji poprzez minimalizację uchybu trajektorii napięcia generatora, mocy czynnej i prędkości obrotowej wału generatora. Taka struktura zapewnia wysoką jakość sterowania, spełniając przy tym postulat zmiennych warunków pracy turbogeneratora. W rozpatrywanym przypadku gwarantuje się optymalną pracę układu sterowania (minimalizując całkę z kwadratu uchybu mnożonego przez czas – kryterium ITSE) w szerokim zakresie zmian punktu pracy przy zadaniu utrzymywania trajektorii mocy czynnej, stabilizacji napięcia i tłumieniu oscylacji na wale generatora.

W artykule przedstawiono wyniki symulacji działania turbogeneratora przeprowadzone dla skokowej zmiany zapotrzebowania na moc czynną generatora z wykorzystaniem zaproponowanych struktur regulatora rozmytego zarówno dla turbiny parowej, jak i generatora synchronicznego. Ich efektywność została porównana z klasyczną strukturą sterowania turbogeneratora składającą się z lokalnych regulatorów strojonych w nominalnym punkcie pracy. 2. Model systemu elektroenergetycznego Proponowaną strukturę sterowania oceniano, wykorzystując układ jednomaszynowy pracujący z siecią sztywną (rys. 1). Składa się on z turbiny parowej, generatora synchronicznego, transformatora, linii

transmisyjnej i systemu (sieci) elektroenergetycznego. Model matematyczny każdego z elementów rozpatrywanego systemu elektroenergetycznego krótko opisano w dalszych rozdziałach. Strukturę sterowania systemu turbogeneratora przedstawiono na rys. 1. a) Model turbiny parowej Schemat modelu turbiny parowej, przedstawiony wcześniej w [1], zaprezentowano na rys. 2. Wielkościami wejściowymi modelu są: ciśnienie dolotowe P zaworu regulacyjnego turbiny parowej oraz stopień otwarcia zaworu α i. Stopień otwarcia zaworu rozumiany jest jako powierzchnia otwarcia zaworu. Dynamiczny nieliniowy model turbiny parowej składa się z modeli

Rys. 1. Turbogenerator z systemem sterowania, podłączony do systemu elektroenergetycznego poprzez transformator i linię elektroenergetyczną

P. Sokólski et al. | Acta Energetica 3/24 (2015) | translation 83–90

Rys. 2. Schemat turbiny parowej (M – przepływy masowe, P – ciśnienia, T – temperatury, N – moce teoretyczne, Tm – moment obrotowy)

pomniejszych części i urządzeń turbiny parowej EJ takich jak: część wysokoprężna i niskoprężna turbiny, przegrzewacz międzystopniowy i separator pary. Turbina sterowana jest poprzez dławienie pary dolotowej przy użyciu zaworu sterującego umieszczonego na wejściu części wysokoprężnej turbiny. Dodatkowo w modelu uwzględniono dynamikę układu wykonawczego, wykorzystując inercję pierwszego rzędu [1]. Zmienną łączącą wzajemnie model turbiny z modelem generatora jest moment obrotowy turbiny Tm, który jest bezpośrednio związany z aktualną mocą turbiny i pochodną prędkości obrotowej wału (której nominalna wartość zgodnie z założeniami wynosi 50 obr./sek.). b)Model generatora synchronicznego przyłączonego do systemu elektroenergetycznego Wykorzystano nieliniowy model piątego rzędu generatora synchronicznego [2] współpracującego z systemem elektroenergetycznym zdefiniowany we współrzędnych dq0 (transformacja Parka). Zakłada się

nieskończoną sztywność systemu elektroenergetycznego. Wielkościami wejściowymi generatora są: moment mechaniczny na wale Tm, napięcie wzbudzenia Uw, napięcie generatora Us i częstotliwość ωs związana ze współpracą generatora z systemem elektroenergetycznym. Wielkościami wyjściowymi są: prąd generatora Ig (definiujący wpływ generatora na system elektroenergetyczny), moce czynna i bierna Pg i Qg oraz prędkość obrotowa wału generatora ωs (rys. 3). Zmienne otoczenie, w jakim pracuje generator, jest zdefiniowane jako zmiana wielkości wejściowych generatora spowodowana pracą systemu elektroenergetycznego (nie uwzględnia się warunków awaryjnych). Oznacza to: zmianę zapotrzebowania na moc czynną (zmiana momentu mechanicznego wału generatora), mocy biernej (zmiana napięcia wzbudzenia) i zmiany w systemie elektroenergetycznym, takie jak zmiana wartości i/lub częstotliwości napięcia systemu elektroenergetycznego. W przedstawionej analizie wykorzystano parametry turbiny parowej 4 CK 465 i generatora synchronicznego GTHW-600.

Rys. 3. Schemat: Generator – Transformator – Linia przesyłowa – System elektroenergetyczny

Rys. 4. Struktury rozmytego regulatora turbiny (a) i rozmytego regulatora wzbudzenia (b) (CU – jednostka korekcyjna)

3. Struktura sterowania Na pracę generatora można wpływać poprzez zmianę prędkości obrotowej wału i zmianę napięcia wzbudzenia. Regulator turbiny jest odpowiedzialny za utrzymywanie prędkości synchronicznej poprzez zmianę przepływu pary na wejściu do turbiny, który wpływa na moment napędowy wału generatora. Zmiany prędkości są związane ze zmianą obciążenia mocy czynnej generatora. Obciążenie mocą bierną wpływa na napięcia generatora. System sterowania wzbudzeniem generatora jest odpowiedzialny za utrzymanie odpowiedniej wartości napięcia. Biorąc pod uwagę nieliniowość systemu, konieczne jest opracowanie strategii sterowania, która jest stosunkowo niewrażliwa na zmienne warunki pracy. Jednym z możliwych rozwiązań tego problemu, zapewniającym wysoką jakość sterowania, jest równoległe wykorzystanie różnych regulatorów liniowych dobranych dla różnych poziomów mocy czynnej. Rodzi to potrzebę wyznaczenia wartości wielkości sterującej dla wartości mocy pomiędzy tymi punktami pracy. Jako narzędzie zdolne wyznaczyć tę wartość sterowania wybrano mechanizm wnioskowania rozmytego Takagi-SugenoKanga, który waży odpowiednio wyjścia przełączanych regulatorów w zależności od poziomu mocy czynnej generatora. Strukturę systemu sterowania turbogeneratora zaprezentowano na rys. 1, zaś struktury zaproponowanego rozmytego regulatora turbiny i rozmytego regulatora układu wzbudzenia zostały zaprezentowane na rys. 4. Wejściami rozmytego regulatora turbiny są: moc referencyjna Pgref, mierzone wyjście mocy elektrycznej turbogeneratora Pg, zaś kąt otwarcia zaworu α jest jego wyjściem (rys. 4a). Na wejścia systemu regulacji układu wzbudzenia składają się: mierzone wyjście mocy elektrycznej turbogeneratora Pg, napięcie referencyjne Vgref, mierzone napięcie Vg i odchylenie prędkości obrotowej. Wyjściem regulatora jest napięcie wzbudzenia Efd (rys. 4b). Umożliwia to gładkie przejście pomiędzy dwoma układami regulacji poprzez obliczenie średniej ważonej ich wyjść. Stąd wyjście systemu sterowania jest wypadkową z wyjść optymalnie dostrojonych, lokalnych regulatorów w sąsiednich punktach pracy. Wyjście rozmytych regulatorów odpowiednio dla turbiny parowej i generatora są znormalizowaną średnią ważoną wyjść utworzonych regulatorów lokalnych: (1) gdzie: µk – wartość funkcji przynależności k-tego systemu sterowania, yk – wektor wyjścia k-tego systemu sterowania, M – liczba wybranych punktów pracy. Aktualna wartość µk oraz yk jest obliczana na podstawie stanu obiektu. W związku z tym wartość wyjścia regulatora rozmytego zależy od kształtu funkcji przynależności (rys. 5). W tym przypadku dla obu regulatorów wybrana została trapezoidalna funkcja przynależności. Funkcje te wybrano w taki sposób, że dla każdego poziomu mocy czynnej ich suma jest równa jedności. Rozmyty regulator turbiny składa się z wielu regulatorów PI, których liczba jest

P. Sokólski et al. | Acta Energetica 3/24 (2015) | translation 83–90

gdzie: eU – uchyb napięcia generatora (Ugref– Ug); ep – uchyb mocy czynnej generatora (Pgref–Pg); dω – zmiana prędkości wału generatora; t1, t2 – czas zakłócenia i końcowy czas analizy; Kp, Ki – parametry regulatora PI turbiny; T1, T2 – parametry regulatora wzbudzenia generatora; a, b, c – wagi. Funkcja celu (3) składa się z trzech ważonych części. Pierwsza część (a) odpowiada uchybowi napięcia generatora. Determinuje ona, jak silna jest akcja regulatora stabilizująca napięcie. Druga część (b) jest związana ze zmianami prędkości obrotowej wału generatora i umożliwia uwzględnienie występowania oscylacji wału w procesie strojenia. Oscylacje te wywołane są oddziaływaniem regulatora napięcia, im szybsza jest regulacja napięcia, tym większe powoduje to oscylacje. Oznacza to, że stabilizacja napięcia i minimalizacja oscylacji wału są wzajemnie sprzeczne. W celu zrównoważenia skutków regulacji napięcia i stabilizacji wału dodano współczynniki skalujące, tak aby osiągnąć kompromis pomiędzy tymi dwoma działaniami układu sterowania. Ostatnia część (c) zapewnia optymalne nadążanie dzięki zastosowaniu trajektorii schodkowej z 5-proc. odchyleniem od wybranego w procesie optymalizacji punktu pracy. Celem badań i eksperymentu przedstawionego w tym artykule było zaproponowanie struktury sterowania dla opisanego problemu i porównanie jej efektywności z rozwiązaniem klasycznym. Struktura ta została zweryfikowana poprzez symulację cyfrową w środowisku Matlab/Simulink. Optymalne wartości parametrów regulatorów: wzmocnienie proporcjonalne Kp i wzmocnienie całkowania Ki regulatora PI turbiny i parametry regulatora wzbudzenia generatora T1, T2 wyznaczono poprzez rozwiązanie serii zadań optymalizacji dla wybranych punktów pracy (50%, 75% i 100%) (3). Wartości parametrów regulatora PI, rozmytego regulatora układu wzbudzenia generatora, zostały wyznaczone dla nominalnego punktu pracy (100%). Aby obliczyć wartość funkcji celu fITSE, należało rozwiązać układ równań turbogeneratora z uwzględnieniem nieliniowego modelu systemu wyrażonego zestawem równań algebraicznych i różniczkowych (4):

Rys. 5. Funkcje przynależności

równa liczbie wybranych punktów pracy. Na potrzeby syntezy struktury sterowania przedstawionej na rys. 4a zaproponowano powszechnie znany sposób sterowania turbiną poprzez dławienie pary dolotowej [3] z zadaniem nadążania za trajektorią zadaną mocy generatora [4]. Każdy regulator PI optymalnie dostrojono, stosując minimalizację kryterium ITSE dla jednego z punktów pracy. Należy pamiętać, że wielkością zadaną jest zapotrzebowanie na moc elektryczną, dlatego też pętla regulatora turbiny sprzężona jest z mocą czynną generatora, a nie mocą turbiny. Typowy układ sterowania napięciem generatora zawiera regulator napięcia wzbudzenia, ograniczniki i stabilizator systemowy [5]. Stabilizator systemowy (ang. PSS, Power System Stabilizer) jest członem korygującym, który wpływa na wartość zadaną regulatora napięcia. Układ regulacji napięcia może osłabić tłumienie oscylacji poprzez zaindukowanie dodatkowych prądów przeciwnych do zaindukowanych już przez zmianę prędkości obrotowej. Korekta wprowadzona przez PSS jest obliczana na podstawie zmiany prędkości obrotowej, częstotliwości lub mocy czynnej, wprowadza to dodatkową pętlę sterowania do systemu i jest wykorzystane w celu tłumienia oscylacji wirnika [6]. Podstawowy PSS jest zestawem filtrów wyprzedzająco-opóźniających ułożonych kaskadowo [5]. Aby uwzględnić więcej niż jedno pasmo, stosuje się rozwiązania wielotorowe i wielopasmowe [5]. Aby uwzględnić różne pasma dla różnych punktów pracy (poziomów mocy czynnej), zaproponowano rozmyty stabilizator systemowy (rys. 4b) zawierający zestaw miękko przełączanych filtrów prostych (jednostka korekcyjna w postaci kompensatora wyprzedzająco/ opóźniającego [7]):

(2)

dla: T2 > T1 CU nazywany jest kompensatorem opóźniającym, a gdy T2 < T1 CU jest kompensatorem wyprzedzającym, odpowiednio zmieniając charakterystykę fazową. Optymalne wartości parametrów T1 i T2 zostały wyznaczone dla różnych poziomów mocy czynnej generatora, minimalizując oscylacje wału. Parametry regulatora PI układu wzbudzenia zostały dobrane optymalnie dla nominalnego punktu pracy.

Stabilizator systemowy ma na tyle duży wpływ na wyjście regulatora rozmytego, że dodatkowe miękkie przełączenie między regulatorami PI nie poprawia wydajności systemu, przez co wybrano i nastrojono tylko jeden regulator dla Pg = 100%. 4. Optymalny dobór parametrów Jako kryterium doboru optymalnych nastaw parametrów lokalnych regulatorów zastosowano całkę z kwadratu sumy odchylenia napięcia i pochodnej prędkości pomnożonego razy czas (ITSE). Kryterium to pozwala na ocenę dokładności stabilizacji napięcia i jego stabilizacji w czasie, uwzględniając zwiększającą się wagę błędu w kolejnych chwilach czasowych. W odróżnieniu od kryterium ISE (całka z kwadratu uchybu), kryterium ITSE pozwala uwzględnić nie tylko amplitudę oscylacji, ale również współczynnik tłumienia (czas zachowuje się jak waga). Parametry optymalne zostały określone na podstawie rozwiązania następującego problemu optymalizacji:

(3)

biorąc pod uwagę: Kp, Ki> 0; T1, T2< 10; T1, T2> 0,001, ograniczenia modelu turbogeneratora, testową trajektorię mocy czynnej generatora (zmieniającą się w otoczeniu wybranego punktu pracy) oraz wartości referencyjne napięcia generatora i prędkości wału,

Struktura sterowania Klasyczna

Rozmyta

(4)

Parametry regulatorów i kompensatorów dostrojono razem, rozwiązując jedno zadanie optymalizacji. Problem ten opisuje

Turbina

Stabilizator

Generator

Moc czynna Kp

100%

1,4346*103

2,1381*103

3,5

100

50%

879,43

1791,80

3,4349

100

75%

1,3368*104

0,7795*104

100

100%

1,4346*103

2,1381*103

3,5

100

Tab. 1. Parametry regulatorów

P. Sokólski et al. | Acta Energetica 3/24 (2015) | translation 83–90

się jako nieliniowe zadanie optymalizacji z ograniczeniami. W procesie optymalizacji parametrów zastosowano algorytm punktu wewnętrznego. Wyniki poszczególnych optymalizacji dla wybranych punktów pracy przedstawiono w tab. 1. 5. Wyniki badań symulacyjnych Przeprowadzono porównanie zaproponowanej metody sterowania (rozdz. 3) z metodą klasyczną z regulatorem strojonym dla nominalnego punktu pracy. W celu analizy działania zaprojektowanych układów sterowania w warunkach oddalonych od nominalnego punktu pracy zastosowano schodkową trajektorię mocy zadanej dla regulatora turbiny w zakresie 50–100% (rys. 6). Wyniki symulacji przedstawiono na rys. 6–10. Rys. 6 przedstawia przebieg mocy czynnej generatora. Klasyczny układ sterowania spełnia postawione przed nim zadanie tylko w zakresie bliskim wartości nominalnej, dla której był strojony (100%). W przeciwieństwie do klasycznego układu regulacji, zaproponowany rozmyty system regulacji skraca czas regulacji wraz ze zwiększeniem tłumienia oscylacji kosztem niewielkiego wzrostu przeregulowania. Podczas gdy wartość mocy czynnej generatora, sterowana z wykorzystaniem regulatora rozmytego, łagodnie zbiega do trajektorii mocy zadanej (patrz rys. 6, 53–55 sekunda), klasyczny układ regulacji generuje oscylacje sygnału, co wprowadza zakłócenia w systemie elektroenergetycznym. Pożądane jest, aby wartość odchylenia prędkości obrotowej, prezentowanej na rys. 8, utrzymywała się na stałym poziomie, równym prędkości synchronicznej (50 Hz). Zaproponowany rozmyty układ sterowania dużo lepiej tłumi oscylacje wirnika niż klasyczny układ regulacji, dzięki czemu turbogenerator nie generuje dodatkowych zakłóceń w systemie elektroenergetycznym. Ponadto, dzięki powyższemu, praca turbogeneratora jako całości jest wykonywana w bardziej jednorodnych warunkach, co wpływa pozytywnie na zużycie urządzeń. Warto zauważyć, że prezentowane wartości są znormalizowane w zakresie od 0 do 1, więc odchylenie prędkości wirnika jest mniejsze niż 2,5% w przypadku regulacji rozmytej. Sygnały sterujące: napięcie wzbudzenia i stopień otwarcia zaworu zostały przedstawione odpowiednio na rys. 9 i 10. Zmienność obu sygnałów w przypadku klasycznego układu sterowania (z wyjątkiem nominalnego punktu pracy i jego otoczenia) jest nieakceptowana, biorąc pod uwagę eksploatacje układów wykonawczych. Zaproponowany układ sterowania rozmytego radzi sobie z tą zmiennością, tłumiąc oscylacje i zmniejszając zjawisko typu chattering sygnałów sterujących w całym zakresie warunków operacyjnych. Odnosząc się do kr yteriów ITSE (ang. Integral of Time Squared Error) i ISE (ang. Integral of Squared Error) przeprowadzone symulacje pokazują, że zaproponowany rozmyty układ sterowania jest nieznacznie lepszy od klasycznego układu sterowania (tab. 2). Ponadto rozmyty układ sterowania

Rys. 6. Moc czynna generatora (Pg)

Rys. 7. Napięcie generatora (Ug)

Rys. 8. Odchylenie prędkości wirnika (dω)

w przeciwieństwie do rozwiązania klasycznego zmniejsza chattering sygnałów sterujących zarówno w turbinie (rys. 10),

jak i w generatorze (rys. 9). Prowadzi to do poprawy warunków eksploatacji poprzez zmniejszenie intensywności

P. Sokólski et al. | Acta Energetica 3/24 (2015) | translation 83–90

Widoczne jest jednak pogorszenie jakości sterowania (oscylacje, błąd w stanie ustalonym) poza nominalnym punktem pracy. Zaproponowany rozmyty układ sterowania pozwala na znaczne zmniejszenie zjawiska chatteringu występującego w sygnałach sterujących, przy zachowaniu nie gorszych niż w przypadku regulacji klasycznej wartości wskaźników jakości ITSE i ISE w szerokim zakresie roboczym pracy turbogeneratora. Jest to istotne, gdyż wpływa na zwiększenie żywotności turbogeneratora. W ramach dalszych prac planuje się optymalizację kształtów funkcji przynależności oraz współczynników wagowych funkcji celu. Podziękowania Praca ta została wsparta projektem Unii Europejskiej „INSPE – INNOVATIVE AND SUSTAINABLE POWER ENGINEERING”. Autorzy pragną wyrazić podziękowanie za udzielone wsparcie.

Rys. 9. Napięcie wzbudzenia (Efd)

Bibliografia

Rys. 10. Stopień otwarcia zaworu (α)

Funkcja celu

Klasyczny układ sterowania

Rozmyty układ sterowania

fITSE

145,2

144,3

fISE

0,6035

0,5985

Tab. 2. Wartości funkcji celu

działania układów wykonawczych, co redukuje stany przejściowe (rys. 6) i zwiększa żywotność turbogeneratora. Minimalizowanie generowanych zakłóceń w systemie elektroenergetycznym jest pożądane, więc prędkość wirnika powinna być jak najbardziej zbliżona do prędkości synchronicznej. Odchylenie prędkości obrotowej wirnika uległo poprawie, co można zaobserwować na rys. 8. Dzięki temu praca turbogeneratora jest bardziej stabilna. Aby zmniejszyć występowanie zakłóceń oddziałujących na urządzenia pracujące w systemie elektroenergetycznym, wprowadzono człon korekcyjny w postaci kompensatora. Jak pokazano na rys. 7, pozwala on zmniejszyć

pojawiające się oscylacje napięcia generatora. 6. Wnioski W artykule zaproponowano podejście do projektowania wieloobszarowych, przełączanych w sposób rozmyty regulatorów systemu turbogeneratora, które spełniają założone cele sterowania. W każdym ze zidentyfikowanych regionów zastosowano klasyczny regulator PI i kompensator wyprzedzająco/opóźniający. Zaproponowano strojenie parametrów regulatora i kompensatora w zakresie pojedynczego zadania optymalizacji. Aby wziąć pod uwagę nie tylko amplitudę oscylacji, lecz również współczynnik tłumienia, zastosowano minimalizację kryterium ITSE. Porównano zaprojektowany regulator wieloobszarowy z przełączaniem rozmytym, z regulatorem lokalnym i kompensatorem (strojonymi w punkcie nominalnym 100%). Optymalny dobór parametrów regulatora w jednym zintegrowanym zadaniu optymalizacji dał bardzo zadowalające rezultaty. Klasyczny regulator PI z układem kompensatora generatora oraz regulatorem PI turbiny pozwala na regulację nawet w obszarach odległych od punktu nominalnego.

1. Duzinkiewicz K. i in., Dynamic model of nuclear power plant steam turbine [Dynamiczny model turbiny parowej elektrowni jądrowej], Archives of Control Sciences 2015, tom 25(LXI), nr 1, s. 5–26. 2. Lipo T.A., Analysis of Synchronous Machines [Analiza maszyn synchronicznych], Taylor & Francis Group, Boca Raton 2012. 3. Grote W., Ein Beitrag zur modellbasierten Regelung von Entnahmedampturbinen. Fakultätfür Maschinenbau der RuhrUniversität Bochum, Bochum, Niemcy 2009 [po niemiecku]. 4. Domachowski Z., Regulacja automatyczna turbozespołów cieplnych, Wydawnictwo Politechniki Gdańskiej, Gdańsk 2011. 5. IEEE Power Engineering Society: IEEE Recommended Practice for Excitation Systems Models for Power System Stability Studies [Zalecana przez IEEE praktyka modelowania układów wzbudzenia dla celów badania stabilności systemu elektroenergetycznego], IEEE, Nowy Jork, 2006. 6. Machowski J., Białek J., Bumby J., Power System Dynamics: Stability and Control [Dynamika systemu elektroenergetycznego: stabilność i regulacja], John Wiley & Sons, 2008. 7. Kaczorek T., Teoria układów regulacji automatycznej, t. 1, Wydawnictwo Politechniki Warszawskiej, Warszawa 1972.

P. Sokólski et al. | Acta Energetica 3/24 (2015) | translation 83–90

Paweł Sokólski

mgr inż. Politechnika Gdańska e-mail: psokolski@eia.pg.gda.pl Doktorant na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej. Jego badania koncentrują się na obszarze wytwarzania energii elektrycznej w elektrowniach jądrowych i ich współpracy z systemem elektroenergetycznym. W pracy eksperckiej skupia się na informatyce przemysłowej oraz systemach SCADA.

Karol Kulkowski

mgr inż. Politechnika Gdańska, Politechnika Warszawska e-mail: kkulkow@eia.pg.gda.pl Doktorant na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej. Jego dysertacja dotyczy wykrywania uszkodzeń i sterowania odpornego na uszkodzenia w elektrowniach jądrowych.

Anna Kobylarz

mgr inż. Politechnika Gdańska, Politechnika Warszawska e-mail: akobylarz@eia.pg.gda.pl Doktorantka na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej. Jej dysertacja dotyczy układów sterowania w elektrowniach jądrowych. W swych badaniach koncentruje się na sterowaniu predykcyjnym i inteligencji obliczeniowej.

Kazimierz Duzinkiewicz

dr hab. inż. Politechnika Gdańska e-mail: kazimierz.duzinkiewicz@pg.gda.pl Tytuł magistra elektrotechniki i doktorat z automatyki uzyskał na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej (1973, 1982), a tytuł dr. hab. inż. automatyki na Wydziale Elektrotechniki, Automatyki, Informatyki i Elektroniki Akademii Górniczo-Hutniczej (2009). Od 1973 roku nauczyciel akademicki. Kierownik Katedry Inżynierii Systemów Sterowania i przedstawiciel rektora PG ds. energii jądrowej. Opublikował ponad 100 recenzowanych artykułów naukowych oraz 50 raportów naukowych i technicznych, głównie dotyczących następujących problemów: planowanie produkcji i sterowanie operacyjne w systemach technologicznych z przełączanymi procesami, sterowanie komputerowe elektrownią w warunkach awaryjnych, analiza bezpieczeństwa i niezawodności systemów niebezpiecznych, matematyczne modelowanie złożonych systemów oraz struktury i algorytmy wielohoryzontalnej i wielopoziomowej optymalizacji i sterowania.

Tomasz A. Rutkowski

dr inż. Politechnika Gdańska e-mail: tomasz.adam.rutkowski@pg.gda.pl Absolwent Politechniki Gdańskiej. Uzyskał tytuł mgr. inż. w dziedzinie automatyki oraz dr. inż. w dziedzinach automatyki i robotyki na Wydziale Elektrotechniki i Automatyki (2000, 2004). Adiunkt w Katedrze Inżynierii Systemów Sterowania. Jego główne zainteresowania badawcze obejmują obszary modelowania, identyfikacji, inteligencji obliczeniowej, zaawansowanego sterowania i diagnostyki systemów złożonych (w tym systemów infrastruktury krytycznej: elektrownie jądrowe, systemy dystrybucji wody i systemy oczyszczania ścieków).

Michał Grochowski

dr inż. Politechnika Gdańska e-mail: michal.grochowski@pg.gda.pl Uzyskał tytuł mgr. inż. w dziedzinie automatyki na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej (2000). Tytuł dr. inż. w dziedzinach automatyki i robotyki otrzymał na tej samej uczelni (2004). Od 2004 roku adiunkt w Katedrze Inżynierii Systemów Sterowania Politechniki Gdańskiej. Jego badania koncentrują się na sterowaniu predykcyjnym złożonymi systemami, inteligencji obliczeniowej, wykrywaniu uszkodzeń i sterowaniu odpornym na uszkodzenia. Obecny obszar zastosowań to elektrownie jądrowe.

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | 97–102

High-efficiency Gas Cogeneration – an Assessment of the Support Mechanism

Authors Maciej Sołtysik Karolina Mucha-Kuś

Keywords cogeneration, support system, efficiency

Abstract The development of a single European energy market implies the need to harmonise national laws and the directions of the sector’s growth to EU determinants. One of these elements was the introduction of a system to support the development of high-efficiency cogeneration, including gas cogeneration. Several years of the mechanisms’ performance allows for analysis of the advisability and correctness of the support model format, and assessment of its impact on the sub-sector’s development and the cost of its operation. Against the background of the support system introduction origins, the paper presents results of volumetric and price analyses, trends, and assessment of the balance of property rights and of the mechanism’s effectiveness.

DOI: 10.12736/issn.2300-3022.2015309

1. Introduction Combined heat and power generation was one of the first areas of the energy market in Poland to receive targeted support. Promotion of combined heat and power generation took place across many layers and based on various legal standards. As part of tariffs submitted for the approval of the President of the Energy Regulatory Office (ERO), the prices which guaranteed entities representing that sector coverage of justified costs and return on investments were being shaped in an arbitrary manner. Concurrently in the years 2004–2006, there applied statutory provisions which required energy retailers to ensure that a certain mandatory share of the electricity sold originated from high-efficiency cogeneration. The preferences also applied to the administrative and technical issues related to the connection of CHP plants to the network. An increase in the number of support instruments was the consequence of more than just in-market demands, but also a result of the need to implement community directives. In the analysed case this was in particular Directive 2004/8/EC of the European Parliament and of the Council of 11 February 2004. Pursuant to point (1) of the preamble to directive [1]: “Promotion of high-efficiency cogeneration based on a useful heat demand is a Community priority given the potential benefits of cogeneration with regard to saving primary energy, avoiding network losses and reducing emissions, in particular of greenhouse gases”. Giving priority to combined heat and power generation, in compliance with the provisions of art. 194 of the Treaty on the Functioning of the European Union [10], facilitates the improvement of energy supply safety, growth of competitiveness and

meeting set environmental targets – and in particular, reducing the CO2 emissions. The directive, being only a guidance document, outlined permissible forms and profiles of support mechanisms, including primarily as in point (26): “investment aid, tax exemptions or reductions, green certificates and direct price support schemes”. For the purpose of the implementation of these directional specifications, the Member States were obliged to perform analyses of technical and economic potential of cogeneration within their local markets and to identify developmental obstacles in that subsector. In accordance with the recommendations of the directive, the support mechanism was to be selected independently, in compliance with point (32) (…) “allowing each Member State to choose the regime, which corresponds best to its particular situation (…)”. From the Polish legislator’s point of view it was optimal to select a mechanism based on a certification system. The required provisions were introduced by the amendment to the Energy Law Act in January 2007. This mechanism focused on a multi-layered support aiming primarily to ensure a stable economic environment, minimise administrative barriers and to create a market – i.e. demand and supply – for the product in the form of transferable property rights resulting from certificates of origin for energy from promoted generation sources. In line with the original assumptions, six-year duration of the mechanism was considered substantial. This mechanism was to facilitate the modernisation and construction of new generation capacities, and its costs were to be sustainably covered by electrical energy recipients. The analysis performed on the basis of the conclusions drawn from several years of operation of the support mechanism 97

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | 97–102

systems of highly-efficient cogeneration has enabled the formulation of opinions and assessments of the efficiency of the systems applied. The results of these conclusions, formed on the basis of highly-efficient gas cogeneration, are presented in this article.

2. Effectiveness of the support mechanism Effectiveness may be analysed as a certain economic category used as a criterion for the assessment of the functioning and developmental potential of the mechanism assessed. In regard to the case analysed, this term may be identified with the principle of sustainable management in the following variants: relating to capacity – where maximizing the effectiveness is of primary importance – and relating to savings – where minimizing outlays and expenditures is the ultimate objective. Therefore, an effective support mechanism should facilitate the modernisation of the existing capacities and create new capacities and, at the same time, limit the fiscal, administrative and technical barriers while minimizing the expenditure assigned to energy recipients. In the context of this definition it is essential to mention the most crucial assumptions of the mechanism which affect the assessment of its efficiency.

