Issuu on Google+

4/17 (December 2013)

YEAR 5

ISSN 2300-3022


Publisher

ENERGA SA

Politechnika Gdańska

Patronage

ENERGA SA

Academic Consultants

Janusz Białek | Mieczysław Brdyś | Mirosław Czapiewski | Antoni Dmowski Michał Dudziak | Istvan Erlich | Andrzej Graczyk | Piotr Kacejko Tadeusz Kaczorek | Marian Kazimierowski| Jan Kiciński | Kwang Y. Lee Zbigniew Lubośny | Jan Machowski | Jan Majewski | Om Malik Jovica Milanovic Jan Popczyk | Zbigniew Szczerba | Marcin Szpak | G. Kumar Venayagamoorthy Jacek Wańkowicz | Henryk Woźniak| Ryszard Zajczyk

Reviewers

Stanisław Czapp | Andrzej Graczyk | Piotr Kacejko | Jan Kiciński Zbigniew Lubośny | Jan Machowski | Józef Paska | Jan Popczyk Desire Dauphin Rasolomampionona | Sylwester Robak | Marian Sobierajski Paweł Sowa | Zbigniew Szczerba | Artur Wilczyński | Ryszard Zajczyk

Editor-in-Chief

Zbigniew Lubośny

Vice Editor-in-Chief

Rafał Hyrzyński

Copy Editors

Katarzyna Żelazek | Bernard Jackson

Topic Editors

Janusz Granatowicz | Michał Karcz | Jacek Klucznik | Marcin Lemański Karol Lewandowski | Paweł Szawłowski

Statistical Editor

Sebastian Nojek

Editorial assistant

Jakub Skonieczny

Proofreading

Mirosław Wójcik

Graphic design

Art Design Maciej Blachowski

Typesetting

Ryszard Kuźma

Translation

Skrivanek Sp. z o.o.

Print

Grafix Centrum Poligrafii

Dispatch preparation

ENERGA Obsługa i Sprzedaż Sp. z o.o.

Editorial Staff Office

Acta Energetica al. Grunwaldzka 472, 80-309 Gdańsk, POLAND tel.: +48 58 77 88 466, fax: +48 58 77 88 399 e-mail: redakcja@actaenergetica.org www.actaenergetica.org

Electronic Media

Anna Fibak (Copy Editor) Paweł Banaszak (Technical Editor)

Information about the oryginal version

Electronic edition of Acta Energetica is the original version of the journal, which is available on the website www.actaenergetica.org The journal is also available in hard copy. The journal is indexed in Polish Technical Journal Contents BazTech http://baztech.icm.edu.pl and also in Scientific journal database – the IC Journal Master List http://jml2012.indexcopernicus.com/masterlist.php

Information for authors published on the website: www.actaenergetica.org


We’ve got energy From the Chief not only forEditor work The Wide Area Monitoring System (WAMS) project is being implemented in the Indian electrical power grid; one of its elements is a 2000 PMU installation. It is a result of the blackout of 2013, the biggest such event in India’s history, and is intended to reduce the likelihood of its recurrence. While the technical (equipment) implementation of such a large project, i.e. installation of measurement systems and communication with dispatching centres, does not seem to be a major problem, the efficient processing and use of the huge amount of information “generated” by those devices is a difficult task. Could we say we are on the threshold (de facto yet another in power systems) of qualitative transformation in the energy sector, i.e. globalisation of information? It seems so. For years, the operators of transmission systems have been using SCADA and EMS for status identification and control. Information about the system status is obtained with a resolution of 1 s and above. WAMS is able to provide information with a resolution of 1 ms and above, which a much better result. This means access to information about the course of events lasting single seconds at the time of their duration. The ENERGA Group has thousands qualifiedtoemployees Since those events can not be handled by humans, when there is a need to respond to them it isofnecessary use who, in addition tofaced performing automatic regulation (automatic control) systems. Such systems, within WAMS, are the main challenge to be their daily duties, are willing to by the modern electricity sector. take part in various activities to With this in mind I invite you to read this issue of Acta Energetica.

help others. One great example is the “Droplet of Energy” Informal Club of Voluntary Blood Donors, which promotes the value of donating blood among the employees ofZbigniew ENERGA. Lubośny Blood donation is indispensible for rescue operEditor-in-Chief of Acta Energetica ations, where an invaluable drop can often save human health, and sometimes even life. ekropelka@energa.pl

MAMY ENERGIĘ NIE TYLKO DO PRACY Grupa ENERGA to tysiące wykwalifikowanych pracowników, którzy oprócz swoich codziennych obowiązków chętnie włączają się w akcje niosące pomoc potrzebującym. Jednym z takich W systemie elektroenergetycznym Indii realizowany jest projekt WAMS (ang. Wide Area Monitoring System), którego elementem projektów jest Nieformalny jest instalacja 2000 PMU. To pokłosie największego w historii Indii blackoutu z 2013 roku i w założeniu ma zmniejszyć prawdopoKlub Honorowych Dawców dobieństwo powtórzenia się takiego zdarzenia. Krwi „Kropelka Energii”, który O ile realizacja techniczna (sprzętowa) tak dużego przedsięwzięcia, tj. instalacja układów pomiarowych i skomunikowanie propaguje ogromnej wśród ilości pracowniz centrami dyspozytorskimi, nie wydaje się większym problemem, o tyle efektywne przetworzenie i wykorzystanie ków ENERGII ideę honorowego informacji „wytwarzanej” przez te urządzenia jest zadaniem niełatwym. krwiodawstwa. Zbiórka krwi Czy można powiedzieć, że jesteśmy na progu (de facto kolejnym w systemach elektroenergetycznych) przemiany jakościowej w elektroenergetyce, tj. globalizacji informacyjnej? Wydaje się, że tak. to niezastąpiona metoda w raOperatorzy systemów przesyłowych od lat wykorzystują systemy SCADA i EMS do identyfikacji stanu i sterowania. Informacje townictwie, gdzie często bezo stanie systemu pozyskiwane są z rozdzielczością od 1 s wzwyż. cenna kropla przywraca zdrowie, Systemy WAMS są w stanie dostarczać informacje z rozdzielczością od 1 ms wzwyż, czyli znacznie większą. Oznacza to życie. dostęp do a czasem nawet

Od redaktora naczelnego

informacji o przebiegu zdarzeń trwających pojedyncze sekundy w czasie ich trwania. ekropelka@energa.pl Ponieważ są to zdarzenia spoza możliwości oddziaływania przez człowieka, w przypadku potrzeby reagowania na nie niezbędne stają się systemy regulacji automatycznej (sterowania automatycznego). To właśnie te systemy, w ramach WAMS, są podstawowym www.energa.pl wyzwaniem, przed którym staje współczesna elektroenergetyka. Z tą świadomością zapraszam do lektury niniejszego wydania Acta Energetica. prof. dr hab. inż. Zbigniew Lubośny redaktor naczelny Acta Energetica

1


Table of contents A Method of Identifying Dynamic Parameters of Generating Units Based on Dynamic Response During Disturbances Michał Bajor, Michał Kosmecki, Maciej Wilk. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Complementarity of Wind and Photovoltaic Power Generation in Conditions Similar to Polish Rafał Hyrzyński, Michał Karcz, Marcin Lemański, Karol Lewandowski, Sebastian Nojek. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Selected Indicators of the National Distribution System Dependability Mirosław Kornatka. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Bayesian Algorithms for Calculating Symbolic Rates of the Unreliability and Reliability of the Electric Supply Włodzimierz Korniluk, Piotr Petelski. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 MODELLING OF POWER ELECTRONIC COMPENSATORS FOR THE ANALYSIS OF POWER SYSTEM OPERATION Robert Kowalak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 Calculation of Initial Short-Circuit Currents in Medium Voltage Networks According to the Standard PN-EN 60909 Krzysztof Księżyk, Tomasz Zdun . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 Simulation of Reactive Power Imbalances in the Transmission Power Grid Threatened by the Problem of Voltage Instability Robert Lis, Mirosław Łabuzek. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 Renewable Energy Sources in International and EU Legal Regulations Róża Miklaszewska. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 The Way of Modelling New Generation Sources and its Effect on Power System Stability Evaluation Parameters Piotr Miller, Marek Wancerz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 An Analysis of the Accuracy of Electromechanical Eigenvalue Calculations Based on Instantaneous Power Waveforms Recorded in a Power Plant Piotr Pruski, Stefan Paszek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 Optimisation of Cable Cross in Medium Voltage Networks of a Wind Farm Marek Semków. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 Synchronous Generator Model with Nonlinear Magnetic Circuit Dariusz Spałek. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 New Multiphase Matrix Converter Based Device for Power Flow Control Jerzy Szczepanik, Tomasz Sieńko. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 Choosing Membership Function for Method of Localization of Additional Reactive Power Sources in a Power Grid Using Fuzzy Logic Artur Zbroński. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172

2


Spis treści Metoda identyfikacji parametrów dynamicznych jednostek wytwórczych na podstawie przebiegów pozakłóceniowych Michał Bajor, Michał Kosmecki, Maciej Wilk.................................................................................................................................................................. 10 WSPÓŁZMIENNOŚĆ GENERACJI ENERGII ELEKTRYCZNEJ W ELEKTROWNIACH WIATROWYCH I FOTOWOLTAICZNYCH W WARUNKACH ZBLIŻONYCH DO POLSKICH. Rafał Hyrzyński, Michał Karcz, Marcin Lemański, Karol Lewandowski, Sebastian Nojek...................................................................................... 22 Wybrane wskaźniki niezawodnościowe krajowego systemu dystrybucyjnego Mirosław Kornatka................................................................................................................................................................................................................ 33 Bayesowskie algorytmy obliczeń symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną Włodzimierz Korniluk, Piotr Petelski................................................................................................................................................................................ 44 Modelowanie kompensatorów energoelektronicznych na potrzeby analiz pracy systemu elektroenergetycznego Robert Kowalak ..................................................................................................................................................................................................................... 56 Obliczanie prądu początkowego zwarcia w sieciach SN według normy PN-EN 60909 Krzysztof Księżyk, Tomasz Zdun........................................................................................................................................................................................ 71 Symulacja deficytów mocy biernej w sieci przesyłowej zagrożonej niestabilnością napięciową Robert Lis, Mirosław Łabuzek............................................................................................................................................................................................. 86 Odnawialne źródła energii w międzynarodowych i unijnych regulacjach prawnych Róża Miklaszewska................................................................................................................................................................................................................ 97 Analiza wpływu sposobu modelowania nowych źródeł wytwórczych na wskaźniki oceny stabilności systemu elektroenergetycznego Piotr Miller, Marek Wancerz.............................................................................................................................................................................................. 110 Obliczenia elektromechanicznych wartości własnych na podstawie przebiegów mocy chwilowej zarejestrowanych w elektrowni Piotr Pruski, Stefan Paszek................................................................................................................................................................................................. 126 Optymalizacja przekroju kabli w sieci SN farmy wiatrowej Marek Semków..................................................................................................................................................................................................................... 139 Model generatora synchronicznego uwzględniający nieliniowość obwodu magnetycznego Dariusz Spałek...................................................................................................................................................................................................................... 152 Nowoczesne urządzenia do kontroli rozpływu mocy w systemie elektroenergetycznym oparte na wielofazowym przekształtniku macierzowym Jerzy Szczepanik, Tomasz Sieńko...................................................................................................................................................................................... 166 Wybór funkcji przynależności dla wyszukiwania lokalizacji dodatkowych źródeł mocy biernej metodą zbiorów rozmytych Artur Zbroński .....................................................................................................................................................................................................................177

3


M. Bajor, et al. | Acta Energetica 4/17 (2013) | 4–9

A Method of Identifying Dynamic Parameters of Generating Units Based on Dynamic Response During Disturbances Authors Michał Bajor Michał Kosmecki Maciej Wilk

Keywords genetic algorithm, dynamic equivalent, dynamic parameters identification

Abstract Simulation of power system operation requires proper dynamic representation of power system components in the simulation software, i.e. correct structures and parameters of the models. However, in large, modern power systems, a lack of required information is often encountered. Identification is one of the ways to obtain the missing data. In this paper an identification method based on an implementation of genetic algorithm is proposed. Its prerequisite is the availability of the unit’s response to the disturbance, for example obtained from transient fault recorders. The method is tested for a single unit, for which the response was obtained beforehand using the model with known parameters. The method can also be used to facilitate the creation of dynamic equivalents of larger parts of the power system, which is also presented in the paper.

DOI: 10.12736/issn.2300-3022.2013401

1. Introduction Modern power systems (PS) cover huge terrains and consist of a very large number of elements, each of which is mapped by a corresponding dynamic model. Moreover, it is common for a single power system to be run by numerous operators. Performing research on the stability of such large systems presents difficulties both from the technical (complexity of calculations) and formal (difficulty of obtaining data describing particular system elements) point of view. Therefore, it is a common practice to replace some parts of the analysed system with various forms of equivalents aiming to model the behaviour of a replaced area as accurately as possible. The specific requirements for the equivalent depend on the character of the research. To conduct power flow calculations, an equivalent that models static behaviour of a reduced area is sufficient. However, in order to perform simulations regarding transient states it is necessary to use the equivalent providing accurate modelling of a dynamic behaviour of elements located within the replaced area. The Research concerning creating dynamic equivalents has been conducted for many years. Some reasons underlining the importance of the subject are listed below: • Increasing PS complexity – modern power systems may

1

4

include very large number of elements and a corresponding number of their dynamic models. E.g. there are approx. 480 generating units in the model of Polish power system (KSE) for the year 2011. Moreover, adding dynamic models of new elements having a significant impact on system operation (e.g. new large units, distributed generation, wind farms, power electronics, HVDC) further complicates dynamic calculations. • Practical aspects – parts of the system areas distant (in the electrical sense) from the location of the analysed disturbance have a negligible impact on the dynamics of some phenomena (e.g. angle stability). Their detailed modelling is unjustified. This is particularly significant when the increasing extent of modern power systems is considered. • Data accessibility – data necessary to create a full dynamic model of the synchronous power system is often very difficult to obtain. In the age of large interconnected systems of many countries (e.g. ENTSO-E CE, where power systems of 34 countries operate synchronously), collection of data is very difficult, not least due to the lack of common regulations regarding data accessibility and the format of models1. • Computational issues – dynamic calculations on extensive PS models are often conducted in many variants, which causes

Situation may improve after development and implementation of the CIM standard for dynamics.


M. Bajor et al. | Acta Energetica 4/17 (2013) | 4–9

them to be time-consuming even considering the huge computational powers of modern computers. With such a great amount of data, mistakes and errors are commonly encountered. The larger the tested system, the harder it is to locate the error. Using equivalents enables a significant reduction of calculation time, which is important especially during multi-variant research. • Software limitations – despite continuous development of hardware, most software packages simulating transient states in the power system are limited in terms of the maximum size of the analysed system. In most packages, such a limitation is hardware independent, and quite often the price of software license depends on the maximum size of the analysed power system. In addition, rapid development of modern systems is accompanied by the appearance of new elements, for which relevant models are not yet implemented in simulation software. In order to ensure a proper behaviour of a reduced system model in states of different disturbances, the parameters of different components of a created equivalent generating unit need to be properly determined. Further in this paper, a method for determining parameters of a dynamic equivalent is proposed.

2. Method One of the methods of determining the parameters of the equivalent unit is based on comparison of responses of a full model (before reduction) and a model in which an equivalent has replaced a part of the system. If the equivalent is large, this task becomes difficult. Solving such complex optimisation issues is the main area of application of non-deterministic algorithms, which are able to provide solutions for problems which are very difficult to solve using deterministic algorithms. The fact that in the case of a deterministic algorithm the initial data determines the obtained solution, in contrast to non-deterministic algorithms (different runs of a non-deterministic algorithm for the same set of initial data will result in obtaining different results), constitutes a fundamental difference between the two types of algorithms. For the purpose of solving the problem of determining parameters of dynamic models included in the equivalent, an implementation of the genetic algorithm has been applied. Genetic algorithms, also called evolutionary algorithms, are one of the most frequently used types of non-deterministic algorithms. The workflow of genetic algorithm is based on simulating the process of natural evolution through modelling of naturally occurring phenomena, such as natural selection, crossbreeding or mutation. The area of application of genetic algorithms includes solving complex optimisation problems, similarly as in case of other non-deterministic algorithms. The basic concept related to the genetic algorithm is a population. A population consists of specimens, each representing a single solution of a problem. Projecting this concept to the domain of determining parameters of equivalent dynamic models, a specimen is then modelled as a set of dynamic models included in the equivalent, together with values of particular parameters of each model, which are to be determined by the algorithm. All such specimens are potential solutions of the problem. An allowed range of values are a priori assigned to all particular parameters

of all models. Values of parameters which can be easily obtained through simple analysis (e.g. MVA) are not the subject of optimization, the assumption implemented by adopting identical values (equal to the previously determined correct value) for the lower and upper limits of the allowed range of parameter values. Creation of the initial population of a set size is the first phase in the algorithm. Initial population is developed on a random basis to ensure the greatest possible diversification of individuals’ features (i.e. parameter values – within the acceptable range). Initial population constitutes the initial point of the algorithm operation. The course of an algorithm’s iterations (also called “generations”) is as follows: every specimen of a population is subject to evaluation, on the basis of which the best specimens that will constitute the source of new specimens through the crossover process are selected. New created specimens, after possible mutations, create a new population (generation) that will go through an analogous process in a new iteration. In this way, each population (except the initial one, which is developed randomly) is created based on the best (with regard to evaluation of a solution) specimens from a previous population, with the intention of keeping their desired features. The algorithm’s operation ends after completion of a set number of iterations or with the moment of achieving a solution of satisfactory quality (this criterion has not been applied in this implementation due to relatively quick calculations). The function crucial for the operation of the algorithm is the specimen (solution) quality evaluation function. It determines the possibility of passing specimens’ features (i.e. parameter values) to generations in subsequent iterations. In the implemented solution, specimen evaluation is based on the comparison of the simulation results received for calculated parameters for a defined disturbance (or set of disturbances) with benchmark results. The evaluation mark is the average absolute error between the two compared simulation results. Depending on the type of the analysed variable, the error value concerns either the whole length of simulation (e.g. rotor angle) or only a part of it (e.g. voltage during disturbance and right after it). After population evaluation, all specimens are sorted in a descending order according to the evaluation mark. The goal of a selection phase is to choose a set number (defined as a fraction of a general population size) of specimens with the best evaluation mark and reject others. The selected specimens form the basis for the next generation creation. Next, pairs of specimens are chosen randomly from a selected group in a number equal to the population size (which is constant during the iterations). Every new specimen comes into being as a result of the crossover of a drawn pair. Crossover is about passing features of both specimens “parents” onto a specimen “child” – in a described implementation, particular parameters of a new specimen adopt average values from relevant parameter values of both “parents”. Every specimen created in such a way may be subject to a mutation process with a defined probability. The mutation process introduces random changes in values of some (also randomly selected) model parameters. In this way, a new population of specimens of the same size comes into being in each iteration. Then it is subject to an analogously performed process of evaluation, selection, crossover and mutation. 5


M. Bajor, et al. | Acta Energetica 4/17 (2013) | 4–9

It should be emphasised that due to the non-deterministic character of the algorithm, the best specimen in any selected generation does not need to be characterised with higher quality in relation to the best specimen of a preceding generation. However, a general trend of quality improvement is observed in subsequent iterations of the algorithm. Fig. 1 presents an exemplary progress of algorithm performance (values of the evaluation function are dimensionless – the lower the value, the better the solution).

simulations necessary in the process of quality evaluation concerning specimens. Algorithm parameters include: • population size • fraction of a population chosen in the selection process and constituting the basis for the next generation creation • mutation probability • number of iterations (generations).

3. Testing

Evaluation

3.1. Test model

Iterations

Fig. 1. Record of exemplary process of the genetic algorithm – visible trend of quality improvement of solutions

In this study, the software has been designed and implemented based on the above-described concept. This application uses an external calculation engine in order to conduct dynamic

One of the publicly available IEEE test models [1] has been applied to conduct tests of the procedure of determining dynamic parameters with the proposed method. A distribution model, applied to conduct the grid reduction process, includes 39 nodes and 10 synchronous generators, as well as models of loads, transformers and transmission lines. The applied model is used in many scientific studies concerning research of power systems and is often described as the New England system. The IEEE test model did not include all the necessary information concerning its dynamic behaviour, so it was necessary to complete it with dynamic models (consistent with IEEE models) and then to verify their structures and parameters. All generating units were modelled by the synchronous generator model (genrou, gensal) and by its excitation system (exac4, exst1, exdc1, exac1). In addition, some of the generating units were equipped with the steam turbine model (ieeeg1, tgov1) and power system stabilisers (pss2a). Also, load modelling via constant active current and constant reactance

Fig. 2. Scheme of analysed grid together with information on the structure of dynamic models and system’s division into internal (tested) and external (being reduced) system 6


M. Bajor et al. | Acta Energetica 4/17 (2013) | 4–9

was adopted. Fig. 2 presents the scheme of the analysed grid together with information on the applied structures of dynamic models. Red represents 400 kV voltage, while blue – 20 kV voltage. Numbers over symbols of transmission lines are the resistance and reactance expressed in per unit. Under the generating unit symbol, types of dynamic models were listed.

3.2. Selection of parameters of a generating unit model A test with the use of a simplified problem was conducted to verify the correctness of genetic algorithm implementation. The test case consisted in selecting parameters of dynamic models of generators and excitation systems of a selected generating unit, analogously to the case of target algorithm application, however, with no system reduction and equivalent creation. Therefore, a model of the system which was used to generate the benchmark results and a model applied to assess solutions tested by the algorithm were identical. The response (rotor angle and generator voltage) of an indicated unit (generator attached to node 46) to large disturbances was analysed – close short circuit of 100 ms duration in node 2. Simulation time was equal to 20 s. The results (matched responses) for one of the analysed test cases are presented in figure 3 and 4. Red bold line designates benchmark processes, thinner blue line – processes obtained for parameters selected by the algorithm.

The character of a dynamic response of the system with parameters obtained by the genetic algorithm in all analysed cases is very close to the response of the initial system. Recorded plots of rotor angles and generator voltage feature almost identical values of amplitudes and oscillation frequency. A phase shift between obtained plots was not observed. The results indicate the possibility of applying the designed algorithm to determine dynamic parameters of the equivalent.

3.3. Determination of the equivalent parameters It is necessary to divide the analysed system into the internal system (tested) and external system (reduced) prior to commencement of relevant reduction process. For the needs of this paper, the system’s part constituting the subject of reduction is marked with a dashed ellipse in Fig. 2. It includes four synchronous generators with diverse excitation systems, some transmission lines and transformers. Just as in test cases, parameters of dynamic models for the equivalent generator and excitation control unit were determined. The response (plots of rotor angles and generator voltage) of a generating unit close to the reduced system’s part (generator attached to node 41) on nearto-generator short circuit lasting 100 ms in node 2. The duration of a single simulation came to 20 s. Fig. 5 and Fig. 6 presents results obtained with the use of the parameters derived by genetic algorithm (matched plots). Plots obtained for dynamic parameters of the equivalent determined by the genetic algorithm (blue curve) against benchmark process (red curve). Plots obtained during simulations conducted for parameters derived by the genetic algorithm are characterised by a very high level of consistence with benchmark processes, especially with regard to the most important specific values (e.g. the lowest noted voltage level, first rotor swing).

Fig. 3. Rotor angle response obtained for dynamic parameters determined by the genetic algorithm (blue curve) as against benchmark response (red curve)

Fig. 5. Rotor angle response obtained for dynamic parameters determined by the genetic algorithm (blue curve) as against benchmark process (red curve)

Fig. 4. Generator terminal voltage response obtained for dynamic parameters determined by the genetic algorithm (blue curve) as against benchmark response (red curve) 7


M. Bajor, et al. | Acta Energetica 4/17 (2013) | 4–9

Fig. 6. Generator terminal voltage response obtained for dynamic parameters determined by the genetic algorithm (blue curve) as against benchmark process (red curve)

Thereby, the algorithm confirmed its usefulness in obtaining parameters of a dynamic model. It is worth mentioning that good adjustment of processes have already been observed after a dozen or so algorithm iterations. Further simulation tests were conducted to verify additionally the usefulness of obtained parameters and to avoid the trick of conditioning results on a single disturbance, i.e. situation when determined parameters provide similar results only when exactly the same disturbance for which they were determined was analysed. The tests included comparison of results obtained for simulations on both system models (full model and reduced model including the equivalent previously parameterised by the algorithm. The parameters for the equivalent were determined for short circuit in node 41, whereas during the simulation the short circuit was applied to node 25 (observed generator attached to node 48). Fig. 7 and 8 presents obtained results. In this case again, very good coverage of results obtained during simulation on a full model and on a reduced model is observed.

Fig. 8. Generator terminal voltage response obtained for dynamic parameters of the equivalent determined by the genetic algorithm (blue curve) as against benchmark process (red curve). Both disturbance and an observed unit are different from those applied to determined parameters

4. Conclusions In all analysed cases, obtained plots for rotor angles and generator terminal voltages have the same frequency of changes and approximate amplitudes, while the character of a dynamic response of the reduced system is approximate to a response of a system before reduction. The obtained results demonstrate that the reduced model is appropriate to test angular stability of a large disturbance with use of a proposed method. Conducted tests demonstrated that the character and specific values of model responses were similar also in the case when the disturbance used to determine parameters of equivalent was different from the one applied during test. The equivalent created with the method presented in the paper may be used in many cases including dynamic analyses of power systems, i.e. during international cooperation, when the KSE dynamic model should be passed on to an international partner in a form that does not violate the operator data confidentiality policy, and at the same time enables conducting research where dynamic behaviour of a full system model is maintained. Another potential application of the algorithm is the issue of AC system model reduction for the needs of dynamic analyses of cooperation of HVDC links. These are currently being studied under numerous projects of interconnecting off-shore wind farms or developing new inter-area connections. REFERENCES

Fig. 7. Rotor angle response obtained for dynamic parameters of the equivalent determined by the genetic algorithm (blue curve) as against benchmark process (red curve). Both disturbance and an observed unit are different from those applied to determined parameters

1. 2.

3. 4.

8

http://www.ee.washington.edu/research/pstca/. Madajewski K., Modele dynamiczne systemu elektroenergetycznego do badania układów przesyłowych prądu stałego [Dynamic Models of the Power System to Test Transmission System of Direct Current], Institute of Power Engineering, Warsaw 2003. Machowski J., Białek J., Rumby J., Power system dynamics. Stability and control, John Wiley and Sons Ltd, 2008. Electric Power Research Institute: Dynamic Reduction, Vol. 1: Final Report, April 1993.


M. Bajor et al. | Acta Energetica 4/17 (2013) | 4–9

Michał Bajor Institute of Power Engineering Gdańsk Branch e-mail: m.bajor@ien.gda.pl Graduated from Gdańsk University of Technology, Department of Computer Architecture, specializing in distributed computing. Currently working as a Research Assistant in the Institute of Power Engineering in Gdańsk, Poland. Participated in numerous wind farm grid connection studies, as well as in other studies concerning wind farms impact on the electrical system and other types of grid studies. The main areas of his interest include probabilistic aspects of wind generation impact on the power system and non-deterministic computational methods of optimization of various aspects of grid operation.

Michał Kosmecki Institute of Power Engineering Gdańsk Branch e-mail: m.kosmecki@ien.gda.pl He graduated from the Faculty of Electrical and Control Engineering of Gdańsk University of Technology. Currently he works as a Research Assistant in the Automatics and System Analysis Department in the Institute of Power Engineering, Gdańsk Branch. He co-authored analyses dedicated to various aspects of the power system operation, including interconnection of renewable energy sources, system stability and modelling, also for real-time simulation purposes. He is particularly interested in high voltage direct current transmission. He has written several papers about this topic.

Maciej Wilk Institute of Power Engineering Gdańsk Branch, Gdańsk University of Technology e-mail: m.wilk@ien.gda.pl He graduated with a major in Electrotechnics at the Faculty of Electrical and Control Engineering of Gdańsk University of Technology. Currently he works in the Automatics and System Analyses Department of the Institute of Power Engineering, Gdańsk Branch. He is also a PhD student in his parent faculty. He has participated in numerous works concerning interconnection studies for wind generation to the grid and other analytical works related to power system dynamics. He represents the Institute of Power Engineering in the European Commission project eHighways2050.

9


M. Bajor et al. | Acta Energetica 4/17 (2013) | translation 4–9

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 4–9. When referring to the article please refer to the original text. PL

Metoda identyfikacji parametrów dynamicznych jednostek wytwórczych na podstawie przebiegów pozakłóceniowych Autorzy

Michał Bajor Michał Kosmecki Maciej Wilk

Słowa kluczowe

algorytm genetyczny, ekwiwalentowanie, identyfikacja parametrów dynamicznych

Streszczenie

W artykule zaproponowano wykorzystanie algorytmu genetycznego do identyfikacji parametrów dynamicznych jednostek wytwórczych lub ekwiwalentów zastępujących obszary systemu elektroenergetycznego z wykorzystaniem przebiegów pozakłóceniowych. Zamieszczono również wyniki dwóch rodzajów testów oprogramowania, stworzonego na podstawie opracowanej metody. Testy zostały wykonane poprzez dobór parametrów pojedynczej jednostki wytwórczej oraz dla jednostki zastępczej, mającej za zadanie odwzorowanie zachowania dynamicznego większego obszaru systemu.

1. Wprowadzenie Współczesne systemy elektroenergetyczne obejmują swoim obszarem olbrzymie tereny i składają się z bardzo dużej liczby elementów, z których każdy odwzorowywany jest odpowiadającymi mu modelami dynamicznymi. Ponadto w ramach jednego systemu swoją działalność prowadzi często wielu operatorów. Prowadzenie badań nad stabilnością tak dużych systemów jest bardzo utrudnione zarówno z technicznego (złożoność obliczeń), jak i formalnego (trudność uzyskania danych opisujących poszczególne elementy systemu) punktu widzenia. W związku z tym powszechnie przyjętą praktyką jest zastępowanie pewnych części analizowanego systemu różnymi formami ekwiwalentów, które w możliwie dokładny sposób odwzorowują zachowanie zastępowanego obszaru. Wymagane właściwości użytego ekwiwalentu będą zależały od charakteru prowadzonych badań. Do prowadzenia obliczeń rozpływowych wystarczający będzie ekwiwalent odwzorowujący statyczne zachowanie redukowanego obszaru. Do wykonywania symulacji obejmujących stany przejściowe konieczne będzie wykorzystanie ekwiwalentu charakteryzującego się możliwie dokładnym odwzorowywaniem zachowania dynamicznego poszczególnych elementów znajdujących się na zastępowanym obszarze. Badania, których przedmiotem jest ekwiwalentowanie, prowadzone są od wielu lat. Poniżej zamieszczono przyczyny, dla których prace nad tym działem są szczególnie ważne: • Wzrastająca złożoność SEE – współczesne systemy elektroenergetyczne mogą składać się z bardzo dużej liczby elementów, z których każdy odwzorowywany jest odpowiadającymi mu modelami dynamicznymi. Na przykład w modelu dla 2011 roku liczba generatorów w KSE wynosi ok. 480.

1

10

Uzupełnienie modelu dynamicznego tak dużych systemów o modele nowych elementów, mających duży wpływ na dynamikę systemu (na przykład nowe, duże bloki w KSE, generacja rozproszona, farmy wiatrowe, energoelektronika, HVDC), dodatkowo komplikuje i utrudnia prowadzenie obliczeń dynamicznych. • Względy praktyczne – obszary systemu elektrycznie odległe od miejsca wystąpienia analizowanego zakłócenia mają pomijalny wpływ na dynamikę niektórych zjawisk (np. stabilność kątowa pierwszego wychylenia wirnika, szybkie stany przejściowe) i ich szczegółowe modelowanie jest nieuzasadnione. Ma to szczególne znaczenie, gdy weźmiemy pod uwagę fakt wzrastającej rozległości współczesnych systemów elektroenergetycznych. • Dostępność danych – dane niezbędne do stworzenia pełnego modelu dynamicznego całego systemu pracującego synchronicznie są często bardzo trudne do zdobycia. W dobie połączonych systemów wielu krajów (np. ENTSO-E CE, w którym synchronicznie pracują systemy elektroenergetyczne 34 krajów) pozyskiwanie danych dotyczących wielkich SEE jest utrudnione, m.in. ze względu na brak jednolitych regulacji dotyczących udostępniania danych i sposobu opisu modeli1. • Trudności natury obliczeniowej – obliczenia dynamiczne na modelach rozległych SEE często prowadzone są wielowariantowo, co nawet przy uwzględnieniu potężnych mocy obliczeniowych współczesnych komputerów jest skomplikowane i czasochłonne. Przy tak dużym nagromadzeniu danych bardzo łatwo o pomyłkę lub błąd, który tym trudniej zlokalizować, im większy jest badany system. Ekwiwalentowanie umożliwia znaczące skrócenie czasu trwania

Sytuacja może się poprawić po opracowaniu i wdrożeniu standardu CIM dla dynamiki.

obliczeń, które istotne jest zwłaszcza podczas prowadzenia badań o charakterze wielowariantowym. • Ograniczenia programowe – pomimo dynamicznego rozwoju sprzętu komputerowego większość pakietów oprogramowania do badania stanów nieustalonych w systemie elektroenergetycznym posiada ograniczenie do rozmiaru badanego systemu. Ograniczenie takie w przeważającej liczbie programów jest niezależne od uwarunkowań sprzętowych. Nierzadko też cena zakupu licencji na oprogramowanie zależy od rozmiaru możliwego do analizowania systemu. Dodatkowo, wraz z szybkim rozwojem współczesnych SEE, pojawiają się w nim nowe elementy, dla których odpowiednie modele nie są jeszcze zaimplementowane w używanym oprogramowaniu. Chcąc zapewnić prawidłowe zachowanie modelu systemu w sytuacjach różnych zakłóceń po wykonaniu jego redukcji, elementy utworzonej jednostki wytwórczej, zastępującej ekwiwalentowaną część systemu, muszą zostać odpowiednio sparametryzowane. Propozycja metody wyznaczania parametrów ekwiwalentu dynamicznego jest przedstawiona w dalszej części artykułu. 2. Metoda Jedną z metod wyznaczania parametrów układu zastępczego jest ich dobór na podstawie porównania odpowiedzi modelu pełnego (przed redukcją) i modelu, w którym część systemu została zastąpiona ekwiwalentem. Jeżeli wymiar ekwiwalentu jest duży, to mamy do czynienia z zadaniem, którego rozwiązanie nie jest proste. Rozwiązy wanie takich złożonych problemów optymalizacyjnych jest głównym obszarem zastosowania algorytmów niedeterministycznych, które pozwalają na znalezienie rozwiązań problemów bardzo trudnych do rozwiązania przez algorytmy


M. Bajor et al. | Acta Energetica 4/17 (2013) | translation 4–9

deterministyczne. Fundamentalną różnicą pomiędzy tymi dwoma rodzajami algorytmów jest fakt, że w przypadku algorytmu deterministycznego otrzymywane rozwiązanie jest jednoznacznie determinowane przez dane wejściowe, przeciwnie niż ma to miejsce dla algorytmów niedeterministycznych (różne wykonania algorytmu niedeterministycznego dla tego samego zestawu danych wejściowych zostaną zakończone otrzymaniem różniących się wyników). Do rozwiązania problemu właściwego doboru parametrów modeli dynamicznych, wchodzących w skład ekwiwalentu, zastosowano implementację algorytmu genetycznego. Algorytmy genetyczne, zwane również ewolucyjnymi, są jednymi z najczęściej wykorzystywanych rodzajów niedeterministycznych algorytmów. Algorytm genetyczny działa na zasadzie symulacji naturalnego procesu ewolucji, poprzez modelowanie procesów zachodzących w przyrodzie, takich jak selekcja naturalna, krzyżowanie czy mutacja. Podobnie jak w przypadku wszystkich niedeterministycznych algorytmów, obszar zastosowania algorytmów genetycznych obejmuje przede wszystkim szukanie rozwiązań złożonych problemów optymalizacyjnych. Podstawowym pojęciem związanym z algorytmem genetycznym jest populacja. Populacja składa się z osobników, z których każdy reprezentuje pojedyncze rozwiązanie problemu. W przełożeniu na zagadnienie doboru wartości parametrów modeli dynamicznych ekwiwalentu osobnik jest zamodelowany jako zbiór modeli wchodzących w skład ekwiwalentu, wraz z wartościami poszczególnych parametrów każdego modelu, których wyznaczenie jest zadaniem algorytmu. Każdy taki osobnik jest potencjalnym rozwiązaniem problemu. Poszczególnym parametrom wszystkich modeli zostają a priori przypisane dopuszczalne zakresy ich wartości. Wartości parametrów, które mogą zostać łatwo uzyskane na drodze analitycznej (np. MVA), nie są wyznaczane, techniczna realizacja tego założenia polega na przyjęciu identycznych wartości (równych wyznaczonej wcześniej prawidłowej wartości) dla dolnego i górnego ograniczenia zakresu dopuszczalnych wartości, które może przyjmować parametr w trakcie działania algorytmu. Pierwszą czynnością algorytmu jest utworzenie populacji startowej o zadanej liczebności. Populacja startowa jest tworzona w sposób losowy, tak aby zapewnić jak największe zróżnicowanie cech osobników (czyli wartości parametrów – w dopuszczalnym zakresie). Populacja startowa jest punktem wyjścia działania algorytmu. Przebieg poszczególnych iteracji algorytmu (spotykane jest również pojęcie „pokolenia”) jest następujący: każdy osobnik populacji poddawany jest ocenie, na jej podstawie selekcjonowane są najlepsze osobniki, które dadzą źródło nowym osobnikom poprzez proces krzyżowania. Stworzone nowe osobniki, po ewentualnych mutacjach, tworzą nową populację (pokolenie), która przejdzie następnie analogiczny proces w nowej iteracji. W ten sposób każda populacja (poza startową, tworzoną losowo) jest tworzona na podstawie najlepszych (pod kątem oceny rozwiązania) osobników z poprzedniej populacji, z intencją przejęcia

ich pożądanych cech. Działanie algorytmu kończy się po wykonaniu zadanej liczby iteracji lub w momencie osiągnięcia rozwiązania o satysfakcjonującej jakości (z powodu stosunkowo szybkich obliczeń, w niniejszej implementacji to kryterium nie było stosowane). Kluczowa dla działania algorytmu jest funkcja oceny jakości osobnika (rozwiązania), która decyduje o możliwości przekazania jego cech (czyli wartości parametrów) pokoleniom w kolejnych iteracjach. W zaimplementowanym rozwiązaniu ocena osobnika opiera się na porównaniu przebiegów otrzymanych dla wyznaczonych parametrów, dla określonego zdarzenia (zdarzeń) z przebiegami wzorcowymi. Wartość oceny jest średnim błędem bezwzględnym otrzymanego przebiegu w stosunku do przebiegu wzorcowego. W zależności od wielkości, której przebieg jest analizowany, wartość błędu dotyczy całej długości obserwowanego przebiegu (w przypadku kąta wychylenia wirnika generatora) lub tylko jego zdefiniowanej części (w przypadku przebiegu napięcia ocena koncentruje się na fragmencie spadku i odbudowy napięcia w trakcie i tuż po zakłóceniu). Po dokonaniu oceny populacji wszystkie osobniki są sortowane zgodnie z malejącą wartością funkcji oceny ich jakości. Proces selekcji polega na wyborze zadanej liczby (określonej jako ułamek ogólnej liczebności populacji) osobników o najlepszej ocenie i odrzuceniu pozostałych. Wybrane osobniki stanowią podstawę tworzenia kolejnego pokolenia. W tym celu spośród wyselekcjonowanej grupy losowo wybierane jest dokładnie tyle par osobników, ile wynosi liczebność populacji (która nie zmienia się podczas przebiegu algorytmu). Każdy nowy osobnik powstaje w wyniku krzyżowania wylosowanej pary. Krzyżowanie polega na przekazywaniu osobnikowi „potomnemu” cech obu osobników „rodziców” – w opisywanej implementacji poszczególne parametry nowego osobnika przyjmują wartości średnie z odpowiednich wartości parametrów obu „rodziców”. Każdy stworzony w ten sposób osobnik może z określonym prawdopodobieństwem zostać poddany procesowi mutacji. Wystąpienie mutacji polega na losowych zmianach wartości niektórych (również wybranych losowo) parametrów modeli. W ten sposób w każdej iteracji powstaje

nowa populacja osobników o tej samej liczebności, która następnie poddawana jest w analogiczny sposób procesowi oceny, selekcji, krzyżowania i mutacji. Należy podkreślić, że z powodu niedeterministycznego charakteru algorytmu najlepszy osobnik w dowolnie wybranym pokoleniu niekoniecznie musi charakteryzować się wyższą jakością w stosunku do najlepszego osobnika pokolenia poprzedzającego, obserwowany jest jednak generalny trend poprawy jakości w kolejnych iteracjach algorytmu. Przykładowy postęp wykonania algorytmu (wartości funkcji oceny najlepszych osobników kolejnych populacji są niemianowane – im niższa wartość, tym lepsze rozwiązanie) przedstawiono na wykresie na rys. 1. W ramach niniejszej pracy zaprojektowano i zaimplementowano oprogramowanie komputerowe bazujące na opisanej powyżej koncepcji. W celu wykonywania symulacji dynamicznych niezbędnych w procesie oceny jakości osobników, aplikacja korzysta z zewnętrznego silnika obliczeniowego. Parametrami algorytmu są: • liczebność populacji • ułamek populacji wybierany w procesie selekcji i stanowiący podstawę tworzenia kolejnego pokolenia • prawdopodobieństwo wystąpienia mutacji • liczba iteracji (pokoleń). 3. Testowanie 3.1. Model testowy Do przeprowadzenia testów procedury wyznaczania parametrów dynamicznych przez zaproponowaną metodę wykorzystano jeden z publicznie dostępnych modeli testowych IEEE [1]. Model rozpływowy, wykorzystany do przeprowadzenia procesu redukcji, składa się z 39 węzłów oraz 10 generatorów synchronicznych, a także modeli odbiorów, transformatorów oraz linii przesyłowych. Użyty model jest wykorzystywany w wielu pracach naukowych dotyczących badania systemów elektroenergetycznych i często określany jest jako system Nowej Anglii. Model testowy IEEE nie zawierał w sobie wszystkich niezbędnych informacji dotyczących jego zachowania dynamicznego, więc konieczne było uzupełnienie go o modele dynamiczne (zgodne z modelami IEEE), a następnie weryfikacja ich struktur

Rys. 1. Zapis przykładowego przebiegu algorytmu genetycznego – widoczny trend poprawy jakości rozwiązań

11


M. Bajor et al. | Acta Energetica 4/17 (2013) | translation 4–9

i parametrów. Wszystkie jednostki wytwórcze zostały dokładnie odwzorowane poprzez model generatora synchronicznego (genrou, gensal) oraz jego układu wzbudzenia (exac4, exst1, exdc1, exac1). Dodatkowo część jednostek wytwórczych wyposażono w model turbiny cieplnej (ieeeg1, tgov1) oraz model stabilizatora systemowego (pss2a). Dodatkowo przyjęto modelowanie odbiorów poprzez stały prąd czynny i stałą reaktancję. Schemat analizowanej sieci wraz z informacją o użytych strukturach modeli dynamicznych przedstawiony został na rys. 2. Kolor czerwony reprezentuje napięcie 400 kV, natomiast kolor niebieski napięcie 20 kV. Liczby nad symbolami linii przesyłowych oznaczają wartości rezystancji oraz reaktancji, wyrażone w jednostkach względnych. Pod symbolem jednostki wytwórczej wymieniono typy modeli dynamicznych, które zostały wykorzystane do jej odwzorowania. 3.2. Dobór parametrów modelu jednostki wytwórczej Chcąc sprawdzić poprawność działania implementacji algorytmu genetycznego, przeprowadzono badania testowe z wykorzystaniem uproszczonego problemu. Przypadek testowy polegał na doborze wartości parametrów modeli dynamicznych generatora i regulatora wzbudzenia wybranej jednostki wytwórczej, a więc analogicznie jak w przypadku docelowego zastosowania algorytmu, jednak bez redukcji systemu i tworzenia ekwiwalentu. Model systemu, na podstawie którego uzyskano przebiegi wzorcowe, oraz model używany do celów oceny rozwiązań badanych przez algorytm były zatem tożsame. Analizowano odpowiedź (przebiegi kąta wychylenia wirnika oraz napięcia na zaciskach generatora) wskazanej jednostki (generator przyłączony do węzła 46) na duże zakłócenie – bliskie zwarcie o czasie trwania 100 ms w węźle 2. Czas pojedynczej symulacji wynosił 20 s. Wyniki (dopasowane przebiegi) dla jednego z analizowanych przypadków testowych

przedstawiono na rys 3–4. Czerwoną pogrubioną linią oznaczone są przebiegi wzorcowe, cieńszą niebieską – przebiegi uzyskane dla parametrów dobranych przez algorytm.

Rys. 3. Przebieg kąta wychylenia wirnika uzyskany dla parametrów dynamicznych, wyznaczonych przez algorytm genetyczny (krzywa niebieska), w porównaniu z przebiegiem wzorcowym (krzywa czerwona)

Rys. 4. Przebieg napięcia na zaciskach generatora uzyskany dla parametrów dynamicznych, wyznaczonych przez algorytm genetyczny (krzywa niebieska), w porównaniu z przebiem wzorcowym (krzywa czerwona)

We wszystkich analizowanych przypadkach charakter odpowiedzi dynamicznej układu o parametrach dobranych przez algorytm genetyczny jest bardzo zbliżony do odpowiedzi układu wejściowego. Rejestrowane przebiegi kątów wirnika i napięcia generatorów charakteryzują się niemal identycznymi wartościami amplitudy i częstotliwości oscylacji. Nie zaobserwowano przesunięcia fazowego między otrzymanymi przebiegami. Uzyskane

wyniki wskazują na możliwość zastosowania zaprojektowanego algorytmu do celów wyznaczania parametrów dynamicznych ekwiwalentu. 3.3. Wyznaczanie parametrów ekwiwalentu Przed przystąpieniem do właściwego procesu redukcji konieczne jest podzielnie analizowanego systemu na system wewnętrzny (badany) oraz zewnętrzny (redukowany). Na potrzeby niniejszej pracy część systemu podlegająca procesowi redukcji została oznaczona przerywaną elipsą na rys. 2. Składa się ona z czterech generatorów synchronicznych z różnorodnymi układami wzbudzenia oraz wielu linii przesyłowych i transformatorów. Podobnie jak w przypadkach testowych, wyznaczane były wartości parametrów modeli dynamicznych generatora i regulatora wzbudzenia jednostki wytwórczej, stanowiącej ekwiwalent zredukowanej części systemu. Analizowano odpowiedź (przebiegi kąta wychylenia wirnika oraz napięcia na zaciskach generatora) jednostki wytwórczej, położonej w pobliżu redukowanej części systemu (generator przyłączony do węzła 41), na bliskie zwarcie o czasie trwania 100 ms w węźle 2. Czas pojedynczej symulacji wynosił 20 s. Uzyskane za pomocą algorytmu genetycznego wyniki (dopasowane przebiegi) przedstawiono na rRys. 5. Przebieg kąta wychylenia wirnika uzyskany dla parametrów dynamicznych ekwiwalentu wyznaczonych przez algorytm genetyczny (krzywa niebieska), w porównaniu z przebiegiem wzorcowym (krzywa czerwona) Rys. 6. Przebieg napięcia na zaciskach generatora uzyskany dla parametrów dynamicznych ekwiwalentu, wyznaczonych przez algorytm genetyczny (krzywa niebieska), w porównaniu z przebiegiem wzorcowym (krzywa czerwona)s. 5–6. Czerwoną pogrubioną linią oznaczone są przebiegi wzorcowe, cieńszą niebieską – przebiegi uzyskane dla parametrów dobranych przez algorytm. Przebiegi, uzyskane w trakcie symulacji wykonanych dla parametrów dobranych przez algorytm genetyczny, charakteryzują się bardzo wysokim stopniem zgodności z przebiegami wzorcowymi, szczególnie pod kątem najważniejszych wartości charakterystycznych (np. najniższy zanotowany poziom napięcia, pierwsze maksymalne wychylenie).

Rys. 5. Przebieg kąta wychylenia wirnika uzyskany dla parametrów dynamicznych ekwiwalentu wyznaczonych przez algorytm genetyczny (krzywa niebieska), w porównaniu z przebiegiem wzorcowym (krzywa czerwona)

Rys. 2. Schemat analizowanej sieci wraz z informacją o użytych strukturach modeli dynamicznych oraz podziałem systemu na system wewnętrzny (badany) oraz zewnętrzny (redukowany)

12


M. Bajor et al. | Acta Energetica 4/17 (2013) | translation 4–9

Rys. 6. Przebieg napięcia na zaciskach generatora uzyskany dla parametrów dynamicznych ekwiwalentu, wyznaczonych przez algorytm genetyczny (krzywa niebieska), w porównaniu z przebiegiem wzorcowym (krzywa czerwona)

Algorytm potwierdził tym samym swoją przydatność do celów wyznaczania parametrów dynamicznych modeli. Warto wspomnieć, że dobre dopasowanie przebiegów obserwowano już po kilkunastu iteracjach algorytmu. Chcąc dodatkowo zweryfikować poprawność uzyskanych wyników i uniknąć pułapki uzależnienia wyników od pojedynczego zdarzenia, tzn. sytuacji, kiedy dobrane parametry zapewniają podobne przebiegi tylko w przypadku analizy dokładnie tego samego zdarzenia, dla którego zostały wyznaczone, przeprowadzono dalsze badania symulacyjne. Porównano podczas nich przebiegi otrzymane w wyniku symulacji na obu modelach systemu (pełnym i zawierającym ekwiwalent sparametryzowany uprzednio przez algorytm), dla odmiennego zakłócenia (zwarcie w węźle 25, obserwowany generator przyłączony do węzła 48) niż to, które posłużyło do wyznaczenia parametrów dynamicznych ekwiwalentu. Otrzymane wyniki przedstawiono na rys. 7–8. W tym przypadku również widoczne jest bardzo dobre odwzorowanie przebiegów otrzymanych podczas symulacji na modelu pełnym poprzez przebiegi wynikowe symulacji na modelu zredukowanym.

Rys. 7. Przebieg kąta wychylenia wirnika uzyskany dla parametrów dynamicznych ekwiwalentu, wyznaczonych przez algorytm genetyczny (krzywa niebieska), w porównaniu z przebiegiem wzorcowym (krzywa czerwona). Zakłócenie i obserwowana jednostka odmienne niż użyte do wyznaczenia parametrów

Rys. 8. Przebieg napięcia na zaciskach generatora uzyskany dla parametrów dynamicznych ekwiwalentu, wyznaczonych przez algorytm genetyczny (krzywa niebieska), w porównaniu z przebiegiem wzorcowym (krzywa czerwona). Zakłócenie i obserwowana jednostka odmienne niż użyte do wyznaczenia parametrów

4. Wnioski końcowe We wszystkich analizowanych przypadkach rejestrowane przebiegi kątów wirnika i napięcia generatorów mają zbieżną częstotliwość zmian oraz zbliżone amplitudy, a charakter odpowiedzi dynamicznej układu zredukowanego jest zbliżony do odpowiedzi układu przed redukcją. Z otrzymanych przebiegów wynika, że model, po

przeprowadzeniu procesu redukcji dynamicznej z wykorzystaniem zaproponowanej metody, jest odpowiedni do badania stabilności kątowej dużych zakłóceń. Przeprowadzone testy wykazały, że charakter i wartości charakterystyczne odpowiedzi modelu zostały zachowane również w przypadku analizy zakłócenia odmiennego od tego, które posłużyło do wyznaczenia parametrów dynamicznych ekwiwalentu. Stworzony za pomocą przedstawionej w artykule metody ekwiwalent może być wykorzystywany w wielu pracach obejmujących dynamiczne analizy systemów elektroenergetycznych, m.in. podczas współpracy międzynarodowej, gdy partnerowi zagranicznemu należy przekazać model dynamiczny KSE w takiej formie, aby nie naruszał polityki jawności danych operatorów, a jednocześnie umożliwiał prowadzenie badań, odwzorowując zachowanie pełnego modelu systemu. Inne potencjalne zastosowanie algorytmu to zagadnienie redukcji modelu systemu AC na potrzeby analiz dynamicznych współpracy układów HVDC z systemem elektroenergetycznym, aktualnie podejmowane w ramach licznych projektów przyłączania morskich farm wiatrowych lub tworzenia nowych połączeń międzysystemowych. Bibliografia 1. 2.

3. 4.

http://w w w.e e.washington.e du/ research/pstca/. Madajewski K., Modele dynamiczne systemu elektroenergetycznego do badania układów przesyłowych prądu stałego, Instytut Energetyki, Warszawa 2003. Machowski J., Białek J., Rumby J., Power system dynamics. Stability and control, John Wiley and Sons Ltd, 2008. Electric Power Research Institute: Dynamic Reduction, Vol. 1: Final Report, April 1993.

Michał Bajor

mgr inż. Instytut Energetyki Oddział Gdańsk e-mail: m.bajor@ien.gda.pl Absolwent Wydziału Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej. Zatrudniony na stanowisku asystenta w Zakładzie Automatyki i Analiz Systemowych Instytutu Energetyki Oddział Gdańsk. Uczestnik licznych prac dotyczących zagadnień przyłączania generacji rozproszonej do sieci oraz innych prac analitycznych, związanych z pracą systemu elektroenergetycznego. Obszar jego zainteresowań obejmuje m.in. probabilistyczne aspekty wpływu generacji wiatrowej na system elektroenergetyczny oraz wykorzystanie niedeterministycznych metod obliczeniowych w analizach pracy sieci.

Michał Kosmecki

mgr inż. Instytut Energetyki Oddział Gdańsk e-mail: m.kosmecki@ien.gda.pl Ukończył studia na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej. Obecnie pracuje na stanowisku asystenta w Zakładzie Automatyki i Analiz Systemowych w Instytucie Energetyki Oddział Gdańsk. Współtworzył analizy poświęcone różnym aspektom pracy systemu elektroenergetycznego, m.in. przyłączaniu OZE, bezpieczeństwu pracy systemu oraz modelowaniu systemu, w tym na potrzeby symulacji w czasie rzeczywistym. Jest szczególnie zainteresowany tematyką układów przesyłowych prądu stałego, czemu poświęcił kilka publikacji.

Maciej Wilk

mgr inż. Instytut Energetyki Oddział Gdańsk e-mail: m.wilk@ien.gda.pl Ukończył studia na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej, na kierunku elektrotechnika. Aktualnie jest zatrudniony w Zakładzie Automatyki i Analiz Systemowych Instytutu Energetyki Oddział Gdańsk, a także jest słuchaczem studiów doktoranckich organizowanych przez macierzysty wydział. Uczestniczył w licznych pracach dotyczących analiz przyłączeniowych generacji wiatrowej do sieci oraz innych pracach analitycznych, związanych z dynamiką systemu elektroenergetycznego. Reprezentuje Instytut Energetyki w projekcie Komisji Europejskiej eHigways2050.

13


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | 14–21

Complementarity of Wind and Photovoltaic Power Generation in Conditions Similar to Polish

Authors Rafał Hyrzyński Michał Karcz Marcin Lemański Karol Lewandowski Sebastian Nojek

Keywords energy production correlation, RES, energy mix

Abstract In the paper an estimation of the correlation between power generation from wind and photovoltaic farms distributed over a large area has been presented. The climatic and morphological conditions for the considered area are similar to the Polish conditions. The initial analysis of data provided by distribution system operators indicates that a negative correlation between wind and PV energy generation exists when a longer period of averaging is assumed. Additionally, the maximum value of generated power has never reached the level of installed capacity. Considering the system, where a significant number of wind and photovoltaic farms are installed, an assumption that total generation sources capacity is achievable can lead either to grid curtailments or to grid development overinvestments.

DOI: 10.12736/issn.2300-3022.2013402

1. Introduction The past decade saw rapid development of renewable energy sources (RES) in the whole of Europe. In its first part the largest increase in installed capacity was due mainly to the development of wind farms, whereas in the second part the intense development of photovoltaic farms was noted. The countries where these investment processes were the most rapid are Germany and Spain. The scale of renewable energy development in these countries results mainly from advantageous support systems in the form of direct subsidies to the electricity generated. The current trend in wind generation development is directed primarily towards offshore wind farms in the North Sea. The growing share of electricity generation in RES, i.e. mainly sources of variable productivity, bears upon the power grid operation mode. In the mode so far, the base demand is reserved for stable large conventional power units, and peak supply is provided by a fast start-up/shut down units. Currently, there is a shift towards an operation mode based on distributed generation with differentiated capacities and variable outputs, which require fast and current balancing in order to maintain system stability [6, 12]. Also power grid configuration is subject to constant transformations due to changes in the generation source locations. Losing their relevance are the formerly binding criteria of system plants’ 14

location related mainly to the assurance of fuel supply continuity or nearness of industrialised areas. Currently, power grids must be extended towards the areas with appropriate balancing, or high insolation, which, however, are often situated quite far from potential recipients [5, 12]. Also in such regions with RES generation capacity prevailing over electricity consumption potential, large capital expenditures on transmission grid upgrades are most often required [11]. The power to be reserved for the connection of subsequent power plants results directly from the nominal power of the wind or photovoltaic plant identified in the application for specification of power grid connection terms. In reality, in wind farms located in a larger area electricity can be generated with the nominal power (or a power close to the nominal one) only for a very short period in a year. This results directly from the instantaneous, daily, annual and long-term variability of wind [9]. In photovoltaic plants an additional facto­r of the inability to achieve the nominal power is oversizing resulting from the difference between the nominal power of a unit determined for standard test conditions, and the plant’s actual operating conditions. As a result, onshore wind farms generate during a year circa 25% of the electricity resulting from their installed capacities [9], whereas the productivity ratio of photovoltaic plants in Central


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | 14–21

Europe amounts to around 10% only. Depending on the analysed area size, concurrent generation with full power by all wind farms and photovoltaic arrays in the area virtually does not occur [7]. This results from the nature of individual sources, i.e. wind and solar radiation, and from the mutual and typically negative correlation of their occurrence. This means that, as a rule, when sunlight is favourable, wind conditions are not, and vice versa. Therefore, a portion of the connection capacity reserved in a large area can be virtually untapped. Reserving the full power of all RES often causes unnecessary power grid extensions, and blocks the connection power of other possible generation source development projects. Therefore, an effective and optimal transmission grid upgrade requires a thorough diagnosis of the generation profiles of various RES types [11]. Generally, the productivity of all types of renewable energy generation, with the exception of biomass combustion and biogas power plants, are highly variable depending on the assumed time interval, so therefore they may affect power overproduction or deficit compared to the grid demand. Too many power plants with renewable energy sources connected to the grid adversely affect the transmission systems [5]. When the average yearly share of the electricity output from wind plants in the system exceeds 10% of the total generation, then often such output needs to be reduced [7]. It’s currently assumed that in order to steer clear of problems related to system stability and excessive limitation of wind generation, the RES output share should not exceed 20% to 30% [7, 10]. Ongoing however are works on power systems that would be capable of stable operation even with 50% share of wind power [12]. Wind direction and strength result from global climate implications [13]. Wind volatility makes the wind farm output hardly to predict [6]. Tools and methods are developed to enable predicting wind conditions more accurately; however, the length of the forecast with satisfactory results is limited to a few days at best. Despite this, even a forecast only one day in advance allows for certain optimisation of conventional power units’ start-ups or shut downs, thereby reducing the plants’ fuel consumption and operating costs. On the other hand, a forecast of several hours in advance allows a system operator to maintain the appropriate regulatory power reserve in the system – too little surplus bears upon the risk of system instability, too much of reserve adds to the system’s operating costs [6]. Fig.1a shows an example of the actual and projected output powers1 of wind farms in the area of German grid operator 50Hertz in the first days of January 2012 [1]. Electricity generation from photovoltaic panels is slightly different. Fig. 1b shows not only changes in the instantaneous power, but also the typical periodicity of its occurrence. Here, the factor directly influencing the solar panel generation is mainly the degree of cloudiness, and, to a lesser extent, the ambient temperature. A photovoltaic plant’s generation efficiency is also less dependent on the plant’s location, compared to wind farms [13]. Therefore, photovoltaic generation forecasting can be considered more accurate, and, more importantly, changes observed in a longer perspective are more regular. 1 2

a)

b)

Fig. 1. Actual and projected output vs. installed capacity of a) wind farms (FW) and b) photovoltaic arrays (PV) as of early January 2012 [1]

Extensive information on variability analyses of electricity generation in wind turbines [7, 8] and photovoltaic arrays [13] can be found in the relevant literature. Also numerous researchers are interested in the issues of complementarity of electricity generation from wind energy and solar radiation. However, a majority of such studies estimate the wind and solar generation output in an indirect manner, based on local wind resources and insolation data [4, 5, 15]. Only a few publications offer details of actual output of both types of power plants operating concurrently in a power system [11]. This analysis has been carried out to define the level of interdependence between the occurrences of conditions favourable for operation of wind farms and photovoltaic arrays in conditions similar to those prevailing in Poland, based on actual generation data. In addition, the covariance has been analysed of RES2 output with the current needs of the National Power Grid (NPS). The following analysis is aimed mainly at commercial generators of electricity in large wind farms and photovoltaic arrays. It should be borne in mind, however, that in the nearest years a strong increase in electricity generation will be due to the input of individual generators connected to Smart Grid types of networks [12]. Therefore additional sources will emerge that have an adverse impact on the power system operation stability, and hinder the appropriate energy balancing, particularly in view of the known difficulties related to efficient storage of electricity.

