Агент-ориентированный подход к проектированию жилых систем возобновляемой энергетики

© Анастасия Канашкина, ЭФ МГУ

Разнонаправленность интересов сторон состоит в следующем. Бытовые потребители в США продемонстрировали растущий интерес к солнечным фотоэлектрическим системам, устанавливаемым на крышах домов (rooftop photovoltaic (PV) systems), что привело к их более широкому распространению за последнее десятилетие. Это происходит в связи с тем, что панели становятся все более надежными и менее дорогими. Они позволяют потребителям вырабатывать свою собственную электроэнергию, тем самым позволяя им снизить свои коммунальные счета, получить право собственности и контроль над энергетической инфраструктурой, а также уменьшить свое воздействие на окружающую среду.

Однако рост интереса со стороны домохозяйств привел к снижению доходов коммунальных предприятий. Они рассматривают фотоэлектрические установки на крышах своих клиентов как источник упущенной выгоды. Внедрение фотоэлектрических панелей на крыше также увеличивает эксплуатационные расходы коммунальных предприятий. Поскольку электрические сети изначально не были предназначены для двойного потока электроэнергии, более широкое внедрение фотоэлектрических систем на крышах потребовало от коммунальных предприятий значительных обновлений инфраструктуры для обеспечения безопасной работы фотоэлектрических систем и поддержания надежности сети. В ответ коммунальные предприятия повысили тарифы на электроэнергию, что создает несправедливое финансовое бремя для потребителей, которые не имеют возможности устанавливать фотоэлектрические панели на крыше.

Кроме того, не все жилые дома подходят для установки фотоэлектрических панелей на крыше, многие домохозяйства в США являются арендаторами, а высокая стоимость установки ограничивает доступ для домохозяйств с более высокими доходами, что вызывает обеспокоенность политиков в отношении справедливости, так как были созданы финансируемые государством стимулы, которые поощряют внедрение фотоэлектрических систем на крышах жилых домов, включая федеральные и государственные налоговые льготы, а также освобождение от налога на имущество и налога с продаж.

Решением разногласий могли бы стать программы коммунальных компаний по внедрению возобновляемых источников энергии. В рамках общественной программы солнечной энергии производство солнечной энергии не происходит в доме потребителя. Вместо этого потребитель подписывается на часть совместно используемого фотоэлектрического объекта, расположенного в другом месте. Такие программы позволяют арендаторам и домовладельцам, которые не могут установить фотоэлектрические системы, получить доступ к возобновляемым источникам энергии, в то же время позволяя коммунальным предприятиям сохранять своих клиентов и доходы. Тем не менее, коммунальная солнечная энергия может не решить опасения политиков по поводу справедливого доступа, если на нее будут установлены несоответствующие цены, а также может оказать негативное влияние на доходы установщиков солнечных батарей, если потребители будут заменять собственную солнечную батарею на коммунальную. Соответственно, при разработке таких программ важно учитывать потенциальное воздействие на различные заинтересованные стороны системы, которое авторы статьи оценивают при помощи агент-ориентированной модели.

Для провайдера (например, коммунальной компании) важно иметь возможность предсказать реакцию своих клиентов на параметры разработки программы, включая мощность и продолжительность, лимиты участия домохозяйств, условия оплаты, выбор площадки и перенос подписки. Прогнозирование участия потребителей требует учета разнородных предпочтений и целей потребителей, которые включают снижение затрат на энергию, защиту окружающей среды, получение независимости от коммунальных предприятий и инвестирование в их дома. Также известно, что демографические данные потребителей влияют на решения о переходе на возобновляемые источники энергии. Например, многие потребители устанавливают фотоэлектрические панели на крыше непосредственно перед выходом на пенсию. Решения об установке батарей также часто бывают социально мотивированными: на них влияет взаимодействие между людьми, онлайн СМИ и наличие солнечных батарей на крышах соседей. Таким образом, предпочтения потребителей могут со временем меняться по мере того, как они узнают больше о различных моделях возобновляемой энергии от своих друзей, семьи и соседей.

Агентное моделирование - это метод, который хорошо подходит для изучения общесистемного воздействия неоднородного поведения отдельных потребителей энергии, процессов ограниченно рациональных решений и социальных взаимодействий на принятие энергетических технологий в пространстве и времени. В связи с этим он используется авторами статьи. АОМ была разработана с использованием программы NetLogo 6.0.4.