2.1. Equivalent fee Calculation of the value of the property rights on the market takes place with the participation of the following parties: the supply side, i.e. cogeneration producer, and the demand side, i.e. energy retailers, which are obliged to purchase and cancel a suitable share of property rights (PMGM), equivalent with the share of electrical energy sold to end users. In the event of a withdrawal from a purchase and cancellation of property rights, the obliged retailer is entitled to pay the so-called equivalent fee, i.e. a certain substitute, which ensures the fulfilment of the retailer’s obligations, preventing the issuance of a penalty. Therefore, the amount of the equivalent fee and the algorithm for determining the fee constitute the most

Fig. 1. Equivalent fee level, own work 98

vital determinants of the support mechanism. Its amount has an impact on the behaviour of the market players, on the number of property rights included in the exchange registers and is also a crucial reference point in the creation of investment projections. When implementing the provisions of the directive [1] to Polish law, the legislator made sure to provide the algorithm used to determine the equivalent fee with certain flexibility and assigned the President of the Energy Regulatory Office (ERO) with competencies for its calculation. For cogeneration units fired with gas or units with total installed electrical capacity not exceeding 1 MW, the equivalent fee should vary between 15% and 110% of the competitive market’s price. This formula, calculated in the ‘n’ year, defined the value of the fee for year ‘n + 1’ on the basis of data from the competitive market from year ‘n – 1’. Consequently, the mechanism did not reflect the current requirements, market developments, and pricing trends, but instead displayed strong inertia. The faulty design of this algorithm was also identified in the report assessing the six-month period of functioning of this support mechanism [6], published in December 2007. In accordance with economic assumptions used as the framework for the support mechanism’s design, the minimum threshold value of a certificate of origin, guaranteeing the obtainment of the IRR index at the level of 10%, considered sufficient when implementing new investments, achieved the level of 120 PLN/MWh for gas sources. Despite the sufficient flexibility of the algorithm, in none of the years from the first period of functioning of the mechanism (2007–2012) did the equivalent fee equal or exceed the threshold value of the property right nominal for that particular year. The potential investment incentive could have occurred in 2013, however, the support mechanism no longer applied in that year. The years 2014–2015 were, in turn, a period when the support mechanism again entered into operation with its principle form unchanged.

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | 97–102

Fig. 2. Value of the price index and balance of the PMGM registers, own work on the basis of data [2]

ISSUED FOR THE PERIOD PMGM

TOTAL 1.01–31.12.2007

1.01–31.12.2008

1.01–31.12.2009

1.01–31.12.2010

issued in 2013

issued in 2010

238 104

256 695

[MWh]

631 583

issued in 2009

754 868

1.01–31.12.2012

6 050

1 356 843

1 362 892

80 371

1 535 444

2 665 015

4 280 830

1 330 797

2 276 765

issued in 2012 issued in 2011

1.01–31.12.2011

4 102 362

1 809 023

2 440 605

2 438 229

3 193 097

issued in 2008

1 089 574

2 223 517

TOTAL

1 327 679

3 235 081

3 069 812

3 220 191

3 818 259

4 021 858

18 692 878

155.3

378.5

395.4

414.8

485.5

518.0

2 347.5

value of PMGM

[million PLN]

3 313 091

Tab. 1. Number and value of issued PMGM property rights. Own work on the basis of [8]

Within that period, the amount of equivalent fees was 55% and 67%, respectively, of the competitive market’s price, which also had a negative effect on the investment moods. These risks were indicated in the conclusions to the report [6], where it was underlined that “the support system based exclusively on the certificates of electricity origin from high efficiency cogeneration will fail to create sufficient investment incentives. The level of the early equivalent fees […] has been set much below the certificate prices assumed for evaluating economic potential of the cogeneration. Moreover, in practice the certificate price may prove much lower than the set value of the equivalent fee. […] in the case of an excess of certificates (too small

a market) their value could even drop to nearly zero”. The risks identified in the document, particularly relating to the incorrect calculation of value of equivalent fees and generation of demand, came to fruition and had an impact on the balancing of register states at the end of the period of the mechanism’s validity.

2.2. Status of registers The support mechanism valid in the years 2007–2012 did not limit the validity of the property right only to the year in which the right was issued. In the event of incorrect calculation of demand indices, the algorithm resulted in the accumulation of property rights at the 99

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | 97–102

registers of the market participants, which increased the supply in an artificial manner and caused the drop in prices. The collapse of the market was also due to the lack of legible signals from the legislator pointing clearly to an interruption or continuation of the support mechanism’s functioning. This policy of disinformation and, consequently, termination of support, resulted in the drop of the value of PMGM property rights to zero, as illustrated in Fig. 2. The surplus held in the registers became worthless which primarily resulted in the actions undertaken by interested industry sectors aiming at the reactivation of the support mechanism. As a result, the Energy Act Law [9] was revised in March 2014, reinstating the support system for highly-efficient cogeneration plants. The functioning of the mechanism was limited, with 30 June 2019 specified as the final deadline for the cancellation of property rights or payment of an equivalent fee. The most crucial change introduced to the original model was awarding the certificates of origin with a time limit, which made their validity limited to one year from the production of energy. This limit was introduced in order to eliminate the aggregation of rights in the registers and to decouple their value from the surplus in the system. Another key modification was connected to the property rights issued before the amended Energy Law Act came into force, and assumed that these property rights would not be considered in the settlement of the obligation’s performance. The support

mechanism modified in this way began to operate in April 2014, and the first property rights found their way to the registers in July 2014. At this point it should be noted that the demand for property rights was additionally determined by the provisions of the Regulation [7] which state that if an energy company in the year previous to the year in which the tariff was prepared performed its obligation by paying the equivalent fee to the amount matching the amount of electrical energy higher than 10% of the sales portfolio, this company could take into consideration only 80% of the costs of the equivalent fee incurred as justified costs in the tariff. The inability to take into consideration the full costs incurred would noticeably translate into an increased demand and, consequently, a higher value of the property rights.

2.3. Effectiveness assessment of the mechanism According to the assumptions, the support mechanism was to tap into the technical and economic potential of cogeneration and facilitate modernisation and construction of new generation capacities, minimizing, at the same time, all costs incurred. In the years 2007–2012, combined heat and power generation led to the issuance of approx. 18.7 TWh PMGM, whose market value related to equivalent fees amounting approx. PLN 2.3 billion.

Fig. 3. List of new capacities commissioned in the years 2007–2014. Own work of the basis [3, 4] 100

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | 97–102

Tab. 1 presents the above data in detail. By referring the value of support to the quantity of energy sold to end users it could be concluded that the social cost of this system was on average approx. 3.3 PLN/MWh in the analysed period. At this point it seems justified to present the results which were obtained thanks to supplying the support mechanism with 2.3 billion PLN. As outlined in the publications [3, 4], there were new investments introduced to the Polish electrical power system, both in the field of commercial and industrial power generation. In total, in the years 2007–2014, nearly 186 MW of capacity allocated in sources based on coke-oven, nitrogenrich and high-methane gas were commissioned, as illustrated in detail in Fig. 3. It should be emphasized that because of the length of the investment cycle, only some decisions on the construction were made on the basis of the financial support provided by the property rights’ market. Assuming the value of 3.7 million PLN/MW [5] as the unit cost for the construction of a gas source and the cycle of duration of the preparatory and construction phase to be approx. 5 years [5], it could be stated that the collected financial resources should be sufficient for the construction of approx. 620 MW within the next several years.

3. Overview In accordance with the results of the calculations conducted in 2007, i.e. at the time when the support mechanism was being introduced, the cogeneration systems in Poland produced approx. 280 PJ of heat, which referred to only 64% of the economic potential (approx. 430 PJ). This situation could have been altered by the implementation of the support mechanism and setting its height at the level of 120 PLN/MWh for gas technologies. This would have encouraged the growth of the economic potential by approx. 23%, i.e. to the level of 530 PJ in 2020 [6]. The algorithm for the calculation of the equivalent fee and the mechanism for cancellation of property rights resulted in the permanent calculation of property rights below the threshold value forming the investment reference point. During the period of nearly six years of the support mechanism’s functioning, only about 186 MW were commissioned from new cogeneration gas sources, with the value of the entire market amounting to 2.3 billion PLN. The introduction of a new mechanism in 2014, which allowed for temporary validity of the property rights and negated the possibility of the entirety of the costs related to the payment of equivalent fees being transposed to the tariff, will strengthen the market value of the property rights. Nonetheless, in the opinion of the authors, this will not constitute a sufficient stimulus for investment as the value of the equivalent fee for 2015 is lower by approx. 17% than the nominal threshold value which guarantees the financial viability of an investment. In addition, the global reduction of the dynamics in the demand for heat, which also has an effect on the scheduled investments in generation capacities, can be of great concern to the analysts. In accordance with [5], in the years 2014–2050, only an increase of approx. 12% and 7%, respectively in the demand for heat will take place in the urban and industrial sector.

REFERENCES

1. Directive 2004/8/EC of the European Parliament and of the Council on the promotion of cogeneration based on a useful heat demand in the internal energy market and amending Directive 92/42/EEC, 11 February 2004. 2. http://www.polpx.pl/. 3. Katalog Elektrociepłowni Przemysłowych [Catalogue of Industrial Cogeneration Plants], ARE, Warsaw, July 2014. 4. Katalog Elektrowni i Elektrociepłowni Zawodowych [Catalogue of Commercial Power Plants and Cogeneration Power Plants], ARE, Warsaw, April 2014. 5. Model optymalnego miksu energetycznego dla Polski do roku 2060 [The model of an optimal energy mix for Poland until 2060], ver. 3.0; Chancellery of the Prime Minister of Poland, Department for Strategic Analysis, Warsaw, 2 February 2015. 6. Report evaluating progress achieved in increasing share of electricity produced in high-efficiency cogeneration in total domestic electricity generation, Monitor Polski 2012, No. 1, Item 12, appendix to the Announcement of the Minister of Economy of 12 December 2007. 7. Regulation of the Minister of Economy of 10 December 2014 on methods of calculating data provided in the applications for the issuance of certificates of origin from cogeneration and the detailed scope of the obligation to confirm data relating to the quantity of electrical energy generated in high-efficiency cogeneration, Journal of Laws of 2014, item 1940. 8. Activity reports of the President of the ERO for 2007–2013, Energy Regulatory Office Bulletins. 9. Energy Law Act, Journal of Laws 2012.1059 as amended, 10 April 1997. 10. Consolidated version of the Treaty on European Union and the Treaty on the Functioning of the European Union, Official Journal of the European Union, 30 March 2010, Vol. 53, Notice No. 2010/C83/01.

101

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | 97–102

Maciej Sołtysik TAURON Polska Energia SA e-mail: maciej.soltysik@tauron-pe.pl Graduate of the Faculty of Electrical Engineering, Silesian University of Technology (2000) and postgraduate studies at the Academy of Economics in Katowice (2007) and AGH University of Science and Technology in Kraków (2010). Obtained his doctoral degree at the Institute of Electrical Power Engineering, Wrocław University of Technology (2010). For more than a decade, his work has been connected with the power industry. He obtained his professional experience in Enion SA, Everen sp. z o.o., EdF Group and TAURON Polska Energia SA. Member of the Polish Electricity Association (PKEE), Association of Energy Trading (TOE), and its working groups. Expert witness in electrical power engineering and electricity market. Author and co-author of several dozen scientific papers.

Karolina Mucha-Kuś TAURON Polska Energia SA e-mail: karolina.mucha-kus@tauron-pe.pl Graduate of the Silesian International Business School (2008) and postgraduate studies on nuclear energy at the AGH University of Science and Technology (2012), as well as the PhD programme at the University of Economics in Katowice (2012). She was second in the international contest for the best doctoral thesis organised by the Technical University of Ostrava – VŠB-TUO. Professionally involved with the power industry since 2007. Her areas of scientific interest cover strategies of effective behaviour of energy market participants. Author of papers concerning strategic management, especially research on competition strategies. Member of the Association of Energy Trading (TOE) and its working groups.

102

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | translation 97–102

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 97–102. When referring to the article please refer to the original text. PL

Wysokosprawna kogeneracja gazowa – ocena mechanizmu wsparcia Autorzy

Maciej Sołtysik Karolina Mucha-Kuś

Słowa kluczowe

kogeneracja, system wsparcia, efektywność

Streszczenie

Tworzenie wspólnego europejskiego rynku energii implikuje konieczność dostosowywania prawa krajowego i kierunków rozwoju sektora do determinant unijnych. Jednym z tych elementów było wprowadzenie systemu wsparcia rozwoju wysokosprawnej kogeneracji, w tym kogeneracji gazowej. Kilkuletnia historia funkcjonowania mechanizmów pozwala na dokonanie analiz zasadności i poprawności formy modelu wsparcia, oceny jego wpływu na rozwój podsektora oraz kosztów jego funkcjonowania. W artykule przedstawiono na tle genezy wprowadzenia systemu wsparcia wyniki analiz wolumetryczno-cenowych, trendy, ocenę bilansu praw majątkowych oraz dokonano oceny efektywności mechanizmu.

1. Wstęp Wytwarzanie energii elektrycznej w skojarzeniu z produkcją ciepła było na polskim rynku energii jednym z pierwszych obszarów, w ramach którego zastosowane zostały mechanizmy wsparcia. Promowanie odbywało się na wielu płaszczyznach i w oparciu o różne normy prawne. W ramach taryf przedkładanych do zatwierdzenia prezesowi Urzędu Regulacji Energetyki (URE) kształtowane były w sposób arbitralny ceny gwarantujące podmiotom reprezentującym ten sektor pokrywanie uzasadnionych kosztów i zwrot poniesionych nakładów. Równolegle w latach 2004–2006, obowiązywały regulacje ustawowe nakładające na sprzedawców energii elektrycznej obowiązek zapewnienia w sprzedawanym wolumenie odpowiedniego udziału energii z wysokosprawnej kogeneracji. Preferencje dotyczyły także kwestii administracyjnych i technicznych związanych z przyłączeniem jednostek kogeneracyjnych do sieci. Zwiększenie się gamy instrumentów wspierających wynikało nie tylko z potrzeb wewnątrzrynkowych, lecz było także następstwem konieczności implementacji dyrektyw wspólnotowych, a w analizowanym przypadku w szczególności Dyrektywy 2004/8/WE Parlamentu Europejskiego i Rady z 11 lutego 2004 roku. Zgodnie z treścią pkt (1) preambuły dyrektywy [1] „Promowanie wysoko wydajnej kogeneracji w oparciu o zapotrzebowanie na ciepło użytkowe stanowi priorytet Wspólnoty ze względu na związane z nią potencjalne korzyści w zakresie oszczędzania energii pierwotnej, unikania strat sieciowych oraz ograniczania emisji szkodliwych substancji, w szczególności gazów cieplarnianych”. Priorytetowe podejście do produkcji energii elektrycznej w skojarzeniu z ciepłem, będące w zgodzie z zapisami art. 194 Traktatu o funkcjonowaniu Unii Europejskiej [10], przyczynia się do poprawy bezpieczeństwa dostaw energii, wzrostu konkurencyjności i do osiągnięcia efektów środowiskowych, a w szczególności redukcji emisji CO2. Dyrektywa, będąca jedynie dokumentem kierunkowym, wskazała dopuszczalne formy i kształt mechanizmów wsparcia,

w tym w szczególności, za brzmieniem pkt. (26), na „pomoc inwestycyjną, zwolnienia z podatku lub obniżenie podatku, zielone certyfikaty oraz systemy bezpośrednich dopłat do cen”. W celu realizacji wskazanych wytycznych kierunkowych państwa członkowskie zostały zobligowane do przeprowadzenia analiz potencjału technicznego i ekonomicznego kogeneracji w ramach swoich rynków lokalnych oraz identyfikacji barier rozwoju tego podsektora. Wybór modelu wsparcia, zgodnie z rekomendacjami dyrektywy, miał mieć suwerenny charakter, co było w zgodzie z pkt (32) „[…] pozwoli każdemu Państwu Członkowskiemu wybrać rozwiązania najbardziej odpowiadające jego sytuacji […]”. Optymalnym, z punktu widzenia ustawodawcy polskiego, był wybór modelu bazującego na systemie certyfikacji. Stosowne zapisy zostały wprowadzone w życie nowelizacją ustawy Prawo energetyczne w styczniu 2007 roku. Celem tak skonstruowanego mechanizmu było wielopłaszczyznowe wsparcie skupiające się głównie wokół zapewnienia stabilnego środowiska ekonomicznego i minimalizacji barier administracyjnych oraz wykreowaniu rynku, czyli stron podażowej i popytowej, na towar w postaci zbywalnych praw majątkowych wynikających ze świadectw pochodzenia energii wytworzonej w promowanych typach źródeł wytwórczych. Zgodnie z pierwotnymi założeniami za wystarczający uznano blisko sześcioletni okres trwania mechanizmu, który miał się przyczynić przede wszystkim do modernizacji i budowy nowych mocy wytwórczych, czego koszty miały być w sposób zrównoważony pokryte przez odbiorców energii elektrycznej. Analiza dokonana na bazie doświadczeń kilkuletniego trwania systemów wsparcia wysokosprawnej kogeneracji pozwala na sformułowanie wniosków i konkluzji oraz dokonanie oceny efektywności zastosowanych mechanizmów, czego wyniki na przykładzie wysokosprawnej kogeneracji gazowej zostały zaprezentowane na łamach niniejszego artykułu.

2. Efektywność wsparcia Efektywność może być rozpatrywana jako pewna kategoria ekonomiczna, używana jako kryterium oceny funkcjonowania oraz szans rozwojowych badanego mechanizmu. W analizowanym przypadku pojęcie to utożsamiane może być z zasadą racjonalnego gospodarowania w wariantach: wydajnościowym, gdzie liczy się maksymalizacja efektu, i oszczędnościowym, gdzie funkcją celu jest minimalizacja nakładów i kosztów. Mechanizm wsparcia działający w sposób efektywny powinien zatem być tak skonstruowany, by z jednej strony przyczyniać się do modernizacji istniejących i budowy nowych mocy wytwórczych oraz ograniczać bariery fiskalne, administracyjne i techniczne, z jednoczesnym zachowaniem minimalizacji ciężaru kosztowego, przenoszonego na odbiorców. W kontekście tak ujętej definicji ważne staje się przytoczenie najistotniejszych założeń mechanizmu rzutujących na ocenę jego efektywności. 2.1. Opłata zastępcza Wartościowanie praw majątkowych na rynku odbywa się z udziałem stron: podażowej, czyli wytwórców kogeneracyjnych, oraz popytowej, czyli sprzedawców energii, którzy zobligowani zostali do zakupu i umorzenia stosownego udziału praw majątkowych (PMGM), odpowiadającego części energii elektrycznej sprzedanej odbiorcom końcowym. W przypadku odstąpienia od zakupu i umorzenia praw majątkowych zobligowany sprzedawca ma możliwość wniesienia tzw. opłaty zastępczej (Ozg), czyli pewnego substytutu, gwarantującego mu realizację obowiązku i uniknięcie kar. Wysokość opłaty zastępczej i algorytm jej wyznaczania jest zatem najistotniejszą determinantą mechanizmu wsparcia. Jej wysokość wpływa na zachowania graczy rynkowych, na liczbę praw majątkowych znajdujących się na rejestrach giełdy oraz stanowi istotne odniesienie przy konstruowaniu projekcji inwestycyjnych. Ustawodawca, implementując zapisy dyrektywy [1] do prawa polskiego, zadbał o nadanie pewnej elastyczności algorytmowi kreowania opłaty zastępczej i nadał

103

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | translation 97–102

kompetencje do jej wyliczania prezesowi URE. Dla jednostek kogeneracyjnych opalanych gazem bądź o łącznej mocy zainstalowanej elektrycznej nieprzekraczającej 1 MW opłata zastępcza powinna się zawierać w przedziale między 15% a 110% ceny rynku konkurencyjnego. Taka konstrukcja, wyliczana w roku ‘n’, określała wartość opłaty na rok ‘n + 1’ na podstawie danych z rynku konkurencyjnego z roku ‘n – 1’. Mechanizm nie odzwierciedlał zatem bieżących uwarunkowań, rozwoju rynku, trendów cenowych i charakteryzował się silną inercją. Na wadliwą konstrukcję tego algorytmu wskazywał ponadto opublikowany w grudniu 2007 roku raport oceniający półroczne funkcjonowanie wsparcia [6]. Zgodnie z założeniami ekonomicznymi, według których powstawała koncepcja modelu wsparcia, minimalna progowa wartość świadectwa pochodzenia,

gwarantująca uzyskanie uznanego za wystarczający przy realizacji nowych inwestycji wskaźnika IRR na poziomie 10%, wyniosła dla źródeł gazowych 120 zł/MWh. Pomimo wystarczającej elastyczności algorytmu w żadnym z lat pierwszego okresu funkcjonowania mechanizmu (2007–2012) opłata zastępcza nie zrównała się ani nie przekroczyła nominalnej dla danego roku progowej wartości prawa majątkowego, co zilustrowano na rys. 1. Potencjalny bodziec inwestycyjny mógłby się pojawić w 2013 roku, jednakże był to rok, w którym mechanizm wsparcia już nie obowiązywał. Lata 2014–2015 to z kolei okres ponownego wejścia w życie mechanizmu w niezmienionej co do pryncypium formie. W tym okresie wysokości opłat zastępczych wyniosły jedynie odpowiednio 55% i 67% ceny z rynku konkurencyjnego, co również negatywnie przełożyło się na nastroje inwestycyjne.

Rys. 1. Poziom opłat zastępczych, opracowanie własne

Rys. 2. Wartość indeksu cenowego i bilans rejestrów PMGM, opracowanie własne na podstawie danych [2]

104

Na ryzyka te wskazano we wnioskach raportu [6], gdzie podkreślono, że cyt. „system wsparcia oparty wyłącznie o świadectwa pochodzenia energii elektrycznej z wysokosprawnej kogeneracji nie wykreuje dostatecznych bodźców inwestycyjnych. Poziom pierwszych opłat zastępczych […] ukształtował się wyraźnie poniżej poziomu cen świadectw pochodzenia przyjętych do oszacowania potencjału ekonomicznego kogeneracji. Ponadto cena świadectwa pochodzenia może się w praktyce okazać znacząco niższa od ustalonej opłaty zastępczej. […] W przypadku zaistnienia sytuacji nadmiaru uprawnień (zbyt mały rynek) mogą one uzyskać skrajnie wartość bliską zera”. Wskazane w dokumencie ryzyka, głównie w zakresie niewłaściwego wywartościowania opłat zastępczych oraz wykreowania popytu, zmaterializowały się i wpłynęły na zbilansowanie stanu rejestrów na koniec okresu obowiązywania mechanizmu. 2.2. Stan rejestrów Mechanizm wsparcia obowiązujący w latach 2007–2012 nie ograniczał ważności prawa majątkowego wyłącznie do roku, w którym zostało ono wydane. Algorytm ten, w przypadku niewłaściwego sparametryzowania wskaźników popytowych, skutkował kumulowaniem praw majątkowych na rejestrach uczestników rynku, co w sztuczny sposób zwiększało podaż i przyczyniało się do spadków cen. Na załamanie się rynku miał także wpływ brak czytelnych sygnałów ze strony ustawodawcy wskazujących w sposób jednoznaczny na przerwanie bądź kontynuację funkcjonowania mechanizmu wsparcia. Tak prowadzona polityka dezinformacji i w konsekwencji wygaśnięcie wsparcia skutkowały spadkiem wartości

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | translation 97–102

praw majątkowych PMGM do zera, co zilustrowano na rys. 2. Znajdująca się na rejestrach nadwyżka stała się bezwartościowa, co stało się m.in. powodem podjęcia przez zainteresowane środowiska branżowe działań zmierzających do reaktywacji mechanizmu. W konsekwencji w marcu 2014 roku została znowelizowana ustawa Prawo energetyczne [9], przywracająca system wsparcia dla wysokosprawnych jednostek kogeneracyjnych. Działanie mechanizmu ograniczono, wskazując 30 czerwca 2019 roku jako ostateczny termin umorzenia praw majątkowych bądź wniesienia opłaty zastępczej. Najistotniejszą zmianą, jaką wprowadzono względem pierwotnego modelu, było nadanie świadectwom pochodzenia atrybutu terminowości, ograniczającej ich ważność do roku wyprodukowania energii. Ograniczenie to zostało wprowadzone w celu wyeliminowania agregacji praw na rejestrach i uniezależnienia ich wartości od nadwyżek w systemie. Druga kluczowa zmiana dotyczyła praw majątkowych wydanych przed dniem wejścia w życie znowelizowanej ustawy i zakładała brak możliwości ich uwzględniania przy rozliczeniu wykonania obowiązku. Tak skonstruowany mechanizm rozpoczął swoje funkcjonowanie w kwietniu 2014 roku, a pierwsze prawa majątkowe znalazły się w rejestrach w lipcu 2014 roku. Należy w tym miejscu podkreślić, że popyt na prawa majątkowe został dodatkowo zdeterminowany zapisami rozporządzenia [7], z którego wynika, że w przypadku,

gdy przedsiębiorstwo energetyczne w roku poprzedzającym rok sporządzania taryfy zrealizowało ciążący na nim obowiązek poprzez uiszczenie opłaty zastępczej w wysokości odpowiadającej ilości energii elektrycznej większej niż 10% portfela sprzedażowego, to przedsiębiorstwo to w taryfie może jako koszt uzasadniony uwzględnić jedynie 80% kosztów poniesionej opłaty zastępczej. Brak możliwości uwzględnienia pełnych kosztów w sposób oczywisty przełoży się na wzrost popytu i tym samym na wzrost wartości praw majątkowych. 2.3. Ocena efektywności mechanizmu Funkcjonowanie mechanizmu wsparcia miało, zgodnie z założeniami, przyczynić się do wykorzystania potencjału technicznego i ekonomicznego kogeneracji oraz przełożyć się na modernizację i budowę nowych mocy wytwórczych z jednoczesną minimalizacją związanych z tym kosztów. W latach 2007–2012, w ślad za produkcją energii elektrycznej skojarzonej z ciepłem, zostało wydanych ok. 18,7 TWh PMGM, których wartość rynkowa odniesiona do opłaty zastępczej wyniosła ok. 2,3 mld zł, co w szczegółowy sposób przedstawione zostało w tab. 1. Odnosząc wartość wsparcia do ilości energii sprzedanej odbiorcom końcowym, można wnioskować, że średnio w analizowanym okresie koszt społeczny dla tego systemu wyniósł ok. 3,3 zł/MWh. W tym miejscu zasadne staje się przedstawienie efektów, jakie udało się uzyskać przez zasilenie mechanizmu kwotą na poziomie 2,3 mld zł. Zgodnie z opracowaniami [3, 4] w polskim systemie elektroenergetycznym

zostały przeprowadzone inwestycje, zarówno w obszarze energetyki zawodowej, jak i przemysłowej. Łącznie w latach 2007–2014 oddano blisko 186 MW mocy alokowanej w źródłach bazujących na gazie koksowniczym, zaazotowanym i wysokometanowym, co szczegółowo zostało zilustrowane na rys. 3. Należy podkreślić, że ze względu na długość cyklu inwestycyjnego tylko część decyzji o budowie została podjęta w oparciu o strumień finansowania z rynku praw majątkowych. Przyjmując za jednostkowy koszt budowy źródła gazowego wartość 3,7 mln zł/MW [5] oraz cykl trwania fazy przygotowawczej i budowy na ok. 5 lat [5], można stwierdzić, że zgromadzona pula środków powinna wystarczyć na budowę około 620 MW w przeciągu kilku najbliższych lat. 3. Podsumowanie Zgodnie z wynikami obliczeń przeprowadzonych w 2007 roku, tj. w momencie wprowadzania systemu wsparcia, w Polsce w skojarzeniu produkowano ok. 280 PJ ciepła, co odpowiadało wykorzystaniu jedynie 64% potencjału ekonomicznego (ok. 430 PJ). Sytuację tę mogło zmienić wprowadzenie mechanizmu wsparcia i ustalenie jego wysokości dla technologii gazowych na poziomie 120 zł/MWh. Działanie takie przełożyłoby się na wzrost potencjału ekonomicznego o ok. 23%, tj. do poziomu 530 PJ w 2020 roku [6]. Wprowadzony algorytm wyznaczania opłaty zastępczej, jak i sam mechanizm umarzania praw majątkowych, przyczynił się do trwałego wywartościowania praw majątkowych

WYDANE ZA OKRES PMGM

RAZEM 1.01–31.12.2007 1.01–31.12.2008 1.01–31.12.2009 1.01–31.12.2010 1.01–31.12.2011 1.01–31.12.2012

wydane w 2013

wydane w 2012

wydane w 2011

238 104

256 695

wydane w 2010

wydane w 2009

631 583 [MWh]

754 868

6 050

1 356 843

1 362 892

80 371

1 535 444

2 665 015

4 280 830

1 330 797

2 276 765

4 102 362

1 809 023

2 440 605

2 438 229

3 193 097

wydane w 2008

1 089 574

2 223 517

RAZEM

1 327 679

3 235 081

3 069 812

3 220 191

3 818 259

4 021 858

18 692 878

155,3

378,5

395,4

414,8

485,5

518,0

2 347,5

wartość PMGM

[mln zł]

3 313 091

Tab. 1. Liczba i wartość wydanych praw majątkowych PMGM. Opracowanie własne na podstawie [8]

105

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | translation 97–102

Rys. 3. Wykaz nowych mocy wytwórczych oddanych w latach 2007–2014, opracowanie własne na podstawie danych [3, 4]

poniżej wartości progowej stanowiącej odniesienie inwestycyjne. W czasie trwania blisko sześcioletniego okresu funkcjonowania modelu wsparcia oddano do użytku jedynie ok. 186 MW w nowych kogeneracyjnych źródłach gazowych, przy jednoczesnej wartości całego rynku na poziomie sięgającym 2,3 mld zł. Wprowadzenie w 2014 roku nowego mechanizmu uwzględniającego czasową ważność prawa majątkowego wraz z brakiem możliwości transpozycji do taryfy całości kosztów związanych z wnoszeniem opłat zastępczych, przyczyni się do umocnienia wartości rynkowej prawa majątkowego. Zdaniem autorów nie będzie to jednak stanowiło wystarczającego bodźca do inwestycji, gdyż wartość opłaty zastępczej dla 2015 roku jest o ok. 17% niższa od nominalnej progowej wartości gwarantującej rentowność inwestycji. Ponadto duże wątpliwości może budzić globalny spadek dynamiki zapotrzebowania na ciepło, który także ma przełożenie na planowane inwestycje w moce wytwórcze. Zgodnie z [5] w sektorze miejskim i przemysłowym w latach 2014–2050 nastąpi jedynie odpowiednio ok. 12-proc. i 7-proc. wzrost popytu na ciepło.

