автореферат диссертации по энергетике, 05.14.02, диссертация на тему:Оптимизация развития и функционирования системы энергоснабжения с распределённой генерацией

На правах рукописи

Тарасенко Виктор Викторович

ОПТИМИЗАЦИЯ РАЗВИТИЯ И ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ ЭНЕРГОСНАБЖЕНИЯ С РАСПРЕДЕЛЁННОЙ ГЕНЕРАЦИЕЙ

Специальность 05.14.02 - Электрические станции

и электроэнергетические системы

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата технических наук

6 ДЕК 2012

Екатеринбург - 2012

005056618

005056618

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Южно-Уральский государственный университет» (национальный исследовательский университет)

Научный руководитель — кандидат технических наук, профессор Гольдштейн Михаил Ефимович

Официальные оппоненты: Обоскалов Владислав Петрович,

доктор технических наук, профессор, ФГАОУ ВПО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина», кафедра автоматизированных электрических систем, профессор;

Ильин Юрий Петрович,

кандидат технических наук, профессор, ФГБОУ ВПО «Челябинская государственная агроинженерная академия», кафедра Электроснабжения сельского хозяйства, заведующий кафедрой.

Ведущая организация — ОАО «Межрегиональная распределительная сетевая

компания Урала» филиал «Челябэнерго», г. Челябинск.

Защита состоится 19 декабря 2012 г., в 14 часов 15 минут, на заседании диссертационного совета Д 212.285.03 на базе ФГАОУ ВПО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина», г. Екатеринбург, ул. Мира, 19, ауд. Э-406.

С диссертацией можно ознакомиться в библиотеке УрФУ.

Автореферат разослан « ноября 2012 г.

Ученый секретарь диссертационного совета Д 212.285.03 к.т.н., доцент

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Рост производства электроэнергии во многих странах обеспечивается распределённой генерацией (РГ) - малыми источниками, подключаемыми к распределительным электрическим сетям. Эта тенденция проявляется и в России, где малая энергетика, благодаря широкой доступности газа и дизельного топлива, имеет существенный потенциал для роста. В США к 2010 году планировалось довести долю распределённой генерации во вновь вводимых мощностях до 20%, в ЕС до 18%, в России сейчас на долю распределённых источников приходится 17 ГВт установленной мощности электростанций.

Распространение РГ требует решения задач её размещения с обоснованием мощности, возможных площадок, мест подключения, режимов работы в зависимости от существующих схем сети, мощности и характера потребления. Эти оптимизационные задачи должны решаться не только с позиций минимума затрат на ввод и эксплуатацию генерирующего комплекса, но и учитывать развитие распределительных сетей, к которым подключается РГ, затраты на эксплуатацию, возможное снижение потерь.

В большой энергетике такие задачи решаются известными методами непрерывного программирования, что требует принятия ряда упрощений при формировании математической модели, приводящих для малой энергетики к существенным погрешностям при поиске оптимальных решений. Применение направленного перебора вариантов, реализованного с помощью генетического алгоритма (ГА), позволяет снизить погрешность по сравнению с применением традиционных непрерывных методов оптимизации за счёт отказа от необходимости вводить упрощения при описании целевой функции и возможности поиска её глобального минимума.

Известны работы в области построения и оптимизации электрических сетей, в том числе с РГ, выполненные Н.И. Воропаем, П.И. Бартоломеем, A.B. Паздериным, A.M. Клер, Б.Г. Санеевым, Б.И. Макоюпоевым, Н.В. Савиной, И.Н. Колосок, В.П. Обоскаловым, А.Г. Фишовым, и др. Ими разработаны принципы построения сетей с РГ, обозначены основные проблемы их функционирования. Ведутся работы по созданию математических моделей

источников РГ. Известные модели планирования развития недостаточно учитывают характер потребления, не рассматривают возможность одновременной выработки тепла и продажи электроэнергии в сеть. Капитальные и эксплуатационные затраты учитываются лишь в виде удельных показателей и не разбиты на составляющие, что ухудшает точность самой математической модели. В настоящее время комплексного подхода к решению задач оптимизации размещения распределённых генераторов и выбора их числа и мощности с учётом режимов работы, эксплуатации систем энергоснабжения с РГ при максимальном учёте влияющих факторов ещё не выработано. Поэтому актуальна разработка математической модели, а затем и методик, реализующих такой подход.

Объектом исследования являются распределительные сети с установками малой РГ. Проверка результатов проведена в системе энергоснабжения студгородка ЮУрГУ. Все исследования проводились на основе газопоршневых когенераторов, однако предложенные алгоритмы применимы и для сетей с другими источниками РГ.

Цель работы заключается в создании оптимизационной модели и алгоритмов решения задач определения числа, типа и мест размещения установок РГ в распределительной сети и выбора состава работающего оборудования в различных эксплуатационных ситуациях.

Научная новизна

¡.Показана эффективность применения генетического алгоритма (ГА) для решения задач оптимизации в системах с РГ.

2. Показано, что ГА применим для решения как задач проектирования, так

и задач эксплуатации систем с РГ.

3. Разработана комплексная математическая оптимизационная модель

выбора структуры системы с РГ, с детализацией целевой функции в зависимости от проектной или эксплуатационной направленности задачи.

4. Разработана технология адаптации программного обеспечения,

реализующего ГА, для решения задач оптимизации систем с РГ.

5. Разработаны алгоритмы оптимального участия РГ на рынке электрической мощности.

6. Решена задача выбора состава генерирующего оборудования в распределительных сетях с РГ с учётом теплопотребления.

Основные положения, выносимые на защиту:

- Комплексная оптимизационная математическая модель системы с РГ, позволяющая решать проектные и эксплуатационные задачи оптимизации систем с РГ.

- Технология адаптации программного обеспечения, реализующего ГА для решения задач оптимизации систем с РГ.

- Алгоритмы оптимального участия РГ на рынке электрической мощности.

- Решение задачи выбора состава генерирующего оборудования в распределительных сетях с РГ.

Практическая значимость заключается в применении эффективных алгоритмов управления развитием и эксплуатацией систем с РГ, что приводит к улучшению их технико-экономических показателей, снижению потерь электроэнергии, более эффективному использованию оборудования и топлива при планировании суточных графиков загрузки оборудования.

Практическая реализация. Результаты работы использованы в инновационно-образовательной программе «Энерго- и ресурсосберегающие технологии» при реализации национального проекта «Образование» и в приоритетном направлении развития «Энергосбережение в социальной сфере» в рамках программы развития ФГБОУ ВПО ЮУрГУ (национального исследовательского университета).

Полученные результаты в области математического моделирования и оптимизации режимов сетей с РГ при помощи ГА использованы при выборе площадок строительства двух малых теплоэлектростанций в сети ЮУрГУ, определении их оптимальных режимов работы и технико-экономических параметров, а также в учебном процессе в курсе «Автоматизированные системы управления электростанций» и «Оптимизация в электроэнергетических системах».

Публикации. По теме диссертации опубликовано 11 печатных работ, в том числе 2 в реферируемых изданиях ВАК.

Личный вклад: Создана математическая модель сети с РГ, приспособленная к решению задач методом ГА. Найден эффективный метод решения оптимизационных задач для подобных сетей. Выработаны алгоритмы

программной реализации решения различных оптимизационных задач: выбора числа, мощности и мест подключения генераторов; оптимизации режимов работы генераторов в системе энергоснабжения с РГ; определения минимального тарифа на продажу электрической энергии.

Обоснованность научных положений, рекомендаций и выводов. Представление параметров математической модели основано на исследовании характеристик оборудования ведущих отечественных и зарубежных производителей. Работоспособность ГА проверена на тестовой сети путём сопоставления результата с найденным по методу полного перебора. Исследования в диссертационной работе проведены на действующей системе энергоснабжения ЮУрГУ с достоверными данными по её характеристикам.

Структура и объём диссертации. Диссертация состоит из введения, 4 глав, заключения, списка литературы, включающего 139 наименований и 11 приложений. Работа изложена на 154 страницах машинописного текста, который поясняется 40 рисунками и 18 таблицами.

Автор глубоко признателен профессору кафедры ЭССиС ЮУрГУ Б.Г. Булатову за научную и методическую помощь, оказанную в процессе работы над диссертацией.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность решения задач оптимизации для сетей с малой РГ, сформулированы цель и задачи исследований.

В первой главе выполнен анализ технических характеристик основных источников малой распределённой генерации. В России наибольшее распространение получают газопоршневые и газотурбинные когенерационные технологии. Оба способа выработки энергии имеют как достоинства, так и недостатки и выбор в пользу той или иной технологии обуславливается конкретными условиями.