Рассмотрим предлагаемую модель более подробно.

1.     Цель

Цель этой модели - спрогнозировать принятие потребителями различных программ возобновляемой энергии и определить результирующее влияние на производительность энергосистемы с точки зрения показателей ключевых заинтересованных сторон. Используются такие показатели как приведенная стоимость доходов коммунальных предприятий и установщиков солнечных батарей, общий объем зеленой энергии, добавленной в сеть, общее участие потребителей в программах возобновляемой энергии на каждом смоделированном временном шаге и т.д.

2.     Переменные

В качестве примера для разработки модели используется город Де-Мойн, штат Айова. Модель содержит 300 частных потребительских агентов, которые проживают на территории одной гипотетической коммунальной компании. Каждый агент имеет уникальный идентификационный номер (i), а также идентификационный номер сообщества (C_i), который соответствует сообществу, в котором проживает агент. Сообщества с 1 по 7 состоят из 70, 30, 20, 70, 40, 30 и 40 агентов соответственно.

Каждый потребительский агент характеризуется четырьмя демографическими факторами: возрастом (A_i), доходом (I_i), образованием (E_i) и расой (R_i), значения присваиваются с использованием вероятностей, полученных из общедоступных демографических данных для города Де-Мойн, Айова. Значения I_i, E_i и R_i остаются постоянными на протяжении каждого периода, в то время как A_i увеличивается с течением времени.

Каждый агент также классифицируется как домовладелец, арендатор или владелец квартиры, и это назначение остается постоянным на протяжении каждого периода. Согласно демографическим данным города Де-Мойн, из 300 агентов-потребителей 174 (58%) являются домовладельцами, а 126 (42%) - арендаторами или собственниками квартир. Предполагается, что только домовладельцы покупают или берут в аренду фотоэлектрические панели на крышах, в то время как все категории могут использовать коммунальные солнечные батареи. Более того, только 57% домов агентов домовладельцев смоделированы как структурно способные разместить фотоэлектрические панели на крыше.

Каждому агенту также присваивалось значение ежемесячного потребления электроэнергии (Q_i) пропорционально размеру дома относительно среднего ежемесячного потребления электроэнергии по штату Айова. Потребление электроэнергии каждым агентом-потребителем предполагается постоянным на протяжении каждого периода.

3.     Концепция модели

На каждом ежемесячном временном интервале агент выбирает один из двух вариантов действий: купить электроэнергию у коммунального предприятия или принять одну из четырех различных моделей возобновляемой энергии (купить фотоэлектрические панели за счет предоплаты, купить фотоэлектрические панели в кредит, арендовать солнечную батарею или зарегистрироваться в программе коммунальной компании по внедрению возобновляемых источников энергии). Это решение обусловлено финансовым положением агента, его отношением к солнечной электроэнергии, его демографическими характеристиками, влиянием других агентов в его социальной сети и географической близости, а также информацией, полученной от коммунальной компании и установщиков солнечных батарей. Фундаментальные цели каждого агента-потребителя – снизить свои счета за электроэнергию и внести свой вклад в социальное дело, приняв возобновляемые источники энергии.

По мере того как характеристики агента-потребителя и его окружения меняются со временем, его позиция в отношении принятия модели возобновляемой энергии меняется соответственно. Например, изменения цен на электроэнергию, стоимость установки фотоэлектрических систем и доступные налоговые льготы влияют на вероятность принятия агентом решения. Кроме того, поскольку агенты взаимодействуют и узнают друг от друга о вариантах использования возобновляемых источников энергии, экологических преимуществах солнечной энергии и процедурах установки фотоэлектрических систем, их решения о принятии могут измениться. Вдобавок, если агенты близки к пенсионному возрасту, они с большей вероятностью будут использовать фотоэлектрические панели.

Коммунальные компании и политики не представлены в качестве агентов в этой модели. Поэтому предполагается, что соответствующие параметры политики ценообразования или налогов не адаптируются в ходе моделирования.

