Анализ учета критериев системной надёжности в моделях выбора состава включенного генерирующего оборудования в электроэнергетических системах

Цель исследования – выполнить анализ моделей и механизмов выбора состава включенного генерирующего оборудования, которые используются в работе оптового рынка электроэнергии и мощности в России и других странах, а также рассмотреть методы и критерии учета ограничений по системной надежности в этих моделях. Объектом исследования выступают энергетические системы: оптовые рынки электроэнергии и мощности в России, Великобритании, странах Европейского союза, Австралии и Соединенных Штатах Америки. В основу исследований легли подход, сбор и проведение аналитического обзора различных источников научной информации. Рассмотрены основные положения функционирования оптового рынка электроэнергии и мощности в различных странах, основные механизмы регулирования процессов в рамках решения оптимизационной задачи выбора состава включенного генерирующего оборудования, изучена и проанализирована нормативно-правовая база, основы регулирования в области решения оптимизационных задач. Показано, что в рамках функционирования отечественной модели АО «Системный оператор Единой энергосистемы России» проводит выбор состава включенного генерирующего оборудования в рамках поданных ценовых заявок с учетом потребности рынка и баланса энергосистемы. Рассмотренная и проанализированная действующая система выбора состава включенного генерирующего оборудования, принятая в российской электроэнергетике, не позволяет в полной мере учитывать системную надежность, что способствует дальнейшему изучению данного вопроса. Проведенный сравнительный анализ принципов функционирования моделей и особенностей решения оптимизационных задач по выбору состава включенного генерирующего оборудования показал сильные и слабые стороны в подходах в различных странах как с точки зрения законодательства, так и с модельной стороны. По итогам проведенных аналитических исследований сформулированы основные положения по каждой модели, посредством которых решается оптимизационная задача выбора состава включенного генерирующего оборудования.

1. Амелина А.Ю., Лисин Е.М., Анисимова Ю.А., Стриелковски В. Выбор оптимальной стратегии поведения генерирующей компании на рынке «на сутки вперед» в условиях рыночного регулирования // Вектор науки Тольяттинского государственного университета. 2013. № 4. С. 63–68. EDN: SCEKWD.

2. Аракелян Э.К., Андрюшин А.В., Мезин С.В., Косой А.А., Ягупова Ю.Ю., Юпатов Д.А. [и др.]. Проблемы учета фактора надежности при выборе состава генерирующего оборудования ТЭЦ на оптовом рынке электроэнергии и пути их решения // Автоматика и телемеханика. 2022. № 5. С. 148–163. https://doi.org/16310.31857/S0005231022050105. EDN: ABWWKM.

3. Лебедев В.В. Развитие рынка электроэнергии в России – история и статистика результатов реформирования // Российский экономический интернет-журнал. 2022. № 1. Режим доступа: https://www.elibrary.ru/item.asp?id=48367467 (дата обращения: 15.02.2024).

4. Пастухов О.В. Повышение точности выбора оптимального состава включенного генерирующего оборудования // Электроэнергетика глазами молодежи – 2016: материалы VII Международной молодежной научно-технической конференции (г. Казань, 19–23 сентября 2016 г.). Казань: Казанский государственный энергетический университет, 2016. Т. 2. С. 347–350. EDN: MJSAFY.

5. Селезнев А.В. Программный комплекс для решения задачи выбора состава включенного генерирующего оборудования в условиях конкурентного рынка электроэнергии в России // Управление развитием крупномасштабных систем MLSD’2015 (г. Москва, 29 сентября – 1 октября 2015 г.). Москва: Институт проблем управле- ния им. В.А. Трапезникова РАН, 2015. Т. 1. С. 281–290. EDN: WECDVH.

6. Cabot C., Villavicencio M. The demand-side flexibility in liberalised power market: A review of current market design and objectives // Renewable and Sustainable Energy Reviews. 2024. Vol. 201. Р. 114643. https://doi.org/10.1016/j.rser.2024.114643.