Опыт других стран показал, что при вводе РГ приходится решать специфические для малой РГ задачи. К ним относятся и задачи оптимального размещения генераторов с обоснованием числа и типа блоков. А так как в России ещё только начальный этап применения распределённой генерации, то есть возможность комплексно решать задачи размещения и эксплуатации. При

планировании ввода РГ решается оптимизационная задача выбора типа и числа распределённых генераторов, а также мест их подключения к распределительной сети. Критерием оценки эффективности инвестиционного проекта в современных экономических условиях является, как правило, максимум чистого дисконтированного дохода. Однако, учитывая небольшие сроки сооружения малых электростанций, в исследовательских расчётах дисконтированием капитальных затрат можно пренебречь. Решающее влияние на оптимальное решение оказывают прогнозы изменения тарифов на топливо и энергию в период срока эксплуатации установок малой генерации, точность таких прогнозов мала, что позволяет принять примерное равенство темпов роста цен на топливо, электро- и теплоэнергию коэффициенту дисконтирования. С учётом принятых допущений в качестве критерия оптимизации при решении такой задачи используется минимум затрат на ввод в работу и последующую эксплуатацию комплекса РГ, то есть годовые приведённые затраты. Когда малые электростанции уже имеются в сети, возникает задача оптимального планирования режима их работы так, чтобы общие затраты на эксплуатацию всего комплекса, в том числе и на эксплуатацию распределительной сети, были минимальными. При продаже вырабатываемой электроэнергии во внешнюю сеть в ряде случаев возникает необходимость определения минимального тарифа на продаваемую электроэнергию, ниже которого такая продажа становится невыгодной.

Решение этих задач имеет ряд специфических особенностей, одной из которых является целочисленность (номинальная мощность блоков может выбираться только в соответствии с модельным рядом производимого оборудования). Ещё одной особенностью является большая размерность задачи, так как при поиске минимума целевой функции придётся перебирать множество комбинаций числа, мощности, точек подключения, сечений питающих кабелей и др. Сама целевая функция в такого рода задачах может иметь несколько локальных минимумов, что затрудняет применение традиционных методов оптимизации.

Учитывая особенности решаемых задач, для оптимизации принят метод ГА. Этот метод позволяет учитывать дискретность и целочисленность переменных,

хорошо работает с задачами большой размерности и не чувствителен к локальным экстремумам.

Во второй главе рассмотрены целевые функции (ЦФ) решаемых задач. Для задачи выбора числа, мощности и мест подключения распределённых генераторов в качестве ЦФ принимаются годовые приведённые затраты:

п ш

3 = Р-ЕК1+£С1, (1)

¡-1 ¡-1

где р - нормативный коэффициент сравнительной эффективности капитальных вложений в энергетике, о.е; Ц и - 1-я статья капитальных и эксплуатационных затрат соответственно; пит— соответственно количество составляющих капитальных и эксплуатационных затрат.

В работе рассматриваются равнонадёжные варианты, необходимая надёжность которых обеспечивается резервированием от внешней сети, либо резервными блоками. Затраты на резервирование учитываются в капитальных затратах.

Годовые приведённые затраты приняты в качестве критерия оптимизации в целях упрощения модели. Этого критерия достаточно, чтобы продемонстрировать работоспособность разработанной модели, а простота формулы приведённых затрат позволяет облегчить процесс анализа адекватности работы модели. В практических расчётах следует применять современные критерии оценки, например чистый дисконтированный доход.

В эксплуатационной задаче, когда нужно определить режим использования уже имеющегося оборудования, в качестве ЦФ принимается сумма всех эксплуатационных затрат за определённый период:

ЦФ = £с;. (2)

1-1

Для быстрого получения прибыли в качестве ЦФ следует принять срок окупаемости Т. Окупиться должна разность между затратами на строительство станций РГ и затратами без такого строительства (на усиление сети) за счёт экономии на эксплуатационных затратах:

Хк*-Екшрг

Т_ 1=1_1=1_

1 - ~ ш , (3)

У. *--|бРГ

где К;брг и С;6рг - 1-я статья капитальных и эксплуатационных затрат без РГ соответственно, тыс.руб.

Определение минимального тарифа на продаваемую во внешнюю сеть электроэнергию проводится с ограничением на эксплуатационные затраты, которые должны быть не более затрат при автономной работе.

Составляющие капитальных затрат можно представить аналитически. Например, анализ стоимости когенератора в зависимости от его номинальной мощности для шести различных производителей выявил её линейную зависимость. Поэтому затраты на приобретение когенератора К,ед, можно выразить функцией:

К1£Д=а1 + а2-Рг, (4)

где Рг - номинальная мощность когенератора, кВт; аь а2 — коэффициенты линейной аппроксимации.

Аналогично выражаются затраты на приобретение другого оборудования, на монтажные работы, транспортные расходы, проектные работы, присоединение к сети.

Эксплуатационные затраты и ограничения выражаются по тому же принципу. В отдельных случаях аппроксимирующая функция имеет нелинейный вид. Например, сечение кабелей должно удовлетворять длительно допустимому току, это ограничение представляется квадратичной функцией:

аз+а4' —+ а5Ч—)2<^, (5)

где т; - количество параллельных кабелей присоединения генератора к ¡-му узлу, шт; - рабочий ток кабеля в 1-м узле, А; Б] - сечение кабеля присоединения к ¡-му узлу; а3, а4, а5 - коэффициенты квадратичной аппроксимации зависимости сечения кабеля от его длительно допустимого тока.

В некоторых случаях, например при выражении затрат на покупаемую от внешней сети тепловую энергию, функция может изменяться ступенчато в зависимости от соотношения потребляемой и генерируемой тепловой мощности (излишки тепла сбрасываются в атмосферу). Для учёта этого фактора в модель вводится логический блок, обнуляющий тариф на покупку тепла от сети ртеп в случае превышения выработки тепла над нагрузкой.

Аспу^адЛ-'ЗпД.л.о) (6)

При применении для оптимизации метода ГА проводится его адаптация к сети с РГ. Процесс оптимизации с помощью ГА имеет много общего с процессами эволюции и естественного отбора, происходящими в природе (рис. 1). Все изменения во время эволюции происходят в хромосомах, в качестве которых при решении наших задач принимаются рассматриваемые параметры математической модели: мощности блоков и их количество в заданный промежуток времени, которые выбираются из представленного ряда случайным образом. В природе заданное количество хромосом определяет особь. В сети с РГ роль особи выполняет определённый возможный состав оборудования с оценкой приспособленности в виде ЦФ. Каждая хромосома состоит из генов. В решаемой задаче хромосомы — это десятичные числа, представленные в двоичном коде, биты двоичного кода в ГА рассматриваются как гены.

Сначала каждая текущая особь проходит проверку на соответствие ограничениям задачи и в случае несоответствия вместо неё генерируется другая. Далее из популяции выбираются особи, имеющие наименьшее значение ЦФ, они скрещиваются и производят потомков. У более приспособленных особей шансов на скрещивание больше. При скрещивании происходит обмен генами, и порождаются новые особи. Наследственная передача информации позволяет генетическому алгоритму сосредотачиваться. на наиболее оптимальном решении. Некоторые особи мутируют, при этом случайным образом один из генов меняется на противоположный. Это позволяет алгоритму выбираться из локальных оптимумов. Одновременно в процессе эволюции участвует несколько особей, образующих популяцию.

Рис. 1. Схема работы генетического алгоритма

Для расчётов применялась специализированная программа Easy NP 2.0, способная производить оптимизацию методом ГА. Проверка корректности работы программы проведена на простейшей распределительной сети (рис. 2). Рассматривалось максимальное количество блоков в узле nmax= 3, модельный ряд оборудования представлялся 6-ю блоками различной мощности, общее число комбинаций в задаче 8 млн. В качестве ЦФ приняты годовые приведённые затраты. Расчёт оптимального числа и мощности

блоков производился двумя способами: методом ГА (в программе Easy NP 2.0) и полным перебором всех возможных вариантов (в пакете Mathcad 15). Полученные результаты сведены в таблицу 1, где Ki - i-я статья капитальных затрат, а Ci-i-я статья эксплуатационных затрат.

Результат показал полное соответствие значений, полученных при расчёте методом ГА, результатам, найденным прямым перебором всех вариантов, при гораздо меньшем времени.

ГА находит околооптимальное решение путём последовательного улучшения текущего результата. Для окончания расчёта в ГА возможны различные критерии останова (КО), один из которых: достижение заданного Рис. 2. Схема распределительной сети числа прошедших поколений, в течение с возможными площадками для которых значение ЦФ не улучшилось установки РГ (неудавшихся поколений). Чтобы выяс-

нить при каком значении КО генетический алгоритм достигает достаточно точного результата за минимальное время, были проанализированы результаты применения различных его значений при оптимизации схемы энергоснабжения студгородка ЮУрГУ (табл. 2). Длительным расчётом было найдено минимальное значение ЦФ для заданных условий равное 53 744 тыс.руб. При достижении генетическим алгоритмом этого значения ЦФ перестаёт улучшаться.

Таблица 1

Результаты оптимизации числа, мощности и состава блоков в простейшей сети

Номер узла Число блоков Мощность блоков Приведённые затраты и их состав, тыс. руб. Время расчёта, с

Метод перебора Метод ГА

1 1 600 К1=84682 К2=17477 К4=13521 К5=3327 С1=104 С3=23108 С4=2674 С6=1915 С7=860 С10=2286 С11=4604 2942 3

2 3 1000

3 0 0

4 0 0

5 0 0

Годовые приведённые затраты 3 = 53 402

ЦП

В проведённых экспериментах в качестве КО применялось заданное число неудавшихся поколений. Это число варьировалось от 1000 до 30 ООО. Для каждого значения эксперимент повторялся 10 раз, чтобы можно было говорить о среднестатистической тенденции. Результаты сведены в таблицу 2, где приведено среднее значение ЦФ по 10 повторениям (ЦФсред), среднее время расчёта по 10 повторениям (Тсред), максимальное значение ЦФ, полученное за 10 повторов (ЦФтах), максимальное время расчёта (Ттах), среднее соответствие результата эталонному (СРсред), минимальное соответствие результата эталонному за 10 повторов (СРт|п).