As dimensionless coefficients of installed capacity utilisation. The analysis limited to wind and photovoltaic plants only.

15


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | 14–21

2. Assumptions for analysis Long-term analysis of wind and photovoltaic generation is especially justified for power plants in large areas with many generation units installed. This contributes to the beneficial reduction of variation (smoothing) of generation waveforms, and improves the forecasting accuracy [8]. Wind generation has been dynamically developed in Poland only recently. Currently, the total wind farm capacity connected to the NPS amounts to ca. 2,500 MW, according to the Energy Regulatory Office3 [3]. Photovoltaic electricity generation is still virtually nonexistent in

a)

b)

c)

Fig. 2. Example daily changes in generation output vs. installed capacity of a) wind farms (FW) and b) photovoltaic arrays (PV), and c) national system (NPS)’s demand for power rate – own study based on data [1] and [2] for a selected day (1 April) of each analysed year

3

As of 31 December 2012.

16

Poland, since it’s represented by a mere ca. 1.29 MWe of installed capacity, according to ERO3 [3]. Therefore in this article data is used collected in 2009–2012 from a large number of plants scattered across the operating area of German power grid operator 50Hertz [1]. This is an area with morphological and climate conditions very similar to those prevailing in Poland. Therefore extrapolation of this wind and solar generation data enablea a high probability of conclusions regarding certain trends in Poland from the German territory. This approach is acceptable for climate-wise comparable Central European regions [11], and both insolation and wind conditions in Germany’s area adjacent to the Polish border are similar to those prevailing in Poland. For the sake of comparison data from the national power system concerning the power demand in 2009–2012 has additionally been used [2]. The presented details of power output of each RES have been normalised with current capacities installed, respectively, in wind farms and photovoltaic arrays operated by 50Hertz [1], which produced dimensionless installed capacity factor for both power plant types. Details of the NPS demand are presented as dimensionless rates of the system demand for power, i.e. values normalised with the current capacity installed in Poland [2].

3. Analysis of RES generation process and system demand Generally, a negative correlation has been identified between wind and photovoltaic generation, although this mainly depends on the timescale adopted for comparison, i.e. hours, days, months or years [5, 9, 15]. Additionally, observation of daily changes in the insolation and windiness, and in the system demand, shows repetition of the waveforms as shown in Fig. 2. In photovoltaic arrays this is directly related to the Earth’s rotation around its axis, and to its motion in the orbit around the Sun, and the day’s length. As regards wind generation, its output is typically lower in the night time, and increases from 8:00 a.m. until 6:00 p.m. [8, 9]. In the context of a monthly timescale it can be observed that generally in Central and Northern Europe winds are stronger in the winter than in the summer, hence the winter productivity of wind farms is higher – see Fig. 3a – while the photovoltaic generation productivity is obviously higher in the summer [4]. Observation of changes in the system demand shows daily repetitions, with a demand increase in the evening (Fig. 2c), as well as weekly, with decreased consumption on non-working days, and yearly, with intensified consumption in the winter [7] (Fig. 3c). In the same time intervals complementarity of the system demand with wind generation output can be identified – particularly for a year-long observation period, but also, albeit to a lesser degree, in the daily cycle [9]. The system demand for electricity is usually highest in the winter, when at the same time the wind generation conditions are most suitable. Fig. 3 shows that both wind and solar generations are subject to seasonal weather cycles. Clear repetition has been observed of


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | 14–21

a)

a) hourly interval

b) b) monthly interval

c)

Fig. 4. Correlation of capacity factor for wind and solar power plants for various balancing intervals – own study based on data [1]

Fig. 3 Annual changes in monthly averaged generation outputs vs. installed capacities of a) wind farms (FW) and b) photovoltaic arrays (PV), and c) NPS system demand rates, own study based on data [1, 2]

each year’s power output and system demand waveforms alike. Changes in the wind and photovoltaic generation output are qualitatively similar to those presented in earlier studies [4, 9, 15]. Fig. 4 presents correlation of the power available from wind farms and photovoltaic arrays in 2011–2012 for two different averaging intervals, i.e. hour and month.

In general, wind generation is capable of instantaneous power outputs close to the respective installed capacities, i.e. circa 90%, and higher outputs have been observed at the times of lower solar generation outputs. Solar generation maximum outputs may exceed 80% of the respective installed capacities. It should be noted, however, that high outputs are possible only at extremely favourable weather conditions, which may occur for barely a few hours during a year. This is related mainly to the actual working conditions, which strongly deviate from the standard (ideal) conditions taken into account for determination of the photovoltaic panels’ maximum powers [15]. The main purpose of the present statistical analysis is to find a correlation between the outputs of wind and solar generation. For two example data sets A and B the correlation can be described by linear correlation coefficient rAB, which is defined as follows [8, 15]: (1) where: µ means the average, n is the number of points in the set, and σA and σB are standard deviations. The correlation coefficient is included in the range from –1 to 1, and indicates negative correlation of the data (a negative values), positive correlation of 17


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | 14–21

the data (a positive), and the absence of any linear dependency whatsoever (zero) [11, 15]. In practice, it is assumed that only values in the range (–0.5 > rAB ≥ –1) or (0.5 < rAB ≥ 1) indicate significant correlation between data from the analyzed sets [8]. In the present analysis the data averaged per hour, day, week, and month has been recalculated according the foregoing methodology. Fig. 5 shows correlation coefficients (n points in the charts) for wind and solar generation; wind generation, and national system demand; and solar generation and the demand, respectively, for various analysed data averaging intervals. The results presented in the chart (Fig. 5a), show significant negative correlation between wind and solar plant outputs in conditions similar to those prevailing in Poland, especially for averaging intervals longer than a week (>168 h). Additionally, plotted on the graph are results from a multiannual analysis for the area of Northern Europe, derived from study [15] (o points in the graph). For short averaging intervals (<1 h) the absence is noticeable of a correlation between wind and solar plant outputs, whereas the maximum correlation is observed in monthly averaging intervals (>720 h), which is directly related to climate changes in successive seasons of the year. Also the analysis of wind generation output and NPS demand (Fig. 5b), indicates strong complementarity of the analyzed data set in 2009–2012. The correlation coefficient increases along with averaging interval increments. It can be assumed with high probability that for an averaging interval longer than a quarter of a year the correlation coefficient will decline. A similar situation will be experienced in the case of analysis of solar generation and national system demand (Fig. 5c). The analysis of changes in RES output indicates that they are close to the respective installed capacities over a short time interval only. During the year, in less than 50 hours only the aggregated output of all wind farms in the operator’s area amounted to 80–90% of their installed capacity. On the other hand, in more than 6000 hours in the year the solar generation output did not exceed 10% of the installed capacity, and in about 100 hours it only exceeded 60%.

a)

b)

c)

Fig. 5. Correlation coefficients for a) wind and photovoltaic plant outputs, b) wind plants output and system demand, and c) photovoltaic plants output and system demand – own study based on data [1, 2]

Fig. 6 shows hourly distribution of capacity factor for wind and photovoltaic plants. As regards the analysed data [1], 70% of the aggregated capacity installed in the analysed RES was practically never exceeded in the yearly timescale.

18


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | 14–21

Fig. 6. Hourly distribution of aggregated capacity factor for wind and solar power plants in 2011–2012, source: own study based on data [1] Fig. 7. System imbalance standard deviation

In addition, by applying the calculation methodology presented in [4, 14], the RES4 generation mix may be determined, which is optimal in the context of monthly NPS demand changes, subject to the assumption that the other, conventional, power plants’ output remains constant. This methodology defines the value, which determines the imbalance between system demand and wind and solar plants’ output in a given month [4, 14]:

(2) Variables L, W, and S in formula (2) are averaged monthly demands and monthly wind and solar plants’ outputs, respectively, in the analyzed years. Coefficients a and b represent the shares of wind and solar generation, respectively, in the total RES electricity generation. Fig. 7 shows changes in the system imbalance’s standard deviation as a function of the percentage share of electricity generation in wind farms. The analysis carried out on the basis of the details of 2011–2012 generation in conditions similar to those prevailing in Poland indicates that the optimum share of wind and solar generation outputs in the total RES generation should amount to ca. 70% and 30%, respectively. These values are close to those presented in study [4], where the average shares of, respectively, 60% and 40% are forecast for the whole of Europe.

4

Assuming the wind and solar power plant capacity factor at 25% and 10%, respectively, it may be roughly estimated that the wind and solar generation capacities installed in the National Power System should be approximately equal. Such a structure of electricity generation in the national conditions of wind resources and insolation seems to be the most suited to the current NPS needs.

4. Conclusions The paper analyses the variability of electricity generation from wind and solar sources in the power system in the area of Germany adjacent to the Polish border. The correlation between the average solar and photovoltaic generation outputs is noticeable in this area only over longer time intervals, such as weeks and months. Therefore, for shorter intervals, such as hours and days, a solution of stable and predictable generation from renewable sources may be sought in the applicability of various kinds of energy storage. This applies in particular to wind generation, which, because of more difficult forecasting, may strongly influence power systems’ performance in short intervals. Analysis of available data shows that in practice the maximum utilisation of the capacity installed in wind turbines and photovoltaic arrays never exceeds 70% throughout a year. Moreover, it appears from the comparison of the national system’s current demand for electricity, and the details of the output of the wind and solar plant operated by 50Hertz that the optimum electricity generation mix in Poland will be assured by approximately equal capacities installed in both types of power plants.

Subject to the analysis’ limitation to wind and photovoltaic plants only.

19


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | 14–21

REFERENCES 1. 2. 3. 4.

5.

6. 7.

8. 9.

20

http://www.50hertz.com. http://www.pse-operator.pl. http://www.ure.gov.pl. Heide D. et al., Seasonal optimal mix of wind and solar power in a future, highly renewable Europe, Renewable Energy (2010), doi:10.1016/j.renene.2010.03.012 Hoicka C.E., Rowlands I.H., Solar and wind resource complementarity: Advancing options for renewable electricity integration in Ontario, Canada, Renewable Energy 2011, No. 36, pp. 97–107, doi:10.1016/j. renene.2010.06.004. Holttinen H., Optimal electricity market for wind power, Energy Policy 2004, No. 33, pp. 2052–2063, doi:10.1016/j.enpol.2004.04.001. Holttinen H., Impact of hourly wind power variations on the system operation in the Nordic countries, Wind Energy 2005, No. 8, pp. 197–218, doi:10.1002/we. 143. Holttinen H., Hourly wind power variations in the Nordic countries, Wind Energy 2005, No. 8, pp. 173–195, doi:10.1002/we. 144. Lubośny Z., Farmy wiatrowe w systemie elektroenergetycznym [Offshore wind farms in the power system], WNT, Warsaw 2009.

10. Notton G. et al., Integration limit of renewable energy systems in small electrical grid, Energy Procedia 2011, No. 6, pp. 651–665, doi:10.1016/j.egypro.2011.05.075. 11. Nykamp S. et al., Statistics for PV, wind and biomass generators and their impact on distribution grid planning, Energy 2012, No. 45, pp. 924–932, doi:10.1016/j.energy.2012.06.067. 12. Schleiche-Tappeser R., How renewables will change electricity markets in the next five years, Energy Policy 2012, No. 48, pp. 64–75, doi:10.1016/j.enpol.2010.04.042. 13. Solomon A.A., Faiman D., Meron G., Grid matching of large-scale wind energy conversion systems, alone and in tandem with large-scale photovoltaic systems: An Israeli case study, Energy Policy 2010, No. 38, pp. 7070–7081, doi:10.1016/j.enpol.2010.07.026. 14. Tsuchiya H., Electricity supply largely from solar and wind resources in Japan, Renewable Energy 2012, No. 48, pp. 318–325, doi:10.1016/j. renene.2012.05.011. 15. Widen J., Correlations between future wind and solar power generation in Sweden, 3rd International Scientific Conference on Energy Systems with IT, Alvsjo, Sweden, March 16–17,2010.


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | 14–21

Rafał Hyrzyński ENERGA SA e-mail: rafal.hyrzynski@energa.pl Graduated from the Faculty of Electrical and Control Engineering at the University of Technology in Opole (2000), postgraduate management studies „Business Administration in the European Union Market” at the Warsaw School of Economics (2004), postgraduate studies at the Silesian University of Technology “Electricity, Heat, Gas, and Other Infrastructural Services Markets in Municipalities” (2005), and post-graduate study “Fundamentals of Nuclear Power” at Gdańsk University of Technology (2011). In 2007 he was qualified to participate in the supervisory boards of state-owned companies. A participant of Executive Master of Business Administration for the energy sector classes conducted by the Gdańsk Foundation for Management Development in cooperation with the IAE Aix-en-Provence Graduate School of Management as validating entity. Associated with the energy sector from the outset of his professional career. In ENERGA Group since 2000, in ENERGA SA since 2008, currently as the Investment Design Department Director. In 2002–2009 a member of the board of the Association of Polish Electrical Engineers, and of the Chief Technical Organization in Płock. Since 2011, deputy editor in chief of the scientific quarterly Acta Energetica. Specialises in engineering and business issues related to the energy sector, especially concerning energy conversion and distribution.

Michał Karcz ENERGA SA e-mail: michal.karcz@energa.pl Graduated as Master of Engineering from the Faculty of Ocean Engineering and Ship Technology of Gdańsk University of Technology in the Department of Automation and Turbine Propulsion (1998). Until 2012, a researcher at the Energy Conversion Department in the Institute of Fluid-Flow Machinery of the Polish Academy of Sciences. Now in ENERGA SA as the chief development specialist. He is the author and a co-author of scientific papers in the area of mechanics, thermodynamics and power engineering, published in Poland and abroad. Specialises in engineering issues mainly relating to electricity generation.

Marcin Lemański ENERGA SA e-mail: marcin.lemanski@energa.pl Graduated from Mechanical Secondary School in Świecie (1997), and as a Master of Power Plants Equipment and Equipment Engineering from the Faculty of Mechanical Engineering at Gdańsk University of Technology (2002). Since 2002, for the subsequent ten years he was associated with the Polish Academy of Sciences, where he worked as a specialist, research assistant, and assistant professor. From 2012, he has headed the Technical Department at ENERGA SA. Co-author of scientific articles in the area of thermodynamics and energy. His main area of interest includes conventional and alternative energy sources, such as fuel cells, hybrid systems, geothermal binary power plants, gas turbines, etc.

Karol Lewandowski ENERGA SA e-mail: karol.lewandowski@energa.pl Graduated as Master of Engineering from the Faculty of Electrical and Control Engineering at Gdańsk University of Technology (2006). Until 2012 he worked as an electrical engineer in Det Norske Veritas Poland. Since 2012 the chief development specialist in ENERGA SA. His area of interest includes renewable energy and RES integration with the power grid.

Sebastian Nojek ENERGA SA e-mail: sebastian.nojek@energa.pl Graduated in mechanics and machinery engineering from the Faculty of Mechanical Engineering at Gdańsk University of Techniology (1995). In addition, a graduate of postgraduate legal and managerial studies at Gdańsk University of Technology (1996). Also graduated from the Faculty of Management of the University of Gdańsk as M. Sc. in business development management (2011). Associated with the energy sector from the outset of his professional career: long-time employee of CHP Elbląg, since 2008 in ENERGA SA. Certified in program and project management. Participated in numerous project teams, providing expert support in developing guidelines for power station development.

21


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | translation 14–21

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 14–21. When referring to the article please refer to the original text. PL

Współzmienność generacji energii elektrycznej w elektrowniach wiatrowych i fotowoltaicznych w warunkach zbliżonych do polskich Autorzy

Rafał Hyrzyński Michał Karcz Marcin Lemański Karol Lewandowski Sebastian Nojek

Słowa kluczowe

korelacja wytwarzania OZE, energetyka odnawialna, mix wytwarzania

Streszczenie

W artykule podjęto próbę oceny współzależności wytwarzania energii elektrycznej w elektrowniach wiatrowych oraz słonecznych, rozproszonych na znacznym obszarze, dla których warunki morfologiczne i klimatyczne można uznać za zbliżone do warunków polskich. Wstępna analiza danych pochodzących od operatorów systemów elektroenergetycznych wskazuje na występowanie istotnej negatywnej korelacji pomiędzy oboma sposobami generacji energii elektrycznej dla dłuższych przedziałów uśredniania. Dodatkowo na analizowanym obszarze maksymalna moc generowana zarówno przez farmy wiatrowe, jak i w szczególności przez elektrownie fotowoltaiczne, nigdy nie uzyskuje wartości mocy zainstalowanej. W systemie, w którym zainstalowana jest znaczna liczba farm wiatrowych i fotowoltaicznych, rezerwowanie pełnej mocy zainstalowanej wszystkich źródeł wytwórczych jako faktycznie dysponowanej może powodować występowanie ograniczeń sieciowych oraz wymuszanie zbędnych inwestycji w rozwój infrastruktury elektroenergetycznej.

1. Wprowadzenie W ciągu minionego dziesięciolecia można było zaobserwować dynamiczny rozwój odnawialnych źródeł energii elektrycznej (OZE) na terenie całej Europy. W pierwszej części dekady największy przyrost mocy zainstalowanej wiązał się głównie z rozwojem farm wiatrowych, zaś w części drugiej nastąpił intensywny rozwój farm fotowoltaicznych. Krajami, w których inwestycje te przebiegały najbardziej dynamicznie są Niemcy oraz Hiszpania. Skala rozwoju energetyki odnawialnej w tych krajach wynika głównie z korzystnych systemów wsparcia w postaci dopłat bezpośrednich do wytworzonej energii elektrycznej. Obecny trend w rozwoju energetyki wiatrowej skierowany jest przede wszystkim w kierunku morskich farm wiatrowych w basenie Morza Północnego. Rosnący udział OZE w wytwarzaniu energii elektrycznej, a więc głównie źródeł o zmiennej produktywności, wpływa na zmianę sposobu funkcjonowania sieci elektroenergetycznej. W dotychczasowym trybie pracy podstawa zapotrzebowania jest zarezerwowana dla stabilnie pracujących bloków dużej mocy, a pracę szczytową zapewniają szybko reagujące jednostki. Obecnie następuje przesunięcie w kierunku trybu pracy opartego na wielu źródłach wytwórczych o zróżnicowanej mocy i zmiennej produkcji, które wymagają szybkiej i bieżącej kompensacji w celu zachowania stabilności systemu [6,12]. Układ sieci elektroenergetycznej podlega także ciągłym przemianom związanym ze zmianami lokalizacji źródeł wytwórczych. Tracą na ważności dawniej obowiązujące kryteria lokowania elektrowni systemowych, związane głównie z zapewnieniem ciągłości dostaw paliwa czy też bliskością obszarów przemysłowych. Obecnie sieci elektroenergetyczne muszą być rozbudowywane w kierunku obszarów

22

o odpowiedniej wietrzności, czy też obszarów o dużym nasłonecznieniu, które często jednak znajdują się w znacznej odległości od potencjalnych odbiorców [5,12]. W takich regionach o przeważającym potencjale produkcji ze źródeł odnawialnych w stosunku do możliwości konsumpcji energii elektrycznej wymagane są też najczęściej znaczne inwestycje związane z rozbudową oraz modernizacją sieci przesyłowych [11]. Poziom mocy rezerwowanej na przyłączanie kolejnych elektrowni wynika bezpośrednio z mocy nominalnej elektrowni wiatrowej lub fotowoltaicznej, zgłaszanej we wniosku o określenie warunków przyłączenia do sieci elektroenergetycznej. W rzeczywistości wytwarzanie energii elektrycznej z farm wiatrowych zlokalizowanych na większym obszarze z mocą nominalną (lub mocą zbliżoną do nominalnej) może następować jedynie przez bardzo krótki okres w skali roku. Wynika to bezpośrednio z chwilowej, dobowej, rocznej i wieloletniej zmienności wiatru [9]. W elektrowniach fotowoltaicznych dodatkowym czynnikiem wpływającym na brak możliwości osiągnięcia mocy nominalnej jest przewymiarowanie, wynikające z różnicy pomiędzy mocą znamionową urządzenia, określaną dla idealnych warunków laboratoryjnych, a rzeczywistymi warunkami pracy instalacji. W efekcie lądowe farmy wiatrowe generują w ciągu roku około 25% energii wynikającej z mocy zainstalowanej [9], zaś w elektrowniach fotowoltaicznych w warunkach Europy Centralnej wskaźnik produktywności wynosi jedynie około 10%. W zależności od rozmiaru analizowanego obszaru jednoczesne wytwarzanie energii z pełną mocą przez wszystkie farmy wiatrowe i fotowoltaiczne na danym terenie praktycznie nie występuje [7]. Sytuacja taka jest wynikiem charakteru poszczególnych

źródeł energii, tj. wiatru i promieniowania słonecznego oraz wzajemnej i zazwyczaj negatywnej korelacji ich występowania. Oznacza to, że z reguły podczas korzystnych warunków nasłonecznienia nie występują korzystne warunki wietrzności i odwrotnie. W związku z tym część mocy przyłączeniowej zarezerwowanej na obszarze o dużej powierzchni może być praktycznie niewykorzystywana. Rezerwowanie pełnej mocy wszystkich instalacji OZE powoduje często niepotrzebną rozbudowę sieci elektroenergetycznych oraz blokuje moc przyłączeniową innym inwestycjom w źródła wytwórcze. W celu efektywnej i optymalnej modernizacji sieci przesyłowej potrzebne jest więc gruntowne rozpoznanie charakterystyki wytwarzania energii elektrycznej przez źródła odnawialne różnego typu [11]. Generalnie wszystkie rodzaje energetyki odnawialnej, z wyjątkiem spalania biomasy oraz elektrowni biogazowych, charakteryzują się dużą zmiennością produktywności w zależności od przyjętego przedziału czasowego, dlatego też mogą wpływać na nadprodukcję lub deficyt mocy w stosunku do zapotrzebowania sieci. Nadmiar elektrowni wykorzystujących odnawialne źródła energii, przyłączonych do sieci elektroenergetycznej, wpływa niekorzystnie na systemy przesyłowe [5]. Średnioroczny udział produkcji energii elektrycznej z elektrowni wiatrowych w systemie przekracza 10% całkowitej generacji, często pojawia się już konieczność ograniczania produkcji z tego typu źródeł [7]. Obecnie przyjmuje się, że graniczny udział OZE nie powinien przekraczać od 20% do 30%, tak by uniknąć problemów związanych ze stabilnością systemu oraz z nadmiernym ograniczaniem produkcji energii elektrycznej w elektrowniach wiatrowych [7,10]. Trwają jednakże prace nad systemami elektroenergetycznymi, które


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | translation 14–21

Współczynnik wykorzystania mocy zainstalowanej FW [%]

a)

Dane pomiarowe

Godziny Współczynnik wykorzystania mocy zainstalowanej FW [%]

b)

Prognoza

Prognoza Dane pomiarowe

Godziny

Rys. 1. Wykres rzeczywistej oraz prognozowanej mocy generowanej odniesionej do mocy zainstalowanej a) farm wiatrowych (FW) i b) farm fotowoltaicznych (PV) na podstawie danych z początku stycznia 2012 roku [1]

1 2 3

2. Założenia do analizy Długofalowa analiza pracy elektrowni wiatrowych i fotowoltaicznych jest szczególnie uzasadniona dla elektrowni na obszarach o znacznej powierzchni, z dużą liczbą zainstalowanych jednostek wytwórczych. Wpływa to korzystnie na zredukowanie zmienności (wygładzenie) przebiegów generowania energii elektrycznej oraz zwiększenie dokładności prognoz [8]. W Polsce dopiero od niedawna można zaobserwować dynamiczny rozwój energetyki wiatrowej. Obecnie do KSE przyłączone są farmy wiatrowe o łącznej mocy zainstalowanej równej w przybliżeniu 2500 MWe wg danych URE [3]. Energetyka bazująca na wytwarzaniu energii elektrycznej przy zastosowaniu paneli fotowoltaicznych jeszcze praktycznie w Polsce nie istnieje – tylko około 1,29 MWe mocy zainstalowanej wg danych URE 3 [3]. Dlatego też w niniejszym artykule wykorzystano dane z lat 2009–2012, które pochodzą z dużej liczby instalacji rozproszonych na obszarze funkcjonowania niemieckiego operatora sieci elektroenergetycznej 50Hertz [1]. Jest to obszar, który pod względem morfologicznym i klimatycznym jest bardzo

Współczynnik wykorzystania mocy zainstalowanej FW [%]

a)

b)

Godziny

Współczynnik wykorzystania mocy zainstalowanej FW [%]

W literaturze można znaleźć dość obszerne informacje dotyczące analiz zmienności w czasie generacji energii elektrycznej w elektrowniach wiatrowych [7, 8] oraz fotowoltaicznych [13]. Problematyka współzmienności wytwarzania energii elektrycznej z wykorzystaniem energii wiatru i promieniowania słonecznego także pozostaje w zainteresowaniu wielu badaczy. Jednakże w przeważającej liczbie prac poziom wytwarzania w elektrowniach wiatrowych i fotowoltaicznych szacuje się w sposób pośredni, na podstawie danych wietrzności i nasłonecznienia na danym obszarze [4, 5, 15]. Tylko w nielicznych publikacjach można znaleźć informacje dotyczące rzeczywistych danych generacji energii elektrycznej w elektrowniach obu typów działających jednocześnie w systemie elektroenergetycznym [11]. Niniejsza analiza została przeprowadzona w celu określenia poziomu współzależności pomiędzy występowaniem korzystnych warunków pracy farm wiatrowych a korzystnymi warunkami pracy farm fotowoltaicznych w warunkach zbliżonych do polskich, na podstawie rzeczywistych danych produkcyjnych. Dodatkowo przeanalizowano współzmienność produkcji OZE2 z aktualnym zapotrzebowaniem Krajowego Systemu Elektroenergetycznego (KSE). Poniższa analiza adresowana jest głównie do przemysłowych wytwórców energii elektrycznej – w dużych farmach wiatrowych i fotowoltaicznych. Należy mieć jednak na uwadze, że w najbliższych latach silny wzrost wytwarzania energii elektrycznej nastąpi wśród indywidualnych wytwórców włączonych do sieci typu Smart Grid [12]. Pojawią się więc dodatkowe źródła wpływające negatywnie na stabilność pracy systemów elektroenergetycznych oraz utrudniające odpowiednie bilansowanie energii, szczególnie zważywszy na znane trudności związane z efektywnym magazynowaniem energii elektrycznej.

c)

Godziny

Wskaźnik zapotrzebowania KSE [%]

byłyby w stanie pracować stabilnie nawet z 50-proc. udziałem energetyki wiatrowej [12]. Kierunek i siła wiatru wynika z oddziaływań klimatycznych na poziomie globalnym [13]. Zmienność wiatru powoduje, że wytwarzanie energii z farm wiatrowych jest trudno przewidywalne [6]. Rozwijane są narzędzia oraz metody umożliwiające coraz bardziej precyzyjną predykcję warunków wietrzności, jednakże długość prognozy z satysfakcjonującymi rezultatami ograniczona jest do maksymalnie kilku dni. Mimo to nawet prognoza tylko z jednodniowym wyprzedzeniem pozwala na pewne optymalizowanie rozruchów lub wyłączeń konwencjonalnych bloków energetycznych, co pozwala na ograniczenie zużycia paliwa oraz zmniejszenie kosztów operacyjnych elektrowni. Z kolei, prognoza z kilkugodzinnym wyprzedzeniem pozwala na utrzymanie przez operatora systemu odpowiedniego zapasu mocy regulacyjnej w systemie – zbyt mały zapas wpływa na ryzyko niestabilności systemu, zbyt duży zapas zwiększa koszty użytkowania systemu [6]. Na rys. 1a przedstawiono przykładowy przebieg rzeczywistej i prognozowanej krzywej mocy generowanej1 przez farmy wiatrowe na terenie niemieckiego operatora sieci elektroenergetycznej 50Hertz w pierwszych dniach stycznia 2012 roku [1]. Podczas wytwarzania energii z paneli fotowoltaicznych sytuacja wygląda nieco odmiennie. Na rys. 1b poza zmianami wartości mocy chwilowej charakterystyczna jest również okresowość jej występowania. Tutaj czynnikiem bezpośrednio wpływającym na ilość energii generowanej z paneli fotowoltaicznych jest głównie stopień zachmurzenia oraz w mniejszym stopniu temperatura otoczenia. Efektywność generacji elektrowni fotowoltaicznych jest też mniej zależna od miejsca ich zainstalowania w porównaniu z farmami wiatrowymi [13]. W związku z tym można stwierdzić, że prognozowanie wytwarzania energii z paneli fotowoltaicznych może być bardziej dokładne, a co ważniejsze, zmiany obserwowane w dłuższej perspektywie są bardziej regularne.

Godziny

Rys. 2. Przykładowe przebiegi dobowych zmian mocy generowanej, odniesionej do mocy zainstalowanej a) farm wiatrowych (FW) i b) elektrowni fotowoltaicznych (PV) oraz c) wskaźnika zapotrzebowania systemu na moc (KSE) – opracowanie własne na podstawie danych [1] oraz [2] dla wybranej doby (1 IV) z każdego analizowanego roku

zbliżony do warunków występujących na terenie Polski. Można więc z dużym prawdopodobieństwem wnioskować o pewnych trendach na terenie Polski, ekstrapolując dane produkcji energii wiatrowej i słonecznej z terytorium Niemiec. Takie podejście jest dopuszczalne dla porównywalnych klimatycznie lądowych regionów Europy Centralnej [11], a zarówno warunki nasłonecznienia na obszarze Niemiec graniczącym z Polską, jak i warunki wiatrowe są podobne do tych obserwowanych w Polsce. W celach porównawczych wykorzystano dodatkowo dane z krajowego systemu elektroenergetycznego dotyczące zapotrzebowania mocy w latach 2009–2012 [2]. Przedstawione w niniejszym artykule dane, dotyczące mocy generowanej w poszczególnych źródłach OZE, normalizowano aktualnymi wartościami mocy zainstalowanych odpowiednio w elektrowniach wiatrowych, jak i fotowoltaicznych funkcjonujących na obszarze operatora 50Hertz [1], w wyniku czego otrzymywano bezwymiarowe współczynniki wykorzystania mocy zainstalowanej dla obu typów elektrowni. Dane dotyczące zapotrzebowania KSE przedstawiono w postaci bezwymiarowych wskaźników zapotrzebowania systemu na moc, czyli wartości normalizowanych aktualną mocą zainstalowaną na obszarze Polski [2].

W postaci bezwymiarowych współczynników wykorzystania mocy zainstalowanej. Ograniczając analizę wyłącznie do elektrowni wiatrowych i fotowoltaicznych. Stan na 31 grudnia 2012.

23


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | translation 14–21

W tych samych zakresach czasowych można zaobserwować współzmienność zapotrzebowania mocy w systemie elektroenergetycznym z generacją z energetyki wiatrowej – szczególnie dla rocznego przedziału obserwacji, ale także chociaż już w mniejszym stopniu w przedziale dobowym [9]. Zapotrzebowanie na energię elektryczną w systemie elektroenergetycznym jest zazwyczaj najwyższe w miesiącach zimowych, wtedy gdy jednocześnie występują najlepsze warunki pracy dla elektrowni wiatrowych.

paneli fotowoltaicznych [15]. Głównym celem bieżącej analizy statystycznej jest znalezienie korelacji pomiędzy poziomem mocy generowanej przez energetykę wiatrową i energetyką słoneczną. Dla dwóch przykładowych zbiorów danych A i B można korelację opisać za pomocą współczynnika korelacji liniowej rA,B, który definiuje się następująco [8, 15]:

Z rys. 3 wynika, że zarówno energetyka wiatrowa, jak i solarna podlegają sezonowym cyklom pogodowym. Dla każdego roku obserwuje się wyraźną powtarzalność przebiegów zarówno generowanej mocy, jak i zapotrzebowania sieci. Zmiany poziomu wytwarzania w elektrowniach wiatrowych i fotowoltaicznych są zbliżone jakościowo do zmian zaprezentowanych wcześniej w pracach [4, 9, 15]. Na rys. 4 przedstawiono skorelowanie mocy osiąganej w elektrowniach wiatrowych i fotowoltaicznych w latach 2011–2012 dla dwóch różnych przedziałów uśredniania, tj. godziny i miesiąca.

gdzie: μ oznacza wartość średnią, n to liczba punktów w zbiorze, zaś σA i σB są odchyłkami standardowymi. Współczynnik korelacji zawiera się w zakresie od –1 do 1 i wskazuje na negatywne skorelowanie danych (wielkości ujemne), pozytywne skorelowanie danych (wartości dodatnie) oraz brak jakiejkolwiek zależności liniowej (wartość zerowa) [11, 15]. W praktyce przyjmuje się, że dopiero wartości z przedziału (–0,5 > rAB ≥ –1) lub (0,5 < rAB ≤1) wskazują na występowanie istotnej korelacji pomiędzy danymi z analizowanych zbiorów [8]. W bieżącej analizie dane uśrednione na poziomie godzinowym, dobowym, tygodniowym i miesięcznym przeliczono według powyższej metodologii. Na rys. 5 przedstawiono wartości współczynników korelacji (punkty n na wykresach) odpowiednio dla generacji elektrowni wiatrowych i fotowoltaicznych, generacji elektrowni wiatrowych i zapotrzebowania systemu krajowego oraz generacji elektrowni fotowoltaicznych i zapotrzebowania systemu, dla różnych przedziałów uśredniania analizowanych danych. Wyniki przedstawione na wykresie (rys. 5a) wskazują na istotną negatywną korelację pomiędzy mocami generowanymi w elektrowniach wiatrowych i fotowoltaicznych w warunkach zbliżonych do polskich, szczególnie dla przedziałów uśredniania dłuższych niż tydzień (>168 h). Na wykresie tym naniesiono dodatkowo wyniki z analizy wieloletniej dla obszaru Europy Północnej, zaczerpnięte z pracy [15] (punkty ¡ na wykresie). Dla krótkich okresów uśredniania (<1 h) zauważalny jest brak korelacji pomiędzy danymi generacji w elektrowniach wiatrowych i fotowoltaicznych, z kolei maksymalną korelację zauważa się dla miesięcznych przedziałów uśredniania (>720 h), co związane jest bezpośrednio ze zmianami klimatu wynikającymi z następujących po sobie pór roku. Także analiza dla generacji w elektrowniach wiatrowych i zapotrzebowania na moc Krajowej Systemu Elektroenergetycznego (rys. 5 b), wskazuje na silną współzmienność analizowanego zbioru danych w latach 2009–2012. Gdy zwiększa się przedział czasowy uśredniania, współczynnik korelacji wzrasta. Można z dużym prawdopodobieństwem założyć, że dla przedziału uśredniania dłuższego niż kwartał roku wartość współczynnika korelacji zacznie spadać. Podobna sytuacja wystąpi w przypadku analizy danych generacji w instalacjach fotowoltaicznych i zapotrzebowaniem na moc Krajowego Systemu Elektroenergetycznemu (rys. 5 c). Analiza zmian produkcji przez źródła OZE wskazuje na osiąganie mocy zbliżonych do zainstalowanych jedynie w niewielkim przedziale czasowym. W skali roku tylko przez niecałe 50 godzin moc generowana

a) przedział godzinowy Współczynnik wykorzystania mocy zainstalowanej PW [%]

3. Analiza procesów generacji z OZE oraz zapotrzebowania systemu Generalnie zauważa się negatywną korelację pomiędzy generacją energii elektrycznej w elektrowniach wiatrowych i fotowoltaicznych, jednak zależy to głównie od przyjętej skali czasowej, dla której dokonuje się porównania, tzn. godziny, doby, miesiące czy lata [5, 9, 15]. Dodatkowo, obserwując dobowe zmiany nasłonecznienia i wietrzności oraz zapotrzebowania systemu, zauważa się powtarzalność przebiegów jak na rys. 2. W instalacjach fotowoltaicznych jest to związane bezpośrednio z obrotem Ziemi wokół własnej osi oraz jej ruchem po orbicie wokół Słońca i długością dnia. W przypadku energetyki wiatrowej obserwowany jest zazwyczaj niższy poziom produkcji w okresie nocnym i zwiększony poziom wytwarzania w godzinach od 8:00 do 18:00 [8, 9]. Przyjmując miesięczną skalę czasową, można zauważyć, że generalnie na obszarze Europy Centralnej i Północnej siła wiatru jest większa w okresie zimowym niż w letnim, stąd i produktywność farm wiatrowych jest wyższa w okresie zimowym – patrz rys. 3a. Natomiast produktywność elektrowni fotowoltaicznych jest wyższa oczywiście w okresie letnim [4]. Obserwując zmiany zapotrzebowania systemu, zauważa się powtarzalność zarówno w okresie dobowym, ze zwiększonym zużyciem energii elektrycznej w godzinach wieczornych (rys. 2c), jak i tygodniowym ze spadkiem zużycia w dniach wolnych od pracy, oraz w okresie rocznym ze wzmożoną konsumpcją energii w miesiącach zimowych [7] (rys. 3c).

Współczynnik wykorzystania mocy zainstalowanej FW [%]

b) przedział miesięczny

Miesiące

b) Współczynnik wykorzystania mocy zainstalowanej PW [%]

Współczynnik wykorzystania mocy zainstalowanej FW [%]

Rys. 4. Skorelowanie współczynników wykorzystania mocy zainstalowanej w elektrowniach wiatrowych i fotowoltaicznych dla różnych przedziałów bilansowania – opracowanie własne na podstawie danych [1] Miesiące

Wskaźnik zapotrzebowania KSE [%]

c)

Miesiące

Rys. 3 Roczne zmiany uśrednionych miesięcznie mocy generowanych, odniesionych do mocy zainstalowanej a) farm wiatrowych (FW) i b) elektrowni fotowoltaicznych (PV) oraz c) wskaźnika zapotrzebowania systemu na moc (KSE), opracowanie własne na podstawie danych [1, 2]

24

Współczynnik wykorzystania mocy zainstalowanej PW [%]

Współczynnik wykorzystania mocy zainstalowanej FW [%]

a)

Generalnie energetyka wiatrowa jest w stanie uzyskiwać chwilowo wartości mocy generowanej zbliżone do zainstalowanych, tj. około 90%, a zwiększony poziom wytwarzania obserwuj e się przy nisk im p oziomie generacji elektrowni fotowoltaicznych. W energetyce słonecznej maksymalnie osiągalne wartości mogą przekraczać 80% mocy zainstalowanej. Należy jednak podkreślić, że wysoki poziom produkcji możliwy jest jedynie przy wyjątkowo korzystnych warunkach atmosferycznych, które mogą wystąpić zaledwie przez kilka godzin w ciągu roku. Związane jest to głównie z rzeczywistymi warunkami pracy, które mocno odbiegają od standardowych (idealnych) warunków, wykorzystywanych do określania mocy maksymalnej

rAB

1 n ∑ ( Ai − µ A )( Bi − µ B ) n = i =1 σ Aσ B

(1)


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | translation 14–21

Godziny

przez wszystkie farmy wiatrowe na obszarze operatora osiągała wartość z przedziału 80–90% mocy zainstalowanej. Z kolei przez ponad 6000 godzin w roku generacja w instalacjach fotowoltaicznych nie przekroczyła 10% mocy zainstalowanej, a tylko przez około 100 godzin w roku moc generowana osiągała wartość wyższą od 60% mocy zainstalowanej.

Wykorzystanie mocy FW + PW [%}

a) Współczynnik korelacji

Rys. 6. Rozkład godzinowy wykorzystania sumarycznej mocy zainstalowanej w elektrowniach wiatrowych i fotowoltaicznych, w latach 2011–2012, źródło: opracowanie własne wg danych [1]

b)

i produkcji energii elektrycznej w elektrowniach wiatrowych oraz fotowoltaicznych w danym miesiącu [4,14]: Godziny

Godziny

Współczynnik korelacji

c)

Godziny

Rys. 5. Współczynniki korelacji dla a) generacji elektrowni wiatrowych i fotowoltaicznych, b) generacji elektrowni wiatrowych i zapotrzebowania systemu oraz c) generacji siłowni fotowoltaicznych i zapotrzebowania systemu – opracowanie własne na podstawie danych [1, 2]

Na rys. 6 przedstawiono rozkład godzinowy wykorzystania mocy w elektrowniach wiatrowych i fotowoltaicznych. Dla analizowanych danych [1] praktycznie nie przekracza się w skali roku poziomu 70% sumarycznej mocy zainstalowanej w rozpatrywanych źródłach OZE. Dodatkowo, stosując metodologię obliczeń przedstawioną w pracach [4, 14], można w przybliżeniu określić optymalny, w kontekście miesięcznych zmian zapotrzebowania KSE, mix generacji w źródłach typu OZE4, przy jednoczesnym założeniu stałego poziomu generacji w pozostałych elektrowniach konwencjonalnych. W metodologii tej definiuje się wielkość , która określa niezbilansowanie zapotrzebowania systemu

4

W (t ) S (t ) L(t ) +b − W S L

(2)

Wielkości , L, ,W L, W i S we wzorze (2) są uśrednionymi wartościami miesięcznego zapotrzebowania oraz miesięcznej generacji energii elektrycznej, odpowiednio w elektrowniach wiatrowych i fotowoltaicznych na przestrzeni analizowanych lat. Współczynniki oraz określają udział w produkcji energii elektrycznej z OZE odpowiednio elektrowni wiatrowych i fotowoltaicznych. Na rys. 7 przedstawiono zmiany wartości odchylenia standardowego niezbilansowania systemu w funkcji udziału procentowego produkcji energii elektrycznej w elektrowniach wiatrowych. Przeprowadzona analiza na bazie danych produkcyjnych z lat 2011– 2012 w warunkach zbliżonych do polskich wskazuje, że optymalny udział produkcji w elektrowniach wiatrowych powinien wynosić w przybliżeniu 70%, zaś w elektrowniach fotowoltaicznych około 30% całkowitej generacji OZE. Są to wartości zbliżone do prezentowanych w pracy [4], gdzie dla obszaru całej Europy prognozuje się średnie udziały równe odpowiednio 60% i 40%. Przyjmując, że wskaźnik produktywności elektrowni wiatrowych wynosi 25%,

Bibliografia 1. 2. 3. 4.

5.

Odchylenie standardowe d(t)

Współczynnik korelacji

D(t ) = a

a elektrowni fotowoltaicznych 10%, można z grubsza oszacować, że poziom mocy zainstalowanych w elektrowniach wiatrowych i fotowoltaicznych w Krajowym Systemie Elektroenergetycznym powinien być w przybliżeniu sobie równy. Taka struktura wytwarzania energii elektrycznej, w krajowych warunkach wietrzności i nasłonecznienia wydaje się najbardziej dopasowana do aktualnego zapotrzebowania KSE. 4. Wnioski W artykule przeanalizowano zmienność wytwarzania energii elektrycznej ze źródeł wiatrowych i słonecznych w systemie elektroenergetycznym na obszarze Niemiec graniczącym z Polską. Korelacja pomiędzy średnią mocą generowaną przez elektrownie wiatrowe i fotowoltaiczne jest dla tego obszaru zauważalna w przypadku rozpatrywania dłuższego przedziału czasowego, tj. tygodni i miesięcy. Dlatego też dla mniejszych przedziałów czasowych, rzędu godzin lub dni, rozwiązania dla stabilnej i przewidywalnej generacji ze źródeł odnawialnych należy upatrywać w możliwości zastosowania różnego rodzaju magazynów energii. Dotyczy to szczególnie energetyki wiatrowej, która z racji trudniejszego prognozowania może w krótkich przedziałach czasu silnie wpływać na systemy elektroenergetyczne. Analizując dostępne dane, zauważa się, że w skali roku maksymalne wykorzystanie sumarycznej mocy zainstalowanej w elektrowniach wiatrowych i fotowoltaicznych praktycznie nie przekracza 70%. Dodatkowo, porównując aktualne zapotrzebowanie krajowego systemu na energię elektryczną oraz dane dotyczące produkcji z elektrowni wiatrowych i fotowoltaicznych na terenie operatora 50Hertz, wydaje się, że optymalny mix wytwarzania energii w Polsce będzie zapewniony przy równej w przybliżeniu mocy zainstalowanej w obu typach elektrowni.

6.

7. Udział generacji w elektrowniach wiatrowych

Rys. 7. Odchylenie standardowe niezbilansowania systemu – D(t)

8.

http://www.50hertz.com http://www.pse-operator.pl http://www.ure.gov.pl . Heide D. i in., Seasonal optimal mix of wind and solar power in a future, highly renewable Europe, Renewable Energy (2010), doi:10.1016/j. renene.2010.03.012 Hoicka, C.E., Rowlands I.H., Solar and wind resource complementarity: Advancing options for renewable electricity integration in Ontario, Canada, Renewable Energy 2011, No. 36, s. 97–107, doi:10.1016/ j.renene.2010.06.004. Holttinen H., Optimal electricity market for wind power, Energy Policy 2004, No. 33, s. 2052–2063, doi:10.1016/j. enpol.2004.04.001. Holttinen H., Impact of hourly wind power variations on the system operation in the Nordic countries, Wind Energy 2005, No. 8, s. 197–218, doi:10.1002/we.143. Holttinen H., Hourly wind power variations in the Nordic countries, Wind Energy 2005, No. 8, s. 173–195, doi:10.1002/ we.144.

Przy ograniczeniu rozważań wyłącznie do elektrowni wiatrowych i fotowoltaicznych.

25


R. Hyrzyński et al. | Acta Energetica 4/17 (2013) | translation 14–21

9.

Lubośny Z., Farmy wiatrowe w systemie elektroenergetycznym, Warszawa 2009. 10. Notton G. i in., Integration limit of renewable energy systems in small electrical grid, Energy Procedia 2011, No. 6, s. 651–665, doi:10.1016/j. egypro.2011.05.075. 11. Nykamp S. i in., Statistics for PV, wind and biomass generators and their impact on distribution grid planning, Energy 2012, No. 45, s. 924–932, doi:10.1016/j. energy.2012.06.067.

12. Schleiche-Tappeser R., How renewables will change electricity markets in the next five years, Energy Policy 2012, No. 48, s. 64–75, doi:10.1016/j. enpol.2010.04.042. 13. Solomon A.A., Faiman D., Meron G., Grid matching of large-scale wind energy conversion systems, alone and in tandem with large-scale photovoltaic systems: An Israeli case study, Energy Policy 2010, No. 38, s. 7070– 7081, doi:10.1016/j.enpol.2010.07.026.

14. Tsuchiya H., Electricity supply largely from solar and wind resources in Japan, Renewable Energy 2012, No. 48, s. 318–325, doi:10.1016/j. renene.2012.05.011. 15. Widen J., Correlations between future wind and solar power generation in Sweden, 3rd International Scientific Conference on Energy Systems with IT, Alvsjo, Sweden, March 16–17, 2010.

Rafał Hyrzyński

mgr inż. ENERGA SA e-mail: rafal.hyrzynski@energa.pl Absolwent Wydziału Elektrotechniki i Automatyki Politechniki Opolskiej (2000), podyplomowego studium menedżerskiego Zarządzanie firmą na rynku Unii Europejskiej w Szkole Głównej Handlowej (2004), studium podyplomowego Politechniki Śląskiej Rynki energii elektrycznej, ciepła i gazu oraz innych usług infrastrukturalnych w gminach (2005) oraz podyplomowego studium Podstawy energetyki jądrowej na Politechnice Gdańskiej (2011). W 2007 roku uzyskał uprawnienia do zasiadania w radach nadzorczych w spółkach Skarbu Państwa. Uczestnik Master of Business Administration dla firm sektora energetycznego – studiów prowadzonych przez Gdańską Fundację Kształcenia Menedżerów we współpracy z IAE Aix-en-Provence Graduate School of Management jako instytucją walidującą. Od początku kariery zawodowej związany z energetyką. W Grupie ENERGA od 2000 roku, w ENERGA SA od 2008 roku, obecnie na stanowisku dyrektora departamentu programowania inwestycji. W latach 2002–2009 członek zarządu Stowarzyszenia Elektryków Polskich i Naczelnej Organizacji Technicznej w Płocku. Od 2011 roku zastępca redaktora naczelnego kwartalnika naukowego Acta Energetica. Specjalizuje się w zagadnieniach technicznych i biznesowych związanych z sektorem energetycznym, szczególnie dotyczących przetwarzania energii i dystrybucji energii.

Michał Karcz

dr inż. ENERGA SA e-mail: michal.karcz@energa.pl Studia magisterskie ukończył na Wydziale Oceanotechniki i Okrętownictwa Politechniki Gdańskiej w Katedrze Automatyki Okrętowej i Napędów Turbinowych (1998). Do 2012 roku pracownik naukowy w Zakładzie Konwersji Energii w Instytucie Maszyn Przepływowych PAN. Obecnie pracuje w ENERGA SA na stanowisku głównego specjalisty ds. rozwoju. Jest autorem i współautorem artykułów naukowych z dziedziny mechaniki, termodynamiki oraz energetyki, opublikowanych w kraju i za granicą. Specjalizuje się w zagadnieniach technicznych dotyczących głównie wytwarzania energii elektrycznej.

Marcin Lemański

dr inż. ENERGA SA e-mail: marcin.lemanski@energa.pl Absolwent Technikum Mechanicznego w Świeciu nad Wisłą (1997). Studia magisterskie o specjalności systemy i urządzenia energetyki cieplnej ukończył na Wydziale Mechanicznym Politechniki Gdańskiej (2002). Od 2002 roku przez kolejnych dziesięć lat był związany z Polską Akademią Nauk, gdzie pracował jako specjalista, asystent i adiunkt. Od 2012 roku kieruje Działem Technicznym w ENERGA SA. Współautor artykułów naukowych z dziedziny termodynamiki i energetyki. Jego główny obszar zainteresowań to konwencjonalne i alternatywne źródła energii, takie jak: ogniwa paliwowe, układy hybrydowe, geotermalne siłownie binarne, turbiny gazowe itd.

Karol Lewandowski

mgr inż. ENERGA SA e-mail: karol.lewandowski@energa.pl Studia magisterskie ukończył na Wydziale Elektrotechniki i Automatyki Politechniki Gdańskiej (2006). Do 2012 roku pracował na stanowisku inżyniera elektryka w firmie Det Norske Veritas Poland. Od 2012 roku zatrudniony jest w ENERGA SA na stanowisku głównego specjalisty ds. rozwoju. Jego obszar zainteresowań to energetyka odnawialna oraz integracja OZE z siecią elektroenergetyczną.

Sebastian Nojek

mgr inż. ENERGA SA e-mail: sebastian.nojek@energa.pl Absolwent Wydziału Mechanicznego Politechniki Gdańskiej (1995), dyplom inżyniera uzyskał w specjalności mechanika i budowa maszyn. Ponadto absolwent podyplomowego studium prawno-menedżerskiego Politechniki Gdańskiej (1996). Ukończył również Wydział Zarządzania Uniwersytetu Gdańskiego, uzyskując tytuł magistra w specjalności zarządzanie rozwojem przedsiębiorstwa (2011). Od początku kariery zawodowej związany z energetyką: wieloletni pracownik Elektrociepłowni Elbląg, od 2008 roku pracownik ENERGA SA. Posiada certyfikaty z zakresu zarządzania programami i projektami. Uczestniczył w pracach wielu zespołów projektowych, udzielając wsparcia merytorycznego przy opracowaniu założeń do budowy obiektów wytwórczych energii.

26


M. Kornatka | Acta Energetica 4/17 (2013) | 27–32

Selected Indicators of the National Distribution System Dependability

Author Mirosław Kornatka

Keywords dependability, power system

Abstract The article discusses a significant problem, which is the analysis of the dependability of the national distribution system. The distribution of selected failure rates was analysed in two perspectives: dependability analysis at the local utility company level, and for the distribution power system. In the first part of the paper failure rates are analysed for five domestic utility companies. The second part presents an analysis of the distribution of SAIDI, SAIFI and MAIFI indicators for domestic distribution system operators in 2007–2012.

DOI: 10.12736/issn.2300-3022.2013403

Introduction A power system (SEE) is one of the most important engineering systems developed and operated by man. The SEE primary role is reliable delivery of demanded electricity with the required quality to each customer. In market conditions the SEE operation and further development requires the assurance of quality energy supply to consumers in a commercially reasonable manner. The quality of electric power supply consists of: quality of supplied electricity, dependability of supply, and quality of customer service. The quality of supplied electricity and dependability of the supply is essentially determined by the SEE dependability [1]. Dependability of the entire SEE consists of the operability degrees of individual system components responsible for electricity generation, transmission and distribution to customers. Unfortunately, in general, the importance and role of individual SEE elements is visible only at the time when they do not perform their functions properly, for example when there is no electricity supply caused by a failure. Unexpected depriving consumers of electricity supply may cause serious damage to property, and constitute a threat to people and equipment. Precise and unambiguous definition of dependability measures for each group of power equipment enables the identification of critical SEE items. This knowledge enables SEE performance improvement by way of upgrading the most failure-prone items, or use of newer technologies, thereby raising the dependability level of the entire SEE. Pursuant to current legal regulations, the domestic distribution system operators (DSOs) are responsible for the level of electricity supply dependability. The ongoing changes in the energy sector can be seen both in terms of changes in the ways of organizing its operations, as well

as of a search for the best ways to improve the existing grid infrastructure’s performance. Not without significance is the current issue of the SEE implementation based on Smart Grid premises. The dependability indicators most frequently determined for power distribution systems include: number of shutdowns in a certain period of time, total duration of interruptions in the supply of electricity in a specified time period, number of faulty equipment items (in each group), and SAIFI, SAIDI and MAIFI indicators widely used in international practice. A very important problem encountered in the determination of grid dependability indicators is the lack of available data, due to the general absence of dependability services in utilities (ZE). Analyzing network failure, one should also be aware that this data is collected in a hierarchical manner, i.e. from individual energy districts (RE) to ZE headquarters, and then to the respective DSO branches. Typically only the averages of received dependability data are disclosed in reference publications. The lack of details of this data’s distribution between individual ZE utility companies does not allow for a complete analysis of the issue. This paper discusses the analysis of selected failure rates in two perspectives: dependability analysis as seen from the local utility company level, and for the entire domestic distribution power system. In the first part of the paper failure rates are analysed for five ZE utility companies operated by domestic DSOs. The second part presents an analysis of SAIDI, SAIFI and MAIFI indicators developed for the national distribution system on the basis of data posted on DSO websites in 2007–2012. Selected standards and legislation concerning the dependability One of the documents explaining notions related to dependability issues is PN-N-50191 93 standard “Glossary of electrical 27


M. Kornatka | Acta Energetica 4/17 (2013) | 27–32

engineering terms. Dependability, quality of service” [2]. It defines the concept of dependability as a set of properties that describe a facility’s operability and affect it: reliability, maintainability, and assurance of means of maintenance. It should be emphasized that the term dependability is used in the standard for general and non-numeric description only. Availability is defined in the above standard as an object’s ability to maintain its condition that enables its fulfilling the functions required in given conditions, at a given time or in a given time interval, assuming that it is provided with necessary external resources. This ability depends collectively on the reliability, maintainability, and assurance of means of the object’s maintenance. The most important piece of legislation on the energy sector is the document “Energy Law” of 10 April 1997 (Journal of Laws of 2012, item 1059) [3]. Art. 4 of the “Energy Law” imposes on DSOs an increased responsibility for the customer supply and its dependability: “(…) any power utility company involved in the transmission and distribution of fuels or energy to customers is required to maintain the ability of equipment, systems, and grids for the supply of the fuels or energy in a continuous and dependable manner, subject to compliance with effective quality requirements”. Pursuant to provisions of Art. 9c of the “Energy Law”, a DSO is responsible, among other things, for: “(…) management of grid operation in the distribution grid in an efficient manner, while maintaining the required dependability of electricity supply and the quality thereof, and in cooperation with the power transmission system operator, in the area of coordinated 110 kV grid; operation, maintenance and repair of the distribution grid in a way that ensures the distribution system’s dependability”. These provisions clearly define the importance of aspects related to the operational dependability of the power distribution system. Another piece of legislation is the Regulation of the Minister of Economy of 4 May 2007, which specifies detailed conditions of the power system operation [4]. Art. 40, defines the types and allowable durations of electricity supply interruptions. Art. 41 of the regulation provides that: “Power distribution system operator shall make public on its website the following indicators on the duration of electricity supply interruptions: 1) System Average Interruption Duration Index SAIDI (…) 2) System Average Interruption Frequency Index SAIFI (…) 3) Momentary Average Interruption Frequency Index MAIFI (…)”. These indices are defined in [4] as follows: • System Average Interruption Duration Index (SAIDI), denominated in minutes per customer per year, i.e. the sum of the products of the interruption duration and the number of customers exposed to the effects thereof during the year, divided by the total number of customers served • System Average Interruption Frequency Index (SAIFI), i.e. the number of customers exposed to the effects of all the interruptions of this kind during the year, divided by the total number of customers served • determined separately for planned and unplanned interruptions, taking into account interruptions that result from a catastrophic event, and without taking into account these interruptions 28

• Momentary Average Interruption Frequency Index (MAIFI), i.e. the number of customers exposed to the effects of all momentary interruptions during the year, divided by the total number of customers served

Analysis of failure rates of grids in selected power utilities Each ZE utility currently analyses the failures that occur in the SEE it operates. This is justified, not only because of the need to ensure continuity of energy supply to customers, but also for economic reasons. Undelivered energy constitutes economic losses for both the supplier and the customer . As follows from the first national benchmarking report [1], in Poland, unfortunately, none of the DSOs analyses the impact of energy supply interruption on losses and inconvenience incurred by the customer. An analysis of failure rates in the five selected ZE utilities (2010) based on the data derived from G-10.5 form of is presented hereafter. The G-10.5 form is an annual report mandatory for each entity involved in the transmission and distribution of energy, and it contains sections on grid failure rates. Calculations were made for the five selected domestic ZE utilities, marked hereafter with letters A to E, respectively. The lengths of overhead and cable line in MV and LV grids in the analysed utilities are presented in Tab. 1. ZE utility grid

MV overhead lines

LV cable lines

overhead lines

cable lines

A

1,850 km

2,294 km

4,647 km

3,191 km

B

3,223 km

1,280 km

10,437 km

2,282 km

C

3,850 km

1,183 km

5,750 km

2,116 km

D

6,672 km

2,970 km

15,751 km

5,595 km

E

3,949 km

701 km

8,169 km

2,255 km

Tab. 1. Medium and low voltage grid lengths in the analysed utilities

Fig. 1 shows the numbers of customers supplied by each ZE utility. No of customers

Fig. 1. Numbers of customers supplied by each ZE utility


M. Kornatka | Acta Energetica 4/17 (2013) | 27–32

This article analyses the failure rates divided into three main groups: medium voltage grid lines (MV), low voltage grid lines (LV), as well as MV/LV transformers. Due to the significant differences seen in the operation, failure rates of cable and overhead lines are considered separately. Failure rates of overhead MV lines are determined as: WSN_LN =

number of MV overhead line faults × 100 total MV overhead line lenght [km]

WSN_Lk [piece/100 km] urban rural

(1)

MV cable line failure rates are defined as: WSN_LK =

number of MV cable line line faults × 100 total MV cable line lenght [km]

(2)

The analysis was performed with the division into grids in urban areas and in rural areas. Fig. 2 shows the overhead MV line failure rates – WSN_LN in each ZE utility.

Fig. 3. Distribution of medium voltage cable line failure rates in urban and rural areas

WSN_LN [piece/100 km]

MV/LV transformer failure rates are defined as: urban rural

WSN_Tr =

number of MV/LV transformers faults × 100 number of MV/LV transformers

(3)

Fig. 4 presents the failure rates per 100 MV/LV transformer units.

urban rural

Fig. 2. Distribution of medium voltage overhead line failure rates in urban and rural areas

As follows from Fig. 2, the failure rates vary largely in different utilities. The lack of correlation between MV overhead line failure rates in rural and urban areas further justifies the need to analyse the dependency in each area separately. Average failure rate for an entire utility may not represent the actual condition of the grid. Fig. 3 presents the failure rates per 100 km of MV cable lines in utilities A–E. Cable lines in the analyzed grids represent only 11% of the length of all MV lines – while their importance for the power supply dependability in urban areas is essential. A replacement programme of the most fault-prone thermoplastic polyethylene insulated cables implemented by ZE utilities brings about tangible effects seen in the reduced number of their faults. The distribution of failure rates of the analyzed MV cables in each utility reflects the technological diversity of the cable lines operated. Some ZE utilities have already replaced the most faultprone cable sections, while others are gradually implementing a policy of their modernization. Transformers are the least fault-prone power equipment group. This applies especially to MV/LV transformers, which are not equipped with on-load tap changers.

