Ordem de mérito - Merit order

A ordem de mérito é uma forma de classificar as fontes de energia disponíveis, especialmente a geração elétrica, com base na ordem crescente de preço (que pode refletir a ordem de seus custos marginais de produção de curto prazo ) e às vezes poluição, juntamente com a quantidade de energia que irá ser gerado. Em uma gestão centralizada, a classificação é feita de forma que aquelas com os menores custos marginais sejam as primeiras a serem colocadas online para atender a demanda, e as plantas com os maiores custos marginais sejam as últimas a serem colocadas online. O despacho da geração dessa forma, conhecido como “despacho econômico”, minimiza o custo de produção de eletricidade. Às vezes, unidades geradoras devem ser iniciadas fora da ordem de mérito, devido ao congestionamento da transmissão, confiabilidade do sistema ou outros motivos.

No despacho ambiental, considerações adicionais relativas à redução da poluição complicam ainda mais o problema do despacho de energia. As restrições básicas do problema de despacho econômico permanecem em vigor, mas o modelo é otimizado para minimizar a emissão de poluentes, além de minimizar os custos de combustível e perda total de energia.

Gráfico do portal de dados SMARD mostrando a geração de eletricidade na Alemanha em meados de dezembro de 2017. A ordenação das 'camadas' é baseada no mérito.

O efeito da energia renovável na ordem de mérito

A alta demanda por eletricidade durante o pico de demanda empurra para cima o preço de licitação da eletricidade, e o mix de fornecimento de energia de base, muitas vezes relativamente barato, é complementado por ' usinas de pico ', que cobram um prêmio por sua eletricidade.

Aumentar a oferta de energia renovável tende a diminuir o preço médio por unidade de eletricidade porque a energia eólica e a solar têm custos marginais muito baixos: não precisam pagar pelo combustível e os únicos contribuintes para seu custo marginal são as operações e a manutenção. Com o custo geralmente reduzido pela receita da tarifa feed-in, sua eletricidade é, portanto, menos cara no mercado à vista do que a do carvão ou do gás natural, e as empresas de transmissão compram deles primeiro. A eletricidade solar e eólica, portanto, reduz substancialmente a quantidade de eletricidade de pico de alto preço que as empresas de transmissão precisam comprar, reduzindo o custo geral. Um estudo do Fraunhofer Institute ISI descobriu que este "efeito de ordem de mérito" permitiu que a energia solar reduzisse o preço da eletricidade na bolsa de energia alemã em 10% em média, e em até 40% no início da tarde. Em 2007; à medida que mais eletricidade solar é alimentada na rede, os preços de pico podem cair ainda mais. Em 2006, o "efeito de ordem de mérito" significou que a economia nos custos de eletricidade para os consumidores alemães mais do que compensou os pagamentos de apoio pagos para geração de eletricidade renovável.

Um estudo de 2013 estima o efeito de ordem de mérito da geração de eletricidade eólica e fotovoltaica na Alemanha entre os anos de 2008 e 2012. Para cada GWh adicional de energias renováveis alimentadas na rede, o preço da eletricidade no mercado do dia seguinte é reduzido em 0,11– 0,13 ¢ / kWh. O efeito de ordem de mérito total do vento e da energia fotovoltaica varia de 0,5 ¢ / kWh em 2010 a mais de 1,1 ¢ / kWh em 2012.

O custo marginal zero da energia eólica e solar não se traduz, no entanto, em custo marginal zero da eletricidade de pico em um sistema competitivo de mercado de eletricidade, já que o fornecimento eólico e solar sozinho muitas vezes não pode ser despachado para atender à demanda de pico sem baterias . O objetivo da ordem de mérito era permitir que a eletricidade de menor custo líquido fosse despachada primeiro, minimizando assim os custos gerais do sistema elétrico para os consumidores. A energia eólica e solar intermitentes às vezes são capazes de fornecer essa função econômica. Se a oferta eólica (ou solar) de pico e a demanda de pico coincidem em tempo e quantidade, a redução de preço é maior. Por outro lado, a energia solar tende a ser mais abundante ao meio-dia, enquanto o pico da demanda ocorre no final da tarde em climas quentes, levando à chamada curva do pato .