Таблица 2

Исследование значения ЦФ и времени расчёта в зависимости от числа неудавшихся поколений.

КО, неуд, поколения ЦФсрм, Тсред! МИН ЦФш* Ттах, МИН СРсред,% СРщщ, /ч

1000 55060 45 56964 59 97,61 94,35

5000 53752 165 53770 193 99,99 99,95

10000 53745 329 53748 412 99,99 99,99

15000 53744 389 53748 460 100 99,99

20000 53744 410 53748 520 100 99,99

25000 53744 537 53744 640 100 100

30000 53744 654 53746 727 100 99,99

В ходе проведения экспериментов выявлено, что достаточная для исследовательских расчётов точность достигается тогда, когда в течение 20 000 поколений ЦФ не улучшается, поскольку популяция достигла абсолютного минимума и ведёт своё существование в его окрестностях (рис. 3).

СРсред, А

% П

10099,5-

99--1

984!--/

98-

97,6-4_

97-

1

1 3,5 10 15 20 25 30 КО, тыс. ют

Рис. 3. Зависимость точности соответствия результата эталонному

Эффективность работы ГА во многом зависит от его настроек. В каждом конкретном случае их нужно подбирать индивидуально. Чтобы подобрать настройки ГА для решения задач оптимизации состава оборудования в сетях с РГ, были проведены серии экспериментальных расчётов, аналогичные описанным выше. Изменялись следующие параметры: вероятность мутации (ВМ), размер популяции (РП), количество потомков (КП) и др. Для каждого значения определённой настройки расчёты проводились десять раз, и вывод об эффективности принятого значения настроек делался по среднему значению времени расчёта. По результатам эксперимента удалось выявить зависимость среднего времени расчёта от ВМ (рис. 4) и от РП (рис. 5). Изменение других настроек не выявило устойчивой закономерности.

Тсред,

250-

200-

150-

100'

/ /

/

у

} / /

10 20 30 40 50 60 70 80 ВМ, % Рис. 4. Зависимость среднего времени расчёта от ВМ

40 РП,шт

Рис. 5. Зависимость среднего времени расчёта от РП

Оптимизация настроек показала, что наиболее эффективно в задачах оптимизации малой РГ генетический алгоритм работает при следующих настройках: вероятность мутации - 20%, размер популяции - 30, количество потомков - 10. КО, полученный ранее, после проведения дополнительных исследований принят равным 5 000 неудавшихся поколений.

В третьей главе разработанная математическая модель тестируется на сети электроснабжения студгородка ЮУрГУ (рис. 6).

Производится выбор оптимальных точек подключения генераторов, выбор числа и мощности блоков на малых электростанциях. Рассматриваются два варианта развития сети электроснабжения ЮУрГУ, по которым планируется обеспечивать будущий рост нагрузок за счёт строительства одной малой

14

электростанции или двух (в случае дополнительного увеличения нагрузки в южной части университета). На рис. 7 показаны возможные площадки размещения электростанций с вариантами их подключения к подстанциям.

При выборе оптимальной схемы развития системы электроснабжения ЮУрГУ исследовалось влияние изменения стоимости энергоресурсов на рекомендуемую оптимальную мощность распределённых станций. Так с помощью разработанной модели удалось получить рекомендуемые мощности оборудования и его состав при различных тарифах на покупаемую от внешней сети электроэнергию.

При разных нормативных сроках окупаемости, за которые сравнивается экономическая эффективность вариантов, получается разная оптимальная мощность станций. При увеличении этого срока мощность растёт, но до некоторых пределов, обусловленных как существующими ограничениями, так и отсутствием необходимости чрезмерного увеличения собственной генерации без возможности выдачи излишков электроэнергии в сеть. Производится оптимизация по критерию минимума срока окупаемости, полученное его значение позволяет задать нижнюю границу при поиске оптимального нормативного срока окупаемости. Для ЮУрГУ при нормативном сроке окупаемости 6,5 лет целесообразно строить станцию мощностью 2380 кВт. Минимально возможный срок окупаемости 0,5 года возможен при строительстве станции мощностью 1 ООО кВт.

Рис. 7. План студгородка ЮУрГУ с возможными вариантами размещения РГ и трассами КЛ подключения генераторов.

Дополнительно тестирование модели производилось при возможности продажи излишков электроэнергии в сеть. Результаты показали, что возможность продажи излишков электроэнергии во внешнюю сеть позволяет выровнять график работы генерирующего оборудования и при достаточно высоком тарифе на продаваемую в сеть электроэнергию достичь круглосуточной работы всех блоков на полную мощность. Увеличение стоимости покупаемой от внешней сети электроэнергии приводит к целесообразности увеличения собственной генерации, увеличение тарифов на газ эту целесообразность уменьшает. Увеличение тарифа на продаваемую

электроэнергию приводит к росту собственной генерации до пределов пропускной способности линий и трансформаторов.

Оптимизация по критерию минимального тарифа на продаваемую электроэнергию позволяет определить его величину, которая обычно ниже себестоимости производства кВт-часа. Это связано с попутной выработкой тепловой энергии, которая остаётся у потребителя.

После решения проектной задачи производится оптимизация режимов работы сети с РГ с учётом расходных характеристик блоков и их загрузки, что позволяет достичь дополнительной экономии на эксплуатационных затратах.

В четвёртой главе представлены алгоритмы программной реализации решения локальных оптимизационных задач на основе разработанной обобщённой оптимизационной модели. Все алгоритмы строятся на основании единой обобщённой математической модели, которая аналитически описывает сеть с РГ. Алгоритмы решения различных «локальных» оптимизационных задач целесообразно составлять на базе алгоритма обобщённой модели. Структурная схема возможного построения программы показана на рис. 8. Здесь: Рп - мощность генераторов в ¡-м узле схемы; пп- - количество генераторов в ¡-м узле схемы; np¡ - количество резервных генераторов в ¡-м узле схемы; Ьвьщ - тариф на выдаваемую в сеть электроэнергию; - годовые приведённые затраты, ¥2 - эксплуатационные затраты, РЗ - срок окупаемости, Б4 - тариф на выдачу электроэнергии в сеть, - ограничения по балансу мощности в системе, в2 - ограничения по пропускной способности трансформаторов, СЗ - ограничения по пропускной способности линий, в4 -ограничения по максимальной мощности резервных блоков; в5 - ограничение: эксплуатационные затраты с выдачей не выше, чем эксплуатационные без выдачи электроэнергии в сеть.

В качестве метода оптимизации используется ГА. Обобщённая модель содержит избыточные функции. Переход к решению локальных задач производится блокированием выполнения «лишних» для данной задачи операций. Например, при решении задачи оптимизации режима работы РГ учёт капитальных затрат не требуется, и поэтому все операции, связанные с этим расчётом, исключаются.

Рис. 8. Возможная структурная схема программы оптимизации сетей с РГ

ЗАКЛЮЧЕНИЕ

В диссертационной работе получена математическая модель сети с РГ, которая позволяет производить оптимизацию выбора числа, мощности и точек подключения распределённых генераторов, а также решать ряд эксплуатационных задач. В качестве метода оптимизации применён направленный перебор на основе ГА.

1. В энергетике расширяется применение малой распределённой генерации, что требует решения ряда задач, в том числе и задач оптимального её размещения и эксплуатации. Учитывая особенности таких задач создана оптимизационная математическая модель сети с РГ, где в качестве метода оптимизации применен генетический алгоритм.

2. Проведённые исследования показали, что применение ГА для решения оптимизационных задач в сетях с РГ позволяет получить решение с требуемой точностью за меньшее, по сравнению с методом перебора, время. Для решаемых задач предложены оптимальные настройки и обоснован критерий останова.

3. Тестирование математической модели проведено при решении различных задач проектирования и эксплуатации сети электроснабжения студгородка

ЮУрГУ — типичной сети с РГ. Полученные результаты показали корректную реакцию математической модели на задаваемые изменения влияющих факторов, что подтверждает целесообразность применения предложенной модели для решения проектных и эксплуатационных задач по выбору состава и режима работы оборудования сети с РГ.

4. В зависимости от целей решаемых задач при вводе малой генерации, в качестве целевой функции при оптимизации системы с РГ принимаются годовые приведённые затраты, эксплуатационные затраты за определённый период времени, срок окупаемости, тариф на продажу электроэнергии и др. При этом система с РГ описывается комплексной математической моделью и эта модель лишь адаптируется под решение разных задач.

5. На базе комплексной математической модели сети с РГ сформированы алгоритмы её адаптации для решения следующих локальных задач:

- оптимизации числа, мощности и мест размещения РГ;

- оптимизации режимов работы сети с РГ;

- выбора минимального тарифа на продажу электрической энергии. Аналогично могут быть разработаны и алгоритмы для решения других локальных задач. Например, для составления диспетчерского графика загрузки оборудования при изменяющихся тарифах на энергоресурсы, а также на выдаваемую в сеть электроэнергию. Локальные модели при решении этих задач формируются адаптацией комплексной модели путём введения или блокирования выполнения отдельных операций алгоритма.

