Drugie 10-lecie XXI wieku w polskiej energetyce przyniosło rewolucyjne zmiany polegające na rozpoczęciu transformacji energetycznej. Droga odchodzenia od tradycyjnej energetyki opartej na konwencjonalnych źródłach energii dużej mocy, takich jak elektrownie węgla brunatnego czy kamiennego, w kierunku rozproszonej generacji z odnawialnych źródeł energii jest długa i naznaczona wieloma wyzwaniami. Jednym z nieodłącznych składników sieci inteligentnych jest pozyskiwanie, magazynowanie oraz przetwarzanie olbrzymiej ilości danych pomiarowych, niespotykanych wcześniej w energetyce.
Odpowiednie zagospodarowanie tak szerokich informacji otwiera przed operatorami sieci elektroenergetycznej bardzo duże możliwości, m.in. w zakresie poprawy efektywności pracy sieci przez lepszy dobór urządzeń, takich jak transformatory czy przekładniki prądowe oraz poprawy skuteczności i jakości dostaw energii dzięki optymalizacji czasu planowanych przerw czy zapewnienie rezerwowego zasilania w postaci wykorzystania agregatów prądotwórczych. Innym aspektem jest potrzeba kontroli parametrów jakości napięcia dostarczanego do klientów.
Dzięki stworzonej architekturze umożliwiającej pomiary energii elektrycznej w stacjach SN/nN i pozyskiwanej bogatej bazie pomiarowej istnieje możliwość działania kompleksowego, a także wykrywania nieprawidłowości zanim ich negatywne skutki odczują klienci.
Dane pomiarowe ze stacji SN/nN
Aby jednak przejść do sedna sprawy, niezbędne jest przedstawienie, jakimi informacjami dysponuje Enea Operator w zakresie danych pozyskiwanych ze stacji SN/nN, nazywanych ,,stacjami bilansującymi’’. W drugiej połowie 2018 roku aż 85 proc. wszystkich stacji (30 500) znajdujących się na obszarze spółki wyposażono w układy pomiarowe wraz ze zdalną transmisją danych. Podczas typowania obiektów do wyposażania w liczniki bilansujące największy nacisk położono na liczbę klientów przyłączonych na niskim napięciu, dzięki temu ponad 96 proc. z nich jest zasilanych ze stacji, z których dysponujemy danymi pomiarowymi.
Dane rejestrowane przez liczniki możemy podzielić na trzy główne typy:
- Dane ilościowe, w skład których wchodzą 15-minutowe profile mocy i energii. Rejestracji podlega zarówno energia czynna, jak i bierna w obu kierunkach, co jest bardzo istotne w erze powszechnego przyłączenia małych instalacji wytwórczych i prosumenckich w sieci nn – szczególnie w zakresie bilansowania sieci.
- Dane jakościowe, czyli 10-minutowe profile prądów i napięć oraz tygodniowe wskaźniki jakości od W1 do W4, które wprost odnoszą się do polskich rozporządzeń w dziedzinie jakości energii elektrycznej.
- Ostatnim typem danych są zdarzenia licznikowe, takie jak podwyższony poziom napięcia, zaniki zasilania itd.
Dzięki utrzymaniu wysokiego wskaźnika KPI pozyskania danych zdalnie codziennie do systemu trafia blisko 50 mln danych. Aby zrobić użytek z tak olbrzymiej bazy informacji, Enea Operator opracowała szereg algorytmów, które poprawiają zarządzanie siecią elektroenergetyczną.
Filary budowy algorytmów
Algorytmy optymalizujące pracę sieci elektroenergetycznych tworzy się opierając na trzech filarach: dane pomiarowe pracy sieci, standardy Enea Operator oraz wiedzę ekspercką i szerokie doświadczenia pracowników spółki, w niektórych przypadkach wspartą przez zespoły badawcze i pracowników uczelni.
Oprócz opracowania algebraicznego niezbędne do prawidłowego działania algorytmów jest wdrożenie ich w centralnym systemie akwizycji danych pomiarowych.