4.     Взаимодействие агентов

Агенты взаимодействуют посредством визуального взаимодействия и обмена информацией. Исследования по внедрению солнечных панелей показывают, что в регионах с большим количеством солнечных панелей на крыше вероятность их принятия выше. Чтобы зафиксировать это, визуальные взаимодействия между агентами могут происходить следующим образом: если домовладелец использует фотоэлектрические панели на крыше, на следующем временном шаге каждый другой агент в его сообществе узнает об этом, и их вероятность участия в моделях возобновляемых источников энергии в будущем возрастает.

Второй тип взаимодействия включает обмен информацией между агентами в их социальных сетях, который может происходить между агентами как одного и того же, так и различных сообществ. Для создания социальной сети агентов была создана сеть малого мира с использованием алгоритма Уоттса-Строгаца.

5.     Инициализация

В начале симуляции каждый потребительский агент инициализируется как покупающий электроэнергию у коммунальной компании. Стоимость электроэнергии установлена ??на уровне текущего среднего тарифа на электроэнергию для Айовы. Предполагается, что эта стоимость будет увеличиваться на 1,67% ежегодно. Льгота по подоходному налогу (ITC_t), связанная с покупкой фотоэлектрических модулей на крыше (в сумме на федеральном уровне и в штате Айова), инициализируется до 45% и снижается до 39% после 12 временных шагов, до 33% после 24 временных шагов и до 0 % после 36 временных шагов, что отражает текущую политику льгот на федеральном уровне и в штате Айова.

6.     Подмодели

В модель включены три подмодели, и все из которых выполняются на каждом месячном интервале для каждого агента-потребителя.

6.1. Подмодель 1 – оценка отношения потребителя

Каждому агенту-потребителю присваивается индекс начальной осведомленности (AW_i) по шкале от 0 до 1, который представляет общую осведомленность агента о возобновляемых источниках энергии и их преимуществах для окружающей среды. Поскольку люди с более высоким уровнем образования с большей вероятностью примут возобновляемые источники энергии, начальное значение (AW_i) присваивается как нормализованное произведение уровня образования агента (E_i) и случайного числа (p) от 0 до 1. Значение меняется со временем через взаимодействие агентов. Индекс осведомленности агента также увеличивается, если он посещает ярмарку возобновляемых источников энергии, организованную установщиками батарей, и/или семинар по возобновляемым источникам энергии, спонсируемый коммунальными предприятиями (ориентированный на коммунальную солнечную энергию). Если агент посещает ярмарку/семинар, AW_i увеличивается на 0,1. Агент, посещающий семинар, осведомляется о возможности участия в коммунальной программе, так что его значение CS_i изменяется с 0 (не осведомлен) до 1 (осведомлен).

Потребители склонны рассматривать покупку фотоэлектрических панелей на крыше как сложную проблему из-за усилий, необходимых для изучения процедур установки, политики стимулирования, политики чистых измерений, правил ассоциации домовладельцев и необходимой документации. Однако, когда потребитель арендует солнечные панели или использует общественные солнечные батареи, разработчик проекта берет на себя эти обязанности. Каждому агенту домовладельца изначально присваивается значение случайного индекса воспринимаемой сложности (PC_i) по шкале от 0 до 1. При посещении ярмарки PC_i снизится на 0,1.

Каждому агенту-домовладельцу также случайным образом присваивается индекс владения (O_i) по шкале от 0 до 1, где более высокие значения O_i соответствуют предпочтению агента частных солнечных батарей общественным. Это значение остается постоянным на протяжении всего цикла моделирования.

Каждому домовладельцу присваивается возрастной индекс (AB_i) по шкале от 0 до 1, основанный на его текущем возрастном уровне (A_i). AB_i вычисляется путем нормализации к 1 произведения A i и случайного числа q. Более высокие значения AB_i соответствуют большей вероятности того, что агент купит/арендует фотоэлектрические панели на крыше, потому что потребители склонны переходить на фотоэлектрические системы на крыше по мере приближения к выходу на пенсию.

6.2. Подмодель 2 – финансовая оценка потребителя

Агенты классифицируются на четыре типа агентов (T_x) на основе их оптимизма по отношению к солнечной электроэнергии, где более высокие значения индекса x соответствуют большему оптимизму в отношении финансовых перспектив солнечной энергетики. T_x представляет собой ожидание агента в отношении будущего роста затрат на электроэнергию (PG_i) и ежегодных затрат на обслуживание солнечных батарей (PM_i) в виде процента от первоначальных инвестиций.