Полученную математическую модель в комбинации с выбранным методом оптимизации можно рекомендовать для применения при разработке методик проектирования и эксплуатации систем с РГ, а также при создании программных средств решения проектных и эксплуатационных задач для оптимизации сетей с РГ.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Научные статьи, опубликованные в изданиях по списку ВАК

1. Тарасенко, В.В. Генетический алгоритм выбора распределённой генерации / В.В. Тарасенко // Вестник ЮУрГУ. Серия «Энергетика». - 2010. - Вып. 13. -№14(190).-С. 15-19.

2. Тарасенко, В.В. Определение возможных путей развития системы электроснабжения студгородка ЮУрГУ на основе генетического алгоритма / В.В. Тарасенко // Вестник ЮУрГУ. Серия «Энергетика». - 2010. - Вып. 14 - № 32(208).-С. 16-19.

Публикации в других изданиях

3. Гольдштейн, М.Е. Преимущества распределённой генерации и проблемы на пути её распространения / М.Е. Гольдштейн, Б.Г. Булатов, В.В. Тарасенко // Ресурсосбережение и возобновляемые источники энергии: сборник докладов I Международной научно-практической конференции. - Улан-Удэ: Изд-во ИрГТУ, 2008. - С. 37-40.

4. Тарасенко, В.В. О применении метода перебора при поиске оптимального числа и мощностей источников электроэнергии в сети с распределённой генерацией /В.В. Тарасенко // Научная конференция «Научный поиск»: сб.докладов - Челябинск: Издательский центр ЮУрГУ, 2009. - С. 262-265.

5. Булатов, Б.Г. Математическая модель выбора мощности и распределения малой когенерации / Б.Г. Булатов, М.Е. Гольдштейн, В.В. Тарасенко // III Международная научно-техническая конференция «Энергосистема: управление, конкуренция, образование»: сб. докладов. - Екатеринбург: Редакционно-издательский отдел УрФУ, 2008 - С. 339-341.

6. Булатов, Б.Г. Оптимизация построения сети с распределённой генерацией / Б.Г. Булатов, М.Е. Гольдштейн, В.В. Тарасенко // Международная конференция «Электроэнергетика и Автоматизация в металлургии и машиностроении»: сб. докладов. - Магнитогорск: AHO «Персонал», 2008. - С. 192-193.

7. Тарасенко, В.В. К формированию целевой функции для модели выбора распределённой генерации / В.В. Тарасенко // Научная конференция

«Наука ЮУрГУ»: сб. науч. тр. - Челябинск: Издательский центр ЮУрГУ, 2009.-Т. 2. -С. 239-241.

8. Тарасенко, В.В. Оптимизационная модель сети с распределённой генерацей / В.В. Тарасенко // Международная научно-практическая конференция «Современные техника и технологии»: сб. науч. тр. - Томск: Изд-во ТПУ,

2009.-Т. 1.-С. 101-103.

9. Тарасенко, В.В. Принципы математического описания технико-экономических показателей распределённой генерации / В.В. Тарасенко // Международная научно-техническая конференция студентов, магистрантов, аспирантов: сб. науч. тр. - Тольятти: ТГУ, 2009. - С. 179-180.

10.Тарасенко, В.В. Задача выбора состава работающего оборудования в сетях с распределённой генерацией / В.В. Тарасенко II Научная конференция «Научный поиск»: сб. докладов. - Челябинск: Издательский центр ЮУрГУ,

2010.-Т. 2.-С. 194-197.

П.Булатов, Б.Г. Выбор схемы развития системы энергоснабжения студгородка ЮУрГУ на основе генетического алгоритма / Б.Г. Булатов, В.В. Тарасенко // Всероссийская научно-техническая конференция «Электроэнергетика глазами молодёжи»: сб. науч. докладов. - Екатеринбург: Изд-во УрФУ, 2010.-Т. 2.-С. 176-179.

Тарасенко Виктор Викторович

ОПТИМИЗАЦИЯ РАЗВИТИЯ И ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ ЭНЕРГОСНАБЖЕНИЯ С РАСПРЕДЕЛЁННОЙ ГЕНЕРАЦИЕЙ

Специальность 05.14.02 - Электрические станции и электроэнергетические системы

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата технических наук

Издательский центр Южно-Уральского государственного университета

Подписано в печать 08.11.2012. Формат 60x84 1/16. Печать цифровая. Усл. печ. л. 1,16. Уч.-изд. л. 1. Тираж 100 экз. Заказ 315/656.

Отпечатано в типографии Издательского центра ЮУрГУ .454080, г. Челябинск, пр. им В.И. Ленина, 76.

ВВЕДЕНИЕ.

1. МАЛАЯ РАСПРЕДЕЛЁННАЯ ГЕНЕРАЦИЯ В СИСТЕМАХ

ЭЛЕКТРОСНАБЖЕНИЯ

1.1. Особенности источников малой распределённой генерации.

1.2. Сетевые районы с малой (распределённой) генерацией и их режимы.

1.3. Задачи, решаемые при разработке и эксплуатации сети с распределённой генерацией.

1.4. Обоснование метода оптимизации при решении задач размещения и эксплуатации малой распределённой генерации.

1.5. Выводы.

2. РАЗРАБОТКА ОПТИМИЗАЦИОННОЙ МАТЕМАТИЧЕСКОЙ МОДЕЛИ

СЕТИ С МАЛОЙ РАСПРЕДЕЛЁННОЙ ГЕНЕРАЦИЕЙ

2.1. Особенности работы генетического алгоритма в задачах оптимизации малой распределённой генерации.

2.2. Общий вид целевой функции.

2.3. Моделирование капитальных затрат на строительство станций распределённой генерации.

2.4. Моделирование затрат на эксплуатацию системы с распределённой генерацией.

2.5. Учёт ограничений в математической модели.

2.6. Выводы.

3. КОРРЕКТНОСТЬ РАБОТЫ КОМПЛЕКСНОЙ МАТЕМАТИЧЕСКОЙ

МОДЕЛИ ПРИ РЕШЕНИИ ЗАДАЧ РАЗВИТИЯ И ЭКСПЛУАТАЦИИ

СИСТЕМ С МАЛОЙ РАСПРЕДЕЛЁННОЙ ГЕНЕРАЦИЕЙ

3.1. Система энергоснабжения студгородка ЮУрГУ как объект исследования.

3.2. Анализ влияния тарифов на состав блоков.

3.3. Исследование влияния срока окупаемости на состав блоков распределённой генерации.

3.4. Исследование влияния тарифа на выдаваемую в сеть электроэнергию на состав блоков распределённой генерации.

3.5. Анализ влияния расходных характеристик блоков распределённой генерации на их загрузку.

3.6. Оптимизация развития второй очереди энергокомплекса ЮУрГУ.

3.7. Выводы.

4. РЕШЕНИЕ ЗАДАЧ РАЗМЕЩЕНИЯ И ЭКСПЛУАТАЦИИ МАЛЫХ

ЭНЕРГОУСТАНОВОК В СИСТЕМАХ С РАСПРЕДЕЛЁННОЙ ГЕНЕРАЦИЕЙ

4.1. Формирование алгоритмов локальных задач на базе комплексной модели.

4.2. Выбор числа, мощности и мест подключения генераторов.

4.3. Оптимизация режимов систем энергоснабжения с малой распределённой генерацией.

4.4. Определение минимального тарифа на продажу электрической энергии.

4.5. Выводы.

Актуальность темы. Энергосбережение в последние десятилетия является одной из важнейших мировых проблем, затрагивающих многие страны. Ограничения в наращивании генерирующих и передающих мощностей с использованием традиционных технологий сдерживают не только развитие промышленности, но и социальное развитие.

При увеличении генерирующих мощностей во многих развитых странах стремятся использовать распределённую генерацию (РГ) - малые источники, подключаемые к распределительной электрической сети [1-4]. Её распространение связано с растущим дефицитом и удорожанием топлива, наряду с технологическими потерями при традиционных способах развития энергетики с транспортом электроэнергии и тепла по сети.

Мировые тенденции развития электроснабжения не обходят и нашу страну. В России малая энергетика имеет существенный потенциал для роста [5]. Это объясняется совокупностью объективных факторов и особенностей текущего этапа развития экономики страны. Огромные размеры территории при низкой плотности населения приводят к недопустимым в современных условиях затратам на транспорт электроэнергии и тепла в централизованных системах. В то же время широкая доступность газа и дизельного топлива на большей части территории облегчает построение локальных генерирующих мощностей на базе дизельных, газопоршневых (ГПА) и газотурбинных (ГТУ) установок.

Сегодня основу малой энергетики России составляют более 50 тыс. различных электростанций, суммарной мощностью 17 ГВт [5, 6]. Широко распространяется РГ в крупных городах и населённых пунктах, а также в сельскохозяйственных районах. При этом обычно она создаётся потребителями (частными компаниями), и, при её подключении к распределительным сетям, согласуются с сетями только задачи технического присоединения. Между тем применение РГ приводит к снижению потерь в распределительных сетях и снижению затрат на их развитие [7], и поэтому она может быть выгодна не только потребителям, но и распределительным сетевым компаниям. Для того чтобы извлечь эту выгоду сети должны принимать активное участие при решении задач размещения и эксплуатации РГ.