W przypadku spółki Enea Operator rolę tę pełni aplikacja origAMI. W niniejszym artykule omówimy pięć algorytmów wykorzystujących dane pobierane ze stacji bilansujących oraz w przypadku jednego z nich (algorytmu doboru przekładników prądowych) z profilowych liczników klientów. Ich wdrożenie umożliwia zoptymalizowane zarządzanie pracą sieci elektroenergetycznej oraz zmniejszenie różnicy bilansowej przez ograniczenie strat. Wraz z dalszym rozwojem sieci inteligentnych, a także zbierania doświadczeń z nim związanych, planowany jest ciągły rozwój zarządzania danymi w oparciu o algorytmy.
Algorytm doboru transformatora
Algorytm doboru transformatora stworzono dzięki współpracy z Politechniką Poznańską. Bazuje on na rzeczywistych danych pomiarowych z całego roku, przez co uwzględnia dobowe, tygodniowe oraz sezonowe zmiany obciążenia. Celem jego wdrożenia jest optymalny dobór mocy transformatora, a co za tym idzie ograniczenie strat. Efektem zaś zwiększenie efektywności energetycznej i ograniczenie kosztów. Dzięki temu możliwa jest również redukcja emisji CO2, co wpływa na proekologiczność tego projektu.
Algorytm, oprócz optymalnej mocy transformatora dobranej na podstawie bazy posiadanych przez operatora urządzeń, ukazuje drogę dojścia do wyznaczenia tej wartości, co pomaga użytkownikowi w ocenie rezultatu. Czynniki przez niego uwzględniane to:
- roczne krzywe obciążenia wyznaczane na podstawie rzeczywistych wartości mocy za okres roku;
- generacja źródeł wytwórczych zainstalowanych po stronie nn transformatora;
- rezerwowanie stacji – możliwość symulowania prognozowanego obciążenia przy rezerwie ukrytej bądź jawnej;
- kryteria dodatkowe, do których zaliczamy zmiany temperatury otoczenia (współczynnik temperaturowy) oraz wzrost zużycia wynikający z przyłączenia nowych odbiorów (minimum 10 lat);
- kryteria ekonomiczne – organicznie strat, uwzględnienie kosztu zakupu i wymiany transformatora.
Na postawie rezultatu użytkownik uzyskuje informacje, czy dany transformator należy pozostawić na stacji, wymienić na urządzenie mniejszej czy większej mocy znamionowej.
Algorytm optymalizacji przerw planowych
Analiza ma na celu wyznaczenie optymalnych godzin wyłączenia odbiorców w przypadku prac planowych przeprowadzonych w stacjach SN/nN. Danymi wejściowymi do algorytmu są krzywe obciążenia analogicznych okresów z ostatnich czterech tygodni oraz godziny prac brygad eksploatacyjnych. Podanie tej informacji jest niezbędne, ponieważ większość dolin obciążenia przypada w nocy, gdy pracują tylko nieliczne z nich. Zyski z zastosowania algorytmu zależą od zmienności obciążenia w obiekcie i mogą wynosić od kilku do kilkudziesięciu procent. Dzięki temu zoptymalizowaniu prace eksploatacyjne są mniej uciążliwe dla klientów, a firma minimalizuje ilość niedostarczonej energii.
W przypadku przedstawionym na rysunku 1 operator założył początek wyłączenia na godzinę 12.00, a koniec na 15.00. Z wykresu wynika, że wówczas obciążenie stacji jest największe i gdy praca zostanie przesunięta na rano od godziny 7.00 do 10.00, uzyskamy ograniczenie niedostarczonej energii o około 42 proc.
Algorytm doboru przełącznika zaczepów
Algorytm doboru pozycji przełącznika zaczepów jest stosunkowo najmłodszy i będzie w przyszłości rozwijany wraz z rozwojem sieci inteligentnych. Obecnie są w nim uwzględniane tylko informacje pochodzące z licznika bilansującego, a w przyszłości rozszerzenie analizy będzie dotyczyło wszystkich danych profilowych pozyskiwanych z liczników zainstalowanych w Punktach Poboru Energii poszczególnych odbiorców.
Utrzymanie odpowiedniego napięcia w sieci nn jest coraz bardziej istotne. Wynika głównie z faktu intensywnego rozwoju generacji rozproszonej, a co za tym idzie konieczności utrzymania napięcia w dopuszczalnych zakresach, tak żeby energia mogła być oddawana do sieci.