Fig. 4. Distribution of MV/LV transformer failure rates in urban and rural areas of each utility

The relatively small number of MV/LV transformers’ failures, compared with the overhead and cable line failure rates, reflects their high dependability. Similarly, the number of failures in low voltage grids was analysed, divided into urban and rural areas. Fig. 5 shows the distribution of the LV overhead line failure rates determined from the formula (4): Wnn_LN =

number of LV overhead line faults × 100 (4) total LV overhead line lenght [km]

29


M. Kornatka | Acta Energetica 4/17 (2013) | 27–32

Wnn_LN [piece/100 km]

urban rural

Fig. 5. Distribution of low voltage overhead line failure rates in urban and rural areas

separately for planned and unplanned interruptions, inclusive and exclusive of catastrophic interruptions. As the previous analysis included all failures without excluding catastrophic interruption data, hereinafter presented are SAIDI, SAIFI, and MAIFI indicators in the analysed ZE utilities as disclosed in G-10.5 forms for the year 2010, inclusive of catastrophic interruptions. Fig. 7 shows the distribution of System Average Interruption Duration Indices, for planned and unplanned interruptions, inclusive of catastrophic events. minutes/customer/year

The conditions of LV overhead lines in the analysed ZE utilities largely vary (from 5 faults per 100 km in utility D to more than 110 faults per 100 km in utility E). Although utility D serves the largest number of customers, and operates the largest length of LV overhead lines, the failure rate is the lowest there. LV cable line failure rates are defined as: Wnn_LK =

number of LV cable line faults × 100 total LV cable line lenght [km]

(5)

[per 100 km]

planned

city

unplanned

Fig. 7. Distribution of SAIDI indices for planned and unplanned interruptions

rural

Fig. 8 shows the distribution of SAIFI indices, for planned and unplanned interruptions, inclusive of catastrophic events. [No of interruption/customer/year]

Fig. 6. Distribution of low voltage cable line failure rates in urban and rural areas

The differences in the numbers of LV network failures in each ZE utility arise from diverse technical conditions of the cable and overhead lines, as well as of all operated equipment. The higher failure rates of LV grids than MV grids result from less capital expenditures on their maintenance and upgrade. The actual current capital expenditures are not sufficient to raise their dependence. The presented graphs show that the failure rates in utility E were by far the highest in the analysed year. This is due to the large number of random events of catastrophic nature that took place in this facility’s operating area in 2010 (floods, storms, heavy snowfalls).

Analysis of dependability indices of selected utilities Pursuant to Regulation [4] each DSO posts on its website indicators of duration of interruptions in electricity supply, determined 30

planned

unplanned

Fig. 8. Distribution of SAIFI indices for planned and unplanned interruptions in the analysed ZE utilities

Random events that took place in utility E’s operating area are reflected in SAIDI and SAIFI indices for unplanned interruptions. The SAIDI and SAIFI indices in the other ZE utilities are comparable


M. Kornatka | Acta Energetica 4/17 (2013) | 27–32

(the data from each ZE facility presented in the previous graphs has been evidently averaged). A significant drawback of these indicators is that they reflect the data for the average consumer, whether supplied by an overhead or cable line, located in an urban or rural area, and supplied from a LV, MC, or 110 kV grid. Fig. 9 shows the distribution of MAIFI indices (for short interruptions lasting less than 3 minutes only).

The dispersion of their values shown in Fig. 10 is related to the early period of the regulation [4], when the indices of various DSOs differed by as many as two orders of magnitude. In 2012 the SAIDI index for planned interruptions didn’t exceed 200 minutes of electricity supply interruptions during the year, per the average customer supplied by an ODS.

frequency

No of interruption/customer/year

SAIDI: unplanned interruptions

minutes/customer/year

Fig. 11. Histogram of domestic DSOs’ SAIDI distribution for unplanned interruptions inclusive of catastrophic events Fig. 9. Distribution of MAIFI indices of momentary interruptions in each ZE utility

Analysis of dependability indices of domestic distribution system operators

frequency

The role of local electricity distributors is fulfilled by DSOs operating in the area. The number and scope of activities of individual operators evolved over the analysed years. This author has archived SAIDI and SAIFI indices for planned and unplanned interruptions, as well as MAIFI indices, ever since the Regulation [4] effective date. The SAIDI, SAIFI and MAIFI indices for 2007–2012 are analysed in the form of the histograms shown in Fig. 10–14.

frequency

Momentary interruptions are not as burdensome for most customers or as long as catastrophic interruptions, so their importance for customers in the overall dependability assessment is lower.

As shown in Fig. 11, in the analysed period the DSOs most often indicated SAIDI indices for unplanned interruptions inclusive of catastrophic events as ca. 400 minutes/customer/year. Besides the average interruption duration, also important for customers is the yearly average number of events involving electricity supply interruption. The distribution of SAIFI indices for planned interruption is shown in Fig. 12, and for unplanned interruptions in Fig. 13.

SAIDI: planned interruptions

No. of interruptions/ customer/year

Fig. 12. Histogram of domestic DSOs’ SAIFI distribution for planned interruptions

SAIDI: planned interruptions

minutes/customer/year

Fig. 10. Histogram of domestic DSOs’ SAIDI distribution for planned interruptions 31


M. Kornatka | Acta Energetica 4/17 (2013) | 27–32

frequency

document: “Energy Security and the Environment” Perspective 2020 these indices should in 2020 amount to: • SAIDI (for unplanned interruptions) – 200 minutes/customer/ year • SAIFI (for unplanned interruptions) – less than 1.5 interruptions/customer/year

Summary

SAIDI: unplanned interruptions

No. of interruptions/ customer/year

Fig. 13. Histogram of domestic DSOs’ SAIFI distribution for unplanned interruptions inclusive of catastrophic events

The SAIFI index most often published by the DSOs for unplanned interruptions is four per year. Fig. 14 shows the MAIFI distribution.

This analysis of distribution grid failure rates and of dependence indices in the five analysed power utilities shows how different are the technical conditions prevailing in each of these. An important issue is ongoing analysis of the dependence rates in each power region. Based on such analysis the most failureprone power grids can be rationally modernised. The SAIDI, SAIFI, and MAIFI indices posted by DSOs on their websites provide every customer with information on the degree of dependability of each operator’s supplies. These indices also enable analyses of changes in the grid’s dependability during its operation. This analysis of the SAIDI, SAIFI, and MAIFI indices published by domestic distribution system operators in 2007–2012 when compared to the performance of other European operators doesn’t inspire enthusiasm.

frequency

References

MAIFI: planned interruptions

No. of interruptions/ customer/year

Fig. 14. Histogram of domestic DSOs’ MAIFI momentary interruptions index distribution

1. First national benchmarking report on the quality of electricity supply to customers connected to transmission and distribution grids, Institute of Energy, Research and Development Unit, Gdańsk Department, 2009. 2. PN-93 N-50191 Glossary of electrical engineering terms. Dependability, quality of service 3. Regulation of the Minister of Economy, Energy Law, of 10 April 1997 (Journal of Laws of 2012, item 1059 of 25 September 2012). 4. Regulation of the Minister of Economy of 4 May 2007 on the detailed conditions for the power system operation (Journal of Laws No. 93, item 623 of 29 May 2007) together with the Regulation of the Minister of Economy of 9 September 2008 amending the Regulation on the detailed conditions for the power system operation (Journal of Laws No. 162, item 1005 of 21 August 2008).

The indices published by domestic DSOs are, unfortunately, unsatisfactory for most customers. According to the strategy

Mirosław Kornatka Częstochowa University of Technology e-mail: kornatka@el.pcz.czest.pl A graduate of the Electrical Engineering Department of Częstochowa University of Technology. In 2006–2012 Head of Department of Electricity Transmission and System Automatic Controls, Institute of Electrical Power Engineering, Częstochowa University of Technology. At present Deputy Director of the Institute of Electrical Power Engineering, Częstochowa University of Technology. His research and teaching activities include dependability of the energy system and equipment, power system automatic protections, and relational database applications. Author and co author of over 50 research and educational publications.

32


M. Kornatka | Acta Energetica 4/17 (2013) | translation 27–32

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 27–32. When referring to the article please refer to the original text. PL

Wybrane wskaźniki niezawodnościowe krajowego systemu dystrybucyjnego Autor

Mirosław Kornatka

Słowa kluczowe

Niezawodność, system elektroenergetyczny

Streszczenie

W artykule przedstawiono istotny problem, jakim jest analiza niezawodności krajowego systemu dystrybucyjnego. Przeprowadzono analizę rozkładu wybranych wskaźników awaryjności w dwóch ujęciach: analizę niezawodności wyznaczoną z poziomu zakładu energetycznego oraz dla dystrybucyjnego systemu energetycznego. W pierwszej części artykułu przedstawiono analizę awaryjności dla pięciu krajowych zakładów energetycznych. W drugiej części zaprezentowano analizę rozkładu wartości wskaźników SAIDI, SAIFI i MAIFI krajowych operatorów systemu dystrybucyjnego wyznaczonych z lat 2007–2012.

Wprowadzenie System elektroenergetyczny (SEE) to jeden z najbardziej istotnych systemów inżynierskich opracowanych i eksploatowanych przez człowieka. Podstawową rolą SEE jest niezawodne dostarczanie zapotrzebowanej energii elektrycznej o wymaganych parametrach jakościowych dla poszczególnych odbiorców. W warunkach rynkowych eksploatacja SEE oraz planowanie dalszego jego rozwoju wymaga zapewnienia jakości dostaw energii odbiorcom w sposób ekonomicznie uzasadniony. Na jakość dostaw energii elektrycznej składa się: jakość dostarczanej energii elektrycznej, niezawodność zasilania oraz jakość obsługi klientów. O jakości dostarczanej energii elektrycznej oraz niezawodności jej dostaw zasadniczo decyduje niezawodność SEE [1]. Na niezawodność całego SEE składa się stopień funkcjonowania poszczególnych elementów systemu, odpowiedzialnych za produkcję, przesył i dystrybucję energii elektrycznej do odbiorców. Niestety, na ogół znaczenie i rola poszczególnych elementów SEE widoczna jest dopiero w momencie, kiedy nie realizują one swoich funkcji w sposób prawidłowy, np. podczas braku dostaw energii elektrycznej spowodowanej awarią. Nieoczekiwane pozbawienie odbiorców dostaw energii elektrycznej może być przyczyną poważnych strat materialnych oraz powstania niebezpieczeństwa dla ludzi i urządzeń. Precyzyjne i jednoznaczne określenie miar niezawodnościowych poszczególnych grup urządzeń energetycznych daje możliwość określenia newralgicznych miejsc SEE. Wiedza ta daje możliwość poprawy funkcjonowania SEE poprzez modernizację najbardziej awaryjnych urządzeń czy zastosowanie nowszych technologii, a tym samym podniesienia poziomu niezawodności całego SEE. Na podstawie obecnych regulacji prawnych to krajowi operatorzy systemu dystrybucyjnego (OSD) są odpowiedzialni za poziom niezawodności dostaw energii elektrycznej. Zachodzące obecnie zmiany w energetyce widoczne są zarówno w zakresie zmian sposobów organizacji jej funkcjonowania, jak również poszukiwania optymalnych metod poprawy funkcjonowania obecnej infrastruktury sieciowej. Nie bez znaczenia

jest również aktualne zagadnienie realizacji SEE według założeń sieci Smard Grid. Dla elektroenergetycznych systemów dystrybucyjnych najczęściej wyznaczanymi wskaźnikami niezawodnościowymi są m.in.: liczba wyłączeń, jaka miała miejsce w określonym przedziale czasu, sumaryczny czas trwania przerw w dostawie energii elektrycznej w określonym przedziale czasu, liczba uszkodzonych urządzeń (w poszczególnych grupach) czy powszechnie stosowane w międzynarodowej praktyce wskaźniki SAIFI, SAIDI i MAIFI. Bardzo istotnym problemem napotykanym przy wyznaczeniu wskaźników dotyczących niezawodności sieci jest brak dostępnych danych, wynikający z powszechnego braku służb niezawodnościowych w zakładach energetycznych (ZE). Analizując awaryjność sieci, należy również mieć świadomość, że są to dane zbierane w sposób hierarchiczny, tzn. z poszczególnych rejonów energetycznych (RE) do central ZE i następnie do odpowiednich oddziałów OSD. W literaturze przedmiotowej podawana jest na ogół tylko wartość średnia otrzymanych danych niezawodnościowych. Brak informacji o rozkładzie uzyskanych wartości dla poszczególnych ZE nie pozwala na pełną analizę zagadnienia. W artykule przedstawiono analizę wybranych wskaźników awaryjności w dwóch ujęciach: analizę niezawodności widzianą z poziomu zakładu energetycznego oraz dla całego krajowego systemu dystrybucyjnego. W pierwszej części artykułu przedstawiono analizę awaryjności pięciu wybranych ZE krajowych OSD. W drugiej części zaprezentowano analizę wartości wskaźników SAIDI, SAIFI i MAIFI krajowego systemu dystrybucyjnego opracowanego na podstawie danych zamieszczanych na stronach internetowych OSD na przestrzeni lat 2007–2012. Wybrane normy i akty prawne dotyczące niezawodności Jednym z dokumentów wyjaśniających pojęcia dotyczące zagadnień niezawodności jest norma PN-93 N-50191 „Słownik terminologiczny elektryki. Niezawodność, jakość usługi” [2]. Definiuje ona pojęcie niezawodności (ang. dependability) jako zespół

właściwości, które opisują gotowość obiektu i wpływające na nią: nieuszkadzalność, obsługiwalność i zapewnienie środków obsługi. Należy podkreślić, że termin niezawodność jest używany w normie tylko do ogólnego nieliczbowego opisu. Gotowość; dyspozycyjność (ang. avaibability) zdefiniowano w powyższej normie jako zdolność obiektu do utrzymywania się w stanie umożliwiającym wypełnianie wymaganych funkcji w danych warunkach, w danej chwili lub w danym przedziale czasu, przy założeniu, że są dostarczone wymagane środki zewnętrzne. Zdolność ta zależy łącznie od nieuszkadzalności, obsługiwalności i zapewnienia środków obsługi obiektu. Najważniejszym aktem prawnym dotyczącym sektora energetycznego jest dokument „Prawo energetyczne” z 10 kwietnia 1997 r. (Dz. U. z 2012, poz. 1059) [3]. Art. 4 „Prawa energetycznego” nakłada na OSD zwiększoną odpowiedzialność za zasilanie odbiorców oraz niezawodność dostawy: „(…) przedsiębiorstwa energetyczne zajmujące się przesyłaniem i dystrybucją paliw lub energii do odbiorców mają obowiązek utrzymywać zdolność urządzeń, instalacji i sieci do realizacji dostaw paliw lub energii w sposób ciągły i niezawodny, przy zachowaniu obowiązujących wymagań jakościowych”. Na podstawie mocy zapisów zawartych w art. 9c „Prawa energetycznego” OSD jest odpowiedzialny m.in. za: „(…) prowadzenie ruchu sieciowego w sieci dystrybucyjnej w sposób efektywny, z zachowaniem wymaganej niezawodności dostarczania energii elektrycznej i jakości jej dostarczania oraz we współpracy z operatorem systemu przesyłowego elektroenergetycznego, w obszarze koordynowanej sieci 110 kV; eksploatację, konserwację i remonty sieci dystrybucyjnej w sposób gwarantujący niezawodność funkcjonowania systemu dystrybucyjnego”. Przytoczone zapisy jednoznacznie definiują wagę aspektów związanych z niezawodnością działania elektroenergetycznego systemu dystrybucyjnego. Kol e j ny m a kte m pr aw ny m j e s t Rozporządzenie Ministra Gospodarki z 4 maja 2007 r., który informuje o szczegółowych warunkach funkcjonowania systemu

33


M. Kornatka | Acta Energetica 4/17 (2013) | translation 27–32

elektroenergetycznego [4]. Art. 40, określa m.in. rodzaje oraz dopuszczalne czasy trwania przerw w dostarczaniu energii elektrycznej. W art. 41 powyższego rozporządzenia zapisano: „Operator systemu dystrybucyjnego elektroenergetycznego podaje do publicznej wiadomości na swojej stronie internetowej następujące wskaźniki dotyczące czasu trwania przerw w dostarczaniu energii elektrycznej: 1) wskaźnik przeciętnego systemowego czasu trwania przerwy długiej SAIDI (…) 2) wskaźnik przeciętnej systemowej częstości przerw długich SAIFI (…) 3) wskaźnik przeciętnej częstości przerw krótkich MAIFI (…)”. Wskaźniki te zdefiniowano w [4] następująco: • wskaźnik przeciętnego systemowego czasu trwania przerwy długiej i bardzo długiej (SAIDI), wyrażony w minutach na odbiorcę na rok, stanowiący sumę iloczynów czasu jej trwania i liczby odbiorców narażonych na skutki tej przerwy w ciągu roku podzieloną przez łączną liczbę obsługiwanych odbiorców • wskaźnik przeciętnej systemowej częstości przerw długich i bardzo długich (SAIFI), stanowiący liczbę odbiorców narażonych na skutki wszystkich przerw tego rodzaju w ciągu roku podzieloną przez łączną liczbę obsługiwanych odbiorców • wyznaczone oddzielnie dla przerw planowanych i nieplanowanych z uwzględnieniem przerw katastrofalnych oraz bez uwzględnienia tych przerw • wskaźnik przeciętnej częstości przerw krótkich (MAIFI), stanowiący liczbę odbiorców narażonych na skutki wszystkich przerw krótkich w ciągu roku podzieloną przez łączną liczbę obsługiwanych odbiorców. Analiza awaryjności sieci wybranych zakładów energetycznych Każdy ZE na bieżąco analizuje awarie, jakie zachodzą w eksploatowanym przez niego SEE. Jest to uzasadnione, nie tylko ze względu na konieczność zapewnienia ciągłości dostaw energii odbiorcom ale również ze względów ekonomicznych. Niedostarczona energia to ekonomiczne straty zarówno dla dostawcy i odbiorcy. Jak wynika z pierwszego krajowego raportu benchmarkingowego [1], w Polsce żaden z OSD niestety nie analizuje wpływu przerw dostaw energii na straty i uciążliwości ponoszone przez odbiorców. Na podstawie danych pochodzących z formularza G-10.5 przedstawiono w dalszej części artykułu analizę wskaźników uszkodzeń dla pięciu wybranych ZE (2010). Formularz G-10.5, jest obowiązkowym sprawozdaniem rocznym dla każdego podmiotu zajmującego się przesyłem i dystrybucją energii, zawiera między innymi działy dotyczące awaryjności sieci. Obliczenia przeprowadzono dla pięciu wybranych krajowych ZE, oznaczonych w dalszej części artykułu odpowiednio literami od A do E. Długości linii napowietrznych i kablowych sieci średniego oraz niskiego napięcia analizowanych zakładów przedstawiono w tab. 1.

34

Sieć ZE A

średniego napięcia linie napowietrzne

niskiego napięcia

linie kablowe

1 850 km

linie napowietrzne

2 294 km

4 647 km

linie kablowe 3 191 km

B

3 223 km

1 280 km

10 437 km

2 282 km

C

3 850 km

1 183 km

5 750 km

2 116 km

D

6 672 km

2 970 km

15 751 km

5 595 km

E

3 949 km

701 km

8 169 km

2 255 km

Tab. 1. Długości sieci średniego i niskiego napięcia analizowanych zakładów energetycznych

Na rys. 1 przedstawiono liczbę odbiorców zasilanych przez poszczególne ZE.

Jak wynika z rys. 2, występują duże różnice wartości wskaźników uszkodzeń dla poszczególnych zakładów. Brak korelacji pomiędzy awaryjnością linii napowietrznych SN, znajdujących się na obszarach wiejskich i miejskich, dodatkowo uzasadnia celowość indywidualnego analizowania niezawodności dla poszczególnych obszarów. Podawanie tylko wartości średniej awaryjności dla całego zakładu może nie oddawać rzeczywistego stanu tych sieci. Na rys. 3 przedstawiono wartości wskaźników uszkodzeń wyznaczony na 100 km linii kablowych średniego napięcia dla zakładów A–E.

Rys. 1. Liczba odbiorców zasilanych przez poszczególne zakłady energetyczne

W artykule przeprowadzono analizę awaryjności z podziałem na trzy zasadnicze grupy: linie sieci średniego napięcia (SN), linie sieci niskiego napięcia (nn), jak również transformatory SN/nn. Ze względu na istotne różnice, widoczne podczas eksploatacji, oddzielnie rozpatrywano awaryjność dla linii kablowych i napowietrznych. Wskaźniki uszkodzeń dla linii napowietrznych SN wyznaczano jako: liczba uszkodzeń linii napowietrznych SN [szt.]

WSN_LN = całkowita długość linii napowietrznych [km] ∙ 100 (1) Wskaźniki uszkodzeń dla linii kablowych SN zdefiniowano jako: WSN_Lk =

liczba uszkodzeń linii kablowych SN [szt.] całkowita długość linii kablowych [km]

∙ 100

(2)

Analizę przeprowadzono z podziałem na sieci znajdujące się na obszarach miejskich oraz na obszarach wiejskich. Na rys. 2 przedstawiono wskaźnik uszkodzeń linii napowietrznych SN – dla poszczególnych ZE.

Rys. 3. Rozkład wartości wskaźnika uszkodzeń linii kablowych średniego napięcia z podziałem na obszar miejski i wiejski

Linie kablowe w analizowanych sieciach stanowią tylko 11% długości wszystkich linii SN – natomiast znaczenie ich dla niezawodności zasilania obszarów miejskich jest zasadnicze. Realizowany przez ZE program wymiany najbardziej awaryjnych kabli z izolacją z polietylenu termoplastycznego daje wymierne efekty, widoczne w zmniejszeniu liczby ich awarii. Rozkład awaryjności analizowanych kabli SN poszczególnych zakładów odzwierciedla różnorodność technologiczną eksploatowanych linii kablowych. Część ZE wymieniła już najbardziej awaryjne odcinki kabli, pozostali realizują sukcesywnie politykę ich modernizacji. Transformatory stanowią najmniej awaryjną grupę urządzeń elektroenergetycznych. Dotyczy to zwłaszcza transformatorów SN/nn, które nie są wyposażone w podobciążeniowe przełączniki zaczepów. Wskaźnik uszkodzeń transformatorów SN/nn zdefiniowano jako: liczba uszkodzeń ltransformatorów sn/nn

WSN_Tr = ∙ 100 całkowita liczba transformatorów SN/nn (3) Rys. 2. Rozkład wartości wskaźników uszkodzeń linii napowietrznych średniego napięcia z podziałem na obszar miejski i obszar wiejski

Na rys. 4 przedstawiono wskaźnik uszkodzeń, podawany w przeliczeniu na 100 sztuk transformatorów SN/nn.


M. Kornatka | Acta Energetica 4/17 (2013) | translation 27–32

w wystarczającym stopniu na podniesienie poziomu ich niezawodności. Z przedstawionych wykresów wynika, że zakład E posiada w analizowanym roku zdecydowanie największą awaryjność. Jest to spowodowane dużą liczbą zjawisk losowych o charakterze katastrofalnym, jakie miały miejsce na terenie tego zakładu w roku 2010 (podtopienia, nawałnice, intensywne opady śniegu). Rys. 4. Rozkład wartości wskaźnika uszkodzeń transformatorów SN/nn z podziałem na obszar ich eksploatacji

Stosunkowo mała liczba awarii transformatorów SN/nn, w porównaniu z awaryjnością linii napowietrznych i kablowych, świadczy o ich dużej niezawodności. Analogicznie przeprowadzono analizę liczby awarii dla  sieci niskiego napięcia, z podziałem na obszar miejski i obszar wiejski. Na rys. 5 przedstawiono rozkład wskaźnika uszkodzeń linii napowietrznych nn wyznaczony na podstawie zależności (4): liczba uszkodzeń linii napowietrznych nn [szt.]

Wnn_LN = ∙ 100 całkowita długość linii napowietrznych nn [km] (4)

Analiza wskaźników niezawodnościowych dla wybranych zakładów energetycznych Zgodnie z rozporządzeniem [4] każdy OSD podaje na swojej stronie internetowej wskaźniki dotyczące czasu trwania przerw w dostarczaniu energii elektrycznej, wyznaczone oddzielnie dla przerw planowanych i nieplanowanych z uwzględnieniem przerw katastrofalnych oraz bez uwzględnienia tych przerw. Ponieważ dotychczasowa analiza dotyczyła wszystkich uszkodzeń, bez wyłączenia danych dotyczących przerw katastrofalnych, w dalszej części artykułu przedstawiono wartości wskaźników SAIDI, SAIFI i MAIFI analizowanych ZE podanych w formularzu G-10.5 za rok 2010 łącznie z przerwami katastrofalnymi. Na rys. 7 przedstawiono rozkład wartości wskaźnika przeciętnego systemowego czasu trwania przerwy planowanej i nieplanowej, długiej i bardzo długiej wraz z przerwami katastrofalnymi.

Rys. 5. Rozkład wartość wskaźnika uszkodzeń dla linii napowietrznej niskiego napięcia z podziałem na obszar miejski i wiejski

Stan linii napowietrznych nn badanych ZE jest bardzo różny (od 5 uszkodzeń dla 100 km linii zakładu D do ponad 110 uszkodzeń przypadających na 100 km linii zakładu E). Pomimo że zakład D odsługuje najwięcej odbiorców i posiada największą długość linii napowietrznej nn, ma również najmniejszą wartość wskaźnika uszkodzeń. Wskaźnik uszkodzeń dla linii kablowych nn zdefiniowano jako: liczba uszkodzeń linii kablowych nn [szt.]

Wnn_LK = ∙ 100 całkowita długość linii kablowych nn [km] (5)

Rys. 7. Rozkład wartości wskaźnika SAIDI z podziałem na przerwy planowane oraz nieplanowane

Na rys. 8 przedstawiono rozkład wartości wskaźnika SAIFI dla przerw planowanych oraz nieplanowanych (zawiera przerwy długie, bardzo długie oraz przerwy katastrofalne).

dla przerw nieplanowanych. Pozostałe ZE mają porównywalne wartości wskaźników SAIDI i SAIFI (widoczne jest uśrednianie wartości danych poszczególnych ZE prezentowanych na wcześniejszych wykresach). Istotną wadą tych wskaźników jest fakt, że określają one dane dotyczące przeciętnego odbiorcy, niezależnie czy zasilany on jest z linii napowietrznej czy kablowej, czy znajduje się na obszarze miejskim czy wiejskim, czy zasilany jest z sieci nn, SN czy 110 kV. Na rys. 9 przedstawiono rozkład wartości wskaźnika MAIFI (dotyczy tylko przerw krótkich trwających krócej niż 3 minuty).

Rys. 9. Rozkład wartości wskaźnika przerw krótkich MAIFI poszczególnych ZE

Przerwy krótkie nie są tak uciążliwe dla większości odbiorców jak przerwy długie czy katastrofalne, dlatego ich znaczenie dla odbiorców w ogólnej ocenie niezawodności jest mniejsze. Analiza wskaźników niezawodnościowych krajowych operatorów systemów dystrybucyjnych Rolę lokalnych dystrybutorów energii elektrycznej pełnią OSD występujący na danym obszarze. Liczba i zakres działania poszczególnych operatorów zmieniały się na przestrzeni analizowanych lat. Autor od początku obowiązywania rozporządzenia [4] archiwizował dane dotyczące wartości współczynników SAIDI, SAIFI planowanych i nieplanowanych oraz wskaźnika MAIFI. Analizę zebranych wartości wskaźników SAIDI, SAIFI i MAIFI za lata 2007–2012 przedstawiono za pomocą histogramów na rys. 10 – 14.

Rys. 10. Histogram rozkładu wartości wskaźnika SAIDI krajowych OSD dla przerw planowanych Rys. 6. Rozkład wartości wskaźnika uszkodzeń dla linii kablowej niskiego napięcia z podziałem na miasto i wieś

Różnice w liczbie uszkodzeń sieci nn dla poszczególnych ZE wynikają z  różnorodnego stanu technicznego linii kablowych i napowietrznych, jak również całej eksploatowanej aparatury. Większa awaryjność sieci nn w stosunku do sieci SN uwarunkowana jest faktem, że są one mniej doinwestowane. Bieżące inwestycje nie wpływają

Rys. 8. Rozkład wartości wskaźnika SAIFI otrzymanych w badanych ZE z podziałem na przerwy planowane oraz nieplanowane

Zjawiska losowe, jakie miały miejsce na obszarze zakładu E, mają swoje odzwierciedlenie w wartości wskaźników SAIDI i SAIFI

Widoczny na rys. 10 rozrzut ich wartości związany jest z początkowym okresem obowiązywania rozporządzenia [4], gdzie wartości pomiędzy poszczególnymi OSD różniły się aż o dwa rzędy wielkości. W 2012 roku wartość wskaźnika SAIDI przerw planowanych nie przekraczała 200 minut czasu trwania przerw dostaw energii elektrycznej w ciągu roku, przypadających na statystycznego odbiorcę OSD.

35


M. Kornatka | Acta Energetica 4/17 (2013) | translation 27–32

Rys. 11. Histogram rozkładu wartości wskaźnika SAIDI krajowych OSD dla przerw nieplanowanych z uwzględnieniem zjawisk katastrofalnych

Jak widać na rys. 11, najczęściej OSD w analizowanym okresie podawali wartość wskaźnika SAIDI dla przerw nieplanowanych z uwzględnieniem zjawisk katastrofalnych ok. 400 minut/odbiorcę/rok. Oprócz czasu trwania przeciętnej przerwy ważne jest też dla odbiorcy, ile przeciętnie razy w ciągu roku będzie pozbawiony dostaw energii elektrycznej. Rozkład wartości wskaźnika SAIFI dla przerw planowanych przedstawiono na rys. 12 oraz dla przerw nieplanowanych na rys. 13.

Rys. 13. Histogram rozkładu wartości wskaźnika SAIFI krajowych OSD dla przerw nieplanowanych z uwzględnieniem zjawisk katastrofalnych

Najczęściej podawana przez OSD wartość wskaźnika SAIFI przerw nieplanowanych to cztery przerwy w ciągu roku. Na rys. 14 przedstawiono rozkład wartości wskaźnika MAIFI.

Bibliografia

Rys. 14. Histogram rozkładu wartości wskaźnika przerw krótkich MAIFI krajowych OSD

Rys. 12. Histogram rozkładu wartości wskaźnika SAIFI krajowych OSD dla przerw planowanych

Mirosław Kornatka

Podsumowanie Przeprowadzona analiza awaryjności sieci dystrybucyjnych oraz wskaźników niezawodnościowych dla pięciu badanych zakładów energetycznych przedstawia, jak różny jest stan techniczny poszczególnych zakładów energetycznych. Istotnym zagadnieniem jest systematyczne prowadzenie analiz niezawodności poszczególnych regionów energetycznych. Na podstawie powyższych analiz możliwa będzie racjonalna modernizacja sieci energetycznej o największej awaryjności. Zamieszczane na stronach internetowych OSD wskaźniki SAIDI, SAIFI, MAIFI umożliwiają uzyskanie przez każdego odbiorcę informacji o stopniu niezawodności dostarczanej energii poszczególnych operatorów. Wskaźniki te dają również możliwość analizy zmian niezawodnościowej sieci w czasie ich eksploatacji. Przeprowadzona analiza wartości wskaźników SAIDI, SAIFI, MAIFI z lat 2007–2012 krajowych operatorów systemów dystrybucyjnych w porównaniu do wartości wskaźników uzyskiwanych przez innych europejskich operatorów nie budzi entuzjazmu.

Wartości wskaźników podawanych przez krajowych OSD, niestety, nie są dla większości odbiorców zadowalające. Zgodnie z dokumentem: Strategia „Bezpieczeństwo Energetyczne i Środowisko” Perspektywa 2020 r. - wartości powyższych wskaźników, jakie mają osiągać krajowi OSD w 2020 r., powinny odpowiednio wynosić: SAIDI (dla przerw nieplanowanych) – 200 minut/odbiorca/rok SAIFI (dla przerw nieplanowanych) – poniżej 1,5 przerwy/odbiorca/rok.

1. I krajowy raport benchmarkingowy nt. jakości dostaw energii elektrycznej do odbiorców przyłączonych do sieci przesyłowych i dystrybucyjnych, Instytut Energetyki, Jednostka BadawczoRozwojowa, Oddział Gdańsk 2009. 2. PN-93 N-50191 Słownik terminologiczny elektryki. Niezawodność, jakość usługi. 3. Rozporządzenie Ministra Gospodarki Prawo energetyczne z dnia 10 kwietnia 1997 (Dz.U. z 2012, poz. 1059 z 25.09.2012). 4. Rozporządzenie Ministra Gospodarki z 4 maja 2007 r. w sprawie szczegółowych warunków funkcjonowania systemu elektroenergetycznego (Dz.U. nr 93, poz. 623 z dnia 29.05.2007) wraz z Rozporządzeniem Ministra Gospodarki z dnia 9 września 2008 r. zmieniającym rozporządzenie w sprawie szczegółowych warunków funkcjonowania systemu elektroenergetycznego (Dz.U. nr 162, poz. 1005 z 21 sierpnia 2008).

dr inż. Politechnika Częstochowska e-mail: kornatka@el.pcz.czest.pl Absolwent Wydziału Elektrycznego Politechniki Częstochowskiej. W latach 2006–2012 kierownik Zakładu Przesyłu Energii Elektrycznej i Automatyki Systemowej w Instytucie Elektroenergetyki PCz. Obecnie zastępca dyrektora Instytutu Elektroenergetyki PCz. W pracy naukowej i dydaktycznej zajmuje się m.in. niezawodnością systemu energetycznego i urządzeń, elektroenergetyczną automatyką zabezpieczeniową oraz zastosowaniem relacyjnych baz danych. Autor lub współautor ponad 50 publikacji naukowo-dydaktycznych.

36


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | 37–43

Bayesian Algorithms for Calculating Symbolic Rates of the Unreliability and Reliability of the Electric Supply

Authors Włodzimierz Korniluk Piotr Petelski

Keywords Bayesian networks, indicators of reliability, calculation of symbolic

Abstract The report presents the use of Bayesian networks in the calculation of symbolic indicators of reliability and unreliability of the electric power supplying load point. The calcu­ lation of indicators of reliability is determined by the analytical dependencies. These dependencies are used to estimate: probability of up or down state of power system components supplying the load point; total probability distribution; conditional proba­ bilities of the state power or lack of power appearance; the intensity of current inter­ ruptions and the average time of their duration; contributions of individual power system components in the service reliability. This report describes how to obtain these analytical dependencies, using the ultimate application for symbolic computations Mathematica (ver. 8). In this paper we will discuss the results of the symbolic compu­ tations for selected supply power system and methods for reducing the duration of symbolic computations of indicators for multiple-compound electrical power systems.

DOI: 10.12736/issn.2300-3022.2013404

1. Introduction For the purpose of calculation and analysis of the reliability of power engineering networks, analytical and simulation methods are used, as well as mixed methods which are combinations of both of these methods [1, 2, 3]. The analytical reliability assessment methods include [2, 3, 4, 5, 6]: logical and probability methods of incidents (minimum paths and cross-sections, decompositions, orthogonalizations, array formulas as well as functions and methods of random processes of Markov chains, Markov processes and semi-Markov processes. The simulation methods [3] use Monte Carlo methods, information models based on Petri nets and evolutionary algorithms. In recent years, for the purpose of calculation, assessment and analyses of the reliability of power engineering and telecommunication networks the analytical method has been used which takes advantage of Bayesian networks [1, 4, 8, 9]. This method, similar to the analytical method of complete decomposition [2, 10], consists in the review of all possible states of reliability and unreliability of a system supplying power to a given load point. This method has a lot of advantages [4, 9], as after the introduction of additional data, it enables the calculation of reliability indicators used and enables the creation of inference relating to the impact of the elements and groups of elements on the reliability of the system, also with the possibility of taking economic aspects into consideration.

The introduction of symbolic calculations into the calculation method of reliability indicators relating to electrical energy supply, which is based on Bayesian networks, is justified in the opinion of the authors of this study, as it will enable the introduction of analytical dependencies onto specific reliability indicators, which are useful in the process of design and use of electrical energy power supply systems. The obtained analytical dependencies relating to the reliability indicators of the power supply systems used to supply load points may be used in monitoring systems of power engineering networks. In such cases, the reliability indicators of the systems used may be calculated in the real-time operating system on the basis of submitted information on the topology of the power supply system of each load point and parameters deciding on the unconditional probabilities of up or down states of power system components supplying that load point. The study describes analytical dependencies used when calculating reliability dependencies by means of Bayesian networks relating to: unconditional probabilities of up or down states of power system components supplying a given load point, total distribution of these probabilities, conditional probabilities of the presence of power supply or its lack, and the intensity of current interruptions and the average time of their duration as well as the validity and contributions of individual power system 37


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | 37–43

components in the service reliability. The study also describes how to obtain these analytical dependencies using selected algorithms for the symbolic computations of the Mathematica (ver. 8) program. This paper also discusses the results of symbolic control computations of reliability indicators for selected power supply systems. Additionally, methods for reducing the duration of symbolic computations of reliability indicators for multiplecompound electrical power supply systems are also described in this study.

2. Calculation method of unreliability and reliability of electric power supply, with the use of Bayesian networks

For the calculation of probability of the presence of power supply P( z z ) or its lack P ( z z ) for the specified load points with the use of Bayesian networks (Fig. 1), it is necessary to be aware of the dependencies for the [4, 5, 11]: unconditional probabilities of up or down states of power system components supplying a given load point, total distribution of probabilities CPT”Z” for all combinations of up states P ( z z ) and down states P ( z z ) of these elements and conditional probabilities relating to the presence of power supply within a specific load point P ( z / Z1 ,..., Z n ) or its lack P ( z / Z1 ,..., Z n ) , assigned to each of m = 2n these combinations. Taking advantage of the dependencies obtained for the probabilities P ( z z ) and P ( z z ) , it is possible to obtain expressions for the equivalent intensity of power supply interruptions λz , their equivalent average duration taz , the validity of individual elements during unreliability I i and reliability I i of the power supply, absolute inputs Wzi and relative inputs wzi of the unreliability of the elements in relation to the probability of the lack of power supply of the load point Z [1, 5, 9]. The unconditional probabilities for the up states P( z i ) = pi and down states P( z i ) = qi of the individual elements of the power supply, for the stationary process on the acceptance of the exponential distribution of the duration of these states, are calculated based on the dependencies [3, 4]

) p= P ( zi= i

1

=

1 + λi ⋅ ta ,i

t p ,i t p ,i + ta ,i

and (1)

) q= P( zi= i

λi ⋅ ta ,i ta ,i = 1 + λi ⋅ t a ,i t p ,i + t a ,i

while the incidents zi and zi constitute an alternative excluding itself, for which the conditions below are met:

Fig. 1. Reliability model of electric energy power supply systems of the load point Z in the form of a Bayesian network

zi= ∨ zi 1,

zi= ∨ zi 1,

zi= ∧ zi 0

P( zi ∨ zi )= P( Z i )= P( zi ) + P( zi )= 1 (2) P( zi ∧ zi ) = 0 where: z i and z i – zero-one random variables reflecting the state of an element, up state zi = 1 and down state z i = 1 , λi – intensity of down states (failures)of i-this element of the power supply system, ta ,i – average recovery time of i-this a,i of the power supply system, t p ,i – average switching time of i-this element of the power supply system into emergency power supply, P ( Z i ) – total time of probabilities distribution, P ( zi ) – probability of the presence of power supply within the system, P ( zi ) – probability of the lack of power supply within the system. The total distribution of probabilities, which is a sum of unconditional probabilities – i.e. alternatives excluding themselves for all m = 2n combinations of up states zi and down states zi of n elements of the power supply system (Fig. 1), is expressed by the equation: n

P( Z ) = ( p1 + q1 )( p2 + q2 )...( pn + qn ) ∏ P( Zi ) = i =1

= ( p1 p2 ... pn ) + (q1 p2 ... pn ) + ... + (q1q2 ...qn ) (3) 38


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | 37–43

while the probabilities of the presence and lack of interruptions to power supply of the load point are expressed by the following equations: P( z= ) q= P( Z ) ⋅ P( z / Z1 ,..., Z n ) z = ( p1 p2 ... pn ) P ( z / z1 , z2 ,..., zn ) + (q1 p2 ... pn ) P ( z / z1 , z2 ,..., zn ) + ... + (q1q2 ...qn ) P ( z / z1 , z2 ,..., zn )

The expression for the equivalent intensity of the occurrence of interruptions in the power supply of the load point may be achieved from the following dependencies [1]: n

λz = ∑ 1

dqz λi dqi

n 1) − P( z ∧ zi , pi = 1))λi ) = ∑ (( P( z ∧ zi , qi =

(6)

1

(4)

P( z= ) p= P( Z ) ⋅ P( z / Z1 ,..., Z n ) z

= ( p1 p2 ... pn ) P ( z / z1 , z2 ,..., zn ) + (q1 p2 ... pn ) P ( z / z1 , z2 ,..., zn )

while the expression for the equivalent average duration of these interruptions in the power supply may be achieved from the following dependencies:

= ta

+ ... + (q1q2 ...qn ) P ( z / z1 , z2 ,..., zn )

qz qz q = = t pz z pz λz − λz ⋅ q z p z λz

(7)

where: P( z / Z 1 ,..., Z n ) and P( z / Z 1 ,..., Z n ) – conditional probabilities of the presence and lack of interruptions to The validity of the individual elements in the unreliability power supply of the load point, calculated for each product state I i and reliability state I i of power supply may be of unconditional probabilities of up and/or down states of achieved from the following dependencies: the power supply system elements. ∂P( z ) ∂qz ∂P ( z ) ∂pz = Ii = = , Ii = (8) When calculating the conditional probabilities of the pres∂P( zi ) ∂qi ∂P( zi ) ∂pi ence and lack of interruptions to power supply of the load point, the application of logical expressions on the zero-one random variables z i and z i is recommended. For the purpose Absolute Wzi and relative contributions wzi of elements’ of formulating these logical expressions, an approach unreliability in relation to the probability of an interrupwhich is similar to the approach applied when calculating tion to power supply may be achieved from the following the minimum power supply paths and down states cross- dependencies: sections may be successfully used. Sample logical expres∂q ∂P ( z ) P( zi ) ⋅ qi ⋅ z = sions which can be used when calculating P( z / Z 1 ,..., Z n ) Wzi = ∂P ( zi ) ∂qi and P( z / Z 1 ,..., Z n ) , when connecting elements in series (9) and in parallel, can be expressed as follows: W zi

when connecting elements in series, the lack of interruption state in the power supply occurs if:

wzi =

z1 ∧ z2 ∧ z3 = 1 then P( z / Z1 ,..., Z n ) = 1 and

The awareness of dependencies for the probabilities of occurrence, intensity and duration of the interruption to power supply of the load point enables the calculation also of other indicators of reliability, such as: System Average Interruption Frequency Index (SAIFI), cumulative annual duration of the customer interruptions (Customer Minute Lost – CML), Customer Average Interruption Duration Index (CAIDI), Average Service Availability Index (ASAI), Average Service Unavailability Index (ASUI) and Average Energy Not Supplied (AENS).

P( z / Z1 ,..., Z n ) = 0

(5a)

and the interruption state in the power supply occurs if:

z1 ∨ z2 ∨ z3 = 1 then P( z / Z1 ,..., Z n ) = 0 and P( z / Z1 ,..., Z n ) = 1

(5b)

when connecting elements in parallel, the lack of interruption state in the power supply occurs if:

z1 ∨ z2 ∨ z3 = 1 then P( z / Z1 ,..., Z n ) = 1 and P( z / Z1 ,..., Z n ) = 0

(5c)

and the interruption state in the power supply occurs if:

z1 ∧ z2 ∧ z3 = 1 then P( z / Z1 ,..., Z n ) = 0 and P( z / Z1 ,..., Z n ) = 1

(5d)

∑W i

zi

3. Implementation of Bayesian algorithms into symbolic calculations of selected reliability indicators of electric power supply

Currently, many computer programs such as Mathematica, MATLAB or MathCad enable the performance of symbolic calculations [12, 13]. In this study, the Mathematica [12] program was used due to high efficiency, wide possibilities of data visualisation and presentation as well as wellfounded popularity amongst scientists and engineers who use it for calculations of symbolic reliability indicators with the use of Bayesian networks. The implementation of 39


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | 37–43

calculations of selected symbolic reliability indicators with the use of Bayesian networks has required the selection of symbolic algorithms responsible for: generation (creation) of total probabilities’ table CTP “Z”, calculation of the probability of the lack of interruption state in the power supply of the load point pz, calculation of the probability of the interruption state in the power supply of the load point qz, calculation of the equivalent intensity of interruption states in the power supply λz in point Z of the system, calculation of the equivalent average duration of the interruption state in the power supply of ta of the point Z, calculation of the individual elements in the unreliability I i and reliability I i of the power supply.

ktp) of the table CPT”Z” via a negation of the sorted elements P ( z / Z 1 ,..., Z n ) . Commands 11-16 change the zero-one values from the table of system elements’ states into symbolic values, assigning the value 1 with symbol pi and the value 0 with symbol qi. Also, indexes representing appropriate columns from the table of system elements’ states are assigned to symbolic values. Command 17 sorts the obtained results into a table and records them as variable datapq. The algorithm of symbolic generation of probability of the interruption state in the power supply qz of the load point Z, performs the dependencies (4) through the performance of commands 18–23 in sequence.

The symbolic algorithm generating the total probability table CTP “Z” performs the command 1–17 in sequence.

[18]

n

lamb [i _ ] := ∏ datapq[[1, i, j ]] j =1

Do [lai = lamb[ i  , {i,1, m,1}

[1]

n := ilość_elementów _

[19]

[2]

m := 2n

[20]

datala := Table [lai , {i,1, m,1}]

[3]

data := IntegerDigits[ Range[0, 2n − 1], 2, n]

[21]

Do [laqi = datala[[{i}]]ktq[[{i}]  , {i,1, m,1}

[4]

data3 := data / .{0 → 1 ,1 → 0}

[22]

datalaq := Table [laqi , {i,1, m,1}]

[23]

 m  qz = Simplify  ∑ datalaq[[{i}]]  / /. pn _ + qn _ → 1  i =1 

[5]

Clear [kolumnaq ]

[6]

kolumnaq [ j _ ]:= kolumnaq [ j ] = wyrażenie logiczne f ( z1, z2 ,... , zn )

[7]

Do  kq j = If  kolumnaq [ j ],1, 0  , { j ,1, m,1}

[8]

ktq = Table  kq j , { j ,1, m,1}

[9]

ktp = ktq / .{0 → 1 ,1 → 0}

[10]

Clear [index ]

[11]

index [i _ ]:= index [i ] = data3 [All , i ] / .{1 → pi , 0 → qi } Do [ki = index[i  , {i,1, n,1}

[12] [13]

data1 := MatrixForm [Table[ki , {i,1, n,1}]]

[14]

Clear [wiersz ]

[15]

wiersz [ j _ ]:= data1 [1, All , j ]

[16]

Do  w j = wiersz  j  , { j ,1, m,1} datapq := MatrixForm [Table[ w j , { j ,1, m,1}]]

[17]

In command 1, a number of calculated elements have been set. Command 2 sets the number of occurring combinations created from n elements. Command 3 specifies the number of a row in a binary notation and records it to the variable data. Command 4 changes the value of 0 to 1 and 1 to 0, which creates a table of system elements’ states. This method of table generation does not overly encumber the processor and reduces the calculation time. Command 6 introduces a logical equation describing the tested system in the event of lack of power supply (5b, 5d). Command 7 calculates the values of the column P ( z / Z 1 ,..., Z n ) from table CPT”Z” on the basis of a logical equation. Command 8 sorts the obtained results into a onecolumn table and records them as variable ktq. Command 9 calculates the value of the column P( z / Z 1 ,..., Z n ) (variable 40

Commands 18-20 calculate the products of individual table rows datapq (table of system elements’ states), which are recorded as variable datala. Command 21 multiplies each element from variable datala by a suitable element from the table P ( z / Z1 ,..., Z n ) . Command 22 records the results as variable datalaq. Command 23 sums the results and by substituting pi + qi = 1 simplifies the equation for the calculation of the probability of the state of interruption in the power supply of the load point qz (4). The algorithm of symbolic generation of probability of the lack of interruption state in the power supply pz of the load point Z by means of command 24 of the algorithm implements the dependency (2) pz = 1 − qz . [24] = pz Simplify  (1 − qz ) / /.{qi _ → (1 − pi )}] 

The algorithm of symbolic generation of equivalent intensity of interruption state occurrence in the power supply λz of the load point Z implements the dependency (6) by means of performing the commands 25–29.


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | 37–43

[25] [26]

[27]

Clear[dqzdqi ]

dqzdqi [ k _ ] := dqzdqi [ k ]

derivatives ∂qz/∂qi, while command 37 arranges the results in the form of a table.

 m   = Simplify  ∑ data[[i, k ]]datalaq[[{i}]]  / qk    i =1  / /. pn _ + qn _ → 1

[36]

Do [ dqzdzk = dqzdqi[ k  , {k ,1, n,1}

The algorithm of symbolic generation of relative contributions of unreliability of elements wzi in relation to the probability of the lack of power supply of the load point Z is presented by commands 39 and 40. Command 41 arranges the results in the form of a table.

[28]

datadqdi := Table [ dqzdzi , {i,1, n,1}]

[29]

λz = ∑ datadqdi[[{i}]]* λi

n

i=1

[37]

Do [ wzawk = dqzdqi[ k *qk , {k ,1, n,1} MatrixForm [Table[ wzawi , {i,1, n,1}]]

Clear[ wkladbzawodnosc] The excessive duration of the command performance of the [38] derivative from the Mathematica 8 program has necessi- [39] wkladbzawodnosc [i _ ] := wkladbzawodnosc [i ] tated the use of ∂qz/∂qi derivative calculation method which n is shown below. [ Simplify wzaw / = wbzaw = i i ∑ wzawk k Command 25 clears the content of the variable dqzdqi. k =1 Commands 26 and 17 multiplies corresponding elements / /. pn _ + qn _ → 1] from the table data and datalaq, and then divides the sum Do  wbzawi = wkladbzawodnosc [i ] , {i,1, n,1} of the results obtained by qk. This type of procedure results [40] in the generation of a derivative ∂qz/∂qi. Sorted data is [41] MatrixForm [Table[ wbzawi , {i,1, n,1}]] recorded as variable datadqdi by means of command 28. Command 29 multiplies appropriate items from table data4. Results of control symbolic calculations of dqdi by λi, and then sums them, generating λz. The algorithm of symbolic generation of equivalent average selected indicators of electric energy power duration of the interruption state in the power supply taz in supply unreliability and reliability load point Z implements the dependency (7) by means of The verification of the correctness of the prepared Bayesian implementing command 30. At the same time it simplifies algorithms relating to the symbolic calculations of selected indicators of electric energy power supply unreliability and the result obtained. reliability was conducted using three groups of power supply = [30] t az Simplify[ qz / (lz − lz * qz )] / /. pn _ + qn _ → 1 systems – displaying serial, parallel and bridge connection, presented in Fig. 2. The results obtained from symbolic The algorithm of symbolic generation of individual elements’ calculations for unreliability and reliability indicators for validity within the power supply reliability implements the these systems are identical to the dependencies obtained dependency (8) by means of implementing commands analytically [1, 4]. 31–34, while command 35 arranges the results in the form of a table. [31] [32] [33]

Do [lapi = datala[[{i}]]ktp[[{i}]  , {i,1, m,1} datalap := Table [laqi , {i,1, m,1}]

dpzdpi [ k _ ] := dpzdpi [ k ] m

:= Simplify[(∑ data3[[i, k ]]datalap[[{i}]]) / pk ] i =1

/ /. pn _ + qn _ → 1 [34] [35]

Do [ dpzdpk = dpzdpi[ k  , {k ,1, n,1}

MatrixForm [Table[ dpzdpi , {i,1, n,1}]]

The algorithm of symbolic generation of absolute contributions of unreliability of elements Wzi in relation to the probability of the lack of power supply of the load point Z is presented by command 36, which implements the dependency (9). This command utilised the previously generated

f ( z1 ,..., z12 ) = z1 ∨ z8 ∨ (( z2 ∧ ( z5 ∧ z12 )) ∨ ( z3 ∧ ( z6 ∨ z11 )) ∨ ( z3 ∧ ( z7 ∨ z10 ) ∧ ( z5 ∧ z12 )) ∨ ( z2 ∧ ( z7 ∨ z10 ) ∧ ( z6 ∨ z11 ))) ∨ z4 ∨ z9 Fig. 2. Bridge connection of the electric energy power supply system of the load point Z from point A (a) and logical expression for the identification of conditional probabilities of the presence of the lack of power supply state for the load point Z (b)

41


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | 37–43

The performed symbolic calculations of selected indicators of unreliability and reliability confirm that their duration is dependant mainly on the number of elements within the load point’s power supply system and only to a small degree on its complexity (Fig. 3). The longest relative duration of the symbolic calculations conducted using algorithms are as follows: • for the probability of the presence of the lack of power supply state qz (commands 21–26) on average 23% of the total program run time • for the equivalent intensity of the interruptions to the power supply of the load point λz (commands 28–32), with the use of the previously calculated probability value of the lack of power supply state qz, approx. 52% of the total calculation time.

In the opinion of the authors of this study, the decrease of the duration of the Bayesian calculations of symbolic indicators of electric energy power supply unreliability and reliability may be achieved through:

further development of algorithms for symbolic calculations grouping of power supply system elements (series, parallel and bridge) into equivalent groups for which the already introduced dependencies can be used for unreliability and reliability indicators performance of symbolic calculations for complex systems on the basis of logical expressions by means of their multiple decomposition into either-or operations and their simplification in order to eliminate repeated random variables and to convert them into forms for which the already introduced dependencies for unreliability and reliability indicators may be used. When creating quick Bayesian algorithms for the symbolic calculation of electric energy power supply’ unreliability and reliability

Fig. 3. Calculation duration of selected symbolic indicators of electric energy power supply’ unreliability and reliability, calculated using the algorithms prepared

indicators, the authors of this study aim to use the methods which are applied when converting the Boolean functions [6, 10, 14] and classifying symbolic structures [15].

5. Conclusions The Bayesian algorithms for the calculation of selected symbolic indicators of electric energy power supply’ unreliability and reliability, created using the Mathematica 8 program, enable 42

the introduction of analytical dependencies for the calculation of: probability of occurrence, intensity and duration of the interruptions to the power supply of the load point, validity of the individual elements in the unreliability and reliability of power supply, System Average Interruption Frequency Index (SAIFI), cumulative annual duration of the customer interruptions (CML), Customer Average Interruption Duration Index (CAIDI), Average Service Availability Index (ASAI), Average Service Unavailability Index (ASUI) and Average Energy Not Supplied (AENS). Further research of the symbolic calculations of unreliability and reliability indicators will aim at reducing the duration of the calculations through the development of calculation algorithms, while in the case of complex power supply systems, further studies will aim at the application of the initial decomposition of Boolean functions, recognition of their format and simplification of these functions. REFERENCES

1. Korniluk W., Klimaszewski A., Analiza niezawodności elektroenerge­ tycznej sieci rozdzielczej średniego napięcia z wykorzystaniem sieci bayesowskich [Analysis of reliability of power engineering MV distribution networks with the use of Bayesian networks], Wiadomości Elektrotechniczne [Electrotechnical News] 2011, No. 2. 2. Paska J., Niezawodność systemów elektroenergetycznych [Reliability of power engineering systems], Warsaw 2005. 3. Filipiak S., Metody analizy i syntezy niezawodności elektroenerge­ tycznych sieci dystrybucyjnych SN oraz optymalizacja ich poawaryjnych połączeń z wykorzystaniem algorytmów ewolucyjnych [Methods of analysis and synthesis of reliability of power engineering MV distribution networks and optimisation of their post-mortem connections with the use of evolutionary algorithms], Kielce 2010. 4. Korniluk W., Klimaszewski A., Bayesowskie algorytmy wyznaczania wskaźników niezawodności zasilania energią elektryczną [Bayesian algorithms in the calculation of reliability probabilities of electrical power supply], Karpacz 2011. 5. Sozański J., Niezawodność zasilania energią elektryczną [Reliability of electrical power supply], Warsaw 1982. 6. Balan A.O., An Enhanced Approach to Network Reliability Using Boolean Algebra, Departments of Computer Science and Mathematics of Lafayette College, 16 May 2003. 7. Chybowski L., Matuszak Z., O algorytmach obliczeniowych w anali­zie niezawodnościowej [Calculation algorithms in reliability analyses], EXPLO-SHIP 2008. 8. Rabinin I.A. et al., Technologia automatycznego modelowania syste­mów złożonych [Technology of automatic modelling of complex systems], Radioelektronika Morska 2008, No. 2(24), pp. 52–55. 9. Marzecki J., Niezawodność rozdzielczych sieci elektroenergetycz­nych [Reliability of power engineering distribution networks], Warsaw 2009. 10. Sapiecha P. et al., Dekompozycja funkcji i relacji boolowskich w synte­zie logicznej i analizie danych [Decomposition of functions and Boolean relations in logical synthesis and data analysis], Kwartalnik Elektroniki i Telekomunikacji 2000, Vol. 46, No. 3, pp. 400–411. 11. Guk J.B., Analiza niezawodności systemów elektroenergetycznych [Analysis of reliability of power engineering systems], Energoawtomizdat, Leningrad 1988.


W. Korniluki, P. Petelski | Acta Energetica 4/17 (2013) | 37–43

12. Grzymkowski R. et al., Mathematica 6, Gliwice 2008. 13. Miedziarek M., Numeryczna analiza systemów dynamicznych w środowisku MATLAB [Numerical analysis of dynamic systems in MATLAB environment], Leszno 2011. 14. Łuba T. (red.) et al., Synteza układów cyfrowych [Synthesis of digital systems], Warsaw 2003.

15. Stępor K., Metody klasyfkacji obiektów w wizji komputerowej [Classification methods of objects in computer vision], Warsaw 2011.

The study was performed as part of the scientific-research project S/WE/4/08

Włodzimierz Korniluk Białystok University of Technology e-mail: korniluk@pb.edu.pl Working for the Białystok University of Technology since 1 September 1965. In 1978–1979 worked as a research scientist at the Milan Vidmar Electric Power Institute in Ljubljana, where he studied the blocking of power swing in power engineering systems. Worked as a doctoral associate at the Moscow Mining Institute (1987–2001). Collaborated with scientific institutes such as: the Institute of Mechanisation and Electrification of Agriculture, the Electrotechnical Institute, and the Central Institute for Labour Protection. For many years, researching probabilistic methods in power engineering, in particular reliability modelling of electric motors and power engineering networks as well as studying the risk of electrocution. Published over 150 works, including two scientific monographs, a chapter in a reference manual and course materials. He is an author or co-author of nine patents and four standards. A member of the Polish Safety and Reliability Association, Polish Society for Theoretical and Applied Electrical Engineering and an expert for the Association of Polish Electrical Engineers (SEP).

Piotr Petelski Białystok University of Technology e-mail: petp@o2.pl Completed his Master of Science studies in electrical engineering, specialising in industrial automation at the Faculty of Electrical Engineering of Białystok University of Technology (1996). Completed his post-graduate studies in IT also at Białystok University of Technology (2001). Currently a doctoral student at the Faculty of Electrical Engineering of the above. His main interests include the application of symbolic computer calculations in power engineering.

43


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | translation 37–43

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 37-43. When referring to the article please refer to the original text. PL

Bayesowskie algorytmy obliczeń symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną Autorzy

Włodzimierz Korniluk Piotr Petelski

Słowa kluczowe

sieci bayesowskie, wskaźniki niezawodności, obliczenia symboliczne

Streszczenie

W referacie przedstawiono wykorzystanie sieci bayesowskich w obliczeniach symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną węzłów odbiorczych. Podano, stosowane przy wyznaczaniu wskaźników niezawodności za pomocą sieci bayesowskich, analityczne zależności na wyznaczanie: prawdopodobieństw bezwarunkowych stanów zdatności i niezdatności elementów układu zasilania danego węzła, łącznego rozkładu tych prawdopodobieństw, prawdopodobieństw warunkowych wystąpienia stanu zasilania lub jego braku oraz intensywności występowania przerw w zasilaniu i średniego czasu ich trwania, a także ważności i wkładów poszczególnych elementów w niezawodność zasilania. Przedstawiono sposób uzyskania tych analitycznych zależności za pomocą wybranych instrukcji obliczeń symbolicznych programu Mathematica 8. Omówiono wyniki kontrolnych obliczeń symbolicznych dla wybranych układów zasilania. Zaproponowano sposoby ograniczenia czasu trwania obliczeń symbolicznych wskaźników niezawodności dla wieloelementowych złożonych układów zasilania energią elektryczną.

