Akıllı Şebekelerde Rassal Modelleme ile Enerji Depolama Sistemi Kapasite Hesaplaması

Dünyada elektrik sektörleri, hızla entegrasyonu artan yenilenebilir enerji kaynakları ile elektrik üretiminden kaynaklanan karbon ayak izini azaltmaya yönelik yapılan çevresel ve ekonomik baskılar ile karşı karşıya gelmektedir. Enerji depolama sistemleri şebeke altyapı güvenliğini arttıran, şebekeye çalışma esnekliği sağlayan ve çevresel etkileri azaltan çözümler olarak büyük ilgi görmektedir. Bu nedenle, enerji depolama sistemleri kompleks elektrik şebeke operasyonlarında anahtar rol oynamaktadır. Bu makalede, tüketicilerin elektrik talepleri, elektrik şebekesinden çekilen güç ve enerji depolama ünitesinden oluşan bir sistem için Stokastik bir model sunularak, aralarındaki etkileşimler incelenmiştir. Enerji depolama sisteminin onlarca meskenden oluşan rezidans, villalardan oluşan site veya kampüs gibi yerlerde bir grup kullanıcı tarafından ortaklaşa kullanıldığı varsayılmaktadır. Geliştirilen Stokastik model, iki boyutlu sürekli zamanlı Markov zinciri tabanlı olup, sistem durumlarının rassal dağılımları nümerik metotlar ile hesaplanmıştır. Dikkate alınması gereken diğer bir husus ise, enerji depolama sisteminin yoğun zamanlarda pik talebi azaltmak için kullanılması ve müşteri talebinin azaldığı dönemlerde ise şebeke gücü tarafından iskontolu elektrik enerjisi ile doldurulmasıdır. Şebeke güvenliğinin sağlanması için müşteri talepleri, sınırlı miktardaki şebeke elektriği ve enerji depolama ünitesi tarafından karşılanmakta ancak bu seviyenin üstündeki taleplere cevap verilememektedir. Bu nedenle kesinti olasılığı doğal olarak sistem performans metriği olarak karşımıza çıkmaktadır. Enerji depolama sistem kapasitesi, değişen kesinti olasılıkları ve sistem parametreleri altında hesaplanmıştır. Sunulan hesaplamalara göre enerji depolama sistemi optimum kapasitesinin belirlenmesinde tüketici talep istatistiklerinin büyük önem taşıdığı ortaya konulmuştur. Son olarak, geliştirilen ekonomik fayda modeli ile, sistem parametreleri ekonomik değişkenlerle ilişkilendirip, sistem operatörüne finansal dinamikleri göz önüne en iyi çalışma aralığını seçmesine olanak sağlamaktadır.

Anahtar Kelimeler:

Akıllı Şebekeler, Enerji Depolama Sistemleri, Stokastik sistemler, Markov zincirleri

PDF

___

Farhangi, H. The path of the smart grid. IEEE power and energy magazine, 8:1 (2010).
Amin, M. The Case for Smart Grid. PUBLIC UTILITIES FORTNIGHTLY (2015).
Bayindir, R., Colak, I., Fulli, G. ve Demirtas, K. Smart grid technologies and applications. Renewable and Sustainable Energy Reviews, 66, (499-516), (2016).
Bayindir R., Demisbas S., Irmak, E., Cetinkaya, U., Ova, A., ve Yesil, M. Effects of renewable energy sources on the power system. IEEE International Power Electronics and Motion Control Conference, (2016).
Cappers, P., Goldman, C., ve Kathan, D. Demand response in US electricity markets: Empirical evidence. Energy , 35:4, (1526-1535), (2010).
Bayram, I.S., ve Ustun, T. A survey on behind the meter energy management systems in smart grid. Renewable and Sustainable Energy Reviews, 72, (1208-1232), (2017).
Bayram, I.S., ve Tajer, A. (2017) Plug-in electric vehicle grid integration, London: Artech House.
Arnold, G. W. Challenges and opportunities in smart grid: A position article. Proceedings of the IEEE, 99:6, (922-927), (2011).
U.S. GRID ENERGY STORAGE FACTSHEET, Center for Sustainable Systems, University of Michigan, 2018. [Online]. Available: http://css.umich.edu/factsheets/us-grid-energy-storage-factsheet.
Kim. I. ve Kim, D. Optimal capacity of shared energy storage and photovoltaic system for cooperative residential customers. IEEE Information and Communications, (293-297), (2017).
Arghandeh, R., Woyak, J., Onen, A., Jung, J., ve Broadwater. R. Economic optimal operation of Community Energy Storage systems in competitive energy markets. Applied Energy, 135, (71-80), (2014).
Parra, D., Norman, S., Walker, G., ve Gilliott, M. Optimum community energy storage system for demand load shifting. Applied Energy, 174, (130-143), (2016).
Stelt, S., AlSkaif, T., ve Van Sark, W. Techno-economic analysis of household and community energy storage for residential prosumers with smart appliances. Applied Energy, 209, (266-276), (2018).
Song, J., Krishnamurthy, V., Kwasinski, A., and Sharma R. Development of a Markov-chain-based energy storage model for power supply availability assessment of photovoltaic generation plants. IEEE Transactions on Sustainable Energy, 4:2, (491-500), (2013).
Dong, J., Gao, F., Guan, X., Zhai Q., ve Wu, J. Storage-Reserve Sizing With Qualified Reliability for Connected High Renewable Penetration Micro-Grid. IEEE Transactions on Sustainable Energy, 7:2, (732-743), (2016).
Kong, C., Bayram, I. S., ve Devetsikiotis, M. Revenue Optimization Frameworks for Multi-Class PEV Charging Stations. IEEE Access, 3, (2140-2150), (2015).
Vardakas, J. S., Nizar Z., and Verikoukis, C. V. Scheduling policies for two-state smart-home appliances in dynamic electricity pricing environments. Energy, 69, (455-469), (2014).
Richardson, I., Thomson, M., Infield, D., ve Clifford, C. Domestic electricity use: A high-resolution energy demand model, Energy and Buildings, 42:10, (878-1887), (2010).
Ardakanian, O., Keshav, S., ve Rosenberg, C. Markovian models for home electricity consumption. ACM SIGCOMM workshop on Green networking, (2011).
Ahn, K., Dadlani, A., Kim, K. and Saad, W., Revenue Maximization of Multi-Class Charging Stations with Opportunistic Charger Sharing, IEEE International Conference on Communications, (2018).
Stewart, W. (1994) Introduction to the numerical solution of Markov chains, Princeton University Press.
Qiu, T., Bolun X., Yishen W., Yury D., ve Kirschen, D. Stochastic multistage coplanning of transmission expansion and energy storage. IEEE Transactions on Power Systems,32:1, (643-651), (2017).
Khan, F.A., Pal, N. ve Saeed, S.H. Review of solar photovoltaic and wind hybrid energy systems for sizing strategies optimization techniques and cost analysis methodologies. Renewable and Sustainable Energy Reviews, 92, (937-947), (2018).