106

Bibliografia 1. Dyrektywa 2004/8/WE Parlamentu Europejskiego i Rady z 11 lutego 2004 roku w sprawie wspierania kogeneracji w oparciu o zapotrzebowanie na ciepło użytkowe na rynku wewnętrznym energii oraz zmieniająca dyrektywę 92/42/EWG. 2. http://www.polpx.pl/. 3. Katalog Elektrociepłowni Przemysłowych, ARE Warszawa, lipiec 2014. 4. Katalog Elektrowni i Elektrociepłowni Zawodowych, ARE Warszawa, kwiecień 2014. 5. Model optymalnego miksu energetycznego dla Polski do roku 2060, wersja 3.0; Kancelaria Prezesa Rady Ministrów, Departament Analiz Strategicznych, Warszawa, 2 lutego 2015. 6. Raport oceniający postęp osiągnięty w zwiększaniu udziału energii elektrycznej wytwarzanej w wysokosprawnej kogeneracji w całkowitej krajowej produkcji energii elektrycznej, Monitor Polski 2012, nr 1, poz. 12 – załącznik do obwieszczenia ministra gospodarki z 12 grudnia 2007 roku.

7. Rozporządzenie Ministra Gospodarki z 10 grudnia 2014 roku w sprawie sposobu obliczania danych podanych we wniosku o wydanie świadectwa pochodzenia z kogeneracji oraz szczegółowego zakresu obowiązku potwierdzania danych dotyczących ilości energii elektrycznej wytworzonej w wysokosprawnej kogeneracji, Dz. U. z 2014 roku, poz. 1940. 8. Sprawozdania z działalności prezesa URE za lata 2007–2013, Biuletyn Urzędu Regulacji Energetyki. 9. Ustawa z 10 kwietnia 1997 roku Prawo energetyczne, Dz. U. z 2012 roku, poz. 1059 z późniejszymi zmianami. 10. Wersja skonsolidowana Traktatu o Unii Europejskiej i Traktatu o funkcjonowaniu Unii Europejskiej, Dziennik Urzędowy Unii Europejskiej z 30 marca 2010 roku, t. 53, powiadomienie nr 2010/C83/01.

M. Sołtysik, K. Mucha-Kuś | Acta Energetica 3/24 (2015) | translation 97–102

Maciej Sołtysik

dr inż. TAURON Polska Energia SA e-mail: maciej.soltysik@tauron-pe.pl Absolwent Wydziału Elektrycznego Politechniki Śląskiej (2000) oraz studiów podyplomowych w Akademii Ekonomicznej w Katowicach (2007) i Akademii Górniczo-Hutniczej (2010). Stopień naukowy doktora uzyskał w Instytucie Energoelektryki Politechniki Wrocławskiej (2010). Od kilkunastu lat związany z energetyką. Doświadczenie zawodowe zdobywał w Enion SA, Everen sp. z o.o. grupa EdF i TAURON Polska Energia SA. Członek Polskiego Komitetu Energii Elektrycznej (PKEE), Towarzystwa Obrotu Energią (TOE) i grup roboczych przy TOE i PKEE. Biegły sądowy z zakresu elektroenergetyki i rynku energii elektrycznej. Autor i współautor kilkudziesięciu referatów naukowych.

Karolina Mucha-Kuś

dr TAURON Polska Energia SA e-mail: karolina.mucha-kus@tauron-pe.pl Absolwentka Śląskiej Międzynarodowej Szkoły Handlowej (2008), studiów podyplomowych z zakresu energetyki jądrowej w Akademii Górniczo-Hutniczej (2012) i studiów doktoranckich na Uniwersytecie Ekonomicznym w Katowicach (2012). Zdobyła drugie miejsce w międzynarodowym konkursie na najlepszą rozprawę doktorską, organizowanym przez Technical University of Ostrava – VŠB-TUO. Od 2007 roku zawodowo związana z branżą energetyczną. Jej zainteresowania naukowo-badawcze dotyczą strategii efektywnych zachowań uczestników rynku energii. Autorka referatów z zakresu zarządzania strategicznego, w szczególności badań nad strategiami koopetycji. Członkini Towarzystwa Obrotu Energią, w tym grup roboczych przy Towarzystwie Obrotu Energią.

107

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | 108–113

Transformation of Polish Energy Policy in the Context of Changes in European Union Member States

Authors Radosław Szczerbowski Bartosz Ceran

Keywords energy policy, energy security, electricity generation

Abstract This paper presents the development of the Polish energy system in the context of the changes taking place in the energy systems of other European Union Member States. Power system development plans in selected European countries were analysed, as well as their impact on the development of the national energy system. To be effective, an energy policy must affect the investment decisions of business entities. Poland is at the time when it should create the optimal energy mix concept and consistently strive for its implementation. This paper aims to show the real direction of growth in the electricity generation assets in Poland, as well as to indicate the possible impact of trends in the policies of European Union Member States on the electricity market in Poland.

DOI: 10.12736/issn.2300-3022.2015310

Introduction In recent years, issues of energy security of Poland have attracted a lot of attention. In general it can be said that “energy security is a condition that allows the economy to cover the current and prospective demand for fuel and energy, in a technically and economically justified manner, while minimizing the negative impact of the energy sector on the environment and living conditions of society”1. The current state of energy security in various sectors of the Polish energy industry is highly diversified. In the electricity and heating sectors, which are based on own resources of coal and lignite, Poland is self-sufficient. In the gas and liquid fuels sector it largely depends on imports, mainly from Russia. Based on fuel and energy balances it is necessary to develop a long-term energy strategy that shall take into account the growing needs of individual consumers and industry, while ensuring energy security. That is why for several years attempts have been made to define a new energy strategy model, which on the one hand would take into account the needs of consumers, and on the other would respond to the challenges posed by the European Union.

The national energy strategy In recent years much attention has been devoted to issues of strategy and plans of the Polish energy system’s development.

1 Paska 2

This topic was addressed in many legal acts, reports, studies and conference proceedings. The documents, which describe the problem of the energy system’s development include the following: • The Polish Energy Policy until 2025. The document adopted by the Council of Ministers on 4 August 2005 • The Polish Energy Policy until 2030. The document adopted by the Council of Ministers on 10 November 2009 • Energy Mix 2050. Scenario analysis for Poland. Warsaw 2011 (Ministry of Economy) • The Energy Mix for Poland until 2060. Warsaw 2013 (The Prime Minister Office, Strategic Analysis Department: The Optimum). In April 2014, the Council of Ministers adopted a resolution adopting the strategy of “Energy Security and Environment – perspective until 2020”2. Its aim is to develop a modern and environmentally friendly energy sector, which will be able to ensure Poland’s energy security. The strategy “Energy Security and Environment” covers two important areas: energy sector and the environment, and identifies the key reforms and the necessary steps that should be taken in the 2020 perspective. The strategy documents contain a statement that by 2020 the domestic power industry will rely mainly on coal. Poland, with its significant coal resources compared to other EU countries, is a safe country in the context of electricity generation and its relatively low cost.

J., Ekonomiczny wymiar bezpieczeństwa elektroenergetycznego i niezawodności zasilania [The economic dimension of energy security and reliability of supply], Rynek Energii 2013, No. 2. http://strateg.stat.gov.pl/strategie_pliki/Strategia_Bezpieczenstwo_Energetyczne_i_Srodowisko.pdf.

108

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | 108–113

Comparing the structure of the capacity installed in Poland with the EU average and selected European countries (Fig. 1), it can be seen that in our country the predominant fuel is coal. The energy mix for the whole European Union looks much more favorable. At the same time the use of multiple fuels and technologies allows to ensure adequate generation capacities, and also allows to meet the of environmental protection requirements. The diversification of fuels is also important from the point of view of energy security. Fig. 2 shows the generation output breakdown by different sources. Further herein the concepts will be presented of energy system development in selected European countries, since they may also affect the development in Poland. Eurostat data shows that in 2013, EU countries are dependent on imports of energy resources and energy by up to 54%. Polish situation is much more favourable, our dependence is just over 35%,

which puts us at the forefront of the energy-safest EU countries. Only Denmark, Estonia and Romania are dependent to a lesser extent. In far worse situation, however, are EU’s largest economies. The dependence on external energy sources in Germany is over 62%, in France approx. 48%, and in the UK approx. 46%. Countries with a relatively low level of energy import dependence rely on their natural fossil fuels. Examples here are the Czech Republic, Estonia and Romania. Tab. 1 shows a comparison of selected European countries: Germany, Denmark, France, the UK, and the Czech Republic. The adjustment of the Polish energy sector to EU requirements will certainly be very costly. These should include the need to build a modern power units in coal-fired power plants, as well as the planned nuclear power plant construction. Moreover, the

Fig. 1. Installed capacity structure in Poland and in selected European countries at the end of 20133

Fig. 2. Electricity output from various sources in Poland and in selected European countries at the end of 20134

3 4

Own study based on data from: Eurostat, the EurObserv’ER and ENTSO-E. Own study based on data from: Eurostat, the EurObserv’ER and ENTSO-E.

109

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | 108–113

most important cost of EU membership in the energy dimension is that of restricting the coal-based energy sector development. This constitutes a major obstacle to the use of the potential that we have in our coal and lignite resources. Also investment in renewable energy sources will certainly be a considerable burden for Poland. However, it should also be noted that the positive effect of the investment in renewable energy sources is development of the renewable energy generation sector in Poland. In order to compare the Polish power system with systems of European countries, the following three percentage ratios were used: • peak power to installed capacity • minimum load to installed capacity • installed capacity utilisation.

The comparison results are shown in Fig. 3. Some important conclusions can be drawn from the comparison: • the peak-to-capacity ratio and capacity utilisation are comparable with those in France and the UK, and much higher than in Germany and the European average • intensive RES development in Germany, and especially in Denmark, results in a decrease in the peak-to-capacity ratio due, since RES availability is much lower than of that of conventional power plants. It is also linked to the need to maintain a reserve capacity to generate electricity during low RES-based generation • the difference between the minimum-to-capacity and peak-tocapacity ratios represents the amplitude of load variations in the system throughout the year, relative to the installed capacity

Poland

Germany

Denmark

France

Czech Republic

Installed capacity [MW]

35,631

183,099

14,855

128,289

74,931

19,909

1,007,453

Hourly peak power [MW]

22,680

83,102

6,109

92,900

59,440

10,093

528,749

Minimum hourly load [MW]

10,206

32,473

1,008

29,869

19,989

3,952

230,694

Fossil fuel plants [MW]

29,170

84,411

8,886

25,707

53,287

11,237

461,278

12,068

63,130

9,749

4,040

126,395

Hydro plants [MW]

2,349

10,780

25,434

3,969

2,230

201,395

Renewables [MW]

4,112

77,360

5,960

14,018

7,926

2,402

218,385

Energy output [TWh]

150.9

571.8

32.0

550.7

300.0

80.9

3315.8

Nuclear plants [MW]

Tab. 1. Basic parameters of the power system in Poland and in selected European countries5

Fig. 3. Comparison of peak-to-capacity, minimum-to-capacity, and capacity utilisation ratios in Poland and selected European countries at the end of 20136

5 6

Own study based on data from: Eurostat, the EurObserv’ER and ENTSO-E. Own study based on data from: Eurostat, the EurObserv’ER and ENTSO-E.

110

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | 108–113

• it can be expected that the EU countries, which already have installed significant RES capacities in their systems, will inspire a departure from the current design rules for dispatchable sources-based systems to power systems with capacities several times over the of peak power.

The German energy policy Initiated in 2011, the German Energiewende energy reform proposed by the government due to the imposed pace of change, represents a new quality in Germany’s energy strategy. It appeared a few months after the accident at Fukushima nuclear power plant. The German government not only adopted an action plan and a role of the new energy policy, but its set precise assumptions that reflect the additional values shared by the majority of citizens. This was meant as the German answer to a reduction of natural resources, and the increase in independence from raw materials imported from unstable regions of the world, and a higher standard of living in the future. The most significant Energiewende assumptions are: • decommissioning of nuclear power plants by 2022 • significant reduction in carbon dioxide emissions • increase in energy efficiency • reduction of energy imports • reliance of the power system on RES. The strategy shall be based mainly on RES development. Pursuant to the amendment of the Act, the RES share in electricity output shall steadily rise from the current approx. 20% to approx. 38% in 2020, approx. 50% in 2030, and up to 80% in 2050. The complete transition to the use of low-carbon energy, using mainly RES sources, is a major social challenge, especially because of the need to raise electricity prices. So far, German society is ready to bear the costs associated with the energy transformation. The main problem with the implementation of Energiewende, the new energy policy, is the assurance of energy supply continuity after gradual decommission of successive nuclear power plants by 2022. To this end Germany is seeking to exploit coal and natural gas, which is a low-emission fuel and allows maintaining the carbon dioxide emission reduction objectives. The first significant change related to the new concept of the German energy sector is the construction of new coal-fired power plants. It is quite surprising because of the fuel’s high emissivity, however it’s justified by the need to balance the withdrawn nuclear power plant capacities. At the same time, RES subsidizing results in reduction in electricity wholesale prices below the profitability threshold. This is particularly evident in some depreciated gasfired plants. Because of this gas-fired plants have assumed the peak source roles, which significantly decreased the gas-fuelled energy output.

The UK energy policy At the end of the 1980s Britain was the pioneer of changes in the energy sector and was the first to liberalise its energy market. The liberal energy policy then introduced has brought many successes, such as significant generation cost reduction and de-monopolization of the energy sector. Then the United Kingdom served as a model for the policies pursued at European Union level. However, with depletion of the oil and gas from fields in the North Sea and growing uncertainty in the global energy markets, the energy supply security in the UK was threatened. In 2003 the UK government published the Energy White Paper – Our energy future – creating a low carbon economy. It was an outline of the UK energy policy for the next 50 years. Key assumptions in this development vision includes: abandoning coal, halting nuclear generation development with an option of its recovery in the future, the need to protect the environment and the associated reduction in carbon dioxide emissions by 60% in 2050. Further documents defining the energy development strategy were the Energy Act and Climate Change Act 20087. These documents provided, among other things, for: gas supply regulation, the need to modernize the manufacturing sector, including introduction of carbon capture and storage (CCS) technology, to develop a RES-based system based through the introduction of RES-supporting tariffs. In 2012, the United Kingdom made another reform of its energy sector8. The new UK energy policy features a twist, which entails a departure from the market model towards a more decisive state intervention. The British government has set ambitious targets, such as decarbonization, i.e. reduction of the economy’s emissivity, and assurance of energy supply and prices for all consumers. The British government’s priorities set out in the Energy Security Strategy now included: diversification of supply, and minimisation of the risks associated with excessive dependence on imports. This is all the more important because the British energy mix is based largely on fossil fuels. Gas-based generation accounts for 44% and coal-based for 29%. Supply security concerns are also enhanced by worn-out generation assets. It is assumed that by 2020 one-fifth of the plants will be decommissioned, and a large part of new ones will be so-called unstable (wind and photovoltaics) or not flexible (nuclear) generation. The United Kingdom is also a leader in wind generation development, especially offshore. Until now more than 12 GW capacity has been installed in wind power plants. Last year their annual output exceeded 28,000 TWh, which represents more than 9.8% of the total UK electricity output9. Also photovoltaic systems development has significantly increased in recent years. Last year, the capacity installed in photovoltaic plants amounted to more than 5 GW10. In the past, the British liberalized electricity market functioned properly and competition mechanisms counteracted excessive

7 The Energy Act and Climate Change Act were published in 2008 (http://www.legislation.gov.uk/). 8 The Energy Security Strategy (2012) and Electricity Market Reform (2013), published by Department of Energy and Climate Change (https://www.gov.uk/). 9 http://www.ewea.org/fleadmin/fles/library/publications/statistics/EWEA-Annual-Statistics-2014.pdf. 10 https://www.gov.uk/government/statistics/solar-photovoltaics-deployment.

111

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | 108–113

pricing, and the market provided appropriate investment stimuli to ensure a proper level of new generation capacity. In recent years the situation has changed, and the previous balance was disturbed by, among other things, the introduction of support schemes for certain electricity generation technologies, especially RES. The new energy policy stipulated in the Electricity Market Reform has introduced two basic solutions to improve the situation in the energy sector: • new support system for zero-emission and low-carbon electricity generation technologies • power market, designed to ensure energy supply security, with prominent roles of electricity generators, consumers, and energy storage technologies.

The French energy policy France in the 1970s decided to build nuclear plants and to base its energy sector on this source. It was a response to the global energy crisis. The strategic objective of that energy policy was energy self-sufficiency through nuclear power. The main premise for such a decision was the relatively small French energy resources (gas, oil, coal). According to the latest assumptions of the French energy policy draft announced by the Ministry of Sustainable Development and Energy in June 2014, nuclear power shall remain the core of the French energy system. Earlier assumptions in 2012 envisioned a gradual decrease in the nuclear energy share in the total energy balance from the current over 73% in electricity generation to 50% in 2025, and a gradual shutdown of the oldest nuclear units. The new energy policy also assumes a gradual decline in the share of nuclear power and its gradual replacement with RES generation. Most of the 58 reactors owned by the company EDF were built in the 1970s and 80s and soon they’ll expire their service life planned for approx. 40 years. It is assumed, however, that this may be extended up to 50, or even 60, years. The new energy policy guidelines also assume a 40% reduction in carbon dioxide emissions by 2030, and as much as 75% by 2050, from the level of 1990 emissions. Until then, the RES share in the energy balance shall represent more than 30%, and some sources say that even approx. 40%, while reducing the fossil fuels share by 30%. The aim of the new law is also to reduce the energy consumption by 20% in 2030, and by 50% in 2050. The message from the proposed law is very clear: even if France intends to reduce the nuclear energy share, it will not follow the German suit and get rid of it completely. The RES industry development is related to, among other things, expansion of photovoltaic power plants and wind farms. Currently in France there is more than 5 GW of installed PV capacity. It is assumed that by 2020 the level of almost 8 GW, and by 2030 of almost 25 GW will be reached11. Also wind turbines already account for a significant percentage of the installed capacity, reaching more than 8 GW12.

The Danish energy policy The Danish energy plan envisages independence from fossil fuels by 205013. Assumptions to the plan were adopted in 2010 and is the first such document in the world. The Danish authorities expect that by 2020 one-third of the country’s energy output shall be RES generated, and 100% by 2050. The transition to an RES-only energy sector is to take place mainly by increasing the potential of offshore wind farms. Currently, Denmark has nearly 5 GW capacity installed in wind farms, and it plans to add more than 3 GW. In addition to the wind power development, the Danish plan, among other measures, provides for ban on new solid, liquid and gas fuel boilers, and replacing them with RES fuelled devices. Actually, in 2010 fossil fuels covered almost 80% of the energy demand in Denmark, but in 2013 this share was less than 60%. This ambitious plan, however, is associated with high costs of implementing a zero-emission policy.

The Czech energy policy The use of coal resources, nuclear power development and diversification of sources are the main energy security policy objectives adopted by the Czech government in 2011. The document, which was the basis for the development of the Czech energy mix for the next 20 years, provides for construction of new power units at nuclear power plants, puts an emphasis on exploitation of the domestic lignite resources, and development of RES-based generation. It is estimated that in the next dozen or so years in the Czech Republic ca. 4 GW capacity will have to be decommissioned. It shall be replaced with modern coal-fired and gas-fired plants, and new units in the existing nuclear power plants. The Czech government also appreciates the role of RES, which at the moment accounts for approx. 12% of the total energy balance. In recent years, rapid development of photovoltaic generation, stimulated by a system of grants and guaranteed high electricity purchase prices, created serious problems for transmission operators. The Czech Republic will retain the nuclear plants in Temelín and Dukovany, which now represent approx. 20% of the installed capacity accounting for over 35% of the electricity output, as an important energy source. The Czech government is also considering an expansion of both power plants. Currently the Czech Republic has excess capacity in their plants, and according to forecasts this may remain so even until 2030. In 2013, the Czech government launched the process of adopting a new long-term energy strategy in the perspective of 2040. The new energy sector development strategy presented by the Czech Ministry of Industry and Trade only preliminarily provides for the decision to develop nuclear generation with a view to commissioning new units in 2037. According to the energy strategy, nuclear power should account for 49–58% of the total electricity output by 2040. In the same year the share of coal in electricity generation should fall from the current more than 52% to 18%.

11 Chifres clés de l’énergie Édition 2014 (www.statistiques.developpement-durable.gouv.fr). 12 http://www.rte-france.com/sites/default/fles/apercu_energie_elec_2014_11_an.pdf. 13 http://www.ens.dk/Documents/Netboghandel%20-%20publikationer/2011/Energy_Strategy_2050.pdf.

112

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | 108–113

Summary

REFERENCES

Germany and Denmark rely on RES-based generation, the United Kingdom announces the construction of new nuclear power plants, also the Czech Republic will not give up nuclear energy, France maintains its nuclear potential, while building renewable energy sources. It clearly follows from this review that the Europeans can not agree on energy matters, and each country pursues its own energy plan. Should Poland therefore follow the lead of one of these countries or implement its own option of energy development? According to the author, the decisions on energy strategy should be made by each EU Member State independently. Each country should choose whether to bid on nuclear energy, gas or coal combustion, or renewable energy. Energy policy is a security policy of the country. It should be well thought out, and take into account the access to energy sources. An important issue is also the need for independence from imported fuels. At the same time, recent developments show how important a common voice of EU policy on the issue of energy is. Hence the question of how far the common voice should interfere with and decide on national energy strategies of European Union countries.

1. Paska J., Ekonomiczny wymiar bezpieczeństwa elektroenergetycznego i niezawodności zasilania [The economic dimension of energy security and reliability of supply], Rynek Energii 2013, No. 2, pp. 17–22 2. Wilczyński M., Zmierzch węgla kamiennego w Polsce [The eclipse of hard coal in Poland], Foundation Institute for Sustainable Development, Warsaw, 2013. 3. Gawlikowska-Fyk A., Nowak Z., Polityka energetyczna Wielkiej Brytanii – pionierskie podejście do reformy rynku energii [Energy policy of the United Kingdom – a pioneering approach to the reform of the energy market], PISM Bulletin (Polish Institute of International Affairs) 2013, No. 87. 4. Szczerbowski R., Bezpieczeństwo energetyczne Polski – mix energetyczny i efektywność energetyczna [Polish energy security – energy mix and energy efficiency], Polityka Energetyczna 2013, Vol. 16, book 4, pp. 35–47. 5. Kaliski M., Frączek P., Szurlej A., Brytyjskie doświadczenia a zmiana struktury źródeł energii w Polsce [The British experience and a change in the structure of energy sources in Poland], Polityka Energetyczna 2011, Vol. 14, book 2, pp. 141–153.

Radosław Szczerbowski Poznań University of Technology e-mail: radoslaw.szczerbowski@put.poznan.pl A graduate and now a lecturer at the Faculty of Electrical Engineering of Poznań University of Technology. The scope of his research interests include issues related to electricity generation, energy management, and energy security. A member of the Association of Polish Electrical Engineers.

Bartosz Ceran Poznań University of Technology e-mail: bartosz.ceran@put.poznan.pl Graduated in electrical/power engineering from the Electrical Faculty of Poznań University of Technology. Since 2009 a research assistant in the Institute of Electrical Power Engineering at the Faculty of Electrical Engineering of Poznań University of Technology. His research interests include issues of distributed electricity and heat generation, with special emphasis on fuel cell technology.

113

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | translation 108–113

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 108–113. When referring to the article please refer to the original text. PL

Transformacja polityki energetycznej Polski w kontekście zmian w krajach Unii Europejskiej Autorzy

Radosław Szczerbowski Bartosz Ceran

Słowa kluczowe

polityka energetyczna, bezpieczeństwo energetyczne, wytwarzanie energii elektrycznej

Streszczenie

W artykule przedstawiono rozwój polskiego systemu energetycznego w kontekście zmian, jakie zachodzą w systemach energetycznych innych krajów Unii Europejskiej. Przeanalizowano plany rozwoju wybranych systemów energetycznych krajów europejskich i ich wpływ na rozwój krajowego systemu energetycznego. Polityka energetyczna, aby odnieść zamierzony skutek, musi wpływać na decyzje inwestycyjne podmiotów gospodarczych. Polska znalazła się w momencie, w którym powinna stworzyć optymalną koncepcję miksu energetycznego i konsekwentnie dążyć do jej wdrożenia. Artykuł ma na celu pokazanie realnych kierunków rozwoju bazy wytwórczej energii elektrycznej w Polsce, a także wskazanie możliwego wpływu trendów polityk krajów Unii Europejskiej na rynek energii elektrycznej w Polsce.

Wprowadzenie W ostatnich latach zagadnieniom bezpieczeństwa energetycznego kraju poświęcono wiele uwagi. Ogólnie można stwierdzić, że „bezpieczeństwo energetyczne to stan gospodarki umożliwiający pokrycie bieżącego i perspektywicznego zapotrzebowania odbiorców na paliwa i energię, w sposób technicznie i ekonomicznie uzasadniony, przy minimalizacji negatywnego oddziaływania sektora energii na środowisko i warunki życia społeczeństwa”1. Obecny stan bezpieczeństwa energetycznego w poszczególnych sektorach polskiej energetyki jest mocno zróżnicowany. W elektroenergetyce oraz ciepłownictwie, które oparte są na własnych zasobach węgla kamiennego i brunatnego, Polska jest samowystarczalna. W sektorze gazu oraz paliw płynnych w znacznej mierze uzależniona jest od importu, głównie z Rosji. W oparciu o bilanse paliwowo-energetyczne konieczne jest wypracowanie wieloletniej strategii energetycznej, która uwzględni rosnące potrzeby odbiorców indywidualnych oraz przemysłowych, a jednocześnie zapewni bezpieczeństwo energetyczne. Dlatego od kilku lat podejmowane są próby określenia nowego modelu strategii energetycznej, która z jednej strony uwzględniałaby potrzeby odbiorców, a z drugiej odpowiadałaby na wyzwania stawiane przez Unię Europejską. Krajowa strategia energetyczna W ostatnich latach zagadnieniom strategii i planów rozwoju systemu energetycznego kraju poświęcono wiele uwagi. Temat ten pojawił się w wielu aktach prawnych, raportach, opracowaniach oraz materiałach konferencyjnych. Dokumenty, które przedstawiają problem rozwoju systemu energetycznego, to m.in.: • Polityka energetyczna Polski do 2025 roku. Dokument przyjęty przez Radę Ministrów 4 sierpnia 2005 roku

• Polityka energetyczna Polski do 2030 roku. Dokument przyjęty przez Radę Ministrów 10 listopada 2009 roku • Mix energetyczny 2050, Analiza scenariuszy dla Polski. Warszawa 2011 (Ministerstwo Gospodarki) • Mix energetyczny dla Polski do roku 2060. Warszawa 2013 (Kancelaria Prezesa Rady Ministrów, Departament Analiz Strategicznych: Optymalny). W kwietniu 2014 roku Rada Ministrów podjęła uchwałę w sprawie przyjęcia strategii „Bezpieczeństwo Energetyczne i Środowisko – perspektywa do 2020 roku”2. Celem strategii jest rozwój nowoczesnego, przyjaznego środowisku sektora energetycznego, który będzie w stanie zapewnić Polsce bezpieczeństwo energetyczne. Strategia „Bezpieczeństwo Energetyczne i Środowisko” obejmuje dwa istotne obszary: energetykę i środowisko oraz określa kluczowe reformy i niezbędne działania, które powinny zostać podjęte w perspektywie do 2020 roku. W dokumentach strategii znalazł się zapis, że do 2020 roku krajowa elektroenergetyka będzie się opierać przede wszystkim na węglu. Polska, dzięki znacznym złożom węgla w porównaniu z pozostałymi państwami UE, jest krajem bezpiecznym w kontekście produkcji energii elektrycznej i stosunkowo niskich kosztów jej wytwarzania. Porównując strukturę mocy zainstalowanych w Polsce ze średnią Unii Europejskiej oraz wybranymi krajami europejskimi (rys. 1), można zauważyć, że w naszym kraju dominującym paliwem jest węgiel. Mix energetyczny dla całej Unii Europejskiej przedstawia się o wiele bardziej korzystnie. Wykorzystanie wielu paliw i technologii pozwala jednocześnie na zapewnienie odpowiednich mocy wytwórczych, a także pozwala sprostać wymogom ochrony środowiska. Dywersyfikacja paliw jest też istotna z punktu widzenia bezpieczeństwa energetycznego. Na rys. 2 przedstawiono, jak

kształtuje się produkcja energii z poszczególnych źródeł wytwórczych. W kolejnych częściach artykułu zaprezentowane zostaną koncepcje rozwoju systemów energetycznych w wybranych krajach europejskich, koncepcje te mogą mieć również wpływ na rozwój naszego systemu energetycznego. Z danych Eurostatu wynika, że w 2013 roku kraje Unii Europejskiej były uzależnione od importu surowców energetycznych i energii aż w 54%. Sytuacja Polski jest zdecydowanie korzystniejsza, nasze uzależnienie wynosi nieco ponad 35%, co plasuje nas w czołówce najbezpieczniejszych energetycznie państw UE. W mniejszym stopniu uzależnione są tylko Dania, Estonia i Rumunia. W zdecydowanie gorszej sytuacji są natomiast największe unijne gospodarki. Uzależnienie od zewnętrznych surowców energetycznych w Niemczech wynosi ponad 62%, we Francji ok. 48%, w Wielkiej Brytanii ok. 46%. Kraje o stosunkowo niskim poziomie energetycznego uzależnienia od importu bazują na swoich naturalnych paliwach kopalnych. Przykładem są tu Czechy, Estonia i Rumunia. W tab. 1 przedstawiono porównanie wybranych krajów europejskich: Niemiec, Danii, Francji, Wielkiej Brytanii i Czech. Koszty dostosowania polskiej energetyki do wymogów unijnych z pewnością będą bardzo wysokie. Należy do nich zaliczyć również konieczność budowy nowoczesnych bloków energetycznych w elektrowniach węglowych, a także planowaną budowę elektrowni jądrowej. Ponadto najważniejszym kosztem naszego członkostwa w Unii Europejskiej w wymiarze energetycznym jest ograniczenie rozwoju energetyki opartej na węglu. Stanowi to ważną przeszkodę w wykorzystaniu potencjału, jaki posiadamy w zasobach węgla kamiennego oraz brunatnego. Także inwestycje w odnawialne źródła energii będą dla Polski z pewnością znacznym

1 Paska J., Ekonomiczny wymiar bezpieczeństwa elektroenergetycznego i niezawodności zasilania, Rynek Energii 2013, nr 2. 2 http://strateg.stat.gov.pl/strategie_pliki/Strategia_Bezpieczenstwo_Energetyczne_i_Srodowisko.pdf.

