TEHNIČNA IN EKONOMSKA OPTIMIZACIJA NALOŽB V ENERGETIKI Z BAYESOVO STATISTIKO IN EVOLUCIJSKIMI ALGORITMILorencin, Ivan (Avtor) Pantoš, Miloš (Mentor) Dolinar, Gregor (Komentor) odločanje o naložbahobnovljivi viri električne energijevečkriterijska kombinatorična optimizacija ob negotovostiBayesovo sklepanjepredhodna potencirana porazdelitevMann-Whitneyev U-testkopulaDo leta 2035 se pričakuje, da bo potrebno v Evropi zgraditi več kot 700 GW proizvodnih zmogljivosti električne energije, predvsem zaradi upokojitev obstoječih elektrarn, široke uporabe obnovljivih virov in izgradnje dodatnih zmogljivosti na fosilna goriva za zagotavljanje zanesljivosti obratovanja elektroenergetskega sistema. Tudi drugod po svetu bodo proizvodne zmogljivosti zgrajene med leti 1960 in 1970, v obdobju visoke rasti porabe električne energije nadomeščene z novimi zmogljivostmi, kar vodi v več kot 5000 GW naložb do leta 2035, od česar je več kot polovica elektrarn na obnovljive vire (veter, sonce, voda, biomasa). Ker poraba električne energije stalno narašča, čeprav v zadnjih desetletjih bolj počasi, ni skoraj nobene negotovosti o nujnosti izgradnje novih zmogljivosti. Ena največjih negotovosti na tem področju je, ali bodo politični ukrepi pripeljali do stanja, ko bo večina novih proizvodnih zmogljivosti subvencionirana oz. na kakšen drug način regulirana (predvsem proizvodnja iz obnovljivih virov). Poleg tega so najbolj pogosti obnovljivi viri, kot sta veter in sonce, zelo nestalni in zato potrebujemo klasične elektrarne, ki zagotavljajo zanesljivost sistema. Na splošno je negotovost glede potrebe po novih konvencionalnih virih energije precej nizka in očitno bodo to večinoma termoelektrarne, saj je hidropotencial že v veliki meri izkoriščen. Kljub temu obstaja precejšnja negotovost o tem, katere elektrarne bodo stroškovno najbolj učinkovite v obravnavanem obdobju. To je deloma posledica negotovosti cen primarnih energentov. Predvsem z višanjem cen plina od konca dvajsetega stoletja je postalo precej vprašljivo ali so elektrarne na zemeljski plin ustrezne. Elektrarne na premog, lignit in uran so naslednje možnosti. Toda pri izbiranju elektrarn za izgradnjo moramo upoštevati številne negotovosti. Na optimalni izbor elektrarn vplivajo politične, tehnične, ekonomske, socialne, okoljske in druge negotovosti, kot so npr. spremembe okoljske zakonodaje, odločitve o zapiranju jedrskih elektrarn, prihodnja rast porabe električne energije, razvoj tehnologije, cene emisijskih kuponov. Ob teh negotovostih so potrebne nove metode za oceno upravičenosti izgradnje različnih vrst elektrarn. Preprosta ekstrapolacija sedanjih vzorcev porabe, cen in drugih spremenljivk v prihodnosti se zdi problematična, ker sedanje stanje zaradi znatnih presežnih zmogljivosti v Evropi lahko komaj odraža morebitno pomanjkanje proizvodnih zmogljivosti ob zaprtju starejših elektrarn. Zato je potrebno prihodnje stanje EES (poraba, cene, rezervne zmogljivosti itn.) obravnavati hkrati z naložbami in upokojitvami obstoječih elektrarn. Posebne pozornosti morajo biti deležna podjetja za proizvodnjo električne energije, ker poleg tega, da so izpostavljena številnim negotovostim, ki jih prinaša prost trg z električno energijo, so naložbe v objekte za proizvodnjo električne energije zelo specifične. Zato smo v nalogi predstavili optimalno načrtovanje razvoja proizvodnih virov električne energije ob negotovosti proizvodnje električne energije iz sončnih elektrarn in porabe ter