Danymi wejściowymi do tego algorytmu są roczne krzywe obciążenia danego transformatora, informacje z tabliczki znamionowej, takie jak moc, napięcie zwarcia czy poziom strat. Kolejna ważna informacja to wiedza o położeniu przełącznika zaczepów na transformatorze w trakcie pomiarów. Podczas przetwarzania procesu obliczane jest, na którym z poziomów przełącznika zaczepów klienci nie doświadczą odchylenia poziomu napięcia ponad ramy wyznaczone polskimi normami, czyli 207-253 V przez 95 proc. czasu w tygodniu. Następnie w wyniku obliczeń sprawdza się, w którym przypadku napięcie jest najbliższe pożądanemu. Rezultat to uzyskanie informacji, które ustawienie przełącznika zaczepu jest optymalne i czy należy zmienić jego pozycję.
Algorytm doboru przekładników prądowych
Dobór przekładników prądowych ma istotny wpływ na dokładność pomiaru u odbiorcy. Często bowiem okazuje się, że w małych firmach pracujących na jedną bądź dwie zmiany duża część pomiarów poza szczytem obciążenia jest mierzona z niższą dokładnością. Aby dokonać weryfikacji przekładników, niezbędne jest posiadanie rocznych danych pomiarowych, tak żeby uchwycić zmienność dobową, tygodniową oraz sezonową. Podczas procesu aplikacja analizuje wszystkie 10-minutowe dane prądowe dla każdej z trzech faz, a także moc przyłączeniową i napięcie, jakie klient ma w swojej sieci. W rezultacie użytkownik otrzymuje jednoznaczną informację, ile procent z 158 112 próbek rocznie mieści się w zakładanej dokładności pomiarów przekładnika (w przypadku, w którym kompletność danych wynosi mniej niż 99 proc. aplikacja informuje, że wynik może być niewiarygodny) oraz komunikat o tym, czy należy pozostawić istniejące przekładniki, zmienić ich klasę, przekładnię lub też układ – na bezpośredni.
Aplikacja umożliwia analizowanie istniejących przekładników lub dobór odpowiednich dla nowych klientów bądź tych, którzy zmieniają moc przyłączeniową.
Algorytm doboru rezerwowego źródła zasilania – agregatu prądotwórczego
Danymi wejściowymi do tego algorytmu są 15-minutowe dane pomiarowe S+ i S- (wyliczane na podstawie P+ P- oraz O1-Q4 lub rejestrowane bezpośrednio przez licznik bilansujący) dla takich samych okresów poprzednich czterech tygodni i danej sprzed roku (co szczególnie kluczowe jest przy świętach bądź cyklicznych wydarzeniach). Na ich podstawie wyznaczany jest profil maksymalnych i średnich wartości obciążenia. Po uwzględnieniu współczynnika bezpieczeństwa, który standardowo wynosi 15 proc., ale może być modyfikowany przez użytkownika aplikacji origAMI, obliczana jest optymalna wartość mocy agregatu. Następnie program szuka w bazie urządzenia, któremu najbliżej do idealnych parametrów i sugeruje jego zastosowanie.
Wynik prezentowany jest w formie raportu, który można pobrać w formacie PDF, bądź xlsx. Tabela zawiera informacje, kto wygenerował raport, dla jakiego obiektu i według jakich kryteriów.
Nieodłączną częścią raportu jest prezentacja graficzna (przykład na rysunku 3). W tym przypadku optymalny agregat ma moc 100 kVA (linia żółta), a jego średnie wykorzystanie wynosi około 70 proc. (oznaczone linią zieloną), maksymalne obciążenie nie przekracza 85 proc. (linia niebieska). Co ważne, w raporcie jest też informacja, czy na stacji występuje cofanie się energii z niskiego napięcia na średnie, z uwagi na wpływ prosumentów i mikrowytwórców.
Rozwój inteligentnych sieci indukuje pozyskiwanie olbrzymiej liczby danych, które odpowiednio wykorzystane pozwolą na stworzenie nowoczesnej, ekologicznej i niezawodnej sieci elektroenergetycznej.
Bibliografia
Dz. U. 2007.93.623 – Rozporządzenie Ministra Gospodarki z 4 maja 2007 roku w sprawie szczegółowych warunków funkcjonowania systemu elektroenergetycznego.
Łukasz Kasperski
Enea Operator Sp. z o.o