114

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | translation 108–113

obciążeniem. Jednak należy też zaznaczyć, że pozytywnym efektem inwestycji w OZE jest rozwój sektora produkcji energii odnawialnej w Polsce. W celu porównania polskiego systemu energetycznego z systemami krajów europejskich wykorzystano trzy wskaźniki wyrażone w procentach: • wsp ółczynnik mo c y szczytowej do zainstalowanej • współczynnik minimalnego obciążenia do mocy zainstalowanej • s t o p i e ń w y k o r z y s t a n i a m o c y zainstalowanej. Wyniki porównania zostały przedstawione na rys. 3. Z porównania tych wyników można wyciągnąć kilka istotnych wniosków: • współczynnik mocy szczytowej do zainstalowanej oraz stopień wykorzystania mocy zainstalowanej w Polsce są porównywalne z danymi dla rynku francuskiego oraz brytyjskiego, a znacznie wyższe niż w Niemczech i wartości średniej dla całej Europy • intensywny rozwój OZE w Niemczech, a szczególnie w Danii, skutkuje spadkiem współczynnika mocy szczytowej do zainstalowanej, ze względu na zdecydowanie niższą dyspozycyjność odnawialnych źródeł energii w porównaniu z elektrowniami konwencjonalnymi. Jest on również związany z koniecznością zachowania mocy rezerwowych, gwarantujących produkcję energii elektrycznej w czasie niskiej generacji z elektrowni bazujących na odnawialnych źródłach energii • różnica pomiędzy wartością współczynnika minimalnego obciążenia do mocy zainstalowanej a wartością współczynnika mocy szczytowej do zainstalowanej przedstawia amplitudę zmian obciążeń występujących w danym systemie w ciągu roku, odniesioną do mocy zainstalowanej • można stwierdzić, że kraje Unii Europejskiej, które już zainstalowały w swoim systemie energetycznym znaczne ilości źródeł odnawialnych, spowodują odejście od dotychczasowych zasad projektowania systemów opartych na źródłach dyspozycyjnych, na rzecz systemów elektroenergetycznych, w których moc zainstalowana będzie kilkukrotnie przekraczała wartość mocy szczytowej. Polityka energetyczna Niemiec Zainicjowana w 2011 roku niemiecka transformacja energetyczna Energiewende, zaproponowana przez rząd ze względu na narzucone tempo zmian, stanowi nową jakość w strategii energetycznej Niemiec. Pojawiła się ona kilka miesięcy po awarii elektrowni jądrowych w Fukushimie. Rząd niemiecki nie poprzestał na ustanowieniu planu działania i roli nowej polityki energetycznej, ale zostały określone precyzyjne założenia uwzględniające dodatkowe wartości wyznawane przez większość obywateli. Ma to być niemiecka odpowiedź na zmniejszenie zasobów naturalnych oraz wzrost uniezależnienia od surowców importowanych z niestabilnych regionów świata i wyższy poziom życia w przyszłości. Najistotniejsze założenia Energiewende to:

Rys. 1. Struktura mocy zainstalowanej w Polsce i w wybranych krajach europejskich na koniec 2013 roku3

Rys. 2. Produkcja energii elektrycznej z różnych rodzajów źródeł w Polsce i wybranych krajach europejskich na koniec 2013 roku4

• odstąpienie od eksploatacji elektrowni atomowych do 2022 roku • znaczna redukcja emisji dwutlenku węgla • wzrost efektywności energetycznej • redukcja importu nośników energii • oparcie systemu elektroenergetycznego na odnawialnych źródłach energii. Strategia ma się opierać głównie na rozwoju odnawialnych źródeł energii. Zgodnie z nowelizacją ustawy udział energii odnawialnej w produkcji energii elektrycznej ma systematycznie wzrastać z obecnych ok. 20% do ok. 38% w 2020 roku, ok. 50% w 2030 roku i aż 80% w roku 2050. Całkowite przejście na korzystanie z energii niskoemisyjnej, z wykorzystaniem głównie źródeł odnawialnych, jest znacznym wyzwaniem społecznym, szczególnie ze względu na konieczność podniesienia opłat za energię elektryczną. Jak na razie społeczeństwo niemieckie jest gotowe do ponoszenia kosztów związanych z transformacją energetyczną. Podstawowym problemem przy realizacji nowej polityki energetycznej Energiewende jest zapewnienie ciągłości dostaw energii po stopniowym wyłączeniu kolejnych elektrowni jądrowych

do 2022 roku. Niemcy starają się wykorzystać w tym celu energetykę węglową oraz gaz ziemny, który jest surowcem niskoemisyjnym i pozwala na zachowanie celów redukcji emisji dwutlenku węgla. Pierwszą znaczącą zmianą związaną z nową koncepcją niemieckiej energetyki jest budowa nowych elektrowni zasilanych węglem. Jest to dość zaskakujące ze względu na wysoką emisyjność tego paliwa, jednak uzasadnione koniecznością zbilansowania wycofywanych mocy w elektrowniach jądrowych. Jednocześnie, dotowanie źródeł odnawialnych skutkuje obniżeniem poziomu cen hurtowych energii elektrycznej poniżej progu opłacalności generacji. Szczególnie jest to widoczne w niektórych zamortyzowanych elektrowniach gazowych. Fakt ten sprawia, że elektrownie gazowe znalazły się w roli źródeł szczytowych i ze względu na ich obecny charakter pracy znacznie obniżyła się produkcja energii z paliwa gazowego. Polityka energetyczna Wielkiej Brytanii Pod koniec lat 80. Wielka Brytania była pionierem zmian w energetyce i jako pierwsza zliberalizowała rynek energii. Wprowadzona wtedy liberalna polityka

3 Opracowanie własne na podstawie danych z: Eurostat, EurObserv’ER oraz ENTSO-E. 4 Opracowanie własne na podstawie danych z: Eurostat, EurObserv’ER oraz ENTSO-E.

115

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | translation 108–113

Polska

Niemcy

Dania

Francja

Wielka Brytania

Czechy

Moc zainstalowana [MW]

35 631

183 099

14 855

128 289

74 931

19 909

1 007 453

Moc szczytowa godzinowa [MW]

22 680

83 102

6 109

92 900

59 440

10 093

528 749

Minimalne obciążenie godzinowe [MW]

10 206

32 473

1 008

29 869

19 989

3 952

230 694

Elektrownie na paliwa kopalne [MW]

29 170

84 411

8 886

25 707

53 287

11 237

461 278

12 068

63 130

9 749

4 040

126 395

Elektrownie wodne [MW]

2 349

10 780

25 434

3 969

2 230

201 395

Źródła odnawialne [MW]

4 112

77 360

5 960

14 018

7 926

2 402

218 385

Produkcja energii [TWh]

150,9

571,8

32,0

550,7

300,0

80,9

3 315,8

Elektrownie jądrowe [MW]

Tab. 1. Zestawienie podstawowych parametrów systemu elektroenergetycznego w Polsce i wybranych krajach europejskich5

Rys. 3. Porównanie współczynnika mocy szczytowej do zainstalowanej, współczynnika minimalnego obciążenia do mocy zainstalowanej oraz stopnia wykorzystania mocy zainstalowanej w Polsce i wybranych krajach europejskich na koniec 2013 roku6

energetyczna przyniosła wiele sukcesów, takich jak znaczna obniżka kosztów produkowanej energii czy demonopolizacja sektora energetycznego. Wówczas Wielka Brytania służyła jako wzór dla polityki prowadzonej na poziomie Unii Europejskiej. Jednak wraz z wyczerpywaniem się zasobów ropy i gazu ze złóż na Morzu Północnym oraz rosnącą niepewnością na światowych rynkach energii w Wielkiej Brytanii pojawiło się zagrożenie bezpieczeństwa dostaw. W 2003 roku rząd Wielkiej Brytanii opublikował Białą Księgę Energii (ang. Energy White Paper – Our energy future – creating a low carbon economy). Był to zarys polityki energetycznej Wielkiej Brytanii na następne 50 lat. Główne założenia w tej wizji rozwoju

to: odejście od węgla, zahamowanie rozwoju energetyki jądrowej z możliwością powrotu do niej w przyszłości, konieczność ochrony środowiska i związana z tym redukcja emisji dwutlenku węgla o 60% w 2050 roku. Kolejnymi dokumentami zawierającym strategię rozwoju energetycznego były Energy Act oraz Climate Change Act z 2008 roku7. Dokumenty te zawierały zapisy dotyczące m.in.: regulacji dostaw gazu, konieczności modernizacji sektora wytwórczego, w tym wprowadzenia technologii wychwytywania i składowania dwutlenku węgla (CCS), rozbudowy systemu opartego na źródłach odnawialnych dzięki wprowadzeniu taryf wspierających te źródła. W 2012 roku Wielka Brytania dokonała kolejnej reformy swojego

sektora energetycznego8. W nowej polityce energetycznej Wielkiej Brytanii można zaobserwować zwrot, który polega na odejściu od modelu rynkowego w kierunku bardziej zdecydowanego interwencjonizmu państwa. Rząd brytyjski wyznaczył ambitne cele, takie jak dekarbonizacja, czyli zmniejszanie emisyjności gospodarki, oraz zapewnienie bezpieczeństwa dostaw i cen energii dostępnych dla wszystkich konsumentów. Priorytetem rządu brytyjskiego zawartym w Energy Security Strategy stały się: dywersyfikacja dostaw i zminimalizowanie ryzyka związanego z nadmiernym uzależnieniem od importu. Jest to tym bardziej istotne, ponieważ brytyjski mix energetyczny oparty jest w głównej mierze na paliwach kopalnych. Źródła wytwórcze oparte na gazie stanowią 44%, a na węglu 29%. Obawy o bezpieczeństwo dostaw potęguje także wyeksploatowany majątek wytwórczy. Zakłada się, że do 2020 roku jedna piąta elektrowni zostanie zamknięta, a dużą część nowych będzie stanowiła tzw. generacja niestabilna (energetyka wiatrowa i fotowoltaika) lub nieelastyczna (energetyka atomowa). Wielka Brytania należy także do liderów, jeśli chodzi o rozwój energetyki wiatrowej, szczególnie morskiej. Do dziś zainstalowano ponad 12 GW w elektrowniach wiatrowych. Roczna produkcja w tych źródłach przekroczyła w ubiegłym roku 28 tys. TWh, co stanowi ponad 9,8% wytwarzanej energii elektrycznej9. Również rozwój systemów fotowoltaicznych w ostatnich latach wzrósł znacząco. W ubiegłym roku moc zainstalowana w elektrowniach fotowoltaicznych wyniosła ponad 5 GW10. W przeszłości zliberalizowany brytyjski rynek energii elektrycznej działał prawidłowo i mechanizmy konkurencji przeciwdziałały nadmiernym cenom, a rynek dawał odpowiednie sygnały inwestycyjne dla zapewnienia właściwego poziomu nowych mocy wytwórczych. W ostatnich latach sytuacja się zmieniła, a wcześniejszą równowagą zachwiało m.in. wprowadzenie systemów wsparcia dla niektórych technologii wytwarzania energii elektrycznej, w szczególności OZE. Nowa polityka energetyczna zapisana w Electricity Market Reform wprowadza dwa podstawowe rozwiązania, które mają poprawić sytuację w sektorze energetyki: • nowy system wsparcia dla zeroemisyjnych i niskoemisyjnych technologii wytwarzania energii elektrycznej • rynek mocy, który ma zapewnić bezpieczeństwo dostaw energii, a główną rolę mają w nim odgrywać wytwórcy energii elektrycznej, odbiorcy oraz technologie magazynowania energii. Polityka energetyczna Francji Francja w latach 70. podjęła decyzję o budowie bloków jądrowych i oparciu energetyki na tym źródle energii. Była to odpowiedź na światowy kryzys energetyczny. Założeniem strategicznym tamtej polityki energetycznej była samowystarczalność energetyczna dzięki energetyce jądrowej.

5 Opracowanie własne na podstawie danych z Eurostat, EurObserv’ER i ENTSO-E. 6 Opracowanie własne na podstawie danych z Eurostat, EurObserv’ER i ENTSO-E. 7 Energy Act oraz Climate Change Act, opublikowane w 2008 (http://www.legislation.gov.uk/). 8 Energy Security Strategy (2012) oraz Electricity Market Reform (2013), opublikowane przez Department of Energy and Climate Change (https://www.gov.uk/). 9 http://www.ewea.org/fileadmin/files/library/publications/statistics/EWEA-Annual-Statistics-2014.pdf. 10 https://www.gov.uk/government/statistics/solar-photovoltaics-deployment.

116

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | translation 108–113

Podstawowym źródłem takiej decyzji były stosunkowo niewielkie zasoby energetyczne Francji (gaz, ropa, węgiel). Zgodnie z najnowszymi założeniami projektu polityki energetycznej Francji, ogłoszonego przez Ministerstwo Zrównoważonego Rozwoju i Energii w czerwcu 2014 roku, energetyka jądrowa ma w dalszym ciągu stanowić podstawę systemu energetycznego. Wcześniejsze założenia z 2012 roku zakładały stopniowe wycofywanie się z udziału energetyki jądrowej, w całkowitym bilansie energetycznym z obecnych ponad 73% wytwarzanej energii elektrycznej do 50% w 2025 roku, i stopniowe wyłączanie najstarszych bloków jądrowych. Nowa polityka energetyczna również zakłada stopniowy spadek udziału wytwarzanej energii z elektrowni jądrowej i stopniowe zastępowanie jej udziałem ze źródeł odnawialnych. Większość z 58 reaktorów będących własnością firmy EDF powstała w latach 70. i 80. ubiegłego wieku i wkrótce skończy się ich okres eksploatacji przewidziany na ok. 40 lat. Zakłada się jednak możliwość przedłużenia okresu eksploatacji do 50, a nawet 60 lat. Nowe wytyczne polityki energetycznej zakładają również, że do 2030 roku osiągnięta zostanie 40-proc. redukcja emisji dwutlenku węgla w porównaniu z emisją w 1990 roku, a w 2050 roku aż 75-proc. redukcja emisji. Do tego czasu udział energii odnawialnej w bilansie energetycznym ma stanowić ponad 30%, a niektóra źródła podają, że nawet ok. 40%, przy jednoczesnym zmniejszeniu udziału paliw kopalnych o 30%. Celem nowej ustawy jest również zmniejszenie zużycia energii o 20% w 2030 roku i o 50% w 2050 roku. Komunikat płynący z proponowanej ustawy jest bardzo czytelny, mimo że Francja planuje zmniejszenie ilości energii pochodzącej z atomu, nie zamierza na wzór Niemiec całkowicie z niej zrezygnować. Rozwój branży OZE związany jest m.in. z rozbudową elektrowni fotowoltaicznych i wiatrowych. Obecnie na terenie Francji zainstalowano ponad 5 GW mocy w fotowoltaice. Zakłada się, że do 2020 roku osiągnięty zostanie poziom prawie 8 GW, a do roku 2030 prawie 25 GW11. Również elektrownie wiatrowe stanowią już znaczny procent mocy zainstalowanej i osiągnęły poziom ponad 8 GW12. Polityka energetyczna Danii Duński plan energetyczny zakłada uniezależnienie się od paliw kopalnych w perspektywie 2050 roku13. Założenia do tego planu powstały w 2010 roku i jest to pierwszy tego rodzaju dokument na świecie. Duńskie władze chcą, aby do 2020 roku energia produkowana w Danii pochodziła w jednej trzeciej ze źródeł odnawialnych, a do 2050 roku udział ten ma osiągnąć 100%. Przejście na energetykę opartą wyłącznie na źródłach odnawialnych ma się odbywać głównie dzięki zwiększaniu potencjału morskich

farm wiatrowych. Obecnie Dania ma prawie 5 GW mocy zainstalowanej w farmach wiatrowych, a w planach jest budowa kolejnych ponad 3 GW. Oprócz rozwoju energetyki wiatrowej duński plan zakłada m.in. zakaz montowania kotłów na paliwa stałe, ciekłe oraz gazowe i zastępowanie ich urządzeniami korzystającymi z odnawialnych źródeł energii. Co prawda w 2010 roku paliwa kopalne pokrywały niemal 80% zapotrzebowania na energię w Danii, ale już w 2013 roku ten udział wynosił niespełna 60%. Ten ambitny plan związany jest jednak z dużymi kosztami wdrożenia polityki zeroemisyjnej. Polityka energetyczna Czech Wykorzystanie złóż węgla, rozwój energetyki jądrowej oraz dywersyfikacja źródeł to główne założenia polityki bezpieczeństwa energetycznego, przyjęte w 2011 roku przez czeski rząd. W dokumencie, który był podstawą do opracowania struktury energetycznej na kolejne 20 lat, Czesi zakładają wybudowanie nowych bloków w elektrowniach jądrowych, kładą nacisk na wykorzystanie potencjału krajowych złóż węgla brunatnego oraz rozwój energetyki odnawialnej. Z szacunków wynika, że w ciągu najbliższych kilkunastu lat w Czechach trzeba będzie zamknąć elektrownie o łącznej mocy ok. 4 GW. W ich miejsce planowane są nowoczesne elektrownie węglowe, gazowe oraz nowe bloki w elektrowniach jądrowych. Rząd docenia także rolę odnawialnych źródeł energii, których w obecnej chwili jest ok. 12% w całkowitym bilansie energetycznym. W ostatnich latach dynamiczny rozwój elektrowni fotowoltaicznych, stymulowany systemem dotacji i wysokimi gwarantowanymi cenami zakupu energii, stworzył poważne problemy operatorom przesyłowym. Istotnym źródłem energii dla Czech mają pozostać elektrownie jądrowe w Temelínie i Dukovanach, które obecnie stanowią ok. 20% mocy zainstalowanej i odpowiadają za ponad 35% wytwarzanej energii elektrycznej. Czeski rząd rozważa także rozbudowę obu elektrowni. Obecnie Czechy mają nadwyżkę mocy w swoich elektrowniach, stan ten według prognoz może utrzymać się nawet do 2030 roku. W 2013 roku rząd Czech rozpoczął proces przyjęcia nowej długoterminowej strategii energetycznej, zorientowanej na 2040 rok. Nowa strategia rozwoju energetycznego, która została przedstawiona przez czeskie Ministerstwo Przemysłu i Handlu, zakłada tylko wstępnie decyzję o rozwoju energetyki jądrowej z perspektywą uruchomienia nowych bloków w 2037 roku. Zgodnie ze strategią energetyczną, energia jądrowa powinna stanowić 49–58% całkowitego wytwarzania energii elektrycznej przed 2040 rokiem. W tym samym roku udział węgla w produkcji energii elektrycznej powinien spaść z obecnych ponad 52% do 18%.

Podsumowanie Niemcy i Dania stawiają na energetykę opartą na odnawialnych źródłach energii, Wielka Brytania zapowiada budowę nowych elektrowni jądrowych, również Czesi nie rezygnują z energetyki jądrowej, Francja utrzymuje swój potencjał jądrowy, a jednocześnie buduje źródła odnawialne. Z tego zestawienia widać wyraźnie, że Europejczycy nie potrafią porozumieć się w sprawach energii i każdy kraj realizuje swój własny plan energetyczny. Czy zatem Polska powinna iść śladem któregoś ze wspomnianych krajów, czy też realizować swój własny wariant rozwoju energetycznego? Zdaniem autora o decyzji dotyczącej strategii energetycznej powinny decydować niezależnie państwa członkowskie Unii Europejskiej. Każdy kraj sam powinien wybierać, czy postawi na energetykę jądrową, spalanie gazu lub węgla, czy też energetykę odnawialną. Polityka energetyczna to polityka bezpieczeństwa danego kraju. Powinna być przemyślana i uwzględniać dostęp do źródeł energii. Ważną kwestią jest również konieczność uniezależnienia się od importu paliw. Jednocześnie ostatnie wydarzenia pokazują, jak ważny jest wspólny głos polityki unijnej w kwestii energetyki. Stąd rodzi się pytanie, jak dalece ten wspólny głos powinien wpływać i decydować o krajowych strategiach energetycznych państw Unii Europejskiej. Bibliografia 1. Paska J., Ekonomiczny wymiar bezpieczeństwa elektroenergetycznego i niezawodności zasilania, Rynek Energii 2013, nr 2, s. 17–22. 2. Wilczyński M., Zmierzch węgla kamiennego w Polsce, Fundacja Instytut na rzecz Ekorozwoju, Warszawa, 2013. 3. Gawlikowska-Fyk A., Nowak Z., Polityka energetyczna Wielkiej Brytanii – pionierskie podejście do reformy rynku energii, Biuletyn PISM (Polskiego Instytutu Spraw Międzynarodowych) 2013, nr 87. 4. Szczerbowski R., Bezpieczeństwo energetyczne Polski – mix energetyczny i efektywność energetyczna, Polityka Energetyczna 2013, t. 16, z. 4, s. 35–47. 5. Kaliski M., Frączek P., Szurlej A., Brytyjskie doświadczenia a zmiana struktury źródeł energii w Polsce, Polityka Energetyczna 2011, t. 14, z. 2, s. 141–153.

11 Chiffres clés de l’énergie Édition 2014 (www.statistiques.developpement-durable.gouv.fr). 12 http://www.rte-france.com/sites/default/files/apercu_energie_elec_2014_11_an.pdf. 13 http://www.ens.dk/Documents/Netboghandel%20-%20publikationer/2011/Energy_Strategy_2050.pdf.

117

R. Szczerbowski, B. Ceran | Acta Energetica 3/24 (2015) | translation 108–113

Radosław Szczerbowski

dr inż. Politechnika Poznańska e-mail: radoslaw.szczerbowski@put.poznan.pl Absolwent, a obecnie wykładowca na Wydziale Elektrycznym Politechniki Poznańskiej. Zakres jego zainteresowań naukowych obejmuje zagadnienia związane z problematyką: wytwarzania energii elektrycznej, gospodarką energetyczną oraz bezpieczeństwem energetycznym. Jest członkiem Stowarzyszenia Elektryków Polskich.

Bartosz Ceran

mgr inż. Politechnika Poznańska e-mail: bartosz.ceran@put.poznan.pl Ukończył studia na Wydziale Elektrycznym Politechniki Poznańskiej na kierunku elektrotechnika, specjalność elektroenergetyka. Od 2009 roku pracuje w Instytucie Elektroenergetyki Wydziału Elektrycznego Politechniki Poznańskiej na stanowisku asystenta. Jego zainteresowania naukowe dotyczą: zagadnień rozproszonego wytwarzania energii elektrycznej i ciepła ze szczególnym uwzględnieniem technologii ogniw paliwowych.

118

W. Szpyra et al. | Acta Energetica 3/24 (2015) | 119–124

Optimisation of Reactive Power Compensation, Selected Results for Medium Voltage Distribution Networks

Authors Waldemar Szpyra Wojciech Bąchorek Aleksander Kot

Keywords power distribution networks, reactive power compensation, optimisation

Abstract This paper concerns issues of optimal location of reactive power sources in radial MV distribution networks. At first, the optimisation problem is formulated along with constraints, and solution methods are indicated. Data necessary to perform calculations and used assumptions is discussed. Optimisation calculations have been performed for many real MV networks; their essential parameters are presented in the paper along with the characteristics of the obtained results. The paper ends with a summary which presents conclusions of the performed analyses.

DOI: 10.12736/issn.2300-3022.2015311

Introduction

Optimisation problem

In recent years, there has been a strong tendency to seek solutions to improve the efficiency and to support environmental protection in many areas and walks of life. This applies also, and perhaps in particular, to the power sector. Losses reduction and efficiency improvement in distribution networks are at the forefront of the strategy of grid companies – distribution system operators (DSOs). One method to reduce power and energy losses is reactive power compensation. The research and analyses completed by these authors have shown that the compensation systems commonly used in the domestic practice of distribution networks (central compensation in HV main feeding points (MFPs) and idle state compensation in MV/LV substations) typically feature low economic efficiency [1, 2, 3]. This leads to the formulation of an optimisation problem that would be focused on providing solutions characterized by high economic efficiency from the OSD point of view. This means that the Net Present Value NPVR ratio – i.e. the amount of PLN brought about in a period by every PLN invested in the compensation system – should be as large as possible. With this in mind, the following was adopted for the proposed compensation system: • capacitors deployed on LV side – it is much cheaper to compensate the same reactive power on the LV than MV side • capacitors with relatively higher power in selected few MV/LV substations – this reduces the compensation unit cost • fixed and switched capacitors (with timer-controlled contactors) – allows utilising the compensation potential at variable reactive power demand.

The optimisation problem comes down to choosing such capacitor locations, types and sizes at which the profit ZA defined as the difference between the savings from the power and energy loss reduction OA, and the compensation costs KA,, reaches its maximum:

(1)

Annual savings from the power and energy loss reduction are determined from the relationship:

(2)

where: δEaA – annual active energy loss reduction, δPmax – active power loss reduction at the maximum network load, kE – unit cost of energy, kP – unit cost of power. Annual cost of capacitors includes fixed operating costs, operating costs and costs of power and energy losses in the capacitors and capacitor controlling devices. It is assumed that in a network with connected capacitors: • the allowable limits of neither network element ampacity, nor network node voltage, are exceeded:

(3)

(4)

119

W. Szpyra et al. | Acta Energetica 3/24 (2015) | 119–124

where: Ii – current in network element i, Imaxi – maximum network element current due to thermal constraints, Ui – voltage in network node i, Umin, Umax – minimum and maximum network node voltages. • The aggregate power of fixed capacitors meets the condition:

–– ratio of fixed operating cost rate for fixed capacitors kes = 0.005, for capacitors with contactors kes = 0.025 –– operating duration of switched- capacitors T W = 7000 [h/a] –– interest rate i = 0.08 period of analysis Na = 10 years –– cost of purchase and installation of fixed and switched capacitors (Tab. 1).

(5) Fixed Capacitors

where: QCF – aggregate power of fixed capacitors, Qmin – minimum reactive power supply from HV newtork

Rated power [kvar]

• The aggregate power of all capacitors (fixed and switched) meets the condition:

(6)

where: QC – aggregate power of all capacitors (fixed and switched), Qmin(Tw) – minimum input power from HV network within given time Tw, Tw – capacitor switch-on duration (for fixed capacitors it is the number of hours in a year, and for switched capacitors it is the annual duration of their operation). A dedicated optimisation program developed by these authors was used for the optimisation calculations. It was developed based on the method of reactive power compensation costs and effects determination presented in [1, 4]. The program implements two algorithms of the optimum capacitor power and location selection: heuristic and evolutionary. The optimised objective function can be the annual profit or the annual reduction of active energy losses [5].

Data and assumptions for the calculation The data set needed for the calculation includes: • data set describing the analysed MV distribution network structure and parameters: –– MV network’s diagram and each line’s parameters (lengths, wires sections and types) –– MV/LV transformers ratings (rated power, load and no-load active power losses, no-load current, short-circuit voltage, and voltage ratio) • set of measurements of active and reactive power demand in the MV distribution network: –– active and reactive energy supplies to the MV network through the HV/MV transformer or the capacitor bank connected to the substation MV buses – recorded throughout the year in 60-minute intervals –– average MV voltages of the HV/MV transformer recorded in 60-minute intervals –– active and reactive energy inflows to each line from the HV/MV transformer recorded in 60-minute intervals • set of parameters that contains macroeconomic indicators, cost rates and price of compensation devices: –– unit cost of energy kE = 0.25 PLN/kWh, unit cost of power kP = 100 PLN/kW/a 120

Switched Capacitors

Price [PLN/ pcs.]

7.5

193

593

193

618

12.5

193

633

240

710

18.3

275

765

275

845

490

1080

490

1120

Tab. 1. Cost of capacitors purchase and installation

The calculations are performed subject to the following assumptions: a. network supply voltage is equal to the annual average b. operating duration for fixed capacitors is equal to the number of hours per year (8760 h)

Designations MFP

No. of MV feeders [pcs.]

Total MV line length [km]

No of MV/LV substations supplied [pcs.]

Aggregate MV/LV transformer power ratings [kVA]

MFP A

797

595

97,556

MFP B

286

210

24,389

MFP C

412

251

19,502

MFP D

142

124

24,936

MFP E

307

331

86,428

MFP F

35,205

MFP G

8,970

MFP H

442

412

42,884

MFP I

400

426

64,835

Tab. 2. Basic data of MV networks for objects qualified for the calculations

W. Szpyra et al. | Acta Energetica 3/24 (2015) | 119–124

Specification

MFP A

Symbol [unit]

F+S

MFP B F

F+S

MFP C

MFP D

MFP E

MFP F

MFP G

MFP H F+S

MFP I F

F+S

Annual reactive power consumption

Er [Mvarh/year]

38,305 33,398*

9,558 9,421*

7,166 7,166*

25,015 3,820*

29,082 29,076*

5,979 4,059*

5,207 3,995*

13,795 13,757*

23,293 23,293*

Reactive energy consumption in time Tw = 7000 hrs

Er7000 [Mvarh]

34,197

8,676

6,490

24,603

27,477

5,763

5,107

12,583

21,199

Power limit for fixed capacitors

maxΣQF [kvar]

Power limit for both types of maxΣQFS [kvar] capacitors

820

109

500

258

2,890

820

654

109

483

700

1570

389

255

1090

500

1547

258

No. of fixed capacitors

nF [pcs.]

Rated power of fixed capacitors

ΣQnF [kvar]

902.5

115

535

270

Capital expenditure for fixed capacitors

KIF [PLN]

10,833

1,191

6,679

2,678

No. of switched capacitors

nS [pcs.]

–

Rated power of switched capacitors

ΣQnS [kvar]

945

–

585

–

205

1680

250

130

–

550

–

Capital expenditure for swtitched capacitors

KIS [PLN]

26,716

–

16,019

–

5,851

1,222

45,880

1,222

6,110

3,380

–

14,176

–

Total capital expenditure

KI [PLN]

37,549

10,833

17,210

1,191

5,851

1,222

45,880

1,222

6,110

10,059

6,679

16,854

2,678

Annual active energy loss reduction

ΣδEa [kWh/ year]

176,992

150,098

34,962

11,645

20,332

915

101,472

839

5677

67,032

64,589

42,587

21,756

Annual profit from the reactive power compensation Zr [PLN/year]

Zr [PLN/year]

43,104

40,368

6,698

3,050

4,640

24,63

20,880

7.21

640

16,696

16,632

9,362

5,787

Net Present Value

NPVR [PLN/PLN]

7.70

25.00

2.61

17.18

5.32

0.14

3.05

0.04

0.70

11.14

16.71

3.73

14.50

Return on investment

p [%]

22.65

37.98

10.08

32.89

18.19

–

11.81

–

27.26

32.52

14.06

30.66

Unit cost of reduce energy loss reduction

kekw [PLN/kWh]

0.0421

0.0146

0.0976

0.0213

0.0567

0.2641

0.0892

0.2880

0.2129

0.0298

0.0206

0.0790

0.0258

Discounted payback period

DPP [years]

0.80

0.24

2.52

0.35

1.18

Never!

2.12

Never!

13.83

0.55

0.36

1.71

0.42

Descriptions: F – only fixed capacitors connected permanently, S – only switched capacitors on with contactors, F + S – solutions for both capacitor types * Reactive power consumed by MV lines included in the optimisation calculations

Tab. 3. Summary details of the solutions of the optimisation problem of reactive power compensation in nine objects

c. operating duration for switched capacitors is equal for all capacitors (the capacitors are switched on and off simultaneously in all substations) d. load rate of transformers supplied from a given feeder in each time interval the same for all transformers e. ratio of the reactive to active energy received each MV/LV transformer supplied from a given feeder in each time interval is the same for all transformers and equal to the ratio of reactive to active energy inflowing into the feeder in the respective intervals. The last two assumptions (d and e) are needed only if no details are available of the powers collected from each MV/LV transformer station.

