Inteligentne zarządzanie siecią energetyczną zwiększa wykorzystanie odnawialnych źródeł energii
Większa produkcja energii ze źródeł odnawialnych sprawiła, że zrównoważenie podaży i popytu na zasilanie jest trudniejsze. Ponieważ energia ze źródeł odnawialnych, generowana na przykład przez turbiny wiatrowe lub panele słoneczne, jest zależna od zmiennych warunków pogodowych, jej dostawy są przerywane i nieprzewidywalne, inaczej niż w wypadku dostaw z tradycyjnych elektrowni opalanych olejem lub węglem. Szybkie i inteligentne przetwarzanie danych może jednak usprawnić zarządzanie sieciami energetycznymi zasilanymi ze źródeł odnawialnych. „Może to przyczynić się do zwiększenia udziału źródeł odnawialnych w systemie zasilania i ograniczenia emisji CO2”, wyjaśnia Hongjian Sun, koordynator projektu TESTBED i docent Wydziału Inżynierii na Uniwersytecie w Durham w Zjednoczonym Królestwie. „Najważniejszym wnioskiem, do którego doszliśmy, realizując projekt TESTBED, jest to, że już same dane pomagają w integracji popytu z całkowitą ilością generowanego prądu, szczególnie tego, który pochodzi z odnawialnych źródeł energii”, deklaruje naukowiec. „Zadaniem projektu TESTBED jest gromadzenie danych i prognozowanie na ich podstawie popytu i podaży, by zobaczyć, gdzie występują wąskie gardła, które trzeba wyeliminować”, objaśnia Sun. W toku projektu, wspieranego w ramach unijnego działania „Maria Skłodowska-Curie”, opracowano programy optymalizacyjne, które modelują ulepszenia dotyczące energooszczędności i emisji CO2. „Symulacja wykonana dla miasta Durham w północno-wschodniej Anglii pokazała, że zintegrowanie danych i ich bieżące przesyłanie pozwala ograniczyć emisję CO2 o nawet 76 %, gdy korzysta się ze źródeł odnawialnych i inteligentnej sieci energetycznej”, stwierdza Sun.
Znaczenie danych
„Jeśli utrzymamy ten sam koszt energii i wykorzystamy dane do usprawnienia infrastruktury, możemy zwiększyć udział energii w systemie rozdziału zasilania z 20 % do 70 % – to pokazuje, jak duży potencjał tkwi w danych”, dodaje naukowiec. Inteligentne zarządzanie siecią energetyczną opiera się na wykorzystywaniu danych z wielu czujników monitorujących warunki pogodowe, produkowany prąd oraz jego przesyłanie do podstacji i gospodarstw domowych. Inteligentne liczniki mierzą konsumpcję energii w gospodarstwach domowych, w tym także to, ile zużywają jej poszczególne urządzenia. „Korzystamy też z mediów społecznościowych, na przykład danych z Twittera, i przeszukujemy je po słowach kluczowych, by sprawdzić, czy gdzieś ma się odbyć duża impreza lub mecz piłkarski. Takie wydarzenia z dużym prawdopodobieństwem zwiększą zapotrzebowanie na zasilanie”, objaśnia Sun. „Ważne jest również przesyłanie danych, ponieważ informacje musimy aktualizować często i w czasie rzeczywistym, by identyfikować i likwidować wąskie gardła w sieci energetycznej i zwiększać w ten sposób jej niezawodność”.
Symulacje laboratoryjne
Dane z czujników i liczników są pobierane przez komputer, który obsługuje oprogramowanie z algorytmami bazującymi na sztucznej inteligencji, służącymi do optymalizacji podaży i konsumpcji. „Wykorzystujemy sztuczną inteligencję do badania danych pogodowych oraz danych z różnych regionów, nie tylko tych z wczoraj, ale i z poprzedniego roku, a za pomocą uczenia maszynowego opartego na sztucznej inteligencji trenujemy nasz system, by poprawić jego możliwości predykcyjne”, tłumaczy Sun. „Prace realizowane podczas projektu TESTBED pokazały, że nasz system działa”. System testowano w laboratoriach Chińskiej Akademii Nauk, greckiej organizacji telekomunikacyjnej OTE i brytyjskiego Uniwersytetu Heriot-Watt. Symulacje przeprowadzono w Laboratorium Inteligentnych Sieci Energetycznych na Uniwersytecie w Durham, gdzie znajduje się system RTDS (ang. Real Time Digital Simulator – system symulacji cyfrowych czasu rzeczywistego). RTDS służy do modelowania sieci niskiego napięcia, która jest połączona z emulatorami ogniw fotowoltaicznych, turbinami wiatrowymi, magazynem energii elektrycznej oraz rozmaitymi rozwiązaniami niskoemisyjnymi. Symulacja pozwala ocenić ograniczenia sieciowe, a w laboratorium monitoruje się zużycie prądu przez urządzania w gospodarstwach domowych. Z funduszu UE przyznano też środki dla drugiej fazy projektu, TESTBED2, które są przeznaczone na opracowanie skalowalnego systemu TESTBED dla większych, bardziej złożonych inteligentnych sieci energetycznych o większej liczbie odbiorców.
Słowa kluczowe
TESTBED, TESTBED2, energia, energia ze źródeł odnawialnych, źródła odnawialne, turbiny wiatrowe, panele słoneczne, sieci energetyczne, analiza danych, sztuczna inteligencja, paliwa kopalne, emisja CO2, inteligentna sieć energetyczna, symulacja