Фактор доступности (AF_i) по шкале от 0 до 1 также присваивается каждому домовладельцу путем нормализации к 1 произведению его уровня дохода (I_i) и случайного числа (r). Более высокий AF_i соответствует большей вероятности того, что агент сможет позволить себе оплатить высокую первоначальную стоимость покупки солнечных панелей.

Каждый потребительский агент оценивает финансовую жизнеспособность модели возобновляемой энергии, вычисляя ее чистую приведенную стоимость (NPV) на каждом временном шаге. Предполагается, что агент-потребитель будет оценивать чистую приведенную стоимость участия в общественной программе солнечной энергетики, только если он знает об этом (CS_i = 1).

Основываясь на почасовых данных об инсоляции и температуре солнечной энергии для города Де-Мойн с 1999 по 2010 год, предполагается, что 109 кВтч энергии вырабатывается каждый месяц за счет каждого кВт (постоянного тока) солнечной панели. Предполагается, что если агент решит купить/арендовать фотоэлектрические панели или подписаться на коммунальные солнечные батареи, он выберет фотоэлектрический модуль размера S_i, который на 100% удовлетворяет его ежемесячные потребности в энергии (Q_i).

На основе имеющейся информации авторы рассчитывают приведенную стоимость (NPV) будущих ежемесячных сбережений агента для четырех различных моделей возобновляемой энергии (купить фотоэлектрические панели за счет предоплаты (NPV_b,i), купить фотоэлектрические панели в кредит (NPV_s,i), арендовать солнечную батарею (NPV_l,i) или зарегистрироваться в программе коммунальной компании по внедрению возобновляемых источников энергии (NPV_cs,i)).

6.3. Подмодель 3 – решение потребителя

Чтобы потребительский агент i принял конкретную модель возобновляемой энергии, его индекс осведомленности (AW_i) должен быть больше порогового значения (AW_h), а NPV модели возобновляемой энергии должен быть больше 0. Таким образом, арендаторы, владельцы квартир b домовладельцы, которые не могут использовать фотоэлектрические панели на крышах из-за структурных ограничений, будут использовать коммунальные солнечные батареи, если NPV_cs,i больше 0, а AW_i больше, чем AW_h. Однако, если домовладелец, который может использовать частные солнечные панели, имеет AW_i  больше, чем AW_h и его NPV больше 0 для нескольких моделей возобновляемой энергетики, его окончательный выбор зависит от значений его воспринимаемой сложности (PC_i), индекса собственности (O_i) и возрастного индекса (AB_i). Генерируется случайное число, и если число меньше O_i, агент предпочтет солнечную батарею на своей крыше. В противном случае агент предпочтет вариант с наибольшим ожидаемым значением NPV. Эта случайность вводится, чтобы представить неоднородность поведения потребителей. Если домовладелец предпочитает солнечную батарею на крыше общедоступной солнечной энергии, снова генерируется случайное число. Если число меньше AB_i, агент предпочтет солнечную батарею на своей крыше; в противном случае он будет участвовать в коммунальной программе. Выбор между оплатой наличными, получением кредита или аренды фотоэлектрических панелей зависит от PC_i: генерируется случайное число, и если оно больше, чем PC_i, агент отдаст предпочтение варианту с наибольшей ожидаемой финансовой отдачей (значение NPV); в противном случае он будет арендовать фотоэлектрические панели на крыше.

7.     Эксперименты

АОМ используется для изучения влияния решений о внедрении возобновляемой энергии бытовыми потребителями на критические показатели производительности для коммунальных предприятий, политиков и установщиков солнечных батарей. Для каждого эксперимента значения выходных показателей анализировались за 120 месячных временных шагов (т.е. за 10 лет), усредненных по 50 повторениям. Продолжительность моделирования была выбрана таким образом, чтобы потенциальные шоки в будущем (например, внедрение новой технологии возобновляемых источников энергии) можно было игнорировать.

Настройки параметров модели варьировались в шести экспериментах (Таблица 1).

Таблица 1. Шесть экспериментов с различными комбинациями моделей возобновляемой энергии (Y – есть, N – нет).