Models preparation and characterisation of analysed objects For the optimisation task of reactive power compensation in an MV distribution network an object is the actual distribution network supplied from one 110 kV/MV transformer substation (one MFP). With detailed information about the MV networks and annual energy flows for the nine 110 kV/MV transformer substations located in various parts of Poland, the development of the models necessary for the optimisation calculations was launched. The MV networks were mapped and the reactive energy demands of each MV/LV transformer substation were estimated. Listed in Tab. 2 are basic details of the MV networks supplied by the analysed MFPs (110 kV/MV transformer substations). For analysed substations, instead of their real names, were assigned consecutive alphabet letters from A to I. 121

W. Szpyra et al. | Acta Energetica 3/24 (2015) | 119–124

MFP A Bay No.

Ps [kW]

Qs [kvar]

Er [Mvarh/year]

Er7000 [Mvarh]

lSN [km]

ΣSnT [kva]

nstacji [pcs.]

nF [pcs.]

nS [pcs.]

ΣQnF [kvar]

ΣQnS [kvar]

1,780

700

2,629

2,309

6,200

1,180

280

1,521

1,353

116.4

4,409

610

130

768

670

66.1

2,947

900

240

894

816

3.9

1,665

340

130

652

559

3.1

4,110

1,230

450

1,813

1,610

5.8

3,550

140

266

236

6.3

2,080

390

150

245

211

10.7

3,990

1,830

650

2,719

2,461

95.8

5,169

230

A10

1,020

370

1,497

1,312

69.0

4,596

A11

1,630

500

2,244

1,968

9.4

6,050

220

A12

560

150

567

506

6.6

3,141

A13

1,100

280

1,504

1,349

11.6

1,640

130

A14

1,120

250

1,356

1,233

82.1

3,637

37.5

A15

1,330

460

1,716

1,523

1.0

2,000

A16

1,570

580

2,444

2,166

122.9

9,413

175

A17

1,500

350

2,033

1,787

18.7

4,990

150

A18

940

230

1,400

1,229

7.9

3,830

A19

1,800

730

2,944

2,681

42.9

5,961

260

A20

960

240

1,216

1,088

4.1

4,553

A21

904

216

1,135

987

9.6

3,155

150

A22

123

102

1.5

630

A23

600

190

760

684

70.6

3,511

A24

704

230

952

846

4.1

3,130

24,228

7,577

33,398

29,687

775

94,357

590

903

945

Tab. 4. Details of MV lines and compensation solutions in MFP G

MFP G Bay No.

Ps [kW]

Qs [kvar]

Er [Mvarh/year]

Er7000 [Mvarh]

lSN [km]

ΣSnT [kva]

nstacji [pcs.]

nF [pcs.]

nS [pcs.]

ΣQnF [kvar]

ΣQnS [kvar]

1,429

210

838

817

4,850

668

203

816

683

630

1,986

992

2,342

2,263

2,690

250

4,083

1,405

3,995

3,763

8,170

250

Tab. 5. Details of MV lines and compensation solutions in MFP G

Then, the optimisation calculations of reactive power compensation were performed using the two algorithms: heuristic and evolutionary.

Optimisation results Due to the volume constraints of this paper, to present the complete results, including detailed capacitor locations in each MV network, would neither be possible, nor appropriate. It was decided to present the aggregate information for each object, 122

including technical characteristics and economic indicators of the obtained solutions. Tab. 3 lists details of the solutions obtained for all nine objects. The presented solution variants refer to the applied capacitor types, respectively: F – fixed capacitors, S – switched capacitors, F + S – solutions for both capacitor types. All results presented in Tab. 3 have been obtained using the heuristic algorithm. For the analysed objects also the evolutionary algorithm-based calculations were carried out, repeating

W. Szpyra et al. | Acta Energetica 3/24 (2015) | 119–124

the experiments many times due to the statistical nature of the selection rules, which govern such a process. The best solutions obtained by means of the evolutionary algorithm featured a similar or by a few percent higher NPVR quality rate than the solutions obtained using the heuristic algorithm. For example, for object A, for which the NPVR ratios set forth in Tab. 3 amount in variants F + S and F to 7.7 PLN/PLN and to 25 PLN/PLN, respectively, the evolutionary algorithm produced solutions with respective quality ratios 6.72 PLN/PLN and 27.87 PLN/PLN. In each case the evolutionary algorithm produced a solution with a higher objective function value (profit from compensation ZA). The computation time for the heuristic algorithm ranged from several to several dozen minutes depending on the object size. For those same objects one run of the evolutionary algorithm took from several to several dozen hours. These times represent the computational complexity of the problem of optimal reactive power compensation in an actual radial network. For two of the analysed objects, A and G, more detailed information of the obtained compensation solutions are presented (Tab. 4 and Tab. 5, respectively). This includes details of each feeder (peak power, reactive energy, feeder length, number and total power of supplied MV/LV substations) and basic details of the solutions in the form of the number and total capacity of the installed capacitors of both types. Set forth in Tables 4 and 5 are only the MV lines included in the optimisation calculations (omitted are, inter alia, feeders that supply individual industrial consumers). To illustrate the correlation occurring between the MV feeder parameters and the obtained compensation solutions the selected columns are shaded with bars proportional to the value. It may be noted that capacitors are mostly located in large circuits with significant reactive power consumption. Object A supplies a very complex and wide-area MV distribution network with high demand for reactive power. The compensation solution for object A is highly cost-effective. Object G, in contrast, supplies a small MV network with low reactive power demand, and the resulting solution is not cost-effective.

Conclusions Both proprietary algorithms can solve the optimal reactive power compensation problem for the actual conditions. Calculations with the use of the evolutionary algorithm are much more time consuming, but produce – in some cases – solutions a few percent better than solutions generated heuristically. Based on analysis of the solutions for the real objects listed in Tab. 3 the following conclusions can be drawn: • Reactive power compensation using appropriately sized and located LV capacitors can be an effective way to reduce energy losses in MV networks

• The effectiveness of such compensation depends primarily on: –– network expanse, type sand sizes of conductors in the network supplied from a given MFP substation –– reactive energy received by the network per year –– presence of a the constant component in the annual demand for reactive power • The most cost-effective is the compensation by fixed capacitors only • The solutions with the maximum profit from energy loss reduction are not the most cost-effective. The increase in capital expenditures to install switched capacitors far exceeds the profit increase resulting from their installation • Analysis of economic performance indicators for the obtained solutions allows you to divide the analysed objects into those in which: –– compensation is not cost-efficient (objects D, F and G) –– compensation is very cost-efficient (objects A, H and I) –– compensation is cost-efficient – the other objects. Correlations between feeders parameters of the compensation solutions set forth in Tab. 4 and 5 confirm the above findings regarding the compensation’s cost-effectiveness. Due to the assumptions concerning reactive energy flow in the analysed networks (assumptions (d) and (e) in the section on data and assumptions), the results should be treated as approximate. Any decisions on compensation system setup should be preceded by verification of the reactive energy flow in the network. REFERENCES

1. Kot A. et al., Efficiency improvement of reactive power compensation in power distribution networks, Przegląd Elektrotechniczny 2013, Vol. 89, No. 6, pp. 190–195. 2. Szpyra W. et al., Efektywność kompensacji mocy biernej w sieciach dystrybucyjnych [Efficiency of reactive power compensation in distribution networks], APE ’11 conference proceedings, Gdańsk 2011. 3. Szpyra W., Efektywność kompensacji mocy biernej stanu jałowego transformatorów SN/nn [Effeciency of idling MV/LV transformers reactive power compensation], Przegląd Elektrotechniczny 2011, Vol. 87, No. 2, pp. 144–146. 4. Szpyra W. et al., Wyniki optymalizacji kompensacji mocy biernej w sieciach elektroenergetycznych [Results of reactive power compensation optimisation in power networks], III Scientific-Technical Conference – Issues of reactive power in distribution and transmission networks], Wisła 2014. 5. Szpyra W. et al., Efektywność kompensacji mocy biernej w sieciach dystrybucyjnych [Efficiency of reactive power compensation in distribution networks], APE ’13 conference proceedings, Gdańsk 2013.

123

W. Szpyra et al. | Acta Energetica 3/24 (2015) | 119–124

Waldemar Szpyra AGH University of Science and Technology in Krakow e-mail: wszpyra@agh.edu.pl Graduated in electrical engineering from the Faculty of Mining and Metallurgy Electrical Engineering of AGH University of Science and Technology. He was awarded the doctoral degree at the Faculty of Electrical Engineering, Automation, Computer Science and Electronics of his alma mater (1998). Now an assistant professor in the Department of Electrical and Power Engineering of his alma mater. His interests include modelling, operating condition estimation, and optimisation of distribution networks, application of artificial intelligence in power engineering and power management.

Wojciech Bąchorek AGH University of Science and Technology in Krakow e-mail: wojbach@agh.edu.pl Graduated from the Faculty of Electrical Engineering, Automation, Computer Science and Electronics of AGH University of Science and Technology in Kraków (2001). PhD obtained at the same faculty (2007). Now an assistant professor in the Department of Electrical and Power Engineering of AGH University of Science and Technology in Kraków. His scientific interests pertain to modelling and analysis of operating states in power distribution networks, as well as application of artificial intelligence in the operating optimisation.

Aleksander Kot AGH University of Science and Technology in Krakow e-mail: akot@agh.edu.pl Graduated from the Faculty of Electrical Engineering, Automation, Computer Science and Electronics AGH University of Science and Technology in Krakow (1997). PhD obtained at the same faculty (2005). Now an assistant professor in the Department of Electrical and Power Engineering of AGH University of Science and Technology in Kraków. His professional interests include analysis and estimation of distribution networks operating conditions, optimisation for engineering and operation, artificial intelligence methods, forecasting and planning of network development, information systems in the power sector and energy market.

124

W. Szpyra et al. | Acta Energetica 3/24 (2015) | translation 119–124

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 119–124. When referring to the article please refer to the original text. PL

Optymalizacja kompensacji mocy biernej, wybrane wyniki dla sieci rozdzielczych średniego napięcia Autorzy

Waldemar Szpyra Wojciech Bąchorek Aleksander Kot

Słowa kluczowe

elektroenergetycznie sieci rozdzielcze, kompensacja mocy biernej, optymalizacja

Streszczenie

Artykuł poświęcony jest problematyce optymalnego rozmieszczenia źródeł mocy biernej w otwartych sieciach rozdzielczych SN. Na początku sformułowano zadanie optymalizacji wraz z warunkami ograniczającymi oraz wskazano metody jego rozwiązania. Omówiono dane niezbędne do wykonania obliczeń oraz przyjmowane założenia. Dokonano obliczeń optymalizacyjnych dla wielu rzeczywistych sieci SN, których podstawowe dane wraz z charakterystykami uzyskanych rozwiązań zaprezentowano w pracy. Artykuł kończy podsumowanie zawierające wnioski z wykonanych analiz.

Wprowadzenie W ostatnich latach wyraźnie zarysowują się tendencje do poszukiwania rozwiązań służących poprawie efektywności oraz wspierających ochronę środowiska w wielu obszarach i dziedzinach życia. Dotyczy to także, a może w szczególności, sektora elektroenergetyki. Redukcja strat oraz poprawa sprawności sieci rozdzielczych znajdują się na czele strategii przedsiębiorstw sieciowych – operatorów systemów dystrybucyjnych (OSD). Jednym ze sposobów redukcji strat mocy i energii jest stosowanie kompensacji mocy biernej. Z badań i analiz przeprowadzonych przez autorów wynika, że powszechnie stosowane w praktyce krajowej systemy kompensacji w sieciach rozdzielczych (kompensacja centralna w GPZ i kompensacja biegu jałowego w stacjach SN/nn) przeważnie charakteryzują się niską efektywnością ekonomiczną [1, 2, 3]. Skłania to do sformułowania zadania optymalizacji, które byłoby zorientowane na dostarczanie rozwiązań charakteryzujących się wysoką efektywnością ekonomiczną z punktu widzenia OSD. Oznacza to, że wskaźnik wartości zaktualizowanej netto NPVR – określający ile złotówek w analizowanym okresie przynosi każda złotówka zainwestowana w system kompensacji – powinien być jak największy. Mając powyższe na uwadze, przyjęto dla proponowanego systemu kompensacji: • stosowanie kondensatorów po stronie niskiego napięcia – kompensowanie tej samej mocy biernej jest znacznie tańsze po stronie niskiego niż średniego napięcia • instalację kondensatorów o relatywnie większych mocach w wybranych, nielicznych stacjach SN/nn – obniża to jednostkowy koszt kompensacji • zastosowanie kondensatorów załączonych na stałe oraz okresowo (przy wykorzystaniu styczników sterowanych zegarami) – co pozwala na wykorzystanie potencjału kompensacji przy zmiennych przebiegach zapotrzebowania mocy biernej. Sformułowanie zadania Zadanie optymalizacji sprowadza się do wyboru takich lokalizacji (stacji

SN/nn) kondensatorów oraz określenia ich mocy, przy których zysk – określony jako różnica pomiędzy oszczędnościami wynikającymi z ograniczenia strat mocy i energii OA a kosztami kompensacji KA – osiąga wartość maksymalną:

(1)

Roczne oszczędności z ograniczenia strat mocy i energii wyznacza się z zależności: (2) gdzie: δEaA – ograniczenie strat energii czynnej w ciągu roku, δPmax – ograniczenie strat mocy czynnej przy maksymalnym obciążeniu sieci, kE – jednostkowy koszt energii, kP – jednostkowy koszt mocy. Roczny koszt kondensatorów obejmuje koszty eksploatacyjne stałe, koszty operacyjne oraz koszty strat mocy i energii w kondensatorach oraz urządzeniach służących do sterowania pracą kondensatorów. Zakłada się, że w sieci z przyłączonymi kondensatorami: • nie są przekroczone wartości dopuszczalne w zakresie obciążalności prądowej elementów sieci oraz wartości poziomów napięć w jej węzłach: (3)

(4)

gdzie: Ii – prąd w i-tym elemencie sieci, Imax i – maksymalny prąd elementu sieci wynikający z ograniczeń termicznych, Ui – napięcie w i-tym węźle sieciowym, Umin, Umax – minimalna i maksymalna wartość napięcia w węzłach sieci. • łączna moc kondensatorów przyłączonych na stałe spełnia zależność:

(5)

gdzie: QCF – łączna moc kondensatorów przyłączonych na stałe, Qmin – minimalna moc bierna dostarczana z sieci WN. • łączna moc wszystkich kondensatorów (przyłączonych na stałe i załączanych okresowo) spełnia zależność:

(6)

gdzie: QC – łączna moc kondensatorów przyłączonych na stałe i załączanych okresowo, Qmin(Tw) – minimalna moc pobierana z sieci WN w założonym czasie Tw, Tw – czas załączenia kondensatorów (dla kondensatorów przyłączonych na stałe jest to liczba godzin w roku, a dla kondensatorów załączanych okresowo jest to przyjmowany roczny czas ich pracy). Do obliczeń optymalizacyjnych zastosowano dedykowany program stworzony przez autorów. Został on opracowany na bazie metody wyznaczania kosztów i efektów kompensacji mocy biernej przedstawionej w [1, 4]. Program realizuje dwa algorytmy wyboru optymalnej mocy i lokalizacji kondensatorów w sieci: heurystyczny oraz ewolucyjny. Optymalizowaną funkcją celu może być osiągany w ciągu roku zysk lub roczne ograniczenie strat energii czynnej [5]. Dane oraz założenia do obliczeń Zestaw danych niezbędnych do wykonania obliczeń obejmuje: • zbiór danych opisujących strukturę i parametry analizowanej sieci rozdzielczej SN: –– schemat sieci średniego napięcia i parametry poszczególnych linii (długości odcinków, przekroje i typy przewodów) –– parametry znamionowe transformatorów w stacjach SN/ nn (moc znamionowa, obciążeniowe i jałowe straty mocy czynnej, prąd stanu jałowego, napięcie zwarcia oraz przekładnia) • zbiór danych pomiarowych o przebiegach zapotrzebowania na moc czynną i bierną analizowanej sieci rozdzielczej SN:

125

W. Szpyra et al. | Acta Energetica 3/24 (2015) | translation 119–124

–– ilości energii czynnej i biernej dostarczane do sieci SN za pośrednictwem transformatora WN/SN, ewentualnie baterii kondensatorów przyłączonych do szyn SN stacji – zarejestrowane w ciągu roku w 60-minutowych interwałach –– wartości średnie napięcia po stronie dolnego napięcia transformatora WN/SN zarejestrowane w 60-minutowych interwałach –– ilości energii czynnej i biernej wpływające do poszczególnych linii z transformatora WN/SN zarejestrowane w 60-minutowych interwałach • zbiór parametrów zawierających wskaźniki makroekonomiczne, wskaźnik kosztowe oraz ceny urządzeń do kompensacji: –– j e d n o s t k o w y k o s z t e n e r g i i kE = 0,25 zł/ kWh, jednostkowy koszt mocy kP = 100 zł/kW/a –– współczynnik kosztów eksploatacyjnych stałych dla kondensatorów przyłączonych na stałe kes = 0,005, dla kondensatorów ze stycznikami kes = 0,025 –– czas pracy kondensatorów załączanych okresowo, TW = 7000 [h/a] –– stopa oprocentowania i = 0,08 okres analizy Na = 10 lat –– koszty zakupu i instalacji kondensatorów przyłączanych na stałe oraz kondensatorów wyposażonych w styczniki do ich załączania (tab. 1). Obliczenia wykonuje się przy następujących założeniach: a. napięcie zasilające sieć jest równe średniej z rocznych wartości napięcia b. czas pracy kondensatorów przyłączonych na stałe jest równy liczbie godzin w roku (8760 h) c. czas pracy kondensatorów ze stycznikami jest dla wszystkich kondensatorów jednakowy (kondensatory są załączane i wyłączane jednocześnie we wszystkich stacjach) d. stopień obciążenia transformatorów zasilanych z danego obwodu jest w poszczególnych interwałach czasu taki sam dla wszystkich transformatorów e. stosunek energii biernej do energii czynnej, odbieranej z poszczególnych transformatorów SN/nn zasilanych z danego obwodu, jest w poszczególnych interwałach czasu taki sam dla wszystkich transformatorów i jest równy stosunkowi energii biernej do energii czynnej wpływającej do tego obwodu w odpowiednich interwałach. Dwa ostatnie założenia (d i e) są potrzebne tylko wtedy, gdy nie dysponujemy danymi o mocach pobieranych z poszczególnych stacji transformatorowych SN/nn. Przygotowanie modeli oraz charakterystyka analizowanych obiektów Dla zadania optymalizacji kompensacji mocy biernej w sieci rozdzielczej SN obiektem jest rzeczywista sieć dystrybucyjna zasilana z jednej stacji transformatorowej 110 kV/SN (z jednego GPZ). Dysponując szczegółowymi danymi o sieciach SN oraz rocznych przepływach energii dla dziewięciu stacji transformatorowych 110 kV/SN, zlokalizowanych w różnych częściach Polski, przystąpiono do budowy modeli niezbędnych dla realizacji obliczeń optymalizacyjnych. Dokonano

126

Moc znamionowa [kvar]

Kondensatory przyłączane na stałe

Kondensatory ze stycznikami

Identyfikator

Cena [zł/szt.]

Identyfikator

Cena [zł/szt.]

7,5

193

593

193

618

12,5

193

633

240

710

18,3

275

765

275

845

490

1080

490

1120

Tab. 1. Koszt zakupu i instalacji kondensatorów

Oznaczenie GPZ

Liczba linii SN [szt.]

Całkowita długość sieci SN [km]

Liczba zasilanych stacji SN/nn [szt.]

Suma mocy znamionowych transformatorów SN/nn [kVA]

GPZ A

797

595

97 556

GPZ B

286

210

24 389

GPZ C

412

251

19 502

GPZ D

142

124

24 936

GPZ E

307

331

86 428

GPZ F

35 205

GPZ G

8 970

GPZ H

442

412

42 884

GPZ I

400

426

64 835

Tab. 2. Podstawowe dane sieci SN obiektów zakwalifikowanych do obliczeń

odwzorowania sieci SN oraz estymacji energii biernej zapotrzebowanej przez każdą stację transformatorową SN/nn. W tab. 2 zebrano podstawowe informacje charakteryzujące sieci SN zasilane z analizowanych GPZ. Badanym stacjom, zamiast ich rzeczywistych nazw, przyporządkowano kolejne litery alfabetu od A do I. Następnie przeprowadzono obliczenia optymalizacji kompensacji mocy biernej z zastosowaniem obu algorytmów: heurystycznego oraz ewolucyjnego. Wyniki optymalizacji Z uwagi na objętość niniejszego artykułu zaprezentowanie pełnych wyników, obejmujących szczegółowe lokalizacje kondensatorów w poszczególnych sieciach SN, nie jest możliwe i nie byłoby celowe. Zdecydowano się na przedstawienie zbiorczych informacji dla każdego obiektu, obejmujących charakterystyki techniczne

oraz wskaźniki ekonomiczne uzyskanych rozwiązań. Tabela 3 zawiera informacje charakteryzujące uzyskane rozwiązania dla wszystkich dziewięciu obiektów. Prezentowane warianty rozwiązań dotyczą zastosowanych typów kondensatorów, odpowiednio: F – tylko kondensatory załączone na stałe, S – tylko kondensatory załączane stycznikami, F+S – rozwiązania z użyciem obu typów kondensatorów. Wszystkie przedstawione w tab. 3 wyniki zostały uzyskane przy użyciu algorytmu heurystycznego. Dla badanych obiektów prowadzono także obliczenia z użyciem algorytmu ewolucyjnego, powtarzając eksperymenty wielokrotnie z uwagi na statystyczny charakter reguł wyboru, jakimi rządzi się taki proces. Najlepsze rozwiązania uzyskiwane za pomocą algorytmu ewolucyjnego charakteryzowały się zbliżonym

W. Szpyra et al. | Acta Energetica 3/24 (2015) | translation 119–124

Wyszczególnienie

Symbol [jednostka]

GPZ A

GPZ B

F+S

GPZ C

GPZ D

GPZ E

GPZ F

GPZ G

GPZ H

GPZ I

F+S

Ilość energii biernej pobieEr [Mvarh/rok] ranej w ciągu roku

38 305 33 398*

9 558 9 421*

7 166 7 166*

25 015 29 082 3 820* 29 076*

5 979 4 059*

5 207 3 995*

13 795 13 757*

23 293 23 293*

Ilość energii biernej pobieEr7000 [Mvarh] ranej w czasie Tw = 7000 godz.

34 197

8 676

6 490

24 603

27 477

5 763

5107

12 583

21 199

Ograniczenie mocy kondensatorów przyłączo- maxΣQF [kvar] nych na stałe

820

109

500

258

Ograniczenie mocy wszystmaxΣQFS [kvar] kich kondensatorów

2 890

820

654

109

483

700

1570

389

255

1090

500

1547

258

Moc znamionowa kondenΣQnF satorów przyłączonych [kvar] na stałe

902,5

115

535

270

Nakłady inwestycyjne na kondensatory przyłączone na stałe

KIF [zł]

10 833

1 191

6 679

2 678

Liczba kondensatorów załączanych okresowo

nS [szt.]

–

945

–

585

–

205

1680

250

130

–

550

–

Nakłady inwestycyjne na kondensatory załączane KIS [zł] okresowo

26 716

–

16 019

–

5 851

1 222

45 880

1 222

6 110

3 380

–

14 176

–

Całkowite nakłady inwestycyjne

KI [zł]

37 549

10 833

17 210

1 191

5 851

1 222

45 880

1 222

6 110

10 059

6 679

16 854

2 678

Roczne ograniczenie strat energii czynnej

ΣδEa [kWh/ rok] 176 992 150 098 34 962

11 645

20 332

915

101 472

839

5677

67 032

64 589

42 587

21 756

Liczba kondensatorów przyłączonych na stałe

nF [szt.]

Moc znamionowa kondensatorów załączanych ΣQnS [kvar] okresowo

Roczny zysk wynikający Z [zł/rok] z kompensacji mocy biernej r

43 104

40 368

6 698

3 050

4 640

24,63

20 880

7,21

640

16 696

16 632

9 362

5 787

Wskaźnik wartości zaktualiNPVR [zł/zł] zowanej netto

7,70

25,00

2,61

17,18

5,32

0,14

3,05

0,04

0,70

11,14

16,71

3,73

14,50

Stopa zwrotu nakładów inwestycyjnych

22,65

37,98

10,08

32,89

18,19

–

11,81

–

27,26

32,52

14,06

30,66

0,0421

0,0146

0,0976

0,0213

0,0567

0,2641

0,0892

0,2880

0,2129

0,0298

0,0206

0,0790

0,0258

0,80

0,24

2,52

0,35

1,18

Nigdy!

2,12

Nigdy!

13,83

0,55

0,36

1,71

0,42

p [%]

Jednostkowy koszt ogranikekw [zł/kWh] czenia strat energii Dyskontowany okres zwrotu nakładów inwestycyjnych

DPP [lat]

Oznaczenia: F – tylko kondensatory przyłączone na stałe, S – tylko kondensatory ze stycznikami, F+S – rozwiązanie z użyciem obu typów kondensatorów; * ilość energii biernej pobieranej przez linie SN objęte obliczeniami optymalizacyjnymi Tab. 3. Zbiorcze informacje charakteryzujące uzyskane rozwiązania zadania optymalizacji kompensacji mocy biernej dla dziewięciu obiektów

lub o kilka procent wyższym wskaźnikiem jakości NPVR niż rozwiązania uzyskiwane przy użyciu algorytmu heurystycznego. Przykładowo dla obiektu A, dla którego wskaźniki NPVR podane w tab. 3 wynoszą w wariancie F+S oraz F odpowiednio 7,7 zł/zł oraz 25 zł/zł, algorytm ewolucyjny znalazł rozwiązania o wskaźnikach jakości odpowiednio 6,72 zł/zł oraz 27,87 zł/zł. W każdym przypadku algorytm ewolucyjny pozwalał na znalezienie rozwiązania charakteryzującego się wyższą wartością funkcji celu (zysk z zastosowania kompensacji ZA). Czas obliczeń dla algorytmu heurystycznego zawierał się w przedziale od kilku do kilkudziesięciu minut w zależności od wielkości obiektu. Dla tych samych obiektów jeden

przebieg algorytmu ewolucyjnego zajmował od kilku do kilkudziesięciu godzin. Czasy te stanowią wykładnię złożoności obliczeniowej problemu optymalnego rozmieszczenia źródeł mocy biernej w rzeczywistych sieciach otwartych. Dla dwóch spośród analizowanych obiektów A oraz G przedstawiono bardziej szczegółowe informacje, dotyczące uzyskanych rozwiązań kompensacji (odpowiednio: tab. 4 i tab. 5). Obejmują one charakterystyki poszczególnych odejść liniowych (moc szczytową, energię bierną, długość sieci, liczbę oraz moc całkowitą zasilanych stacji SN/nn) oraz podstawowe charakterystyki rozwiązań w postaci liczby i łącznej mocy zastosowanych kondensatorów obu typów.

W tab. 4 i 5 uwzględniono tylko linie SN objęte obliczeniami optymalizacyjnymi (m.in. pominięto obwody zasilające pojedynczych odbiorców przemysłowych). Dla zobrazowania korelacji zachodzących pomiędzy parametrami linii SN a uzyskanymi rozwiązaniami kompensacji wybrane kolumny zacieniowano z użyciem słupków proporcjonalnych do wartości. Można zauważyć, że kondensatory lokowane są najczęściej w rozległych obwodach charakteryzujących się znacznym poborem energii biernej. Obiekt A to stacja zasilająca bardzo złożoną i rozległą sieć rozdzielczą SN o dużym zapotrzebowaniu mocy biernej, dla której uzyskane rozwiązania kompensacji charakteryzują się wysoką efektywnością

127

W. Szpyra et al. | Acta Energetica 3/24 (2015) | translation 119–124

GPZ A nr pola

Ps [kW]

Qs [kvar]

Er [Mvarh/rok]

Er7000 [Mvarh]

lSN [km]

ΣSnT [kVA]

nstacji [szt.]

nF [szt.]

nS [szt.]

ΣQnF [kvar]

ΣQnS [kvar]

1 780

700

2 629

2 309

6 200

1 180

280

1 521

1 353

116,4

4 409

610

130

768

670

66,1

2 947

900

240

894

816

3,9

1 665

340

130

652

559

3,1

4 110

1 230

450

1 813

1 610

5,8

3 550

140

266

236

6,3

2 080

390

150

245

211

10,7

3 990

1 830

650

2 719

2 461

95,8

5 169

230

A10

1 020

370

1 497

1 312

69,0

4 596

A11

1 630

500

2 244

1 968

9,4

6 050

220

A12

560

150

567

506

6,6

3 141

A13

1 100

280

1 504

1 349

11,6

1 640

130

A14

1 120

250

1 356

1 233

82,1

3 637

37,5

A15

1 330

460

1 716

1 523

1,0

2 000

A16

1 570

580

2 444

2 166

122,9

9 413

175

A17

1 500

350

2 033

1 787

18,7

4 990

150

A18

940

230

1 400

1 229

7,9

3 830

A19

1 800

730

2 944

2 681

42,9

5 961

260

A20

960

240

1 216

1 088

4,1

4 553

A21

904

216

1 135

987

9,6

3 155

150

A22

123

102

1,5

630

A23

600

190

760

684

70,6

3 511

A24

704

230

952

846

4,1

3 130

24 228

7 577

33 398

29 687

775

94 357

590

903

945

Tab. 4. Charakterystyka linii SN oraz rozwiązań kompensacji w sieci zasilanej z GPZ A

GPZ G nr pola

Ps [kW]

Qs [kvar]

Er [Mvarh/rok]

Er7000 [Mvarh]

lSN [km]

ΣSnT [kVA]

nstacji [szt.]

nF [szt.]

nS [szt.]