При широком распространении РГ приходится решать задачи её размещения, с обоснованием мощности, возможных площадок, мест подключения, режимов работы в зависимости от существующих схем сети, мощности и характера потребления. Эти задачи лучше решать на начальной стадии развития распределённого электроснабжения отдельных районов, что позволит в дальнейшем обоснованно давать рекомендации по размещению и мощности источников малой генерации. Задачи эти носят оптимизационный характер и при этом должны решаться не только с позиций минимума затрат на ввод и эксплуатацию генерирующего комплекса малых источников, но и учитывать развитие распределительных сетей, к которым подключаются РГ, затраты на их эксплуатацию, в том числе связанные со снижением потерь.

Решение подобных задач оптимизации в большой энергетике производится известными методами непрерывного программирования. Такой подход требует принятия ряда упрощений при представлении математической модели и не позволяет учитывать всего комплекса факторов и ограничений, влияющих на выбор оборудования, что приводит к существенным, особенно для малой энергетики, погрешностям в поиске вероятно оптимальных решений. Поэтому в настоящее время начали применяться методы направленного перебора вариантов, позволяющие избежать целого ряда упрощений при построении математической модели [8-13]. В энергетике получают распространение методы, основанные на идее генетического алгоритма [13-18]. Ведутся работы в области оптимального размещения устройств компенсации реактивной мощности [19], выбора мест установки датчиков векторных измерений [20,21], а также малых (распределённых) генераторов [14] и другие. Работа в области построения и оптимизации электрических сетей, в том числе сетей с распределённой генерацией ведётся ведущими учёными Российской энергетики Н.И. Воропаем [22-26], П.И. Бартоломеем [27], A.B. Паз-дериным [28], A.M. Клер [23,29], Б.Г. Санеевым [25], Б.И. Макоклюевым [30], Н.В. Савиной [31-33], И.Н. Колосок [21,34,35], В.П. Обоскаловым [36], А.Г. Фишовым [37] и др. Ими разработаны принципы построения сетей с распределённой генерацией, обозначены основные проблемы функционирования таких систем. Установки малой генерации часто предназначаются для работы в условиях низкой плотности и высокой неравномерности суточных графиков нагрузки потребителей, что требует учёта этих особенностей, решающим образом влияющих на рентабельность малой генерации, особенно в условиях, когда выход на рынок не имеет законодательной базы. Ведутся работы по созданию математической модели источников распределённой генерации. Однако сегодня комплексного подхода к оптимизации размещения распределённых генераторов и учёта их режимов работы в этих условиях ещё не выработано. Поэтому актуальна разработка алгоритма, а затем и методик, позволяющих решать комплекс задач размещения и выбора числа и мощности распределённых генераторов с учётом режимов их работы, а также эксплуатационных задач систем с распределённой генерацией (пока не рассматривая возможности оперативной реконфигурации сети) с учётом максимального количества влияющих факторов.

В дальнейшем с применением реклоузеров полученные алгоритмы для оптимизации режимов работы малых генераторов при статической конфигурации сети возможно расширить, вводя дополнительную оптимизацию оперативной реконфигурации схемы распределительной сети. Это позволит перейти от простой оптимизации режима работы самих станций к созданию «умных сетей» с распределённой генерацией.

Объектом исследования являются распределительные сети с установками малой РГ. Конкретная реализация проведена на системе энергоснабжения студго-родка ЮУрГУ. Все исследования проводились на основе газопоршневых когене-раторов, однако предложенные алгоритмы применимы и для сетей с другими источниками распределённой генерации.

На основе данных о технико-экономических характеристиках оборудования, а также параметров сети, разрабатывается математическая модель выбора оптимальной структуры генерирующих установок и мест подключения их к распределительной сети с учётом прогнозируемых сезонных изменений нагрузок сети с РГ. В качестве критерия оптимизации в задачах выбора размещения распределённой генерации принимаются годовые приведённые затраты на установку и эксплуатацию оборудования, а также на развитие сети. Предложенная математическая модель может использоваться и для решения эксплуатационных задач выбора оптимального состава и загрузки оборудования по критерию минимума эксплуатационных затрат за расчётный промежуток времени. В рамках оптимизационной модели выбора числа и типа генераторов приближённо учитываются условия оптимального управления режимом распределённой генерации при сезонных и суточных изменениях нагрузки.

Цель работы заключается в создании оптимизационной модели и алгоритмов решения задач определения числа, типа и мест размещения установок РГ в распределительной сети и выбора состава работающего оборудования в различных эксплуатационных ситуациях.

Задачами исследования являются:

1) Анализ особенностей задач, решаемых при проектировании и эксплуатации сетей с распределённой генерацией, исследование особенностей алгоритмов оптимизации таких систем.

2) Адаптация генетического алгоритма к решению задачи выбора типа и размещения РГ.

3) Разработка комплексной математической модели, позволяющей решать локальные задачи при проектировании и эксплуатации сетей с РГ.

4) Проверка корректности работы полученной математической модели при решении типовых задач оптимизации числа, мощности, размещения и режимов работы РГ.

5) Разработка алгоритмов для реализации локальных задач оптимизации размещения РГ и её эксплуатации.

Методы исследований. Разработанные в диссертации научные положения основываются на системном подходе к развитию сложных электроэнергетических систем и управлению режимами их работы. При проведении исследований ис9 пользовались методы математического моделирования, положения теории исследования операций, генетические алгоритмы решения экстремальных задач.

Научная новизна в целом заключается в разработке комплексной математической модели системы с распределённой генерацией, реализуемой на базе ГА и приспособленной для решения комплекса оптимизационных задач проектирования и эксплуатации.

Показана эффективность применения генетического алгоритма (ГА) для решения задач оптимизации в системах с РГ.

2. Показано, что ГА применим для решения как задач проектирования, так и задач эксплуатации систем с РГ.

3. Разработана комплексная математическая оптимизационная модель выбора структуры системы с РГ, с детализацией целевой функции в зависимости от проектной или эксплуатационной направленности задачи.

4. Разработана технология адаптации программного обеспечения, реализующего ГА, для решения задач оптимизации систем с РГ.

5. Разработаны алгоритмы оптимального участия РГ на рынке электрической мощности.

6. Решена задача выбора состава генерирующего оборудования в распределительных сетях с РГ с учётом теплопотребления.

Предложенные алгоритмы формируют принципиально новый подход к планированию развития систем энергоснабжения с распределённой генерацией и управления режимами их работы. Этот подход позволяет повысить точность моделирования сети и учитывать весь необходимый комплекс значимых факторов и ограничений, а также даёт возможность в дальнейшем перейти к рассмотрению РГ как одного из элементов адаптивной распределительной сети с «умным» управлением.

Основные положения, выносимые на защиту:

1. Комплексная оптимизационная математическая модель системы с РГ, позволяющая решать проектные и эксплуатационные задачи оптимизации систем с РГ.

2. Технология адаптации программного обеспечения, реализующего ГА для решения задач оптимизации систем с РГ.

3. Алгоритмы оптимального участия РГ на рынке электрической мощности.

4. Решение задачи выбора состава генерирующего оборудования в распределительных сетях с РГ.

Практическая значимость. Результаты исследования могут найти применение при проектировании объектов РГ в сетях крупных предприятий, городов и их районов, а также в осуществлении управления режимами работы установок малой энергетики с целью наиболее эффективного их использования. В частности результаты работы использованы в инновационно-образовательной программе «Энерго- и ресурсосберегающие технологии» при реализации национального проекта «Образование» и в приоритетном направлении развития «Энергосбережение в социальной сфере» в рамках программы развития ФГБОУ ВПО ЮУрГУ (национального исследовательского университета).

Основное практическое значение работы заключается в применении эффективных алгоритмов управления развитием и эксплуатацией систем с распределённой генерацией, что приводит к улучшению технико-экономических показателей таких систем, снижению потерь электроэнергии, более эффективному использованию оборудования и топлива при планировании суточных графиков загрузки генераторов.

Полученные результаты в области математического моделирования и оптимизации режимов сетей с РГ при помощи ГА использованы при выборе площадок строительства двух малых теплоэлектростанций в сети ЮУрГУ, определении оптимальных режимов работы сети ЮУрГУ с РГ и технико-экономических параметров этой сети. А также в учебном процессе в курсе «Автоматизированные системы управления электростанций» и «Оптимизация в электроэнергетических системах».

Публикации. По теме диссертации опубликовано 11 печатных работ, в том числе 2 в изданиях, включенных в перечень ведущих рецензируемых научных журналов и изданий, рекомендованных ВАК РФ [38,39].

Основные положения диссертации и отдельные её части докладывались и обсуждались на I Международной научно-практической конференции «Ресурсосбе

11 режение и возобновляемые источники энергии», Улан-Удэ; 2008.; III Международной научно-технической конференции «Энергосистема: управление, конкуренция, образование», г.Екатеринбург; 2008.; международной конференции «Электроэнергетика и Автоматизация в металлургии и машиностроении», Магнитогорск; 2008.; XV международной научно-практической конференции студентов, аспирантов и молодых учёных «Современные техника и технологии», Томск; 2009.; Международной научно-технической конференции студентов, магистрантов и аспирантов «Энергоэффективность и энергобезопасность производственных процессов», Тольятти; 2009.; «Научной конференции аспирантов и докторантов ЮУрГУ», Челябинск, 2009 г. и 2010 г.; На Всероссийской молодёжной научно-технической конференции «Электроэнергетика глазами молодёжи», Екатеринбург, 2010 г.

