«Необходима интеграция альтернативных источников энергии»: ученый из Омского политеха о своей разработке

Начиная с 1994 года в разных странах 3 мая отмечается День Солнца (Sun Day), иногда называемый Всемирным днем ​​Солнца или Международным днем ​​Солнца.

В этот день расскажем об интересной разработке ученого из Омского политеха: старший преподаватель кафедры «Информатика и вычислительная техника» Дмитрий Тюньков решает проблемы получения прогноза выработки электроэнергии на солнечных электростанциях в условиях неполноты информации о метеорологических факторах и действиях потребителей в электроэнергетической системе

В настоящее время в Российской Федерации действует рынок по оптовой продаже электроэнергии и мощности, который поделен на ценовые зоны. До недавнего времени в каждой такой ценовой зоне функционировали традиционные типы электростанций, такие как гидроэлектростанции, угольные тепловые электростанции и атомные. При этом системный оператор формирует заявки на генерацию электрической энергии по часовым интервалам суток. Однако с развитием альтернативных источников энергии, с одной стороны, и изменением мирового климата, связанного с экологической обстановкой на планете, с другой стороны, возникают задачи, связанные с интеграцией альтернативных источников энергии в уже созданные человеком традиционные электроэнергетические системы.

Суть исследования, по словам автора, состоит в том, что электростанции различного типа, солнечные, гидроэлектростанции, ТЭЦ, работают в рамках единой электроэнергетической системы, и каждой электростанцией производится выработка определенной мощности, которая и покупается энергосбытовыми предприятиями на оптовом рынке электрической энергии и мощности.

Дмитрий Тюньков, старший преподаватель кафедры «Информатика и вычислительная техника» ОмГТУ: «Под электроэнергетической системой понимается единая электроэнергетическая сеть с подключенными к ней как традиционными источниками энергии (парогазовые установки, теплоэнергоцентрали (ТЭЦ), атомные электростанции), так и альтернативными источниками энергии (в частности, солнечными электростанциями), работающими в условиях рынка по оптовой продаже электроэнергии и мощности. На них действуют различные экологические факторы, такие как солнечная радиация, ветер, температура окружающего воздуха и т. д. В связи с этим требуется разработка математической модели, отражающей структурную организацию и технологические процессы, протекающие в прогнозируемой системе. Это необходимо с целью повышения точности прогноза выработки электроэнергии на солнечных электростанциях, что позволит более эффективно загружать ТЭЦ и газотурбинные станции для выработки электрической энергии, увеличив их экономическую эффективность за счет экономии топлива».

Для того чтобы можно было перестать компенсировать неопределенную выработку электрической энергии солнечными электростанциями увеличенной выработкой мощности на ТЭЦ, соответственно, и уменьшить излишки затрат топлива, необходимо, по словам автора, более точное прогнозирование вырабатываемой мощности на солнечных электростанциях.

Автор предполагает, что с увеличением точности прогнозирования, увеличенную выработку электроэнергии в регионах, где солнечные электростанции являются частью электроэнергетической системы можно будет сведена к минимуму, а значит – будут уменьшены и затраты на топливо. Для традиционных источников энергии может быть уменьшен и тариф на покупку электрической энергии энергосбытовыми предприятиями на оптовом рынке электрической энергии и мощности. Все это в конечном итоге теоретически должно привести и к уменьшению тарифа для конечных пользователей.

Прогностическая модель строится на базе нейронной сети, для которой входными данными служат различные климатические факторы: уровень осадков, видимость, облачность, температура окружающей среды и т.д. Возможно также использование информации о модулях солнечной электростанции, таких как угол наклона, угол поворот, температура модуля и т.д. Обучение нейронной сети производится на данных за 15 дней предшествующих прогнозируемому дню и данных за 15 дней прошлого года, начиная от дня и месяца прогнозируемой даты.

Исследованием автора интересуется на данный момент две компании, российская – ООО «АвеларСолар Технолоджи» и Группа компаний M-KAT из Республики Казахстан. Но для каждого региона, по словам ученого, необходимо учесть конкретные условия, так как на разных территориях различные климатические факторы влияют на выработку электроэнергии по-разному. Поэтому для определенных регионов можно будет опустить некоторые факторы, тогда как для других они будут важны.

На данный момент Дмитрием уже построен прототип модели краткосрочного прогнозирования и ведется его доработка для уменьшения ошибки прогнозирования.