ΣQnF [kvar]

ΣQnS [kvar]

1 429

210

838

817

4 850

668

203

816

683

630

1 986

992

2 342

2 263

2 690

250

4 083

1 405

3 995

3 763

8 170

250

Tab. 5. Charakterystyka linii SN oraz rozwiązań kompensacji w GPZ G

ekonomiczną. Z kolej obiekt G zasila niewielką sieć SN o niskim zapotrzebowaniu mocy biernej, a uzyskane rozwiązanie nie jest efektywne z ekonomicznego punktu widzenia. Wnioski Oba opracowane algorytmy umożliwiają rozwiązanie problemu optymalnego rozmieszczenia źródeł mocy biernej dla rzeczywiście występujących wymiarów zadania. Obliczenia z użyciem algorytmu ewolucyjnego są znacznie bardziej czasochłonne lecz pozwalają na uzyskanie

128

– w niektórych przypadkach – rozwiązań o kilka procent lepszych od rozwiązań uzyskanych metodą heurystyczną. Na podstawie analizy wyników dla obiektów rzeczywistych zestawionych w tab. 3 można sformułować następujące wnioski: • Kompensacja mocy biernej przy wykorzystaniu odpowiednio zwymiarowanych i rozlokowanych kondensatorów nn może być efektywnym sposobem ograniczania strat energii w sieci SN • Efektywność takiej kompensacji zależy przede wszystkim od:

–– rozległości, rodzaju budowy i przekrojów przewodów sieci zasilanej z danego GPZ –– ilości energii biernej w ciągu roku pobieranej przez tę sieć –– obecności składowej stałej w rocznym przebiegu zapotrzebowania na moc bierną • Najbardziej efektywna z ekonomicznego punktu widzenia jest kompensacja przy użyciu wyłącznie kondensatorów załączonych na stałe • Rozwiązania charakteryzujące się maksymalnym zyskiem z ograniczenia strat

W. Szpyra et al. | Acta Energetica 3/24 (2015) | translation 119–124

energii nie są najbardziej efektywne z ekonomicznego punktu widzenia. Przyrost nakładów inwestycyjnych na zainstalowanie kondensatorów pracujących okresowo jest znacznie większy niż przyrost zysku wynikającego z ich zainstalowania • Analiza wskaźników efektywności ekonomicznej dla uzyskanych rozwiązań pozwala podzielić badane obiekty na takie, w których: –– kompensacja jest nieopłacalna (obiekty D, F oraz G) –– kompensacja jest bardzo efektywna (obiekty A, H oraz I) –– kompensacja opłaca się – pozostałe obiekty. Ko r e l a c j e m i ę d z y p a r a m e t r a m i obwodów a rozwiązaniami kompensacji

zaprezentowane w tab. 4 i 5 potwierdzają spostrzeżenia odnośnie efektywności kompensacji zawarte powyżej. Ze względu na przyjęte założenia dotyczące rozpływu energii biernej w analizowanych sieciach (założenia d. i e. podane w podrozdziale dotyczącym danych i założeń), uzyskane wyniki należy traktować jako orientacyjne. Decyzje o zabudowie systemu kompensacji powinny być poprzedzone weryfikacją rozpływu energii biernej w sieci. Bibliografia 1. Kot A. i in., Efficiency improvement of reactive power compensation in power distribution networks, Przegląd Elektrotechniczny 2013, r. 89, nr 6, s. 190–195.

2. Szpyra W. i in., Efektywność kompensacji mocy biernej w sieciach dystrybucyjnych, materiały konferencyjne APE ’11, Gdańsk 2011. 3. Szpyra W., Efektywność kompensacji mocy biernej stanu jałowego transformatorów SN/nn, Przegląd Elektrotechniczny 2011, r. 87, nr 2, s. 144–146. 4. Szpyra W. i in., Wyniki optymalizacji kompensacji mocy biernej w sie ci ach elekt ro energet ycznych, III Konferencja Naukowo-Techniczna – Problematyka mocy biernej w sieciach dystrybucyjnych i przesyłowych, Wisła 2014. 5. Szpyra W. i in., Kryteria optymalnej kompensacji mocy biernej w sieciach dystrybucyjnych, materiały konferencyjne APE ’13, Gdańsk 2013.

Waldemar Szpyra

dr inż. AGH Akademia Górniczo-Hutnicza w Krakowie e-mail: wszpyra@agh.edu.pl Dyplom inżyniera elektryka obronił na Wydziale Elektrotechniki Górniczej i Hutniczej Akademii Górniczo-Hutniczej w Krakowie (1975). Stopień doktora zdobył na Wydziale Elektrotechniki, Automatyki Informatyki i Elektroniki swojej macierzystej uczelni (1998). Obecnie jest adiunktem Katedry Elektrotechniki i Elektroenergetyki swojej macierzystej uczelni. Zajmuje się modelowaniem, estymacją stanu pracy i optymalizacją sieci rozdzielczych, zastosowaniem metod sztucznej inteligencji w elektroenergetyce oraz gospodarką elektroenergetyczną.

Wojciech Bąchorek

dr inż. AGH Akademia Górniczo-Hutnicza w Krakowie e-mail: wojbach@agh.edu.pl Ukończył studia na Wydziale Elektrotechniki, Automatyki, Informatyki i Elektroniki Akademii Górniczo-Hutniczej w Krakowie (2001). Stopień naukowy doktora uzyskał na tym samym wydziale (2007). Obecnie jest zatrudniony na stanowisku adiunkta w Katedrze Elektrotechniki i Elektroenergetyki AGH. Jego zainteresowania zawodowe dotyczą modelowania i analiz stanu pracy elektroenergetycznych sieci rozdzielczych oraz zastosowania metod sztucznej inteligencji w optymalizacji ich pracy.

Aleksander Kot

dr inż. AGH Akademia Górniczo-Hutnicza w Krakowie e-mail: akot@agh.edu.pl Ukończył studia na Wydziale Elektrotechniki, Automatyki, Informatyki i Elektroniki AGH (1997). Stopień naukowy doktora uzyskał na tym samym wydziale (2005). Obecnie jest zatrudniony na stanowisku adiunkta w Katedrze Elektrotechniki i Elektroenergetyki AGH. Jego zawodowe zainteresowania lokują się w obszarach: analizy i estymacji stanu pracy sieci rozdzielczych, zagadnień optymalizacji dla potrzeb projektowania i eksploatacji, metod sztucznej inteligencji, prognozowania i planowania rozwoju sieci, systemów informatycznych w elektroenergetyce oraz rynku energii.

129

R. Tarko et al. | Acta Energetica 3/24 (2015) | 130–136

Analysis of Possibilities to Reduce the Voltages Induced in Multi-circuit and Multi-voltage Overhead Lines

Authors Rafał Tarko Waldemar Szpyra Wiesław Nowak

Keywords power lines, multi-circuit power lines, multi-voltage power lines, induced voltage reduction

Abstract This paper presents the issues of electromagnetic interactions in a four-circuit and dual-voltage power line. Such solutions are increasingly used in practice due to difficulties in land acquisition for the construction of new power lines. Lines of this type, however, have some disadvantages, incl. the electromagnetic interactions between the circuits and voltages induced as their consequence. These issues are considered in relation to an existing four-circuit, 110 kV and 15 kV line. Results of the studies of the interaction effects in a real system, and an analysis of selected ways to reduce the voltage induced in 15 kV line circuits are presented.

DOI: 10.12736/issn.2300-3022.2015312

1. Introduction Difficulties in the construction of new power lines more and more often necessitate the use of specific solutions, such as the location of a proposed line in the right-of-way of an existing line [1, 2], or the construction of multi-circuit lines with different levels of rated voltage. These solutions, however, involve numerous issues which primarily include electromagnetic interactions and their consequences in the form of voltages and currents induced [3, 4, 5]. This article considers these issues in relation to an existing four-circuit line with two voltage levels of 110 kV and 15 kV. The subject of the analysis is a section of the 110 kV and 15 kV grid, whose diagrams are shown in Fig. 1. Within this grid, the

Fig. 1. Diagram of the analysed grid with the four-circuit 110–15 kV line 130

following electric power substations: A, B, C and four overhead lines have been identified, marked as circuit no. 1–4. Circuit no. 1 and circuit no. 2 are the 110 kV lines supplying substation B, while circuit no. 3 and circuit no. 4 are 15 kV lines supplying MV distribution grids. Along a section 8.7 km long, measured from substation B, the 110 kV and 15 kV circuits are placed on the same support structure, initially in the form of a four-circuit line, and further a three-circuit line. The distribution of the conductors within the line is shown in Fig. 2 and Pic. 1. The placement of the 15 kV line under the 110 kV lines presents obvious advantages in regard to the use of the land available for the system. However, it also has many disadvantages, which

R. Tarko et al. | Acta Energetica 3/24 (2015) | 130–136

O2 L2

L2 110 kV line Circuit no. 1

110 kV line L 1 Circuit no. 2

15 kV line Circuit no. 3

L3 L1

L3 L2

15 kV line Circuit no. 4

Fig. 2. A conductor system of the 110–15 kV four-circuit line

include the necessity to deactivate the 110 kV circuit in the event of performing work on the 15 kV circuit located underneath, and the voltages induced in the 15 kV circuits disconnected from the power supply, resulting from electromagnetic interactions of the 110 kV lines. It is the second aspect which has particularly adverse practical consequences due to the presence of voltages on the line disconnected from the power supply, which ultimately eliminates any possibilities of the line being earthed. As part of the currently used switchgear solutions, special stationary earthing switches are installed in feeder bays, which can be closed only in the event of voltage absence on its fixed contact. Interlocking of the earthing switch’s drive most frequently cooperates with the interlocking relay which prevents the earthing switch from being closed if the phase voltage of the earthed line exceeds 10% of the rated voltage value. The situation described above is presented in Fig. 1, where there is no possibility to earth the 15 kV circuits. As a hypothesis it was assumed that the reason for this are the voltages induced as a result of electromagnetic interactions of the 110 kV circuits.

2. Analysis of interactions in the existing system In order to verify the hypothesis assumed, the electromagnetic interactions of the 110 kV circuits and their impact on the 15 kV circuits were analysed. The research included measurements

Pic. 1. A support of the line subject to analysis along the three-circuit section (two 110 kV circuits, one 15 kV circuit)

Pic. 2. Testing station used for the analysis of consequences of interactions in a four-circuit 110–15 kV line

of voltages and currents induced within the circuit no. 4 with voltage of 15 kV as well as calculation verification of the results obtained. 131

R. Tarko et al. | Acta Energetica 3/24 (2015) | 130–136

110 kV lines

15 kV lines

Variant Circuit no. 1

Circuit no. 2

Circuit no. 3

Circuit no. 4

live

• disconnected • earthed on both sides

live

• disconnected • earthed on one side

live

• disconnected • earthed on both sides

live

• disconnected • unearthed

live

• disconnected • unearthed

live

• disconnected, • earthed on one side

Tab. 1. Operation variants of the 110–15 kV four-circuit line

Voltages induced Phase

Currents induced in the conductors after its earthing at the testing station

measured

calculated

measured

calculated

5.2 V

8.1 V

0.55 A

0.82 A

7.6 V

10.5 V

1.23 A

2.5 V

7.2 V

L1-L2

3.2 V

L2-L3 L3-L1

Voltages induced Phase

Currents induced in the conductors after its earthing at the testing station

measured

calculated

measured

calculated

4026 V

4224 V

0.08 A

0.114 A

1.35 A

4020 V

4116 V

0.08 A

0.108 A

0.27 A

0.42 A

7095 V

6991 V

0.20 A

0.233 A

2.6 V

–

L1-L2

48 V

261 V

–

6.0 V

3.4 V

–

L2-L3

3111 V

2884 V

–

3.7 V

0.9 V

–

L3-L1

3161 V

2768 V

–

Tab. 2. Values of voltages and currents induced for operation variant no. 1 of the 110–15 kV four-circuit line

Voltages induced Phase

Currents induced in the conductors after its earthing at the testing station

measured

calculated

measured

calculated

915 V

954 V

0.02 A

0.022 A

1484 V

1505 V

0.03 A

1860 V

1924 V

L1-L2

594 V

L2-L3 L3-L1

Tab. 4. Values of voltages and currents induced for operation variant no. 3 of the 110–15 kV four-circuit line

Voltages induced Phase

Currents induced in the conductors after its earthing at the testing station

measured

calculated

measured

calculated

6.0 V

8.7 V

0.84 A

0.60 A

0.045 A

9.0 V

10.9 V

1.50 A

1.14 A

0.04 A

0.063 A

4.7 V

8.0 V

0.40 A

0.45 A

552 V

–

L1-L2

3.8 V

2.6 V

–

449 V

483 V

–

L2-L3

7.0 V

3.5 V

–

984 V

981 V

–

L3-L1

3.9 V

0.9 V

–

Tab. 3. Values of voltages and currents induced for operation variant no. 2 of the 110–15 kV four-circuit line

Tab. 5. Values of voltages and currents induced for operation variant no. 4 of the 110–15 kV four-circuit line

The measurements of the 15 kV line were performed at one of the supports, at a testing station equipped with the necessary switching and measuring devices (Pic. 2). Four operation variants of the particular circuits of the 110–15 kV line, presented in Tab. 1, were analysed. The results of the measurements and the results of the calculations obtained by means of the prepared mathematical model are presented in Tab. 2–5.

The research confirmed that the operation of the four-circuit, dual-voltage 110–15 kV electric line results in voltages and currents induced in the 15 kV circuits which can affect the operation of this line. The primary importance belongs to the capacitive interactions between the activated 110 kV circuits and deactivated and unearthed 15 kV circuits, within which the voltages induced reach several kilovolts. These voltages considerably hinder the operation of the 15 kV line, primarily as a result of the

132

R. Tarko et al. | Acta Energetica 3/24 (2015) | 130–136

presence of voltage exceeding 10% of the rated voltage value which prevents the line from being earthed. These voltages also pose an electric shock hazard for employees performing work on the line. Earthing on both sides or on one side of the 15 kV circuits eliminates the capacitive interactions, but resulting in, however, the presence of magnetic interactions. The values of the voltages induced have between several and a dozen or so kilovolts and are proportional to the value of the currents in the 110 kV circuits. The research has also enabled verification and detailing of the mathematical model of the analysed 110 kV and 15 kV lines. The calculations based on that model lead to results concurrent with that of the measurements made in an existing line. This applies particularly to capacitive couplings which feature the highest values of the voltages induced in deactivated line conductors. These models are used in the analysis presented below.

3. Analysis of selected possibilities of limiting electromagnetic interactions With the use of a computer model of a specific grid, prepared and tested in practice, an analysis of the methods of limiting or completely eliminating the negative consequences of interactions between the circuits of the 110 kV line and the circuits of the 15 kV line was performed. Different variants were tested, and the following methods are discussed further in this study: • transposition of circuits and changing the phase sequence in the 110 kV circuits • changing the conductor layout in the 15 kV and 110 kV circuits • changing the vertical distance between the 15 kV and 110 kV circuits • installation of parallel capacitor batteries in the 15 kV circuits. a)

Phase voltage of the 15 kV line Conductor L1

Conductor L2

Conductor L3

Conductor system currently used

4676 V

4790 V

7550 V

Transposition of the circuits of the 110 kV line

4673 V

4788 V

7546 V

Changed phase sequence in the 110 kV line

3801 V

3537 V

5857 V

Tab. 6. Comparison of the values of the voltages induced in disconnected and unearthed 15 kV circuits in a transposed system and with the changed phase sequence of the 110 kV circuits

3.1. Impact of the transposition of circuits and changing the phase sequence in the 110 kV circuits The analysis confirmed that the transposition of the 110 kV circuits on one of the supports does not impact the value of the voltages induced in disconnected and unearthed circuits of the 15 kV line, and the results obtained are practically identical to the originally used system (Tab. 6). In addition, the transposition would necessitate the need to disconnect both circuits of the 110 kV line if any work had to be performed on one of the circuits of the 15 kV line. Also, the impact of the order of the phase conductors in the 110 kV circuits was analysed. From the point of view of the voltages induced in the 15 kV circuits, the most advantageous system ensures that the phase conductors of the 110 kV circuits located at the bottom are heterogeneous (Tab. 6). Nonetheless, b)

Fig. 3. Conductor layout of the 110 kV and 15 kV line: a) flat, b) triangular 133

R. Tarko et al. | Acta Energetica 3/24 (2015) | 130–136

the limitation of the voltage values taking place in this case is insufficient. Moreover, the difference in the voltages induced is noticeable only if both 110 kV circuits are live, as the situation does not change if one of the 110 kV circuits is disconnected and earthed on both sides.

3.2. Impact of the conductor layout in the 110 kV and 15 kV circuits The analysis included an assessment of the impact of the conductor layout of the 110 kV and 15 kV circuits on the values of the voltages induced. The configuration of conductors in the analysed variants is shown in Fig. 3. The results obtained and referred to the values occurring in the existing layout, are presented in Tab. 7. The conducted analysis confirms that changing the conductor layout has an impact on the level of phase and interphase voltages induced in the circuits of the 15 kV line. It must be observed that decreasing their value does not improve the operating conditions of the lines subject to analysis, as the voltages continue to achieve values which prevent the 15 kV circuits from being earthed.

Voltages induced in the 15 kV circuits for the conductor layout Phase existing

flat for 15 kV circuits

triangular for 110 kV circuits

4699 V

4930 V

2422 V

4792 V

5332 V

2641 V

7553 V

3994 V

4468 V

L1-L2

171 V

585 V

731 V

L2-L3

2761 V

1380 V

1916 V

L3-L1

2879 V

966 V

2509 V

Tab. 7. Values of voltages induced for various configurations of phase conductors

Phase

Voltages induced for distances of 15 kV circuit conductors existing

assumed

4699 V

2736 V

4792 V

2823 V

7553 V

4621 V

L1-L2

171 V

109 V

L2-L3

2761 V

1798 V

L3-L1

2879 V

1886 V

Tab. 8. Values of voltages induced for various heights of conductors in the 15 kV circuits 134

3.3. Impact of the vertical distance between the 110 kV and 15 kV circuits The analysis of the impact of the suspension height of the conductors of the 15 kV circuits on the values of the voltages induced assumed the same configuration as for the existing system (Fig. 2). Maximum lowering of the conductors of the 15 kV circuits was assumed, limited only by their minimal closeness to the ground with the height of the 110 kV circuits unchanged. The calculation results obtained are presented in Tab. 8. The reduction in the value of the voltages induced occurring in these circumstances results from the increase of the distance between the circuits of the 110 kV and 15 kV lines. Within the spatial configuration assumed, the values of the voltages induced in all conductors were reduced by approx. 40%. However, the level of their value continues to prevent the 15 kV circuits from being earthed.

3.4. Impact of the capacitors connected to the 15 kV circuits The purpose of the analysis was assessing the possibility of reducing the voltages induced as a result of capacitors being added to the disconnected and unearthed 15 kV circuits. It was assumed that the battery used will comprise three star-point single-phase capacitors with rated voltage of 9122 V. The analysis was performed for two power values of the capacitors added, equalling: 40 kVAr (1.55 µF) per phase and 80 kVAr (3.10 µF) per phase. The calculation results obtained for the voltages induced are presented in Tab. 9. The analysis confirmed a significant impact of the added capacities on the values of the voltages induced, both phase and interphase, in the circuits of the 15 kV lines. The results presented were obtained while assuming star-point earthing of the added capacitors. If the star point of the capacitor is not earthed, the values of the phase voltages will not alter significantly in relation to the existing system, but the interphase voltages will be similar to those listed in Tab. 3 and 4. It should be noted that the addition of capacitors constitutes the most effective method of reducing the voltages induced below the level of 866 V (10% of the rated voltage), enabling earthing of the 15 kV line in the power-feeding station. For this reason, measurements were performed in the existing system. The test procedure was similar to the one described in chapter 2. The difference was the addition of capacitor batteries with power of 40 kVAr or 80 kVAr. The selected results of the measurements performed are presented in Tab. 9. The measurements confirmed the potential to use parallel capacitor batteries as an efficient method of lowering the values of the voltages induced within a grid subject to analysis, in addition to the effective operation of the interlocking of the earthing switch’s drive.

4. Overview The measurements and calculations performed confirmed that the operation of a four-circuit dual-voltage 110–15 kV power line results in voltages induced within the 15 kV circuits with a value of several kilovolts. The voltages induced hinder the operation of

R. Tarko et al. | Acta Energetica 3/24 (2015) | 130–136

Values of voltages induced in 15 kV circuits for the system

Phase

with capacitor battery 3 ∙ 40 kVAr (3 ∙ 1,55 µF)

existing

with capacitor battery 3 ∙ 80 kVAr (3 ∙ 3,10 µF)

calculated

measured

calculated

measured

calculated

measured

4699 V

3885 V

222.4 V

201 V

111.7 V

101 V

4792 V

3945 V

213.4 V

200 V

106.3 V

96 V

7553 V

6840 V

436.2 V

428 V

219.6 V

218 V

L1-L2

171 V

30 V

18.4 V

20.5 V

0.9 V

L2-L3

2761 V

2985 V

224.4 V

230 V

115.6 V

120 V

L3-L1

2879 V

3060 V

213.9 V

230 V

108.1 V

119 V

Tab. 9. Values of voltages induced in 15 kV circuits with capacitor batteries included

the 15 kV line by preventing it from being earthed. With the use of a prepared computer model, an analysis of selected methods of limiting the negative consequences of interactions between the HV and MV circuits was performed. It was confirmed that the transposition of the circuits or phases in the line subject to analysis and changing the conductors’ configuration on the supports do not significantly reduce the values of the capacitively induced voltages. It was confirmed that the addition of star-point capacitors with power of 40 kVAr considerably decreases the values of the voltages induced (both phase and interphase) in disconnected circuits of the 15 kV line. It should be noted that the addition of capacitors may serve as a good method of decreasing the level of the voltages induced in phase conductors to the value which enables the 15 kV line in the substation to be earthed. The addition of batteries with a power of 40 kVAr within the line subject to analysis was effective, however, it is necessary to perform detailed tests in the case of similar issues present within other lines of this type. A crucial consequence of the interaction is the energy danger to employees. When performing servicing or repair tasks on 15 kV lines it is necessary to consider the risk of dangerous touch voltages and currents. This is of particular importance if the 15 kV circuits are unearthed; however, it is also an option in the case of single-sided earthing, for instance, during assembly or dismantling portable earthing devices at workstations.

REFERENCES

1. Nowak W., Tarko R., Analysis of the feasibility of locating 110 kV line in 400 kV right-of-way in terms of electromagnetic interaction, Acta Energetica 2013, No. 1/14, pp. 102–113. 2. Nowak W., Tarko R., Analiza możliwości lokalizacji linii 110 kV w pasie technologicznym linii 400 kV w aspekcie oddziaływań elektromagnetycznych [Analysis of the feasibility of locating 110 kV line in 400 kV right-of-way in terms of electromagnetic interaction], Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej 2013, No. 32, pp. 19–22. 3. Bąchorek W. et al., Problemy projektowania i eksploatacji napowietrznych linii elektroenergetycznych w aspekcie pól elektromagnetycznych [Problems of the design and operation of overhead power lines in terms of electromagnetic fields], 5th Scientific and Engineering Conference “Overhead Power Lines”, PTPiREE, Dźwirzyno, 15 May 2012, pp. 6–11. 4. Szostek T., Kurpanik B., Wojciechowski J., Analiza indukowanych napięć w obustronnie odłączonej linii 750 kV Chmielnicka Elektrownia Jądrowa – Rzeszów [Analysis of the voltages induced in both-ends disconnected 750 kV line Chmielnik Nuclear Power Plant – Rzeszów], Energetyka 1988, No. 10, pp. 365–370. 5. Nowak W. et al., Analiza warunków eksploatacyjnych linii 110 kV Klikowa-Połaniec i 220 kV Klikowa-Niziny w aspekcie oddziaływania elektromagnetycznego [Analysis of the operating conditions of Klikowa-Połaniec 110 kV line and Klikowa-Niziny 220 kV line in terms of electromagnetic interaction], Energetyka 2006, No. 2, pp. 118–123.

135

R. Tarko et al. | Acta Energetica 3/24 (2015) | 130–136

Rafał Tarko AGH University of Science and Technology e-mail: rtarko@agh.edu.pl Master of Science degree in electrical engineering, specialising in power engineering, from the Faculty of Electrical Engineering, Automatics, Computer Science and Electronics of AGH University of Science and Technology (2001). He obtained the academic degree of doctor at the same faculty in 2007. Since 2001, he has been working at the Department of Electrical and Power Engineering of the University of Science and Technology. His main research interests include the analysis of operational exposures and electromagnetic transients in power networks.

Wiesław Nowak AGH University of Science and Technology e-mail: wieslaw.nowak@agh.edu.pl Graduate of AGH University of Science and Technology. Master of Science degree (1988), then the academic degree of doctor (1995) and postdoctoral degree (2006) in electrical engineering at the Faculty of Electrical Engineering, Automatics, Computer Science and Electronics of AGH University of Science and Technology. Since 1987, he has worked at his alma mater, now an associate professor at AGH. His research speciality is power engineering, and his main research interests concern power grid analyses.

Waldemar Szpyra AGH University of Science and Technology e-mail: wszpyra@agh.edu.pl He obtained the diploma of engineer electrician at the Faculty of Electrical Engineering of AGH University of Science and Technology in Kraków in 1975, and PhD at the Faculty of Electrical Engineering, Automatics, Computer Science and Electronics of the same university in 1998. Currently, an assistant professor at the Department of Electrical and Power Engineering of his alma mater. He specialises in modelling, state estimation and optimal control of power distribution networks using artificial intelligence methods in power engineering, electrical power management and the efficiency of transmission and distribution of electrical energy.

136

R. Tarko et al. | Acta Energetica 3/24 (2015) | translation 130–136

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 130–136. When referring to the article please refer to the original text. PL

Analiza możliwości redukcji napięć indukowanych w wielotorowych wielonapięciowych liniach napowietrznych Autorzy

Rafał Tarko Waldemar Szpyra Wiesław Nowak

Słowa kluczowe

linie elektroenergetyczne, linie elektroenergetyczne wielotorowe, linie elektroenergetyczne wielonapięciowe, redukcja napięć indukowanych

Streszczenie

W artykule przedstawiono zagadnienia oddziaływań elektromagnetycznych w czterotorowej, dwunapięciowej linii elektroenergetycznej. Rozwiązania takie są coraz częściej stosowane w praktyce, ze względu na trudności w uzyskaniu terenu pod budowę nowych linii elektroenergetycznych. Linie tego typu posiadają jednak również wady, wśród których należy wymienić oddziaływania elektromagnetyczne występujące pomiędzy torami i ich skutki w postaci indukowania napięć. Zagadnienia te rozważono w odniesieniu do istniejącej linii czterotorowej o dwóch poziomach napięć 110 kV i 15 kV. Przedstawiono wyniki badań skutków oddziaływań w układzie rzeczywistym oraz analizę wybranych sposobów redukcji napięć indukowanych w torach linii 15 kV.

1. Wstęp Trudności w budowie nowych linii elektroenergetycznych coraz częściej wymuszają zastosowanie specyficznych rozwiązań, np. w postaci usytuowania projektowanej linii w pasie technologicznym linii istniejącej [1, 2], czy konstrukcji linii wielotorowych o różnych poziomach napięć znamionowych. Rozwiązania takie implikują jednak wiele problemów, wśród których szczególnie należy podkreślić oddziaływania elektromagnetyczne i ich skutki w postaci indukowania napięć i prądów [3, 4, 5]. W niniejszym artykule zagadnienia te zostaną przedstawione w odniesieniu do istniejącej linii czterotorowej o dwóch poziomach napięć 110 kV i 15 kV. Przedmiotem analizy jest fragment sieci 110 kV i 15 kV, której schemat przedstawiono na rys. 1. W sieci tej wyodrębniono stacje elektroenergetyczne GPZ A, GPZ B, GPZ C oraz cztery linie napowietrzne, oznaczone jako tory nr 1–4. Tor nr 1 i tor nr 2 to linie 110 kV zasilające GPZ B, natomiast tor nr 3 i tor nr 4 stanowią linie 15 kV zasilające sieci rozdzielcze średniego napięcia. Na odcinku o długości 8,7 km, mierzonej od GPZ B, tory 110 kV i 15 kV są umieszczone na wspólnej konstrukcji wsporczej, początkowo w postaci linii czterotorowej, a następnie trójtorowej. Rozmieszczenie przewodów w linii przedstawiono na rys. 2 i fot. 1. Usytuowanie linii 15 kV pod liniami 110 kV daje ewidentne korzyści z punktu widzenia wykorzystania dostępnego dla lokalizacji terenu. Posiada jednak wiele wad, wśród których można wymienić konieczność wyłączenia toru 110 kV w przypadku wykonywania prac na znajdującym się pod nim torze 15 kV oraz indukowanie w odłączonych od zasilania torach 15 kV napięć, wywołanych oddziaływaniem elektromagnetycznym linii 110 kV. Szczególnie ten drugi aspekt ma dotkliwe skutki praktyczne, ze względu na występowanie napięć na odłączonej od zasilania linii, a w dalszej konsekwencji na brak możliwości jej uziemienia.

W stosowanych obecnie rozwiązaniach rozdzielnic, w polach liniowych są stosowane stacjonarne uziemniki, których zamknięcie jest dozwolone jedynie w warunkach braku napięcia na jego styku stałym. Blokada napędu uziemnika współpracuje najczęściej z przekaźnikiem blokady łączeniowej, uniemożliwiającym zamknięcie uziemnika, jeżeli napięcia fazowe uziemianej linii są wyższe niż 10% wartości napięcia znamionowego. Sytuacja powyższa zaistniała w sieci przedstawionej na rys. 1, gdzie wystąpił brak możliwości uziemienia torów 15 kV. Przyjęto hipotezę, że przyczyną takiego stanu rzeczy są napięcia indukowane wskutek oddziaływania elektromagnetycznego torów 110 kV. 2. Badanie oddziaływań w układzie istniejącym W celu potwierdzenia słuszności przyjętej hipotezy wykonano badania oddziaływań elektromagnetycznych torów 110 kV na tory 15 kV. Obejmowały one pomiary napięć i prądów indukowanych w torze nr 4 o napięciu 15 kV oraz weryfikację obliczeniową otrzymanych wyników. Pomiary na linii 15 kV wykonano przy jednym ze słupów, na stanowisku zawierającym niezbędną aparaturę łączeniową oraz pomiarową (fot. 2). Rozważono cztery

warianty pracy poszczególnych torów linii 110–15 kV, przedstawione w tab. 1. Wyniki pomiarów wraz z wynikami obliczeń otrzymanych za pomocą opracowanego modelu matematycznego zestawiono w tab. 2–5. Badania wykazały, że podczas eksploatacji czterotorowej dwunapięciowej linii elektroenergetycznej 110–15 kV dochodzi do indukowania w torach 15 kV napięć i prądów mogących wpłynąć na eksploatację tej linii. Podstawowe znaczenie ma oddziaływanie pojemnościowe pomiędzy pracującymi torami 110 kV a wyłączonymi i nieuziemionymi torami 15 kV, w których indukowane są napięcia rzędu kilku kilowoltów. Napięcia te istotnie utrudniają eksploatację linii 15 kV, m.in. przez brak możliwości uziemienia linii ze względu na obecność napięcia powyżej 10% wartości napięcia znamionowego. Napięcia te stanowią również zagrożenie porażeniowe dla pracowników wykonujących prace na linii. Uziemienie jedno- lub dwustronne torów 15 kV eliminuje oddziaływanie pojemnościowe, lecz uwidacznia się wówczas oddziaływanie magnetyczne. Wartości indukowanych napięć są rzędu kilku-, kilkunastu woltów i są proporcjonalne do wartości prądów płynących w torach 110 kV.