1. Wstęp Do wyznaczenia i analizy niezawodności sieci elektroenergetycznych stosuje się metody analityczne i symulacyjne oraz mieszane, będące połączeniem obu tych metod [1, 2, 3]. Do analitycznych metod oceny niezawodności należą [2, 3, 4, 5, 6]: metody logiczno-probabilistyczne zdarzeń losowych (minimalnych ścieżek i przekrojów, dekompozycji, ortogonalizacji i tablicowa) funkcji i metody procesów losowych łańcuchów Markowa, procesów Markowa i procesów semi-Markowa). W metodach symulacyjnych [3] wykorzystuje się technikę Monte Carlo, modele informacyjne oparte na sieciach Petriego oraz algorytmy ewolucyjne. W ostatnich latach do wyznaczenia, oceny i analizy niezawodności sieci elektroenergetycznych i telekomunikacyjnych stosuje się metodę analityczną, w której wykorzystuje się sieci bayesowskie [1, 4, 8, 9]. Metoda ta, tak jak analityczna metoda dekompozycji zupełnej [2, 10], polega na przeglądzie wszystkich możliwych stanów niezawodności i zawodności układu zasilającego dany węzeł odbiorczy. Metoda ta posiada wiele zalet [4, 9], ponieważ umożliwia po wprowadzeniu dodatkowych danych wyznaczanie wszystkich stosowanych wskaźników niezawodności oraz pozwala na różnorodne wnioskowanie odnośnie wpływu elementów i grupy elementów na niezawodność układu z ewentualnym uwzględnieniem aspektów gospodarczych. Wprowadzenie obliczeń symbolicznych do metody wyznaczania wskaźników niezawodności zasilania energią elektryczną, opartej na sieciach bayesowskich, jest zdaniem autorów referatu uzasadnione, ponieważ pozwoli na wyprowadzanie analitycznych zależności na określone wskaźniki niezawodności, przydatne w procesie projektowania i eksploatacji układów zasilania energią elektryczną. Uzyskane analityczne zależności na wskaźniki niezawodnościowe eksploatowanych układów zasilania węzłów odbiorczych mogą być

44

wykorzystane w systemach nadzoru sieci elektroenergetycznych. W takim przypadku wskaźniki niezawodnościowe eksploatowanych układów mogą być wyznaczane w systemie operacyjnym czasu rzeczywistego (ang. real-time operating system) na podstawie doprowadzanych informacji o topologii układu zasilania danego węzła i parametrach decydujących o prawdopodobieństwach bezwarunkowych stanów zdatności i niezdatności elementów układu zasilania tego węzła. W referacie przedstawiono, stosowane przy wyznaczaniu wskaźników niezawodności za pomocą sieci bayesowskich, analityczne zależności na: prawdopodobieństwa bezwarunkowe stanów zdatności i niezdatności elementów układu zasilania danego węzła, łączny rozkład tych prawdopodobieństw, prawdopodobieństwa warunkowe wystąpienia stanu zasilania lub jego braku oraz intensywność występowania przerw w zasilaniu i średni czas ich trwania, a także ważności i wkłady poszczególnych elementów w niezawodność zasilania. Przedstawiono sposób uzyskania tych analitycznych zależności za pomocą wybranych algorytmów obliczeń symbolicznych programu Mathematica 8. Omówiono wyniki kontrolnych obliczeń symbolicznych wskaźników niezawodności dla wybranych układów zasilania. Zaproponowano sposoby ograniczenia czasu trwania symbolicznych obliczeń wskaźników niezawodności dla wieloelementowych złożonych układów zasilania energią elektryczną. 2. Metoda wyznaczania wskaźników zawodności i niezawodności zasilania energią elektryczną z wykorzystaniem sieci bayesowskiej Do wyznaczania prawdopodobieństwa wystąpienia zasilania P( z z ) lub braku zasilania P( z z ) określonych węzłów odbiorczych za pomocą sieci bayesowskich (rys. 1) niezbędna jest znajomość zależności na [4, 5, 11]: prawdopodobieństwa bezwarunkowe stanów zdatności i niezdatności elementów

układu zasilania danego węzła, łączny rozkład prawdopodobieństw CPT „Z” dla wszystkich kombinacji stanów zdatności P( z z ) i niezdatności P ( z z ) tych elementów oraz prawdopodobieństwa warunkowe, dotyczące wystąpienia stanu zasilania wybranego węzła P( z / Z1 ,..., Z n ) lub braku zasilania tego węzła, P( z / Z1 ,..., Z n ) przyporządkowanych każdej z m = 2n kombinacji. Korzystając z uzyskanych zależności na prawdopodobieństwa P( z z ) i P( z z ) , możliwe jest otrzymanie wyrażeń na zastępczą intensywność występowania przerw w zasilaniu λz , zastępczy średni czas ich trwania taz , ważności poszczególnych elementów w zawodności I i i niezawodności I i zasilania, wkłady bezwzględne Wz oraz względne wz zawodności elementów w prawdopodobieństwo braku zasilania węzła Z [1, 5, 9]. i

i

Prawdopodobieństwa bezwarunkowe wystąpienia stanów zdatności P( z i ) = pi i niezdatności P( z i ) = qi poszczególnych elementów układu zasilania, dla procesu stacjonarnego po przyjęciu wykładniczych rozkładów czasów trwania tych stanów, wyznacza się z zależności [3, 4] ) p= P ( zi= i

i ) q= P( zi= i

t p ,i 1 = 1 + λi ⋅ ta ,i t p ,i + ta ,i λi ⋅ ta ,i ta ,i = 1 + λi ⋅ t a ,i t p ,i + t a ,i

(1)

przy czym zdarzenia zi i zi stanowią alternatywę wykluczającą się, dla której spełnione są warunki:


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | translation 37–43

P( z= ) p= P( Z ) ⋅ P( z / Z1 ,..., Z n ) z

= taz

= ( p1 p2 ... pn ) P ( z / z1 , z2 ,..., zn ) + (q1 p2 ... pn ) P ( z / z1 , z2 ,..., zn ) + ... + (q1q2 ...qn ) P ( z / z1 , z2 ,..., zn )

gdzie:

P ( z / Z 1 ,..., Z n ) i P ( z / Z 1 ,..., Z n ) –

(4)

qz

=

λz − λz ⋅ q z

qz q = t pz z (7) p z λz pz

Ważność poszczególnych elementów w zawodności I i i niezawodności I i zasilania uzyskuje się z zależności:

∂P( z )

∂q

z prawdopodobieństwa warun= Ii = kowe wystąpienia i braku przerwy ∂P( zi ) ∂qi w zasilaniu węzła, wyznaczane dla ∂P ( z ) ∂pz , (8) każdego iloczynu prawdopodo= Ii = bieństw bezwarunkowych stanów ∂P( zi ) ∂pi zdatności i/lub niezdatności elementów układu zasilającego. Do wyznaczenia prawdopodobieństw Wkłady bezwzględne Wzi i względne wzi warunkowych wystąpienia i braku przerwy zawodności elementów w prawdopodow zasilaniu węzła wygodnie jest posłu- bieństwo braku zasilania wyznacza się giwać się wyrażeniami logicznymi na zero- z zależności: jedynkowych zmiennych losowych z i i z i . Przy formułowaniu tych wyrażeń ∂q ∂P ( z ) logicznych można z powodzeniem zasto- Wz = P( zi ) ⋅ = qi ⋅ z . i sować podejście, jak przy wyznaczaniu ∂P ( zi ) ∂qi minimalnych ścieżek zasilania i przeRys. 1. Model niezawodnościowy układów zasilania krojów niesprawności. Przykładowe Wzi wyrażenia logiczne, które można zasto- w = (9) energią elektryczną węzła odbiorczego Z w postaci sieci zi sować przy wyznaczaniu P ( z / Z 1 ,..., Z n ) bayesowskiej Wzi i P( z / Z 1 ,..., Z n ) , przy szeregowym i równoi ległym połączeniu elementów, mają nastęZnajomość zależności na prawdopodobieńzi= ∨ zzi= 1, = zi∨i= ∨z1, z 1, zi= z1, 1, zzii= zi0 0 pującą postać: z∨i= ∨zi= z∨ ∧∧zzzii= i∧ 0 i i i 1, i • przy szeregowym stwa wystąpienia, intensywności i czasu stan braku przerwy w zasilaniu występuje, trwania przerw w zasilaniu węzła odbiorP( zi ∨ zi )= P( Z i )= P( zi ) + P( zi )= 1 jeżeli: czego pozwala na wyznaczenie także innych wskaźników niezawodności, takich jak: P( zi ∧ zi ) = 0 (2) średnia liczba (częstość) przerw na odbiorcę z1 ∧ z2 ∧ z3 = 1 to wtedy (SAIFI), skumulowany roczny czas trwania P( z / Z1 ,..., Z n ) = 1 gdzie: przerw w przeliczeniu na odbiorcę (CML), średni czas trwania przerwy (CAIDI), z i i z i – zero-jedynkowe zmienne losowe, odwzorowujące stany elementu, i P( z / Z1 ,..., Z n ) = 0 (5a) wskaźnik dyspozycyjności zasilania (ASAI), zdatności zi = 1 i niezdatności wskaźnik niedyspozycyjności zasilania a stan przerwy w zasilaniu występuje, jeżeli: (ASUI) oraz średnia roczna ilość energii zi = 1 , λi – intensywność występowania stanów niedostarczonej na odbiorcę (AENS). niezdatności (uszkodzeń) i-tego z1 ∨ z2 ∨ z3 = 1 to wtedy elementu układu zasilającego, ta ,i – 3. Implementacja bayesowskich algośredni czas odnowy i-tego elementu P( z / Z1 ,..., Z n ) = 0 rytmów symbolicznych obliczeń wybraukładu zasilającego, nych wskaźników niezawodności zasilania t p ,i – średni czas przełączania i-tego i P( z / Z1 ,..., Z n ) = 1 (5b) energią elektryczną elementu układu zasilającego na Obecnie wiele programów komputerowych zasilanie rezerwowe, • przy równoległym posiada możliwość dokonywania obliczeń P ( Z i ) – łączny rozkład prawdopodobieństw, stan braku przerwy w zasilaniu występuje, symbolicznych [12, 13], np. Mathematica, P(zi) – prawdopodobieństwo wystą- jeżeli: MATLAB lub MathCad. Z uwagi na wysoką pienia zasilania układu, wydajność, szerokie możliwości wizualizacji z1 ∨ z2 ∨ z3 = 1 to wtedy i prezentacji danych oraz dużą popularność P ( zi ) – prawdopodobieństwo braku wystąpienia zasilania układu. w środowisku naukowców i inżynierów do Łączny rozkład prawdopodobieństw, będący P( z / Z1 ,..., Z n ) = 1 obliczania symbolicznych wskaźników niezasumą iloczynów prawdopodobieństw wodności z wykorzystaniem sieci bayesowbezwarunkowych, czyli alternatyw wyklu- i P( z / Z1 ,..., Z n ) = 0 (5c) skich zastosowano aplikację Mathematica [12]. czających się dla wszystkich m = 2n kombiImplementacja obliczeń symbolicznych nacji wystąpienia stanów zi zdatności i z i a stan przerwy w zasilaniu występuje, jeżeli: wybranych wskaźników niezawodnościoniezdatności n elementów układu zasilająwych metodą opartą na zastosowaniu sieci cego (rys. 1), wyraża się wzorem: z1 ∧ z2 ∧ z3 = 1 bayesowskiej wymagała doboru algorytmów symbolicznych, realizujących: generowania n to wtedy P ( z / Z1 ,..., Z n ) = 0 (utworzenia) tablicy prawdopodobieństw P( Z ) = P( Zi ) = ( p1 + q1 )( p2 + q2 )...( pn + qn ) ∏ łącznych CTP”Z”, określania prawdopoi =1 (5d) i P ( z / Z1 ,..., Z n ) = 1 dobieństwa braku przerwy w zasilaniu = ( p1 p2 ... pn ) + (q1 p2 ... pn ) + ... + (q1q2 ...qn ) węzła pz, określania prawdopodobieństwa (3) Wyrażenie na zastępczą intensywność wystąpienia przerwy w zasilaniu węzła qz, natomiast prawdopodobieństwa wystą- występowania przerw w zasilaniu węzła określania zastępczej intensywności występienia i braku przerwy w zasilaniu węzła można uzyskać z zależności [1]: powania przerw w zasilaniu λz punkcie Z n odbiorczego następującymi wzorami: układu, zastępczego średniego czasu trwania dqz λz = ∑ λi (6) przerwy w zasilaniu taz węzła Z, ważności dq 1 i P( z= ) q= P( Z ) ⋅ P( z / Z1 ,..., Z n ) poszczególnych elementów w zawodności I i z n oraz niezawodności I i zasilania. = ( p1 p2 ... pn ) P ( z / z1 , z2 ,..., zn ) 1) − P( z ∧ zi , pi = 1))λi ) = ∑1 (( P( z ∧ zi , qi = Algorytm symboliczny generowania tablicy + (q1 p2 ... pn ) P ( z / z1 , z2 ,..., zn ) natomiast wyrażenie na zastępczy średni prawdopodobieństw łącznych CTP „Z” czas trwania tych przerw w zasilaniu wykonuje kolejno polecenia 1–17. + ... + (q1q2 ...qn ) P ( z / z1 , z2 ,..., zn ) z zależności:

45


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | translation 37–43

[1]

n := ilość _elementów

[2]

m := 2n

[3]

data := IntegerDigits[ Range[0, 2n − 1], 2, n]

[4]

data3 := data / .{0 → 1 ,1 → 0}

[5]

Clear [kolumnaq ]

[6]

kolumnaq [ j _ ]:= kolumnaq [ j ]

[7]

Do  kq j = If  kolumnaq [ j ],1, 0  , { j ,1, m,1}

[8]

ktq = Table  kq j , { j ,1, m,1}

[9]

ktp = ktq / .{0 → 1 ,1 → 0}

= wyrażenie logiczne f ( z1, z2,... , zn)

[10]

Clear [index ]

[11]

index [i _ ]:= index [i ] = data3 [All , i ] / .{1 → pi , 0 → qi } Do [ki = index[i  , {i,1, n,1}

[12] [13]

data1 := MatrixForm [Table[ki , {i,1, n,1}]]

[14]

Clear [wiersz ]

[15]

wiersz [ j _ ]:= data1 [1, All , j ]

[16]

Do  w j = wiersz  j  , { j ,1, m,1} datapq := MatrixForm [Table[ w j , { j ,1, m,1}]]

[17]

W poleceniu 1 została zadana liczba przeliczanych elementów. Polecenie 2 wyznacza liczbę występujących kombinacji stworzonych z n elementów. Polecenie 3 wyznacza w zapisie binarnym numer wiersza i zapisuje go do zmiennej data. Polecenie 4 zmienia wartość 0 na 1 oraz 1 na 0, co powoduje powstanie tabeli stanów elementów układu. Taki sposób generacji tej tabeli nie pociąga za sobą dużego obciążenia procesora i skraca czas obliczeń. W poleceniu 6 wprowadzono równanie logiczne opisujące badany układ w wypadku zaistnienia stanu braku zasilania (5b, 5d). Polecenie 7 wylicza w ar to ś c i kolu m ny P ( z / Z 1 ,..., Z n ) z tablicy CPT „Z” na podstawie równania logicznego. Polecenie 8 porządkuje otrzymane wyniki do postaci tabeli jednokolumnowej oraz zapisuje je do zmiennej ktq. W poleceniu 9 wyliczana jest wartość kolumny P ( z / Z 1 ,..., Z n ) (zmienna ktp) tablicy CPT „Z” poprzez negację uporządkowanych elementów P ( z / Z 1 ,..., Z n ) . Polecenia 11–16 zmieniają wartości zero-jedynkowe z tablicy stanów elementów układu na wartości symboliczne, przypisując wartości 1 symbol pi oraz wartości 0 symbol qi. Do wartości symbolicznych zostają tu także przypisane indeksy odpowiadające odpowiednim kolumnom z tabeli stanów elementów układu. Polecenie 17 porządkuje otrzymane dane do tabeli i zapisuje otrzymane wyniki do zmiennej datapq. Algorytm symbolicznego generowania prawdopodobieństwa wystąpienia przerwy w zasilaniu qz węzła Z, realizuje zależność (4) poprzez wykonanie kolejno poleceń 18–23. [18]

n

lamb [i _ ] := ∏ datapq[[1, i, j ]] j =1

[19]

Do [lai = lamb[ i  , {i,1, m,1}

[20]

datala := Table [lai , {i,1, m,1}]

[21]

Do [laqi = datala[[{i}]]ktq[[{i}]  , {i,1, m,1}

[24] = pz Simplify  (1 − qz ) / /.{qi _ → (1 − pi )}] 

Algorytm symbolicznego generowania zastępczej intensywności występowania przerw w zasilaniu λz węzła Z realizuje zależność (6) poprzez wykonanie poleceń 25–29. [25] [26]

λz = ∑ datadqdi[[{i}]]* λi

n

i=1

Zbyt długie wykonywanie polecenia pochodnej z programu Mathematica 8 spowodowało użycie zaprezentowanego poniżej sposobu wyznaczania pochodnej ∂qz/∂qi . Polecenie 25 kasuje zawartość zmiennej dqzdqi. Polecenia 26 i 27 mnożą odpowiadające sobie elementy z tabeli data i datalaq, a następnie dzielą sumę uzyskanych wyników przez qk. Taka procedura powoduje otrzymanie pochodnej ∂q z /∂q i. Uporządkowane dane są zapisywane do zmiennej datadqdi poleceniem 28. W poleceniu 29 odpowiednie pozycje z tabeli datadqdi są mnożone przez λi, a następnie sumowane, co daje λz . Algorytm symbolicznego generowania zastępczego średniego czasu trwania przerwy w zasilaniu taz w punkcie Z realizuje zależność (7) poprzez wykonanie polecenia 30. Upraszcza ono jednocześnie uzyskany wynik. Simplify[ qz / (lz − lz * qz )] / /. pn _ + qn _ → 1

Algorytm symbolicznego generowania ważności poszczególnych elementów w niezawodności zasilania realizuje zależność (8) poprzez wykonanie poleceń 31–34, zaś polecenie 35 nadaje wynikom kształt tabeli.

[33]

Do [lapi = datala[[{i}]]ktp[[{i}]  , {i,1, m,1} datalap := Table [laqi , {i,1, m,1}]

dpzdpi [ k _ ] := dpzdpi [ k ] m

:= Simplify[(∑ data3[[i, k ]]datalap[[{i}]]) / pk ] i =1

/ /. pn _ + qn _ → 1

datalaq := Table [laqi , {i,1, m,1}]

[34]

[23]

 m  qz = Simplify  ∑ datalaq[[{i}]]  / /. pn _ + qn _ → 1  i =1 

[35]

[39]

MatrixForm [Table[ wzawi , {i,1, n,1}]]

Clear[ wkladbzawodnosc]

wkladbzawodnosc [i _ ] := wkladbzawodnosc [i ] n

Simplify[ wzawi / ∑ wzawkk = wbzaw = i k =1

   = Simplify  ∑ data[[i, k ]]datalaq[[{i}]]  / qk    i =1  / /. pn _ + qn _ → 1

[29]

[32]

[38]

[41]

= [30] t az

Do [ wzawk = dqzdqi[ k *qk , {k ,1, n,1}

Algor ytm symbolicznego generowania wkładów względnych zawodności elementów wzi w prawdopodobieństwo braku zasilania węzła Z realizują polecenia 39 i 40. Polecenie 41 nadaje wynikom kształt tabeli.

[40]

Do [ dqzdzk = dqzdqi[ k  , {k ,1, n,1} datadqdi := Table [ dqzdzi , {i,1, n,1}]

[31]

[37]

dqzdqi [ k _ ] := dqzdqi [ k ]

[28]

[27]

[36]

/ /. pn _ + qn _ → 1]

Clear[dqzdqi ]

m

[22]

W poleceniach 18–20 liczone są iloczyny poszczególnych wierszy tablicy datapq (tablica stanów elementów układu), które zostają zapisane do zmiennej datala. Polecenie 21 mnoży każdy element ze zmiennej datala przez odpowiadający mu element z tablicy P ( z / Z1 ,..., Z n ) . W poleceniu 22 wyniki zostają zapisane

46

do zmiennej datalaq. Polecenie 23 sumuje wyniki oraz poprzez podstawienie pi + qi = 1 upraszcza wynikowy wzór na prawdopodobieństwo wystąpienia przerwy w zasilaniu węzła qz (4). Algorytm symbolicznego generowania prawdopodobieństwa braku przerwy w zasilaniu pz węzła Z poleceniem 24 algorytmu realizuje zależność (2) pz = 1 − qz .

Do [ dpzdpk = dpzdpi[ k  , {k ,1, n,1}

MatrixForm [Table[ dpzdpi , {i,1, n,1}]]

Algorytm symbolicznego generowania wkładów bezwzględnych zawodności elementów Wzi w prawdopodobieństwo braku zasilania węzła Z ukazuje polecenie 36, realizując zależność (9). Polecenie to korzysta z wygenerowanych wcześniej pochodnych ∂qz/∂qi, zaś polecenie 37 nadaje wynikom kształt tabeli.

Do  wbzawi = wkladbzawodnosc [i ] , {i,1, n,1} MatrixForm [Table[ wbzawi , {i,1, n,1}]]

4. Wyniki kontrolnych obliczeń symbolicznych wybranych wskaźników zawodności i niezawodności zasilania energią elektryczną Kontrolę poprawności opracowanych bayesowskich algorytmów obliczeń symbolicznych wybranych wskaźników zawodności i niezawodności zasilania energią elektryczną przeprowadzono na trzech grupach układów zasilania, szeregowego, równoległego i mostkowego, przedstawionego na rys. 2. Uzyskane z obliczeń symbolicznych zależności na wskaźniki zawodności i niezawodności dla tych układów są identyczne jak zależności uzyskiwane analitycznie [1, 4].

f ( z1 ,..., z12 ) = z1 ∨ z8 ∨ (( z2 ∧ ( z5 ∧ z12 )) ∨ ( z3 ∧ ( z6 ∨ z11 )) ∨ ( z3 ∧ ( z7 ∨ z10 ) ∧ ( z5 ∧ z12 )) ∨ ( z2 ∧ ( z7 ∨ z10 ) ∧ ( z6 ∨ z11 ))) ∨ z4 ∨ z9 Rys. 2. Układ mostkowy zasilania energią elektryczną węzła odbiorczego Z z węzła A (a) oraz wyrażenie logiczne do identyfikacji wartości prawdopodobieństw warunkowych wystąpienia zaistnienia stanu braku zasilania węzła Z (b)

Z przeprowadzonych obliczeń symbolicznych wybranych wskaźników zawodności i niezawodności wynika, że czas ich trwania jest uzależniony głównie od liczby elementów układu zasilania węzła odbiorczego, a tylko w niewielkim stopniu od jego złożoności (rys. 3). Największe względne czasy trwania obliczeń symbolicznych opracowanymi algorytmami są następujące: • dla prawdopodobieństwa wystąpienia stanu braku zasilania qz (polecenia 21–26) średnio 23% całkowitego czasu przebiegu programu • dla zastępczej intensywności występowania przerw w zasilaniu węzła λz (polecenia 28–32), z wykorzystaniem obliczonej uprzednio wartości prawdopodobieństwa wystąpienia stanu braku zasilania qz, ok. 52% całkowitego czasu obliczeń.


W. Korniluk, P. Petelski | Acta Energetica 4/17 (2013) | translation 37–43

Rys. 3. Czas trwania obliczeń wybranych symbolicznych wskaźników zawodności i niezawodności układów zasilania opracowanymi algorytmami

Zdaniem autorów referatu zmniejszenie czasu trwania bayesowskich obliczeń symbolicznych wskaźników zawodności i niezawodności układów zasilania energią elektryczną jest możliwe poprzez: • dalsze doskonalenie opracowanych algorytmów obliczeń symbolicznych • grupowanie elementów układu zasilania (szeregowych, równoległych i mostkowych) w zastępcze zgrupowania, dla których można wykorzystywać wyprowadzone już zależności na wskaźniki zawodności i niezawodności • przeprowadzenie dla układów złożonych obliczeń symbolicznych na wyrażeniach logicznych, polegających na ich wielokrotnej dekompozycji na alternatywy rozłączne i upraszczaniu tych alternatyw w celu wyeliminowania powtarzających się zmiennych losowych i sprowadzeniu ich do postaci, dla których można wykorzystywać wyprowadzone już zależności na wskaźniki zawodności i niezawodności. Przy opracowywaniu szybkich bayesowskich algorytmów obliczeń symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną autorzy artykułu mają zamiar wykorzystać metody stosowane przy przekształceniach funkcji boolowskich [6, 10, 14] i klasyfikacji struktur symbolicznych [15].

5. Podsumowanie Opracowane za pomocą programu Mathematica 8 bayesowskie algorytmy obliczania wybranych wskaźników zawodności i niezawodności pozwalają na wyprowadzenie analitycznych zależności do wyznaczania: prawdopodobieństwa wystąpienia, intensywności i czasu trwania przerw w zasilaniu węzła odbiorczego, ważności poszczególnych elementów w zawodności i niezawodności zasilania, średniej liczby (częstości) przerw na odbiorcę (SAIFI), skumulowanego rocznego czasu trwania przerw w przeliczeniu na odbiorcę (CML), średniego czasu trwania przerwy (CAIDI), wskaźnika dyspozycyjności zasilania (ASAI), wskaźnika niedyspozycyjności zasilania (ASUI) oraz średniej rocznej ilości energii niedostarczonej na odbiorcę (AENS). Dalsze prace związane z obliczeniami symbolicznymi wskaźników zawodności i niezawodności będą zmierzały do ograniczenia czasu trwania obliczeń poprzez doskonalenie algorytmów obliczeniowych oraz w przypadku złożonych układów zasilania do wykorzystania wstępnej dekompozycji funkcji boolowskich, rozpoznawania ich zapisu i upraszczania tych funkcji. Bibliografia 1.

2. 3.

Korniluk W., Klimaszewski A., Analiza niezawodności elektroenergetycznej sieci rozdzielczej średniego napięcia z wykorzystaniem sieci bayesowskich, Wiadomości Elektrotechniczne 2011, nr 2. Paska J., Niezawodność systemów elektroenergetycznych, Warszawa 2005. Filipiak S., Metody analizy i syntezy niezawodności elektroenergetycznych sieci dystrybucyjnych SN oraz optymalizacja ich poawaryjnych połączeń z wykorzystaniem algorytmów ewolucyjnych, Kielce 2010.

4. 5.

6. 7.

8. 9.

10. 11. 12. 13. 14.

Korniluk W., Klimaszewski A., Bayesowskie algorytmy wyznaczania wskaźników niezawodności zasilania energią elektryczną, Karpacz 2011. Sozański J., Niezawodność zasilania energią elektryczną, Warszawa 1982. Balan A.O., An Enhanced Approach To Network Reliability Using Boolean Algebra, Departments of Computer Science and Mathematics of Lafayette College, 16 maja 2003. Chybowski L., Matuszak Z., O algorytmach obliczeniowych w analizie niezawodnościowej, EXPLO-SHIP 2008. Rabinin I.A. i in., Technologia automatycznego modelowania systemów złożonych, Radioelektronika Morska 2008, nr 2(24), s. 52–55. Marzecki J., Niezawodność rozdzielczych sieci elektroenergetycznych, Warszawa 2009. Sapiecha P. i in., Dekompozycja funkcji i relacji boolowskich w syntezie logicznej i analizie danych, Kwartalnik Elektroniki i Telekomunikacji 2000, vol. 46, nr 3, s. 400–411. Guk J.B., Analiza niezawodności systemów elektroenergetycznych, Energoawtomizdat, Leningrad 1988. Grzymkowski R. i in., Mathematica 6, Gliwice 2008. Miedziarek M., Numeryczna analiza systemów dynamicznych w środowisku MATLAB, Leszno 2011. Łuba T. (red.) i in., Synteza układów cyfrowych, Warszawa 2003. Stępor K., Metody klasyfikacji obiektów w wizji komputerowej, Warszawa 2011.

Praca wykonana w ramach projektu naukowo-badawczego S/WE/4/08

Włodzimierz Korniluk

dr hab. inż. Politechnika Białostocka e-mail: korniluk@pb.edu.pl Od 1 września 1965 roku pracuje w białostockiej uczelni technicznej. Pracował na stanowisku naukowo-badawczym w Elektroinstytucie „Milan Vidmar” w Lublanie, gdzie zajmował się problematyką tłumienia kołysań mocy w systemach elektroenergetycznych (1978–1979). Odbywał zaoczny staż habilitacyjny w Moskiewskim Instytucie Górniczym (1987–2001). Współpracował naukowo m.in. z Instytutem Mechanizacji i Elektryfikacji Rolnictwa, Instytutem Elektrotechniki, Instytutem Energetyki i Centralnym Instytutem Ochrony Pracy. Od wielu lat zajmuje się zastosowaniem metod probabilistycznych w elektroenergetyce, w szczególności w zakresie modelowania niezawodności silników elektrycznych i sieci elektroenergetycznych oraz ryzyka porażenia prądem elektrycznym. Opublikował ponad 150 prac, w tym dwie monografie naukowe, rozdział w podręczniku i skrypt. Jest autorem lub współautorem dziewięciu patentów i czterech norm. Członek Polskiego Towarzystwa Bezpieczeństwa i Niezawodności, Polskiego Towarzystwa Elektrotechniki Teoretycznej i Stosowanej oraz rzeczoznawcą SEP.

Piotr Petelski

mgr inż. Politechnika Białostocka e-mail: petp@o2.pl Studia magisterskie na kierunku elektrotechnika, specjalność automatyzacja przemysłu, ukończył na Wydziale Elektrycznym Politechniki Białostockiej (1996). Ukończył studia podyplomowe z zakresu informatyki na swojej macierzystej uczelni (2001). Obecnie jest doktorantem Wydziału Elektrycznego PB. Jego główne zainteresowania to zastosowanie komputerowych obliczeń symbolicznych w elektroenergetyce.

47


R. Kowalak | Acta Energetica 4/17 (2013) | 48–55

Modelling of Power Electronic Compensators for the Analysis of Power System Operation

Author Robert Kowalak

Keywords power electronic shunt compensators, SVC, STATCOM

Abstract The article presents selected methods of modelling power electronic compensators in order to analyze their operation in the power systems. Advantages and disadvantages of models have been shown with an indication of their usefulness for modelling specific phenomena.

DOI: 10.12736/issn.2300-3022.2013405

1. Introduction Currently, proper operation of power systems requires application of various additional devices, which, without generators and transformers, participate in control processes. Those include the latest devices belonging to FACTS (Flexible Alternating Current Transmission Systems). Among them, power electronic compensators are of particular importance. Their significance is increasing in connection with development of the system, in particular with the increase in power consumption. This leads to the occurrence of more frequent problems with maintaining proper voltage levels at the supply network, usually connected with reactive power flows. Due to the high rated power of compensators, their introduction to the system must be preceded by a proper analysis of their impact on the power system. This task is carried out in the form of computer modelling, which reflects the system operation with the new device. Reliability of the results obtained in that process is determined by the accuracy of reflection of the power system and of the new element – the compensator. This article contains a synthetic description of selected modelling methods of power electronic shunt compensators that belong to the group of FACTS. The models discussed in detail in this paper have been used in simulation tests carried out in PLANS and DIgSILENT PowerFactory programs.

2. Types of compensators Shunt compensators found in power systems can be divided into two main groups: dynamoelectric and static compensators. The importance of the first type of devices, which are synchronous machines, is very insignificant due to the fact that they are used more and more rarely. In comparison, static compensators are commonly used in power supply systems around the world. Static compensators can be divided into the following: classic 48

compensators, in which electromechanical switches are used for switching operations, and power electronic compensators, in which power electronic systems are applied. Power electronic compensators consist of SVC (Static VAR Compensator) and STATCOM (Static Compensator). • SVC systems are made of the following modules: • TSC – thyristor switched capacitor • TSR – thyristor switched reactor • TCR – thyristor controlled reactor • FC – fixed capacitors, including harmonic filters of capacitive character. Names of SVCs originate from the modules used in their structure. Thus, we can distinguish the following subtypes: TSC, TSR, TCR, TCR-FC, TCR-TSC, TCR-TSC-FC and TSR-TSC (TCR and TCR-TSC are not used in practice). Only SVCs containing the TCR element in their structure can provide continuous control. There are two basic designs in STATCOM systems. The most common of them is based on VSI (Voltage Source Inverter). STATCOMs designed with the use of CSI (Current Source Inverter) do not occur in power systems. Both designs are able to carry out control on a continuous basis. The newest group of power electronic compensators are hybrid systems, constructed as combination of both of the solutions presented above in a single design. Because of their structure, they are often called STATCOM-based SVCs. This is because their system structure reminds SVC, with the only difference that TCR is replaced by STATCOM. Power electronic compensators may operate using one of the control criteria: voltage control, reactive power control, power factor control and power oscillation damping [8]. The basic control criterion used for transmission networks in steady state is voltage control. Power electronic compensators are presented in more detailed for example in [3].


R. Kowalak | Acta Energetica 4/17 (2013) | 48–55

3. Static models In modelling of power electronic compensators, including the flow analysis, the character of those devices in steady state should be taken into account. Both SVCs with continuous control and STATCOM in steady states of control operate identically, and therefore they can be modelled in the same way for that range of work. However, behaviour of those devices outside the range of control is different. Reactive power of SVC is dependent on the supply voltage square, whereas reactive power of STATCOM depends on the voltage value. Therefore, for example, at reduced values of supply voltages, SVC is more limited in the supply of reactive power than STATCOM – such behaviour of devices requires a different approach to modelling their operation outside the range of control (i.e. in the case of overvoltage or undervoltage).

where: Lzał – the total inductance of all sections switched to operation at the moment. The TCR susceptance, which is dependent on the ignition angle of thyristor switches, is described as follows:

BTCR = −

2(π − α ) + sin(2α ) πωLTCR

(4)

where: LTCR – inductance of TCRs, α – thyristor ignition angle. SVC may be modelled as a single element, which is the variable susceptance included to the supply system as shunt [2, 5]. This modelling method is showing in Fig. 1.

3.1. Modelling of SVC SVC may be seen in the power system as a variable susceptance connected in the particular system part, of capacitive or inductive character, depending on the current setting. Susceptance of such a system is a result of capacitive and inductive elements, as well as harmonic filters comprising the compensator (if they are installed). Only in a special case of setting, are inductive and capacitive elements balanced, which can be perceived as a complete shutdown from the point of view of the system susceptance. In this case SVC draws a small amount of active power from the system, which is associated with occurring losses (may be omitted in modelling). One of the modelling methods may be the model “fragmentation” into models of respective elements comprising the reflected SVC. So the capacities switched permanently with a total capacity C can be modelled as the susceptance with its value resulting from dependence B = ωC (1) C

where: ω – pulsation. The result value of susceptance of capacitive elements of TSC may be expressed as:

BTSC = ωC zał ∑

In order to simplify the model, the components with permanently switched capacity can be considered as one of the TSC elements with a specific capacity. TSR and TCR are inductive elements in SVC. Even though their structure is similar, their control method is different. Susceptance of TSR is expressed in the form of: 1 ωL zał

BSVC

Fig. 1. SVC model in the form of variable susceptance

The devices susceptance can be modelled directly as a variable which is depended on the angle of setting TCR thyristors and the number of switched TSC sections. Current drawn by the system is described as:

I SVC = U T ⋅ BSVC

(5)

where: UT – voltage at the connection point. Reactive power the device is described by the following:

(2)

where: C Σzał – the total capacitance of all TSC sections switched to operation at the moment.

BTSR = −

UT

(3)

QSVC = U T2 ⋅ BSVC

(6)

Change of susceptance allows controlling both the voltage value at the connection point and the reactive power level. SVC susceptance is resultant from all susceptance elements that operate parallel with each other. In order to simplify those considerations it has been assumed that the compensator device is made of TSC and TCR. The susceptance description of those elements is shown in equations 2 and 4. Equivalent susceptance of TCR-TSC-type SVC may be expressed as:

BSVC (α ) = BTSC + BTCR = ωC zał −

2(π − α ) + sin(2α ) (7) πωLTCR 49


R. Kowalak | Acta Energetica 4/17 (2013) | 48–55

The discussed modelling methods allow for reflection of the entire SVC system, but without specifying the transformer in that model. The transformer in this model can be included, with a certain simplification, as an adjustment of parameter BSVC. Because sometimes a more accurate reflection of transformer is recommended, parameters such as resistance RTr and reactance XTr should be entered in the model. Admittance of SVC system with transformer (YTr-SVC) is described by the following:

YTr −SVC (α ) =

YTr ⋅ YSVC YTr + YSVC

(8)

RTr 2 RTr + X Tr2 −SVC X Tr2 −SVC =− 2 RTR + X Tr2 −SVC

GTr −SVC =

BTr −SVC

(9)

(10)

X Tr −SVC = X SVC + X Tr X SVC =

(11)

1

(12)

BSVC

where: YTr – transformer admittance, YSVC – result admittance of compensator elements (without transformer).

3.2. STATCOM modelling STATCOM is seen in the system as an alternating voltage source with continuous control connected to the power supply system via a HV/MV transformer. Such a perception is possible due to the use of an inverter with gate turn-off thyristors, which is loaded with capacity on the side of DC voltage. It the model tests STATCOM can be reflected in the form of an equivalent circuit, consisting of an ideal alternating voltage source connected in series with impedance [1, 7, 9]. The idea is shown in Fig. 2.

Voltage UR is described as follows:

U R = U R ⋅ (cos δ R + j sin δ R ) (13) where: δR – phase angle of voltage UR. Apparent power of the above system is described as follows: *

*

*

S R = U R ⋅ Y R ⋅ (U R − U T ) (14) where: YR – admittance resulting from impedance ZR. The model above can be described by equations that reflect power flow, as shown in [1]. This model allows specifying the power supplied to the connection busbars (index T) and the inverter power (index R). PT = U T2GR + U T U R [GR cos(θ T − δ R ) + BR sin(θ T − δ R )]

(15)

QT = −U T2 BR + U T U R [GR sin(θT − δ R ) − BR cos(θT − δ R )] (16)

PR = U R2 GR + U RU T [GR cos(δ R − θ T ) + BR sin(δ R − θ T )] (17) QR = −U R2 BR + U RU T [GR sin(δ R − θ T ) − BR cos(δ R − θ T )] (18)

where: GR – conductance and BR – susceptance resulting from admittance YR.

3.3. Static model of power electronic compensator In static modelling it is important to properly reflect the characteristics of the particular compensator. Depending on the needs the model can reflect all characteristics or only some parts. Example characteristics of SVC and STATCOM are shown in Fig. 3 and 4, respectively.

UT ZR

UR

Fig. 2. STATCOM model

Fig. 3. Static characteristics of SVC: sU – compensator droop, UT – voltage at the connection point, lk – compensator current (L – inductive, C – capacitive)

Based on the static characteristics of the compensator, it can be modelled as PU type node in the flow program (constant active 50


R. Kowalak | Acta Energetica 4/17 (2013) | 48–55

power, constant voltage), which is connected to the PQ type node (constant active power, constant reactive power) through inductive reactance [8]. In the range of compensator control, which is limited by the maximum inductive reactive power on the one side and by the maximum capacitive reactive power on the other, such a system will supply/take reactive power from the power supply system depending on the current system status and the set voltage value. When the limit is reached, the model will be seen in the particular system point as constant capacitive or inductive reactive power, depending on which limit has been reached. Introduction of inductive reactance to the model allows reflecting the droop of compensator characteristics. UT UKz max

composed of an ideal generator model, connected to the system via series reactance (e.g. a simplified line model which takes into account only its reactance). The generator model should include the range of allowed changes in reactive power, which depends on the range of compensator control. The range is determined as:

QG min = QK min (19) QG max = QK max (20) where: QKmin – power of the compensator inductive element (minimum), QKmax – power of the compensator capacitance element (maximum). The set voltage UG, which corresponds to the compensator set voltage, should also be determined in the generator:

IkL max sU

U G = U Kz

UKz

where: UKz – compensator set voltage.

IkC max UKz min

IkC

IkL

Fig. 4. STATCOM static characteristics: UKzmas, UKzmas – upper and lower voltage limit, IkLmax¸ IkCmax – current limit related to current in the inductive and capacitive element, UKz – set voltage

Development of this type of modelling is a reflection of compensator using the generator model with inductive reactance connected in series [4, 6]. This modelling method can be used in various flow programs. Introduction of relevant restrictions for generation of reactive power to the generator allows for giving the available compensator reactive power, and the connected reactance enables modelling of characteristics droop which describes the compensator. This type of modelling is presented in Fig. 5. Such a type of model is fully based only on the part of static characteristics that reflects the range of control. The model itself is S1

UT XSL

S2 G

(21)

UG QGmin ÷ QGmax

Fig. 5. Compensator model diagram – generator model with reactance: S1 – busbar connecting the compensator to the system, XSL – droop modelling reactance, S2 – generator busbar, G – generator, UG – generator voltage

In the presented model the generator power flows through reactance X SL, which connects it to the power system. The purpose of this reactance is to allow reflection in the droop model of the compensator characteristics. The value of this reactance is determined as follows:

X SL =

2 sU ⋅ U Kn S Kn

(22)

where: UKn – compensator rated voltage, SKn – compensator rated power, sU – compensator droop expressed in relative units. With the correct designation of the compensator model parameters, the dependence is met for the state in which the compensator does not take and does not give reactive power to the system:

U T = U Kz

(23)

The described model is simple and reflects very well the operation of both SVC and STATCOM, but only in the control range of both of these units. Outside that range the model behaviour is totally different than it would be for each of these compensators; additionally, the model will maintain a constant generation or consumption reactive power (depending on which of the restrictions has been exceeded) as in the case of generator. It indicates that the model is also very restricted in use, as it may be used only in the model tests in which the reflected compensators do not go beyond the control range specified for their operation. When the parameters of the modelled circuit impose the compensator operation outside the control range, the results obtained will include a major error, which will depend on how 51


R. Kowalak | Acta Energetica 4/17 (2013) | 48–55

further away the compensator is from the control range; the errors will be larger for SVC than for STATCOM because of the nature of compensators. The scope of application of that model can be extended by introducing additional elements. The first of modifications allows for good modelling of compensators in terms of control, as well as outside the control range at low voltage values, when the compensator is in capacitive mode. However, in that range the model reflects properly only the behaviour of SVC. The modification involves the inclusion of a particular capacity to the model structure, as shown in Fig. 6.

S1

UT XSL

S2 G

K

QCn

UG QGmin ÷ QGmax

Reactive power of the entire compensator results from the reactive power of the generator system and series reactance XSL, and the capacitor power. With the correct designation of the compensator model parameters, the equality described by equation 23 is met for the state in which the compensator does not take and does not give reactive power to the system. The model properly reflects the behaviour of SVC in the control range, and in the case of low voltage values in the system. The model is restricted by the fact that it is not able to properly reflect the behaviour of SVC at higher voltage values (outside the control range), i.e. for those in which the compensator works as permanently switched reactor. Therefore, this type of model can be used to test the system behaviour under strong loads, as well as in the case of modelling of voltage failures characterised by low voltage values (e.g. voltage avalanche). The model can be used in the tests related to the application of STATCOM, but it should be borne in mind that it will behave properly only in the control range of this compensator. The latter modifications allows for good modelling of compensators in terms of control, as well as outside the control range at high voltage values, when the compensator is in inductive mode. However, in that range the model reflects properly only the behaviour of SVC. The modification involves the inclusion of a particular inductance to the model structure, as shown in Fig. 7.

Fig. 6. Compensator model diagram – generator model with reactance and capacitor bank: S1 – busbar connecting the compensator to the system, XSL – droop modelling reactance, S2 – generator busbar, G – generator, K – capacitor bank, QCn – capacitor rated power, UG

S1 XSL

The change requires a slightly different method for determining certain model parameters. Therefore, the introduced range of allowed changes in reactive powers in the generator, depending on the compensator control range, is determined in accordance with the following:

QG min = QK min − QK max (24)

QG max = 0 (25) The voltage set in the generator is determined as follows:

UG =

U Kz ⋅ S Kn S Kn + sU ⋅ QK max

(26)

The method for determining reactance XSL is also changed. The value of this reactance is determined as follows:

X SL

2 sU ⋅ U Kn = S Kn ⋅ (1 + sU )

(27) The value of the introduced capacity should be selected in such a way that the rated reactive power achieved by it is equal to the reactive power of the capacitive element in the compensator.

QCn = QK max 52

(28)

UT

S2

D QLn

UG

G

QGmin ÷ QGmax

Fig. 7. Compensator model diagram – generator model with reactance and reactor: S1 – busbar connecting the compensator to the system, XSL – droop modelling reactance, S2 – generator busbar, G – generator, D – reactor, QLn – reactor rated power, UG – generator voltage

As in the preceding model, the change requires a slightly different method for determining certain model parameters. In this case, the range of allowed changes in the generator reactive power is determined as follows:

QG min = 0 (29) QG max = QK max − QK min (30) The voltage set in the generator is determined as follows:

UG =

U Kz ⋅ S Kn S Kn + sU ⋅ QK min

(31)


R. Kowalak | Acta Energetica 4/17 (2013) | 48–55

The value of the introduced inductance should be selected in such a way that the rated reactive power achieved by it is equal to the reactive power of the inductive element in the compensator.

QLn = QK min (32) Reactive power of the entire compensator results from the reactive power of the generator system and series reactance XSL, and the reactor power. With the correct designation of the compensator model parameters, the equality described by equation 23 is met for the state in which the compensator does not take and does not give reactive power to the system. The model properly reflects the behaviour of SVC in the control range, and in the case of high voltage values in the system. The model is restricted by the fact that it is not able to properly reflect the behaviour of SVC at lower voltage values (outside the control range), i.e. for those in which the compensator works as permanently switched capacitor. Therefore, this type of model can be used to study the system behaviour at low load (e.g. night period). The model can be used in the tests related to application in STATCOM, but it should be borne in mind that it will behave properly only in the control range of this compensator. Some dynamic models may also be used for static calculations.

4. Dynamic Models 4.1. SVC dynamic model A comprehensive dynamic SVC model includes the following in its structure: HV/MV transformer models, MV busbars with connected TSC, TSR, TCR and FC modules. SVC controller controls the operation of the entire device.

Many simulation programs contain ready built-in models of transformers which can be used in such a model. The transformer parameters should be selected for the modelled SVC (power) and for voltages at the connection point. An important element of the model is harmonic filters and fixed capacitor banks (FC module). In order to reflect them RLC elements with properly chosen parameters are connected to MV busbars in the model. Those elements are not subject to control. TCR, TSC and TSR elements require inclusion of semiconductor elements in their structures (for more accurate modelling). Some simulation programs include ready modules that allow modelling the above-mentioned elements, whereas in others, the LC elements must be combined with semiconductor switch models. Dynamic semiconductor models available in simulation programs are generally sufficient for the need to model SVC, so it is not necessary to develop one’s own models. The thyristor ignition angle must be controlled in TCR element (since it determines the susceptance value of TCR), while on/off signals are sent in the case of TSR and TSC elements. Controlled modules are “integrated” with each other by the SVC controller. Units included in this controller are dependent on the modelled type of SVC system. Because

SVC with TCR and TSC elements in its structure is considered to be a standard device from the point of view of the transmission network, controller of such a system is discussed below. The structure of a sample controller is shown in Fig. 8. uAC iAC

BSVS

Voltage regulator

TCR controller

nxcap qmin qmax

α

TSC controller

nncap

Fig. 8. TCR-TSC-type SVC controller

The following are introduced to the controller signals of: relative value of voltage at the compensator connection point (uac), relative values of compensator current (iAC) measured on the secondary side of the HV/MV transformer, which is one of the compensator model elements, and the signals that indicate the number of available (installed) TSC elements (nxcap), the power of a single TSC element (qmin) and the power of a TCR element (qmax). Output signals are the TCR thyristor switching angle (α) and the number of currently switched TSC elements (n). The following are distinguished within the SVC controller: voltage control unit (voltage regulator), TCR control unit (TCR controller) and TSC control unit (TSC controller). Fig. 9 shows the structure of voltage regulator in the SVC system. uzad -

uAC

iAC

1

+

du +

2 1+sT2b 1+sT2a

du - B

3 K3 1+sT3

BSVS

K1sT1 1+sT1

Fig. 9. Voltage regulator in the SVC device

The purpose of the controller is to control voltage at the compensator connection point. Voltage error is determined in the controller by comparing the current voltage value with the set value; its value is used by the controller to determine which susceptance value should be applied in the compensator to compensate for the error. The set voltage value is introduced to the voltage regulator model by the user. Both the voltage values and susceptance values are expressed in relative units. An additional element is the feedback from 53


R. Kowalak | Acta Energetica 4/17 (2013) | 48–55

the compensator current, which is activated mainly in dynamic states and affects the system by introducing an additional voltage control error. Three units can be seen in the voltage regulator structure. The first of them (1) is a correction unit from the compensator current. The second (2) is the voltage correction unit, and the third (3) is the inertial unit. The system droop reflects the intensification of the inertial unit. Output signal from the voltage regulator is the susceptance value for SVC (BSVS), expressed in relative units, which should be achieved by the compensator. The purpose of the TCR controller is to generate the thyristors ignition angle in the TCR module sufficient to achieve the required relative value of compensator susceptance, taking into account the number of switched TSC sections. Some difficulties in modelling are caused by non-linear dependence of the thyristor ignition angle in the susceptance function. Because there was no ready dependence α = f(BTCR), the function has been determined for modelling and used in the developed SVC controller model. Its structure is shown in Fig. 10.

4.2. STATCOM dynamic model

A comprehensive STATCOM model contains models of elements such as: HV/MV transformer, MV busbars, PWM inverters, DC busbars and capacitor bank. Transformer is one of elements, just as in the case of the SVC model. The transformer parameters should be selected for the modelled STATCOM (power) and for voltages at the connection point. The most important of the STATCOM model elements is the inverter model and the model of its control system. As in the case of transformers, ready inverter models are available in many simulation programs; they enable modelling of dynamic states, so there is no need to develop own model. However, it is important to be aware of limitations of that model. In the STATCOM model the inverter is loaded with certain capacity on the side of DC voltage. Its value is selected for the modelled STATCOM. It should be noted that the system rated power is determined by the inverter power, whereas the capacity affects mainly the system behaviour in quickly changing states. The second of important units is the STATCOM control system. In this case we control only one element – the inverter. The structure of the STATCOM system controller is presented in Fig. 11. uDCzad uDC

1 1 1+sT1

-

du

+

3 K3 +

imax id

K3 sT3

imin uACzad uAC

Fig. 10. Dependence of the thyristor ignition angle on the susceptance of TCR

The purpose of the TSC controller is to control and adjust the number of switched TSC banks, depending on the required susceptance BSVS of the compensator. The controller contains the TSC bank control algorithm, which performs several functions, e.g. may not allow for simultaneous switching of several sections, while simultaneously imposing switching of individual TSC sections according to the time required between switching, no shorter than the time of switching off/on a single TSC section, i.e. the time corresponding to one period of supply voltage wave. For the purpose of providing the work of TSC it is also necessary to maintain the minimum time between switching on and switching off of the same TSC section (voltage regulator may attempt to force a very quick alternating changes of the system susceptance during quick transient states occurring at the supply network). The algorithm can be modified according to the needs. If such function is not available in the TSC module model, the controller should ensure control of the TSC section switches to enable pre-charging of TSC capacity. 54

2 1 1+sT2

4

+

K4 +

-

6

K4 sT4

5

Limiter q

imax iq

imin

K5 1+sT5

Fig. 11. STATCOM device controller

Voltage measurement signals are introduced to the STATCOM control system at the point of connection of alternating voltage to the network (uAC) and the voltage value in the DC circuit (uDC), expressed in relative units. The voltage values the system is to achieve in the AC (uACzad) and DC (uDCzad) circuit are set in the controller. Output signals in the controller are the current values in axles d (id) and q (iq), expressed in relative units, used for proper setting of the inverter. Module 1 and 2 in the controller model reflect the delay of voltage measuring signals. with the output signal in the form of an inverter current component in axis d limited so that the current does not exceed the limit value for the inverter. Module 4 has the same role as module 3, but in the AC circuit, and its output signal is not restricted inside it, but in another module (6), which acts as a limiter of the inverter current


R. Kowalak | Acta Energetica 4/17 (2013) | 48–55

component in axis q, depending on the current component value in axis d and the limit current value in the inverter. Module 5 is located in the feedback loop of the AC voltage control path and allows, among others, to introduce droop to the model. The ability to control inverter in axes d and q has been used while developing the STATCOM model. In contrast to the SVC, where the control applied only to one parameter (voltage at the point of connection of the alternating voltage to the network), in STATCOM there is a need to control two voltages: the voltage on the capacity in DC circuit and the voltage at the point of connection to the supply network. Therefore, there are two paths in the control system. The first is related to the voltage control in the DC circuit, whereas the second concerns AC. Voltage control in the DC circuit is connected with consumption of active power from the power system; therefore the inverter should be controlled in such a way as to control the active current component in the inverter. Voltage control at the point of connection to the power system is associated with the control of reactive power flow between the system and STATCOM. In this case, the inverter should be controlled in such a way as to control the reactive current component in the inverter. The value of the inverter current corresponds to the active component in axis d and to the reactive component in axis q; therefore such a method of control has been used for development of the model. STATCOM may not operate properly if capacitors are discharged in the DC circuit of the inverter. Therefore, the voltage control path in the DC circuit has been adopted as the primary path. Restrictions of component values of the inverter current in axis d and q have been introduced in the model since the value of the inverter current is an important limitation in the compensator operation. Bearing in mind which track is the primary one, the restriction of the reactive component value in the model is dependent on the current active component value in such a way as to ensure that the limit value of the inverter current is not exceeded.

5. Summary The purpose of developing of the static compensator models was their best possible reflection in terms of flow calculations carried out at various models of supply networks. The aim was to provide a relatively accurate modelling of compensators combined with an easy model “service”. This objective has been achieved in modelling SVC in a large area of operating states, but only for the control range in the case of STATCOM.

The objective of developing of dynamic models was to analyse operation of supply systems in transient states. Those models enable modelling of compensators with various parameters. In models the user can select a transformer and device power, as well as influence its dynamics through the proper selection of parameters. It is also possible to directly interfere with the control algorithms. The presented models were used in simulation tests for analysis of power system operation, carried out in PLANS and DIgSILENT PowerFactory programs. References 1. Acha E., Fuerte-Esquivel C.R., Ambriz-Perez H., Angeles-Comacho C., FACTS Modelling and Simulaton in Power Networks, John Wiley & Sons, LTD. 2. Castro M.S. i in., Impacts of FACTS Controllers on Damping Power Systems Low Frequency Elektromechanical Oscillations, IEEE/PES Transmission & Distribution Conference & Exposition: Latin America 2004. 3. Kowalak R., Małkowski R., Shunt compensator as controlled reactive power sources, Acta Energetica 2011, issue 1. 4. Mahdad B. i in., Strategy of Location and Control of FACTS Devices for Enhancing Power Quality, May 16–19, Benalmádena (Málaga), Spain, IEEE MELECON 2006. 5. Moghavvemi M., Faruque M.O., Effect of FACTS Devices on Static Voltage Stability, IEEE 2000. 6. Nabae A., Yamaguchi M., Supression of Flicker in an Arc-Furnace Supply System by an Active Capacitance – A Novel Voltage Stabilizer in Power Systems, IEEE Transactions on Industry Applications 1995, Vol. 31, No. 1, January/February. 7. Padiyar K.R., Prabhu N., Design and Performance Evaluation of Subsynchronous Damping Controller With STATCOM, IEEE Transactions on Power Delivery 2006, Vol. 21, No. 3, July. 8. Zajczyk R., Modele matematyczne systemu elektroenergetycznego do badania elektromechanicznych stanów nieustalonych i procesów regulacyjnych [Mathematical power system models for examination of electro-mechanical unsteady states and control processes], Wydawnictwo Politechniki Gdańskiej, 2003. 9. Zhang X-P., Handschin E.J., Optimal power flow control by converter based FACTS controllers, AC-DC Power Transmission, 28–30 November 2001, Conference Publication No. 485 © IEE 2001.

Robert Kowalak Gdańsk University of Technology e-mail: r.kowalak@ely.pg.gda.pl Graduate of Gdańsk University of Technology. He is currently working as a lecturer at the Faculty of Electrical and Control Engineering of Gdańsk University of Technology. His professional interests include: high-voltage power electronics systems (FACTS, HVDC), modelling the operation of power electronics systems in a power system, and cooperation of power supply systems with traction power systems.

55


R. Kowalak | Acta Energetica 4/17 (2013) | translation 48–55

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 48–55. When referring to the article please refer to the original text. PL

Modelowanie kompensatorów energoelektronicznych na potrzeby analiz pracy systemu elektroenergetycznego Autor

Robert Kowalak

Słowa kluczowe

energoelektroniczne kompensatory bocznikowe, SVC, STATCOM

Streszczenie

Autor artykułu prezentuje wybrane sposoby modelowania kompensatorów energoelektronicznych, z uwzględnieniem analizy ich pracy w systemie elektroenergetycznym. Przedstawia wady, jak i zalety modeli, a także zakres ich przydatności do modelowania określonych zjawisk.

1. Wprowadzenie Poprawna praca systemu elektroenergetycznego wymaga w dzisiejszych czasach stosowania różnego rodzaju dodatkowych urządzeń, które oprócz generatorów i transformatorów uczestniczą w procesach regulacyjnych. Do urządzeń tych zaliczamy te najnowocześniejsze, należące do grupy urządzeń FACTS (ang. Flexible Alternating Current Transmission Systems). Wśród nich szczególne miejsce zajmują energoelektroniczne kompensatory bocznikowe. Ich znaczenie rośnie w związku z rozwojem systemu, a w szczególności wraz ze wzrostem mocy pobieranej przez odbiory. Prowadzi to bowiem do pojawiania się coraz częstszych problemów z utrzymaniem właściwych poziomów napięć w sieci zasilającej, związanych najczęściej z przepływami mocy biernej. Wprowadzenie do systemu kompensatorów, ze względu na ich znaczące moce znamionowe, musi być poprzedzone odpowiednią analizą ich oddziaływania na system elektroenergetyczny. Zadanie to realizowane jest w postaci modelowania komputerowego, odzwierciedlającego pracę systemu wraz z nowym urządzeniem. Wiarygodność uzyskanych w tym procesie wyników jest uzależniona od dokładności odzwierciedlenia systemu elektroenergetycznego, jak również nowego obiektu, jakim jest kompensator. Niniejszy artykuł zawiera syntetyczny opis wybranych sposobów modelowania kompensatorów energoelektronicznych, należących do grupy urządzeń FACTS. Omówione szerzej w tym referacie modele zostały wykorzystane w badaniach symulacyjnych, prowadzonych w programach PLANS oraz DIgSILENT PowerFactory. 2. Rodzaje kompensatorów Kompensatory bocznikowe, spotykane w systemach elektroenergetycznych, możemy podzielić na dwie podstawowe grupy: elektromaszynowe oraz statyczne. Znaczenie tych pierwszych, które stanowią regulowane maszyny synchroniczne, ze względu na coraz rzadsze ich stosowanie jest bardzo małe. Kompensatory statyczne są natomiast powszechnie stosowane w systemach zasilania na całym świecie. Wśród kompensatorów statycznych wyróżniamy kompensatory klasyczne, w których do

56

prowadzenia procesów łączeniowych wykorzystuje się łączniki elektromechaniczne, oraz kompensatory energoelektroniczne, w których zastosowanie znalazły układy energoelektroniczne. Kompensator y energoelektroniczne stanowią układy typu SVC (ang. Static VAr Compensator) oraz układy STATCOM (ang. Static Compensator). Układy kompensatorów typu SVC budowane są z następujących modułów: • TSC (ang. Thyristor Switched Capacitor) – kondensatory załączane tyrystorowo • TSR (ang. Thyristor Switched Reactor) – dławiki załączane tyrystorowo • TCR (ang. Thyristor Controlled Reactor) – dławiki o tyrystorowo regulowanej indukcyjności • FC (ang. Fixed Capacitors) – stałe baterie kondensatorów, do tych układów zalicza się również filtry wyższych harmonicznych o charakterze pojemnościowym. Nazwy stosowanych kompensatorów SVC wywodzą się od zastosowanych w ich strukturze modułów. Stąd wyróżniamy następujące podstawowe podtypy: TSC, TSR, TCR, TCR-FC, TCR-TSC, TCR-TSC-FC i TSR-TSC (TCR i TCR-TSC nie są stosowane w praktyce). Tylko układy SVC zawierające w swojej strukturze element TCR mogą prowadzić regulację w sposób ciągły. W zakresie układów STATCOM wyróżniamy dwie podstawowe konstrukcje. Najbardziej rozpowszechnioną jest oparta na przekształtniku VSI (ang. Voltage Source Inverter), czyli przetwornicy napięcia. Natomiast układów STATCOM zbudowanych z wykorzystaniem przetwornicy prądu CSI (ang. Current Source Inverter) w systemie elektroenergetycznym nie spotkamy. Obie konstrukcje są w stanie prowadzić regulację w sposób ciągły. Najmłodszą grupę kompensatorów energoelektronicznych stanowią układy hybrydowe, powstałe w wyniku połączenia w jednej konstrukcji obu prezentowanych powyżej rozwiązań. Z racji swojej budowy można je określić mianem SVC na bazie STATCOM. Wynika to z tego, że struktura układu przypomina SVC z tą tylko różnicą, że element TCR został w niej zastąpiony układem STATCOM. Układy kompensatorów energoelektronicznych mogą pracować, wykorzystując jedno z kryteriów regulacji: regulację napięcia,

regulację mocy biernej, regulację współczynnika mocy i tłumienie oscylacji mocy [8]. Dla sieci przesyłowych podstawowym stosowanym kryterium regulacji w stanach ustalonych jest regulacja napięcia. Bardziej szczegółowo układy energoelektronicznych kompensatorów bocznikowych zostały zaprezentowane np. w [3]. 3. Modele statyczne Modelując układy kompensatorów energoelektronicznych z uwzględnieniem analizy rozpływowej, należy brać pod uwagę specyfikę tych układów w stanach ustalonych. Zarówno kompensatory SVC o regulacji ciągłej, jak i STATCOM w stanach ustalonych w zakresie regulacji zachowują się w identyczny sposób, dlatego też dla takiego zakresu pracy mogą być modelowane w taki sam sposób. Zachowanie tych układów poza zakresem regulacji jest już jednak różne. Moc bierna układu SVC jest zależna od kwadratu napięcia zasilającego, natomiast moc bierna STATCOM zależy od wartości napięcia. Tym samym np. przy obniżonych wartościach napięć zasilających układ SVC ma większe ograniczenie w zakresie dostarczanej mocy biernej niż układ STATCOM – takie zachowanie układów wymaga różnego podejścia do modelowania ich pracy poza zakresem regulacji (czyli przy zawyżonych lub zaniżonych wartościach napięć). 3.1. Modelowanie układu SVC Kompensator SVC może być w systemie elektroenergetycznym widziany jako podłączona w określonym węźle systemu zmienna susceptancja, której charakter, zależny od aktualnego wysterowania, jest pojemnościowy lub indukcyjny. Susceptancja takiego układu jest wypadkową wartością członów pojemnościowych, indukcyjnych i filtrów wyższych harmonicznych wchodzących w skład kompensatora (jeśli są zainstalowane). Jedynie w szczególnym przypadku wysterowania człony indukcyjne i pojemnościowe się równoważą, co może być postrzegane z punktu widzenia susceptancji układu tak samo jak całkowite wyłączenie. W takim przypadku kompensator SVC pobiera z systemu niewielką moc czynną, związaną z powstającymi w nim stratami (co przy modelowaniu można pominąć).