Личный вклад: Создана математическая модель сети с РГ, приспособленная к решению локальных оптимизационных задач методом ГА. Найден эффективный метод решения оптимизационных задач для подобных сетей. Выработаны алгоритмы программной реализации решения различных оптимизационных задач: выбор числа, мощности и мест подключения генераторов; оптимизация режимов работы генераторов в системе энергоснабжения с РГ; определение минимального тарифа на продажу электрической энергии.

Обоснованность научных положений, рекомендаций и выводов. Представление параметров математической модели сети с РГ основано на исследовании характеристик оборудования ведущих отечественных и зарубежных производителей газопоршневых энергоустановок. Работоспособность ГА проверена на тестовой сети путём сопоставления результата с найденным по методу полного перебора. В диссертационной работе исследования проведены на реально действующей системе энергоснабжения ЮУрГУ с использованием достоверных данных по её характеристикам.

Структура и объём диссертации. Диссертация состоит из введения, 4 глав, заключения, списка литературы, включающего 139 наименований, и 11 приложений. Работа изложена на 154 страницах машинописного текста, который поясняется 40 рисунками и 18 таблицами.

4.5 Выводы

1. Представлена возможность применения комплексной модели решения локальных оптимизационных задач путём корректировки целевой функции и системы ограничений.

2. На базе комплексной математической модели сети с РГ сформированы алгоритмы её адаптации для решения некоторых локальных задач сетей с РГ:

- оптимизации числа, мощности и мест размещения РГ при проектировании

- оптимизации состава работающего оборудования в сети с РГ

- выбора начальной границы тарифа на продажу электрической энергии Корректность работы комплексной математической модели при реализации этих алгоритмов показала, что аналогично могут быть разработаны и алгоритмы для решения других локальных задач (например, алгоритм адаптивной реконфигурации сети в соответствии с изменениями режима).

3. Разработанные алгоритмы могут быть базой для создания методов решения задач размещения и эксплуатации РГ.

ЗАКЛЮЧЕНИЕ

В диссертационной работе получена математическая модель сети с РГ, которая позволяет производить оптимизацию выбора числа, мощности и точек подключения распределённых генераторов, а также решать ряд эксплуатационных задач. В качестве метода оптимизации применён направленный перебор на основе ГА.

1) В энергетике расширяется применение малой распределённой генерации, что требует решения ряда задач, в том числе и задач оптимального её размещения и эксплуатации. Учитывая особенности таких задач создана оптимизационная математическая модель сети с РГ, где в качестве метода оптимизации применен генетический алгоритм.

2) Проведённые исследования показали, что применение ГА для решения оптимизационных задач в сетях с РГ позволяет получить решение с требуемой точностью за меньшее, по сравнению с методом перебора, время. Для решаемых задач предложены оптимальные настройки и обоснован критерий останова.

3) Тестирование математической модели проведено при решении различных задач проектирования и эксплуатации сети электроснабжения студгородка ЮУрГУ - типичной сети с РГ. Полученные результаты показали корректную реакцию математической модели на задаваемые изменения влияющих факторов, что подтверждает целесообразность применения предложенной модели для решения проектных и эксплуатационных задач по выбору состава и режима работы оборудования сети с РГ.

4) В зависимости от целей решаемых задач при вводе малой генерации, в качестве целевой функции при оптимизации системы с РГ принимаются годовые приведённые затраты, эксплуатационные затраты за определённый период времени, срок окупаемости, тариф на продажу электроэнергии и др. При этом система с РГ описывается комплексной математической моделью и эта модель лишь адаптируется под решение разных задач. 5) На базе комплексной математической модели сети с РГ сформированы алгоритмы её адаптации для решения следующих локальных задач:

- оптимизации числа, мощности и мест размещения РГ;

- оптимизации режимов работы сети с РГ;

- выбора минимального тарифа на продажу электрической энергии. Аналогично могут быть разработаны и алгоритмы для решения других локальных задач. Например, для составления диспетчерского графика загрузки оборудования при изменяющихся тарифах на энергоресурсы, а также на выдаваемую в сеть электроэнергию. Локальные модели при решении этих задач формируются адаптацией комплексной модели путём введения или блокирования выполнения отдельных операций алгоритма.

Полученную математическую модель в комбинации с выбранным методом оптимизации можно рекомендовать для применения при разработке методик проектирования и эксплуатации систем с РГ, а также при создании программных средств решения проектных и эксплуатационных задач для оптимизации сетей с РГ.

1. Ackermann, Т. Distributed generation: a definition / Т. Ackermann, G. Andersson, L. Soder // Electric Power Systems Research. 2001. - № 57. - P. 195-204.

2. Alanne, K. Distributed energy generation and sustainable development / K. Alanne, A. Saari // Renewable and Sustainable Energy Reviews. 2006. - № 6. - P. 539-558.

3. Miskinis, V. Trends of distributed generation development in Lithuania / V. Miskinis, E. Norvaisa, A. Galinis, I. Konstantinaviciute // Energy Policy. 2011. -№ 8.-P. 4656-4663.

4. Моисеев, Л.Л. Распределённая генерация энергии фактор повышения энергетической безопасности региона / Л.Л. Моисеев, В.Н. Сливной // Ползуновский вестник. - 2004. - № 1. - С. 226-229.

5. Болтунов, О. Будущее начинается с малого / О. Болтунов // Эффективность и энергосбережение. -2011. № 7. - С. 50-53.

6. Леонтьев, Г. Малая энергетика в разных ракурсах / Г. Леонтьев // Мировая энергетика. 2009. - № 6. - С. 36 - 39.

7. Агроскин, В. Распределённая генерация, перспективы и проблемы / В. Агрос-кин // ЭСКО. 2003. - № 7. - http://esco-ecosys.narod.ru/iournal/iournall9.htm.

8. Tzong, С. Distribution network reconfiguration for loss reduction by ant colony search algorithm / Ching-Tzong, Chung-Fu Chang, Ji-Pyng Chiou // Electric Power Research. 2005. - № 75. - P. 790-199.

9. Арис, P. Дискретное динамическое программирование: Введение в оптимизацию многошаговых процессов / Пер. Ю.П.Плотникова, под ред. Б.Т. Поляка. -М.: Мир, 1969.- 172 с.

10. Liang, R.H. Main transformer ULTC and capacitors scheduling by simulated annealing approach / R.H. Liang, Y.S. Wang // International Journal of Electrical Power & Energy Systems. 2001. - V. 23, № 7. - P. 531-538.

11. Ахмедова, С.Т. Оперативная оптимизация режима энергосистемы с использованием комбинированной модели нейронной сети и генетического алгоритма / С.Т. Ахмедова, Н.Р. Рахманов // Электро. 2009. - № 1. - С. 7-12.

12. Abou Е1-Е1а, A.A Maximal optimal benefits of distributed generation using genetic algorithms / A.A. Abou El-Ela, S.M. Allam, M.M. Shatla // Electric Power Systems Research. -2010. V. 80, № 7. - P. 869-877.

13. Павлюченко, Д.А. Разработка и исследование генетических алгоритмов для анализа и оптимизации режимов электроэнергетических систем: дис. . канд. тех. наук / Д.А. Павлюченко. Новосибирск, 2003. - 176 с.

14. Christofber Asir Rajan, С. An evolutionary programming based simulated annealing method for solving the unit commitment problem / C. Christofber Asir Rajan, M.R. Mohan // Electrical Power and Energy Systems. 2007. - № 29. - C. 540-550.

15. Chung, T.S. Optimal generation expansion planning via improved genetic algorithm approach / T. S. Chung, Y. Z. Li, Z. Y. Wang // International Journal of Electrical Power & Energy Systems. V. 26, № 8. - P. 655-659.

16. Adel, A. Abou EL Ela. Optimal corrective actions for power systems using multi-objective genetic algorithms / A. Abou EL Ela. Adel, R. Spea. Shaimaa // Electric Power Systems Research. 2009. - V. 79, № 5. - P. 722-733.

17. Рахманов, Н.Р. Оптимизация размещения установок распределённой генерации в энергосистеме / Н.Р. Рахманов, О.З. Керимов, А.Д. Зейналов, С.Т. Ахмедова //Электро.-2010.-№ З.-С. 27-30.

18. Чукреев, Ю.Я. Использование метода генетического алгоритма для нахождения оптимального расположения регистраторов PMU / Ю.Я. Чукреев, Д.В. По-луботко // Электро. 2009. - № 2. - С. 19-22.

19. Глазунова, A.M. Критерии и методы расстановки PMU при оценивании состояния электроэнергетической системы и расчёте установившегося режима / A.M. Глазунова, И.Н. Колосок, Е.С. Коркина // Электричество. 2010. - № 9. - С. 16 - 24.

20. Воропай, Н.И. Распределенная генерация в электроэнергетических системах / Н.И. Воропай // Международная научно-практическая конференция « Малая энергетика-2005»: сб. докладов. 2005. - С. 30- 42.

21. Воропай, Н.И. Технико-экономические проблемы использования нетрадиционной энергетики / Н.И. Воропай, A.B. Кейко, A.M. Клер, В.А. Стенников // Наука в Сибири. 2006. - 13 января.