Rys. 1. Schemat analizowanej sieci z czterotorową linią 110–15 kV

137

R. Tarko et al. | Acta Energetica 3/24 (2015) | translation 130–136

Linie 110 kV Wariant

Tor nr 1

Linie 15 kV

Tor nr 2

Tor nr 3

Tor nr 4

pod napięciem

• odłączona • obustronnie uziemiona

pod napięciem

• odłączona • jednostronnie uziemiona

pod napięciem

• odłączona • obustronnie uziemiona

pod napięciem

• odłączona • odziemiona

pod napięciem

• odłączona • odziemiona

pod napięciem

• odłączona • jednostronnie uziemiona

Tab. 1. Warianty pracy czterotorowej linii 110–15 kV

Faza

Rys. 2. Układ przewodów czterotorowej linii 110–15 kV

Napięcia indukowane

Prądy indukowane po uziemieniu przewodów na stanowisku pomiarowym

zmierzone

obliczone

zmierzone

obliczone

5,2 V

8,1 V

0,55 A

0,82 A

7,6 V

10,5 V

1,23 A

2,5 V

7,2 V

L1-L2

3,2 V

L2-L3 L3-L1

Fot. 1. Słup rozpatrywanej linii na odcinku trójtorowym (dwa tory 110 kV, jeden tor 15 kV)

Fot. 2. Stanowisko do badań skutków oddziaływań w czterotorowej linii 110–15 kV

138

Prądy indukowane po uziemieniu przewodów na stanowisku pomiarowym

zmierzone

obliczone

zmierzone

obliczone

4026 V

4224 V

0,08 A

0,114 A

1,35 A

4020 V

4116 V

0,08 A

0,108 A

0,27 A

0,42 A

7095 V

6991 V

0,20 A

0,233 A

2,6 V

–

L1-L2

48 V

261 V

–

6,0 V

3,4 V

–

L2-L3

3111 V

2884 V

–

3,7 V

0,9 V

–

L3-L1

3161 V

2768 V

–

Tab. 2. Wartości indukowanych napięć i prądów dla wariantu nr 1 pracy czterotorowej linii 110–15 kV

Faza

Napięcia indukowane

Prądy indukowane po uziemieniu przewodów na stanowisku pomiarowym

zmierzone

obliczone

zmierzone

obliczone

915 V

954 V

0,02 A

0,022 A

1484 V

1505 V

0,03 A

1860 V

1924 V

L1-L2

594 V

L2-L3 L3-L1

Tab. 4. Wartości indukowanych napięć i prądów dla wariantu nr 3 pracy czterotorowej linii 110–15 kV

Faza

Napięcia indukowane

Prądy indukowane po uziemieniu przewodów na stanowisku pomiarowym

zmierzone

obliczone

zmierzone

obliczone

6,0 V

8,7 V

0,84 A

0,60 A

0,045 A

9,0 V

10,9 V

1,50 A

1,14 A

0,04 A

0,063 A

4,7 V

8,0 V

0,40 A

0,45 A

552 V

–

L1-L2

3,8 V

2,6 V

–

449 V

483 V

–

L2-L3

7,0 V

3,5 V

–

984 V

981 V

–

L3-L1

3,9 V

0,9 V

–

Tab. 3. Wartości indukowanych napięć i prądów dla wariantu nr 2 pracy czterotorowej linii 110–15 kV

Tab. 5. Wartości indukowanych napięć i prądów dla wariantu nr 4 pracy czterotorowej linii 110–15 kV

Badania umożliwiły także weryfikację i udokładnienie modelu matematycznego analizowanych sieci 110 kV i 15 kV. Obliczenia prowadzone z jego wykorzystaniem dają wyniki zbieżne z pomiarami w sieci rzeczywistej. Dotyczy to zwłaszcza sprzężeń pojemnościowych, charakteryzujących się największymi wartościami napięć indukowanych na przewodach linii wyłączonych spod napięcia. W dalszej analizie posłużono się właśnie tymi modelami.

3. Analiza wybranych możliwości ograniczania oddziaływań elektromagnetycznych Wykorzystując opracowany i przetestowany w praktyce model komputerowy rozważanej sieci, przeprowadzono analizę sposobów ograniczenia lub całkowitej eliminacji negatywnych skutków oddziaływania pomiędzy torami linii 110 kV a torami linii 15 kV. Sprawdzone zostały różne warianty, z których w dalszej części artykułu przedstawiono następujące sposoby:

R. Tarko et al. | Acta Energetica 3/24 (2015) | translation 130–136

Napięcie fazowe torów 15 kV Przewód L1

Przewód L2

Przewód L3

Układ przewodów obecnie eksploatowany

4676 V

4790 V

7550 V

Przeplot torów linii 110 kV

4673 V

4788 V

7546 V

Zmieniona kolejność faz w linii 110 kV

3801 V

3537 V

5857 V

Tab. 6. Porównanie wartości napięć indukowanych w odłączonych od napięcia i nieuziemionych torach 15 kV w układzie z przeplotem i przy zmienionej kolejności faz torów 110 KV

Napięcia indukowane w torach 15 kV dla układu przewodów Faza istniejącego

płaskiego torów 15 kV

trójkątnego torów 110 kV

4699 V

4930 V

2422 V

4792 V

5332 V

2641 V

7553 V

3994 V

4468 V

L1-L2

171 V

585 V

731 V

L2-L3

2761 V

1380 V

1916 V

L3-L1

2879 V

966 V

Wartości napięć indukowanych w torach 15 kV dla układu

Faza

istniejącego

2509 V

Tab. 7. Wartości indukowanych napięć indukowanych dla różnych konfiguracji przewodów fazowych

Faza

Rys. 3. Układ przewodów linii 110 kV i 15 kV: a) płaski, b) trójkątny

Napięcia indukowane dla odległości przewodów torów 15 kV istniejącej

założonej

4699 V

2736 V

4792 V

2823 V

7553 V

4621 V

L1-L2

171 V

109 V

L2-L3

2761 V

1798 V

L3-L1

2879 V

1886 V

Tab. 8. Wartości indukowanych napięć dla różnych wysokości przewodów torów 15 kV

• przeplecenie torów oraz zmiana kolejności faz w torach 110 kV • zmiana układu przewodów w torach 15 kV i 110 kV • zmiana pionowej odległości między torami 15 kV i 110 kV • zainstalowanie baterii kondensatorów równoległych w torach 15 kV.

z baterią kondensatorów 3 ∙ 40 kVAr (3 ∙ 1,55 µF)

z baterią kondensatorów 3 ∙ 80 kVAr (3 ∙ 3,10 µF)

obliczone

zmierzone

obliczone

zmierzone

obliczone

zmierzone

4699 V

3885 V

222,4 V

201 V

111,7 V

101 V

4792 V

3945 V

213,4 V

200 V

106,3 V

96 V

7553 V

6840 V

436,2 V

428 V

219,6 V

218 V

L1-L2

171 V

30 V

18,4 V

20,5 V

0,9 V

L2-L3

2761 V

2985 V

224,4 V

230 V

115,6 V

120 V

L3-L1

2879 V

3060 V

213,9 V

230 V

108,1 V

119 V

Tab. 9. Wartości napięć indukowanych w torach 15 kV z dołączonymi bateriami kondensatorów

3.1. Wpływ przeplecenia torów oraz zmiany kolejności faz w liniach 110 kV Analiza wykazała, że przeplecenie torów 110 kV na jednym ze słupów nie wpływa na wartości napięć indukowanych w odłączonych i nieuziemionych torach linii 15 kV, a uzyskane wyniki są praktycznie identyczne jak dla pierwotnie eksploatowanego układu (tab. 6). Poza tym przeplecenie skutkowałoby koniecznością wyłączenia obu torów linii 110 kV w przypadku wykonywania prac na jednym z torów linii 15 kV. Przeanalizowano również wpływ kolejności przewodów fazowych w torach 110 kV. Najkorzystniejszy z punktu widzenia napięć indukowanych w torach 15 kV jest układ, w którym znajdujące się najniżej przewody fazowe torów 110 kV są różnoimienne (tab. 6). Jednak zachodzące w tym przypadku

ograniczenie wartości napięć jest niewystarczające. Ponadto różnica w napięciach indukowanych jest zauważalna tylko w sytuacji, gdy obydwa tory 110 kV pozostają pod napięciem, natomiast sytuacja nie zmienia się, gdy jeden z torów 110 kV jest odłączony od napięcia i uziemiony obustronnie. 3.2. Wpływ układu przewodów w torach 110 kV i 15 kV Analiza obejmowała zbadanie wpływu układu przewodów torów 110 kV i 15 kV na wartości napięć indukowanych. Konfigurację przewodów w analizowanych wariantach przedstawiono na rys. 3. Uzyskane wyniki, odniesione do wartości występujących w układzie istniejącym, przedstawiono w tab. 7.

139

R. Tarko et al. | Acta Energetica 3/24 (2015) | translation 130–136

Z przeprowadzonej analizy wynika, że zmiana układu przewodów wpływa na poziom napięć fazowych i międzyfazowych indukowanych w torach linii 15 kV. Należy jednak zauważyć, że zmniejszenie ich wartości nie wpływa na poprawę warunków eksploatacji analizowanych linii, ponieważ napięcia nadal osiągają wartości uniemożliwiające uziemienie torów 15 kV. 3.3. Wpływ pionowej odległości między torami 110 kV i 15 kV Przy analizie wpływu wysokości zawieszenia przewodów torów 15 kV na wartości napięć indukowanych założono konfigurację identyczną jak w układzie istniejącym (rys. 2). Założono maksymalne obniżenie przewodów torów 15 kV, ograniczone wyłącznie minimalnym ich zbliżeniem do ziemi, przy niezmienionej wysokości torów 110 kV. Otrzymane wyniki obliczeń zestawiono w tab. 8. Zachodząca w tym przypadku redukcja wartości napięć indukowanych wynika ze zwiększenia odległości pomiędzy torami linii 110 kV i 15 kV. W założonej konfiguracji przestrzennej torów wartości napięć indukowanych we wszystkich przewodach uległy obniżeniu o ok. 40%. Nadal jednak poziom ich wartości uniemożliwia uziemienie torów 15 kV. 3.4. Wpływ kondensatorów dołączanych do torów 15 kV Celem analizy było zbadanie możliwości redukcji indukowanych napięć w wyniku dołączania kondensatorów do odłączonych od zasilania i nieuziemionych torów 15 kV. Założono, że zastosowana bateria będzie złożona z trzech połączonych w gwiazdę kondensatorów jednofazowych o napięciu znamionowym 9122 V. Analizę przeprowadzono dla dwóch wartości mocy dołączanych kondensatorów, wynoszących: 40 kVAr (1,55 µF) na fazę oraz 80 kVAr (3,10 µF) na fazę. Uzyskane obliczeniowo wyniki napięć indukowanych przedstawiono w tab. 9. Analiza pokazała istotny wpływ dołączonych pojemności na wartości napięć indukowanych zarówno fazowych, jak i międzyfazowych w torach linii 15 kV. Przedstawione wyniki uzyskano przy założeniu uziemienia punktu gwiazdowego dołączonych kondensatorów. Jeżeli punkt gwiazdowy kondensatora nie zostanie

140

uziemiony, to wartości napięć fazowych nie zmienią się znacząco w stosunku do układu istniejącego, ale napięcia międzyfazowe będą zbliżone to zamieszczonych w tab. 3 i 4. Należy zauważyć, że dołączenie kondensatorów stanowi najbardziej efektywny sposób na obniżenie napięć indukowanych poniżej poziomu 866 V (10% napięcia znamionowego), umożliwiającego uziemienie linii 15 kV w stacji zasilającej. Z tego powodu przeprowadzono dla niego pomiary w układzie rzeczywistym. Procedura badawcza była podobna do opisanej w rozdziale 2. Różnica polegała jedynie na dołączaniu baterii kondensatorów o mocy 40 kVAr albo o mocy 80 kVAr. Wybrane wyniki przeprowadzonych pomiarów przedstawiono w tab. 9. Pomiary potwierdziły możliwość zastosowania równoległych baterii kondensatorów jako skutecznego sposobu obniżenia wartości napięć indukowanych w badanej sieci, a także efektywne działanie blokady napędu uziemnika. 4. Podsumowanie Przeprowadzone pomiary i obliczenia wykazały, że podczas eksploatacji czterotorowej dwunapięciowej linii elektroenergetycznej 110–15 kV dochodzi do indukowania w torach 15 kV napięć o wartościach rzędu kilku kilowoltów. Napięcia indukowane utrudniają eksploatację linii 15 kV przez brak możliwości jej uziemienia. Wykorzystując opracowany zweryfikowany model komputerowy, przeprowadzono analizę wybranych sposobów ograniczenia negatywnych skutków oddziaływania pomiędzy torami wysokiego napięcia a torami średniego napięcia. Stwierdzono, że zastosowanie przeplecenia torów lub faz w rozważanej linii oraz zmiana konfiguracji przewodów na słupach nie prowadzi do istotnego ograniczenia wartości napięć indukowanych pojemnościowo. Wykazano, że dołączenie kondensatorów o mocy 40 kVAr połączonych w gwiazdę, istotnie zmniejsza wartości napięć indukowanych (zarówno fazowych, jak i międzyfazowych) w wyłączonych torach linii 15 kV. Należy zauważyć, że dołączenie kondensatorów może stanowić dobry sposób na obniżenie poziomu napięć indukowanych w przewodach fazowych do wartości umożliwiającej uziemienie w stacji linii 15 kV. W analizowanej linii dołączenie

baterii o mocy 40 kVAr przyniosło zadowalające efekty, lecz w przypadku podobnych problemów pojawiających się w innych liniach tego typu niezbędne jest przeprowadzenie szczegółowych badań. Istotnym skutkiem oddziaływania jest również zagrożenie porażeniowe pracowników. W przypadku wykonywania prac eksploatacyjnych lub remontowych na torach 15 kV należy liczyć się z występowaniem niebezpiecznych napięć dotykowych i prądów rażeniowych. Ma to miejsce przede wszystkim przy braku uziemienia torów 15 kV, jednak zagrożenie może również wystąpić przy jednostronnym uziemieniu, np. podczas zakładania oraz demontażu przenośnych uziemiaczy na stanowisku pracy. Bibliografia 1. Nowak W., Tarko R., Analysis of the feasibility of locating 110 kV line in 400 kV right-of-way in terms of electromagnetic interaction, Acta Energetica 2013, nr 1/14, s. 102–113. 2. Nowak W., Tarko R., Analiza możliwości lokalizacji linii 110 kV w pasie technologicznym linii 400 kV w aspekcie oddziaływań elektromagnetycznych, Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej 2013, nr 32, s. 19–22. 3. Bąchorek W. i in., Problemy projektowania i eksploatacji napowietrznych linii elektroenergetycznych w aspekcie pól elektromagnetycznych, V Konferencja Naukowo-Techniczna „Elektroenergetyczne linie napowietrzne”, PTPiREE, Dźwirzyno, 15 maja 2012 r., s. 6–1, 6–11. 4. Szostek T., Kurpanik B., Wojciechowski J., Ana l i z a i ndu kow anych napi ę ć w obustronnie odłączonej linii 750 kV Chmielnicka Elektrownia Jądrowa – Rzeszów, Energetyka 1988, nr 10, s. 365–370. 5. Nowak W. i in., Analiza warunków eksploatacyjnych linii 110 kV KlikowaPołaniec i 220 kV Klikowa-Niziny w aspekcie oddziaływania elektromagnetycznego, Energetyka 2006, nr 2, s. 118–123.

R. Tarko et al. | Acta Energetica 3/24 (2015) | translation 130–136

Rafał Tarko

dr inż. AGH Akademia Górniczo-Hutnicza e-mail: rtarko@agh.edu.pl Studia magisterskie na kierunku elektrotechnika, specjalność elektroenergetyka, ukończył na Wydziale Elektrotechniki, Automatyki, Informatyki i Elektroniki AGH (2001). Stopień naukowy doktora uzyskał na tym samym wydziale w 2007 roku. Od 2001 roku pracuje w Katedrze Elektrotechniki i Elektroenergetyki AGH. Jego główne zainteresowania naukowe dotyczą analizy narażeń eksploatacyjnych i elektromagnetycznych stanów przejściowych w sieciach elektroenergetycznych.

Waldemar Szpyra

dr inż. AGH Akademia Górniczo-Hutnicza e-mail: wszpyra@agh.edu.pl Dyplom inż. elektryka zdobył na Wydziale Elektrotechniki Górniczej i Hutniczej Akademii Górniczo-Hutniczej w Krakowie (1975), a stopień doktora na Wydziale Elektrotechniki, Automatyki Informatyki i Elektroniki tej samej uczelni (1998). Obecnie adiunkt w Katedrze Elektrotechniki i Elektroenergetyki AGH. Zajmuje się modelowaniem, estymacją stanu pracy i optymalizacją sieci rozdzielczych, zastosowaniem metod sztucznej inteligencji w elektroenergetyce oraz gospodarką elektroenergetyczną i efektywnością przesyłania i dystrybucji energii elektrycznej.

Wiesław Nowak

dr hab. inż., prof. n. AGH Akademia Górniczo-Hutnicza e-mail: wieslaw.nowak@agh.edu.pl Absolwent Akademii Górniczo-Hutniczej. Tytuł zawodowy mgr. inż. (1988), a następnie stopnie naukowe doktora (1995) oraz doktora habilitowanego (2006) w zakresie elektrotechniki uzyskał na Wydziale Elektrotechniki, Automatyki, Informatyki i Elektroniki AGH. Od 1987 roku jest zatrudniony w Akademii Górniczo-Hutniczej, obecnie jako profesor nadzwyczajny AGH. Jego specjalnością naukową jest elektroenergetyka, a główne zainteresowania naukowe dotyczą analizy sieci elektroenergetycznych.

141

A. Wędzik | Acta Energetica 3/24 (2015) | 142–147

Integrated Method for Optimizing Connection Layout and Cable Selection for an Internal Network of a Wind Farm

Author Andrzej Wędzik

Keywords Optimization, renewable power generation, wind farms

Abstract An internal network of a wind farm is similar to a wide network structure. Wind turbines are deployed over a vast area, and cable lines used to interconnect them may have lengths reaching tens of kilometres. The cost of constructing such a network is a major component of the entire investment. Therefore, it is advisable to develop a configuration of such a farm’s internal connections which will minimise the cost, while complying with technical requirements even at the design stage. So far this has usually been done within two independent processes. At first the network structure ensuring the shortest possible connections between the turbines is determined. Then appropriate cables compliant with technical regulations are selected for the specified structure. But does this design approach ensure the optimal (lowest) investment cost? This paper gives an answer to this question. A method for accomplishing the task given in the title is presented. Examples of calculations are presented and results are compared for the two methods of optimal wind farm internal connection structure design and cable cross-section dimensioning: two-stage and integrated. The usefulness of employing the Mixed Integer Nonlinear Programming (MNLP) method in the process of determining the optimal structure of a wind farm’s cable network is demonstrated.

DOI: 10.12736/issn.2300-3022.2015313

Introduction Wind farm designers face many technical and economic problems that they must solve in the initial stage of the project development [1, 2, 3]. Repeatedly they must decide on choosing the best and most cost-effective solutions. Market economy standards and responsibility for investor’s expenses require that outlays at each wind farm construction stage are as low as possible. The design of a the layout of wind farm’s internal grid that connects its individual turbines, and the selection of appropriate sections of the cables that provides these connections, is the second largest (after procurement of the turbines) capital expenditure item, decisive for the cost of the entire project. In practice, at this stage of engineering, the designer strives to provide the shortest possible link between wind farm turbines and the substation, to which the farm is connected [4]. The grid layout selection process should take into account matters related to the land ownership, and the cable routes available for technical reasons. For cable sizing the priority is to meet regulatory technical requirements, such as allowable ampacity and voltage drops. It should, however, be borne in mind that this selection is supposed to ensure the minimum cost of purchase of the cables necessary for all planned connections. 142

The above-described engineering task is usually accomplished in two separate processes. As should have been expected, the tasks split this way, although optimal in their own terms, do not provide the best solution for the concurrent and integrated process of the layout and cable sizes selection for the internal grid of a wind farm. This paper focuses on the formulation and analysis of an integrated algorithm solving the problem of concurrent selection of the layout and cable sizes for the internal grid of a wind farm. It demonstrates the suitability of Mixed Integer Nonlinear Programming (MINLP) [5] to solve the problem. Referenced here are examples of calculations and comparison of results for two methods of optimal selection of connection layout and cable cross-sections in the internal grid of a wind farm: two-stage and integrated.

Problem description Finding the optimal structure of connections between wind farm turbines and a substation is a typical networking problem. It can be solved using graph optimization algorithms [6] in classic form as well as utilising, for instance, Mixed Integer Programming (MIP) [7, 8, 9, 10]. This results in a wind find farm internal MV grid layout that ensures the shortest possible links between the wind turbines and the substation.

A. Wędzik | Acta Energetica 3/24 (2015) | 142–147

Another problem to be solved in designing a wind farm internal grid is sizing the cables for these links. The cable cross-sections should be selected from the range of cables offered by the manufacturer, while meeting the regulatory technical requirements such as the acceptable ampacity and voltage drops. To solve this task MIP type methods can also be used. These problems are typically resolved in two independent processes. First, the grid layout with the shortest possible connections between turbines is designed, and then, for this layout, appropriate cables are selected that meet the technical requirements. The advantage of this approach is primarily: • good convergence and very high operating speed of both algorithms • possibility to combine the action of both algorithms into a single optimization process in the cycle: first grid layout optimization, and then selection of cables for the layout. Unfortunately, this process does not ensure the optimal, i.e. cheapest, implementation of this phase of the project. For this reason an integrated optimization method for an internal wind farm grid layout and cable selection was proposed. In this method, the grid layout and cable sizes are selected together, in an integrated way. This approach ensures the optimal grid layout with the right sizing of the cables that made up the grid. In order to solve the above described problem and to find the optimal layout of the internal grid of a wind farm the method was used of Mixed Integer Nonlinear Programming (MINLP) [5]. The main advantages of such solutions are: • unified mathematical description of the problem • editable constraints (network and technical alike) specific to the described problem. As the main optimization criterion the minimum capital expenditures for the entire wind farm internal grid was adopted. These expenditures may include various components, depending on the project delivery formula: 1. Design/build – includes only the cable purchase costs, because the developer after selling the wind farm is not interested in the optimization of its operation (e.g. minimisation of energy losses in the internal grid) 2. Build/own/operate – includes cable purchase costs and operation optimization alike, taking into account the problem of minimizing energy losses in the internal network. This is due to the desire to maximise revenues from the farm’s electricity generation.

Mathematical model of the problem To formulate a mathematical model the design/build formula was used. Such an approach, although somewhat simplified, is justified by the author’s previous studies, which have shown that the inclusion of minimum energy losses in the internal grid of a wind farm in a small way affects the final result of the optimal selection of the grid layout.

The objective function: LW LW LPK

K total = K cable purchase = 3 * ∑ ∑ ∑ L j ,i * X j ,i * Z i , p * K p

(1)

i >1 j =1 p =1 i≠ j

The optimal grid layout is selected based on the Minimum Spanning Tree algorithm in the form taking into account individual grid flows, i.e. so called single-commodity flows. The equations that implementing this algorithm take the following form [11]: (2)

(3)

(4)

(5) The grid equations are supplemented by equations describing the technical requirements that the designed grid must meet: Allowable ampacity of each line segment: (6)

Allowable voltage drop for each line segment:

(7)

Variables included in the above equations: Xi,j – decision variables (binary) of choice of connections between nodes i, j (dimension LW x LW), Yi,j – variable network flows between nodes i, j (dimension LW x L W), Zi,p – decision variables (binary) of choice of a given cable section for grid segment i, j (dimension LW x LPK). Symbols and designations used in the above equations: LW – number of turbines (wind farm internal grid nodes), LPK – number of cable cross-sections in series, Li,j – matrix of distance between nodes i, j (dimension LW x L W) [km], Kp – unit cost of 1 km of cable with cross-section sj from cable series [PLN/km], Iddp – allowable ampacity of cable with cross-section sj from cable series [A], IN turbine – rated current of a single turbine [A], Rp – unit resistance of cable with cross-section sj from cable series [Ω/km], XLp – unit inductive reactance of cable with crosssection sj from cable series [Ω/km], ΔUmax – maximum allowable voltage drop in cable line segment i, j. 143

A. Wędzik | Acta Energetica 3/24 (2015) | 142–147

The above equations provide the basis for the integrated algorithm of concurrent optimization of internal wind farm grid layout and cable selection. By using the MINLP method it is possible to formulate additional constraints with regard to: • division of turbines for a certain number of sections • number of turbines in a single section • enforced cable routing, etc. Unfortunately, the proposed model is non-linear. In fact, the model is non-linear, integer, involving binary variables (MINLP). In addition, due to the presence of the products of variables, both in function and in constraints, the problem described with equations (1) – (7) is non-convex. Due to these facts: • the problem is very difficult to solve • the solution is local • the solution may depend on the choice of starting point • few computational programs can cope with such problems, which greatly narrows the choice of solutions and makes it difficult.

Case study – calculation examples

–– optimal selection of cables for the grid layout determined in stage 1 (stage 2). Both stages are linear and solvable by the direct use of integer programming methods, involving binary variables (MIP). • The integrated, single-stage optimization algorithm of a wind farm’s internal grid layout and cable sizing. The model in this case is non-linear, integer, involving binary variables (MINLP). The comparative calculations assumed that the connection between turbines are made of single cable lines (no parallel line connections). The following calculation engines were used for the calculations: • AlphaECP (for MINLP) • FICO® Xpress Optimization Suite v. 7.8 64-bit (for MIP) • IBM ILOG CPLEX Optimizer v. 12.6 (for MIP) • GUROBI Optimizer v. 6.0 (for MIP). The cables used for the study were manufactured by a leading Polish cable maker – TELE-FONIKA Kable Sp. z o.o. S.K.A. For better credibility of calculation results the cable was selected which is now most often offered to wind farm developers, i.e. XRUHAKXS 18/30 kV.

In order to test and verify the suitability of the proposed method, calculations were carried out for the location of turbines in an actual wind farm, for which the impact of its connection to the National Power System on its performance was analysed. Deliberately a farm was selected for the comparison, calculation results for which have been presented in previous studies of the author. The following options of optimum selection of grid layout and cable size were subjected to comparative analysis: • Separated, two-stage optimization algorithm, consisting of: –– determination of the optimal layout of the grid between turbines using the minimum spanning tree algorithm (stage 1)

Option 1 Comparison of the grid layout optimal under technical constraints only. The split, two-stage optimization algorithm cannot solve the problem under the assumption of single-line links between turbines. The resulting minimum spanning tree consists of two sections, one of which contains as many as 22 turbines. It follows from comparison of the cables’ allowed maximum ampacities with the rated current of a single turbine that not more than 14 turbines can be single-line linked within a single section.

Cable section (main conductor/ return conductor)

Net price for 1 km of cable

Main conductor resistance

Inductive cable reactance

Cable capacitance

Capacitive cable reactance

Cable ampacity

Cable charging current

[mm2]

[PLN/km]

[Ω/km]

[µF/km]

[kΩ/km]

[A]

[A/km]

1 x 50/16

27,766

0.588

0.151

0.14

22.75

175

0.79

1 x 70/25

34,838

0.420

0.144

0.15

21.23

210

0.85

1 x 95/35

36,271

0.310

0.138

0.17

18.73

250

0.96

1 x 120/50

45,487

0.245

0.132

0.18

17.96

285

1.02

1 x 150/50

47,048

0.196

0.126

0.19

16.76

320

1.07

1 x 185/50

50,989

0.159

0.122

0.20

15.92

360

1.13

1 x 240/50

58,908

0.123

0.119

0.22

14.48

420

1.24

1 x 300/50

76,420

0.098

0.113

0.24

13.27

475

1.36

1 x 400/50

91,198

0.074

0.107

0.27

11.80

540

1.53

1 x 500/50

107,573

0.059

0.104

0.29

10.98

605

1.64

1 x 630/50

149,030

0.047

0.100

0.32

9.95

675

1.81

1 x 800/50

180,165

0.037

0.097

0.35

9.10

750

1.98

1 x 1000/50

250,000

0.029

0.094

0.38

8.38

820

2.15

Tab. 1. Basic technical and economic specification of 18/30 kV cable XRUHAKXS 144

A. Wędzik | Acta Energetica 3/24 (2015) | 142–147

Such a value was adopted for the calculation (as an additional constraint) in the split, two-stage optimization algorithm. The comparative results for the two optimization algorithms are shown in Fig. 1 and 2. Option 2 Comparison of the grid layout optimal under technical constraints and with a constrained number of sections. Compared in this option were calculation results for the case with a constrained number of sections, into which the wind farm’s internal grid was divided. This is quite often the case, due to the limited number of feeder bays available at the substation to which the farm is connected. The comparison was made for

the case of a maximum of two sections. The comparative results for the two optimization algorithms are shown in Fig. 3 and 4. Option 3 Comparison of the grid layout optimal under technical constraints, with a constrained number of sections and constrained number of cable sizes. Compared in this option were calculation results for the case where the investor (designer) does not want to use too diverse a set of cables, and reduces it to a few cross-sections. The resulting capital expenditures are obviously higher, but fewer different cable sizes in many cases facilitates the project implementation logistics.

Option 1

Option 2

Option 3

Two-stage algorithm

Integrated algorithm

Two-stage algorithm

Integrated algorithm

Two-stage algorithm

Integrated algorithm

[m]

15,169

19,992

15,198

19,092

15,169

17,401

No of sections

[pcs.]

No of cable sizes

[pcs.]

Total CAPEX

[PLN]

2,381,317

1,853,905

2,944,363

1,985,128

2,914,631

1,965,868

Line length

CAPEX difference

[%]

22.15

32.58

32.55

Tab. 2. Calculations results for each option of optimal selection of wind farm internal grid layout

Fig. 1. Grid layout optimized under technical constraints only by twostage algorithm

Fig. 2. Grid layout optimized under technical constraints only by integrated algorithm 145

A. WÄ&#x2122;dzik | Acta Energetica 3/24 (2015) | 142â&#x20AC;&#x201C;147

Fig. 3. Grid layout optimized under technical constraints by two-stage algorithm and a maximum two sections

Fig. 4. Grid layout optimized under technical constraints by integrated algorithm and a maximum of two sections

Fig. 5. Grid layout optimized under technical constraints by two-stage algorithm, with a maximum of three sections, and a maximum of three cable sizes

Fig. 6. Grid layout optimized under technical constraints by integrated algorithm, with a maximum of three sections, and maximum of three cable sizes

146

A. Wędzik | Acta Energetica 3/24 (2015) | 142–147

Compared were the cases of maximum three sections and maximum three cable sizes. The comparative results for the two optimization algorithms are shown in Fig. 5 and 6. Calculation results for the resulting wind farm internal grid layouts presented in Fig. 1–6, are shown in Tab. 2.