R. Kowalak | Acta Energetica 4/17 (2013) | translation 48–55

Jednym ze sposobów modelowania może być „rozbicie” modelu na modele poszczególnych członów, wchodzących w skład odzwierciedlanego kompensatora SVC. I tak pojemności załączone na stałe o łącznej pojemności C można zamodelować jako susceptancję o  wartości wynikającej z zależności

Susceptancję układu można modelować bezpośrednio jako wielkość zmienną lub uzależnić ją od wartości kąta wysterowania tyrystorów układu TCR i liczby załączonych sekcji TSC. Prąd pobierany przez układ jest opisany jako:

BC = ωC (1)

gdzie: UT – napięcie w punkcie przyłączenia.

gdzie: ω – pulsacja.

Moc bierną układu opisuje zależność:

Wypadkową wartość susceptancji członów pojemnościowych TSC możemy wyrazić jako:

QSVC = U T2 ⋅ BSVC

BTSC = ωC zał (2) ∑ gdzie: CΣzał – sumaryczna pojemność wszystkich załączonych w danej chwili do pracy sekcji TSC. W celu uproszczenia modelu elementy o pojemności załączonej na stałe możemy traktować jako jeden z członów TSC o określonej pojemności. Członami o charakterze indukcyjnym w układzie SVC są elementy TSR i TCR. Chodź struktura tych układów jest podobna, to jednak różny jest sposób sterowania. Susceptancję układu TSR zapisujemy w postaci:

BTSR

1 =− ωL zał

(3)

gdzie: Lzał – sumaryczna indukcyjność wszystkich załączonych w danej chwili do pracy sekcji. Natomiast susceptancję układu TCR, która jest zależna od wartości kąta wysterowania łączników tyrystorowych, opisujemy jako:

BTCR

2(π − α ) + sin(2α ) =− πωLTCR

(4)

I SVC = U T ⋅ BSVC (5)

Omówione sposoby modelowania pozwalają na odzwierciedlenie całego układu SVC, ale bez wyszczególniania w tym modelu transformatora. Transformator w takim modelu można uwzględnić z  pewnym uproszczeniem jako korektę parametru BSVC. Ponieważ niekiedy wskazane jest wierniejsze odzwierciedlenie transformatora, to do modelu należy wprowadzić takie jego parametry jak rezystancja RTr i reaktancja XTr . Admitancję układu SVC z transformatorem (YTr-SVC) opisują zależności:

GTr −SVC

Układ kompensatora SVC można też zamodelować jako jeden element, którym jest zmienna susceptancja włączona do układu zasilania bocznikowo [2, 5]. Sposób takiego modelowania odzwierciedla rys. 1.

BTr −SVC = −

BSVC

Rys. 1. Model układu SVC w postaci zmiennej susceptancji

YTr ⋅ YSVC (8) YTr + YSVC

RTr = 2 RTr + X Tr2 −SVC

gdzie: LTCR – indukcyjność dławików układu TCR, α – kąt zapłonu tyrystorów.

UT

2(π − α ) + sin(2α ) πωLTCR

(7)

YTr −SVC (α ) =

ZR

UR

Rys. 2. Model układu STATCOM

Napięcie UR opisane jest zależnością:

U R = U R ⋅ (cos δ R + j sin δ R ) (13) gdzie: δR – kąt fazowy napięcia UR. Moc pozorną powyższego układu opisuje zależność: *

*

*

S R = U R ⋅ Y R ⋅ (U R − U T ) (14) gdzie: YR – admitancja wynikająca z impedancji ZR. Powyższy model można opisać równaniami obrazującymi przepływ mocy, jak to zaprezentowano w [1]. Model ten pozwala na określenie mocy dostarczanej do szyn przyłączenia (indeks T) oraz mocy przekształtnika (indeks R). PT = U T2GR + U T U R [GR cos(θ T − δ R ) + BR sin(θ T − δ R )]

(9)

X Tr2 −SVC (10) 2 RTR + X Tr2 −SVC

X Tr −SVC = X SVC + X Tr

UT

(6)

Zmiana wartości susceptancji umożliwia sterowanie zarówno wartością napięcia w punkcie przyłączenia, jak poziomem mocy biernej. Susceptancja układu SVC jest wypadkową susceptancji wszystkich członów, które pracują względem siebie równolegle. W celu uproszczenia rozważań przyjęto, że układ kompensatora zbudowany jest z baterii TSC i dławika TCR. Opis susceptancji tych elementów przedstawiają równania 2 i 4. Zastępczą susceptancję układu SVC typu TCR-TSC można więc zapisać jako: BSVC (α ) = BTSC + BTCR = ωC zał −

stronie napięcia wyprostowanego obciążony jest pojemnością. W badaniach modelowych kompensator STATCOM można odzwierciedlić w postaci obwodu zastępczego, składającego się z idealnego źródła napięcia przemiennego, połączonego szeregowo z impedancją [1, 7, 9]. Ideę tę zaprezentowano na rys. 2.

QT

(15) = −U T2 BR + U T U R [GR sin(θT − δ R ) − BR cos(θT − δ R )] (16)

PR = U R2 GR + U RU T [GR cos(δ R − θ T ) + BR sin(δ R − θ T )]

(11)

(17)

1 (12)

QR = −U R2 BR + U RU T [GR sin(δ R − θ T ) − BR cos(δ R − θ T )]

gdzie: YTr – admitancja transformatora YSVC – admitancja wypadkowa elementów kompensatora (bez transformatora).

gdzie: GR – konduktancja BR – susceptancja wynikające z admitancji YR.

X SVC =

BSVC

3.2. Modelowanie układu STATCOM Kompensator STATCOM w systemie widziany jest jako źródło napięcia przemiennego o regulacji ciągłej, które do systemu zasilania przyłączone jest za pośrednictwem transformatora WN/SN. Taki sposób postrzegania jest możliwy dzięki zastosowaniu w konstrukcji tego urządzenia przekształtnika z  tyrystorami GTO, który po

(18)

3.3. Model statyczny kompensatora energoelektronicznego Przy modelowaniu statycznym ważne jest prawidłowe odzwierciedlenie charakterystyki danego kompensatora. W zależności od potrzeb model może odzwierciedlać całą charakterystykę lub tylko pewne jej części. Przykładową charakterystykę statyczną układu SVC przedstawiono na rys. 3, a układu STATCOM na rys. 4.

57


R. Kowalak | Acta Energetica 4/17 (2013) | translation 48–55

Taki sposób modelowania prezentuje rys. 5. S1

UT XSL

S2

UG

G

Rys. 5. Schemat modelu kompensatora – model generatorowy z reaktancją: S1 – szyna przyłączeniowa kompensatora do systemu, XSL – reaktancja modelująca statyzm, S2 – szyna generatora, G – generator, UG – napięcie generatora

Rys. 3. Charakterystyka statyczna układu SVC: sU – statyzm kompensatora, UT – napięcie w punkcie przyłączenia, Ik – prąd kompensatora (L – indukcyjny, C – pojemnościowy)

Kierując się charakterystyką statyczną kompensatora, można go w programie rozpływowym zamodelować jako węzeł typu PU (stała moc czynna, stałe napięcie), który jest połączony z węzłem typu PQ (stała moc czynna, stała moc bierna) za pośrednictwem reaktancji indukcyjnej  [8]. W zakresie regulacyjnym kompensatora, czyli ograniczonym z jednej strony maksymalną mocą bierną indukcyjną, a z drugiej maksymalną mocą bierną pojemnościową, układ taki będzie dostarczał/ pobierał moc bierną z systemu zasilania w zależności od aktualnego stanu systemu i zadanej wartości napięcia. W momencie, gdy osiągnięte zostanie ograniczenie, model taki będzie widoczny jako przyłączona w danym punkcie systemu stała moc bierna pojemnościowa lub indukcyjna, w zależności od tego, które z ograniczeń zostało osiągnięte. Wprowadzenie reaktancji indukcyjnej do modelu pozwala na odzwierciedlenie statyzmu charakterystyki kompensatora. UT UKz max

UKz min

IkC

Rys. 4. Charakterystyka statyczna urządzenia STATCOM: UKzmas, UKzmas – górne i dolne ograniczenie napięciowe, IkLmax¸ IkCmax – ograniczenie prądowe związane z prądem członu indukcyjnego i pojemnościowego, UKz – napięcie zadane

Rozwinięciem tego sposobu modelowania jest odzwierciedlenie kompensatora za pomocą modelu generatora z przyłączoną do niego szeregowo reaktancją indukcyjną [4, 6]. Ten sposób modelowania można wykorzystać w różnych programach rozpływowych. Wprowadzenie odpowiednich ograniczeń w zakresie generacji mocy biernej do generatora pozwala na oddanie dostępnego zakresu mocy biernej kompensatora, a przyłączona reaktancja umożliwia zamodelowanie statyzmu charakterystyki statycznej opisującej dany kompensator.

58

QG min = QK min (19) QG max = QK max (20) gdzie: QKmin – moc członu indukcyjnego kompensatora (minimalna) QKmax – moc członu pojemnościowego kompensatora (maksymalna).

S1

W prezentowanym modelu moc generatora przepływa przez łączącą go z systemem elektroenergetycznym reaktancję XSL. Zadaniem tej reaktancji jest umożliwienie odzwierciedlenia w modelu statyzmu charakterystyki kompensatora. Wartość tej reaktancji wyznaczana jest z zależności:

X SL

s ⋅U 2 = U Kn S Kn

(22)

gdzie: UKn – napięcie znamionowe kompensatora SKn – moc znamionowa kompensatora sU – statyzm kompensatora wyrażony w jednostkach względnych. Przy prawidłowym wyznaczeniu parametrów modelu kompensatora, dla stanu, w którym kompensator nie pobiera i nie dostarcza do systemu mocy biernej, spełniona jest zależność:

U T = U Kz

(23)

Opisywany model jest prosty i bardzo dobrze oddaje zachowanie kompensatora

UT XSL

W generatorze należy też ustawić napięcie zadane UG, które odpowiada napięciu zadanemu kompensatora:

gdzie: UKz – napięcie zadane kompensatora.

UKz

IkC max

IkL

Model takiego typu bazuje w pełni tylko na części charakterystyki statycznej, która odzwierciedla zakres regulacyjny. Sam model składa się z wyidealizowanego modelu generatora, który do systemu jest przyłączony za pośrednictwem szeregowej reaktancji (np. może to być uproszczony model linii uwzględniający tylko jej reaktancję). Do modelu generatora należy wprowadzić zakres dopuszczalnych zmian mocy biernej, który zależny jest od zakresu regulacyjnego kompensatora. Zakres ten wyznaczamy jako:

S2

U G = U Kz (21)

IkL max sU

QGmin ÷ QGmax

zarówno SVC, jak i  STATCOM, ale tylko w zakresie regulacyjnym obu tych jednostek. Poza tym zakresem model zachowuje się zupełnie inaczej, niż zrobiłby to każdy z tych kompensatorów, a to tego model będzie utrzymywał stałą generację lub pobór mocy biernej (w zależności od tego, które z ograniczeń zostało przekroczone), tak jak ma to miejsce w generatorze. Wynika z tego, że model ten posiada dość poważne ograniczenie w zastosowaniu, gdyż może być wykorzystany jedynie w tych badaniach modelowych, w których odzwierciedlane kompensatory nie wykraczają w czasie pracy poza określony dla nich zakres regulacji. Gdy parametry modelowanego obwodu wymuszą działanie kompensatora poza jego zakresem regulacji, uzyskane wyniki będą obarczone istotnym błędem, tym większym, im dalej znajdzie się kompensator od zakresu regulacji, przy czym błędy te będą większe, z racji specyfiki kompensatorów, dla układu SVC niż dla STATCOM. Zakres zastosowania tego modelu można rozszerzyć poprzez wprowadzenie do niego dodatkowych elementów. Pierwsza z modyfikacji pozwala na dobre zamodelowanie kompensatorów w zakresie części regulacyjnej, jak również poza zakresem regulacji przy niskich wartościach napięć, a więc gdy kompensator pracuje w trybie pojemnościowym. Jednakże w tym przedziale model ten dobrze oddaje jedynie zachowanie układu SVC. Wprowadzona modyfikacja polega na włączeniu w strukturę modelu określonej pojemności, tak jak obrazuje to rys. 6.

G

K

QCn

UG QGmin ÷ QGmax

Rys. 6. Schemat modelu kompensatora – model generatorowy z reaktancją i baterią kondensatorów: S1 – szyna przyłączeniowa kompensatora do systemu, XSL – reaktancja modelująca statyzm, S2 – szyna generatora, G – generator, K – bateria kondensatorów, QCn – moc znamionowa kondensatorów, UG – napięcie generatora

Wprowadzona zmiana wymusza nieco inny sposób określania niektórych parametrów modelu. I tak, wprowadzany zakres dopuszczalnych zmian mocy biernej generatora, zależny od zakresu regulacyjnego kompensatora, wyznacza się zgodnie z zależnościami:

QG min = QK min − QK max (24) QG max = 0 (25) Napięcie zadane w generatorze wyznacza się z zależności:

UG =

U Kz ⋅ S Kn S Kn + sU ⋅ QK max (26)

Zmianie ulega również sposób wyznaczenia wartości reaktancji XSL. Wartość tej reaktancji wyznaczamy z zależności:


R. Kowalak | Acta Energetica 4/17 (2013) | translation 48–55

X SL =

2 sU ⋅ U Kn S Kn ⋅ (1 + sU )

(27)

Wartość wprowadzonej pojemności należy tak dobrać, aby osiągana przez nią moc bierna znamionowa miała wartość równą mocy biernej członu pojemnościowego kompensatora.

QCn = QK max

(28)

Moc bierna całego kompensatora wynika z mocy biernej układu generatora i szeregowej reaktancji XSL oraz mocy kondensatora. Przy prawidłowym wyznaczeniu parametrów modelu kompensatora, dla stanu, w którym kompensator nie pobiera i nie dostarcza do systemu mocy biernej, spełniona jest równość opisana równaniem 23. Model ten dobrze oddaje zachowanie kompensatora typu SVC w zakresie regulacyjnym, jak i przy niskich wartościach napięć w systemie. Ograniczeniem modelu jest to, że nie jest on w stanie poprawnie oddawać zachowania układu SVC przy wyższych wartościach napięć (spoza zakresu regulacji), czyli dla tych, w których kompensator pracuje jako dławik załączony na stałe. Ten rodzaj modelu może być więc wykorzystany do badań zachowania systemu w stanach silnych obciążeń, jak również przy modelowaniu awarii napięciowych charakteryzujących się niskimi wartościami napięć (np. zjawisko lawiny napięcia). Model ten można wykorzystać w badaniach dotyczących zastosowania kompensatora typu STATCOM, ale trzeba pamiętać, że poprawnie zachowa się on tylko w zakresie regulacji tego kompensatora. Druga z modyfikacji pozwala na dobre zamodelowanie kompensatorów w zakresie części regulacyjnej, jak również poza zakresem regulacji przy wysokich wartościach napięć, a więc gdy kompensator pracuje w trybie indukcyjnym. Jednakże w tym przedziale model ten dobrze oddaje jedynie zachowanie układu SVC. Wprowadzona modyfikacja polega na włączeniu w strukturę modelu określonej indukcyjności, tak jak obrazuje to rys. 7. S1

UT XSL

S2 G

D QLn

UG QGmin ÷ QGmax

Rys. 7. Schemat modelu kompensatora – model generatorowy z reaktancją i dławikiem: S1 – szyna przyłączeniowa kompensatora do systemu, XSL – reaktancja modelująca statyzm, S2 – szyna generatora, G – generator, D – dławik, QLn – moc znamionowa dławika, UG – napięcie generatora

Podobnie jak w poprzedzającym modelu, także tu wprowadzona zmiana wymusza nieco inny sposób określania niektórych parametrów modelu. Zakres dopuszczalnych zmian mocy biernej generatora w tym przypadku wyznaczany jest z zależności:

QG min = 0 (29)

QG max = QK max − QK min (30)

Natomiast napięcie zadane w generatorze wyznacza się z zależności:

UG =

U Kz ⋅ S Kn S Kn + sU ⋅ QK min

(31)

Wartość wprowadzonej indukcyjności należy tak dobrać, aby osiągana przez nią moc bierna znamionowa miała wartość równą mocy biernej członu indukcyjnego kompensatora:

QLn = QK min (32) Moc bierna całego kompensatora wynika z mocy biernej układu generatora i szeregowej reaktancji XSL oraz mocy dławika. Przy prawidłowym wyznaczeniu parametrów modelu kompensatora, dla stanu, w którym kompensator nie pobiera i nie dostarcza do systemu mocy biernej, spełniona jest równość opisana równaniem 23. Model ten dobrze oddaje zachowanie kompensatora typu SVC w zakresie regulacyjnym, jak i przy wysokich wartościach napięć w systemie. Ograniczeniem modelu jest to, że nie jest on w stanie poprawnie oddawać zachowania układu SVC przy niższych wartościach napięć (spoza zakresu regulacji), czyli dla tych, w których kompensator pracuje jako kondensator załączony na stałe. Ten rodzaj modelu może być więc wykorzystany do badań zachowania systemu w stanach słabego obciążenia (np. dolina nocna). Model ten można wykorzystać w badaniach dotyczących zastosowania w systemie kompensatora typu STATCOM, ale trzeba pamiętać, że poprawnie zachowa się on tylko w zakresie regulacji tego kompensatora. Na potrzeby obliczeń statycznych można wykorzystać też niektóre modele dynamiczne. 4. Modele dynamiczne 4.1. Model dynamiczny układu SVC Kompleksowy model dynamiczny układu SVC zawiera w swojej strukturze modele transformatora WN/SN, szyny SN, do których przyłączone są moduły TSC, TSR, TCR i FC. Elementem regulującym pracę całego układu jest regulator SVC. Duża część programów symulacyjnych zawiera gotowe wbudowane modele transformatorów, które w takim modelu można wykorzystać. Parametry transformatora należy dobrać do modelowanego układu SVC (moc) oraz do napięć w węźle przyłączenia. Istotnym elementem modelu są filtry wyższych harmonicznych i stałe baterie kondensatorów (moduł FC). W celu ich odzwierciedlenia do szyn SN w modelu podłącza się elementy RLC z odpowiednio dobranymi parametrami. Elementy te nie są poddawane sterowaniu. Elementy TCR, TSC i TSR wymagają w swojej strukturze (przy dokładniejszym modelowaniu) uwzględnienia elementów półprzewodnikowych. Część programów symulacyjnych zawiera gotowe moduły pozwalające na zamodelowanie tych elementów, w innych trzeba łączyć ze sobą elementy LC z modelami łączników półprzewodnikowych. Dostępne modele dynamiczne półprzewodników w programach symulacyjnych z reguły są wystarczające do potrzeb zamodelowania układu

SVC i nie trzeba opracowywać własnych. W przypadku elementu TCR musimy w nim sterować kątem zapłonu tyrystorów (od tego bowiem uzależniona jest wartość susceptancji układu TCR), natomiast w przypadku elementów TSR i TSC przesyłamy do nich sygnały załącz/wyłącz. Moduły, które są sterowane, „zespala” ze sobą regulator układu SVC. Bloki wchodzące w skład tego regulatora są uzależnione od odwzorowywanego rodzaju układu SVC. Ponieważ za standardowy, z punktu widzenia sieci przesyłowej, uważa się układ SVC, zawierający w swojej strukturze elementy typu TCR i TSC, to regulator takiego układu zostanie dalej omówiony. Strukturę przykładowego regulatora zaprezentowano na rys. 8. uAC iAC

BSVS

Regulator napięcia

Regulator TCR

nxcap qmin qmax

α

Regulator TSC

nncap

Rys. 8. Regulator układu SVC typu TCR-TSC

Do regulatora wprowadzane są sygnały wartości względnej napięcia w punkcie przyłączenia kompensatora (uAC), wartości względnej prądu kompensatora (i AC ) mierzonego po stronie wtórnej transformatora WN/SN, stanowiącego jeden z elementów modelu kompensatora, oraz sygnały informujące o liczbie dostępnych (zainstalowanych) członów TSC (nxcap), mocy pojedynczego członu TSC (qmin) i mocy członu TCR (qmax). Sygnałami wyjściowymi jest kąt załączenia tyrystorów TCR (α) oraz liczba aktualnie załączonych członów TSC (nncap). W obrębie regulatora SVC wyróżnione zostały: blok regulacji napięcia (regulator napięcia), blok sterowania TCR (regulator TCR) i blok sterowania TSC (regulator TSC). Na rys. 9 zaprezentowana została struktura regulatora napięcia w układzie SVC. uzad -

uAC

iAC

1

+

du +

2 1+sT2b 1+sT2a

du - B

3 K3 1+sT3

BSVS

K1sT1 1+sT1

Rys. 9. Regulator napięcia układu SVC

Zadaniem regulatora jest kontrola napięcia w punkcie przyłączenia kompensatora. Poprzez porównanie wartości bieżącej napięcia z wartością zadaną określany jest w regulatorze uchyb napięcia i na podstawie jego wartości regulator określa, jaką wartość susceptancji powinien mieć kompensator, aby ten uchyb skompensować. Wartość napięcia zadanego wprowadzana jest do modelu regulatora napięcia przez użytkownika. Zarówno wartości napięć, jak i wartość susceptancji wyrażone są w jednostkach względnych. Dodatkowym elementem jest sprzężenie od prądu kompensatora, które uaktywnia się przede wszystkim w stanach dynamicznych i oddziałuje na układ poprzez wprowadzanie dodatkowego uchybu regulacji napięcia.

59


R. Kowalak | Acta Energetica 4/17 (2013) | translation 48–55

W strukturze regulatora napięcia widoczne są trzy bloki. Pierwszy z nich (1) jest członem korekcyjnym od prądu kompensatora. Drugi (2) to człon korekcyjny napięcia, a trzeci (3) – człon inercyjny. Wzmocnienie członu inercyjnego odzwierciedla statyzm układu. Sygnałem wyjściowym z regulatora napięcia jest wartość susceptancji układu SVC (BSVS), wyrażonej w jednostkach względnych, jaką powinien osiągnąć kompensator. Zadaniem regulatora TCR jest takie wysterowanie kąta zapłonu tyrystorów w module TCR, aby osiągnąć wymaganą względną wartość susceptancji kompensatora, z uwzględnieniem liczby załączonych sekcji TSC. Pewnym utrudnieniem przy modelowaniu jest to, że zależność kąta zapłonu tyrystorów w funkcji susceptancji jest nieliniowa. Ponieważ nie dysponowano gotową zależnością α = f(BTCR), to funkcję tę wyznaczono na potrzeby modelowania i wykorzystano w opracowanym modelu regulatora SVC. Jej kształt zaprezentowano na rys. 10.

Rys. 10. Zależność kąta zapłonu tyrystorów od wartości susceptancji dławika TCR

Zadaniem regulatora TSC jest kontrola i korekta liczby załączonych baterii TSC, w zależności od wymaganej wartości susceptancji BSVS kompensatora. Regulator w swojej strukturze zawiera algorytm sterowania bateriami TSC, który spełnia kilka funkcji, np. może nie pozwolić na równoczesne przełączenie kilku sekcji, z równoczesnym wymuszeniem przełączania pojedynczych sekcji TSC z zachowaniem pomiędzy kolejnymi przełączeniami wymaganego czasu, nie mniejszego niż wynosi czas wyłączenia/załączenia pojedynczej sekcji TSC, czyli czas odpowiadający jednemu okresowi przebiegu napięcia zasilającego. W celu oddania pracy układu TSC konieczne jest też utrzymanie minimalnego czasu pomiędzy załączeniem i wyłączeniem tej samej sekcji TSC (regulator napięcia może próbować wymusić bardzo szybkie naprzemienne zmiany susceptancji układu w czasie szybkozmiennych stanów przejściowych zachodzących w sieci zasilającej). Algorytm można modyfikować w zależności od potrzeb. Regulator, jeżeli sam model modułu TSC takiej funkcji nie ma, powinien zapewniać sterowanie łącznikami sekcji TSC umożliwiające wstępne naładowanie pojemności TSC. 4.2. Model dynamiczny układu STATCOM Kompleksowy model układu STATCOM zawiera w swojej strukturze modele takich elementów, jak transformator WN/SN, szyny SN, przekształtnik PWM, szyny DC oraz baterię kondensatorów.

60

uDCzad uDC

1 1 1+sT1

-

du

+

3 K3 +

imax id

K3 sT3

imin uACzad uAC

2 1 1+sT2

4

+

K4 +

-

6

K4 sT4

5

Limiter q

imax iq

imin

K5 1+sT5

Rys. 11. Regulator układu STATCOM

Podobnie jak w modelu SVC, także tutaj jednym z jego elementów jest transformator. Parametry transformatora należy dobrać do modelowanego układu STATCOM (moc) oraz do napięć w węźle przyłączenia. Najważniejszym z elementów modelu układu STATCOM jest model przekształtnika i układu jego sterowania. Podobnie jak w przypadku transformatorów, w wielu programach symulacyjnych dostępne są gotowe modele przekształtników umożliwiające modelowanie stanów dynamicznych, co wyklucza potrzebę tworzenia własnego modelu. Ważne jest jednak, aby być zorientowanym w ograniczeniach takiego modelu. W modelu STATCOM przekształtnik obciążony jest po stronie napięcia wyprostowanego pewną pojemnością. Wartość jej dobieramy do modelowanego układu STATCOM. Należy tu zaznaczyć, że o wartości mocy znamionowej układu decyduje moc przekształtnika, natomiast wartość pojemności ma przede wszystkim wpływ na zachowanie układu w stanach szybkozmiennych. Drugi z ważnych bloków to układ sterowania STATCOM. W tym przypadku sterujemy tylko jednym elementem – przekształtnikiem. Strukturę regulatora układu STATCOM zaprezentowano na rys. 11. Do układu sterowania STATCOM wprowadzane są sygnały pomiarowe napięcia w punkcie przyłączenia do sieci napięcia przemiennego (u AC ) oraz wartość napięcia w obwodzie DC (uDC), wyrażone w jednostkach względnych. W regulatorze zadawane są wartości napięć, jakie układ ma utrzymywać w obwodzie AC (uACzad) i DC (uDCzad). Sygnałami wyjściowymi regulatora są wartości prądu w osiach d (id) i q (iq), wyrażone w jednostkach względnych, służące do odpowiedniego wysterowania przekształtnika. Bloki 1 i 2 w modelu regulatora odzwierciedlają opóźnienie sygnałów pomiarowych napięć. Blok 3 pełni rolę regulatora napięcia w obwodzie DC, przy czym sygnał wyjściowy w postaci składowej prądu przekształtnika w osi d jest tak ograniczany, aby prąd nie przekroczył wartości dopuszczalnej dla przekształtnika. Blok 4 pełni taką samą rolę jak bloku 3, ale w obwodzie AC, a jego sygnał wyjściowy nie jest ograniczany w nim, lecz w kolejnym bloku (6), który pełni rolę ogranicznika

składowej prądu przekształtnika w osi q, w zależności od wartości składowej prądu w osi d i dopuszczalnej wartości prądu przekształtnika. Blok 5 znajduje się w pętli sprzężenia zwrotnego toru regulacji napięcia AC i pozwala m.in. na wprowadzenie statyzmu do modelu. Przy opracowywaniu modelu układu kompensatora typu STATCOM wykorzystano możliwość sterowania przekształtnika w osiach d i q. W przeciwieństwie do układu SVC, gdzie regulacja dotyczyła tylko jednego parametru (napięcie w punkcie przyłączenia do sieci napięcia przemiennego), w układzie STATCOM istnieje konieczność kontrolowania wartości dwóch napięć: napięcia na pojemności w obwodzie DC oraz napięcia w punkcie przyłączenia do sieci zasilającej. Dlatego też w  układzie regulacji mamy dwa tory. Pierwszy związany jest z regulacją napięcia w obwodzie DC, a drugi – AC. Regulacja napięcia w obwodzie DC związana jest z poborem mocy czynnej z systemu elektroenergetycznego, a więc należy tak sterować przekształtnikiem, aby regulować składową czynną prądu przekształtnika. Regulacja napięcia w punkcie przyłączenia do systemu elektroenergetycznego związana jest ze sterowaniem przepływu mocy biernej pomiędzy systemem a STATCOM. W tym przypadku należy tak sterować przekształtnikiem, aby regulować składową bierną prądu przekształtnika. Wartość prądu przekształtnika w osi d odpowiada składowej czynnej, a w osi q składowej biernej, dlatego też taki sposób sterowania wykorzystano przy opracowaniu modelu. Układ STATCOM nie może poprawnie pracować, jeżeli dojdzie do rozładowania kondensatorów w obwodzie DC przekształtnika. Uwzględniając to, przyjęto jako nadrzędny tor regulacji napięcia w obwodzie DC. Ponieważ w pracy kompensatora ważnym ograniczeniem jest wartość prądu przekształtnika, stąd w modelu wprowadzono ograniczenia wartości składowych prądu przekształtnika w osi d i q. Uwzględniając, który z torów jest nadrzędny, uzależniono w modelu ograniczenie wartości składowej biernej od aktualnej wartości składowej czynnej prądu w taki sposób, aby nie dopuścić do


R. Kowalak | Acta Energetica 4/17 (2013) | translation 48–55

przekroczenia wartości dopuszczalnej prądu przekształtnika. 5. Podsumowanie Celem opracowania modeli statycznych kompensatorów było ich możliwie najlepsze odzwierciedlenie pod kątem obliczeń rozpływowych,wykonywanychna różnychmodelachsieci zasilających. Dążono do w miarę dokładnego odwzorowania kompensatorów połączonego z przystępną „obsługą” modeli. Cel ten osiągnięto w zakresie modelowania układu SVC w znacznym obszarze stanów jego pracy, natomiast dla układu STATCOM tylko dla zakresu regulacji. Celem opracowania modeli dynamicznych było prowadzenie analiz pracy układów zasilania w stanach przejściowych. Cechą tych modeli jest to, że umożliwiają zamodelowanie kompensatorów o różnych parametrach. W modelu użytkownik sam może dobrać transformator i moc urządzenia, a także wpływać na jego dynamikę poprzez odpowiedni dobór parametrów. Istnieje też możliwość bezpośredniej ingerencji w algorytmy sterowania.

Zaprezentowane modele zostały wykorzystane w badaniach symulacyjnych, dotyczących analizy stanów pracy sieci elektroenergetycznej, prowadzonych w programach PLANS oraz DIgSILENT PowerFactory. Bibliografia 1. Acha E. i in., FACTS Modelling and Simulaton in Power Networks, John Wiley & Sons, LTD. 2. Castro M.S. i in., Impacts of FACTS Controllers on Damping Power Systems Low Frequency Elektromechanical Oscillations, IEEE/PES Transmission & Distribution Conference & Exposition: Latin America 2004. 3. Kow a l a k R . , Ma ł k ow s k i R . , Energoelektroniczne kompensatory bocznikowe jako sterowane źródła mocy biernej, Acta Energetica 2011, nr 1. 4. Mahdad B. i in., Strategy of Location and Control of FACTS Devices for Enhancing Power Quality, May 16–19, Benalmádena (Málaga), Spain, IEEE MELECON 2006.

5. Moghavvemi M., Faruque M.O., Effect of FACTS Devices on Static Voltage Stability, IEEE 2000. 6. Nabae A., Yamaguchi M., Supression of Flicker in an Arc-Furnace Supply System by an Active Capacitance – A Novel Voltage Stabilizer in Power Systems, IEEE Transactions on Industry Applications 1995, Vol. 31, No. 1, January/February. 7. Padiyar K.R., Prabhu N., Design and Performance Evaluation of Subsynchronous Damping Controller With STATCOM, IEEE Transactions on Power Delivery 2006, Vol. 21, No. 3, July. 8. Zajczyk R., Modele matematyczne systemu elektroenergetycznego do badania elektromechanicznych stanów nieustalonych i procesów regulacyjnych, Gdańsk 2003. 9. Zhang X-P., Handschin E.J., Optimal power flow control by converter based FACTS controllers, AC-DC Power Transmission, 28–30 November 2001, Conference Publication No. 485 © IEE 2001.

Robert Kowalak

dr inż. Politechnika Gdańska e-mail: r.kowalak@ely.pg.gda.pl Wychowanek Politechniki Gdańskiej. Pracuje w Katedrze Elektroenergetyki Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej na stanowisku adiunkta. Jego zawodowe zainteresowania obejmują: układy energoelektroniczne dużych mocy (FACTS, HVDC), modelowanie pracy układów energoelektronicznych w systemie elektroenergetycznym, współpracę układów zasilania z elektroenergetyką trakcyjną.

61


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

Calculation of Initial Short-Circuit Currents in Medium Voltage Networks According to the Standard PN-EN 60909 Authors Krzysztof Księżyk Tomasz Zdun

Keywords short-circuit calculations, initial short-circuit current, electrical equipment models

Abstract Determining the short-circuit currents is usually conducted by network analyses. An important feature of this calculation is carried out according to the recommendations of the standard PN EN 60909. This paper describes the models of the basic elements of the network with the method of determining the impedance parameters including correction factors introduced by the standard. Thevenin’s method connected with the nodal method are presented and used to determine the initial short-circuit for the example medium voltage network. Results are compared with the ones obtained without taking into account the correction factors.

DOI: 10.12736/issn.2300-3022.2013406

1. Introduction Investments in power engineering infrastructure, such as the construction of new power lines and the installation of transformers or power generating units at power plants are all preceded by numerous analyses, including technical evaluations. One of such studies is the estimation of expected values of short-circuit currents. Short-circuits within networks may not be entirely eliminated; therefore, power engineering systems must be suitably prepared. This primarily means the correct selection of connecting equipment and of the cross-sections of cables and busbars. Additionally, the results of short-circuit calculations may be decisive to the introduction of factors limiting the values of short-circuit currents – e.g. selection and installation of currentlimiting reactors, use of high-speed circuit-breakers which prevent the current from reaching its peak value, etc. In order to control the level of short-circuit power, short-circuit calculations should also be conducted during the on-going use of power engineering systems and when changing their network topology. The accuracy of short-circuit calculations has a considerable impact on the safety of power engineering systems themselves as well as human safety. During a short-circuit condition, currents with an intensity several times higher than operating currents may be flowing through network elements. The circuit where the shortcircuit occurred must be immediately deactivated by opening the circuit-breaker – the selection of the correct connecting equipment is of vital importance here. If the circuit-breaker’s connecting capacity is insufficient, it will not be capable of suppressing the arc which may occur during the opening of the contacts. In such an 62

event, the equipment will become damaged and the failure may cover a larger area of the network which may result in significant losses. On the other hand, installation of circuit-breakers with rated current with breaking capacity which is much larger than expected currents is unjustified from an economic point of view. Short-circuit calculations cover a wide range of subjects [1, 2, 3]. The most crucial element is the designation of values characteristic to the short-circuit current flow i(t). In the RL circuit of alternating current which is shown in Fig. 1, after the closure at instant t = 0 of the connector, current i(t) will flow, as described by the equation (1).

Fig. 1. RL circuit of alternating current

R

i( t ) =

− t 2E 2E sin(ωt + δ − ϕ ) − sin(δ − ϕ )e L Z Z (1) i( t ) = i A.C + i D .C


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

where: Z = R 2 + (ωL )2 – module of transfer impedance of a closed circuit, φ = arctg(ωL/R) – argument of transfer impedance of a circuit, E – root-mean-square of voltage source, δ – voltage angle at instance t = 0 of short-circuit occurrence, ω = 2πf – pulsation. There may be two components identified in equation (1). The first one relates to the alternating current component iAC, forced in the circuit by the voltage source. The second component is an aperiodic component of the short-circuit current iDC, fading with time consonant R/L. It occurs when the current in the circuit cannot change using the step mode, so the sum of two components in the first instance of the short-circuit condition must be equal to the current before the short-circuit condition. Most frequently, before the short-circuit condition occurs, a current-free mode is assumed, so that the instantaneous value of the current at the point when the short-circuit condition occurs equals zero (i(0+) = i(0) = 0). If the short-circuit condition occurs at such an instant that the condition δ - φ = π/2 is fulfilled, then the direct-current component assumes the maximum initial value. Consequently, it results in the i(t) assuming the largest instantaneous value. Such a situation is shown in Fig. 2. In addition, the following characteristic values are presented: • initial short-circuit current I’’k – component rms value • periodical short-circuit component at the first instance of the short-circuit condition • steady-state short-circuit current Ik

flux gradually enters the impeller which increases the reactance value of the generator. In the first instance of the short-circuit condition the reactance is the lowest and assumes a value of 15% (subtransient state), during the short-circuit condition it increases to approx. 30% (transient state) and then it reaches the maximum value ~200% (steady state). As a result, the reactance of the circuit increases during the short-circuit condition and the amplitude of the short-circuit current decreases (Fig. 3).

Fig. 3. Flow of the short-circuit current i(t) in the RL circuit of the alternating current at a short-line fault

Short-circuit calculations should be conducted in compliance with relevant current standards. In 2002, the Polish Committee for Standardization (PKN) approved the international standard IEC 60909:0 [4] as valid in Poland, in this way adapting the Polish standards to the ones in force within the European Union. The standard also defines the principal symbols of short-circuit values which enables to eliminate any ambiguities in the design documentations. Also, the use of a single standard and single type of designations facilitates the work performed and lowers the costs for power engineering companies present on the common European market.

2. Calculation of I’’k acc. to the specifications of the PN-EN 60909 standard Fig. 2. Flow of the short-circuit current i(t) in the RL circuit of the alternating current at a distant short-circuit condition

• peak current ip – the largest instantaneous value of the short-circuit current • aperiodic component of the short-circuit current iDC. During short-circuit conditions far from the generator, the initial short-circuit current values and the values of the steadystate short-circuit current are equal. However, in the event of short-circuit conditions near synchronous machines, the values of the steady-state short-circuit current are lower [1, 3]. This is a result of the change of the flux route within the generator during the short-circuit condition. Initially, the flux is pushed out of the impeller by the induced currents in the damper cage and in the field winding. These currents fade with time and the

Calculation of short-circuit values acc. to the specifications of the standard consists of two stages. The first step is the calculation of the initial short-circuit current I 'k' . Next, it is converted using auxiliary indicators into other short-circuit values, such as the surge current. This approach is certainly simplified; however, it has been widely used in engineering calculations for many years and it has been verified on many occasions [3]. The standard recommends the use of Thevenin’s principle in order to calculate the value I 'k' . To summarize the theory, it describes the introduction of substitute voltage load between the short-circuit location and the earth and on the short-circuit location of all other voltage sources – generators [1]. When constructing a short-circuit model of a given network, the following assumptions are accepted: • all branches to earth are omitted (branch capacity, branches responsible for losses in the no-load running mode of the 63


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

transformer, non-rotating acceptances) • transformer ratios are equal to their rated values, and in transformers operating in parallel, equal to the arithmetic average of their rated values • during the short-circuit condition no changes occur both in the network and in the character of the short-circuit condition • no currents flow in the network prior to the short-circuit condition. The value of the source volume introduced in the location of the short-circuit is cUn, where the voltage factor c should be selected according to Tab. 1. The initial three-phase short-circuit current may be calculated using the formula (2).

I k'' =

cU n 3 ⋅ Zk

short-circuit currents and the last document [8] includes calculation examples. The five listed documents provide together cohesive guidelines which should be followed when calculating principal short-circuit values.

3. Short-circuit calculations using the node potential method In the case of a network with a large number of branches and nodes, manual circuit transformation would be very timeconsuming. In such circumstances, numerical algorithms based on the node potential method are used [1, 2, 3]. The first step is the creation of the admittance matrix Y, and then the matric equation is solved (3).

(2)

where: c – voltage factor assumed in accordance with Tab. 1, Un – rated voltage at the short-circuit location, Zk – short-circuit impedance.

I =Y ⋅U  I 1 = 0  Y 11 Y 12  I = 0 Y  2  =  21 Y 22           I k = ?  Y k1 Y k 2

 Y 1k   U 1 = ?   (3)   Y 2 k   U 2 = ?  ⋅        U = c ⋅U n    Y kk   k 3  

Voltage factor for calculations Network rated voltage Un

maximum short-circuit current cmax

minimum short-circuit current cmin

LV network 100 V – 1000V

1.05* 1.10**

0.95

MV network >1 kV up to 35 kV

1.10

1.00

HV and EHV network >35 kV

* for LV network with tolerance of +6%, e.g. for networks with voltage increased from 380 to 400 V ** for LV network with tolerance of +10% Tab. 1. Voltage factor value [4]

The short-circuit impedance Zk which features in the equation (2) is a network impedance seen from the terminals of the substitute voltage source introduced in the short-circuit location (with all closed generator nodes). In order to calculate it, many transformations need to be performed within the network – parallel and series branch connections and star-triangle conversions. The principal difference between the PN-EN 60909 standard and the previously valid standards relates to the correction of impedance of synchronous generators and transformers through appropriate correction factors. Their application is to compensate for some simplifying assumptions such as the no-load running mode of the transformer or not taking into consideration the regulation of the transformer ratios. The simplicity of the equation (2) and Thevenin’s principles are such important advantages that they were kept, while error reduction is achieved by means of impedance correction [3]. The standard also applies to four documents. The first document [5] explains the origin of the correction factors, the second [6] specifies typical values of electric parameters for the principal elements of power engineering systems, the third document [7] includes guidelines which should apply when calculating double 64

where: I={I1, I2,…, Ik} – node current vector, U={U1, U2,…, Uk} – node voltage vector, Y – admittance matrix of self-admittances and mutual admittances in networks after the application of Thevenin’s principle, k – node index where the short-circuit condition occurred. The node current vector from the equation (3) contains only zeros apart from the element representing the node where the short-circuit condition occurred. Its node current is equivalent to the short-circuit current. Elements of the voltage vector, the right side of the equation (3) are unknown with one exception: voltage in the short-circuit location in the Thevenin’s network is equal cUn/√3 (phase value). On reversal of the Y matrix, the result is (4).

U = Z ⋅ I (4) where: Z – short-circuit impedance matrix created as a result of the admittance matrix reversal. The matrix equation is a method of recording linear equations. The last row of the system of equation (4) relating to the node where the short-circuit condition occurred (index k), can be recorded in the following way: Uk =

∑Z i

ki

c ⋅U n 3

⋅ I i = Z k1 ⋅ I 1 + Z k 2 ⋅ I 2 +  + Z kk ⋅ I k = Z k1 ⋅ 0 + Z k 2 ⋅ 0 +  + Z kk ⋅ I k c ⋅U n 3

(5)

= Z kk ⋅ I k

As the node current for the closed node Ik is equal to the shortcircuit current I k’’, the initial short-circuit current can be calculated accordingly: ''

Ik =

c ⋅U n (6) 3 Z kk


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

From the equation (4), a row can be singled out which relates to any node j, creating in such a way a formula for voltage in node j with the short-circuit condition k. Uj=

∑Z i

ji

K T = 0 ,95

⋅ I i = Z j1 ⋅ I 1 + Z j 2 ⋅ I 2 +  + Z jk ⋅ I k

(7)

U j = Z k1 ⋅ 0 + Z k 2 ⋅ 0 +  + Z jk ⋅ I k U j = Z jk ⋅ I k

It should be emphasized that this is the voltage in a network after the application of Thevenin’s principle and not the actual voltage. On the identification of voltages in each node of the network, current values in branches may be calculated using the Ohm’s law.

I i− j =

U i −U Z ij

j

In accordance with the standard PN-EN 60909, the transformer impedance is multiplied by a correction factor KT, i.e. ZTK = KT ZT. The value of the factor KT is calculated using the equation (10).

(8)

where: i, j – indexes of the initial and final nodes of a given branch, Zij – branch impedance between nodes i and j (from branch parameters and not from the impedance matrix).

cmax (10) 1 + 0 ,6 xT

where: cmax – voltage factor from Tab. 1 relating to the network value on the lower voltage side of the transformer, xT – the reactance of the transformer expressed in relative units, xT = uXr / 100%. Fig. 4 presents a diagram with the values of the factor KT in the function of the short-circuit voltage ukr. Values lower than 1 result in the reduction of the transformer’s short-circuit impedance and, consequently, the value of the short-circuit current will be higher than without taking into consideration the correction factors. From the equation (10), the limiting value xT(gran) may be calculated above which the correction factor will be lower than 1. For cmax = 1.1 the limiting value is xT(gran) = 7.5%, while for cmax = 1.05 the correction factor is always lower than 1.

4. Electrical equipment models 4.1. Lines Electricity power lines are modelled via reactance and resistance connected in series, and their values for a positive component are the same as in the case of other calculations, e.g. when calculating the distribution of power. In short-circuit calculations, transverse branches are omitted – i.e. the capacitance and resistance stemming from the leakance. Only in the case of single-phase shortcircuit conditions in networks with a neutral point insulated or earthed by means of impedance (MV networks) should the capacitances to earth for the zero component be considered.

4.2. Two-winding transformers Two-winding transformers (with the exception of unit transformers) for the positive and negative components are modelled as a connection in series of reactances, resistances and ideal transformer ratio. The reactance and resistance of a transformer is calculated on the basis of a short-circuit test, from equations (9a-c). u Rr =

PkrT ⋅ 100% 1000 ⋅ S rT

u Xr = u kr 2 − u Rr 2

(9a)

(9b)

2 u  u  U Z T = RT + jX T =  Rr + j Xr  ⋅ rT 100%  S rT  100%

(9c)

where: UrT – rated voltage of the transformer (main side or lower side) [kV], SrT – rated power of the transformer [MVA], PkrT – losses in the transformer windings during a short-circuit test [kW], ukr – transformer short-circuit voltage expressed in percentages, uRr and uXr – respectively, active and non-active components of the short-circuit voltage, expressed in percentages.

Fig. 4. Diagram of the value of the correction factor KT for a two-winding transformer in the function of the short-circuit voltage ukr

4.3. Three-winding transformers Three-winding transformers for the purpose of short-circuit calculations are modelled in the form of three branches connected using a star system. Each branch relating to one of the windings (designated with letters A, B and C) consists of resistance and reactance connected in series. In addition, the branches relating to windings B and C include the ideal transformer ratio. Impedance values are calculated in a similar way as the twowindings transformers (equations 9a-c).The main difference is that from the results of the short-circuit tests, three impedances are calculated, one for each pair of windings (equation 11a-c). 2 u u  U Z AB = R AB + jX AB =  RrAB + j XrAB  ⋅ rT % 100 100 % S   rTAB

(11a)

2 u u  U Z AC = R AC + jX AC =  RrAC + j XrAC  ⋅ rT 100%  S rTAC  100%

(11b)

65


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

2 u u  U Z BC = RBC + jX BC =  RrBC + j XrBC  ⋅ rT 100%  S rTBC  100%

(11c)

where: UrT – rated voltage of the transformer [kV], SrTAB, SrTAC , SrTBC – through-power of the individual pairs of windings [MVA], uRrAB and uXrAB – active and non-active components of the short-circuit voltage during the AB short-circuit test (side C open), expressed in percentages, uRrAC and uXrAC – active and non-active components of the shortcircuit voltage during the AC short-circuit test (side B open), expressed in percentages, uRrBC and uXrBC – active and non-active components of the shortcircuit voltage during the BC short-circuit test (side A open), expressed in percentages, The impedances of the pairs of windings, in accordance with the specifications of the standard, are corrected by correction factors defined by equations (12a-c), i.e. ZABK = KTAB ZAB, ZACK = KTAC ZAC and ZBCK = KTBC ZBC. K TAB = 0 ,95

cmax (12a) 1 + 0 ,6 xTAB

K TAC = 0,95

K TBC = 0,95

cmax (12b) 1 + 0,6 xTAC

cmax 1 + 0,6 xTBC

(12c)

where: cmax – voltage factor from Tab. 1, xTAB, xTAC, xTBC – reactances of pairs of windings of the transformer expressed in relative units, xTA B = uXrAB / 100%. The impedances of respective windings may be calculated by means of a transformation defined by the equations (13a-c). Z AK = 0 ,5 ⋅ (Z ABK + Z ACK − Z BCK ) (13a)

Z BK = 0,5 ⋅ (Z ABK + Z BCK − Z ACK ) (13b) Z CK = 0,5 ⋅ (Z ACK + Z BCK − Z ABK ) (13c)

4.4. Generators For the purpose of short-circuit calculations, generators are modelled by means of the subtransient reactance multiplied by the correction factor KG, calculated using the equation (14). This only applies to machines directly connected to the network, e.g. in the case of industrial networks or MV distribution networks, while for generators operating in a block with a transformer, the standard defines another equation for the correction factor.

Un c max ⋅ (14) U rG 1 + x d '' ⋅ sin ϕ rG where: cmax – voltage factor from Tab. 1, UrG – rated voltage of the generator, Un – rated network voltage, xd’ ’ – reactance of the generator in relative units, φrG – angular displacement between the current and voltage in nominal operating conditions of the generator. KG =

66

4.5. Induction motors When calculating the minimum value of the initial short-circuit current, the influence of induction motors is omitted. During the calculation of the maximum value of the current I ‘k’ it is permissible to omit the impact of the motors if it is lower than 5% (in relation to the short-circuit current calculated without that impact). For the positive and negative component, induction motors are modelled using impedance defined by the equation (15). ZM =

I LR

U 2 1 ⋅ rM / I rM S rM

(15)

where: ILR /IrM – ratio of the current which is being consumed while the impeller is blocked to the rated current of the motor, UrM – rated voltage, SrM – rated power. When calculating values of resistance and reactance of a motor, the following dependencies may be used with sufficient accuracy: • RM/XM: = 0,1 and XM = 0.995 ZM for MV motors with power assigned to a pair of poles PM ≥ 1MW • RM/XM: = 0.15 and XM = 0.989 ZM for MV motors with power assigned to a pair of poles PM < 1MW • RM/XM: = 0.42 and XM = 0.922 ZM for LV motors.

4.6. Generator-transformer unit The standard includes separate recommendations for a generator-transformer unit. In addition, it differentiates a unit with a transformer with an on-load tap changer from a unit with a transformer without such a changer or with a deactivated regulation function. In the first case, both impedances, belonging to the generator and transformer, should be multiplied by the correction factor KS defined by the equation (16). KS =

U nQ 2 U rTLV 2 cmax (16) ⋅ ⋅ U rG 2 U rTHV 2 1 + xd '' − xT ⋅ sin ϕ rG

where: cmax – voltage factor from Tab. 1, UrG – rated voltage of the generator, UnQ – rated network voltage, xd’ ’ – reactance of the generator in relative units, φrG - angular displacement between the current and voltage in nominal operating conditions of the generator. Fig. 5 presents a diagram showing the change of the value KS depending on |xd’ ’ –xT|. At the same time, the rated voltages of the generator and the lower voltage side of the transformer are deemed to be equal, while the voltage of the HV side of the transformer is deemed to be 10% higher in relation to the network voltage. The characteristics show that the introduction of a correction factor lowers the impedance of the unit. Additionally, the values of the factor KS are decreased to the same degree as the difference is large between the reactances of the generator and unit transformer in relative units.. In a situation when the unit transformer is not equipped with an on-load tap changer or its regulation system is deactivated (one of the tap changers is permanently fixed), the standard recommends the use of the correction factor KSO defined by the equation (17).


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

K SO =

U nQ

U rG (1 + pG )

U rTLV cmax ⋅ (1 ± pT )⋅ U rTHV 1 + xd '' ⋅ sin ϕ rG

(17)

where: 1+pG – factor increasing UrG to the voltage present in a continuous manner on the generator contacts (e.g. pG = 0.05), 1±pT – factor including the change of the unit transformer ratio by the on-load tap changer permanently fixed on one level, the remaining as in the formula (16).

4.7. Short-circuit condition within a generator-transformer unit with an on-load tap changer A particular case is the calculation of currents during a shortcircuit condition between a generator and unit transformer, including within a network powered by an auxiliary transformer. When calculating the rate in the short-circuit current, the generator impedance is corrected with a factor defined by the equation (18a), while the transformer impedance is corrected with a factor defined by the equation (18b).

Fig. 5. Diagram of the value of the correction factor KS for a generatortransformer unit with an on-load tap changer, assuming UrG = UrTLV and UrTHV = 1.1 · UnQ

K G ,S = K T ,S = 1

cmax

1 + xd '' ⋅ sin ϕ rG

(18a)

(18b)

where: KG,S – factor correcting generator impedance, KT,S – factor correcting transformer impedance, remaining as in the equation (16). For the purpose of calculating the total short-circuit current or the sum of rates relating to the generator and transformer – e.g. flowing through the HV windings of the auxiliary transformer, the impedances of the elements are corrected by factors defined by the equations (19a) and (19b).

K G ,S =

K T ,S

c max

(19a)

1 + x d '' ⋅ sin ϕ rG

c max = 1 − xT ⋅ sin ϕ rG

(19b) where: KG,S – factor correcting generator impedance, KT,S – factor correcting transformer impedance, remaining as in the equation (16). The above-mentioned equations confirm that the sum of rates relating to the generator and transformer, calculated with the consideration of the factors (18 a–b), is not equal to the shortcircuit current calculated using the factors defined by the equations (19 a–b).

5. Test network The technical report IEC/TR 60909-4 [8], included in the standard, contains a collection of examples together with solutions, which illustrate a method of calculating short-circuit values. One of the test networks described in the report is presented in Fig. 6. It is an industrial network which consists of a generator with a unit transformer as well as an auxiliaries unit. Detailed parameters of all the elements included in this network may be found in the above-mentioned document. To the 220 kV busbars, two equivalent power engineering systems are connected – one with short-circuit power of 8002 MVA, and the second with short-circuit power of 20005 MVA, but during a short-circuit condition in a given location, only one of them is active. The smaller one is active during a short-circuit condition in a point marked F1, while the larger during a shortcircuit condition within MV network – nodes F2, F3 and F4. The transformer T with an underload ratio control forms a power generating unit together with generator G with power of 250 MVA. In the event of a short-circuit condition in node F1, their impedance is corrected by a factor defined by the equation (16). In the event of a short-circuit condition in node F2, rates in the short-circuit current are calculated, originating in the generator and then flowing though the transformer from the system. Therefore, factors are then used which are defined by the equations (18a) and (18b). For short-circuit conditions in F3 and F4, the total current originating in the generator and system is of great importance, therefore, the factors defined by equations (19a) and (19b) apply in this case. To both busbars 10 kV, powered by an auxiliary transformer, 21 motors with total power of 44.39 MW are connected. In addition, via MV/LV transformers, motors are connected with total power of 10.1 MW. It can be concluded that in view of the number and total power of these motors, the analysis of short-circuit conditions in points F2, F3 and F4 requires the consideration of their operation. In the event of a short-circuit condition in node F1, two variants are considered: with deactivated and activated motors – in order to check their impact on the level of the shortcircuit current. The calculations were performed using the PlansSN program. The software is dedicated to analyses conducted in MV networks, 67


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

Fig. 6. MV test network modelled using the PlansSN program

and it enables simple modelling of complex systems by means of introducing rated parameters of its elements. The program calculates short-circuit currents in accordance with the standard PN-EN 60909, but also enables the calculations to be conducted without taking into consideration correction factors.

6. Calculation results Tab. 2 lists values of correction factors calculated for test network elements. Attention should be paid to the fact that for the generator and unit transformer, three values are provided, depending on the analysed location of the short-circuit condition. The lowest value, equal to 0.913, achieves the correction factor for the generator-transformer unit in the case of calculating the short-circuit condition on busbars 220 kV. This means that the impedances of these two elements will be lower, while the short-circuit current higher, than in the calculation which does not take the factors into consideration. When calculating the short-circuit current in points F3 and F4 – i.e. inside the auxiliary network of the units, the correction factor for the unit transformer achieves the value of 1.214, and as a result, the transformer impedance increases and the short-circuit current decreases. The factors calculated for the remaining elements are nearer to uniformity, and therefore, it should be expected that their impact on the impedance and value of the short-circuit values will be lower.

68

Element G

T

AT

K

Remarks

0.913

short-circuit condition in F1

0.994

short-circuit condition in F2 (rates)

0.994

short-circuit condition in F3 and F4

0.913

short-circuit condition in F1

1.000

short-circuit condition in F2 (rates)

1.214

short-circuit condition in F3 and F4

1.003

K TAB

1.003

K TAC

0.969

KTBC

T20, T26

0.963

T15... 19 and T21… 25

1.009

Tab. 2. Correction factors for the impedances of the test network elements

The calculation results for short-circuit currents in respective nodes of the test network are listed in Tab. 3 – the second column lists values calculated according to the specifications of the standard PN-EN 60909, while the third column lists values calculated for the models without taking the correction factors into consideration. The results confirm the analysis of values specified in Tab. 2. In the case of a short-circuit condition in point F1 (without induction motors), the inclusion of the factors has resulted in the increase of the short-circuit current rate originating in the


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

generator-transformer unit by nearly 10%. For the short-circuit condition in the auxiliaries network, the rate from the generator and from the system (via the unit transformer) is lower by approx. 8% for point F3 and nearly 2% for F4. The inclusion of the correction factors in the test network has a considerable effect on the value of the short-circuit current originating in the second section with the motors. The rate of this current increases by over 20%, which means a change of 200 A. The operation of the motors during the analysis of the shortcircuit condition in node F1 results in the increase of the rate originating in the generator-transformer unit by 7%. However, because it is the short-circuit power of the equivalent power engineering system which is responsible for the value of the short-circuit power in point F1, the influence of the motors on the total short-circuit current is negligible and is equal to 0.6%. The sum of current rates originating in the generator I”KG and unit transformer I”KT, calculated during the short-circuit analysis in node F2 is 44 731 A + 46 811 A = 91 542 A. However, the total rate originating in the generator and the system, calculated when analysing the short-circuit condition in point F3, is considerably lower and amounts to 83 781 A. The difference is a result of assuming various correction factors for these two cases, as recommended by the standard. Value

PN-EN 60909

Models without correction factors

Difference

Short-circuit condition in (without the participation of motors) I”k

23 064

22 884

0.8%

I”kT

2 076

1 895

9.6%

Short-circuit condition in F1 (with the participation of motors) I”k

23 200

23 021

0.8%

I” kT

2 211

2 030

8.9%

Short-circuit condition in F2 (rates) I” kG

44 731

44 473

0.6%

I” kT

46 811

46 811

0.0% –7.7%

Short-circuit condition in F3 I”k

90 100

97 663

I” kG + T

83 781

91 281

–8.2%

6 360

6 423

–1.0%

I” k AT

Short-circuit condition in F4 I”k

28 706

28 853

–0.5%

I” k AT

18 404

18 552

–0.8%

I” kAT(HV)

8 647

8 816

–1.9%

I” kAT(TV)

1 119

927

20.7%

kT15... kT19

381

382

–0.3%

I” kT20

383

379

1.1%

I” kM1

1 989

1 989

0.0%

Tab. 3. Calculation results for the MV test network, current values in [A]

principle together with the node potential method is wellknown and has been used for many years, the correction factors provide a crucial change in relation to the subject matter above. In accordance with the principles presented by the authors of the standard, the correction factors are to compensate for the errors resulting from the accepted simplifying assumptions. The results of short-circuit analyses of test networks show that the introduced correction factors have a great impact on the calculated values of the short-circuit currents. This applies in the highest degree to rates originating in transformers and generators. As the distance from power generating stations decreases, and in particular from radial systems, the rate of the transformers within a short-circuit impedance Zkk decreases, and the rate originating in the connectors and cables increases. As line impedances are not corrected by means of correction factors, the short-circuit current values calculated according to the specifications of the new and previous standards, will in this case be more convergent. The standard specifies three separate cases for the generatortransformer unit, depending on the short-circuit location. Each case possesses different equations for the calculation of correction factors. In order to obtain correct results, it is crucial to ensure that the applicable variations are suitably considered. REFERENCES

1. Kujszczyk S. et al., Elektroenergetyczne układy przesyłowe [Power transmission systems], Warsaw 1997, pp. 193–217. 2. Barnaś K. et al., Laboratorium podstaw elektroenergetyki [Laboratory of power engineering principles], Warsaw 2003, pp. 115–129. 3. Kacejko P. , Machowski J., Zwarcia w systemach elektroenergetycznych [Short-circuits in power systems], Warsaw 2002. 4. PN-EN 60909-0:2002, Prądy zwarciowe w sieciach trójfazowych prądu przemiennego, Część 0: Obliczanie prądów [Short-circuit currents in three-phase a.c. systems – Part 0: Calculation of currents]. 5. IEC/TR 60909-1: Short-circuit currents in three-phase a.c. systems, Part 1: Factors for the calculation of short-circuit currents according to IEC 60909-0, 2002-07. 6. IEC/TR 60909-2: Short-circuit currents in three-phase a.c. systems, Part 2: Data of electrical equipment for short-circuit current calcula­ tions, 2008-11. 7. PN-EN 60909-3:2010: Prądy zwarciowe w sieciach trójfazowych prądu przemiennego, Część 3: Prądy podwójnych, jednoczesnych i niezależnych, zwarć doziemnych i częściowe prądy zwarciowe płynące w ziemi [Short-circuit currents in three-phase a.c. systems, Part 3: Currents during two separate simultaneous line-to-earth shortcircuits and partial short-circuit currents flowing through earth]. 8. IEC/TR 60909-4: Short-circuit currents in three-phase a.c. systems, Part 4: Examples for the calculation of short-circuit currents, 2000-07.