8.     Интересующие показатели

8.1. Коммунальная компания

Одним из ключевых показателей эффективности, представляющим интерес для коммунальной компании, является приведенная стоимость ее доходов. В частности, коммунальные компании заинтересованы в определении того, какая модель (модели) возобновляемой энергии лучше всего способна помочь им возместить убытки, понесенные в результате увеличения числа потребителей личных фотоэлектрических панелей. Кроме того, важен общий объем зеленой энергии, добавленной в сеть за счет выбора потребителями солнечных батарей, а также постепенное увеличение мощностей коммунальных солнечных батарей, которое необходимо для удовлетворения растущего потребительского спроса на возобновляемые источники энергии.

8.2. Политики

Ключевые показатели эффективности, представляющие интерес для политиков, - это общее количество сторонников возобновляемой энергии, а также процент населения с ограниченным доступом (арендаторы, владельцы квартир и домовладельцы, которые не могут использовать фотоэлектрические панели на крыше из-за структурных ограничений).

8.3.Установщики солнечных батарей

Ключевым показателем эффективности для установщиков солнечных батарей является приведенная стоимость их доходов. Этот показатель поможет установщикам солнечных батарей понять финансовые последствия предложения потребителям варианта аренды солнечных панелей на крыше, а также влияние программы коммунальной солнечной энергии, спонсируемой коммунальными предприятиями, на их собственный бизнес.

9.     Результаты

На рис. 1 сравнивается приведенная стоимость дохода коммунальной компании (в 1000 долларов) за 10 лет для каждого эксперимента. Доходы от коммунальных услуг являются наибольшими, когда доступна коммунальная солнечная энергия и C_p составляет 3 или 4 ?/кВтч. Однако доход коммунального предприятия во всех шести случаях меньше максимального дохода (представлен горизонтальной линией на рисунке 1), который он заработал бы, если бы не было доступных вариантов использования возобновляемых источников энергии и все агенты были бы вынуждены покупать электроэнергию на рынке.

Рис. 1 Приведенная стоимость выручки коммунальной компании за 10 лет

Результаты моделирования были также проанализированы для определения общего количества зеленой энергии, добавляемой в сеть частными и коммунальными солнечными панелями. На рис. 2 показано, что предложение коммунальной программы использования солнечной энергии с ценой (C_p) в размере 2, 3 или 4 ?/кВтч дало максимальное общее добавление зеленой энергии.

Рис. 2 Общая зеленая энергия (кВт), добавляемая в сеть для каждого эксперимента

На рис. 3 показано ежегодное приращение мощностей коммунальной солнечной энергии для удовлетворения потребительского спроса. Прирост мощности является высоким в первый год для сценариев BLC(2) и BLC(3), но затем падает и остается относительно низким в течение оставшихся 9 лет. В сценарии BLC(4) этот первоначальный всплеск требуемой мощности более равномерно распределяется между годами 1 и 2, но затем также снижается, начиная с третьего года.

Рис. 3 Дополнительная мощность (кВт) коммунальной солнечной энергии, которая должна добавляться коммунальной компанией для удовлетворения потребительского спроса для каждого эксперимента

На рис. 4 показано количество пользователей солнечных панелей в конце 120-месячных временных шагов для всех экспериментов. Внедрение коммунальной программы, в дополнение к предложению вариантов покупки и аренды солнечных батарей на крыше (то есть четырех экспериментов BLC), увеличило общее количество пользователей, по сравнению с предложением только покупки солнечных батарей (B) или покупки/аренды (BL). Рис. 4 также показывает, что предложение коммунальной солнечной энергии увеличило число сторонников частных солнечных панелей. Этот результат является следствием общего повышения уровня осведомленности агентов (AW_i).

Рис. 4 Общее количество пользователей частных солнечных панелей (Rooftop PV) и коммунальных солнечных батарей (CS) по итогу 10 смоделированных лет

Ежегодная динамика общего количества пользователей солнечных панелей для всех экспериментов показано на рис. 5. Скорость принятия солнечной энергии была намного выше в экспериментах BLC, чем в B и BL.

Рис. 5 Общее количество пользователей солнечных панелей за 10 смоделированных лет для каждого эксперимента.