Conclusions The presented comparative analysis of the two methods of wind farm internal grid layout optimization has shown that the problem’s solution in two independent processes does not provide the optimal, i.e. cheapest, project implementation scheme. It has, however, demonstrated the suitability of the Mixed Integer Nonlinear Programming (MINLP) method. This method ensures the optimal grid layout with the right sizing of the cables that made up the grid. The calculation results listed in Tab. 2 show the clear superiority of the integrated algorithm over the two-stage algorithm. The benefits of the integrated method can achieve even more than 32% of the capital expenditures. It should be emphasized, however, that this algorithm can be quite difficult to use. The problem is of the binary type. Due to the presence of the products of variables, both in function and in constraints, the problem is non-linear, but also non-convex. Due to these facts: • the problem is very difficult to solve, i.e. it is NP-Hard • resulting solution is local – in these situations very often such solutions should be characterised as “the best solution found” • solution may depend on the choice of starting point – to increase its credibility multiple calculations should be performed with different starting points • few computational programs can cope with such problems, which greatly narrows the choice of solutions and makes it difficult – in this case only the AlphaECP computing engine combined with GUROBI and FICO® Xpress have managed • calculations take a relatively long time (compared with MIP type methods) – to find the optimum network layout took from ca. 30 s (option 1) to several hundred seconds (options 2 and 3), and the results in options 2 and 3 are such only owing to the use of appropriate computational strategies. Otherwise, these times ranged up to more than 10 000 sec.

Future research directions The above mentioned computational difficulties and problems clearly indicate the directions of further research. The most important are: • finding more precise relationships between problem describing variables, which will increase the method’s speed

• finding proper linear approximation for the problem which will allow for successful application of MIP methods that feature good convergence and speed • The technical problems worth future interest include primarily: • consideration of parallel lines in some grid segment, which can further reduce the entire project’s capex cost • inclusion in the calculation of the problem of minimizing energy losses in a wind farm’s internal grid. REFERENCES

1. Lundberg S., Evaluation of wind farm layouts, EPE Journal 2006, Vol. 16, No. 1, pp. 14–21. 2. Lundberg S., Wind Farm Configuration and Energy Efficiency Studies – Series DC versus AC Layouts, PhD thesis, Department of Energy and Environment, Chalmers University Of Technology, Göteborg, Sweden 2006. 3. Wędzik A., Optymalizacja doboru kabli łączących turbiny na obszarze farmy wiatrowej, [Optimal selection of cables for wind farm internal grid] The Jubilee XV. International Scientific Conference „Current Problems in Power Engineering”, APE ’11”, Jurata 8–10 June 2011, Vol. 4, pp. 77–87. 4. Wędzik A., Optymalizacja układu połączeń kablowych na obszarze farmy wiatrowej [Optimal layout selection for wind farm internal grid], Acta Energetica 2014, No. 3/20, pp. 144–149. 5. Floudas Ch.A., Nonlinear and Mixed-Integer Optimization: Fundamentals and Applications (Topics in Chemical Engineering), Oxford University Press, First Edition, 5 October 1995. 6. Bertsekas D.P., Network Optimization: Continuous and Discrete Models; Athena Scientifc, Belmont, MIT Massachusetts, 1998. 7. Donovan S., Wind Farm Optimization, Proceedings of the 7th Triennial Conference of the Asia-Pacific Operations Research Society, Manila, 2006. 8. Donovan S. et al., Mixed Integer Programming Models for Wind Farm Design, MIP 2008 Workshop on Mixed Integer Programming, Columbia University, New York City, 2008. 9. Donovan S., An Improved Mixed Integer Programming Model for Wind Farm Layout Optimization, 41st Annual ORSNZ Conference, 30 Nov – 1 Dec 2006, New Zealand. 10. Wu B.Y., Chao K.–M., Spanning Trees and Optimization Problems, Chapman & Hall/CRC, 2004. 11. Gavish B., Topological design of centralized computer networks: Formulations and algorithms, Networks 1982, No. 12, pp. 355–377.

Andrzej Wędzik Łódź University of Technology e-mail: andrzej.wedzik@p.lodz.pl A graduate of Łódź University of Technology. Since 1986 in the Institute of Electrical Power Engineering of his alma mater, now as assistant professor. His research activity is focused on issues related to renewable energy, energy law, energy market and optimization. Since 2007 Chairman of the Central Section of Renewable Energy and Environmental Protection of SEP Association of Polish Electrical Engineers.

147

A. Wędzik | Acta Energetica 3/24 (2015) | translation 142–147

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 142–147. When referring to the article please refer to the original text. PL

Zintegrowana metoda optymalizacji układu połączeń i doboru kabli dla wewnętrznej sieci farmy wiatrowej Autor

Andrzej Wędzik

Słowa kluczowe

optymalizacja, energetyka odnawialna, farmy wiatrowe

Streszczenie

Sieć wewnętrzna farmy wiatrowej przypomina rozległą strukturę sieciową. Turbiny wiatrowe są rozmieszczone na dużych obszarach terenu, a łączące je linie kablowe osiągają długości kilkudziesięciu kilometrów. Koszty budowy takiej sieci stanowią znaczący element całej inwestycji. Należy więc, już na etapie projektowania, dążyć do takiej konfiguracji układu połączeń wewnętrznych farmy wiatrowej, aby przy jednoczesnym spełnieniu warunków technicznych koszty takiego przedsięwzięcia były najniższe. Dotychczas dokonywano tego zazwyczaj w dwóch niezależnych procesach. Najpierw określano strukturę sieci zapewniającą najkrótsze możliwe połączenia pomiędzy turbinami, a następnie, do tak określonej struktury, dobierano odpowiednie kable, spełniające wymagania techniczne. Jednak czy przy takim podejściu projektowym zapewniony był optymalny (najniższy) koszt inwestycji? W artykule pada odpowiedź na tak postawione pytanie. Zaprezentowana została metoda realizacji wytyczonego w tytule celu. Przytoczone zostały przykłady obliczeń i porównania wyników dla metod optymalnego doboru struktury połączeń oraz przekrojów kabli sieci wewnętrznej farmy wiatrowej: dwuetapowej i zintegrowanej. Wykazano przydatność zastosowania metody nieliniowej optymalizacji całkowitoliczbowej (ang. Mixed Integer Nonlinear Programming – MINLP) do określania optymalnej struktury sieci kablowych na terenie farmy wiatrowej.

Wprowadzenie Projektanci farm wiatrowych stają przed wieloma problemami technicznymi i ekonomicznymi, które muszą rozwiązać w początkowym etapie inwestycji [1, 2, 3]. Wielokrotnie muszą decydować o wyborze najlepszych i najbardziej ekonomicznych rozwiązań. Standardy gospodarki rynkowej oraz zwykła dbałość o finanse inwestora wymagają, aby wydatki na każdym etapie budowy farmy wiatrowej były jak najniższe. Określanie struktury sieci wewnętrznej farmy wiatrowej, obejmującej połączenia pomiędzy poszczególnymi turbinami oraz dobór odpowiednich przekrojów kabli, realizujących te połączenia, to drugi pod względem wielkości (po zakupie turbin) nakład inwestycyjny, decydujący o kosztach całego projektu. W praktyce, na tym etapie projektowania projektant dąży do zapewnienia możliwe najkrótszych połączeń pomiędzy turbinami oraz GPZ farmy wiatrowej [4]. W procesie wyboru struktury połączeń należy uwzględnić sprawy związane z prawem własności gruntów oraz możliwe, ze względów technicznych, trasy prowadzenia kabli. Przy doborze przekrojów kabli priorytetem jest spełnienie, wymaganych przepisami, ograniczeń technicznych, takich jak: dopuszczalna, długotrwała obciążalność prądowa kabli czy dopuszczalne spadki napięć. Nie należy jednak przy tym zapominać o tym, aby dobór ten zapewnił minimum kosztów zakupu kabli niezbędnych do realizacji wszystkich zaplanowanych połączeń. Opisane powyżej etapy projektowania zazwyczaj wykonywane są w dwóch niezależnych procesach. Jak należało przypuszczać, rozdzielone w ten sposób zadania, choć optymalne w pojedynczym działaniu, nie zapewniają najlepszego rozwiązania jednoczesnego, zintegrowanego procesu doboru układu połączeń i przekrojów kabli dla wewnętrznej sieci farmy wiatrowej. W prezentowanym artykule autor koncentruje się na sformułowaniu i analizie

148

zintegrowanego algorytmu rozwiązania problemu jednoczesnego określenia doboru struktury połączeń i przekrojów kabli sieci wewnętrznej farmy wiatrowej. Pokazuje możliwości zastosowania metody nieliniowej optymalizacji całkowitoliczbowej (ang. Mixed Integer Nonlinear Programming – MINLP) [5] do rozwiązania takiego problemu. Przytoczone zostały przykłady obliczeń i porównania wyników dla metod optymalnego doboru struktury połączeń i przekrojów kabli sieci wewnętrznej farmy wiatrowej: dwuetapowej i zintegrowanej. Opis problemu Szukanie optymalnej struktury połączeń pomiędzy turbinami a stacją GPZ farmy wiatrowej jest typowym zagadnieniem sieciowym. Do rozwiązania tego problemu można stosować algorytmy optymalizacji grafów [6] zarówno w wersji klasycznej, jak i z wykorzystaniem np. programowania całkowitoliczbowego ze zmiennymi binarnymi (ang. Mixed Integer Programming – MIP) [7, 8, 9, 10]. Efektem tego typu działań jest struktura połączeń wewnętrznej sieci rozdzielczej SN farmy wiatrowej, zapewniająca najkrótsze możliwe połączenia pomiędzy turbinami wiatrowymi a GPZ. Następnym problemem do rozwiązania przy projektowaniu sieci wewnętrznej farmy wiatrowej jest dobór przekrojów kabli wykorzystanych do realizacji połączeń pomiędzy turbinami. Przekroje te powinny zostać wybrane z typoszeregu kabli oferowanych przez producenta, przy jednoczesnym spełnieniu, wymaganych przepisami, ograniczeń technicznych, takich jak: dopuszczalna, długotrwała obciążalność prądowa kabli czy dopuszczalne spadki napięć. Do rozwiązania tego zadania można również wykorzystać metody typu MIP. Problemy opisane powyżej zazwyczaj rozwiązywane są w dwóch niezależnych procesach. Najpierw określana jest struktura sieci, zapewniająca najkrótsze możliwe połączenia pomiędzy turbinami, a następnie

do tak określonej struktury dobierane są odpowiednie kable spełniające wymagania techniczne. Zaletą takiego podejścia jest przede wszystkim: • dobra zbieżność i bardzo duża szybkość działania obu algorytmów • możliwość połączenia działania obu algorytmów w jeden realizujący proces optymalizacji w cyklu: optymalizacja struktury sieci i następnie dobór przekrojów kabli do tak określonych połączeń. Niestety, proces ten nie zapewnia optymalnego, a więc najtańszego sposobu realizacji tego etapu inwestycji. Z tego też powodu zaproponowana została zintegrowana metoda optymalizacji układu połączeń i doboru kabli dla wewnętrznej sieci farmy wiatrowej. W metodzie tej proces określania struktury sieci i doboru przekrojów kabli odbywa się łącznie, w sposób zintegrowany. Takie podejście zapewnia optymalną strukturę sieci przy jednoczesnym prawidłowym doborze kabli tworzących tę sieć. W celu rozwiązania opisanego powyżej problemu i znalezienia optymalnej struktury sieci wewnętrznej farmy wiatrowej wykorzystana została metoda nieliniowego programowania całkowitoliczbowego, z udziałem zmiennych binarnych (ang. Mixed Integer Nonlinear Programming – MINLP) [5]. Głównymi zaletami takich rozwiązań są: • jednolity, matematyczny opis problemu • możliwość redukowania ograniczeń (zarówno sieciowych, jak i technicznych) wynikających ze specyfiki opisywanego problemu. Jako główne kryterium optymalizacji przyjęto minimalizację kosztów inwestycyjnych całej sieci wewnętrznej farmy wiatrowej. Koszty te mogą obejmować różne pozycje wydatków, uzależnione od formy realizacji projektu inwestycji: 1. Forma deweloperska – obejmuje tylko koszty związane z zakupem kabli, gdyż deweloper po sprzedaniu farmy wiatrowej nie jest zainteresowany optymalizacją jej

A. Wędzik | Acta Energetica 3/24 (2015) | translation 142–147

pracy (np. minimalizacja strat energii w sieci wewnętrznej) 2. Forma inwestora docelowego – obejmuje zarówno koszty zakupu kabli, jak i optymalizację jej pracy, uwzględniającą problem minimalizacji strat energii w sieci wewnętrznej. Wynika to z faktu chęci osiągania jak największych przychodów z produkcji energii elektrycznej przez farmę wiatrową. Model matematyczny problemu Do sformułowania modelu matematycznego wykorzystana została forma deweloperska. Takie podejście, choć nieco uproszczone, znajduje swoje uzasadnienie w poprzednich pracach autora, w których pokazano, że uwzględnienie minimalizacji strat energii w sieci wewnętrznej farmy wiatrowej w niewielki sposób wpływa na wynik końcowy doboru optymalnej struktury połączeń sieciowych. Postać funkcji celu:

(1) Dobór optymalnej struktury sieci oparty został na algorytmie minimalnego drzewa rozpinającego (ang. Minimum Spanning Tree) w postaci uwzględniającej pojedyncze przepływy sieciowe (ang. single-commodity flow). Postać odpowiednich równań, realizujący powyższy algorytm, jest następująca [11]: (2)

(3) (4)

(5)

Równania sieciowe uzupełniane są równaniami opisującymi ograniczenia techniczne, które są konieczne do spełnienia w projektowanej sieci: Dopuszczalna długotrwała obciążalność prądowa dla każdego odcinka linii:

(6)

Dopuszczalne spadki napięcia dla każdego odcinka linii:

(7)

Zmienne występujące w powyższych równaniach: – zmienne decyzyjne (binarne) wyboru połączenia pomiędzy węzłami i, j (wymiar LW x LW), – zmienne przepływów sieciowych pomiędzy węzłami i, j (wymiar LW x LW), – zmienne decyzyjne (binarne) wyboru danego przekroju kabla dla odcinka i, j sieci (wymiar LW x LPK). Symbole i oznaczenia użyte w powyższych równaniach: LW – liczba turbin (węzłów sieci wewnętrznej farmy wiatrowej), LPK – liczba przekrojów kabli w typoszeregu, – macierz odległości pomiędzy węzłami i, j (wymiar LW x LW) [km], – jednostkowy koszt 1 km kabla o przekroju sj z typoszeregu kabli [zł/km], – dopuszczalna, długotrwała obciążalność kabla o przekroju sj z typoszeregu kabli [A], IN turbiny – prąd znamionowy pojedynczej turbiny [A], – rezystancja jednostkowa kabla o przekroju sj z typoszeregu kabli [Ω/km], – reaktancja indukcyjna, jednostkowa kabla o przekroju sj z typoszeregu kabli [Ω/km], – maksymalny, dopuszczalny spadek napięcia dla odcinka i, j linii kablowej. Zapisane powyżej równania stanowią podstawę zintegrowanego algorytmu jednoczesnej optymalizacji układu połączeń i doboru kabli dla wewnętrznej sieci farmy wiatrowej. Dzięki zastosowaniu metody MINLP możliwe jest sformułowanie dodatkowych ograniczeń, m.in. do: • wyboru podziału turbin na określoną liczbę sekcji • możliwości wyboru liczby turbin w pojedynczej sekcji • możliwości uwzględnienia wymuszonej drogi prowadzenia kabli itp. Niestety, zastosowany model nie ma charakteru liniowego. W rzeczywistości jest to model nieliniowy, całkowitoliczbowy, z udziałem zmiennych binarnych (MINLP). Dodatkowo, ze względu na obecność iloczynów zmiennych zarówno w funkcji, jak i w ograniczeniach, problem opisany równaniami (1)–(7) jest niewypukły (ang. nonconvex). Powyższe fakty sprawiają, że: • p r o b l e m j e s t b a r d z o t r u d ny do rozwiązania • znalezione rozwiązanie ma charakter lokalny • rozwiązanie może zależeć od wyboru punktu startowego • niewiele programów obliczeniowych radzi sobie z tego typu problemami, co znacznie zawęża i utrudnia znalezienie rozwiązania. Studium przypadku – przykłady obliczeniowe W celu przetestowania i sprawdzenia przydatności zaproponowanej metody zostały przeprowadzone obliczenia dla lokalizacji turbin na terenie realnej farmy wiatrowej, dla której przeprowadzana była ekspertyza wpływu przyłączenia tej farmy na pracę Krajowego Systemu Elektroenergetycznego. Celowo do porównań została wybrana farma, dla której wyniki obliczeń były prezentowane w poprzednich pracach autora. Analizie porównawczej zostały poddane następujące warianty określania optymalnej struktury sieci i doboru kabli:

• Rozdzielny, dwuetapowy algorytm optymalizacyjny, polegający na: – określaniu optymalnego układu połączeń pomiędzy turbinami z wykorzystaniem algorytmu minimalnego drzewa rozpinającego (1 etap) – optymalny dobór kabli do określonego w 1 etapie układu połączeń (2 etap). Oba etapy mają postać liniową i do ich rozwiązania możliwe jest bezpośrednie wykorzystanie metod programowania całkowitoliczbowego, z udziałem zmiennych binarnych (MIP). • Zintegrowany, jednoetapowy algorytm optymalizacji układu połączeń i doboru kabli dla wewnętrznej sieci farmy wiatrowej. Zastosowany model jest w tym przypadku nieliniowy, całkowitoliczbowy, z udziałem zmiennych binarnych (MINLP). W obliczeniach porównawczych przyjęto, że połączenia pomiędzy turbinami dokonywane są za pomocą pojedynczej linii kablowej (wykluczono połączenia liniami równoległymi). W obliczeniach zostały wykorzystane następujące silniki obliczeniowe: • AlphaECP (do problemu MINLP) • FICO® Xpress Optimization Suite v. 7.8 64-bit (do problemu MIP) • IBM ILOG CPLEX Optimizer v. 12.6 (do problemu MIP) • GUROBI Optimizer v. 6.0 (do problemu MIP). W artykule wykorzystano dane jednego z wiodących polskich producentów kabli – firmy TELE-FONIKA Kable sp. z o.o. S.K.A. W celu większego uwiarygodnienia wyników obliczeń wykorzystano dane jednego z rodzajów kabli, które obecnie firma najczęściej proponuje inwestorom budującym farmy wiatrowe. Jest to kabel XRUHAKXS 18/30 kV (tab. 1). Wariant 1 Porównanie optymalnej struktury sieci przy uwzględnieniu wyłącznie ograniczeń technicznych. W przypadku rozdzielnego, dwuetapowego algorytmu optymalizacyjnego rozwiązanie postawionego problemu nie jest możliwe przy założeniu połączeń pomiędzy turbinami realizowanych za pomocą pojedynczej linii kablowej. Minimalne drzewo rozpinające, otrzymane w wyniku obliczeń, składa się z dwóch sekcji, z których jedna zawiera aż 22 turbiny. Z porównania danych dopuszczalnych długotrwałych obciążalności kabli z typoszeregu oraz prądu znamionowego pojedynczej turbiny wynika, że w przypadku połączenia turbin pojedynczymi liniami kablowymi możliwe jest podłączenie maksymalnie 14 turbin do jednej sekcji. Taka też wartość została przyjęta do obliczeń (jako dodatkowe ograniczenie) w rozdzielnym, dwuetapowym algorytmie optymalizacyjnym. Wyniki porównawcze dla obu algorytmów optymalizacyjnych przedstawione zostały na rys. 1 i 2. Wariant 2 Porównanie optymalnej struktury sieci przy uwzględnieniu ograniczeń technicznych i określonej liczby sekcji. W wariancie tym porównane zostały wyniki obliczeń dla przypadku konieczności ograniczenia liczby sekcji, na które podzielona

149

A. Wędzik | Acta Energetica 3/24 (2015) | translation 142–147

Rys. 1. Struktura sieci przy uwzględnieniu wyłącznie ograniczeń technicznych – algorytm dwuetapowy

Rys. 2. Struktura sieci przy uwzględnieniu wyłącznie ograniczeń technicznych – algorytm zintegrowany

Rys. 3. Struktura sieci przy uwzględnieniu ograniczeń technicznych i maksymalnie dwóch sekcjach – algorytm dwuetapowy

Rys. 4. Struktura sieci przy uwzględnieniu ograniczeń technicznych i maksymalnie dwóch sekcjach – algorytm zintegrowany

została sieć wewnętrzna farmy wiatrowej. Jest to dość częsty przypadek, wynikający z ograniczonej ilości wolnych pól liniowych w GPZ, do którego podłączana jest farma. Porównania dokonano dla przypadku maksymalnie dwóch sekcji. Wyniki porównawcze dla obu algorytmów optymalizacyjnych przedstawione zostały na rys. 3 i 4.

150

Wariant 3 Porównanie optymalnej struktury sieci przy uwzględnieniu ograniczeń technicznych, określonej liczby sekcji i określonej liczby przekrojów kabli. W wariancie tym zostały porównane wyniki obliczeń dla przypadku, w którym inwestor (projektant) nie chce stosować zbyt zróżnicowanego zestawu kabli i ogranicza go do kilku przekrojów. Otrzymane w ten

sposób koszty są oczywiście wyższe, jednak mniejsza liczba różnych przekrojów ułatwia w wielu przypadkach realizację inwestycji od strony logistycznej. Porównania dokonano dla przypadku maksymalnie trzech sekcji i maksymalnie trzech przekrojów przewodów. Wyniki porównawcze dla obu algorytmów optymalizacyjnych przedstawione zostały na rys. 5 i 6.

A. Wędzik | Acta Energetica 3/24 (2015) | translation 142–147

Rys. 5. Struktura sieci przy uwzględnieniu ograniczeń technicznych, maksymalnie trzech sekcjach i trzech rodzajach przekrojów kabli – algorytm dwuetapowy

Rys. 6. Struktura sieci przy uwzględnieniu ograniczeń technicznych, maksymalnie trzech sekcjach i trzech rodzajach przekrojów kabli – algorytm zintegrowany

Przekrój kabla (żyła robocza /żyła powrotna)

Cena netto 1 km kabla

Rezystancja żyły roboczej

Reaktancja indukcyjna kabli

Pojemność kabla

Reaktancja pojemnościowa kabla

Obciążalność prądowa długotrwała kabla

Prąd ładowania kabla

[mm2]

[zł/km]

[Ω/km]

[µF/km]

[kΩ/km]

[A]

[A/km]

1 x 50/16

27 766

0,588

0,151

0,14

22,75

175

0,79

1 x 70/25

34 838

0,420

0,144

0,15

21,23

210

0,85

1 x 95/35

36 271

0,310

0,138

0,17

18,73

250

0,96

1 x 120/50

45 487

0,245

0,132

0,18

17,96

285

1,02

1 x 150/50

47 048

0,196

0,126

0,19

16,76

320

1,07

1 x 185/50

50 989

0,159

0,122

0,20

15,92

360

1,13

1 x 240/50

58 908

0,123

0,119

0,22

14,48

420

1,24

1 x 300/50

76 420

0,098

0,113

0,24

13,27

475

1,36

1 x 400/50

91 198

0,074

0,107

0,27

11,80

540

1,53

1 x 500/50

107 573

0,059

0,104

0,29

10,98

605

1,64

1 x 630/50

149 030

0,047

0,100

0,32

9,95

675

1,81

1 x 800/50

180 165

0,037

0,097

0,35

9,10

750

1,98

1 x 1000/50

250 000

0,029

0,094

0,38

8,38

820

2,15

Tab. 1. Podstawowe parametry techniczne i ekonomiczne kabla XRUHAKXS 18/30 kV

Zestawienie wyników obliczeń, dla otrzymanych struktur sieci wewnętrznej farmy wiatrowej, zaprezentowanych na rys. 1–6, przedstawiono w tab. 2. Wnioski Zaprezentowana w artykule analiza porównawcza dwóch metod określania optymalnej struktury sieci wewnętrznej farmy wiatrowej

wykazała, że rozwiązywanie tego problemu w dwóch niezależnych procesach nie zapewnia optymalnego, a więc najtańszego sposobu realizacji inwestycji. Wykazano jednocześnie przydatność wykorzystania metody nieliniowego programowania całkowitoliczbowego, z udziałem zmiennych binarnych (MINLP). Wykorzystanie tej metody zapewnia optymalną strukturę sieci

przy jednoczesnym prawidłowym doborze kabli tworzących tę sieć. Wyniki obliczeń, zestawione w tab. 2, wykazują jednoznacznie wyższość algorytmu zintegrowanego nad algorytmem dwuetapowym. Korzyści wynikające ze stosowania metody zintegrowanej mogą osiągnąć nawet ponad 32% kosztów inwestycji.

151

A. Wędzik | Acta Energetica 3/24 (2015) | translation 142–147

Wariant 1

Wariant 2

Wariant 3

Algorytm dwuetapowy

Algorytm zintegrowany

Algorytm dwuetapowy

Algorytm zintegrowany

Algorytm dwuetapowy

Algorytm zintegrowany

Długość linii

[m]

15 169

19 992

15 198

19 092

15 169

17 401

Liczba sekcji

[szt.]

Liczba przekrojów kabli

[szt.]

Koszt całkowity

[PLN]

2 381 317

1 853 905

2 944 363

1 985 128

2 914 631

1 965 868

Różnica kosztów

[%]

22,15

32,58

32,55

Tab. 2. Zestawienie wyników obliczeń dla poszczególnych wariantów obliczeniowych doboru optymalnej struktury sieci wewnętrznej farmy wiatrowej

Należy jednak podkreślić spore kłopoty związane ze stosowaniem tego algorytmu. Problem jest typu binarnego. Ze względu na obecność iloczynów zmiennych zarówno w funkcji, jak i w ograniczeniach jest on również nieliniowy i niewypukły (ang. nonconvex). Powyższe fakty sprawiają, że: • problem jest bardzo trudny do rozwiązania – jest typu NP-trudnego (ang. NP-Hard) • znalezione rozwiązanie ma charakter lokalny – w takich sytuacjach bardzo często do znalezionego rozwiązania powinno się używać określenia „najlepsze znalezione rozwiązanie” • rozwiązanie może zależeć od wyboru punktu startowego – należy wykonać wiele obliczeń z różnych punktów startowych, aby bardziej uwiarygodnić wyniki końcowe obliczeń • niewiele programów obliczeniowych radzi sobie z tego typu problemami, co znacznie zawęża i utrudnia znalezienie rozwiązania – w rozpatrywanym przypadku poradził sobie jedynie silnik obliczeniowy AlphaECP w połączeniu z GUROBI i FICO Xpress • obliczenia zajmują stosunkowo dużo czasu (w porównaniu z metodami typu MIP) – znalezienie optymalnej struktury sieci zajmowało od ok. 30 s (wariant 1) do kilkuset sekund (warianty 2 i 3), przy czym wyniki w wariantach 2 i 3 są takie tylko dzięki zastosowaniu odpowiednich strategii obliczeniowych. W innym przypadku czasy te dochodziły nawet do ponad 10 000 s.

Andrzej Wędzik

Kierunki przyszłych badań Wymienione w powyższych wnioskach trudności i kłopoty obliczeniowe wskazują jednoznacznie na kierunki dalszych badań. Do najważniejszych można zaliczyć: • znalezienie dokładniejszych zależności pomiędzy zmiennymi opisującymi problem, które pozwolą na zwiększenie prędkości działania metody • znalezienie prawidłowego przybliżenia liniowego opisywanego problemu, które pozwoli z powodzeniem zastosować metody typu MIP, charakteryzujące się dobrą zbieżnością i szybkością działania. Do problemów technicznych, którymi warto zainteresować się w przyszłości, można zaliczyć przede wszystkim: • uwzględnienie możliwości prowadzenia linii równoległych na niektórych odcinkach sieci, co może jeszcze bardziej obniżyć koszty całej inwestycji • uwzględnienie w obliczeniach problemu minimalizacji strat energii w sieci wewnętrznej farmy wiatrowej. Bibliografia 1. Lundberg S., Evaluation of wind farm layouts, EPE Journal 2006, Vol. 16, No. 1, s. 14–21. 2. Lundberg S., Wind Farm Configuration and Energy Efficiency Studies – Series DC versus AC Layouts, praca doktorska, Department of Energy and Environment, Chalmers University Of Technology, Göteborg, Sweden 2006. 3. Wędzik A., Optymalizacja doboru kabli łączących turbiny na obszarze

farmy wiatrowej, Jubileuszowa XV Międzynarodowa Konferencja Naukowa „Aktualne problemy w elektroenergetyce. APE ’11”, Jurata 8–10 czerwca 2011, t. IV, s. 77–87. 4. Wędzik A., Optymalizacja układu połączeń kablowych na obszarze farmy wiatrowej, Acta Energetica 2014, nr 3/20, s. 144–149. 5. Floudas Ch.A., Nonlinear and MixedInteger Optimization: Fundamentals and Applications (Topics in Chemical Engineering), Oxford University Press, First Edition, 5 października 1995. 6. Bertsekas D.P., Network Optimization: Continuous and Discrete Models; Athena Scientific, Belmont, MIT Massachusetts, 1998. 7. Donovan S., Wind Farm Optimization, Proceedings of the 7th Triennial Conference of the Asia-Pacific Operations Research Society, Manila, 2006. 8. Donovan S. i in., Mixed Integer Programming Models for Wind Farm Design, MIP 2008 Workshop on Mixed Integer Programming, Columbia University, New York City, 2008. 9. Donovan S., An Improved Mixed Integer Programming Model for Wind Farm Layout Optimisation, 41st Annual ORSNZ Conference, 30 listopada – 1 grudnia 2006, New Zealand. 10. Wu B.Y., Chao K.-M., Spanning Trees and Optimization Problems, Chapman & Hall/CRC, 2004. 11. Gavish B., Topological design of centralized computer networks: Formulations and algorithms, Networks 1982, nr 12, s. 355–377.

dr inż. Politechnika Łódzka e-mail: andrzej.wedzik@p.lodz.pl Absolwent Politechniki Łódzkiej. Od 1986 roku pracuje w Instytucie Elektroenergetyki swojej macierzystej uczelni, obecnie na stanowisku adiunkta. Jego działalność naukowo-badawcza koncentruje się na zagadnieniach związanych z energetyką odnawialną, prawem energetycznym, rynkiem energii i optymalizacją. Od 2007 roku jest przewodniczącym Centralnej Sekcji Energetyki Odnawialnej i Ochrony Środowiska SEP.

152

Power Engineering Quarterly