22. Бат-Ундрал, Б. Методы комплексного исследования нормальных и после-аварйных режимов систем электроснабжения с распределённой генерацией: дис. . канд. тех. Наук / Б. Бат-Ундрал. Иркутск, 2009. - 118 с.

23. Воропай, Н.И. Тенденции развития централизованной и распределённой энергетики / Н.И. Воропай, A.B. Кейко, Б.Г. Санеев, С.М. Сендеров, В.А. Стенников // Энергия: экономика, техника, экология. 2005. - № 7. - С. 2.

24. Воропай, Н.И. Инновационные направления развития электроэнергетики России / Н.И. Воропай, C.B. Подковальников, В.А. Стенников, В.В. Труфанов // Электро. Электротехника, электроэнергетика, электротехническая промышленность. 2011. -№ 4. - С. 13-18.

25. Макоклюев, Б.И. Методы и средства анализа и планирования электропотребления энергообъединений и энергосистем: дис. . доктора, тех. наук / Б.И. Ма-коклюев. Москва, 2005. - 195 с.

26. Савина, Н.В. Снижение эксплуатационных издержек в распределительных сетевых компаниях путем КРМ / Н.В. Савина, Г.В. Погребец // Вестник Амурского государственного университета. Серия «Естественные и экономические науки». 2008. - № 43. - С. 46 - 50.

27. Савина, Н.В. Системный анализ потерь электроэнергии в распределительных электрических сетях в условиях неопределённости: дис. . доктора, тех. наук / Н.В. Савина. Благовещенск, 2010. - 564 с.

28. Гамм, А.З. Робастные методы оценивания состояния электроэнергетических систем и их реализация с помощью генетических алгоритмов / А.З. Гамм, H.H. Колосок, P.A. Заика // Электричество. 2005. - № 10. - С. 2 - 8.

29. Гамм, А.З. Развитие алгоритмов оценивания состояния электроэнергетической системы / А.З. Гамм, A.M. Глазунова, Ю.А. Гришин, И.Н. Колосок, Е.С. Кор-кина // Электричество. 2009. - № 6. - С. 2 - 9.

30. Тарасенко, В.В. Генетический алгоритм выбора распределённой генерации / В.В. Тарасенко // Вестник Южно-Уральского Государственного Университета. Серия «Энергетика».-2010.-Вып. 13. -№14(190). С. 15-19.

31. Домников, А.Ю. Экономические и технологические приоритеты конкурентного развития систем когенерации энергии / А.Ю. Домников // Вестник УГТУ-УПИ. Серия «экономика и управление». 2008. - № 1. - С. 58-68.

32. Аптекарь, Д.И. Комбинированные источники электроэнергии и тепла. Энергосберегающие технологии для городского хозяйства / Д.И. Аптекарь, Г.М. Ру-башев // ЭСКО. 2003. - № 4. - http://esco-ecosys.narod.m/ioumal/iournal 16.htm.

33. Михайлов, А.К. Концепция использования малой энергетики в обеспечении энергетической безопасности страны и мероприятия по её реализации / А.К. Михайлов, А.Н. Агафонов // Электро. 2004. - № 4. - С. 4-11.

34. Final Publishable Report // The European Cogeneration Study. EU-Project "Future COGEN". Brussels, 2001. - № 4. - P. 99-169.

35. Агеев, С. Конкурент Голиафа / С. Агеев // Эксперт Северо-Запад. 2004. - № 41(198). - С. 18-21.

36. Поляков, В. Собственная электростанция миф или реальность? / В. Поляков // Энергетика и Промышленность России. - 2007. - № 3 (79).

37. Гайворонский, А.И. Использование природного газа и других альтернативных топлив в дизельных двигателях / А.И. Гайворонский, В.А. Марков, Ю.В. Ила-товский. М.: ООО «ИРЦ Газпром», 2007. - 480 с.

38. Волков Э.П Новые технологии в электроэнергетике России / Э.П. Волков, В. В. Костюк // Вестник Российской академии наук. 2009. - Т. 79, № 8. - С. 675-686.

39. Крюков, A.B. Применение технологий распределённой генерации для электроснабжения нетяговых потребителей железных дорог / A.B. Крюков // Вестник Иркутского государственного технического университета. 2009. - № 1(37). - С. 190-195.

40. Каргиев, М.В. Распределённая генерация энергии с использованием возобновляемых источников энергии / М.В. Каргиев // Energy fresh. 2010. - № 1. -www.energy-fresh.ru. - С. 44-47.

41. Рубашев, Г.М. Когенерация технология энергосбережения / Г.М. Рубашев, Д.И. Аптекарь // ЭСКО. - 2004. - №7. - http://esco-ecosys.narod.ru/journal/iournal31 .htm.

42. Каталог оборудования газотурбинных электростанций основных производителей на портале «Тригенерация». -http://www.combienergy.ru/katalog.php?id=l&p=0.

43. Сравнение газопоршневой ТЭЦ с газотурбинной и дизельгенераторной // ЭСКО. 2003. - №4. - http://www.esco-ecosys.ru/20034/.

44. Basrawi, F. Effect of ambient temperature on the performance of micro gasturbine with cogeneration system in cold region / F. Basrawi, T. Yamada, K. Nakanishi, S. Naing // Applied Thermal Engineering. 2011. - V. 31, № 6-7. - P. 1058-1067.

45. Автономное энергоснабжение на примере газопоршневых мини-ТЭЦ // ЭСКО. 2006. - №7. - http://esco-ecosys.narod.ru/20067.

46. Барков, В.М. Когенераторные технологии: возможности и перспективы / В.М. Барков // ЭСКО. 2007. - №2. - http://esco-ecosvs.narod.ru/2007 2.

47. Таймаров, М.А. Анализ технико-экономических показателей ГПД и ГТД для технического переоснащения ТЭС / М.А. Таймаров, Е.Г. Максимов // Известия высших учебных заведений. Проблемы энергетики. 2005. - №. 3-4. С. 96-100.

48. Никитин, О. Модульные ГТУ: двигаться дальше / О. Никитин // ЭСКО. 2009. -№11.- http://esco-ecosys.narod.ru/2009 11.

49. Максимук, Е.П. О развитии когенерации в республике Молдова / Е.П. Макси-мук // Проблемы региональной энергетики. 2009. - №2(10). - С. 71-82.

50. Безруких, П.П. Возобновляемая энергетика как стимул развития электротехнической промышленности / П.П. Безруких // Электро. 2010. - №1. - С. 9-14.

51. Киселёва, Г. Энергетика будущего / Г. Киселёва // Восточно-Сибирская правда. -2005.-5 мая.

52. Чирихин, С.Н. Антикризисные рецепты в электроэнергетике / С.Н. Чирихин // Регион: экономика и социология. -2010. -№ 2. С. 305-319.

53. Чирихин, С.Н. Малая энергетика в Сибири / С.Н. Чирихин // ЭКО. 2008. - № 1.-С. 20-35.

54. Грицына, В.П. Развитие малой энергетики естественный путь выхода из наступившего кризиса энергетики / В.П. Грицына // Промышленная энергетика.-2001.-№ 8. С. 13-15.

55. Pepermans, G Distributed generation: definition, benefits and issues / G. Pepermans, J. Driesen, D. Haeseldonckx, R. Belmans, W.D'haeseleer // Energy Policy. 2005. -№33.-P. 787-798.

56. Stavros, A. A technical evaluation framework for the connection of DG to the distribution network / A. Stavros // Electric Power Systems Research. 2007. - № 1. - P. 24—34.

57. Degeroote, L. Fast harmonic simulation method for the analysis of network losses with converter-connected distributed generation / L. Degeroote, L. Vandevelde, B. Renders / Electric Power Systems Research. -2010. №80. - P. 1332-1340.

58. Thekla, N. Papathanassiou Short-circuit calculations in networks with distributed generation / N. Thekla, N. Boutsika, A. Stavros // Electric Power Systems Research. 2008. -№ 78. - P. 1181-1191.

59. Collinson, A. Solutions for the connection and operation of distributed generation / A. Collinson, F. Fangtao, A. Beddoes, J. Crabtree. Department of Trade and Industry. - 2003. - 71 p.

60. Wille-Haussmann, B. Decentralised optimization of cogeneration in virtual power plants / B. Wille-Haussmann, T. Erge, C. Wittwer // Solar Energy. 2010. - № 84. -P. 604-611.

61. Asmus, P. Microgrids, Virtual Power Plants and Our Distributed Energy Future / P. Asmus // The Electricity Journal. -2010. V. 23, № 10. - P. 72-82.

62. Angel, A. Future development of the electricity systems with distributed generation / A. Angel, Bayod-Rujula // Energy. 2009. - № 34. - P. 377-383.

63. Lee, T.E. Distribution system reconfiguration to reduce resistive losses / T. E. Lee, M. Y. Cho, C. S. Chen // Electric Power Systems Research. 1994. - V. 30, № 1. -P. 25-33.

64. Gohokar, V.N. Formulation of distribution reconfiguration problem using network topology: a generalized approach / V.N. Gohokar, M.K. Khedkar, G.M. Dhole // Electric Power Systems Research. 2004. - V. 69, № 2-3. - P. 304-310.

65. Chicco, G. Distributed multi-generation: A comprehensive view / G. Chicco, P. Mancarella // Renewable and Sustainable Energy Reviews. 2009. - V. 13, № 3. -P. 535-551.