На рис. 6 показан процент населения с ограниченным доступом (арендаторы, владельцы квартир и домовладельцы, которые не могут использовать фотоэлектрические панели на крыше из-за структурных ограничений), участвующего в потреблении солнечной энергии, для всех четырех экспериментов, в которых потребители имеют возможность участвовать в коммунальной программе.

Рис. 6 Процент населения с ограниченным доступом, участвующего в коммунальной программе, для четырех экспериментов BLC

На рисунке 7 приведена текущая стоимость доходов установщиков солнечных батарей (в тыс. долларов). Если компании предлагают потребителям вариант аренды фотоэлектрических панелей в дополнение к варианту покупки (BL), их выручка существенно не увеличивается. Кроме того, если коммунальная компания предлагает программу коммунальной солнечной энергии с C_p равной 2 и 3/кВтч (BLC(2) и BLC(3)), доходы установщиков солнечной энергии существенно не меняются. Однако, когда коммунальная солнечная энергия доступна при значениях C_p 4 и 5/кВтч (BLC(4) и BLC(5)), выручка установщиков солнечных батарей значительно возрастает, поскольку все больше агентов используют личные солнечные панели.

Рис. 7 Приведенная стоимость доходов установщиков солнечных батарей

10.     Обсуждение

Результаты шести экспериментов дают представление о том, в какой степени различные модели возобновляемых источников энергии поддерживают цели нескольких заинтересованных сторон (коммунальные предприятия, политики и установщики солнечных батарей), а также удовлетворяют спрос потребителей на возобновляемые источники энергии.

Из всех шести экспериментов BLC(4) дает самый высокий доход от коммунальных услуг, который был получен за счет премий, уплаченных потребителями солнечной энергии с ограниченным доступом, которые в противном случае были бы вынуждены покупать электроэнергию у коммунальной компании по рыночным ценам. Это позволило коммунальной компании возместить 46% потерь выручки, которые она понесла из-за внедрения солнечных батарей на крыше в сценариях B и BL. Эксперимент BLC(4) также приводит к одному из самых высоких объемов зеленой энергии, добавляемой в сеть. Кроме того, результаты эксперимента BLC(4) направлены на решение проблем, связанных с обеспечением справедливости, и позволили получить наибольшее количество потребителей солнечной энергии, а также наибольшее участие населения с ограниченным доступом. Примечательно, что высокие темпы принятия сообщества солнечной энергии в эксперименте BLC(4) не привели к потере доходов для установщиков солнечных батарей. Фактически, эксперименты BLC(4) и BLC(5) дали самую высокую приведенную стоимость выручки установщиков солнечных батарей среди шести экспериментов. Этот результат является следствием возросшего количества социальных взаимодействий.

Таким образом результаты моделирования показывают, что, если цены в программе коммунальной солнечной энергии установлены надлежащим образом, все заинтересованные стороны могут получить выгоду: коммунальное предприятие может компенсировать часть своих потерь дохода даже при увеличении внедрения фотоэлектрических систем на крышах, бизнес установщиков солнечных батарей может процветать, при том что может быть достигнуто более широкое внедрение возобновляемых источников энергии. Предлагаемая методология моделирования может помочь обосновать проектные решения по моделям распределения солнечной энергии, которые позволят избежать выгоды одним заинтересованным сторонам за счет ненужных затрат других.

Эта концептуальная модель имеет несколько ограничений. Модель не учитывает потенциал будущих сбоев в энергетическом секторе, таких как внедрение новой технологии использования возобновляемых источников энергии или внезапное падение/рост цен на электроэнергию из-за изменения цен на топливо, что может существенно повлиять на тенденции внедрения возобновляемых источников энергии. Модель также еще не подтверждена эмпирическими данными о поведении человека. Наконец, поскольку модель задумывалась как доказательство концепции, некоторые предположения относительно процесса принятия решений агентами были реализованы довольно упрощенно.

Агент-ориентированная модель, описанная в этой статье, служит отправной точкой для разработки эмпирически подтвержденной модели. После проверки модель может использоваться различными заинтересованными сторонами.


Подробнее: Mittal, A., Krejci, C. C., & Dorneich, M. C. (2019). An agent-based approach to designing residential renewable energy systems. Renewable and Sustainable Energy Reviews, 112, 1008–1020. https://doi.org/10.1016/j.rser.2019.06.034