7. Conclusions Calculations of short-circuit currents are crucial to the design and use of power engineering systems. The methods of conducting these calculations should be compliant with the recommendations of the valid standard PN-EN 60909. While Thevenin’s 69


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | 62–70

Krzysztof Księżyk PLANS e-mail: krzysztof.ksiezyk@plans.com.pl Graduate of Warsaw University of Technology. Between 1999 and 2010, he worked as an assistant at the Power Engineering Institute of Warsaw University of Technology. Currently working for the PLANS company. His professional interests include modelling and analyses of operational modes of power engineering systems.

Tomasz Zdun PLANS e-mail: tomasz.zdun@plans.com.pl Graduate of Warsaw University of Technology. For seven years he worked as a research scientist and lecturer at Warsaw University of Technology. Currently employed by PLANS as a programmer and specialist in power engineering systems. His responsibilities include the development of software for the analysis of operational modes of power transmission and distribution grids.

70


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | translation 62–70

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 62–70. When referring to the article please refer to the original text. PL

Obliczanie prądu początkowego zwarcia w sieciach sn według normy PN-EN 60909 Autorzy

Krzysztof Księżyk Tomasz Zdun

Słowa kluczowe

obliczenia zwarciowe, początkowy prąd zwarciowy, modele elementów

Streszczenie

Wyznaczanie wielkości zwarciowych należy do najczęściej wykonywanych analiz sieciowych. Przeprowadzanie tych obliczeń powinno być zgodne z obowiązującą normą PN-EN 60909. W artykule zostały opisane modele podstawowych elementów sieci wraz ze sposobem wyznaczania ich parametrów impedancyjnych z uwzględnieniem współczynników korygujących wprowadzonych przez normę. Przedstawiono wyniki obliczeń początkowego prądu zwarcia dla przykładowej sieci SN oraz porównano je z wynikami uzyskanymi bez uwzględniania współczynników poprawkowych.

1. Wstęp Inwestycje w infrastrukturę elektroenergetyczną, takie jak budowa nowej linii, instalacja transformatora czy bloku wytwórczego w elektrowni, poprzedzone są licznymi analizami, w tym analizami technicznymi. Jedną z nich jest wyznaczenie spodziewanych wartości prądów zwarciowych. Zwarć w sieci nie można całkowicie wyeliminować, wobec czego system elektroenergetyczny musi być na nie przygotowany. Oznacza to przede wszystkim prawidłowy dobór aparatury łączeniowej oraz prawidłowy dobór przekrojów przewodów i szynoprzewodów. Ponadto wyniki obliczeń zwarciowych mogą zadecydować o wprowadzaniu środków ograniczających wartości prądów zwarciowych, np. sekcjonowanie, instalowanie dławików zwarciowych, stosowanie szybkich wyłączników „wybuchowych”, niepozwalających na osiągnięcie przez prąd wartości szczytowej itp. W trakcie bieżącej eksploatacji systemów elektroenergetycznych, przy zmianach w topologii sieci, również należy przeprowadzać obliczenia zwarciowe w celu kontroli poziomów mocy zwarciowej. Dokładność obliczeń zwarciowych odgrywa ważną rolę w zapewnieniu bezpieczeństwa, zarówno dla samego systemu elektroenergetycznego, jak i dla życia ludzi. W trakcie zwarcia przez elementy sieci mogą płynąć prądy o natężeniach wielokrotnie większych niż prądy robocze. Obwód, w którym zwarcie wystąpiło, należy jak najszybciej wyłączyć poprzez otwarcie wyłącznika, przy czym istotne jest, aby aparatura łączeniowa była prawidłowo dobrana. Jeżeli wyłącznik będzie miał za małą zdolność łączeniową, to nie będzie w stanie zgasić łuku, który może pojawić się w momencie otwarcia styków. W takiej sytuacji urządzenie ulegnie uszkodzeniu, awaria może objąć większy obszar sieci, co może doprowadzić do znacznych strat. Z drugiej strony instalowanie wyłączników o znamionowych prądach wyłączalnych dużo większych od spodziewanych jest nieuzasadnione z ekonomicznego punktu widzenia. Obliczenia zwarciowe obejmują szeroki zakres tematyczny [1, 2, 3]. Najważniejszym elementem jest wyznaczenie charakterystycznych wartości dla przebiegu prądu

zwarciowego i(t). W obwodzie RL prądu przemiennego, przedstawionym na rys. 1, po zamknięciu w chwili t = 0 łącznika, popłynie prąd i(t) opisany równaniem (1).

to do osiągnięcia przez i(t) największej wartości chwilowej. Taka sytuacja została przedstawiona na rys. 2. Ponadto zaznaczono na nim charakterystyczne'' wielkości: • początkowy prąd zwarcia I k – wartość skuteczna składowej okresowej prądu zwarciowego w pierwszej chwili zwarcia • ustalony prąd zwarcia I k • prąd udarowy ip – największa chwilowa wartość prądu zwarciowego • składowa aperiodyczna prądu zwarcia iD.C.

Rys. 1. Obwód RL zasilany napięciem przemiennym

R

i( t ) =

gdzie:

− t 2E 2E sin(ωt + δ − ϕ ) − sin(δ − ϕ )e L Z Z i( t ) = i A.C + i D .C

(1)

Z = R 2 + (ωL )2 – moduł impedancji zastępczej obwodu zwartego φ = arctg(ωL/R) – argument impedancji zastępczej obwodu E – wartość skuteczna źródła napięcia δ – kąt napięcia w chwili t = 0 wystąpienia zwarcia ω = 2πf – pulsacja.

W równaniu (1) można wyodrębnić dwie składowe. Pierwsza odpowiada składowej okresowej iA.C, wymuszanej w obwodzie przez źródło napięciowe. Drugi składnik to składowa aperiodyczna prądu zwarciowego iD.C., zanikająca ze stałą czasową R/L. Pojawia się ona z tego powodu, że prąd w obwodzie nie może zmienić się w sposób skokowy, a więc suma obu składowych w pierwszej chwili zwarcia musi być równa prądowi przed zwarciem. Najczęściej przed zwarciem zakłada się stan bezprądowy, czyli wartość chwilowa prądu w momencie wystąpienia zwarcia jest równa zeru (i(0+) = i(0-) = 0). Jeśli zwarcie wystąpi w takiej chwili, że spełniony jest warunek δ – φ = π/2, to składowa nieokresowa przyjmuje maksymalną wartość początkową. W rezultacie prowadzi

Rys. 2. Przebieg prądu zwarciowego i(t) w obwodzie RL prądu przemiennego przy zwarciu odległym

W zwarciach odległych od generatora wartości początkowego prądu zwarcia oraz prądu ustalonego są takie same. Jednak w zwarciach w pobliżu maszyn synchronicznych wartość prądu ustalonego jest mniejsza [1, 3]. Wynika to ze zmiany drogi strumienia w generatorze w czasie trwania zwarcia. Początkowo strumień jest wypychany z wirnika przez prądy zaindukowane w klatce tłumiącej oraz w uzwojeniu wzbudzenia. Z czasem te prądy zanikają i strumień stopniowo wnika do wirnika, co powoduje wzrost wartości reaktancji generatora. W pierwszej chwili zwarcia reaktancja jest najmniejsza i przyjmuje wartości rzędu 15% (stan podprzejściowy), w czasie trwania zwarcia rośnie do poziomu ok. 30% (stan przejściowy), a następnie osiąga wartość maksymalną ~200% (stan ustalony). W rezultacie reaktancja obwodu w czasie trwania zwarcia rośnie, a amplituda prądu zwarciowego maleje (rys. 3).

71


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | translation 62–70

I k'' =

cU n

(2)

3 ⋅ Zk

gdzie: c – współczynnik napięciowy przyjęty zgodnie z tab. 1 Un – napięcie znamionowe sieci w miejscu zwarcia Zk – impedancja zwarciowa. Rys. 3. Przebieg prądu zwarciowego i(t) w obwodzie RL prądu przemiennego przy zwarciu bliskim

Przeprowadzanie obliczeń zwarciowych powinno być zgodne z obowiązującymi normami. W 2002 roku Polski Komitet Normalizacyjny przyjął za obowiązującą w kraju międzynarodową normę IEC 60909:0 [4], dostosowując w ten sposób polskie normy do standardów przyjętych w Unii Europejskiej. W normie zdefiniowane są również podstawowe symbole wielkości zwarciowych, co pozwala na wyeliminowanie niejednoznaczności w dokumentacjach projektowych. Dodatkowo stosowanie jednej normy i jednych oznaczeń uławia działalność i obniża jej koszty dla firmy z branży elektroenergetycznej obecnych na wspólnym rynku europejskim. 2. Wyznaczanie I’’k wg zaleceń normy PN-EN 60909 Wyznaczanie wielkości zwarciowych wg zaleceń normy składa się z dwóch etapów. W pierwszym kroku obliczany jest początkowy prąd zwarcia  I 'k' . Następnie jest on przeliczany za pomocą pomocniczych wskaźników na pozostałe wielkości zwarciowe, np. prąd udarowy. Takie podejście jest oczywiście sposobem uproszczonym, ale szeroko wykorzystywanym w obliczeniach inżynierskich od wielu lat i wielokrotnie sprawdzonym [3]. Do obliczenia wartości I 'k' norma zaleca stosowanie metody Thevenina. W uproszczeniu polega ona na wstawieniu zastępczego źródła napięciowego pomiędzy miejscem zwarcia a ziemią oraz na zwarciu wszystkich innych źródeł napięciowych – generatorów [1]. Przy budowaniu modelu zwarciowego sieci przyjmuje się następujące założenia: • pomija się wszystkie gałęzie doziemne (pojemności linii, gałęzie odpowiadające za straty biegu jałowego w transformatorze, odbiory niewirujące) • przekładnie transformatorów są równe ich wartościom znamionowym, a w transformatorach pracujących równolegle równe średniej arytmetycznej ich wartości nominalnych • w czasie trwania zwarcia nie zachodzą żadne zmiany zarówno w sieci, jak i w charakterze zwarcia • przed zwarciem w sieci nie płyną żadne prądy. Wartość napięcia źródła wstawionego w miejscu zwarcia wynosi cUn, gdzie współczynnik napięciowy c należy dobrać zgodnie z tab. 1. Początkowy prąd zwarcia trójfazowego może być obliczony ze wzoru (2).

72

Napięcie znamionowe sieci Un Sieć nn 100 V – 1000V Sieć SN >1 kV do 35 kV Sieć WN i NN >35 kV

Współczynnik napięciowy dla obliczeń maksymalnego prądu zwarcia cmax

minimalnego prądu zwarcia cmin

1,05* 1,10**

0,95

1,10

1,00

*dla sieci nn o tolerancji +6%, np. dla sieci o podniesionym napięciu z 380 do 400 V **dla sieci nn o tolerancji +10% Tab. 1. Wartości współczynnika napięciowego [4]

Występująca w równaniu (2) impedancja zwarciowa Zk to impedancja sieci widziana z zacisków zastępczego źródła napięcia wstawionego w miejsce zwarcia (przy zwartych wszystkich węzłach generatorowych). Chcąc ją wyznaczyć, należy dokonać wielu przekształceń w sieci – połączenia równoległe i szeregowe gałęzi oraz przekształcenia gwiazda-trójkąt. Zasadnicza różnica pomiędzy normą PN-EN 60909 a wcześniej obowiązującymi standardami polega na korygowaniu impedancji generatorów synchronicznych i transformatorów przez odpowiednie współczynniki poprawkowe. Ich zastosowanie ma na celu zrekompensowanie pewnych założeń upraszczających, takich jak praca generatorów na biegu jałowym czy nieuwzględnianie regulacji przekładni transformatorów. Prostota wzoru (2) oraz metody Thevenina są tak dużymi zaletami, że zdecydowano się na ich pozostawienie, natomiast zmniejszenie błędów obliczeń osiągnięto właśnie poprzez korygowanie impedancji [3]. Norma odnosi się do jeszcze czterech dokumentów. Pierwszy z nich [5] wyjaśnia pochodzenie współczynników korygujących, drugi [6] podaje typowe wartości parametrów elektrycznych dla podstawowych elementów systemu elektroenergetycznego, trzeci dokument [7] zawiera wytyczne, jakimi należy się kierować przy wyznaczaniu prądów zwarć podwójnych, a w ostatnim [8] zamieszczono przykłady obliczeniowe. Pięć wymienionych dokumentów tworzy razem spójne wytyczne, jakimi należy się kierować przy wyznaczaniu podstawowych wielkości zwarciowych. 3. Obliczenia zwarciowe z użyciem metody potencjałów węzłowych W przypadku sieci z dużą liczbą gałęzi i węzłów „ręczne” zwijanie obwodu byłoby pracochłonne. W takiej sytuacji zastosowanie znajdują algorytmy numeryczne

bazujące na metodzie potencjałów węzłowych [1, 2, 3]. W pierwszym kroku tworzona jest macierz admitancyjna Y, a następnie rozwiązywane jest równanie macierzowe (3). I =Y ⋅U  I 1 = 0  Y 11 Y 12  I = 0 Y  2  =  21 Y 22           I k = ?  Y k1 Y k 2

 Y 1k   U 1 = ?     Y 2 k   U 2 = ?  ⋅        U = c ⋅U n    Y kk   k 3  

(3) gdzie: I={I1, I2,…, Ik} – wektor prądów węzłowych, U={U1, U2,…, Uk} – wektor napięć węzłowych Y – macierz admitancji własnych i wzajemnych w sieci po zastosowaniu metody Thevenina, k – indeks węzła, w którym nastąpiło zwarcie. Wektor prądów węzłowych z równania (3) zawiera same zera oprócz elementu odpowiadającego węzłowi, w którym jest zwarcie. Jego prąd węzłowy jest równy prądowi zwarcia. Elementy wektora napięć, prawa strona równania (3), są nieznane z jednym wyjątkiem: napięcie w miejscu zwarcia w sieci Thevenina jest równe  cUn/ 3 (wartość fazowa). W wyniku odwrócenia macierzy Y otrzymuje się (4).

U = Z ⋅ I (4) gdzie: Z – macierz impedancyjna zwarciowa powstała poprzez odwrócenie macierzy admitancyjnej. Równanie macierzowe jest sposobem zapisu układu równań liniowych. Ostatni wiersz układu równań (4), odpowiadający węzłowi, w którym wystąpiło zwarcie (indeks k), można zapisać następujący sposób: Uk =

∑Z i

ki

c ⋅U n 3

⋅ I i = Z k1 ⋅ I 1 + Z k 2 ⋅ I 2 +  + Z kk ⋅ I k

= Z k1 ⋅ 0 + Z k 2 ⋅ 0 +  + Z kk ⋅ I k c ⋅U n 3

= Z kk ⋅ I k

(5)

Ponieważ prąd węzłowy dla węzła zwartego Ik jest równy prądowi zwarcia, stąd można obliczyć początkowy prąd zwarciowy: ''

Ik =

c ⋅U n (6) 3 Z kk

Z równania (4) można wyodrębnić wiersz odpowiadający dowolnemu węzłowi j, otrzymując w ten sposób wzór na napięcie w węźle j przy zwarciu w węźle k. Uj=

∑Z i

ji

⋅ I i = Z j1 ⋅ I 1 + Z j 2 ⋅ I 2 +  + Z jk ⋅ I k

U j = Z k1 ⋅ 0 + Z k 2 ⋅ 0 +  + Z jk ⋅ I k U j = Z jk ⋅ I k

(7)


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | translation 62–70

Należy podkreślić, że jest to napięcie w sieci po zastosowaniu twierdzenia Thevenina, a nie napięcie rzeczywiste. Po wyznaczeniu napięć w każdym węźle sieci można wyznaczyć wartości prądów w gałęziach na podstawie prawa Ohma. I i− j =

U i −U Z ij

j

(8)

gdzie: i, j – indeksy węzłów początkowego i końcowego danej gałęzi, Zij – impedancja gałęzi pomiędzy węzłami i oraz j (z parametrów gałęzi, a nie z macierzy impedancyjnej). 4. Modele elementów 4.1. Linie Linie elektroenergetyczne modelowane są poprzez szeregowo połączoną reaktancję i rezystancję, a ich wartości dla składowej zgodnej są takie same jak w przypadku innych obliczeń, np. wyznaczania rozpływu mocy. W obliczeniach zwarciowych pomija się gałęzie poprzeczne, tzn. pojemność oraz rezystancję wynikającą z upływności. Jedynie w przypadku zwarć jednofazowych w sieciach z izolowanym lub uziemionym poprzez impedancję punktem neutralnym (sieci SN) należy uwzględniać pojemności doziemne dla składowej zerowej. 4.2. Transformatory 2-uzwojeniowe Transformatory 2-uzwojeniowe (za wyjątkiem transformatorów blokowych) dla składowej zgodnej oraz przeciwnej modelowane są jako szeregowe połączenie reaktancji, rezystancji i przekładni transformatora idealnego. Rezystancja i reaktancja transformatora wyznaczana jest na podstawie próby zwarcia, ze wzorów (9a-c).

u Rr =

PkrT ⋅ 100% 1000 ⋅ S rT

u Xr = u kr 2 − u Rr 2

(9a)

(9b)

2 u  u  U Z T = RT + jX T =  Rr + j Xr  ⋅ rT 100%  S rT  100%

(9c)

gdzie: UrT – napięcie znamionowe transformatora (strona górna lub dolna) [kV] SrT – moc znamionowa transformatora [MVA] PkrT – straty w uzwojeniach transformatora w czasie próby zwarcia [kW] ukr – napięcie zwarcia transformatora wyrażone w procentach uRr i uXr – odpowiednio składowa czynna i bierna napięcia zwarcia, wyrażone w procentach. Zgodnie z normą PN-EN 60909 impedancja transformatora jest mnożona przez współczynnik poprawkowy KT, tzn. ZTK = KT ZT. Wartość współczynnika KT jest wyznaczana ze wzoru (10). cmax (10) K T = 0 ,95 1 + 0 ,6 xT gdzie:

cmax – współczynnik napięciowy z tab. 1 odniesiony do napięcia sieci po stronie dolnej transformatora, xT – reaktancja transformatora wyrażona w jednostkach względnych, xT = uXr / 100%. Na rys. 4 przedstawiono wykres wartości współczynnika K T w funkcji napięcia zwarcia ukr. Wartości mniejsze od 1 powodują, że impedancja zwarciowa transformatora maleje i w związku z tym wartość prądu zwarciowego będzie większa niż bez uwzględnienia współczynników poprawkowych. Ze wzoru (10) można wyznaczyć wartość graniczną xT(gran), powyżej której współczynnik poprawkowy będzie mniejszy od 1. Dla cmax = 1,1 wartością graniczną jest xT(gran)  =  7,5%, natomiast dla cmax  =  1,05 współczynnik poprawkowy jest zawsze mniejszy od 1.

napięcia zwarcia przy próbie zwarcia AC (strona B otwarta), wyrażone w procentach uRrBC i uXrBC – składowe czynna i bierna napięCia zwarcia przy próbie zwarcia BC (strona A otwarta), wyrażone w procentach. Impedancje par uzwojeń zgodnie z zaleceniami normy są korygowane przez współczynniki poprawkowe zdefiniowane wzorami (12a-c), tzn. ZABK = KTAB ZAB, ZACK = KTAC ZAC oraz ZBCK = KTBC ZBC. cmax (12a) K TAB = 0 ,95 1 + 0 ,6 xTAB

cmax (12b) 1 + 0,6 xTAC cmax = 0,95 (12c) 1 + 0,6 xTBC

K TAC = 0,95 K TBC

gdzie: cmax – współczynnik napięciowy z tab. 1 xTAB, xTAC, xTBC – reaktancje par uzwojeń transformatora wyrażone w jednostkach względnych, xTAB = uXrAB / 100%. Impedancje poszczególnych uzwojeń można wyznaczyć poprzez przekształcenie zdefiniowane wzorami (13a-c). Z AK = 0 ,5 ⋅ (Z ABK + Z ACK − Z BCK ) (13a)

Z BK = 0,5 ⋅ (Z ABK + Z BCK − Z ACK ) (13b)

Z CK = 0,5 ⋅ (Z ACK + Z BCK − Z ABK ) (13c)

Rys. 4. Wykres wartości współczynnika poprawkowego KT dla transformatorów dwuuzwojeniowych w funkcji napięcia zwarcia ukr

4.3. Transformatory 3-uzwojeniowe Transformatory 3-uzwojeniowe do obliczeń zwarciowych są modelowane w postaci trzech gałęzi połączonych w gwiazdę. Każda z gałęzi, odpowiadająca jednemu z uzwojeń (oznaczonych literami A, B i C), składa się z szeregowego połączenia rezystancji i reaktancji. Dodatkowo gałęzie odpowiadające uzwojeniom B i C zawierają przekładnię transformatora idealnego. Wartości impedancji wyznaczane są w podobny sposób jak dla transformatorów 2-uzwojeniowych (wzory 9a-c). Główna różnica polega na tym, że z wyników próby zwarcia wyznaczane są trzy impedancje, po jednej dla każdej pary uzwojeń (wzory 11a-c). 2 u u  U Z AB = R AB + jX AB =  RrAB + j XrAB  ⋅ rT 100%  S rTAB  100%

(11a)

Z AC = R AC + jX AC

2 u u  U =  RrAC + j XrAC  ⋅ rT 100%  S rTAC  100%

(11b)

Z BC = RBC + jX BC

2 u u  U =  RrBC + j XrBC  ⋅ rT 100%  S rTBC  100%

(11c)

gdzie: UrT – napięcie znamionowe transformatora [kV] SrTAB, SrTAC, SrTBC – moc przechodnia poszczególnych par uzwojeń [MVA] uRrAB i uXrAB – składowe czynna i bierna napięcia zwarcia przy próbie zwarcia AB (strona C otwarta), wyrażone w procentach uRrAC i uXrAC – składowe czynna i bierna

4.4. Generatory Na potrzeby wyznaczania prądów zwarciowych generatory modelowane są reaktancją podprzejściową pomnożoną przez współczynnik poprawkowy KG, wyznaczony ze wzoru (14). Dotyczy to tylko maszyn przyłączonych bezpośrednio do sieci, np. w sieciach przemysłowych lub rozdzielczych SN, natomiast dla generatorów pracujących w bloku z transformatorem norma definiuje inny wzór na współczynnik poprawkowy.

KG =

Un c max (14) ⋅ U rG 1 + x d '' ⋅ sin ϕ rG

gdzie: cmax – współczynnik napięciowy z tab. 1 UrG – napięcie znamionowe generatora Un – napięcie znamionowe sieci xd’’ – reaktancja generatora w jednostkach względnych φrG – przesunięcie kątowe pomiędzy prądem i napięciem w warunkach pracy znamionowej generatora. 4.5. Silniki indukcyjne Przy wyznaczaniu minimalnej wartości początkowego prądu zwarcia pomija się wpływ silników indukcyjnych. Podczas obliczeń maksymalnej wartości prądu I 'k' dopuszczalne jest pominięcie udziału od silników, jeżeli jest on mniejszy niż 5% (w stosunku do wartości prądu zwarciowego wyznaczonego bez udziału silników). Silniki indukcyjne dla składowej zgodnej i przeciwnej modelowane są impedancją określoną wzorem (15). ZM =

I LR

U 2 1 ⋅ rM / I rM S rM

(15)

73


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | translation 62–70

gdzie: ILR /IrM – stosunek prądu pobieranego przy zablokowanym wirniku do prądu znamionowego silnika UrM – napięcie znamionowe, SrM – moc znamionowa. Przy wyznaczaniu wartości rezystancji i reaktancji silnika z wystarczającą dokładnością można posłużyć się następującymi zależnościami: RM/XM: = 0,1 i XM = 0,995 ZM dla silników SN z mocą przypadającą na parę biegunów PM ≥ 1MW RM/XM: = 0,15 i XM = 0,989 ZM dla silników SN z mocą przypadającą na parę biegunów PM < 1MW RM/XM: = 0,42 i XM = 0,922 ZM dla silników nn. 4.6. Blok transformator-generator Norma zaleca osobne traktowanie bloku generator-transformator. Ponadto odróżnia blok z transformatorem z podobciążeniowym przełącznikiem zaczepów od bloku z transformatorem bez takiego przełącznika lub z wyłączoną regulacją. W pierwszym przypadku obie impedancje, generatora i transformatora, powinny być przemnożone przez współczynnik korygujący KS zdefiniowany wzorem (16). KS =

U nQ 2 U rTLV 2 cmax ⋅ ⋅ 2 2 '' U rG U rTHV 1 + xd − xT ⋅ sin ϕ rG

(16) gdzie: cmax – współczynnik napięciowy z tab. 1 UrG – napięcie znamionowe generatora UnQ – napięcie znamionowe sieci xd’’ – reaktancja generatora w jednostkach względnych φrG – przesunięcie kątowe pomiędzy prądem i napięciem w warunkach pracy znamionowej generatora. Na rys. 5 przedstawiono wykres zmienności KS w zależności od |xd’’–xT|. Założono przy tym równość napięć znamionowych generatora i strony dolnej transformatora oraz większego o 10% napięcia strony HV transformatora w stosunku do napięcia sieci. Z charakterystyki wynika, że wprowadzenie współczynnika poprawkowego zmniejsza impedancję bloku. Ponadto wartości współczynnika KS są tym mniejsze, im większa jest wartość modułu różnicy pomiędzy reaktancjami generatora i transformatora blokowego w jednostkach względnych. W sytuacji, kiedy transformator blokowy nie jest wyposażony w podobciążeniowy przełącznik zaczepów lub jego układ regulacyjny jest wyłączony (jeden z zaczepów jest ustawiony na stałe), to norma zaleca używanie współczynnika korygującego KSO określonego równaniem (17). K SO =

U nQ U cmax ⋅ rTLV ⋅ (1 ± pT )⋅ U rG (1 + pG ) U rTHV 1 + xd '' ⋅ sin ϕ rG

prądu zwarciowego lub sumy udziałów do generatora i transformatora, np. płynącego przez uzwojenie HV transformatora potrzeb własnych, impedancje elementów są korygowane współczynnikami określonymi wzorami (19a) i (19b).

K G ,S = K T ,S =

Rys. 5. Wykres wartości współczynnika poprawkowego KS dla bloku generator-transformator z podobciążeniową regulacją przekładni, przy założeniu UrG = UrTLV oraz UrTHV = 1,1×UnQ

4.7. Zwarcie wewnątrz bloku generator-transformator z podobciążeniowym przełącznikiem zaczepów Szczególnym przypadkiem jest wyznaczanie prądów podczas zwarcia pomiędzy generatorem a transformatorem blokowym, w tym również w sieci zasilanej z transformatora potrzeb własnych. W przypadku wyznaczania udziałów w prądzie zwarciowym impedancja generatora jest korygowana współczynnikiem określonym wzorem (18a), natomiast impedancja transformatora współczynnikiem z równania (18b).

K G ,S =

cmax

1 + xd '' ⋅ sin ϕ rG

K T ,S = 1

(18a)

(18b)

gdzie: KG,S – współczynnik korygujący impedancję generatora KT,S – współczynnik korygujący impedancję transformatora, pozostałe jak we wzorze (16). Na potrzeby wyznaczania całkowitego

(17) gdzie: 1+pG – współczynnik zwiększający UrG do napięcia obecnego w sposób ciągły na zaciskach generatora (np. pG = 0,05) 1±pT­ – współczynnik uwzględniający

74

zmianę przekładni transformatora blokowego przez przełącznik zaczepów ustawiony na stałe na jednej pozycji, pozostałe jak we wzorze (16).

Rys. 6. Testowa sieć SN zamodelowana w programie PlansSN

c max

1 + x dc '' ⋅ sin ϕ rG

(19a)

max

1 − xT ⋅ sin ϕ rG (19b)

gdzie: KG,S – współczynnik korygujący impedancję generatora KT,S – współczynnik korygujący impedancję transformatora, pozostałe jak we wzorze (16). Z powyższych wzorów wynika, że suma udziałów od generatora i transformatora, wyznaczona przy uwzględnieniu współczynników (18a-b), nie jest równa prądowi zwarcia obliczonemu przy współczynnikach definiowanych wzorami (19a-b). 5. Sieć testowa Raport techniczny IEC/TR 60909-4 [8], wchodzący w skład normy, zawiera zbiór przykładów wraz z rozwiązaniami, ilustrujący metodę wyznaczania wielkości zwarciowych. Jedna z opisanych tam sieci testowych została przedstawiona na rys. 6. Jest to sieć przemysłowa składająca się z generatora wraz z transformatorem blokowym oraz układem potrzeb własnych. Dokładne parametry wszystkich elementów wchodzących w skład tej sieci można odnaleźć we wspomnianym dokumencie. Do szyn 220 kV przyłączone są dwa zastępcze systemy elektroenergetyczne, jeden o mocy zwarciowej 8002 MVA, a drugi o mocy 20005 MVA, ale przy zwarciu w danym miejscu aktywny jest tylko jeden z nich. Mniejszy jest załączony przy zwarciu w punkcie oznaczonym F1, większy natomiast przy zwarciu w sieci SN – węzły F2, F3 i F4. Transformator T z podobciążeniową regulacją przekładni wraz z generatorem G o mocy 250 MVA tworzą blok wytwórczy. W przypadku zwarcia w węźle F1 ich


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | translation 62–70

impedancja jest korygowana przez współczynnik określony wzorem (16). Przy zwarciu w punkcie F2 wyznaczane są udziały w prądzie zwarcia, pochodzące od generatora i poprzez transformator od systemu. Dlatego też używane są wówczas wspó��czynniki określone wzorami (18a) oraz (18b). Dla zwarć w F3 i F4 istotny jest sumaryczny prąd pochodzący od generatora i systemu, w związku z czym mają zastosowanie współczynniki określone w równaniach (19a) i (19b). Do obu szyn 10 kV, zasilanych z transformatora potrzeb własnych AT (ang. auxiliary transformer), przyłączonych jest bezpośrednio 21 silników o sumarycznej mocy 44,39 MW. Ponadto poprzez transformatory SN/nn przyłączone są silniki o łącznej mocy 10,1 MW. Bez szczegółowych rozważań można przyjąć, że ze względu na liczbę i sumaryczną moc tych silników analiza zwarć w punktach F2, F3 i F4 wymaga uwzględnienia ich pracy. W przypadku zwarcia w węźle F1 zostały przeanalizowane dwa warianty: z wyłączonymi oraz z załączonymi silnikami, aby sprawdzić ich wpływ na poziom prądu zwarciowego. Do obliczeń został wykorzystany program PlansSN. Aplikacja jest dedykowana do analiz w sieci SN, umożliwia w prosty sposób modelowanie złożonych systemów poprzez wprowadzanie parametrów znamionowych jego elementów. Program wyznacza prądy zwarciowe zgodnie z normą PN-EN 60909, ale umożliwia również przeprowadzanie obliczeń bez uwzględniania współczynników poprawkowych. 6. Wyniki obliczeń W tab. 2 zebrano wartości współczynników korygujących, obliczonych dla elementów sieci testowej. Należy zwrócić uwagę, że dla generatora oraz transformatora blokowego podane są po trzy wartości, w zależności od analizowanego miejsca zwarcia. Najniższą wartość, równą 0,913, osiąga współczynnik poprawkowy dla bloku generator-transformator w przypadku wyznaczania zwarcia na szynach 220 kV. Oznacza to, że impedancje tych dwóch elementów będą mniejsze, natomiast prąd zwarciowy większy niż w obliczeniach bez uwzględniania współczynników. Przy wyznaczaniu prądu zwarcia w punktach F3 i F4, a więc wewnątrz sieci potrzeb własnych bloków, współczynnik poprawkowy dla transformatora blokowego osiąga wartość 1,214, wobec czego impedancja transformatora zostanie powiększona, a prąd zwarciowy zmaleje. Współczynniki wyznaczone dla pozostałych elementów są bliższe jedności, w związku z czym należy się spodziewać, że ich wpływ na impedancję i wartości prądów zwarciowych będzie mniejszy.

Element

G

T

AT

K

Uwagi

0,913

zwarcie w F1

0,994

zwarcie w F2 (udziały)

0,994

zwarcie w F3 i F4

0,913

Wielkość

PN-EN 60909

Modele bez współczynników Różnica korygujących

Zwarcie w F1 (bez silników) I”k

23 064

22 884

0,8%

zwarcie w F1

I”kT

2 076

1 895

9,6%

1,000

zwarcie w F2 (udziały)

Zwarcie w F1 (z udziałem silników)

1,214

zwarcie w F3 i F4

I”k

23 200

23 021

0,8%

1,003

KTAB

I”kT

2 211

2 030

8,9%

1,003

KTAC

0,969

KTBC

T20, T26

0,963

T15... 19 i T21… 25

1,009

Tab. 2. Współczynniki korygujące impedancje elementów sieci testowej

Wyniki obliczeń prądów zwarciowych w poszczególnych węzłach sieci testowej zawiera tab. 3, przy czym w drugiej kolumnie są wartości wyznaczone wg zaleceń normy PN-EN 60909, natomiast w trzeciej kolumnie wartości uzyskane dla modeli bez współczynników poprawkowych. Potwierdzają one wnioski wyciągnięte z analizy wartości ujętych w tab. 2. W przypadku zwarcia w punkcie F1 (bez silników indukcyjnych) uwzględnienie współczynników spowodowało wzrost udziału prądu zwarcia pochodzący od bloku generator-transformator o prawie 10%. Dla zwarcia w sieci potrzeb własnych udział od generatora i od systemu (poprzez transformator blokowy) jest z kolei mniejszy o ok. 8% dla punktu F3 i o blisko 2% dla F4. Uwzględnienie współczynników poprawkowych w sieci testowej ma duży wpływ na wartość prądu zwarciowego, pochodzącego od drugiej sekcji z silnikami. Udział tego prądu rośnie o przeszło 20%, co oznacza zmianę o 200 A. Praca silników podczas analizy zwarcia w węźle F1 powoduje wzrost udziału pochodzącego od bloku generator-transformator o 7%. Ponieważ jednak za wartość prądu zwarcia w punkcie F1 odpowiada przede wszystkim moc zwarciowa zastępczego systemu elektroenergetycznego, dlatego wpływ silników na całkowity prąd zwarcia jest znikomy i wynosi 0,6%. Suma udziałów prądowych pochodzących od generatora I”KG i transformatora blokowego I”KT,wyznaczona przy analizie zwarcia w węźle F2 wynosi 44 731 A + 46 811 A = 91 542 A. Jednak obliczony przy rozpatrywaniu zwarcia w punkcie F3 łączny udział od generatora i od systemu jest znacznie mniejszy i wynosi 83 781 A. Różnica wynika z przyjmowania różnych współczynników poprawkowych dla tych dwóch przypadków, co jest zalecane przez normę.

Zwarcie w F2 (udziały) I”kG

44 731

44 473

0,6%

I”kT

46 811

46 811

0,0%

Zwarcie w F3 I”k

90 100

97 663

–7,7%

I”kG + T

83 781

91 281

–8,2%

I”kAT

6 360

6 423

–1,0%

Zwarcie w F4 I”k

28 706

28 853

–0,5%

I”kAT

18 404

18 552

–0,8%

I”kAT(HV)

8 647

8 816

–1,9%

I”kAT(TV)

1 119

927

20,7%

I”kT15 ... I”kT19

381

382

–0,3%

I”kT20

383

379

1,1%

I”kM1

1 989

1 989

0,0%

Tab. 3. Wyniki obliczeń dla testowej sieci SN, wartości prądu w [A]

7. Wnioski Wyznaczanie prądów zwarciowych jest istotne przy projektowaniu i eksploatacji systemu elektroenergetycznego. Sposób prowadzenia obliczeń powinien być zgodny z zaleceniami obowiązującej normy PN-EN 60909. O ile wykorzystywana przy tej okazji metoda Thevenina wraz z metodą potencjałów węzłowych jest znana i stosowana od lat, o tyle wprowadzone współczynniki korygujące stanowią istotną zmianę. Zgodnie z założeniami przyjętymi przez autorów normy, mają one na celu zrekompensować błędy wynikające z przyjętych założeń uproszczających. Zamieszczone wyniki analizy zwarciowej dla sieci testowej pokazują, że wprowadzone współczynniki korygujące mają znaczny wpływ na otrzymywane wartości prądów zwarciowych. W największym stopniu dotyczy to udziałów pochodzących od transformatorów i generatorów. Wraz z oddalaniem się od stacji zasilających, w szczególności w sieciach promieniowych, udział

75


K. Księżyk, T. Zdun | Acta Energetica 4/17 (2013) | translation 62–70

transformatorów w impedancji zwarciowej Zkk maleje, a zwiększa się udział pochodzący od przewodów i kabli. Ponieważ impedancje linii nie są korygowane współczynnikami, to wartości prądów zwarciowych wyznaczone wg zaleceń nowej, jak i poprzednich norm, będą w takim przypadku w większym stopniu zbieżne. W bloku generator-transformator norma rozróżnia trzy przypadki, w zależności od miejsca zwarcia. Dla każdego z nich wprowadzone są inne wzory na współczynniki korygujące. W celu otrzymania poprawnych wyników ważne jest prawidłowe rozpoznanie rozważanego wariantu.

Bibliografia 1. 2. 3. 4. 5.

Kujszczyk S. i in., Elektroenergetyczne układy przesyłowe, Warszawa 1997, s. 193–217. Barnaś K. i in., Laboratorium podstaw elektroenergetyki, Warszawa 2003, s. 115–129. Kacejko P., Machowski J., Zwarcia w systemach elektroenergetycznych, Warszawa 2002. PN-EN 60909-0:2002, Prądy zwarciowe w sieciach trójfazowych prądu przemiennego, Część 0: Obliczanie prądów. IEC/TR 60909-1: Short-circuit currents in three-phase a.c. systems, Part 1: Factors for the calculation of

6.

7.

8.

short-circuit currents according to IEC 60909-0, 2002-07. IEC/TR 60909-2: Short-circuit currents in three-phase a.c. systems, Part 2: Data of electrical equipment for short-circuit current calculations, 2008-11. PN-EN 60909-3:2010: Prądy zwarciowe w sieciach trójfazowych prądu przemiennego, Część 3: Prądy podwójnych, jednoczesnych i niezależnych, zwarć doziemnych i częściowe prądy zwarciowe płynące w ziemi. IEC/TR 60909-4: Short-circuit currents in three-phase a.c. systems, Part 4: Examples for the calculation of short-circuit currents, 2000-07.

Krzysztof Księżyk

dr inż. PLANS e-mail: krzysztof.ksiezyk@plans.com.pl Wychowanek Politechniki Warszawskiej. W latach 1999–2010 zatrudniony był na stanowisku asystenta w Instytucie Elektroenergetyki Politechniki Warszawskiej. Obecnie pracuje w firmie PLANS. Jego zainteresowania zawodowe dotyczą modelowania i analiz stanu pracy systemu elektroenergetycznego.

Tomasz Zdun

mgr inż. PLANS e-mail: tomasz.zdun@plans.com.pl Absolwent Politechniki Warszawskiej. Przez 7 lat był pracownikiem naukowo-dydaktycznym swojej macierzystej uczelni. Obecnie pracuje w firmie PLANS jako programista i ekspert od systemów elektroenergetycznych. Zajmuje się rozwojem oprogramowania do analiz stanów pracy sieci przesyłowych i rozdzielczych.

76


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

Simulation of Reactive Power Imbalances in the Transmission Power Grid Threatened by the Problem of Voltage Instability Authors Robert Lis Mirosław Łabuzek

Keywords transmission grid, voltage stability, reactive power balance

Abstract The reactive power balance in the transmission power grid depends on the reactive power produced by the power stations and the value generated by the capacitive power lines and static compensators. Reactive transmission losses become greater than shunt capacitive generation at the turning-point of voltage stability. Then lowering bus voltages drive EPS into voltage collapse point. The paper presents the balance of reactive power depending on the power demand growth, which is then used to estimate the operating point of the transmission network, in which the reactive power transmission losses are greater than the total reactive power generated by the shunt capacity.

DOI: 10.12736/issn.2300-3022.2013407

1. Introduction 1.1. Transmission grid control Electrical power system (EPS) should meet requirements of the country’s energy security through provision of power supply with parameters provided by relevant provisions. In the case of an emergency, system operators need to reduce its possible effects and strive for reconstruction of the system by their own means or with use of neighbouring systems. Energy storage to a broader extent is impossible, so simultaneous generation and the use of electric energy produce many tasks and problems related to EPS control and management. The issues of steady operation create the basis to solve power flow for selected day hours and year periods in the scale of the public system and its components. Changes to be introduced in the system are analysed through determination of a new steady state for a situation after modifications. Therefore, generated and consumed power should be constantly balanced in the system. In the interests of Poland’s energy security, a priority task is to construct new lines and modernise existing lines and substations with the application of the latest technologies and observance of environmental protection regulations. Such a situation requires careful technical and economic preparation. Voltage stability becomes one of issues relevant for standard system operation, as the failure in the Polish system of 26 June 2006 demonstrated [1]. Voltage stability test should show weak points in the system that may cause a voltage avalanche. Energetic computations constitute a set of software. They enable

to conduct many calculations related to EPS upon the database, such as determination of the initial or variation power flow, values of particular quantities at disturbances, system stability assessment, optimisation of the state of operation etc. These entire calculations base on assignment of a vector of the initial state, commonly called as power flow assignment. This comes down to solving non-linear equations relating set and wanted values. One searches for values of node voltage vectors. The adopted method of a solution may affect a solution or its lack. It is justified to use an approach that would enable to claim unambiguously whether a solution exists or no. [2] shows application of theoretical foundations, while [3] presents practical applications to large EPS.

1.2. Voltage stability of the transmission grid Calculations of power flow constitute the basis of all EPS analyses. When the system is getting more and more complex, computational methods need to be characterised with quick and reliable convergence, while computational software should enable for consideration of a large system at short computing time. Newton–Raphson method, which is currently the most popular one, belongs to the group of gradient methods. It applies the admittance model of EPS. Application of the sparse matrix technique enables to consider large systems for which the degree of population of these matrices comes to less than 1%. Usually, Newton-Raphson method requires several iterations regardless of the value of computed EPS, provided that the starting point has been chosen properly. Selection of the 77


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

starting point is the disadvantage of this method – when it is wrongly chosen, it may lead to identification of no solution or an improper solution. Hybrid methods should be applied in such cases. Application of the Gauss or Gauss–Seidel method to several iterative steps (these methods require simple calculations in large quantities, with free convergence) and then moving to the Newton–Raphson method constitutes one of these approaches. Such a situation occurs, e.g. at flat start to calculations, with consideration of the phase shift of transformers from the Yd5 (Yz5) group. Conducted calculations for EPS required four-five iterations for convergence e = 10-8, while duration of iterative calculations came to approx. three seconds. Application of flow methods is a frequent approach to test voltage stability through determination of the stability limit based on values obtained in an iterative process (zeroing the Jacobian determinant) [4]. Papers [3, 5] draw attention to the possibility of applying so-called approximate solutions with basic solutions to practical tests. It is connected with multiple solutions of power flow. In this case, a disadvantage of the Newton-Raphson method has become its advantage. Starting calculations from the point that is much distant from a solution leads to the second solution. For the steady states, it is useless as unstable and it practically does not exist. However, when this point is approaching the appropriate operating point, it proves that the EPS operating state is approaching the stability limit defined by one double solution. Analytically related node values may be presented on the plane of coordinates of node voltages in the form of circles of active and reactive power or active power and voltage module. These circles cross in two points for states distant from the limit state and they become adjacent for the limit state [6].

1.3. Test of the transmission grid voltage stability In operator’s centres of most EPS all over the world, systematic analyses of voltage stability of the transmission grid have been conducted for years with the use of mainly power flow programs. These analyses are conducted for transmission grids in the annual, monthly, weekly and daily cycle [7]. The relation between voltage stability and angular stability is insignificant, so the loss of voltage stability in distinguished areas of large joined systems may occur without the loss of synchronism [8]. Voltage stability is related to voltage changes in nodes of the transmission grid in subsequent steady states occurring after a change in EPS power demand. The loss of voltage stability may result from too high growth of power demand in the system or from an emergency turning heavily loaded transmission line or generators off. Due to existing limitations in generation of reactive power by synchronous generators, when the load is increasing, its imbalance may occur in a given part of EPS. It causes voltage drop and consequently – reduced reactive power generation by transmission lines and further limitation of the capacity of its production by generators. Reactive power flows to the imbalanced area from more distant sources, causing increased load of transmission lines and thereby the loss of reactive power. In such a case, emergency shutdown in an imbalanced area of heavily loaded 78

(overloaded) transmission line or significant source of reactive power may cause regular voltage drops, until the occurrence of voltage avalanche. In addition, voltage control systems of synchronous generators and transformers affect voltage conditions significantly. Transmission control systems of transformers under load try to keep a set voltage level on the side of the distribution grid. Therefore, they may contribute to intensification of the reactive power imbalance. Reactive power imbalance in the system launches the process of losing voltage stability, which is developing usually for several, more than dozen or even several dozens of minutes. Commonly, reactive power imbalance occurs in the EPS area that is possible to be distinguished. At following stages of this process, we have to do with different phenomena. Different means to prevent from failures may be applied according to its stage. In large joined EPS, voltage stability loss develops usually at a frequency that is not far from the nominal frequency. EPS protection against voltage failure or reduced duration of failure require relevant selection of preventive measures by the systemic automation, and then making proper decisions by an operator. The following means are applied to restore the reactive power balance in a threatened area: • automatic enclosure of additional sources of reactive power (condenser batteries, SVC, STATCOM) • automatic increase of reactive power production by generators at the expense of reduction of their active power • automatic shut-off of recipients of high reactive power take-off through the automation of under voltage release • utomatic blocking of UHV/110kV transformer voltage control to prevent from increased reactive power take-off by the network 110 kV. In the literature, the theoretical point of losing voltage stability of the transmission grid is commonly understood as the loss of convergence of an iterative process of solving node equations. This is a point in which two solutions close to zero converge, i.e. a determinant of the Jacobian matrix is close to zero. The point of voltage stability loss has a theoretical significance, as it corresponds with values of node voltages close to 0.8Un. In practice, the transmission grid in which node voltages have values close to 0.8Un is not able to keep voltage stability, which is shown by voltage failure in Polish North-East EPS of 26 June 2006 [7].

2. Reactive power loss balance 2.1. Transmission losses of reactive power It is much harder to estimate the operating point of the transmission grid, in which signals of endangered voltage stability occur than to determine the theoretical point of voltage stability loss. Especially when it concerns the transmission grid, in which generators operate near limit reactive powers. Then a very important role is performed by the rate of growth of the transmission loss balance of reactive power and charging power in reference to increased reactive power take-off by nodal loads of the transmission grid. The equation of the reactive power balance in the transmission grid is as follows:


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

Q g + Qlad = Q + Qstr

(1) where: Qg – reactive power generated in power stations, according to individual Pie graphs of generator power, Qlad – reactive power generated by static capacitive elements attached transversely to the network (all condenser batteries, line capacity), Q – reactive power taken off in GPZ 110kV/MV reduced by power of condenser batteries on MV buses (these condensers produce power Qlad), Qstr – transmission losses of reactive power longitudinal in lines, as well as longitudinal and transverse in transformers. Transmission losses of reactive power Qstr are directly proportional to the square of transmitted powers and inversely proportional to the square of voltage. Increase of transmitted powers causes increase of reactive losses and voltage drop, while power voltage drop intensifies the increase of these losses: Qstr = X

P2 + Q2 U2

(2)

where: P, Q – transmitted active and reactive power from the starting node to the final node of a branch, U – voltage in the starting node of a branch, X – reactance of a longitudinal branch.

2.2. Critical operating point of the transmission grid The operating point of the transmission grid, in which reactive transmission losses exceed total charging power [10], should be specially emphasised.

Qstr > Qlad (4) Then generators cover only increase of reactive power taken off from the substation GPZ 110kV/MV. Critical operating point (COO) of the transmission grid is the point where transmission losses and charging power in the transmission grid are equal. The occurrence of a critical point is only a signal of deteriorated voltage stability, not a point of voltage instability. Exceeding this point means further reduction of node voltages in spite of increased generation of reactive power in power stations. Voltage drop accelerates rapidly when generation of reactive power in power stations approaches technical limitations. E.g., the occurrence of COO point in the transmission grid where all generators work in the PU mode does not inform us of endangered voltage stability, but of reactive power transmission at large distances. In accordance with the equation of reactive power balance (1) in the transmission grid: Q g = Q + Qstr − Qlad

Voltage drop in the transmission grid results in reduced generation of reactive power Qlad, through shunt capacities of lines and condenser batteries and other static compensators, according to the following relation

a relation between the increase of reactive taken off power and generated power in this grid can be estimated:

Qlad = − BU 2

dQg

(3)

where: B is a shunt capacity susceptance of lines, condenser batteries and static compensators. Together with further growth of power demand in substations GPZ 110kV/MV, voltage in the transmission grid drops and transmission losses of reactive power exceed significantly charging power. Moreover, a part of generators starts to operate with constant reactive power because it cannot exceed strictly defined minimum value Qg min and maximum value Qg max resulting from the generator’s Pie graph [9]. Maximum reactive power refers to acceptable current of a rotor and a stator, while the minimum value refers to conditions of static balance. If one of these limit values of reactive power is achieved, a generator becomes the PQ-type node, i.e. a node with set active and reactive power, instead of the PU-type node with set active power and voltage. When limit values of generated reactive power are achieved, distant balancing node covers the further required increase of generated power. Then the increase of reactive power produced by generators is applied mainly to cover transmission losses, instead of increasing voltages.

dQ

= 1+

d (Qstr − Qlad ) dQ

(5)

(6)

When transferring to finite increases:

∆Q g ∆Q

= 1+

∆(Qstr − Qlad ) (7) ∆Q

we finally obtain:

 ∆ (Qstr − Qlad )  ∆Q (8) ∆Qg =  1 + ∆Q   The formula (8) demonstrated that increased power take-off ΔQ in GPZ 110kV/MV causes increased reactive power generated in power stations ΔQ proportionally to the value of expression    1 + ∆ (Qstr − Qlad )    (9) ∆Q  

the value of which depends on increase of the balance of transmission losses and charging power in the transmission grid. If reactive transmission losses are exactly equal to charging power in the expression (9), generators cover only increase of reactive power taken off from the substation GPZ 110kV/MV. In the case of a transmission grid including one transmission line, it will be 79


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

natural power transmission [11]. This relation (8) may be applied to test voltage stability with use of the criterion dQg/dQ, a detailed description of which in application to elementary system generator – load may be found in [12]. Based on current total values of active and reactive power generated by power stations, a transmission grid operator should be able to estimate the network’s operating point where reactive transmission losses and reactive power generated by shunt capacities will be balanced. COO point may be detected only in such a model of transmission grid where all condenser batteries are modelled as a shunt capacitive susceptance in grid nodes.

3.2. Transmission grid alternative model Simplified alternative system presented in Fig. 2 has been applied in order to estimate quickly the critical operating point of the transmission grid.

Ug

U

Z=R+jX

Pg + jQg aggregate generation

composite load

Pstr + jQstr aggregate series losses

3.1. Transmission grid test model The test considers 12-node transmission system with the nominal voltage of 110kV (five nodes, others are distributive nodes of medium voltage, Fig. 1). L1 W1

T1, T2

T10

W10 10 kV

W9 10 kV L11

L10

T7

W12 10 kV

T8

System

W13

,

∑Q

L7

N

P=

Pi , Q =

i =1

∑ Q (11) i

i =1

aggregate longitudinal losses M

Pstr =

∑P

str j

, Qstr =

j =1

30 kV T5, T6

Fig. 1. Test grid scheme

Ppstr =

∑ j =1

It cooperates with the stiff voltage system at the level of 220 kV. These loads have tg φ not larger than 0.4. Four local generators cover most active and reactive power demand. The remaining part is taken off from higher voltage. Generators operate with a block transformer directly at the voltage level of 110 kV. The system of parallel elements has been adopted. It enables verifying system behaviours at shut-offs of parallel connections. Considered EPS includes 12 nodes, 12 lines and 10 transformers.

∑Q

str j

(12)

j =1

and aggregate transverse losses M

80

(10)

N

M

W5

W6

gi

i =1

G3, G4

L5 L6

L8

Qg =

composite load

W3

220 kV

Pgi

i =1

L3

T3, T4 W14

N

N

Pg = L4

L9 W4

W11 G1, G2

L12

Fig. 2. Power system alternative model

Longitudinal parameters R, X of the model are calculated based on results of planned power flow. It requires calculation of aggregate (total) generation, composite load, total longitudinal (series) and transverse (shunt) losses: aggregate generation

W2 110 kV

T9

Y=G+jB Ppstr + jQpstr aggregate shunt losses

3. Transmission grid models

L2

P + jQ

N

Ppstr j +

∑ i =1

Psh i , Q pstr =

M

∑ j =1

N

Q pstr j +

∑Q

sh i

i =1

(13)

where: Pgi, Qgi – active and reactive power generated in i node Pi, Qi – active and reactive power generated in i node Psh i, Qsh i – active and reactive power of a shunt compensator in i node Pstr j, Qstr j – longitudinal (series) losses of active and reactive power in j branch Ppstr j, Qpstr j – active and reactive power losses in j branch, N – number of nodes in the system together with a balancing node, M – number of branches (lines and transformers) in the system. R, X, G, B parameters of the transmission system alternative model result from adoption of the assumption that voltages


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

in power station nodes are expressed in relative units and their values are equal to 1.05. From the values of longitudinal (series) losses:

Pstr = R

Pg2 + Qg2 U g2

, Qstr = X

Pg2 + Qg2 U g2

(14)

Longitudinal (series) resistance and reactance of the alternative circuit can be respectively calculated:

R=

U g2 Pg2 + Q g2

Pstr (15)

Yii = gii+jbii – own conductance and susceptance of i node. If we adopt the assumption that only voltage components are changing in specific i node, while remaining components are constant, from the equation (21) we obtain the following new form separately for power P and Q:

Pi = (ei 2 + f i2 ) g i + K i ei + Li f i Qi = −(ei 2 + fi2 )bi − Li ei + K i fi

(22)

(23)

N

∑ (g e

where K i =

ij

j

− bij f j ) and

j =1, j ≠1

X=

U g2 Pg2 + Qg2

Qstr (16)

N

Li = Voltage module in the alternative load node comes to:  Pg R + Qg X U = U g −  Ug 

2

2

  Pg X − Qg R   + −  (17)    Ug   

When we know the alternative voltage load module and values of transverse losses of active and reactive power: Ppstr = GU 2 , Q pstr = − BU 2

G=

B=−

U2 Q pstr U2

ij

j

+ gij f j )

After transformation of the expression (22) and (23), we obtain equations of active power circle: Pi K i2 + L2i  K + =  ei + i gi 2 gi 4 gi2 

2

  L  +  fi + i   2 gi  

  = rP2 (24)  

and the equation of reactive power circle:

(18)

we may determine respectively alternative transverse conductance and susceptance of the alternative circuit:

Ppstr

∑ (b e

j =1, j ≠1

Q K 2 + L2  L − i + i 2 i =  ei + i bi 2 bi 4bi 

2

  K  +  fi − i   2 bi  

 2  = rQ (25)  

For generating nodes, for which a voltage module is set, the equation (25) is replaced with the following formula: (19)

2 2 U gi = egi + f gi2 (26)

(20)

Transverse losses of reactive power in the system have insignificant value as against longitudinal losses. They decline together with voltage drop in the grid, but they have insignificant impact on a stoppage of developing reactive power imbalance.

3.3. Multiple solutions of power flow Equations of node powers in the rectangular coordinate system of node voltage have the following form: N

S i = Pi + jQi = (ei + jfi )

∑(g j =1

ij

− jbij )(e j + jf j ) (21)

where: Si – node complex power Ui = ei + jfi – node voltage in i node Yij = gij+jbij – mutual conductance and susceptance

When some limitations are applied, points referring to zero value of the Jacobian determinant J of flow equations may be treated as the limit of local stability of the system [8]. If we treat the adjacent point of circles P and Q or P i U as the limit of local stability, areas on the right side of a straight line determined by the equation det J = 0, are treated as the stable area (basic, first, accurate, stable solution), while areas on the left side of this straight line – as unstable (second, unstable, inaccurate solution). For the multi-node system, circle crossings indicate only approximation of two approximate solutions among 2N possible combinations. Multiple approximate solutions may be determined with the Newton-Raphson method at proper adoption of the starting point [13] Approximation of two multiple solutions to each other is accompanied by deterioration of convergence conditions. This is why the convergence ratio is introduced to flow equations with the value different from unity. It enables thorough approximation to the stability limit (Fig. 3). 81


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

Various balancing scenarios are considered while testing voltage stability. Usually, the scenario of proportional growth of load active power at constant tangents of power in nodes is applied. Simulation of covering the growth of demanded power in the transmission system might have different forms. The two following ones are the most frequently applied. • increased demand is covered by systemic power stations propor­tionally to nominal power of their generators • increased demand is covered by a balancing node which reflects power import from the external system. The second method gives the most pessimistic results, as it involves the highest increase of reactive power losses. In computer simulations presented in this paper, demand growth consists in proportional increase of active and reactive powers taken off in nodes for constant tg φ and not larger than 0.4. Active powers of generators increase proportionally to their initial generated powers, while reactive powers result from set voltages on generator clamps.

iterations and the lack of change in a sign of a determinant of the Jacobian matrix provides for local stability in set operating point. Active power generated P g and taken off P 2 Pg P

1.9 1.8 P ower P g i P [p. u. ]

4. Simulation of reactive power imbalances

1.7 1.6 1.5 1.4 1.3 1.2

1

1.05

1.1

1.15

1.2

1.25 1.3 Load grade

1.35

1.4

1.45

1.5

Fig. 4. Chart of generated and taken-off active power 1

Fig. 4 presents the characteristics of generated and taken-off active power, while Fig. 5 concerns generated and taken-off reactive powers. Reactive powers are significantly spreading out at system balancing, which is related with a high increase of longitudinal losses in the system. Charts for active powers do not indicate such discrepancies.

0.5 0 -0.5 -1

R eactive power generated Qg and taken off Q

-1.5

1.5

-2

0

0.5

1

1.5

1.3

2

Fig. 3. Graphic illustration of approximate solutions in the rectangular system of node voltages – change in reactive power

P ower Qg i Q [p. u. ]

-2.5 -0.5

Qg Q

1.4

1.2 1.1 1 0.9

4.1. Results of a simulation of the transmission grid test operation

0.8 0.7

active power [MW] generation

141.154

load

140.000

longitudinal losses

reactive power [Mvar] 15.358 24.000

0.735

13.490

–24.512

branch transverse losses

0.000

transformer transverse losses

0.420

2.380

line charging

Tab. 1 System balance for the initial state

The steady state of this test system has been calculated in four iterations of the Newton-Raphson method. Low number of 82

1

1.05

1.1

1.15

1.2

1.25 1.3 Load grade

1.35

1.4

1.45

1.5

Fig. 5. Charts of generated and taken-off reactive power

Fig. 6 presents the process of changes in longitudinal and transverse losses of generation for a test transmission grid.


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

Qps tr Longitudinal Qs tr and trans vers e Qps tr los s es Longitudinal Qs tr and trans vers e Qps tr los s es [p. u. ]

0.5 Qs tr Qps tr 0.45

0.4

0.35

0.3

0.25

0.2

0.15

1

1.05

1.1

1.15

1.2

1.25 1.3 Load grade

1.35

1.4

1.45

1.5

Fig. 6. Process of changes in longitudinal and transverse losses of generation for a test transmission grid

Fig. 7. Process of longitudinal and transverse losses changes in generation for the alternative transmission grid

The chart shows that the point, in which transmission losses become equal to reactive power generated by shunt capacities corresponds a 34% increase in apparent power generated in the system in relation to planned power distribution, or they become equal to 34% growth of power demand at a constant power tangent. Generated apparent power increases more quickly than the demand due to increased transmission losses and declining charging power.

4.3. Results of multiple solving of power flow equations

active power [MW]

reactive power [Mvar]

generation

141.154

15.358

load

140.000

24.000

longitudinal losses

0.735

13.490

line charging

–0.000

branch transverse losses

0.000

0.000

transverse losses in nodes

0.419

–22.118

C ircles of active and reactive power 5

0

reactive component f

4.2. Results for the alternative transmission grid

The above-mentioned relations (24) and (25) enable one to chart circles of active and reactive power in rectangular coordinates of node voltages for the load alternative node.

-5

-10

-15

-20 -10

-5

0 5 active component e

10

15

Tab. 2. Balance of the two-node alternative system for the initial state Fig. 8. Pie graphs of active and reactive power for the initial state

With use of a two-node alternative system model, it may be easy to estimate the point where reactive transmission losses and reactive power generated by shunt capacities become equal. Fig. 7 shows that this point corresponds with an increase of generated apparent power of approx. 27% or with 27% growth of power demand at a constant power tangent.

Based on Fig. 8, it may be concluded that circles of active and reactive power cross each other so they have two tangents. Their position against each other demonstrates the existence of two solutions. The distance between tangents (it is clearer on enlarged common fragment, Fig. 9) may be a measure of stability reserve. The significant difference between the radius of active and reactive power circles results from the low value of a tested node’s own susceptance.

