Группой бельгийских ученых на Х международной конференции по автономным агентам и многоагентным системам (ААМАS 2011), прошедшей в мае в Тайпее, Тайвань, была предоставлена модель сокращения дисбаланса между выработкой и потреблением электроэнергии.
В докладе был рассмотрен вопрос контролируемой зарядки аккумуляторов подключаемых гибридных автомобилей (далее PHEV, plug-in hybrid electric vehicle), число которых в Европе неукоснительно растет и потому оказывает большое воздействие на инфраструктуру электроэнергетики. Использование PHEV также дает большие возможности для управления колебаниями электроэнергии между ее производством и потреблением, вызванными использованием возобновляемых источников энергии, таких как солнечные батареи и ветряные электростанции. Это управление достигается использованием интеллектуальных электросетей или «умных сетей» (Smart Grids). Одной из сложных задач в «умных сетях» является выполнение требований потребителей, избегая при этом перегрузки инфраструктуры. Еще одна проблема – сократить «цену дисбаланса»: помимо необходимости основного планирования производства и потребления, требуется учитывать непредсказуемые изменения в производстве электроэнергии возобновляемыми источниками. Например, даже с устойчивыми методами прогнозирования, краткосрочная генерация электроэнергии ветряными электростанциями не может быть предсказана с высокой степенью точности. Данная непредсказуемость выработки энергии возобновляемыми источниками влечет риск трейдеров на рынке электроэнергии, называемый «ценой дисбаланса». Так как автомобили припаркованы большую часть дня, дисбаланс, вызванный непредсказуемой генерацией, предлагается компенсировать, обеспечивая зарядку PHEV за время их стоянки на парковке.
Чтобы справиться с этими рисками и издержками, в работе бельгийских ученых было предложено решение на основе децентрализованной многоагентной системы (МАС) для скоординированной зарядки PHEV в интеллектуальных электросетях.
Ключевые преимущества применения MAС в энергетике следующие:
-
Гибкость: способность реагировать на динамические ситуации.
-
Расширяемость: возможность легко добавлять новые функции и увеличение или модернизация существующей функциональности.
-
Отказоустойчивость: способность системы выполнять свои цели в случае отдельных отказов.
Общая схема многоагентной системы представлена на рис. 1.
Рис. 1. Общая схема многоагентной системы. Transmission grid – передающая сеть, BRP (Balancing Responsible Party) – ответственный центр балансировки, PHEV – гибридный автомобиль, Household – домашнее хозяйство, Transformer – трансформатор, Communication – связь, Renewable DG – возобновляемые распределенные генераторы энергии.
Передающая сеть проводит электроэнергию от крупных электростанций к потребителям. Одной из главных задач оператора передающей сети (TSO, transmission system operator) является постоянный мониторинг и поддержка баланса между спросом и предложением в пределах подконтрольной ему области, для чего он нуждается в прогнозе количества энергии, которая будет вводиться и выводиться в каждой точке доступа передающей сети. Каждая точка доступа имеет назначенный BRP (Balancing Responsible Party) – ответственный центр балансировки. BRP обеспечивает TSO прогнозом графика нагрузки потребителей и/или производителей, которые подключены к этой точке доступа.
Агент PHEV управляет зарядкой гибридного автомобиля PHEV, агент-трансформатор контролирует низковольтные трансформаторы и агент BRP управляет точкой доступа к передающей сети. Агенты имеют следующие цели:
-
агент PHEV: заряжать аккумулятор своего PHEV в возможное для этого время.
-
агент-трансформатор: предотвращать перегрузку подконтрольного ему трансформатора.
-
агент BRP: минимизировать цену дисбаланса.
Эти цели не являются независимыми друг от друга. Например, PHEV с незаряженным аккумулятором не может быть заряжен за час, так как это приведет к перегрузке низковольтного трансформатора, что может привести к дисбалансу. Для достижения этих целей агенты организованы в иерархическую структуру, определен механизм координации агентов друг с другом (рис. 2).
Рис. 2. Механизм координации иерархической MAС. Requested energy – запрошенная энергия, Accepted energy – предоставленная энергия.
Механизм координации агентов в МАС состоит из четырех этапов:
-
Агенты PHEV отправляют свои намерения получить зарядку подключающимся агентам-трансформаторам. Используя собранные намерения от каждого агента-трансформатора, агент BRP составляет «график намерений» всех PHEV в распределительной сети.
