Magazyn energii przy farmie PV. Omówienie strategii sterowania.

29.07.2024

Kontynuuję dziś wpis o magazynie energii przy farmie PV i analizie strategii sterowania. Ostatnio wyliczyliśmy przychód możliwy do osiągnięcia w różne dni roku. Dla magazynu o pojemności 5 MWh pokazywaliśmy, że przy matematycznie zoptymalizowanej strategii sterowania możemy osiągnąć estymatę rocznego przychodu przekraczającą 908 000 zł.

Dziś omówimy sam wykres ilustrujący strategię na wybrane trzy dni (sam algorytm opisywałem w swoim wpisie niecałe 2 miesiące temu). Na wykresie:

  • zielona linia pokazuje moc uzyskiwaną z lokalnej farmy PV (10 MWp – analizowane dni były słoneczne),
  • fioletowa linia to przebieg cen na każdą godzinę na RDN TGE (w pierwszym dniu pojawił się okres cen ujemnych w ciągu dnia),
  • czerwona linia obrazuje uzyskaną w wyniku optymalizacji strategię sterowania magazynem na każdą godzinę (moc ładowania/rozładowania) – wartości ujemne oznaczają, że magazyn pobiera energię i ładuje się; wartości dodatnie oznaczają, że magazyn dostarcza energii, rozładowując się;
  • niebieska linia to chwilowy stan naładowania magazynu.

Zwróćmy uwagę, że optymalna moc ładowania/rozładowania na każdy dzień, jaką algorytm znalazł, dąży oczywiście do wychwycenia części energii produkowanej przez PV tak, by sprzedać ją drożej w wieczornym szczycie cenowym.

Ale algorytm realizuje też arbitraż między niższymi cenami w nocy a nieco wyższymi w porannym szczycie (udało się to zrealizować tylko drugiej i trzeciej doby, gdyż pierwszej nie było w ogóle górki cen w godzinach porannych).

Dla kontrastu dodam, że w dużo mniej nasłonecznionym kwietniu ubiegłego roku i mniejszych widełkach cenowych w ciągu dnia algorytm uzyskał podobny przychód finansowy. Wynikało to z faktu, że dużo większe były różnice cen między nocą i porannym szczytem, przez co wprawdzie mniej algorytm zarabiał na przesunięciu sprzedaży z PV na wieczór, ale mocniej eksploatował mechanizm arbitrażu między nocą i porankiem (prowadząc tym samym do częstszego cyklowania magazynu i większej stopy zwrotu).

Wyniki uzyskaliśmy przez zaprogramowanie funkcjonału celu (maksymalizacja przychodu) przy ograniczeniach nierównościowych na moc ładowania/rozładowania oraz stan naładowania magazynu. Strategia wyznaczana jest na kolejną dobę po pobraniu z zewnętrznych serwisów prognozy pogody dla danej lokalizacji oraz cen na rynku dnia następnego. Zainteresowanym chętnie udostępnię wykres strategii z kwietnia 2023. Proszę o kontakt.

Niedługo w moich wpisach o degradacji magazynu, peak-shaving’u OZE elektrolizerem do produkcji H2, a także mini VPP z dwoma magazynami energii (u przedsiębiorcy i przy źródle OZE). 

 

W QuickerSim tworzymy software dla transformacji energetycznej. Z naszych algorytmów i naszych klocków. Pod konkretne potrzeby Klienta. Możemy m.in. wdrożyć algorytm znajdujący optymalną strategię dla konkretnego źródła OZE i magazynu energii.

Bartosz Górecki, PhD, CEO QuickerSim

Zaplecze naukowe (doktorat z obliczeniowej mechaniki płynów na Politechnice Warszawskiej) oraz doświadczenie komercyjne pozwalają dzielić się merytoryczna wiedzą z zakresu rynku energii, magazynów energii i wodoru, 
wspierając firmy inżynierskich i ich działy R&D. 

umów konsultację