83


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

C ircles of active and reactive power

1

1

0.5

0.5 reactive component f

reactive component f

C ircles of active and reactive power

0

-0.5

-0.5

-1

-1.5

-1.5 0

0.5 1 active component e

1.5

2

-0.5

Fig. 9. Pie graphs of active and reactive power for the initial state (enlarged common fragment from Fig. 8)

Qg Q

reactive component f

0

-5

-10

-15

-20 -10

-5

0 5 active component e

0

0.5 1 active component e

1.5

2

Fig. 11. Pie graphs of active and reactive power for the initial state and for balancing (enlarged common fragment from Fig. 10)

5. Conclusions

C ircles of active and reactive power 5

10

15

Fig. 10. Pie graphs of active and reactive power for the initial state and for balancing

The system has been gradually balanced with constant tg φ not larger than 0.4. Fig. 10 shows one of the balancing points, while Fig. 11 presents an enlarged common fragment. These presentations dweonstrate the decreasing distance between solutions. It leads to the balancing state for which circles become tangential. This shall mean the limit state of voltage stability. Further balancing means the occurrence of voltage avalanche and consequently action of the automation and system breakdown.

84

0

-1

-0.5

Qg Q

In the literature, the loss of the transmission grid voltage stability is commonly understood as the loss of convergence of an iterative process of solving node equations. This is a point in which two solutions close to zero converge, i.e. a determinant of the Jacobian matrix is close to zero. In the operator’s practice, it is much more important to recognize accurately such an operating state of the transmission grid, in which signals of danger for voltage stability occur. Especially when it concerns the transmission grid, in which generators operate near limit reactive powers. Then a very important role is performed by the rate of growth of the transmission loss balance of reactive power and charging power in reference to increased reactive power take-off by nodal loads of the transmission grid. This paper presented a way of estimating the critical operating point of the transmission grid based on curves of the balance of reactive transmission losses and charging power for a test transmission system and with the use of a two-node alternative model of the transmission grid. The occurrence of the critical point is only a sign of deteriorated voltage stability of the transmission grid and it does not mean its loss. After determination of alternative longitudinal resistance and reactance and alternative transverse conductance and susceptance, based on an aggregate value of active and reactive power generated by power stations in a given moment, the reserve of reactive power transmission was estimated. It was achieved through multiple calculations of power flow in a balanced system.


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | 77–85

REFERENCES 1. Sobierajski M. Rojewski W., Po czerwcowej awarii 2006, czyli warunki bezpiecznego przesyłania energii elektrycznej [After Failure in June 2006, That is Conditions of Secure Electric Energy Transmission], Power Electric Engineering Automatics 2007, issue 3. 2. Taylor C.W., Power system voltage stability, McGraw-Hill, 1994. 3. Morison K., Practical methods of voltage stability analysis, IEEE 2002 Summer Meeting, Chicago, pp. 1504–1509. 4. Łabuzek M., Lis R., Ordered Research Project No. PBZ-MEiN-1/2/2006 Poland’s Energy Security, Mathematic Models of Transmission and Distribution System for the Needs of Analysing Steady States within the Scope of Active and Reactive Power Flows and Voltage Levels, Report: Task: 3.2.1, SPR 41/08, Wrocław University of Technology, Institute of Electrical Power Engineering, Wrocław, 2008. 5. Łabuzek M., Lis R., Stabilność napięciowa dużego systemu elektroenergetycznego [Voltage Stability of Large Power System], Electrotechnical Review 2010, issue 12, pp. 188–191. 6. Łabuzek M., Lis R., Wielokrotne rozwiązania równań rozpływu mocy [Multiple Solutions of Power Flow Equations], Transactions on computer applications in electrical engineering: XIV Conference ZKwE ‚09, Poznań, April 20–22, 2009. 7. Sobierajski M., Rojewski W., Praktyczne sposoby zapobiegania lawinie napięć na przykładzie awarii krajowego systemu

elektroenergetycznego 26 czerwca 2006 roku [Practical Methods of Voltage Avalanche Prevention Based on the Example of Failure of the Public Power System of 26 June 2006], APE 2007, Jurata, 13–15 June 2007. 8. Kremens Z., Sobierajski M., Analiza systemów elektroenergetycznych [An Analysis of Power Systems], Warsaw 1996. 9. Machowski J., Generator synchroniczny jako źródło mocy biernej przy dużych zmianach napięcia w systemie elektroenergetycznym [A Synchronous Generator as the Source of Reactive Power at Significant Voltage Changes in the Power System], Electrotechnical Review 2008, issue 2, pp. 41–4. 10. Sobierajski M., Rojewski W., Wpływ strat mocy biernej na wystąpienie lawiny napięcia w sieci przesyłowej [The Impact of Reactive Power Losses on the Occurrence of Voltage Avalanche in the Transmission Grid], Power Engineering Archive 2009, Vol. 39, issue 1, pp. 77–89. 11. Machowski J., Regulacja i stabilność systemu elektroenergetycznego [Power System Dynamics – Stability and Control], Warsaw 2007. 12. Machowski J., Bialek J., Bumby J., Power system dynamics stability and control, John Wiley & Sons, 2008. 13. Łabuzek M., Lis R., Ordered Research Project No. PBZ-MEiN-1/2/2006 Poland’s Energy Security, Integrated Power System Model for the Needs of Voltage Stability Analyses, Report: Task: 3, Subject: 3.1.10, SPR 42/08, Wrocław University of Technology, Institute of Electrical Power Engineering, Wrocław, 2008.

Robert Lis Wrocław University of Technology e-mail: robert.lis@pwr.wroc.pl Assistant professor in the Electrical Engineering Institute at Wroclaw University of Technology. His interests include scientific issues related to planning and controlling power systems. He has published approx. 90 papers concerning mainly voltage stability of a power systems, system modelling in real time and application of intelligent systems in controlling, particularly to evaluate system security. Recent studies have been dedicated mainly to methods of estimating power transmission security in grids of the highest voltage, computer modelling and simulations of transient states in Matlab, as well as cooperation of distributed generation with power system.

Mirosław Łabuzek Wrocław University of Technology e-mail: miroslaw.labuzek@pwr.wroc.pl Assistant professor in the Electrical Engineering Institute at Wroclaw University of Technology. His interests include testing stability of large power systems, particularly local stability, and recently the voltage. He has contributed to works concerning security of power transmission via grids of the highest voltage. In order to model and simulate, he has developed many programs in Matlab with the use of the sparse matrix technique. This enables considering large power systems and reducing computing time.

85


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | translation 77–85

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 77–85. When referring to the article please refer to the original text. PL

Symulacja deficytów mocy biernej w sieci przesyłowej zagrożonej niestabilnością napięciową Autor

Robert Lis Mirosław Łabuzek

Słowa kluczowe

sieć przesyłowa, stabilność napięciowa, deficyt mocy biernej

Streszczenie

W sieci przesyłowej bilans mocy biernej zależy od wartości mocy biernych wytwarzanych w elektrowniach oraz od wartości mocy pojemnościowej, generowanej przez linie i statyczne kompensatory. Przy obniżających się napięciach rosną straty przesyłowe mocy biernej i maleją moce ładowania linii. W artykule przedstawiono podstawowe zależności bilansu mocy biernej od wzrostu zapotrzebowania mocy, następnie zależności te wykorzystano do oszacowania punktu pracy sieci przesyłowej, w którym straty przesyłowe mocy biernej przewyższają sumaryczną moc bierną wytwarzaną przez poprzeczne pojemności. 1. Wprowadzenie 1.1. Sterowanie pracą sieci przesyłowej System elektroenergetyczny (SEE) powinien spełniać wymogi bezpieczeństwa energetycznego kraju poprzez zapewnienie dostawy energii elektrycznej o parametrach przewidzianych odpowiednimi przepisami. W sytuacjach awaryjnych operatorzy systemu muszą ograniczyć ewentualne jej skutki i dążyć do odbudowy systemu własnymi środkami lub za pomocą systemów sąsiednich. Ponieważ magazynowanie na szerszą skalę energii elektrycznej nie jest możliwe, jednoczesne wytwarzanie i użytkowanie energii elektrycznej stwarza sporo zadań i problemów, związanych ze sterowaniem i kierowaniem pracy SEE. Zagadnienia pracy ustalonej stanowią podstawę do rozwiązania w skali systemu krajowego, jak i jego części składowych, rozpływu mocy dla wybranych godzin doby i okresów roku. Zmiany planowane w systemie są analizowane poprzez wyznaczenie dla sytuacji po zmianach nowego stanu ustalonego. W związku z tym w systemie należy ciągle równoważyć moc generowaną i odbieraną. W trosce o bezpieczeństwo energetyczne kraju priorytetowym zadaniem pozostaje budowanie nowych i modernizacja istniejących linii oraz stacji elektroenergetycznych, przy zastosowaniu najnowszych technologii i przestrzeganiu przepisów ochrony środowiska. Taka sytuacja wymusza staranne przygotowanie techniczne i ekonomiczne. Jednym z zagadnień istotnych dla normalnej pracy systemu staje się stabilność napięciowa, jak pokazała awaria w krajowym systemie 26 czerwca 2006 roku [1]. Badanie stabilności napięciowej powinno pokazać słabe punkty w systemie, które mogą spowodować powstanie lawiny napięciowej. Obliczenia energetyczne są zestawem programów, które na podstawie bazy danych pozwalają wykonać wiele obliczeń związanych z SEE, takich jak: wyznaczenie rozpływu mocy wyjściowego lub wariantowego, wartości poszczególnych wielkości przy zakłóceniach, ocenę stabilności systemu, optymalizację stanu pracy i inne. Podstawą tych wszystkich obliczeń jest wyznaczenie wektora stanu wyjściowego, popularnie nazywane wyznaczeniem

86

rozpływu mocy. Sprowadza się to do rozwiązania układu równań nieliniowych, wiążących wielkości zadane z poszukiwanymi. Poszukiwane są wartości wektora napięć węzłowych. Przyjęta metoda rozwiązania może rzutować na rozwiązanie lub brak rozwiązania. Celowe jest zastosowanie takiego podejścia, które w sposób jednoznaczny pozwalałoby stwierdzić, czy rozwiązanie istnieje, czy też brak jest rozwiązania. W [2] pokazano zastosowanie podstaw teoretycznych, zaś w [3] praktyczne zastosowania do wielkich SEE. 1.2. Stabilność napięciowa sieci przesyłowej Obliczenia rozpływu mocy są podstawą do wszystkich analiz pracy SEE. Przy coraz bardziej rozbudowanym systemie wymaga się od metod obliczeniowych szybkiej i pewnej zbieżności, natomiast program obliczeniowy powinien umożliwić uwzględnienie dużego systemu przy krótkim czasie obliczeń. Najczęściej obecnie używana metoda Newtona-Raphsona zaliczana jest do grupy metod gradientowych. Wykorzystuje ona model admitancyjny SEE. Zastosowanie technik macierzy rzadkich pozwala na uwzględnienie dużych systemów, dla których stopień zapełnienia tej macierzy wynosi poniżej 1%. Metoda Newtona-Raphsona wymaga zazwyczaj kilku iteracji, niezależnie od wielkości obliczanego SEE, pod warunkiem że punkt startowy został właściwie dobrany. Wybór punktu startowego jest wadą tej metody, ponieważ źle przyjęty może prowadzić do stwierdzenia braku rozwiązania lub rozwiązania niewłaściwego. W takich przypadkach należy stosować metody hybrydowe. Jednym z takich podejść jest zastosowanie dla kilku kroków iteracyjnych metody Gaussa lub Gaussa-Seidla (metody wymagają prostych obliczeń w dużej ilości, przy wolnej zbieżności), a następnie przejść do metody Newtona-Raphsona. Sytuacja taka występuje np. przy starcie płaskim do obliczeń, przy uwzględnieniu przesunięcia fazowego transformatorów z grupy Yd5 (Yz5). Przeprowadzone obliczenia dla SEE wymagały 4–5 iteracji dla zbieżności e = 10-8, przy czasie obliczeń

iteracyjnych ok. 3 sekund. Zastosowanie metod rozpływowych jest często spotykanym podejściem do badania stabilności napięciowej poprzez określenie granicy stabilności na podstawie wartości otrzymanych w procesie iteracyjnym (zerowanie jakobianu) [4]. Publikacje [3, 5] zwracają uwagę na możliwość zastosowania do praktycznych badań tzw. rozwiązań bliskich z podstawowymi. Wiąże się to z wielokrotnymi rozwiązaniami rozpływu mocy. Wada metody Newtona-Raphsona staje się w tym przypadku jej zaletą. Start do obliczeń z punktu znacznie odległego od rozwiązania prowadzi do drugiego rozwiązania. Dla stanów ustalonych jest ono nieprzydatne jako niestabilne i praktycznie nie istnieje. Jednak zbliżanie się tegoż punktu do właściwego punktu pracy świadczy o zbliżaniu się stanu pracy SEE do granicy stabilności, określanej przez jedno rozwiązanie podwójne. Wartości wielkości węzłowych związanych analitycznie przedstawione mogą być, na płaszczyźnie współrzędnych prostokątnych napięć węzłowych, w postaci okręgów mocy czynnej i biernej lub mocy czynnej i modułu napięcia. Okręgi te, przecinające się w dwóch punktach dla stanów odległych od granicznego, stają się styczne dla stanu granicznego [6]. 1.3. Badanie stabilności napięciowej sieci przesyłowej W ośrodkach operatorów większości SEE na świecie od lat prowadzi się systematyczne analizy stabilności napięciowej sieci przesyłowych, wykorzystując do tego celu głównie programy rozpływu mocy. Analizy te wykonywane są dla sieci przesyłowych w cyklu rocznym, miesięcznym, tygodniowym i dobowym [7]. Związek stabilności napięciowej ze stabilnością kątową jest niewielki, dlatego w dużych połączonych systemach utrata stabilności napięciowej w wydzielonych obszarach sieci może nastąpić bez utraty synchronizmu [8]. Stabilność napięciowa jest związana ze zmianami napięć w węzłach sieci przesyłowej w kolejnych stanach ustalonych, występujących po zmianie zapotrzebowania mocy w SEE. Utrata stabilności napięciowej może


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | translation 77–85

być spowodowana bądź to zbyt dużym wzrostem zapotrzebowania mocy w systemie, bądź awaryjnym wyłączeniem silnie obciążonej linii przesyłowej lub generatorów. Podczas wzrostu obciążenia, wskutek istniejących ograniczeń wytwarzania mocy biernej przez generatory synchroniczne, w danej części SEE może wystąpić jej deficyt. Wywoła to obniżenie napięcia i w konsekwencji zmniejszenie generacji mocy biernej przez linie przesyłowe oraz dalsze ograniczenie zdolności jej wytwarzania przez generatory. Moc bierna popłynie do obszaru deficytowego ze źródeł dalej położonych, powodując wzrost obciążenia linii przesyłowych, a tym samym straty mocy biernej. W takiej sytuacji awaryjne wyłączenie w obszarze deficytowym mocno obciążonej (przeciążonej) linii przesyłowej lub istotnego źródła mocy biernej może spowodować systematyczne obniżanie się napięć, aż do wystąpienia lawiny napięć. Na warunki napięciowe istotny wpływ mają także układy regulacji napięcia generatorów synchronicznych oraz transformatorów. W tych ostatnich układy regulacji przekładni pod obciążeniem starają się utrzymać zadany poziom napięcia po stronie sieci rozdzielczej i tym samym mogą się przyczynić do pogłębienia deficytu mocy biernej. Deficyt mocy biernej w systemie uruchamia proces utraty stabilności napięciowej, rozwijającej się zwykle przez kilka, kilkanaście, a czasami kilkadziesiąt minut. Zwykle deficyt mocy biernej występuje w dającym się wydzielić obszarze SEE. W kolejnych etapach tego procesu mamy do czynienia z odmiennymi zjawiskami i stosownie do etapu mogą być stosowane różne środki w celu zapobiegania awarii. W dużych połączonych SEE utrata stabilności napięciowej rozwija się zwykle przy częstotliwości niewiele odbiegającej od znamionowej. Obrona SEE przed awarią napięciową lub skrócenie czasu trwania awarii wymaga odpowiedniego wyboru środków zaradczych przez automatykę systemową, a następnie podjęcia właściwych decyzji przez operatora. Stosowane są następujące środki zmierzające do przywrócenia bilansu mocy biernej w zagrożonym obszarze: automatyczne załączanie dodatkowych źródeł mocy biernej (baterii kondensatorów, SVC, STATCOM) automatyczne zwiększanie wytwarzania mocy biernej przez generatory kosztem zmniejszania ich mocy czynnej automatyczne wyłączanie odbiorców o dużym poborze mocy biernej przez automatykę podnapięciowego odciążania samoczynne blokowanie regulacji napięcia transformatorów NN/110kV, w celu zapobieżenia wzrostowi poboru mocy biernej przez sieć 110 kV. Teoretyczny punkt utraty stabilności napięciowej sieci przesyłowej jest powszechnie w literaturze rozumiany jako utrata zbieżności procesu iteracyjnego rozwiązywania równań węzłowych. Jest to punkt, w którym zbiegają się dwa bliskie rozwiązania, czyli wyznacznik macierzy Jacobiego jest bliski zeru. Punkt utraty stabilności napięciowej ma znaczenie teoretyczne, gdyż odpowiada wartościom napięć węzłowych bliskim 0,8Un. W praktyce sieć przesyłowa, w której napięcia węzłowe mają wartości bliskie 0,8Un nie jest w stanie utrzymać stabilności napięciowej, o czym świadczy awaria napięciowa

26 czerwca 2006 roku w polskim północno-wschodnim SEE [7]. 2. Bilans strat mocy biernej 2.1. Straty przesyłowe mocy biernej Problemem znacznie trudniejszym od wyznaczenia teoretycznego punktu utraty stabilności napięciowej jest oszacowanie punktu pracy sieci przesyłowej, w którym pojawią się symptomy zagrożenia stabilności napięciowej. Zwłaszcza jeśli to dotyczy sieci przesyłowej, w której generatory pracują w pobliżu granicznych mocy biernych. Wówczas bardzo ważną rolę spełnia szybkość wzrostu bilansu strat przesyłowych mocy biernej i mocy ładowania w odniesieniu do wzrostu poboru mocy biernej przez odbiory węzłowe sieci przesyłowej. Równanie bilansu mocy biernej w sieci przesyłowej ma następującą postać: Q g + Qlad = Q + Qstr (1) gdzie: Qg – moc bierna wytwarzana w elektrowniach, zgodnie z indywidualnymi wykresami kołowymi mocy generatorów Q lad –moc bierna wytwarzana przez statyczne elementy pojemnościowe włączone poprzecznie do sieci (wszystkie baterie kondensatorów, pojemności linii) Q – moc bierna pobierana w GPZ 110/SN pomniejszona o moce baterii kondensatorów na szynach SN (kondensatory te dają moc Qlad), Qstr – straty przesyłowe mocy biernej podłużne w liniach oraz podłużne i poprzeczne w transformatorach. Straty przesyłowe mocy biernej Qstr są wprost proporcjonalne do kwadratu przesyłanych mocy i odwrotnie proporcjonalnie do kwadratu napięcia. Wzrost przesyłanych mocy powoduje wzrost strat biernych i obniżenie napięcia, a obniżenie napięcia mocy pogłębia wzrost tych strat: Qstr = X

P 2 + Q 2 (2) U2

gdzie: P, Q – przesyłana moc czynna i bierna od węzła początkowego do węzła końcowego gałęzi U – napięcie w węźle początkowym gałęzi X– reaktancja podłużnej gałęzi. Obniżenie się napięcia w sieci przesyłowej powoduje zmniejszenie wytwarzania mocy biernej Qlad, przez poprzeczne pojemności linii i baterii kondensatorów oraz innych statycznych kompensatorów, zgodnie z zależnością

Qlad = − BU 2 (3) gdzie: B jest susceptancją pojemnościową poprzeczną linii, baterii kondensatorów oraz statycznych kompensatorów. Wraz z dalszym wzrostem zapotrzebowania mocy w stacjach GPZ 110/SN napięcia w sieci przesyłowej obniżają się i straty przesyłowe mocy biernej znacznie przewyższają moc ładowania. Ponadto część generatorów zaczyna pracować ze stałą mocą bierną, gdyż nie może ona przekroczyć ściśle określonych wartości minimalnej Qg min i maksymalnej Qg max, wynikających z wykresu kołowego generatora [9]. Maksymalna

moc bierna odpowiada dopuszczalnemu prądowi wirnika i stojana, a wartość minimalna warunkom równowagi statycznej. W przypadku osiągnięcia jednej z tych granicznych wartości mocy biernej generator staje się węzłem typu PQ, czyli węzłem o zadanej mocy czynnej i biernej, zamiast węzłem typu PU o zadanej mocy czynnej i napięciu. Z chwilą osiągnięcia granicznych wartości mocy biernej generowanej dalszy wymagany przyrost mocy generowanej jest pokrywany przez odległy węzeł bilansujący. Wówczas wzrost mocy biernej, wytwarzanej przez generatory, jest wykorzystywany głównie na pokrycie strat przesyłowych, a nie na podwyższanie napięć. 2.2. Krytyczny punkt pracy sieci przesyłowej Na szczególną uwagę zasługuje punkt pracy sieci przesyłowej, w którym bierne straty przesyłowe przewyższają sumaryczną moc ładowania [10]. Qstr > Qlad (4)

Wówczas generatory pokrywają tylko wzrost mocy biernej pobieranej ze stacji GPZ 110/SN. Punkt zrównania się strat przesyłowych z mocą ładowania w sieci przesyłowej nazwany został krytycznym punktem pracy (KPP) sieci przesyłowej. Pojawienie się punktu przełomowego jest jedynie symptomem pogarszania się stabilności napięciowej, a nie punktem niestabilności napięciowej. Przekroczenie tego punktu powoduje dalsze obniżanie napięć węzłowych, mimo wzrostu wytwarzania mocy biernej generowanej w elektrowniach. Obniżanie się napięć jest gwałtownie przyspieszane z chwilą, gdy wytwarzanie mocy biernej w elektrowniach dochodzi do technicznych ograniczeń. Na przykład, pojawienie się punktu KPP w sieci przesyłowej, w której wszystkie generatory pracują w trybie PU, nie jest informacją o zagrożeniu stabilności napięciowej, a jedynie o przesyłaniu mocy biernej na duże odległości. Zgodnie z równaniem bilansu mocy biernej (1) w sieci przesyłowej: Q g = Q + Qstr − Qlad (5) można oszacować zależność między przyrostem biernej mocy odbieranej i generowanej w tej sieci: dQg dQ

= 1+

d (Qstr − Qlad ) dQ

(6)

Przechodząc na skończone przyrosty: ∆Q g ∆Q

= 1+

∆(Qstr − Qlad ) (7) ∆Q

ostatecznie otrzymujemy:  ∆ (Qstr − Qlad )  ∆Q (8) ∆Qg =  1 + ∆Q   Ze wzoru (8) wynika, że wzrost poboru mocy ΔQ w GPZ 110/SN powoduje wzrost mocy biernej wytwarzanej w elektrowniach ΔQg proporcjonalnie do wartości wyrażenia

87


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | translation 77–85

   1 + ∆ (Qstr − Qlad )  (9)   ∆Q   którego wartość zależy od przyrostu bilansu strat przesyłowych i mocy ładowania w sieci przesyłowej. Jeżeli bierne straty przesyłowe są dokładnie równe mocy ładowania w wyrażeniu (9), to wtedy generatory pokrywają tylko wzrost mocy biernej pobieranej ze stacji GPZ 110/SN. W przypadku sieci przesyłowej składającej się z jednej linii przesyłowej będzie to przesyłanie mocy naturalnej [11]. Zależność (8) można wykorzystać do badania stabilności napięciowej za pomocą kryterium dQg/dQ, którego szczegółowy opis w zastosowaniu do elementarnego układu generator – odbiór można znaleźć w [12]. Operator sieci przesyłowej, na podstawie aktualnych sumarycznych wartości mocy czynnej i biernej wytwarzanej przez elektrownie, powinien móc oszacować punkt pracy sieci, w którym wystąpi zrównanie biernych strat przesyłowych z bierną mocą generowaną przez poprzeczne pojemności. Punkt KPP może być wykryty tylko w takim modelu sieci przesyłowej, w którym wszystkie baterie kondensatorów są zamodelowane jako poprzeczna susceptancja pojemnościowa w węzłach sieci. 3. Modele sieci przesyłowej 3.1. Model testowy sieci przesyłowej Do testowania uwzględniono 12-węzłowy system przesyłowy o napięciu znamionowym 110 kV (5 węzłów, pozostałe to węzły rozdzielcze średniego napięcia, rys. 1). Współpracuje on z systemem napięcia sztywnego na poziomie 220 kV. Odbiory te posiadają tg φ nie większy niż 0,4. Cztery generatory lokalne pokrywają w większości zapotrzebowanie na moc czynną i bierną, brakująca część pobierana jest z napięcia wyższego. Generatory pracują z transformatorem blokowym bezpośrednio na poziom napięcia 110 kV. Przyjęto układ elementów równoległych, pozwala to na sprawdzenie zachowania się systemu przy wyłączeniach połączeń równoległych. Rozważany SEE składa się z 12 węzłów, 12 linii oraz 10 transformatorów. 3.2. Model zastępczy sieci przesyłowej W celu szybkiego oszacowania przełomowego punktu pracy sieci przesyłowej wykorzystano uproszczony system zastępczy, który został przedstawiony na rys. 2. Parametry podłużne R, X modelu obliczane są na podstawie wyników planowanego rozpływu mocy. Wymaga to wyliczenia sumarycznej (całkowitej) generacji, sumarycznego odbioru, całkowitych strat podłużnych i całkowitych strat poprzecznych: sumaryczna generacja N

Pg =

∑P

N

gi

i =1

,

Qg =

∑Q

gi

i =1

(10)

sumaryczny odbiór N

P=

N

oraz sumaryczne straty poprzeczne M

Ppstr =

∑P

N

pstr j

∑P

+

sh i ,

j =1

i =1

M

Q pstr =

∑Q

N

pstr j

∑Q

+

sh i

j =1

(13)

i =1

gdzie: Pgi, Qgi – moc czynna i bierna wytwarzana w i-tym węźle Pi, Qi – moc czynna i bierna odbierana w i-tym węźle L1 L2

W1

W2 110 kV

T9

i =1

W10 10 kV

W9 10 kV L11

G1, G2

L10

W4

∑ j =1

W14

str j

j =1

W12 10 kV

T8

System

W13 G3, G4

L5 L6

L8

L7

W5

30 kV

W6 T5, T6

Rys. 1. Schemat sieci testowej

Ug Pg + jQg sumaryczna generacja

Z=R+jX Pstr + jQstr sumaryczne straty podłużne

U

P + jQ sumaryczny odbiór Y=G+jB Ppstr + jQpstr sumaryczne straty poprzeczne

(12) Rys. 2. Zastępczy model systemu elektroenergetycznego

88

W3

220 kV T7

M

∑Q

L3

T3, T4

i

Pstr j , Qstr =

L4

L9

i =1

M

W11

L12

sumaryczne straty podłużne Pstr =

T1, T2

T10

∑ P , Q = ∑ Q (11) i

Psh i, Qsh i – moc czynna i bierna poprzecznego kompensatora w i-tym węźle Pstr j,Qstr j – straty podłużne mocy czynnej i biernej w j-tej gałęzi Ppstr j,Qpstr j – straty poprzeczne mocy czynnej i biernej w j-tej gałęzi, N – liczba węzłów w systemie łącznie z węzłem bilansującym M – liczba gałęzi (linii i transformatorów) w systemie Parametry R, X, G, B zastępczego modelu systemu przesyłowego wynikają z przyjęcia założenia, że napięcia w węzłach elektrownianych są wyrażone w jednostkach


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | translation 77–85

względnych i mają wartości równe 1,05. Z wartości strat podłużnych: Pstr = R

Pg2 + Qg2 U g2

, Qstr = X

Pg2 + Qg2 U g2

R=

X=

U g2 Pg2 + Qg2

(14)

Pstr (15) Qstr (16)

Moduł napięcia w węźle zastępczego odbioru wynosi:  Pg R + Qg X U = U g −  Ug 

2

2

  Pg X − Qg R   + −     Ug   

(17) Znając moduł napięcia zastępczego odbioru oraz wartości strat poprzecznych mocy czynnej i biernej: Ppstr = GU

2

, Q pstr = − BU

2

(18)

można wyznaczyć odpowiednio zastępczą poprzeczną konduktancję i susceptancję obwodu zastępczego: Ppstr G = 2 (19) U Q pstr B = − 2 (20) U Straty poprzeczne mocy biernej w systemie mają niewielką wartość w porównaniu ze stratami podłużnymi. Choć maleją wraz z obniżaniem się napięcia w sieci, to mają niewielki wpływ na zatrzymanie rozwijającego się deficytu mocy biernej. 3.3. Wielokrotne rozwiązania rozpływu mocy Równania mocy węzłowych w prostokątnym układzie współrzędnych napięcia węzłowego mają następującą postać: N

S i = Pi + jQi = (ei + jfi )

∑(g

ij

− jbij )(e j + jf j )

j =1

(21)

gdzie: Si – moc zespolona węzłowa, U i = ei + jf i – napięcie węzłowe w i-tym węźle, Yij = gij+jbij – konduktancja i susceptancja wzajemna, Yii = gii+jbii , to konduktancja i susceptancja własna węzła i. Jeżeli przyjmiemy założenie, że w określonym węźle i zmieniają się jedynie składowe napięcia, a wszystkie pozostałe składowe są stałe, to otrzymujemy z równania (21) następującą nową postać rozdzielnie dla mocy P oraz Q: Pi = (ei 2 + f i2 ) g i + K i ei + Li f i

(22)

Qi = −(ei 2 + fi2 )bi − Li ei + K i fi

(23)

gdzie:

∑ (g e ij

j

na proporcjonalnym wzroście czynnych i biernych mocy odbieranych w węzłach dla stałych tg φ i nie większych od 0,4. Moce czynne generatorów rosną proporcjonalnie do ich początkowych mocy generowanych, a moce bierne wynikają z zadanych napięć na zaciskach generatorów.

− bij f j ) oraz

j =1, j ≠1

można wyliczyć odpowiednio podłużną rezystancję i reaktancję obwodu zastępczego: U g2 Pg2 + Q g2

N

Ki =

N

Li =

∑ (b e ij

j

+ gij f j )

j =1, j ≠1

Po przekształceniu wyrażenia (22) i (23) otrzymujemy równania okręgu mocy czynnej: Pi K i2 + L2i  K + =  ei + i gi 2 gi 4 gi2 

2

  L  +  fi + i   2 gi  

  = rP2  

(24)

oraz równanie okręgu mocy biernej: Q K 2 + L2  L − i + i 2 i =  ei + i bi 2 bi 4bi 

2

  K  +  fi − i   2 bi  

1 0.5 0 -0.5 -1 -1.5 -2

 2  = rQ  

(25) Dla węzłów generacyjnych, dla których zadany jest moduł napięcia, równanie (25) zostaje zastąpione równaniem: 2 2 U gi = egi + f gi2 (26)

Przy zastosowaniu pewnych ograniczeń punkty odpowiadające zerowej wartości jakobianu J równań rozpływowych można traktować jako granicę stabilności lokalnej systemu [8]. Jeżeli punkt styczności okręgów P i Q lub P i U potraktujemy jako granicę stabilności lokalnej, to obszary po prawej stronie prostej, wyznaczonej równaniem det J = 0, traktuje się jako obszar stabilny (rozwiązania podstawowe, pierwsze, właściwe, stabilne), natomiast po lewej stronie tej prostej jako niestabilny (rozwiązania drugie, niestabilne, niewłaściwe). Dla systemu wielowęzłowego przecięcia okręgów wyznaczają jedynie przybliżenie dwóch bliskich rozwiązań spośród 2N możliwych kombinacji. Rozwiązania wielokrotne bliskie mogą być wyznaczone za pomocą metody Newtona-Raphsona, przy odpowiednim przyjęciu punktu startowego [13]. Zbliżaniu się dwóch rozwiązań wielokrotnych do siebie towarzyszy pogorszenie się warunków zbieżności. Dlatego wprowadza się współczynnik zbieżności do równań rozpływowych z wartością różną od jedności. Pozwala to na dokładne zbliżenie się do granicy stabilności (rys. 3). 4. Symulacja deficytów mocy biernej Badając stabilność napięciową, rozważa się różne scenariusze dociążania. Zwykle stosuje się scenariusz proporcjonalnego wzrostu mocy czynnej odbiorów przy stałych tangensach mocy w węzłach. Symulacja pokrywania wzrostu zapotrzebowanej mocy w systemie przesyłowym może przebiegać na różne sposoby. Spośród wielu możliwych najczęściej stosowane są dwa następujące. • wzrost zapotrzebowania jest pokrywany przez elektrownie systemowe proporcjonalnie do mocy znamionowej ich generatorów • wzrost zapotrzebowania jest pokrywany przez węzeł bilansujący, co odpowiada importowi mocy z systemu zewnętrznego. Sposób drugi daje najbardziej pesymistyczne wyniki, gdyż pociąga za sobą największy wzrost strat mocy biernej. W symulacjach komputerowych przedstawionych w niniejszej pracy wzrost zapotrzebowania polega

-2.5 -0.5

0

0.5

1

1.5

2

Rys. 3. Graficzna ilustracja rozwiązań bliskich w prostokątnym układzie napięć węzłowych – zmiana mocy biernej

4.1. Wyniki symulacji pracy testowej sieci przesyłowej moc czynna [MW]

moc bierna [Mvar]

141,154

15,358

odbiory

140,000

24,000

straty podłużne

0,735

13,490

generacja

ładowanie linii – –24,512 Tab. 1 Bilans systemu dla stanu wyjściowego straty poprzeczne 0,000 – gałęzi stratyustalony poprzeczne Stan tego systemu testowego 0,420 2,380 został transformatorów wyliczony w 4 iteracji metody NewtonaRaphsona. Mała liczba iteracji, brak zmiany znaku wyznacznika macierzy Jakobiego świadczy o stabilności lokalnej w zadanym punkcie pracy.

Rys. 4. Wykres mocy czynnej generowanej i odbieranej

Na rys. 4 przedstawiono charakterystykę mocy czynnej generowanej i odbieranej, natomiast rys. 5 dotyczy mocy biernych generowanych i odbieranych. Moce bierne znacznie się rozchodzą przy dociążaniu systemu, co jest związane ze znacznym wzrostem strat podłużnych w systemie. Wykresy dla mocy czynnych nie wykazują takich rozbieżności.

89


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | translation 77–85

Moc bierna generowana Qg i odbierana Q 0.5 Qg Q 0.45

Moc Qg i Q [p. u. ]

0.4

0.35

0.3

0.25

0.2

0.15

1

1.05

1.1

1.15

1.2 1.25 1.3 s topień obciążenia

1.35

1.4

1.45

1.5

Rys. 5. Wykresy mocy biernej generowanej i odbieranej

Przebieg zmian strat podłużnych i poprzecznych generacji dla testowej sieci przesyłowej pokazano na rys. 6.

Rys. 7. Przebieg zmian strat podłużnych i poprzecznych generacji dla zastępczej sieci przesyłowej

Punkt zrównania strat przesyłowych biernych z mocą bierną, wytwarzaną przez poprzeczne pojemności, może być łatwo oszacowany z wykorzystaniem zastępczego 2-węzłowego modelu systemu. Z rys. 7 wynika, że punkt ten odpowiada wzrostowi pozornej mocy generowanej o ok. 27% lub 27-proc. wzrostowi zapotrzebowania mocy przy stałym tangensie mocy. 4.3. Wyniki wielokrotnego rozwiązywania równań rozpływu mocy Podane powyżej zależności (24) i (25) pozwalają na wykreślenie okręgów mocy czynnej i biernej we współrzędnych prostokątnych napięć węzłowych dla węzła zastępczego odbioru.

czynna sieci moc bierna 4.2. Wyniki dla moc zastępczej [Mvar] przesyłowej [MW] generacja

141,154

15,358

odbiory

140,000

24,000

straty podłużne

0,735

13,490

ładowanie linii

–0,000

straty poprzeczne gałęzi

0,000

0,000

straty poprzeczne w węzłach

0,419

–22,118

Tab. 2. Bilans systemu zastępczego 2-węzłowego dla stanu wyjściowego

90

Rys. 10. Wykresy kołowe mocy czynnej i biernej dla stanu wyjściowego oraz dociążenia

System został stopniowo dociążony ze stałym tg  φ nie większym niż 0,4. Jeden z punktów dociążania pokazano na rys. 10 oraz powiększony fragment wspólny na rys. 11. Z tych przedstawień wynika zmniejszanie się odległości między rozwiązaniami. Prowadzi to do stanu dociążenia, dla którego okręgi staną się styczne. Będzie to oznaczało stan graniczny stabilności napięciowej. Dalsze dociążanie to powstanie lawiny napięciowej, a w konsekwencji zadziałanie automatyki i rozpadnięcie się systemu.

Rys. 6. Przebieg zmian strat podłużnych i poprzecznych generacji dla testowej sieci przesyłowej

Z wykresu wynika, że punkt, w którym straty przesyłowe stają się równe mocy biernej generowanej przez pojemności poprzeczne, odpowiada wzrostowi pozornej mocy generowanej w systemie o 34% w stosunku do planowanego rozpływu mocy lub 34-proc. wzrostowi zapotrzebowania mocy przy stałym tangensie mocy. Wskutek wzrostu strat przesyłowych i zmniejszania się mocy ładowania moc pozorna generowana rośnie szybciej w porównaniu z zapotrzebowaniem.

Rys. 9. Wykresy kołowe mocy czynnej i biernej dla stanu wyjściowego (powiększony fragment wspólny z rys. 8)

Rys. 8. Wykresy kołowe mocy czynnej i biernej dla stanu wyjściowego

Na podstawie rys. 8 można wnosić, że okręgi mocy czynnej i biernej się przecinają, a tym samym mają dwa wspólne punkty. Takie ich wzajemne położenie świadczy o istnieniu dwóch rozwiązań. Odległość między punktami wspólnymi (wyraźniej jest to widoczne na powiększonym fragmencie wspólnym, rys. 9) może być miarą zapasu stabilności. Znaczna różnica pomiędzy promieniami okręgów mocy czynnej i biernej wynika z małej wartości susceptancji własnej badanego węzła.

Rys. 11. Wykresy kołowe mocy czynnej i biernej dla stanu wyjściowego oraz dociążenia (powiększony fragment wspólny z rys. 10)


R. Lis, M. Łabuzek | Acta Energetica 4/17 (2013) | translation 77–85

5. Wnioski końcowe Utrata stabilności napięciowej sieci przesyłowej w literaturze powszechnie rozumiana jest jako utrata zbieżności procesu iteracyjnego rozwiązywania równań węzłowych. Jest to punkt, w którym zbiegają się dwa bliskie rozwiązania, czyli wyznacznik macierzy Jacobiego jest bliski zeru. W praktyce operatorskiej znacznie ważniejsze jest właściwe rozpoznanie takiego stanu pracy sieci przesyłowej, w którym pojawią się symptomy zagrożenia stabilności napięciowej. Zwłaszcza jeśli to dotyczy sieci przesyłowej, w której generatory pracują w pobliżu granicznych mocy biernych. Wówczas istotną rolę spełnia szybkość wzrostu bilansu strat przesyłowych mocy biernej i mocy ładowania w odniesieniu do wzrostu poboru mocy biernej przez odbiory węzłowe sieci przesyłowej. W artykule przedstawiono sposób szacowania krytycznego punktu pracy sieci przesyłowej na podstawie krzywych bilansu biernych strat przesyłowych i mocy ładowania dla testowego systemu przesyłowego oraz z wykorzystaniem zastępczego 2-węzłowego modelu sieci przesyłowej. Pojawienie się krytycznego punktu jest tylko symptomem pogarszania się stabilności napięciowej sieci przesyłowej i nie oznacza jej utraty. Po wyznaczeniu zastępczej podłużnej rezystancji i reaktancji oraz zastępczej poprzecznej konduktancji i susceptancji oszacowano, na podstawie sumarycznej wartości mocy czynnej i biernej wytwarzanych przez elektrownie w danej chwili, zapas przesyłu mocy biernej. Dokonano tego przez wielokrotne obliczanie rozpływu mocy w dociążanym systemie.

Bibliografia 1. Sobierajski M. Rojewski W., Po czerwcowej awarii 2006, czyli warunki bezpiecznego przesyłania energii elektrycznej, Automatyka Elektroenergetyczna 2007, nr 3. 2. Taylor C.W., Power system voltage stability, McGraw-Hill, 1994. 3. Morison K., Practical methods of volt age st abi lity ana lysis, IEEE 2002 Summer Meeting, Chicago, s. 1504–1509. 4. Łabuzek M., Lis R., Projekt Badawczy Zamawiany Nr PBZ-MEiN-1/2/2006 Bezpieczeństwo elektroenergetyczne kraju, Modele matematyczne systemu przesyłowego i rozdzielczego dla potrzeb analizy stanów ustalonych w zakresie rozpływów mocy czynnej i biernej oraz poziomów napięć, Raport z realizacji: Zadanie: 3.2.1, SPR 41/08, Politechnika Wrocławska, Instytut Energoelektryki, Wrocław, 2008. 5. Łabuzek M., Lis R., Stabilność napięciowa dużego systemu elektroenergetycznego, Przegląd Elektrotechniczny 2010, nr 12, s. 188–191. 6. Łabuzek M., Lis R., Wielokrotne rozwiązania równań rozpływu mocy, Transactions on computer applications in electrical engineering: XIV Conference ZKwE‚ 09, Poznań, April 20–22, 2009.

7. Sobierajski M., Rojewski W., Praktyczne sposoby zapobiegania lawinie napięć na przykładzie awarii krajowego systemu elektroenergetycznego 26 czerwca 2006 roku, APE 2007, Jurata, 13–15 czerwca 2007. 8. Kremens Z., Sobierajski M., Analiza systemów elektroenergetycznych, Warszawa 1996. 9. Machowski J., Generator synchroniczny jako źródło mocy biernej przy dużych zmianach napięcia w systemie elektroenergetycznym, Przegląd Elektrotechniczny 2008, nr 2, s. 41–4. 10. Sobierajski M., Rojewski W., Wpływ strat mocy biernej na wystąpienie lawiny napięcia w sieci przesyłowej, Archiwum Energetyki 2009, t. 39, nr 1, s. 77–89. 11. Machowski J., Regulacja i stabilność systemu elektroenergetycznego, Warszawa 2007. 12. Machowski J., Bialek J., Bumby J., Power system dynamics stability and control, John Wiley & Sons, 2008. 13. Łabuzek M., Lis R., Projekt Badawczy Zamawiany Nr PBZ-MEiN-1/2/2006 Bezpieczeństwo elektroenergetyczne kraju, Zintegrowany model systemu elektroenergetycznego dla potrzeb analiz stabilności napięciowej, Raport z realizacji: Zadanie: 3, Temat: 3.1.10, SPR 42/08, Politechnika Wrocławska, Instytut Energoelektryki, Wrocław, 2008.

Robert Lis

dr inż. Politechnika Wrocławska e-mail: robert.lis@pwr.wroc.pl Adiunkt w Instytucie Energoelektryki Politechniki Wrocławskiej. Zajmuje się problemami naukowymi związanymi z planowaniem i sterowaniem systemów elektroenergetycznych. Opublikował ok. 90 prac dotyczących głównie: stabilności napięciowej systemów elektroenergetycznych, modelowania systemu w czasie rzeczywistym oraz wykorzystania systemów inteligentnych w sterowaniu, w szczególności dla oceny bezpieczeństwa pracy systemu. Ostatnie prace dedykowane są głównie metodom szacowania bezpieczeństwa przesyłu mocy sieciami najwyższych napięć, modelowaniu i symulacjom komputerowym stanów przejściowych w Matlabie oraz współpracy generacji rozproszonej z systemem elektroenergetycznym.

Mirosław Łabuzek

dr inż. Politechnika Wrocławska e-mail: miroslaw.labuzek@pwr.wroc.pl Adiunkt w Instytucie Energoelektryki Politechniki Wrocławskiej. Zajmuje się badaniem stabilności dużych systemów elektroenergetycznych, w szczególności stabilności lokalnej, ostatnio napięciowej. Uczestniczył w pracach dotyczących bezpieczeństwa przesyłu mocy sieciami najwyższych napięć. W celu modelowania i symulacji opracował wiele programów w Matlabie, z wykorzystaniem techniki na macierzach rzadkich. Pozwala to uwzględnić duże systemy elektroenergetyczne oraz skrócić czas obliczeń.

91


R. Miklaszewska | Acta Energetica 4/17 (2013) | 92–96

Renewable Energy Sources in International and EU Legal Regulations

Author Róża Miklaszewska

Keywords renewable energy, renewable energy sources, energy law, international law, European Union law

Abstract The article presents issues relating to international and EU regulations in the field of renewable energy sources (RES). It discusses in a comprehensive manner the most important acts specific for the both regulatory platforms. Also presented are the most important objectives and premises, which these acts implement. The RES development, at both the international and Community levels, is presented in the context of activities undertaken within the energy policy framework at each of the concerned platforms. The description of the characteristics of international and EU legislation also refers to their significant impact on Polish legislation on renewable energy.

DOI: 10.12736/issn.2300-3022.2013408

The article shows in a synthetic manner the characteristics of legal regulations in the field of renewable energy sources, both on the international and EU platforms. The alternative sources-based power sector is currently the fastest growing segment of the global energy sector1. The phenomenon of large-scale promotion of renewable energy is experienced throughout the world. This is done primarily through the instruments of energy policy2. According to many authors, now the conditions for renewable energy development are perfect. This is influenced by modern technical solutions, increasing awareness and positive social attitudes, and favourable policies alike3. Since Poland’s international and European commitments are becoming a driving force for the development of renewable energy sources4, the legal regulations on these two platforms are worth a closer look. The international regulations are mainly international agreements that bind Poland. One of the most basic acts is the climate convention of 19925. As a framework document, the convention contains provisions for the reduction of carbon dioxide to the atmosphere6. As for those times, these were very demanding

provisions, especially with regard to Poland. Since the convention contains general provisions, they are detailed in supplementary agreements called protocols. The most important – from the point of view of this article – is the Kyoto Protocol7. Both of these documents are the most important acts of international rank, which pertain to RES issues. They both – the protocol in particular – have significantly influenced the development and promotion of RES in the international arena. For this reason these are subject to further discussion in the framework of international regulations. In addition, it should be emphasized that both the Convention and the Protocol were confirmed and ratified by the European Union and Poland8. The primary purpose of the Convention – as well as all documents adopted by the parties, and related to that act – is to stabilize greenhouse gas concentrations in the atmosphere at a level that will prevent negative interference with the climate. Provisions adopted in the Convention have significantly contributed to the formulation of rules of international counteracting climate changes. This document sets out the principles of responsibility

Wiśniewski G., Potencjał inwestycyjny w energetyce odnawialnej do 2020 roku [Investment potential in renewable energy by 2020], http://wyborcza.pl/ myodnawialni/1,117398,10404703,Potencjal_inwestycyjny_w_energetyce_odnawialnej_do.html?as=1. Łucki Z., Misiak W., Energetyka a społeczeństwo. Aspekty socjologiczne [Energy sector and society. Sociological aspects], Warsaw 2011, p. 55. 3 Ibid. 4 Łysek M., Ocena ryzyka przyrodniczego przy realizacji inwestycji w odnawialne źródła energii [Natural risk assessment in implementation of renewable energy capital expenditure projects] [in:] Górski M., Prawo ochrony przyrody a wolność gospodarcza [Environmental law and economic freedom], Łódź – Poznań, Polska 2011, p. 301. 5 United Nations Framework Convention on Climate Change, signed in New York on 9 May 1992. Journal of Laws of 1996, No. 53, Item 238. 6 Augustyniak T., Prawne uwarunkowania rozwoju źródeł energii odnawialnej [Legal conditions for the development of renewable energy sources] [in:] CiechanowiczMcLean J., Bojar-Fijałkowski T., Prawo ochrony środowiska jako warunek prowadzenia działalności gospodarczej [Environmental protection law as a condition of business activities], Gdańsk 2009, p. 199. 7 The Kyoto Protocol to the United Nations Framework Convention on Climate Change of 11 December 1997, Journal of Laws of 2005, No. 203, Item. 1684. 8 Swora M., Muras Z. (edit.), Prawo energetyczne, Komentarz [Energy Law, Commentary], Warsaw 2010, p. 141. 1

2

92


R. Miklaszewska | Acta Energetica 4/17 (2013) | 92–96

in the first place, although it should be noted that they were diverse in nature. In addition, the standards contained in the Convention have contributed to raising the global community’s awareness of the climate problems to be tackled. Due to the lack of specific commitments for each country – including the figures – concerning the gas emissions reduction, Parties to the Convention decided to negotiate a protocol on emission measures. The result of these works has become the Kyoto Protocol. The Protocol is a legally binding international agreement. It has imposed on highly developed countries the obligation to reduce six main greenhouse gases in 2008–2012. The document has introduced several mechanisms to reduce emissions of these gases: 1. joint implementation mechanism 2. clean development mechanism 3. emissions trading mechanism 4. activation mechanism of CO2 absorption by plants 5. joint action mechanism9. It should be noted that the mechanisms identified in the Protocol are complementary. The most important among these is the Emission Trading Mechanism. Each country listed in Annex B to the Protocol was allowed emissions, expressed in Assigned Amount Units. If a country has emitted less harmful gases than was allowed, i.e. has used fewer units, it could therefore sell these units to a state which has exceeded its limit. This action has allowed states to fulfil the emission obligations imposed on them, as well as the market utilisation of better position by the states which have used fewer units than were allowed. Since the Protocol included binding quantitative targets, it has significantly contributed to progress in the fight against adverse climate change. The provisions of this document have introduced many measures to achieve the objectives contained therein. It should be noted that one of the most important means of strengthening or establishing a national emissions reduction policy is the promotion and development of renewable energy sources. RES, just next to the energy consumption control and savings, as well as increased energy efficiency, are in fact one of the most important elements of the entire package of measures needed to reduce the emission of harmful gases, and thus of the fulfilment of the provisions of the Protocol and other international obligations in this respect10. The Kyoto Protocol has been ratified by both the European Union, which took place on May 31, 2002, and Poland – in December 2002. It came into force after ratification by Russia, on 16 February 2005. It is worth mentioning that countries such as the United States, Australia, China and India refused to ratify it. This was definitely an element that blocked this document’s effectiveness in the arena of international cooperation11. The solutions adopted 9

in the Protocol have become a driving force behind action in the Community arena, and the foundation of EU energy policy. New regulations in the so called climate and energy package are in fact some kind of result of the solutions contained just in the Kyoto Protocol. This will be discussed, later, however. It is worth recalling that the Kyoto Protocol was supposed to remain in force until 2012. Unfortunately, negotiations aimed at agreeing a new agreement, which might constitute a kind of follow-up to the Kyoto provisions, ended in fiasco. As a result of the December 2012 talks, which were held in the Qatari capital of Doha, it was decided that the term of the Kyoto Protocol will be postponed until 202012. Yet another aspect of international cooperation should be indicated in the context of renewable energy. On 26 January 2009 in Bonn The International Renewable Energy Agency IRENA, was established. Poland is also a member. IRENA is the first international organization dedicated exclusively to renewable energy issues. It was established to promote comprehensive and sustainable use of energy from renewable sources13. IRENA’s basic tasks include assistance to industrialized and developing countries in further technological development in the field of RES. Since the objectives contained in the IRENA statutes can be realized only in a soft way, its influence on the actions undertaken by its member states may seem somewhat weak. The scope of the Agency’s business includes, in particular: monitoring, advising, dissemination of knowledge and technology, information and support in research. IRENA activities very often boil down to advisory or information. As its environmental priorities the European Union has adopted climate and biodiversity protection, as well as sustainable socioeconomic development. It should be emphasized that the EU environmental policy in this regard is not only a political slogan, but a superior and common social value. All activities of the Union are in fact aiming at implementation of this policy. It is closely related to energy, which is reflected in many EU regulations. Creation of a single market for electricity and gas, and lowcarbon economy are recognised as the most important premise of EU energy policy because Europe needs solidarity, both in terms of energy sector and energy14. The RES share in electricity generation results in tangible benefits, in particular the reduction of greenhouse gas emissions in the EU energy sector, reduction of other pollutant emissions, as well as socio-economic effects of improved prospects for agricultural areas, and areas for various reasons isolated15. The necessary increase in the renewable energy share has been an EU priority for some time. One of the main reasons why the need is so accented is implementation of the sustainable development principle. According to declarations of the Council for Renewable Energy,

Ibid.

M. et. al. (edit.), Energetyka i ochrona środowiska w procesie inwestycyjnym [Energy and environmental protection in the investment projects development process], Warsaw 2010, p. 132. Swora M., Muras Z. (edit.), op. cit., p. 141. 12 Olszewski M., O energetyce przyjaznej środowisku prawie wszystko. Mały leksykon dla dziennikarzy [Almost everything about environmentally friendly energy. A small lexicon for journalists], Warsaw 2012, p. 55 13 Swora M., Muras Z. (edit.), op. cit., p. 162. 14 Łysek M., op. cit., p. 300. 15 Ibid. 10 Cherka 11

93


R. Miklaszewska | Acta Energetica 4/17 (2013) | 92–96

the European Union is now the leader in the technologies of energy generation from RES. By signing the Treaty of Lisbon, energy and energy sector have become one of the pillars of the Union’s common policy16. EU energy solidarity is manifested in the possibility of its Member States’ mutual support in the field of primary energy sources. Member States can share their energy resources in the event of energy crisis. This is a safeguard against the risk of an energy crash. But such a situation does not relieve our state of the obligation to care for our energy independence from other countries. So we are even more obligated to take all necessary actions to accomplish such energy independence and maintain it. It is widely believed that energy derived from renewable sources largely guarantees such independence. RES, and much more broadly, environmental protection and strengthening energy security are of particular interest to both the EU and individual Member States. This interest has several dimensions; in particular, it has political, legal, and economic characteristics17. Member States have set themselves the goal of becoming the world leader in the transformation in environmental protection, and reduction of greenhouse gas emissions. It was not easy to achieve, because often these states were in opposition to each other. Due to this fact the Union has set for integrated action to increase the use of RES. For this purpose, in the framework of the Union operations many activities of a political and legal nature have been undertaken in support of these activities. As the existing legal order of the European Union is very important for Polish legislation, also the Union laws deserve a closer look. The clean energy issue is fairly widely regulated in the EU law, and significantly restrictive obligations that have been imposed on its Member States substantially influenced the legal situation of RES in Poland18. Poland as a Member State is obliged to approximate its current and future legislation to that effective in the Union. It must therefore take every action to harmonise its laws with the Community law. EU regulations in the area of renewable energy are relatively new19. As regards the treaty level, there are no uniform regulations pertaining to RES yet. Quite general provisions are also at the level of the secondary Community law. The most important EU regulations on the energy sector were issued in the second half of the 1990s. The first regulations on RES were adopted in September 2001. Because in that year the European Parliament and the Council adopted Directive 2001/77/EC on the promotion of electricity produced from renewable energy sources in the internal electricity market20. This Directive determined the share of electricity produced from renewable energy sources in the total electricity consumption in the EU by 2010. It was later superseded by Directive 2009/28/WE, which is referred to in detail below21. Despite the relatively short

effective period of the energy legislation, in the framework of the EU organisations’ operations many programs were launched aiming at the development of a competitive energy market. This development was primarily to ensure security of energy supply, environmental protection, and promotion of renewable energy. The promotion of energy from renewable sources, and focusing international assistance to the RES energy sector has thus become one of the key areas of the EU’s activities. A very important step in the area of RES development was Madrid Declaration of 1994. Its aim was to achieve a 15% share of renewable energy in the total demand of the Union by 2010. The consequence of this declaration was a White Paper issued in December 1997 and entitled: “Energy for the future: Renewable sources of energy”. Although the obligations set out in the White Paper were purely political and did not constitute legal obligations, still the statement therein included that renewable energy would significantly complement Europe’s energy balance only if appropriate development mechanisms were implemented, gave rise to the EU’s legislative actions in this field. As a non-binding act however, the White Paper included an obligation on Member States to increase the use of renewable energy sources, indicated how to use the technologies in the energy balance, as well as identified tools that a Member State might want to introduce in order to achieve the adopted goals. Another important document, which highlighted the need for an increased share of RES in electricity generation, was the Green Paper: “A European Strategy for Sustainable, Competitive and Secure Energy”. The Green Paper was adopted by the European Commission on 8 March 2006, and it provided the basis for a new energy policy22. It particularly drew attention to the diversity of energy forms, sustainable development, and innovation and technologies. The main purpose of the Green Paper was to initiate a discussion on energy security, which was recognised as the most important element of the European Union’s political and economic independence. This document assumed that improving energy security will be possible when two main objectives are accomplished: 1) on the demand side – increased energy efficiency of the economy and 2) on the supply side – increased share of renewable energy in the energy balance of Member States23. In order to achieve these objectives many measures have been undertaken that were treated as priorities for the Union’s activities in this regard. Besides a coherent external energy policy and setting up internal European markets, such measures include development of innovative energy technologies, and an integrated approach to climate changes. The provisions contained in the Green Paper were reflected in the so-called climate and energy package. The climate and energy

16 Ibid., p. 301

17 Swora M., Muras Z. (edit.), op. cit., p. 142. 18

Augustyniak T., op. cit., p. 200. R., Odnawialne źródła energii w regulacjach Unii Europejskiej [Renewable energy sources in European Union regulations], Infor No. 5, September – October 2002, http://www.zajdler.eu/__files/6_1_PUE%205_2002.pdf. 20 Directive 2001/77/EC of the European Parliament and of the Council of 27 September 2001 lost its power on 1 January 2012, Official Journal of the European Union L 283, 27 October 2001, p 33 21 Directive of the European Parliament and of the Council of 23 April 2009 on the promotion of energy from renewable sources and amending and subsequently repealing Directives 2001/77/EC and 2003/30/EC, Official Journal of the European Union L 140 of 5.6.2009. 22 Łysek M., op. cit., p. 300. 23 Swora M., Muras Z. (edit.), op. cit., p. 142. 19 Zajdler

94


R. Miklaszewska | Acta Energetica 4/17 (2013) | 92–96

package was announced by the European Commission on 10 March 2007, and it envisaged, in addition to a reduction in greenhouse gas emis­sions and increased energy use efficiency, and increase of 20% in the share of renewables in final energy consumption. Its implementation was therefore supposed to reduce the adverse impact of conventional power generation on the environment. The package’s provisions provide the Union with the grounds for RES promotion and development, as well as for achievement of the ambitious objectives related to maintenance of sustainable development. The assumptions included in the package gave an inducement to continue the EU’s legislative efforts in the field of RES. As previously emphasized, the EU document most important for the RES sector is Directive 2009/28/WE, mentioned earlier. Since the creation of the White Paper, Green Paper and the repealed 2001 Directive, several acts have been adopted that dealt with RES issues. Yet in the context of these acts it is the RES Directive which is seen as the most important piece of legislation in this area. Due to its utmost significance, not only for the EU legislation, but also for the Polish law, it requires a more detailed discussion of its provisions. This document is the basis for all activities of the Union and its Member States with regard to RES. His goal, as expressed in Article 1, is to establish a common framework for the promotion and generation of energy from RES. Each Member State shall calculate their individual target share of energy produced by them from RES. Such a goal must be consistent with the overall objective of “3x20”24. Pursuant to Article 4 of the Directive, each Member State is required to draw up a national action plan in the field of renewable energy. This plan defines the share of renewable energy in 2020. Moreover, it specifies the operational means and procedures to achieve its objectives. The Directive enables Member States’ cross-border cooperation. EU countries can exchange energy within statistical transfers. Moreover, they can establish and implement joint projects in the field of RES. The Directive’s provisions also offer the possibility of establishing cooperation with countries outside the European Union. However, there are some limitations of this opportunity. Because the electricity must be: 1) consumed in the community territory, 2) generated in a plant built after June 2009, and 3) generated without any other support. An important provision of the Directive is the obligation of Member States’ guarantees of the origin of electricity from RES. It is as important, as the information contained in these guarantees must be standardized and recognized by the other countries of the Union. Another important issue addressed in the Directive is access to power grids, and their operation. Each Member State is required to create the transmission infrastructure necessary for the energy from renewable sources. To achieve this goal, transmission and distribution of the renewable energy by operators must be ensured, and priority access to the electricity so generated established. As apparent from the foregoing, the provisions of the RES Directive aim to highlight the value of decentralized energy

generation. The energy market based on these assumptions brings about many benefits, in particular the use of local resources, and increased security of energy supply at the local level. The RES Directive is part of the whole package of EU legislation on energy and the environment, which aims to establish a common legal framework for defining the Community objectives in counteracting adverse climate changes. As part of this collective work, Member States are encouraged to increase their energy efficiency, produce and consume renewable energy, improve energy security and economic development in the renewable energy generation, and more broadly, across the energy sector. In all of this Europe – as already mentioned above – wants to set an example to others, not only its member countries, but also countries outside of its structures. While the initial approach to RES was rather a support to increase the share of RES in total electricity production and to create a future framework for RES development, now this approach is recognized much more broadly. The Union goes towards improving energy security, strengthening technological development and innovation, and seeks to increase employment and regional development opportunities. It is most visible in the example of the above discussed RES Directive, which repealed the document previously applicable. The current regulations also underline that one of the main purposes of imposing the renewable energy generation thresholds on individual states is to guarantee the confidence of investment in RES, and to encourage continuous development of generation technologies. Research and development of RES based technologies are reflected in the RES Directive preamble. EU Member States are therefore obliged to shape their legislation in such a manner as to give the RES development priority over conventional power plants. On the basis of the foregoing, it can be assumed that the EU’s energy policy is now focused specifically on the transformation of its fossil fuels based energy sector towards RES utilisation. The reasons for this approach to the energy sector are many, and the most important include political, social, and environmental considerations. The Union’s increasing involvement in this area results in more and more new legal regulations. The ongoing changes in the law evidence the continuing support to the RES development, both in the EU and Poland25. The same trend in favour of RES development is observed internationally. All legal institutions that arise in this regard, aim to support the development of investment in renewable energy. The regulations established within the framework of international activities inspire the EU and national legislation. This consistency of the solutions adopted at all levels allows for more efficient and more reliable implementation of RES capital expenditure projects because the appropriate “legal infrastructure” allows for an increase in investor confidence in the law and the state. Legislators should therefore take into account these factors at every level and at every stage of drafting the laws.