negotovost razpoložljivosti generatorjev. Cilj je načrtovati optimalno izgradnjo klasičnih elektrarn ob minimalnih stroških in predvideni proizvodnji električne energije iz sončnih elektrarn. Zasnovali smo večkriterijski stohastični model, ki sloni na večkriterijskih evolucijskih algoritmih. Na prvi stopnji algoritem opredeli naložbeno odločitev izgradnje novih ali upokojitev obstoječih elektrarn. Na drugi stopnji simuliramo slučajne spremenljivke proizvodnje sončnih elektrarn ter bremena. Na osnovi tega določimo urejeni diagram preostalega bremena ter optimiramo vrstni red obratovanja na prvi stopnji izbranih elektrarn. Na drugi stopnji večkrat simuliramo breme in proizvodnjo iz sončnih elektrarn. Za vsako simulacijo izračunamo stroške naložb, obratovanja in vzdrževanja. Za ocenjevanje parametrov gostote verjetnosti letne nerazpoložljivosti električnih generatorjev smo predlagali uporabo Bayesove predhodne potencirane porazdelitve. Model vključuje podatke letne nerazpoložljivosti podobne proizvodne enote v statistično analizo letne nerazpoložljivosti analizirane proizvodne enote. Ta model omogoča izboljšanje natančnosti ocene parametrov porazdelitve letne nerazpoložljivosti. Prednost predlaganega pristopa je vključitev variabilnosti letne nerazpoložljivosti v dolgoročno načrtovanje elektroenergetskega sistema in premagovanje omejitev klasičnih statističnih metod v primeru omejenih količin podatkov, s čimer se pogosto srečujemo pri analizah zanesljivosti EES. Metoda je preizkušena tako s simulacijo kot tudi z empirično raziskavo. S simulacijsko študijo smo preučili empirično uspešnost metode potencirane predhodne porazdelitve za funkcijo eksponentne gostote verjetnosti. Empirična raziskava je izvedena na dveh termogeneratorjih. Obe študiji zagotavljata močno motivacijo za uporabo potencirane predhodne porazdelitve kot informativne predhodne porazdelitve v Bayesovem sklepanju v analizi zanesljivost proizvodnih enot. V drugem delu naloge smo razvili stohastičen model urejenega diagrama preostale porabe za elektroenergetske sisteme z visokim deležem obnovljivih virov energije, s poudarkom na sončnih elektrarnah. Model učinkovito vključuje dolgoročno korelacijo med urno obremenitvijo sistema in proizvodnjo sončnih elektrarn z normalizacijo urnih časovnih vrst, funkcijo empiričnih kopul in funkcijo empiričnih porazdelitev mejnih gostot porazdelitev verjetnosti. Model omogoča oceno medsebojnega vpliva naložb v obnovljive vire in klasične elektrarne. Za oceno mejnih porazdelitev verjetnosti za obe slučajni spremenljivki, obremenitev sistema in proizvodnje sončnih elektrarn na uro, smo uporabili metodo empiričnih kopul, ki je primerna za multimodalne funkcije verjetnosti. Na koncu smo zgoraj opisana modela združili z večkriterijskimi evolucijskimi algoritmi in razvili kombinatorični optimizacijski model ob negotovosti, ki sloni na neparametričnem Mann-Whitneyevem U-testu. Cilj optimizacije razvoja proizvodnih zmogljivosti je poiskati optimalen načrt razvoja proizvodnih zmogljivosti za obdobje načrtovanja glede na kriterija minimalnih celotnih stroškov ter minimalne vrednosti nedobavljene energije. Za vsako različico razvojnega načrta izračunamo vrednosti kriterijev za vsako simulacijo urejenega diagrama preostale porabe. Za izbiro boljših rešitev glede na dana kriterija ob negotovosti, lahko s pomočjo opredeljenega modela primerjamo celotna vzorca kriterijev.20192019-10-08 09:43:55Doktorsko delo/naloga111677sl