-
Агент BRP определяет количество энергии, которое будет предоставлено для зарядки в следующий шаг времени в соответствии с подходящей стратегией планирования, реактивной или проактивной стратегией (об этих стратегиях см. ниже).
-
Агент BRP информирует агентов-трансформаторов об электроэнергии, которая будет предоставлена для зарядки в следующий шаг времени. Агенты-трансформаторы распределяют эту энергию между конкретными PHEV в порядке очередности, зависящей от времени отъезда.
-
Агенты PHEV осуществляют зарядку автомобилей PHEV полученной энергией.
Этот механизм координации выполняется с периодичностью, зависящей от продуманного заранее сценария. Инициализация последовательности осуществляется путем отправки глобального сигнала синхронизации от BRP до всех PHEV. Задачи агента BRP имеют строгую очередность выполнения. Эти задачи перечислены в порядке значимости:
-
Ограничения трансформатора и кабеля. Трансформатор и кабели имеют лимиты мощности, которые не могут быть превышены. Для учета этого ограничения агенты отправляют свои текущие и максимальные нагрузки агенту BRP (этап 1 в механизме координации).
-
Зарядка PHEV.
-
Минимальная цена дисбаланса.
Если с учетом ограничения инфраструктуры PHEV полностью заряжен, нагрузка может быть пересмотрена с целью минимизации цены дисбаланса (это будет в центре внимания выбираемой стратегии планирования).
Стратегии планирования иллюстрируются простым примером (рис. 3). В этом примере агент BRP должен спланировать график зарядки 10 кВтч (количество энергии – вертикальная ось) на пять расчетных периодов по 15 минут (время – горизонтальная ось). Для этой цели агент BRP использует график нагрузки «сутки-вперед» и график нагрузки в реальном времени для пяти расчетных периодов. График нагрузки «сутки-вперед» состоит из суммы прогнозов не-PHEV нагрузки (домашние хозяйства и источники возобновляемой энергии) и PHEV нагрузки. Этот график составляется заранее (за день или за несколько часов, что определяется в каждой стране индивидуально) и не меняется в течение периода зарядки.
Рис. 3. Пример планирования нагрузки. График планирования (planning graph) нагрузки (вверху) и график намерений (intention graph) (внизу). Real time – режим реального времени, day-ahead – прогноз на день вперед.
При реактивной стратегии планирования дисбаланс откладывается как можно дольше. Рис. 4 показывает результат применения этой стратегии для данного примера. Количество энергии (10 кВтч) распланировано в целях удовлетворения балансирующих потребностей в течение первых трех четвертей. Тем не менее, дисбаланс резко увеличивается с четвертой четверти из-за нехватки зарядки PHEV. Достоинство этой стратегии: нагрузка сбалансирована как можно дольше. Недостаток стратегии: риск будущего большого дисбаланса велик. При высокой цене дисбаланса общая цена дисбаланса будет высокой.
При проактивной стратегии планирования (основанной на прогнозе) дисбаланс равномерно распределяется между графиками реального времени и прогноза (рис. 5). Количество энергии (10 кВтч) распределяется так, чтобы свести к минимуму среднее расстояние между графиками прогноза и реальной нагрузки. Чтобы обеспечить максимальную гибкость в будущем, PHEV были зарезервированы в порядке времени их отправления. Отметим, что общий дисбаланс такой же, как и в предыдущей стратегии, но риск дисбаланса делится на все временные интервалы.
Преимущество этой стратегии: риск высокой цены дисбаланса распределяется по времени. Недостаток: эта стратегия предполагает хороший прогноз.
Рис. 4. Реактивная стратегия планирования.
Рис. 5. Проактивная стратегия планирования.
Также было проведено моделирование процессов балансировки мощности на данных, приближенных к ожидаемым в ближайшие годы в Бельгии. Моделирование показало, что при реактивной стратегии цена дисбаланса сокращается на 14%, а при проактивной стратегии наблюдается высокое сокращение цены дисбаланса – на 44%.
Выводы
Таким образом, разработана схема иерархической многоагентной системы (МАС) для скоординированной зарядки батарей гибридных автомобилей в интеллектуальных электросетях. Проведено исследование стратегий сокращения дисбаланса энергии при зарядке автомобилей. Показано, что проактивная стратегия (основанная на прогнозе) планирования сокращения баланса более эффективна, чем реактивная стратегия (основанная на сокращении текущего дисбаланса, как только он появляется). Более подробно с докладом можно ознакомиться здесь.
© Редько Ольга