Um estudo de 2008 do Fraunhofer Institute ISI em Karlsruhe , Alemanha, descobriu que a energia eólica economiza para os consumidores alemães 5 bilhões de euros por ano. Estima-se que os preços baixados nos países europeus com elevada geração eólica entre 3 e 23 € / MWh. Por outro lado, as energias renováveis na Alemanha aumentaram o preço da eletricidade, os consumidores de lá agora pagam 52,8 € / MWh a mais apenas pela energia renovável (ver Lei Alemã de Fontes de Energia Renovável ), o preço médio da eletricidade na Alemanha aumentou agora para 26 ¢ / kWh. Os custos crescentes da rede elétrica para nova transmissão, comercialização e armazenamento no mercado associados à energia eólica e solar não estão incluídos no custo marginal das fontes de energia, em vez disso, os custos da rede são combinados com os custos da fonte no consumidor final.

Despacho econômico

O despacho econômico é a determinação de curto prazo da produção ótima de uma série de instalações de geração de eletricidade , para atender à carga do sistema, ao menor custo possível, sujeito a restrições de transmissão e operacionais. O Problema de Despacho Econômico é resolvido por software de computador especializado que deve satisfazer as restrições operacionais e de sistema dos recursos disponíveis e capacidades de transmissão correspondentes. No US Energy Policy Act de 2005 , o termo é definido como "a operação de instalações de geração para produzir energia ao menor custo para atender aos consumidores de forma confiável, reconhecendo quaisquer limites operacionais das instalações de geração e transmissão".

A ideia principal é que, para satisfazer a carga a um custo total mínimo, deve-se utilizar primeiro o conjunto de geradores com os menores custos marginais, sendo o custo marginal do gerador final necessário para atender a carga configurando o custo marginal do sistema. Este é o custo de entrega de um MWh adicional de energia ao sistema. Devido às restrições de transmissão, esse custo pode variar em diferentes locais da rede elétrica - esses diferentes níveis de custo são identificados como "preços marginais de localização" (LMPs). A metodologia histórica de despacho econômico foi desenvolvida para o gerenciamento de usinas a partir de combustíveis fósseis, a partir de cálculos envolvendo as características de entrada / saída das usinas.

Formulação matemática básica

O seguinte é baseado em Biggar e Hesamzadeh (2014) e Kirschen (2010). O problema do despacho econômico pode ser pensado como maximizar o bem-estar econômico $W$ de uma rede de energia enquanto atende às restrições do sistema.

Para uma rede com $n$ barras (nós), suponha que $S k$ é a taxa de geração e $D k$ é a taxa de consumo na barra $k$ . Suponha, ainda, que $C k (S k)$ é a função de custo de produção de energia (ou seja, a taxa na qual o gerador incorre em custos ao produzir na taxa $S k$ ), e $V k (D k)$ é a taxa na qual o a carga recebe valor ou benefícios (expressos em unidades monetárias) ao consumir na taxa $D k$ . O bem-estar total é então

{\ displaystyle W = \ sum _ {k = 1} ^ {n} V_ {k} (D_ {k}) - \ sum _ {k = 1} ^ {n} C_ {k} (S_ {k}) }

A tarefa de despacho econômico é encontrar a combinação das taxas de produção e consumo ( $S k, D k$ ) que maximizam esta expressão $W$ sujeita a uma série de restrições:

{\ displaystyle \ max _ {S_ {k}, D_ {k}} W}

A primeira restrição, que é necessária para interpretar as restrições que se seguem, é que a injeção líquida em cada ônibus é igual à produção total naquele ônibus menos o consumo total:

{\ displaystyle \ forall k, \; I_ {k} = S_ {k} -D_ {k}}

A restrição de equilíbrio de potência exige que a soma das injeções líquidas em todos os barramentos deve ser igual às perdas de potência nos ramos da rede:

{\ displaystyle \ sum _ {k = 1} ^ {n} I_ {k} = L (I_ {1}, I_ {2}, \ dots, I_ {n-1})}

As perdas de potência $L$ dependem dos fluxos nos ramos e, portanto, das injeções líquidas, conforme mostrado na equação acima. No entanto, não pode depender das injeções em todos os ônibus, pois isso daria um sistema sobredeterminado. Assim, um barramento é escolhido como o barramento folga e é omitida das variáveis da função $G$ . A escolha do barramento Slack é totalmente arbitrária, aqui o barramento $n$ é escolhido.

A segunda restrição envolve restrições de capacidade no fluxo nas linhas da rede. Para um sistema com $m$ linhas, esta restrição é modelada como:

{\ displaystyle F_ {l} (I_ {1}, I_ {2}, \ dots, I_ {n-1}) \ leq F_ {l} ^ {max} \ qquad l = 1, \ dots, m}

onde $F l$ é o fluxo no ramal $l$ , e $F l max$ é o valor máximo que esse fluxo pode assumir. Observe que a injeção líquida na barra de folga não está incluída nesta equação pelas mesmas razões acima.