66. Niknam, T. A new fuzzy adaptive particle swarm optimization for daily Volt/Var control in distribution networks considering distributed generators / T. Niknam, B. Bah-mani Firouzi, A. Ostadi // Applied Energy. 2010. - V. 87, № 6. - P. 1919-1928.

67. Hongwei, L. Thermal-economic optimization of a distributed multi-generation energy system—A case study of Beijing / L. Hongwei, R. Nalim, P.A. Haldi // Applied Thermal Engineering. 2006. - V. 26, № 7. - P. 709-719.

68. Acharya, N. An analytical approach for DG allocation in primary distribution network / N. Acharya, P. Mahat, N. Mithulananthan // International Journal of Electrical Power & Energy Systems. 2006. - V. 28, № 10. - P. 669-678.

69. Ghosh, S. Optimal sizing and placement of distributed generation in a network system / S. Ghosh, S.P. Ghoshal, Saradindu Ghosh // International Journal of Electrical Power & Energy Systems. 2010. - V. 32, № 8. - P. 849-856.

70. Alarcon-Rodriguez, A. Multi-objective planning of distributed energy resources: A review of the state-of-the-art / A. Alarcon-Rodriguez, G. Ault, S. Galloway // Renewable and Sustainable Energy Reviews. 2010. - № 5. - P. 1353-1366.

71. Dimopoulos, G.G. Optimization of energy systems based on Evolutionary and Social metaphors / G.G. Dimopoulos, C.A. Frangopoulos // Energy. 2008. - № 2. - P. 171-179.

72. Акулич, И.Л. Математическое программирование в примерах и задачах / И.Л. Акулич. М.: Высшая школа, 1986. - 319 с.90.0хорзин, В.А. Оптимизация экономических систем: учебное пособие / В.А. Охорзин. М.: Финансы и статистика, 2005. - 143 с.

73. Корбут, А.А. Дискретное программирование / А.А. Корбут, Ю.Ю. Финкелып-тейн. М.: Наука, 1969. - 368 с.

74. Очков, В.Ф. Mathcad 12 для студентов и инженеров / В.Ф. Очков. СПб.: Издательство БХВ, 2005. - 464 с.

75. Dudek, G. Adaptive simulated annealing schedule to the unit commitment problem / G. Dudek // Electric Power Systems Research. V. 80, № 4. - P. 465-472.

76. Гладков, Л.А. Генетические алгоритмы / Jl.A. Гладков, B.B. Курейчик, В.М. Курейчик. М.: Физматлит, 2006. - 320 с.

77. Ворожейкин, А.Ю. Вероятностный генетический алгоритм для задач многокритериальной оптимизации / А.Ю. Ворожейкин, Е.С. Семенкин // Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. 2007. - № 3. - С. 41-45.

78. Кантор, И. Пример ГА: Решение диофантова уравнения / И. Кантор // Алгоритмы и методы. http://algolist.manual.ru/ai/ga/dioph.php.101. http://np-soft.ru/main/index.htm.

79. Технологии CUDA. http://www.nvidia.ru/obiect/cuda home newru.html.

80. Методические рекомендации по оценке эффективности инвестиционных проектов / под ред. В.В. Косова, В.Н.Лившица, А.Г.Шахназарова. М.: Экономика, 2000.-421 с.

81. Zhu, Y. Optimal distribution power flow for systems with distributed energy resources / Y. Zhu, K. Tomsovic // International Journal of Electrical Power & Energy Systems. 2007. - V. 29, № 3. - P. 260-267.

82. Mohanty, A. Optimal location and sizing of distributed generation in a power distribution system / A. Mohanty, P.K. Modi // Distributed Generation and Alternative Energy Journal. 2010. - V. 25, № 4, P. 20-39.

83. Тарасенко, В.В. К формированию целевой функции для модели выбора распределённой генерации / В.В. Тарасенко // Наука ЮУрГУ: LXI Научная конференция студентов, аспирантов и преподавателей ЮУрГУ: сб. науч. тр. Челябинск: Изд-во ЮУрГУ, 2009. - С. 239-241.

84. Веников, В.А. Электрические системы. Электрические сети: учебник для электроэнергетических спец. Вузов / В.А. Веников. М.: Высшая школа, 1998. - С. 511.

85. Ерошенко С.А. Многокритериальная оценка влияния распределённой генерации на электрическую сеть / С.А. Ерошенко, A.A. Карпенко, С.Е. Кокин,

86. А.В. Паздерин // Всероссийская научно-техническая конференция «Электроэнергетика глазами молодёжи»: сб. науч. докладов. Самара: Изд-во СамГТУ, 2011.-Т. 1.-С. 187- 192.

87. Zangeneh, A. A fuzzy environmental-technical-economic model for distributed generation planning / A. Zangeneh, S. Jadid, A. Rahimi-Kian // Energy. 2011. - V. 36, № 5 , P. 3437-3445.

88. Junjie, M. Size and location of Distribution system based on immune algorithm / M. Junjie, W. Yulong, L. Yang // Systems Engineering Procedia. 2012. - V. 4, P. 124-132.

89. Aman, M.M. Optimal placement and sizing of DG based on a new power stability index and line losses / M.M. Aman, G.B. Jasmon, H. Mokhlis, A.H.A. Bakar // International Journal of Electrical Power and Energy Systems. 2012. - V. 43, № 1, P. 1296-1304.

90. Зоркальцев, В.И. Метод наименьших квадратов: геометрические свойства, альтернативные подходы, приложения / В.И. Зоркальцев. Новосибирск: ВО «Наука». Сиб.изд.фирма, 1995. - 220 с.120. http://www.dtk-m.ru/

91. Кириллов, A.B. Справочник базовых цен на проектные работы для строительства. Объекты энергетики / A.B. Кириллов . М.: ОАО РАО «ЕЭС России», 2003.-240 с.

92. ТЕРм 2001-08. Электротехнические установки. Территориальные единичные расценки на монтаж оборудования для определения стоимости строительства в Белгородской области. Белгород: Администрация Белгородской области, 2001.-206 с.

93. Тарасенко, В.В. Задача выбора состава работающего оборудования в сетях с распределённой генерацией /В.В. Тарасенко // II научная конференции аспирантов и докторантов ЮУрГУ: сб. докладов. Челябинск: Изд-во ЮУрГУ, 2010.-С. 194-197.

94. Идельчик, В.И. Электрические системы и сети: учебник для вузов / В.И. Идельчик. М.: Энергоатомиздат, 1989. - 592 с.

95. Ющенко, E.JI. Адресное программирование / E.JI. Ющенко. Киев: Техническая литература, 1963. - 288 с.

96. Щербина, Ю.В. Программирование расчётов электрических сетей на ЦВМ методом второго адресного отображения /Ю.В. Щербина // Энергетика и электротехническая промышленность. 1964. - № 4, - С. 7-9.

97. Пешехонов, Н.И. Проектирование газоснабжения: Примеры расчёта / Н.И. Пешехонов. Киев: Буд1вельник, 1970. - 146 с.

98. Николаев, A.A. Проектирование тепловых сетей: Справочник проектировщика / A.A. Николаев. М.: «Стройиздат», 1965. - 359 с.

99. Неклепаев Б.Н. Электрическая часть электростанций и подстанций: Справочные материалы для курсового и дипломного проектирования / Б.Н.Неклепаев, И.П.Крючков. 4-е изд., перераб. и доп. - М.: Энергоатомиз-дат, 1989-608 с.

100. Идельчик В.И. Расчёты установившихся режимов электрических систем / под ред. В.А. Веникова. М.: Энергия, 1977. - 192 с.

101. Веников В.А. Электрические системы. Электрические сети: учебник для электроэнерг. спец. вузов / В.А. Веников, A.A. Глазунов, J1.A. Жуков и др. 2-е изд., перераб. и доп. - М.: Высшая школа, 1998. - 511 с.

102. Буслова Н.В. Электрические системы и сети / Н.В. Буслова, В.Н. Вино-славский, Г.И. Денисенко, B.C. Перхач. Киев: Вища школа, 1986. - 584 с.

103. Герасимов В.Г. Электротехнический справочник: в 4 т. Т. 2. «Электротехнические изделия и устройства» / под ред. В.Г. Герасимова. 8-е изд., испр. идоп. М.: МЭИ, 2001.-518 с.

104. Герасимов В.Г. Электротехнический справочник: в 4 т. Т. 4. «Использование электрической энергии» / под ред. В.Г. Герасимова. 8-е изд., испр. и доп. - М.: МЭИ, 2002.-696 с.

105. Орлов И.Н. Электротехнический справочник: в 3 т. Т. 3. Кн. 1. «Производство и распределение электрической энергии» / под ред. И.Н. Орлова 7-е изд., испр. и доп. - М.: Энергоатомиздат, 1988. - 880 с.

106. Сибикин Ю.Д. Электроснабжение промышленных и гражданских зданий: учебник для студ. сред. проф. Образования / Ю.Д. Сибикин. М.: Академия, 2006.-368 с.

107. Ершевич В.В. Справочник по проектированию электроэнергетических систем / В.В. Ершевич, А.Н. Зейлигер, Г.А. Илларионов и др., под ред. С.С. Роко-тяна, И.М. Шапиро. изд 3-е перер. и доп. - М.: Энергоатомиздат, 1985. - 352 с.