Влияние распределенной генерации энергии на процесс энергоснабжения потребителей в интегрированной энергетической системе

Цель работы – разработка подхода для учета и регулирования доли распределенной генерации в интегрированной энергетической системе. Для моделирования интегрированной энергетической системы используется мультиагентный подход, позволяющий представить такую технологически сложную систему в виде совокупности агентов, которые обладают своим индивидуальным поведением. Суть применения мультиагентного подхода для решения задач исследования состоит в следующем: интегрированная энергетическая система представляется в виде совокупности компонентов, которые моделируются своими агентами с индивидуальным алгоритмом поведения; каждый элемент интегрированной энергетической системы участвует в формировании решения и отстаивает свои интересы, исходя из условий эффективного энергоснабжения. Реализация этого подхода осуществлялась в специализированной программной среде AnyLogic, которая включает в себя базовые компоненты агентного и имитационного моделирования и позволяет создавать любые мультиагентные системы в зависимости от решаемых задач. Разработана оригинальная структура мультиагентной системы для интегрированных энергетических систем, учитывающая особенности ее функционирования и взаимодействия объектов, определены основной состав и типы агентов мультиагентной системы. Выделены следующие типы агентов: агент-потребитель, агент активного потребителя, сетевой агент, агент-менеджер активного потребителя, агент централизованного источника энергии, агент сети, совещательный агент. Разработана мультиагентная модель реальной системы энергоснабжения жилого района г. Иркутск с централизованными и распределенными источниками энергии. Предложены принципы по регулированию доли распределенной генерации в системе, учитывающие эффективный режим работы централизованных источников энергии и позволяющие снизить суммарные затраты на энергоснабжение потребителей путем перераспределения мощности между источниками централизованной и распределенной генерации. Проведенные с использованием разработанной мультиагентной модели исследования интегрированной энергетической системы позволили сформулировать принципы по взаимодействию источников централизованной и распределенной генерации энергии. Благодаря указанным принципам удалось снизить суммарные затраты на 4,22% для теплоснабжения и на 9,94% для электроснабжения потребителей путем перераспределения мощности между этими источниками энергии.

1. Wang Minli, Zhang Tao, Wang Peihong, Chen Xiaolong. An improved harmony search algorithm for solving day-ahead dispatch optimization problems of integrated energy systems considering time-series constraints // Energy & Buildings. 2020. Vol. 229. Р. 110477. https://doi.org/10.1016/j.enbuild.2020.110477.

2. Asl D. K., Seifi A. R., Rastegar M., Mohammadi M. Optimal energy flow in integrated energy distribution systems considering unbalanced operation of power distribution systems // International Journal of Electrical Power & Energy Systems. 2020. Vol. 121. Р. 106132. https://doi.org/10.1016/j.ijepes.2020.106132.

3. Стенников В. А., Воропай Н. И., Барахтенко Е. А., Соколов Д. В. Цифровизация интегрированных энергетических систем // Энергобезопасность и энергосбережение. 2020. № 4. С. 5–10. https://doi.org/10.18635/2071-2219-2020-4-5-10.

4. Воропай Н. И., Стенников В. А. Интегрированные интеллектуальные энергетические системы // Известия Российской Академии наук. Энергетика. 2014. № 1. С. 64–73.

5. Chen Houhe, Zhang Yutong, Zhang Rufeng, Lin Chuqiao, Jiang Tao, Li Xue. Privacy-preserving distributed optimal scheduling of regional integrated energy system considering different heating modes of buildings // Energy Conversion and Management. 2021. Vol. 237. Р. 114096. https://doi.org/10.1016/j.enconman.2021.114096.

6. Liu Wen Hui, Ho Wai Shin, Lee Ming Yang, Hashim H., Lim Jeng Shiun, Klemes J.J., et al. Development and optimization of an integrated energy network with centralized and decentralized energy systems using mathematical modelling approach // Energy. 2019. Vol. 183. P. 617–629. https://doi.org/10.1016/j.energy.2019.06.158.

7. Voropai N. I., Stennikov V. A., Barakhtenko E. A. Methodological principles of constructing the integrated energy supply systems and their technological architecture // Journal of Physics: Conference Series. 2018. Vol. 1111. No. 1. Р. 012001. https://doi.org/10.1088/1742-6596/1111/1/012001.