Essas equações agora podem ser combinadas para construir a Lagrangiana do problema de otimização:

{\ displaystyle {\ mathcal {L}} = \ sum _ {k = 1} ^ {n} C_ {k} (I_ {k}) + \ pi \ left [L (I_ {1}, I_ {2} , \ dots, I_ {n-1}) - \ sum _ {k = 1} ^ {n} I_ {k} \ right] + \ sum _ {l = 1} ^ {m} \ mu _ {l} \ left [F_ {l} ^ {max} -F_ {l} (I_ {1}, I_ {2}, \ dots, I_ {n-1}) \ right]}

onde π e μ são os multiplicadores Lagrangianos das restrições. As condições para otimização são então:

{\ displaystyle {\ partial {\ mathcal {L}} \ over \ partial I_ {k}} = 0 \ qquad k = 1, \ dots, n}

{\ displaystyle {\ partial {\ mathcal {L}} \ over \ partial \ pi} = 0}

{\ displaystyle {\ partial {\ mathcal {L}} \ over \ partial \ mu _ {l}} = 0 \ qquad l = 1, \ dots, m}

{\ displaystyle \ mu _ {l} \ cdot \ left [F_ {l} ^ {max} -F_ {l} (I_ {1}, I_ {2}, \ dots, I_ {n-1}) \ right ] = 0 \ quad \ mu _ {l} \ geq 0 \ quad k = 1, \ pontos, n}

onde a última condição é necessária para lidar com a restrição de desigualdade na capacidade da linha.

Resolver essas equações é computacionalmente difícil, pois elas são não lineares e implicitamente envolvem a solução das equações de fluxo de potência . A análise pode ser simplificada usando um modelo linearizado denominado fluxo de potência DC.

Há um caso especial encontrado em grande parte da literatura. Esse é o caso em que a demanda é considerada perfeitamente inelástica (ou seja, não responde ao preço). Isso é equivalente a assumir que, para algum valor muito grande de e demanda inelástica . Sob essa suposição, o bem-estar econômico total é maximizado pela escolha . A tarefa de despacho econômico se reduz a: ${\ displaystyle V_ {k} (D_ {k}) = M \ min (D_ {k}, {\ bar {D}} _ {k})}$ ${\ displaystyle M}$ ${\ displaystyle {\ bar {D}} _ {k}}$ ${\ displaystyle D_ {k} = {\ bar {D}} _ {k}}$

{\ displaystyle \ min _ {S_ {k}} \ sum _ {k = 1} ^ {n} C_ {k} (S_ {k})}

Sujeito à restrição que e outras restrições estabelecidas acima. ${\ displaystyle \ forall k, \; I_ {k} = S_ {k} - {\ bar {D}} _ {k}}$

Despacho Ambiental

No despacho ambiental, considerações adicionais relativas à redução da poluição complicam ainda mais o problema do despacho de energia. As restrições básicas do problema de despacho econômico permanecem em vigor, mas o modelo é otimizado para minimizar a emissão de poluentes, além de minimizar os custos de combustível e perda total de energia. Devido à complexidade adicional, vários algoritmos têm sido empregados para otimizar este problema de despacho ambiental / econômico. Notavelmente, um algoritmo de abelhas modificado implementando princípios de modelagem caótica foi aplicado com sucesso não apenas in silico , mas também em um sistema de modelo físico de geradores. Outros métodos usados para resolver o problema de despacho de emissão econômica incluem Otimização de Enxame de Partículas (PSO) e redes neurais

Outra combinação notável de algoritmos é usada em uma ferramenta de emissões em tempo real chamada Metodologia de Estimativa de Emissões Locacionais (LEEM), que relaciona o consumo de energia elétrica e as emissões poluentes resultantes. O LEEM estima mudanças nas emissões associadas a mudanças incrementais na demanda de energia derivadas das informações do preço marginal locacional (LMP) dos operadores de sistema independentes (ISOs) e dados de emissões da Agência de Proteção Ambiental dos EUA (EPA). O LEEM foi desenvolvido na Wayne State University como parte de um projeto que visa otimizar os sistemas de transmissão de água em Detroit, MI, começando em 2010 e, desde então, encontrou uma aplicação mais ampla como uma ferramenta de gerenciamento de perfil de carga que pode ajudar a reduzir os custos de geração e as emissões.

Referências

links externos

Despacho Econômico: Conceitos, Práticas e Questões

Languages

In other projects