7. Chanatásig-Niza E., Ciarreta A., Zarraga A. A volatility spillover analysis with realized semi(co)variances in Australian electricity markets // Energy Economics. 2022. Vol. 111. Р. 106076. https://doi.org/10.1016/j.eneco.2022.106076.

8. Cornell C., Dinh Nam Trong, Pourmousavi S.A. A probabilistic forecast methodology for volatile electricity prices in the Australian national electricity market // International Journal of Forecasting. 2024. https://doi.org/10.1016/j.ijforecast.2023.12.003.

9. Fan Fulin, Zorzi G., Campos-Gaona D., Nwobu J. Wind-Plus-Battery system optimisation for frequency response service: The UK perspective // Electric Power Systems Research. 2022. Vol. 211. Р. 108400. https://doi.org/10.1016/j.epsr.2022.108400.

10. Fridgen G., Michaelis A., Rinck M., Schöpf M., Weibelzahl M. The search for the perfect match: aligning powertrading products to the energy transition // Energy Policy. 2020. Vol. 144. Р. 111523. https://doi.org/10.1016/j.enpol.2020.111523.

11. Flottmann J., Wild P., Todorova N. Derivatives and hedging practices in the Australian national electricity market // Energy Policy. 2024. Vol. 189. Р. 114114. https://doi.org/10.1016/j.enpol.2024.114114.

12. Flottmann J. Australian energy policy decisions in the wake of the 2022 energy crisis // Economic Analysis and Policy. 2024. Vol. 81. Р. 238–248. https://doi.org/10.1016/j.eap.2023.11.025.

13. Hirth L., Mühlenpfordt J., Bulkeley M. The ENTSO-E Transparency Platform – a review of Europe’s most ambitious electricity data platform // Applied Energy. 2018. Vol. 225. Р. 1054–1067. https://doi.org/10.1016/j.apenergy.2018.04.048.

14. Hale E.T., Bird L., Padmanabhan R., Volpi C. Potential roles for demand response in high-growth electric systems with increasing shares of renewable generation // National Renewable Energy Laboratory. Режим доступа: https://www.nrel.gov/docs/fy19osti/70630.pdf (дата обращения: 30.09.2023).

15. Klopčič A., Hojnik J., Pustovrh A. ACER’s success in establishing and ensuring the functioning of the internal energy market: through the eyes of NRAs and Traders // Managing global transitions. 2020. Vol. 18. Iss. 2. Р. 91– 110. https://doi.org/10.26493/1854-6935.18.91-110.

16. Liu Jinqi, Wang Jihong, Cardinal Joel. Evolution and reform of UK electricity market // Renewable and Sustainable Energy Reviews. 2022. Vol. 161. Iss. С. https://doi.org/10.1016/j.rser.2022.112317.

17. Prakash A., Ashby R, Bruce A., MacGill I. Quantifying reserve capabilities for designing flexible electricity markets: an Australian case study with increasing penetrations of renewables // Energy Policy. 2023. Vol. 177. Р. 113551. https://doi.org/10.1016/j.enpol.2023.113551.

18. Rai U., Oluleye G., Hawkes A. Stochastic optimisation model to determine the optimal contractual capacity of a distributed energy resource offered in a balancing services contract to maximise profit // Energy Reports. 2024. Vol. 11. P. 5800–5818. https://doi.org/10.1016/j.egyr.2024.05.049.

19. Ragosa G., Watson J., Grubb M. The political economy of electricity system resource adequacy and renewable energy integration: a comparative study of Britain, Italy and California // Energy Research & Social Science. 2024. Vol. 107. Р. 103335. https://doi.org/10.1016/j.erss.2023.103335.

20. Wachs E., Engel B., Reliability versus renewables: modeling costs and revenue in CAISO and PJM // The Electricity Journal. 2020. Vol. 33. Iss. 10. Р. 106860. https://doi.org/10.1016/j.tej.2020.106860.

21. Westgaard S., Fleten S.-E., Negash A., Botterud A., Bogaard K., Verling T.H. Performing price scenario analysis and stress testing using quantile regression: a case study of the Californian electricity market // Energy. 2021. Vol. 214. Р. 118796. https://doi.org/10.1016/j.energy.2020.118796.