8. Wooldridge M., Jennings N. Intelligent agents: theory and practice // The knowledge engineering review. 1995. Vol. 10. Iss. 2. P. 115–152. https://doi.org/10.1017/S0269888900008122.

9. Fisher K., Müller J. P., Heimig I., Scheer A.-W. Intelligent agents in virtual enterprises // The Practical Application of Intelligent Agents and Multi-Agent Technology: Proceedings of the First Interational Conference. London, UK. 1996. P. 205–224.

10. Gomes L., Vale Z., Corchado J. M. Microgrid management system based on a multi-agent approach: an office building pilot // Measurement. 2020. Vol. 154. Р. 107427.https://doi.org/10.1016/j.measurement.2019.107427.

11. Anvari-Moghaddam A., Rahimi-Kian A., Mirian M. S., Guerrero J. M. A multiagent based energy management solution for integrated buildings and microgrid system // Applied Energy. 2017. Vol. 203. P. 41–56. https://doi.org/10.1016/j.apenergy.2017.06.007.

12. Wang Lingfeng, Wang Zhu, Yang Rui. Intelligent multiagent control system for energy and comfort management in smart and sustainable buildings // IEEE Transactions on Smart Grid. 2012. Vol. 3. Iss. 2. P. 605–617. https://doi.org/10.1109/TSG.2011.2178044.

13. Ren Yi, Fan Dongming, Feng Qiang, Wang Zili, Sun Bo, Yang Dezhen. Agent-based restoration approach for reliability with load balancing on smart grids // Applied Energy. 2019. Vol. 249. P. 46–57. https://doi.org/10.1016/j.apenergy.2019.04.119.

14. Khan M. W., Wang Jie, Xiong Linyun, Ma Meiling. Modelling and optimal management of distributed microgrid using multiagent systems // Sustainable Cities and Society. 2018. Vol. 41. P. 154–169. https://doi.org/10.1016/j.scs.2018.05.018.

15. Kou Yu, Bie Zhaohong, Li Gengfeng, Liu Fan, Jiang Jiangfeng. Reliability evaluation of multi-agent integrated energy systems with fully distributed communication // Energy. 2021. Vol. 224. Р. 120123. https://doi.org/10.1016/j.energy.2021.120123.

16. Najafi F., Fripp M. Stochastic optimization of comfortcentered model of electrical water heater using mixed integer linear programming // Sustainable Energy Technologies and Assessments. 2020. Vol. 42. Р. 100834. https://doi.org/10.1016/j.seta.2020.100834.

17. Moazeni F., Khazaei J. Optimal operation of waterenergy microgrids; a mixed integer linear programming formulation // Journal of Cleaner Production. 2020. Vol. 275. Р. 122776. https://doi.org/10.1016/j.jclepro.2020.122776.

18. Muravev D., Hu Hao, Rakhmangulov A., Mishkurov P. Multi-agent optimization of the intermodal terminal main parameters by using AnyLogic simulation platform: case study on the Ningbo-Zhoushan port // International Journal of Information Management. 2021. Vol. 57. Р. 102133. https://doi.org/10.1016/j.ijinfomgt.2020.102133.

19. Мокшин В. В., Кирпичников А. П., Маряшина Д. Н., Стадник Н. А., Золотухин А. В. Сравнение систем структурного и имитационного моделирования Stratum 2000, Actor Pilgrim, AnyLogic // Вестник технологического университета. 2019. Т. 22. № 4. С. 144–148.

20. Ahmadi M., Adewuyi O. B., Danish M. S. S., Mandal P., Yona A., Senjyu T. Optimum coordination of centralized and distributed renewable power generation incorporating battery storage system into the electric distribution network // International Journal of Electrical Power & Energy Systems. 2021. Vol. 125. Р. 106458. https://doi.org/10.1016/j.ijepes.2020.106458.

21. Leithon J., Werner S., Koivunen V. Cost-aware renewable energy management: centralized vs. distributed generation. Renewable Energy. 2020. Vol. 147. P. 1164–1179. https://doi.org/10.1016/j.renene.2019.09.077.

22. Stennikov V., Barakhtenko E., Mayorov G., Sokolov D., Zhou Bin. Coordinated management of centralized and distributed generation in an integrated energy system using a multi-agent approach // Applied Energy. 2022. Vol. 309. Р. 118487. https://doi.org/10.1016/j.apenergy.2021.118487.