24 The 3x20 objective assumes 20% share of energy from renewable sources in gross final energy consumption in the EU by 2020, greenhouse gas emissions reduction

by 20 % compared to 1990, and increase in energy efficiency by 20%.

25 Krawiec F. (edit.), Odnawialne źródła energii w świetle globalnego kryzysu energetycznego. Wybrane problemy [Renewable energy sources in light of the global energy

crisis. Selected problems], Warsaw 2010, p. 93.

95


R. Miklaszewska | Acta Energetica 4/17 (2013) | 92–96

References 1. Directive 2001/77/EC of the European Parliament and of the Council of 27 September 2001 on the promotion of electricity produced from renewable energy sources in the internal electricity market, Official Journal of the European Union L 283 of 27 October 2001. 2. Directive of the European Parliament and of the Council of 23 April 2009 on the promotion of energy from renewable sources and amending and subsequently repealing Directives 2001/77/EC and 2003/30/EC, Official Journal of the European Union L 140 of 5.6.2009. 3. The Kyoto Protocol to the United Nations Framework Convention on Climate Change of 11 December 1997, Journal of Laws of 2005 No. 203, Item. 1684. 4. United Nations Framework Convention on Climate Change of 9 May 1992. Journal of Laws of 1996, No. 53, Item 238. 5. Augustyniak T., Prawne uwarunkowania rozwoju źródeł energii odnawialnej [Legal conditions for the development of renewable energy sources] [in:] Ciechanowicz-McLean J., Bojar-Fijałkowski T., Prawo ochrony środowiska jako warunek prowadzenia działalności gospodarczej [Environmental protection law as a condition of business activities], Gdańsk 2009 6. Cherka M. et. al. (edit.), Energetyka i ochrona środowiska w procesie inwestycyjnym [Energy and environmental protection in the investment projects development process], Warsaw 2010

7. Krawiec F. (edit.), Odnawialne źródła energii w świetle globalnego kryzysu energetycznego. Wybrane problemy [Renewable energy sources in light of the global energy crisis. Selected problems], Warsaw 2010. 8. Łucki Z., Misiak W., Energetyka a społeczeństwo. Aspekty socjologiczne [Energy sector and society. Sociological aspects], Warsaw 2011 9. Łysek M., Ocena ryzyka przyrodniczego przy realizacji inwestycji w odnawialne źródła energii [Natural risk assessment in implementation of renewable energy capital expenditure projects] [in:] Górski M., Prawo ochrony przyrody a wolność gospodarcza [Environmental law and economic freedom], Łódź – Poznań, Polska 2011 10. Swora M., Muras Z. (edit.), Prawo energetyczne, Komentarz [Energy Law, Commentary], Warsaw 2010 11. Olszewski M., O energetyce przyjaznej środowisku prawie wszystko. Mały leksykon dla dziennikarzy [Almost everything about environmentally friendly energy. A small lexicon for journalists], Warsaw 2012 12. Wiśniewski G., Potencjał inwestycyjny w energetyce odnawialnej do 2020 roku [Investment potential in renewable energy by 2020], http://wyborcza.pl/myodnawialni/1,117398,10404703, Potencjal_inwestycyjny_w_energetyce_odnawialnej_do.html?as=1 13. Zajdler R., Odnawialne źródła energii w regulacjach Unii Europejskiej [Renewable energy sources in European Union regulations], Infor No. 5, September – October 2002, http://www.zajdler.eu/__files/6_1_ PUE%205_2002.pdf

Róża Miklaszewska ENERGA Centrum Usług Wspólnych sp. z o.o. e-mail: roza.m@onet.eu Graduated from the Faculty of Law and Administration, University of Szczecin (2011). Studied law at Lapin Yliopisto (2010) in Finland under the LLP Erasmus programme. Also completed post-graduate studies in management and managerial skills at the University of Szczecin (2012). Since 2010 associated with ENERGA Group, first in ENERGA SA’s Legal Office, and now as Senior Legal Specialist in the Department of Legal-Environmental Services at ENERGA Shared Services Centre Ltd. In her work she deals primarily with legal support to capital expenditure and acquisition projects implemented in ENERGA Group. Her professional and scientific interests refer to renewable energy sources in the regulatory environment, particularly in the context of wind energy and the legal aspects of investment in wind farms, both onshore and offshore.

96


R. Miklaszewska | Acta Energetica 4/17 (2013) | translation 92–96

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 92–96. When referring to the article please refer to the original text. PL

Odnawialne źródła energii w międzynarodowych i unijnych regulacjach prawnych Autor

Róża Miklaszewska

Słowa kluczowe

energetyka odnawialna, odnawialne źródła energii, prawo energetyczne, prawo międzynarodowe, prawo Unii Europejskiej

Streszczenie

W artykule przedstawiono zagadnienia dotyczące międzynarodowych i unijnych regulacji prawnych w zakresie odnawialnych źródeł energii (OZE). W sposób kompleksowy omówiono najważniejsze akty prawne charakterystyczne dla obu płaszczyzn regulacyjnych. Przedstawiono też najistotniejsze cele i założenia, jakie realizowane są za pomocą tychże aktów. Rozwój OZE, na poziomie zarówno międzynarodowym, jak i wspólnotowym, został przedstawiony w kontekście działań podejmowanych w ramach polityki energetycznej na każdej ze wskazanych płaszczyzn. Opisując charakterystykę międzynarodowych i unijnych aktów prawnych, wskazano również na ich istotny wpływ na polskie prawodawstwo w zakresie energetyki odnawialnej.

W artykule w syntetyczny sposób ukazano charakterystykę regulacji prawnych w obszarze odnawialnych źródeł energii, zarówno na płaszczyźnie międzynarodowej, jak i unijnej. Energetyka bazująca na alternatywnych źródłach jest obecnie najszybciej rozwijającym się sektorem energetyki światowej1. Na całym świecie obserwowane jest zjawisko promowania na szeroką skalę energetyki odnawialnej. Dzieje się to głównie za pośrednictwem instrumentów polityki energetycznej2. Jak twierdzi wielu autorów, energetyka odnawialna ma obecnie idealne warunki rozwoju. Wpływ na to mają zarówno nowoczesne rozwiązania techniczne, coraz większa świadomość i pozytywne nastawienie społeczne oraz sprzyjająca polityka3. Ponieważ zarówno międzynarodowe, jak i europejskie zobowiązania stają się dla Polski pewnym motorem napędowym do rozwoju odnawialnych źródeł energii4, warto bliżej przyjrzeć się regulacjom prawnym na tych dwóch płaszczyznach. Międzynarodowe regulacje to w głównej mierze umowy międzynarodowe, jakie wiążą Polskę. Jednym z najbardziej podstawowych aktów jest konwencja klimatyczna z 1992 roku5. Konwencja, jako dokument ramowy, zawiera postanowienia dotyczące redukcji emisji dwutlenku węgla do atmosfery6. Jak na owe czasy były to postanowienia bardzo wymagające, zwłaszcza w odniesieniu do Polski. Ponieważ konwencja zawiera w sobie ogólne postanowienia, ich uszczegółowienie znalazło się w dodatkowych porozumieniach zwanych protokołami. Najważniejszym – z punktu widzenia niniejszego artykułu – jest protokół z Kyoto7. Oba te dokumenty są najistotniejszymi aktami o randze międzynarodowej, które dotykają

zagadnienia OZE. To one – w szczególności protokół – w istotny sposób wpłynęły na rozwój i promocję OZE na arenie międzynarodowej. Z tego powodu to im poświęcono dalsze rozważania w ramach międzynarodowych regulacji. Ponadto należy podkreślić, że zarówno konwencja, jak i protokół zostały potwierdzone i ratyfikowane przez Unię Europejską oraz Polskę8. Podstawowym celem konwencji – jak i wszystkich dokumentów przyjętych przez strony, a związanych z tym aktem – jest ustabilizowanie koncentracji gazów cieplarnianych w atmosferze na takim poziomie, aby zapobiec negatywnej ingerencji w klimat. Przyjęte w konwencji postanowienia w istotny sposób przyczyniły się do sformułowania zasad międzynarodowej walki ze zmianami klimatycznymi. W dokumencie tym określono przede wszystkim zasady odpowiedzialności, choć należy wskazać, że miały one charakter zróżnicowany. Ponadto zawarte w konwencji normy przyczyniły się do uświadomienia społeczności światowej, z jakimi problemami klimatycznymi należy się zmierzyć. Z uwagi na brak szczegółowych zobowiązań dla poszczególnych państw – w tym danych liczbowych – dotyczących redukcji emisji gazów, strony konwencji zadecydowały o negocjowaniu protokołu w sprawie środków emisji. Owocem tychże prac stał się protokół z Kyoto. Protokół to prawnie wiążąca umowa międzynarodowa. Nakładał on na państwa wysoko rozwinięte obowiązek redukcji sześciu podstawowych gazów cieplarnianych w latach 2008–2012. Dokument ten wprowadził kilka mechanizmów redukcji emisji tychże gazów:

1. mechanizm wspólnej implementacji 2. mechanizm czystego rozwoju 3. mechanizm handlu emisjami 4. mechanizm aktywacji absorpcji CO2 przez rośliny 5. mechanizm wspólnych działań9 . Należy wskazać, że mechanizmy wskazane w protokole wzajemnie się uzupełniają. Najważniejszym mechanizmem wśród wymienionych jest mechanizm handlu emisjami (ang. Emission Trading). Każdy kraj wymieniony w załączniku B do protokołu otrzymał dozwoloną wielkość emisji, wyrażoną w jednostkach (ang. Assigned Amount Units). Jeżeli wyemitował mniej szkodliwych gazów, niż było dozwolone, czyli wykorzystał mniej jednostek, mógł tym samym te jednostki odsprzedać temu państwu, które ten limit przekroczyło. Takie działanie pozwoliło na spełnienie przez państwa nałożonych obowiązków emisyjnych, a także na rynkowe wykorzystanie lepszej pozycji przez państwa, które wykorzystywały mniej jednostek, niż było to dozwolone. Ponieważ protokół zawierał wiążące cele ilościowe, w sposób znaczący przyczynił się on do postępu w zakresie walki z niekorzystnymi zmianami klimatycznymi. Postanowienia tego dokumentu wprowadzały wiele środków w celu osiągnięcia zawartych w nim celów. Należy wskazać, że jednym z najistotniejszych środków wzmacniania lub wprowadzenia krajowej polityki ograniczenia emisji jest promocja i rozwój źródeł energii odnawialnej. OZE, tuż obok kontroli zużycia energii, jej oszczędności, a także zwiększonej efektywności energetycznej, są bowiem jednym z bardziej istotnych elementów całego pakietu środków niezbędnych do redukcji emisji szkodliwych

1. Wiśniewski G., Potencjał inwestycyjny w energetyce odnawialnej do 2020 roku, http://wyborcza.pl/myodnawialni/1,117398,10404703,Potencjal_inwestycyjny_w_energetyce_ odnawialnej_do.html?as=1. 2. Łucki Z., Misiak W., Energetyka a społeczeństwo. Aspekty socjologiczne, Warszawa 2011, s. 55. 3. Tamże. 4. Łysek M., Ocena ryzyka przyrodniczego przy realizacji inwestycji w odnawialne źródła energii [w:] Górski M., Prawo ochrony przyrody a wolność gospodarcza, Łódź – Poznań, Polska 2011, s. 301. 5. Ramowa Konwencja Narodów Zjednoczonych w sprawie zmian klimatu podpisana w Nowym Jorku 9 maja 1992 roku. Dz. U. z 1996 r. nr 53, poz. 238. 6. Augustyniak T., Prawne uwarunkowania rozwoju źródeł energii odnawialnej [w:] Ciechanowicz-McLean J., Bojar-Fijałkowski T., Prawo ochrony środowiska jako warunek prowadzenia działalności gospodarczej, Gdańsk 2009, s. 199. 7. Protokół z Kyoto do Ramowej Konwencji Narodów Zjednoczonych w sprawie zmian klimatu z dnia 11 grudnia 1997 roku, Dz. U. z 2005 r. nr 203, poz. 1684. 8. Swora M., Muras Z. (red.), Prawo energetyczne, Komentarz, Warszawa 2010, s. 141. 9. Tamże.

97


R. Miklaszewska | Acta Energetica 4/17 (2013) | translation 92–96

gazów, a tym samym spełnienia postanowień protokołu oraz innych międzynarodowych zobowiązań w tym zakresie10. Protokół z Kyoto został ratyfikowany zarówno przez Unię Europejską, co miało miejsce 31 maja 2002, jak i przez Polskę – w grudniu 2002 roku. Wszedł on w życie po ratyfikowaniu przez Rosję, 16 lutego 2005 roku. Warto wspomnieć, że takie kraje jak Stany Zjednoczone, Australia, Chiny czy Indie odmówiły jego ratyfikacji. Stanowiło to niewątpliwie pewien element blokujący skuteczność tego dokumentu na arenie współpracy międzynarodowej11. Przyjęte w protokole rozwiązania stały się czynnikiem napędowym do działań na arenie wspólnotowej i podstawą unijnej polityki energetycznej. Nowe regulacje tzw. pakietu klimatyczno-energetycznego są bowiem niejako wynikiem rozwiązań zawartych właśnie w protokole z Kyoto. O tym mowa jednak w dalszej kolejności. Warto przypomnieć, że protokół z Kyoto miał obowiązywać do 2012 roku. Niestety, negocjacje mające na celu uzgodnienie nowego porozumienia, mogącego stanowić pewnego rodzaju kontynuację postanowień z Kyoto, zakończyły się fiaskiem. W wyniku przeprowadzonych w grudniu 2012 roku rozmów, które odbyły się w stolicy Kataru Ad-Dauha, zadecydowano że termin obowiązywania protokołu z Kyoto ulegnie przesunięciu do 2020 roku12. Należy wskazać jeszcze jeden aspekt współpracy międzynarodowej w kontekście energetyki odnawialnej. 26 stycznia 2009 roku w Bonn powołano do życia Międzynarodową Agencję Energii Odnawialnej (ang. International Renewable Energy Agency, IRENA). Polska również jest jej członkiem. IRENA jest pierwszą organizacją międzynarodową, która dedykowana jest wyłącznie problematyce energetyki odnawialnej. Powołana została w celu promowania wszechstronnego i zrównoważonego wykorzystania energii ze źródeł odnawialnych13. Do podstawowych zadań IRENA należy wspomaganie państw uprzemysłowionych oraz rozwijających się w dalszym rozwoju technologicznym w zakresie OZE. Ponieważ cele zawarte w statucie IRENA mogą być realizowane jedynie w miękki sposób, można mówić o nieco słabym jej wpływie na działania podejmowane przez państwa członkowskie tej organizacji. Zakres działalności agencji to w szczególności: monitorowanie, doradzanie, upowszechnianie wiedzy i technologii, dostarczanie informacji i wspieranie badań. Działalność IRENA bardzo często sprowadza się do czynności mających charakter doradczy czy informacyjny. Unia Europejska jako priorytety w dziedzinie środowiska postawiła sobie ochronę klimatu i różnorodności biologicznej, a t a k ż e z rów n ow a ż ony ro z w ó j

społeczno-gospodarczy. Należy podkreślić, że unijna polityka środowiskowa w tym zakresie to nie tylko slogan polityczny, ale nadrzędna i ogólnospołeczna wartość. Wszelkie działania Unii mają bowiem na celu wykonanie tej polityki. Jest to ściśle związane z energetyką, co znajduje wyraz w wielu unijnych regulacjach. Jako najistotniejsze założenia polityki energetycznej Unii wskazuje się utworzenie jednolitego rynku energii elektrycznej i gazu oraz niskoemisyjną gospodarkę. Europa potrzebuje bowiem solidarności, zarówno w odniesieniu do energetyki, jak i energii14. Udział OZE w produkcji energii elektrycznej powoduje wymierne korzyści, w szczególności redukcję emisji gazów cieplarnianych w sektorze energetycznym Unii, zmniejszenie emisji pozostałych zanieczyszczeń, a także skutki społeczno-gospodarcze w postaci poprawy perspektyw dla obszarów rolniczych i z różnych względów izolowanych15. Konieczność wzrostu udziału energii z OZE jest od jakiegoś czasu priorytetem działań unijnych. Jednym z najważniejszych powodów, dla których akcentowana jest taka potrzeba, to realizacja zasady zrównoważonego rozwoju. Zgodnie z deklaracjami Rady do spraw energii odnawialnej Unia Europejska jest obecnie liderem w dziedzinie technologii pozyskiwania energii z OZE. Energia i energetyka poprzez podpisanie traktatu lizbońskiego stały się jednym z filarów wspólnej polityki Unii16. Unijna solidarność energetyczna przejawia się m.in. w możliwości wzajemnego wspierania się państw w zakresie surowców energetycznych. Państwa członkowskie mogą dzielić się swoimi surowcami w przypadku kryzysu energetycznego. Jest to zabezpieczenie przed ewentualną katastrofą energetyczną. Taka sytuacja nie zwalnia jednak naszego państwa z dbałości o uniezależnienie się energetyczne od innych krajów. Jesteśmy więc jeszcze bardziej zobligowani do podejmowania wszelkich koniecznych działań, aby taką niezależność energetyczną uzyskać i utrzymać. Uważa się powszechnie, że energia pozyskiwana z OZE taką niezależność w dużym stopniu gwarantuje. OZE, a znacznie szerzej rzecz ujmując, ochrona środowiska i wzmocnienie bezpieczeństwa energetycznego są przedmiotem szczególnego zainteresowania zarówno Unii Europejskiej, jak i poszczególnych państw członkowskich. Zainteresowanie to ma kilka wymiarów, w szczególności ma ono charakter polityczny, prawny i ekonomiczny17. Kraje członkowskie postawiły sobie za cel zdobycie pozycji światowego lidera w przemianach w zakresie ochrony środowiska i ograniczenia emisji gazów cieplarnianych. Nie było to łatwe do osiągnięcia, gdyż często

państwa te pozostawały w opozycji wobec siebie. Z uwagi na ten fakt Unia postawiła na zintegrowane działanie w celu zwiększenia wykorzystania OZE. W tym celu w ramach funkcjonowania Unii podjęto wiele działań o charakterze politycznym i prawnym, aby te działania wesprzeć. Jako że obowiązujący porządek prawny Unii Europejskiej ma bardzo istotne znaczenie dla polskiego porządku, należy nieco uważniej przyjrzeć się także unijnym aktom prawnym. Problematyka czystej energii jest w unijnym prawie uregulowana dość szeroko, a istotnie restrykcyjne zobowiązania, jakie nałożone zostały na państwa członkowskie, znacząco wpłynęły na sytuację prawną OZE w Polsce18. Polska jako państwo członkowskie jest obowiązana do zbliżania swojego obecnego, jak i przyszłego prawodawstwa do tego, jaki panuje w Unii. Dlatego musi podejmować wszelkie działania, aby prawo w niej obowiązujące było zgodne z prawem wspólnotowym. Regulacje unijne w obszarze energetyki odnawialnej są stosunkowo młode19. Jeśli chodzi o poziom traktatowy, to na tej płaszczyźnie nie ma obecnie jednolitych uregulowań w zakresie OZE. Dość ogólne postanowienia znajdują się także na poziomie wspólnotowego prawa wtórnego. Najważniejsze unijne regulacje dotyczące energetyki ukazały się w drugiej połowie lat 90. ubiegłego wieku. Natomiast pierwsze regulacje dotyczące OZE przyjęto we wrześniu 2001 roku. W tym bowiem roku Parlament Europejski i Rada przyjęły Dyrektywę 2001/77/EC w sprawie wspierania produkcji na rynku wewnętrznym energii elektrycznej wytwarzanej ze źródeł odnawialnych 20. Dyrektywa ta wyznaczała udział energii elektrycznej produkowanej z OZE w całkowitym zużyciu energii elektrycznej w Unii do 2010 roku. Później została zastąpiona przez Dyrektywę 2009/28/WE, o której w sposób szczegółowy mowa poniżej21. Mimo dość krótkiego czasu obowiązywania energetycznych aktów prawnych, w ramach funkcjonowania struktur europejskich powołano do życia wiele programów, których celem był rozwój konkurencyjnego rynku energetycznego. Rozwój ten miał przede wszystkim zapewniać bezpieczeństwo dostaw energii, ochronę środowiska naturalnego oraz promocję energetyki odnawialnej. Promocja energii z odnawialnych jej źródeł oraz skupienie międzynarodowej pomocy udzielanej w energetyce z OZE stały się więc jednym z kluczowych pól działania Unii. Bardzo istotnym krokiem w obszarze rozwoju OZE była tzw. Deklaracja Madrycka z 1994 roku. Jej założeniem było uzyskanie do 2010 roku 15 proc. udziału energii z OZE w całkowitym zapotrzebowaniu Unii. Konsekwencją tej deklaracji była wydana

10. Cherka M. i in. (red.), Energetyka i ochrona środowiska w procesie inwestycyjnym, Warszawa 2010, s. 132. 11. Swora M., Muras Z. (red.), op. cit., s. 141. 12. Olszewski M., O energetyce przyjaznej środowisku prawie wszystko. Mały leksykon dla dziennikarzy, Warszawa 2012, s. 55. 13. Swora M., Muras Z. (red.), op. cit., s. 162. 14. Łysek M., op. cit., s. 300. 15. Tamże. 16. Tamże, s. 301. 17. Swora M., Muras Z. (red.), op. cit., s. 142. 18. Augustyniak T., op. cit., s. 200. 19. Zajdler R., Odnawialne źródła energii w regulacjach Unii Europejskiej, Infor nr 5, wrzesień – październik 2002 r., http://www.zajdler.eu/__files/6_1_PUE%205_2002.pdf. 20. Dyrektywa 2001/77/EC Parlamentu Europejskiego i Rady z 27 września 2001 roku utraciła swą moc 1 stycznia 2012 roku; Dziennik Urzędowy Unii Europejskiej L 283 z 27.10.2001, s. 33. 21. Dyrektywa Parlamentu Europejskiego i Rady z dnia 23 kwietnia 2009 r. w sprawie promowania stosowania energii ze źródeł odnawialnych, zmieniająca i w następstwie uchylająca dyrektywy 2001/77/WE oraz 2003/30/WE, Dziennik Urzędowy Unii Europejskiej L 140 z 5.6.2009.

98


R. Miklaszewska | Acta Energetica 4/17 (2013) | translation 92–96

w grudniu 1997 roku Biała Księga zatytułowana: „Energia dla przyszłości: odnawialne źródła energii”. Choć obowiązki określone w Białej Księdze miały charakter jedynie polityczny i nie tworzyły zobowiązań prawnych, to zawarte w niej stwierdzenie, że odnawialne źródła energii dopiero wtedy istotnie uzupełnią bilans energetyczny Europy, jeśli zostaną wprowadzone odpowiednie mechanizmy rozwojowe, dały asumpt do prawnych działań unijnych w tym zakresie. Jako niewiążący akt Biała Księga obligowała jednak kraje do zwiększenia wykorzystywania OZE, wskazania sposobu wykorzystywania technologii w bilansie energetycznym, a także wskazania narzędzi, jakie dany kraj chce wprowadzić, aby założone cele osiągnąć. Kolejnym istotnym dokumentem, w którym podkreślono potrzebę zwiększonego udziału OZE w produkcji energii elektrycznej, była Zielona Księga: „Europejska strategia na rzecz zrównoważonej, konkurencyjnej i bezpiecznej energii”. Księga ta została przyjęta przez Komisję Europejską 8 marca 2006 roku i stanowiła podstawę dla nowej polityki energetycznej22. W sposób szczególny zwrócono uwagę na zróżnicowanie form energii, zrównoważony rozwój, a także innowacyjność i technologie. Głównym celem księgi było zainicjowanie dyskusji na temat bezpieczeństwa energetycznego, które określono jako najważniejszy element niezależności polityczno-ekonomicznej Unii Europejskiej. W dokumencie tym przyjęto, że poprawa bezpieczeństwa energetycznego możliwa jest, gdy zrealizowane będą dwa podstawowe cele: 1) po stronie popytu – wzrost efektywności energetycznej gospodarki i 2) po stronie podaży – wzrost udziału energii z OZE w bilansie energetycznym państw członkowskich23. W celu realizacji owych założeń podjęto wiele działań, które potraktowano jako priorytety działalności Unii w tym zakresie. Poza spójną zewnętrzną polityką energetyczną i budową wewnętrznych rynków europejskich do działań tych należy zaliczyć także rozwój innowacyjnych technologii energetycznych oraz zintegrowane podejście do zmian klimatycznych. Postanowienia zawarte w Zielonej Księdze znalazły przełożenie w tzw. pakiecie klimatyczno-energetycznym. Pakiet klimatyczno-energetyczny ogłoszony przez Komisję Europejską 10 marca 2007 roku zakładał m.in., oprócz zmniejszenia emisji gazów cieplarnianych i zwiększenia efektywności wykorzystania energii, zwiększenie udziału OZE w zużyciu energii końcowej o 20%. Jego wdrożenie miało zatem ograniczyć niekorzystny wpływ energetyki konwencjonalnej na środowisko. Postanowienia pakietu dają Unii podstawy do promocji i rozwoju OZE, a także do osiągnięcia ambitnych celów związanych z zachowaniem zrównoważonego rozwoju. Założenia zawarte w pakiecie dały asumpt do kontunuowania działalności legislacyjnej Unii w obszarze OZE. Jak już wcześniej podkreślano, najważniejszym dla sektora OZE dokumentem unijnym jest wspomniana wcześniej Dyrektywa

2009/28/WE. Od czasu powstania Białej Księgi, Zielonej Księgi oraz uchylonej dyrektywy z 2001 roku powstało kilka aktów, które zajmowały się problematyką OZE. Jednak na tle tych aktów to właśnie Dyrektywa OZE jawi się jako najistotniejszy akt prawny w tym obszarze. Z uwagi na jego ogromną istotność, nie tylko dla prawodawstwa unijnego, ale również polskiego, wymaga on bardziej szczegółowego omówienia jego postanowień. Dokument ten stanowi podstawę do wszelkich działań Unii oraz państw członkowskich w zakresie OZE. Jego celem, wyrażonym w artykule 1, jest ustanowienie wspólnych ram dla promowania i wytwarzania energii z OZE. Każde państwo członkowskie oblicza swój indywidualny cel udziału wytworzonej przez siebie energii z OZE. Jego cel musi być zgodny z ogólnym celem „3x20”24. Zgodnie z 4 artykułem dyrektywy każde państwo członkowskie jest zobowiązane do sporządzenia krajowego planu działania w zakresie energii z OZE. Plan ten określa udział energii z OZE na 2020 rok. Ponadto określa środki i procedury działania, aby zawarte w nim cele osiągnąć. Dyrektywa daje państwom członkowskim możliwość współpracy transgranicznej. Kraje Unii mogą wymieniać się energią w ramach transferów statystycznych. Ponadto mogą powoływać i realizować wspólne projekty z zakresu OZE. Postanowienia dyrektywy dają także możliwość nawiązywania współpracy z państwami spoza Unii Europejskiej. Istnieją jednak pewne ograniczenia tego uprawnienia. Energia elektryczna musi bowiem: 1) być zużywana na terytorium wspólnoty, 2) być wytwarzana w instalacji wybudowanej po czerwcu 2009 roku oraz 3) pozostawać bez jakiegokolwiek innego wsparcia. Ważnym postanowieniem dyrektywy jest obowiązek zagwarantowania przez państwo członkowskie pochodzenia energii elektrycznej z OZE. Jest to o tyle istotne, o ile informacje zawarte w tych gwarancjach muszą być znormalizowane i uznawane przez pozostałe kraje Unii. Istotną kwestią opisaną z dyrektywie jest również dostęp do sieci oraz ich działanie. Każde z państw jest bowiem zobowiązane do stworzenia niezbędnej dla energii z OZE infrastruktury przesyłowej. Żeby osiągnąć ten cel, należy zapewnić przesył przez operatorów i dystrybucję energii z OZE oraz ustanowić priorytetowy dostęp do tak wytwarzanej energii. Jak wynika z powyższych rozważań, postanowienia Dyrektywy OZE mają na celu podkreślenie wartości zdecentralizowanego wytwarzania energii. Rynek energetyczny oparty na takich założeniach przynosi bowiem wiele korzyści, w szczególności wykorzystanie lokalnych źródeł czy zwiększenie bezpieczeństwa dostaw energii na płaszczyźnie lokalnej. Dyrektywa OZE jest elementem całego pakietu unijnych przepisów z zakresu energetyki i ochrony środowiska, który ma na celu ustanowienie wspólnych ram prawnych wyznaczających wspólnotowe cele przeciwdziałania niekorzystnym zmianom klimatycznym.

W ramach tych zbiorowych działań państwa członkowskie zachęcane są do zwiększenia wydajności energetycznej, wytwarzania i zużywania energii z OZE, poprawy bezpieczeństwa energetycznego oraz gospodarczego rozwoju w sektorze OZE, czy szerzej całej energetyki. W tym wszystkim Europa – o czym była już mowa wyżej – chce dawać przykład innym, nie tylko swoim krajom członkowskim, ale też państwom spoza jej struktur. O ile początkowo podejście do OZE miało raczej charakter wspierania zwiększenia udziału OZE w ogólnej produkcji energii elektrycznej oraz tworzenia przyszłych ram do rozwoju OZE, o tyle obecnie to podejście ujmowane jest znacznie szerzej. Unia idzie ku zwiększeniu bezpieczeństwa energetycznego, wzmacnianiu rozwoju technologicznego i innowacyjności, jak również dąży do zwiększenia zatrudnienia i możliwości rozwoju regionalnego. W najbardziej widoczny sposób widać to na przykładzie omawianej wyżej Dyrektywy OZE, która uchyliła poprzednio obowiązujący w tym zakresie dokument. Obecnie obowiązujące regulacje podkreślają także, że jednym z głównych celów nałożenia na poszczególne państwa progów produkcji energii z OZE jest gwarancja pewności inwestowania w OZE oraz zachęcanie do nieustannego rozwijania technologii produkcji. Badanie i rozwój technologii opierających się na OZE znalazły swój wyraz w preambule Dyrektywy OZE. Kraje członkowskie Unii mają więc obowiązek tak kształtować swoje prawodawstwo, aby dawać pierwszeństwo w budowie OZE przed instalacjami wytwarzającymi energię ze źródeł konwencjonalnych. Na podstawie powyższych rozważań można przyjąć, że unijna polityka energetyczna koncentruje się obecnie w sposób szczególny na przekształceniu energetyki opartej na paliwach kopalnych w kierunku stworzenia sektora wykorzystującego OZE. Przyczyn takiego podejścia do energetyki jest wiele, a do najważniejszych zaliczyć możemy względy polityczne, społeczne i środowiskowe. Wzrastające zaangażowanie Unii w tym zakresie skutkuje coraz to nowymi regulacjami prawnymi. Zachodzące zaś w prawie zmiany świadczą o kontynuowaniu wspierania rozwoju OZE, zarówno w UE, jak i w Polsce25. Taką samą tendencję prorozwojową dla OZE obserwuje się na arenie międzynarodowej. Wszystkie instytucje prawne, jakie powstają na tej płaszczyźnie, mają na celu wsparcie rozwoju inwestycji w zakresie energetyki odnawialnej. Pochodną regulacji, ustanawianych w ramach międzynarodowych działań, są przepisy unijne oraz krajowe. Taka spójność rozwiązań przyjętych na wszystkich płaszczyznach pozwala na skuteczniejsze i bardziej pewne realizowanie inwestycji w OZE. Odpowiednia „infrastruktura prawna” pozwala bowiem na wzrost zaufania inwestorów do prawa i do państwa. Tworzący prawo powinni więc mieć na uwadze te czynniki na każdej płaszczyźnie oraz na każdym etapie jego tworzenia.

22. Łysek M., op. cit., s. 300. 23. Swora M., Muras Z. (red.), op. cit., s. 142. 24. Cel 3x20 zakłada 20-proc. udział energii z OZE w końcowym zużyciu energii brutto w Unii do 2020 roku, zmniejszenie emisji gazów cieplarnianych o 20% w stosunku do 1990 roku oraz zwiększenie efektywności energetycznej o 20%. 25. Krawiec F. (red.), Odnawialne źródła energii w świetle globalnego kryzysu energetycznego. Wybrane problemy, Warszawa 2010, s. 93.

99


R. Miklaszewska | Acta Energetica 4/17 (2013) | translation 92–96

Bibliografia 1.

2.

3.

Dyrektywa 2001/77/EC Parlamentu Europejskiego i Rady z 27 września 2001 roku w sprawie wspierania produkcji na rynku wewnętrznym energii elektrycznej wytwarzanej ze źródeł odnawialnych, Dziennik Urzędowy Unii Europejskiej L 283 z 27.10.2001. Dyrektywa Parlamentu Europejskiego i Rady z 23 kwietnia 2009 roku w sprawie promowania stosowania energii ze źródeł odnawialnych, zmieniająca i w następstwie uchylająca dyrektywy 2001/77/WE oraz 2003/30/WE, Dziennik Urzędowy Unii Europejskiej L 140 z 5.6.2009. Protokół z Kyoto do Ramowej Konwencji Narodów Zjednoczonych w sprawie zmian klimatu z 11 grudnia 1997 roku, Dz. U. z 2005, nr 203, poz. 1684.

Róża Miklaszewska

4.

5.

6. 7.

8. 9.

Ramowa Konwencja Narodów Zjednoczonych w sprawie zmian klimatu z 9 maja 1992 roku, Dz. U. z 1996, nr 53, poz. 238. Augustyniak T., Prawne uwarunkowania rozwoju źródeł energii odnawialnej [w:] Ciechanowicz-McLean J., Bojar-Fijałkowski T., Prawo ochrony środowiska jako warunek prowadzenia działalności gospodarczej, Gdańsk 2009. Cherka M. i in. (red.), Energetyka i ochrona środowiska w procesie inwestycyjnym, Warszawa 2010. Krawiec F. (red.), Odnawialne źródła energii w świetle globalnego kryzysu energetycznego. Wybrane problemy, Warszawa 2010. Łucki Z., Misiak W., Energetyka a społeczeństwo. Aspekty socjologiczne, Warszawa 2011. Łysek M., Ocena ryzyka przyrodniczego przy realizacji inwestycji w odnawialne

10. 11.

12.

13.

źródła energii [w:] Górski M., Prawo ochrony przyrody a wolność gospodarcza, Łódź – Poznań, Polska 2011. Swora M., Muras Z. (red.), Prawo energetyczne, Komentarz, Warszawa 2010. Olszewski M., O energetyce przyjaznej środowisku prawie wszystko. Mały leksykon dla dziennikarzy, Warszawa 2012. Wiśniewski G., Potencjał inwestycyjny w energetyce odnawialnej do 2020 roku, http://wyborcza.pl/myodnawialni/1,117398,10404703,Potencjal_inwestycyjny_w_energetyce_odnawialnej_ do.html?as=1. Zajdler R., Odnawialne źródła energii w regulacjach Unii Europejskiej, Infor nr 5 wrzesień – październik 2002, http:// www.zajdler.eu/__files/6_1_PUE%20 5_2002.pdf.

mgr ENERGA Centrum Usług Wspólnych sp. z o.o. e-mail: roza.m@onet.eu Absolwentka Wydziału Prawa i Administracji Uniwersytetu Szczecińskiego (2011). W ramach programu LLP Erasmus studiowała prawo na Lapin Yliopisto (2010) w Finlandii. Ukończyła także studia podyplomowe w dziedzinie zarządzania i kompetencji menedżerskich prowadzonych na Uniwersytecie Szczecińskim (2012). Od 2010 roku jest związana z Grupą Kapitałową ENERGA. Zaczynała w Biurze Prawnym ENERGA SA, a obecnie zajmuje stanowisko starszego specjalisty ds. prawnych w departamencie obsługi środowiskowo-prawnej w ENERGA Centrum Usług Wspólnych sp. z o.o. W swojej pracy zawodowej zajmuje się przede wszystkim wsparciem prawnym przy procesach inwestycyjnych i akwizycyjnych, realizowanych w ramach GK Energa. Jej zainteresowania zawodowe i naukowe dotyczą odnawialnych źródeł energii w regulacjach prawnych, zwłaszcza w kontekście energetyki wiatrowej oraz prawnych aspektów inwestycji w farmy wiatrowe, zarówno lądowe, jak i morskie.

100


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101–109

The Way of Modelling New Generation Sources and its Effect on Power System Stability Evaluation Parameters

Authors Piotr Miller Marek Wancerz

Keywords power system, stability, network planning, short circuit power

Abstract The effect of the method and accuracy of modelling automatic control systems of generating units on parameters of the power system stability evaluation has been investigated. The evaluation parameters are the following: values of the critical short-circuit time tkr, and corresponding to them values of the stability margin kt,, and the regulation times t50% and t15%. The obtained results make an attempt at establishing the effect of the way generating units are modelled on the conclusions following from the power system stability analyses.

DOI: 10.12736/issn.2300-3022.2013409

1. Introduction

2. Transient angle stability

Transmission grid operators are obliged to draw up plans for power system (SEE) development in different time horizons. These are long-term (15 years or more), medium-term (10 years) and short-term (5 years or less) plans. For each of these periods a grid development scenario is assumed, and growth in demand for electricity, and hence the resulting increase in electricity generation, are projected, combined with the need to determine the new generation sources’ locations and method of their connection to the existing SEE. System analyses conducted within the framework of the SEE development planning should include both static and dynamic analyses. In the scope of static analysis calculations are performed of: power flows, short circuits, reactive power compensation, and reliability. In the scope of dynamic analysis transient angle stability, local angle stability, voltage stability, and frequency stability are determined. The scope and level of detail of this analysis depend on the planning time horizon. The analyses include assessment of the system performance in response to events involving disturbances and their liquidation. The events so analysed include planning events (more or less likely) that are taken into account in the SEE development planning process, and for which SEE performance standards must be met, and extreme events (unlikely), for which failure to meet the standards is allowed. The compliance (or non-compliance) with the SEE performance standards are determined by the performance evaluation indices. From the perspective of this paper the dynamic analyses, and especially the transient angle stability and SEE stability assessment indicators are important.

Transient angle stability (for large disturbances) is a SEE safe operation prerequisite, and also one of the basic power system condition assessment criteria. Angle stability is maintained, if the following conditions are met [1, 2, 3]: • for each planning event the system maintains synchronism and seeks to reach the set operating point • and the electromechanical oscillations following a large disturbance are satisfactorily damped. The first transient angle stability criterion can be verified by way of computer simulation of the transient waveform triggered by the event. For each such event the duration of the transient should be simulated for at least 10–15 seconds for testing in-system, and for 15–20 seconds for inter-system, swings [4]. During the simulation generator rotor angles and slips should be tracked, as well as active generator powers and voltages at the rails supplying generation unit auxiliaries. Planning event modelling should map the real performance and run times of protections. As regards run times, they include normal short-circuit switch-off time resulting from basic protections’ activation, and delayed short-circuit switch-off time in the event of short circuit reserve protection or local breaker reserve tripping . An event may also take into account the break time in the auto-reclosing cycle, if auto-reclosing is applied. It is assumed that in 400 kV and 220 kV grids the normal fault switch-off time is 120 ms, whereas the delayed time is 300–500 ms [5]. In SEE development planning the angle stability should not be assessed by reference to unrealistic or quite unlikely events (e.g. spontaneous fault elimination without switching-off the short-circuited 101


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101–109

element). The assumption was adopted for this study that it would analyse events involving a three-phase short circuit (K3) close to power plant rails, eliminated over the normal time (basic protections) by way of the line’s ultimate switch-off. The SEE resistance to fault measures include the critical short-circuit duration and corresponding stability margin kt determined from formula [1, 2]:

t −t = k t 100 ⋅ kr zw (1) tzw where: tkr – critical short-circuit duration, i.e. the maximum short-circuit duration, for which the power system remains stable, tzw – actual fault elimination time. For planning events it is required that the transient angle stability reserve margin fulfils the following condition [3, 6]:

k t ≥ (10 ÷ 20)% (2) The other transient angle stability criterion (referring to electromechanical oscillation damping) can be verified by computer simulation of transient states. System stability is evaluated by regulation time, defined as the time, after which the tested run stays within a control zone with a preset width, usually specified as a percentage of the first swing amplitude. In synchronous generator rotor oscillation analyses two such indicators are used [1, 2, 3]: • regulation time t15% corresponding to the control zone of 15% of the first swing • regulation time t50% corresponding to the control zone of 50% of the first swing. The t50% regulation time is also known as halving time. This is illustrated in Fig. 1, whereby halving time t50% is determined as

Fig. 1. Halving time t50% [3]

the time after which waveform AS(t) stays within 50% of the first swing amplitude. Regulation times should be determined for the critical short-circuit duration on the basis of waveforms obtained from transient state simulation. Damping can be assessed visually, based 102

on waveforms obtained from simulation, or by using features added to the simulation program. Subject to the evaluation are the longest regulation times for the group of generators most involved in the disturbance. In Tab. 3 the regulation times are listed, for which damping can be considered satisfactory. Oscillation type

Halving time t50%

Regulation time t15%

In-system

≤5 s

≤15 s

Inter-system

≤7 s

≤20 s

Tab. 1. Satisfactory power system oscillation damping criteria

In order to properly determine the stability evaluation indicators, simulation studies should be performed on the power system’s complete model. The model should map all factors that may affect the transient state course. Generator voltage regulation systems, system stabilizers, FACTS devices and their control systems, as well as other stability improvement measures used in the analyzed power system, can significantly affect the study conclusions.

3. Synchronous generator model Computer programs for simulation studies of electromechanical transients use different mathematical models of synchronous generators. The names of the most commonly used models, consistent with IEEE naming convention, are GENCLS, GENROU, and GENSAL. GENCLS, the classical synchronous generator model, is a second-order model made up of motion equations only. It is a simplified model used in the absence of data describing the selected generator, or if it is a distant generator, the impact of which on the simulated electromechanical processes is relatively small. The other models are so called sixth-order models. The GENROU model is used for modelling of synchronous machines with cylindrical rotors and non-salient poles (turbo-generators), while the GENSAL model is used for modelling of synchronous machines with salient poles (hydro-generators). Detailed descriptions of the various models with lists of parameters and control system diagrams can be found in reference literature [7, 8]. Excitation and voltage regulation systems of synchronous generators are even more diversified. Most commonly used to study national power system (NPS) transients are static models of excitation and voltage regulation EXST1, and machine excitation and voltage regulation EXAC1A models. Also in this case, the parameters and diagrams of these control systems can be found in literature [7, 8]. NPS models employ single-input and multi-input system stabilizers, and the later gradually replace the former. The stabilizer single-input is active power, while multi -input stabilisers also use frequency or rotor’s angular velocity. The single-input stabilisers are represented by IEEEST, and multi-input stabilisers by PSS2A. The turbine regulation system models’ diversity arises from the variety of working medium types (steam, water, gas), turbine designs (for example of water turbines), and turbine controller


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101–109

ZRC ALY

GDA

SLK

GDP GBL

DUN

ELK

ZYD

REC

ELB

PLP OLM

PLC

OLS

GLN

VIE

GRU

MON

POM

KRA

BIA

JAS

PKW

LMS

BYD

OST

TEL

GOR

WLA

BCN

CZE

PLE

PLO PDE

PAT

MSK

PPD

LSN

OLT

KON

KRM

ZGC

SOC ADA

SWI CPC BOG

WSI

KOZ

ROG

DBN

KIE

HCZ

JOA

GRO WRZ BLA

WIE MOS

ALB NOS LIS

KPK

KOP BIR

KOM

ZAM

KHK SIE

STW

PEL

LOS

LUA

RZE

KLA

DOB

BYC

WAN

PRB CZT

MKR CHM

LAG KAT JAM HAL

PBO

CHS

OSC

RAD

TCN

ROK

KED

ABR

BEK

ANI

LSY

PUL

ROZ

WPO ZBK

SDU

STN

PIO

PAS TRE

MIK

PIA

PAB

POL CRN

MIL

JAN OSR

HAG

WTO

MOR

ZGI

LES

ZUK

ROS

NAR

BUJ

SKA

BGC TAW KRI

ZAP

LEM

Fig. 2. New conventional source location s in NPS development plans [9, 10]

structures. In NPS models three basic models of turbine regulation systems are employed: IEEEG1 for steam turbines, HYGOV for water turbines, and GAST for gas turbines. Detailed information on these models can be found in literature [7, 8]. Another issue is wind farm modelling, but it is out of the scope of this paper. The variety of the models and multitude of their parameters can make their selection difficult, particularly in new generating units that must be taken into account in planning studies. Are the classical second-order models sufficient, or do they need to be modelled with higher accuracy? Should their regulation systems’ optimal parameters be looked-for, or reference models would suffice [3]? The authors of the article tried to find answers to these questions by performing the tests described below.

4. Research problem The national power system development plan documentation [9, 10] provides for the construction of new conventional energy

sources by 2020. The capital expenditure plans include the construction of new units in Stalowa Wola, Kozienice, Opole, as well as Jaworzno, Turów, Skawina, Bogdanka, and Pulawy. These units should be taken into account in forecasting models used in planning studies. Depending on the progress of the aforementioned projects’ implementation the extent of knowledge about these units’ parameters, their control systems, and even their connections to the NPS varies. A good example is the power plant in Puławy, of which only its planned power rating, ca. 900 MVA, location in the vicinity of Nitrogen Plant in Pulawy, and connection to the grid by four 400 kV lines (cut-ins to existing 400 kV lines Kozienice – Lublin System and Kozienice – Ostrowiec Świętokrzyski) are known. This is illustrated in Fig. 2, which shows also the planned transmission grid extensions. The simplest solution in this case (option 1) seems to assign classical models of second order (GENCLS) to the newly planned units. The model parameters determined for the plant in Puławy on the basis of reference models [3], are set out in Tab. 2. 103


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101–109

Parameter

Value

Description

Parameter

Value

Description

Sn

839 MVA

generator apparent power

Un

20 kV

generator rated power

Tr

0.01 s

time constant of voltage measuring member

H

3.0

inertia constant

imax

0.2

upper limit of control error

D

0.0

damping coefficient

Ra

0.0 p.u.

stator resistance

imin

–0.2

lower limit of control error

Xd”

0.26 p.u.

subtransient longitudinal reactance

Tc

1.0 s

time constant of correction member numerator

Tb

8.0 s

time constant of correction member denominator

Ka

500

controller gain rate

Ta

0.02 s

time constant of amplifier

rmax

6.7

upper voltage limit ve

rmin

–6.7

lower voltage limit ve

Kc

0.06

controlled rectifier load impact coefficient (proportional to switching reactance)

Kf

0

feedback loop gain rate

Tf

0s

time constant in feedback loop

c1

0s

time constant of correction member 2 numerator

b1

0s

time constant of correction member 2 denominator

amax

6.7

upper limit of main amplifier signal

amin

–6.7

lower limit of main amplifier signal

Xe

0 p.u.

switching reactance of excitation rectifier

Ir

4.3 p.u.

excitation current limiter setpoint

K lr

2.0

excitation current limiter gain rate

Tab. 2. Classical model (GENCLS) parameters of Puławy power plant

Subsequent modification (option 2) consists in the assignment of sixth-order models (GENROU) to the new synchronous generators, with neglecting the other control systems. Parameters of the generator installed at the plant in Puławy, also determined on the basis of reference models [3], are presented in Tab. 3. Parameter

Value

Description

Sn

839 MVA

generator apparent power

Un

20 kV

generator rated voltage

T d0’

8.32 s

transient longitudinal time constant at open armature circuit

T q0’

1.86 s

transient lateral time constant at open armature circuit

Td0”

0.037 s

subtransient longitudinal time constant at open armature circuit

Tq0”

0.09 s

subtransient lateral time constant at open armature circuit

H

3.1

inertia constant

D

0,0

damping coefficient

Ra

0.02 p.u.

stator resistance

Xd

2.20 p.u.

longitudinal synchronous reactance

Xq

2.10 p.u.

lateral synchronous reactance

Xd’

0.32 p.u.

transient longitudinal reactance

Xq’

0.53 p.u.

transient lateral reactance

Xd”

0.26 p.u.

subtransient longitudinal reactance

Tab. 3. Sixth-order model (GENROU) parameters of the generator at Puławy plant

The complete model (option 3) is supplemented with models of the following automatic control systems: excitation and voltage regulation (EXST1), turbine regulation (IEEEG1), and two-input system stabiliser (PSS2A). Parameters of the automatic control systems installed in Puławy plant, developed on the basis of reference models [3], are presented in Tab. 4–6.

Tab. 4. Selected parameters of the static model (EXST1) of Puławy plant’s excitation and voltage regulation system

Parameter

Value

Description

K

16.7

controller gain rate (inverse droop)

T1

0.02

time constant in controller correction member denominator

T2

0

time constant in controller correction member numerator

T3

0.35

valve time constant

Uo

0.1

maximum valve opening speed

Uc

–1

maximum valve closing speed

max

1

maximum valve opening

min

0

minimum valve opening

T4

0.3

time constant of control chamber and high-pressure turbine

K1

0.2

share of first stage of first shaft turbine

K2

0

share of first stage of second shaft turbine

T5

12

reheater time constant

K3

0.4

share of second stage of first shaft turbine

K4

0

share of second stage of second shaft turbine

T6

0.4

steam pipes time constant

K5

0.4

share of third stage of first shaft turbine

K6

0

share of third stage of second shaft turbine

T7

0

second reheater time constant

K7

0

share of fourth stage of first shaft turbine

K8

0

share of fourth stage of second shaft turbine

Tab. 5. Selected parameters of the model of steam turbine with control system (IEEEG1) in Puławy plant

104


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101–109

Parameter J1 K1 J2

Value 1 0 3

Description first input code: 1 – generator angular velocity increment rail No = first input measurement location; 0 = generator second input code: 3 – generator active power

K2

0

rail No = second input measurement location

w1

10 s

time constant of first input first differential member

w2 w3

10 s

time constant of first input second differential member

19 s

time constant of second input first differential member

Parameter

Value

Description

R

0.06

controller droop

T1

0.4 s

controller actuator time constant

T2

1.5 s

turbine time constant

T3

3s

turbine outlet time constant

max

1

ambient temperature limiter

Kt

3

temperature limiter gain rate

max

1

Maximum turbine power

min

0

minimum turbine power

Dturb

0

damping coefficient

Fidle

0.08

fuel flow in turbine at idle

max

1

maximum fuel valve opening speed

Loadinc

0.05

valve opening rate rapid control

T ltr

5s

average valve time constant

Ltrate

0

valve opening maximum continuous speed

a

0

time constant multiplier of turbine transmittance numerator

b

1

time constant multiplier of turbine transmittance denominator

b1

0 Hz

deadband parameters in frequency control circuit

Eps

0 Hz

deadband parameters in frequency control circuit

w4

0s

time constant of second input second differential member

T6

0s

time constant of first input inertial member

T7

10 s

time constant of second input inertial member

K s2

1.61

gain rate of second input inertial member

Ks3

1

gain rate in second input circuit

K s4

1

gain rate in second input circuit

T8

0.6 s

time constant in torsional oscillations filter numerator

T9

0.15 s

time constant in torsional oscillations filter denominator

b2

0

valve deadband parameter

n

1

torsional oscillations filter order

Ka

1

controller gain rate

m

4

torsional oscillations filter denominator order

T4

0s

time constant in controller correction member numerator

Ks1

5

stabiliser gain rate

T5

0.02 s

time constant in controller correction member denominator

Tab. 6. Selected parameters of the two-input model of system stabilizer (PSS2) in Puławy plant

Option 3 is treated as a reference point for further research. For this option a complete analysis was carried out for different planning (and extreme) events, and critical short-circuit duration tkr and corresponding stability reserve rates kt, halving times 100% and regulation times 100% were calculated. On the basis of these analyses the worst case event was identified, and for this case the effect of the modelling method on power system stability evaluation indicators was examined. Further options are modification of option 3. It can be concluded from the Puławy plant tender documentation that the unit in question shall be of the gas and steam type. Therefore in option 4 the turbine model was modified to gas unit with GAST controller. In Tab. 7 this model’s parameters are presented, developed from reference model [3]. Compared to the base option, in option 5 the model of excitation and voltage regulation system was changed. The EXST1 static control model was replaced with the EXAC1A model of machine excitation and voltage regulation, the parameters of which, developed on the basis of the reference model, are presented in Tab. 8.

Tab. 7. Selected parameters of the model of turbine with control system (GAST) in Puławy plant

Parameter

Value

description

Tr

0.01 s

time constant of voltage measuring member

Tc

0.5 s

time constant of correction member counter

Tb

17 s

time constant of correction member denominator

Ka

1400

controller gain rate

Ta

0.02 s

amplifier time constant

rmax

4.26

output upper limit

Vrmin

–4.26

output lower limit

Te

0.4 s

machine exciter time constant

Kf

0.11

feedback loop gain rate

Tf

2s

time constant in feedback loop

Kc

0.72

controlled rectifier load impact coefficient (proportional to switching reactance)

Kd

0.2

demagnetization factor - dependent exciter parameters (reactance)

Ke

0.43

factor depending on exciter design, taking into account self-excitation effect

E1

6.1 p.u.

excitation voltage E1

(E1)

0.1 p.u.

saturation coefficient for voltage E1

E2

8.1 p.u.

excitation voltage E2

(E2)

0.9 p.u.

saturation coefficient for voltage E2

Tab. 8. Selected parameters of machine model (EXST1) of Puławy plant’s excitation and voltage regulation system

In option 6 the system stabilizer was replaced. Compared to the basic model, the two-input PSS2 system was replaced with 105


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101–109

single-input IEEEST system, the parameters of which, determined on the basis of the reference model [3], are specified in Tab. 9. Parameter

Value

Description

j

3

input code: 3 – generator active power

k

0

rail No = measurement location; 0 = generator

A1

0

filter transmittance coefficient

A2

0

filter transmittance coefficient

A3

0

filter transmittance coefficient

A4

0

filter transmittance coefficient

A5

0

filter transmittance coefficient

A6

0

filter transmittance coefficient

T1

0s

time constant of first correction member numerator

T2

0.02 s

time constant of first correction member denominator

T3

0.5 s

time constant of second correction member numerator

T4

7s

time constant of second correction member denominator

T5

5s

differential member time constant

T6

5s

differential member time constant

delay

0s

filter delay

Ks

-5

system stabiliser gain rate

smax

0.03

stabiliser output upper limit

Lsmin

-0.03

stabiliser output lower limit

Vd

0.8

stabiliser „switch” lower limit

V cu

1.1

stabiliser „switch” upper limit

In option 7 the impact of the system stabilizer (the lack thereof) on transient state study results was examined. The simulations were carried out with the system stabilizer in the Puławy plant switched-off. Some of the variants described above have their modifications. Generally, the modelling changes refer to the generation unit in the Puławy plant. Thus, as regards option 1, the classical second-order model was assigned to the Puławy plant only, while the other new generation units were modelled using full reference models. In option 1a the classical models were assigned to all new conventional generation units located in the fault vicinity. Therefore this applies to the new plant in Bogdanka, as well as new units in Kozienice, Stalowa Wola, Płock, and Ostrołęka. Option 2 is a sixth-order model without automatic control systems, assigned only to the Puławy unit. In option 2a such models are assigned to all new generation units. Some options therefore have their sub-options, marked with letter “a”, in which the model modifications were extended to the other generation units added to the system in the forecasting model.

5. Simulation results

Tab. 9. Selected parameters of the single-input model of system stabilizer (IEEEST) in Puławy plant

All four 400 kV lines at the Puławy plant output were subject to the simulation. The analysed events consisted in a three-phase short-circuit in the selected line (near the Puławy plant rails) eliminated in the basic protections’ normal time by way of the short-circuited line’s ultimate switch-off. The simulations were carried out in the normal state (all four lines operate) for planning events involving the outage of one line for planned repair,

Option and event description

Stability criteria Fault description

Model option (modelling of generation units in Puławy plant and neighbouring plants) node

fault type

Critical short-circuit duration

Damping

short-circuit duration

critical duration

stability margin

halving time (50%)

regulation time (15%)

ms

ms

%

s

s

Extreme event: switched-off lines F001A (PUL412–KOZ422) and F401A (PUL412–KOZ412); short-circuited line F001B option 3 (base model)

PUL412

K3

120

306.2

155.2

≤4.79

≤11.52

option 1 (classical)

PUL412

K3

120

306.2

155.2

4.76

≤11.50

option 1a

PUL412

K3

120

310.4

158.7

≤6.92

≤18.47

option 2 (with no control systems)

PUL412

K3

120

281.2

134.3

≤4.86

≤11.58

option 2a

PUL412

K3

120

272.8

127.3

≤4.90

≤15.40

option 4 (gas - steam turbine)

PUL412

K3

120

281.2

134.3

≤4.85

≤11.62

option 5 (machine excitation)

PUL412

K3

120

301.8

151.5

≤3.96

≤12.48

option 5a

PUL412

K3

120

301.8

151.5

≤3.97

≤12.57

option 6 (single-input stabiliser)

PUL412

K3

120

306.2

155.2

≤4.77

≤11.53

option 7 (no stabiliser)

PUL412

K3

120

306.2

155.2

≤4.90

≤15.39

option 7a

PUL412

K3

120

306.2

155.2

≤5.74

≤15.29

Tab. 11. Simulation results for various grid models options 106


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101–109

Event description Element switched-off for fault elimination code

start node

end node

Stability criteria Fault description

node

fault type

Critical short-circuit duration

Damping

fault elimination time

critical duration

stability margin

halving time (50%)

regulation time (15%)

ms

ms

%

s

s

120

339.2

182.7

≤4.04

≤10.51

Normal state (no outages) F001A

PUL412

KOZ422

PUL412

K3

F001B

PUL412

LSY412

PUL412

K3

120

339.2

182.7

≤4.02

≤10.48

F401A

PUL412

KOZ412

PUL412

K3

120

339.2

182.7

≤4.80

≤10.50

F401B

PUL412

OSC412

PUL412

K3

120

3392

182.7

≤4.05

≤10.57

Repair state: outage of line F001A (PUL412–KOZ422) F001B

PUL412

LSY412

PUL412

K3

120

343.5

186.3

≤3.99

≤10.46

F401A

PUL412

KOZ412

PUL412

K3

120

327.0

172.5

≤3.99

≤11.40

F401B

PUL412

OSC412

PUL412

K3

120

347.4

189.5

≤3.95

≤10.56

Repair state: outage of line F001B (PUL412–LSY412) F001A

PUL412

KOZ422

PUL412

K3

120

330.9

175.8

≤3.89

≤10.45

F401A

PUL412

KOZ412

PUL412

K3

120

330.9

175.8

≤3.87

≤10.43

F401B

PUL412

OSC412

PUL412

K3

120

335.1

179.3

≤3.89

≤10.57

Repair state: outage of line F401A (PUL412–KOZ412) F001A

PUL412

KOZ422

PUL412

K3

120

327.0

172.5

≤3.99

≤11.38

F001B

PUL412

LSY412

PUL412

K3

120

343.5

186.3

≤4.77

≤10.43

F401B

PUL412

OSC412

PUL412

K3

120

347.4

189.5

≤4.02

≤10.53

172.5

≤4.86

≤10.56

Repair state: outage of line F401B (PUL412–OSC412) F001A

PUL412

KOZ422

PUL412

K3

120

327.0

F001B

PUL412

LSY412

PUL412

K3

120

330.9

175.8

≤4.09

≤10.55

F401A

PUL412

KOZ412

PUL412

K3

120

330.9

175.8

≤4.04

≤10.56

Extreme

event: switched-off lines F001A (PUL412–KOZ422) and F401A (PUL

412–KOZ412)

LSY412

PUL412

K3

120

310.4

158.7

≤4.02

≤11.38

OSC412

PUL412

K3

120

306.2

155.2

≤4.79

≤11.52

F001B

PUL412

F401B

PUL412

Extreme event: switched-off transformer PUL-A1 (PUL412–PUL212) and line F00 1A (PUL412–KOZ422) F001B

PUL412

LSY412

PUL412

K3

120

335.1

179.3

≤3.87

≤10.35

F401A

PUL412

KOZ412

PUL412

K3

120

306.2

155.2

≤3.96

≤11.41

F401B

PUL412

OSC412

PUL412

K3

120

335.1

179.3

≤4.02

≤10.51

Extreme event: switched-off transformer PUL-A2 (PUL412–PLW112) and line F40 1A (PUL412–KOZ412) F001A

PUL412

KOZ422

PUL412

K3

120

322.4

168.7

≤3.97

≤11.37

F001B

PUL412

LSY412

PUL412

K3

120

3435

186.3

≤4.01

≤10.46

F401B

PUL412

OSC412

PUL412

K3

120

347.4

189.5

≤4.02

≤10.56

Tab. 10. Results of complete simulation for option 3

107


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101–109

and for extreme events, whereby at the time of the fault two lines (or a line and a transformer) were switched off. The full range of tests was carried out for the basic grid option (option 3 ), in which sixth-order models including automatic control systems were assigned to all new generation units. The stimulation results are presented in Tab. 10. The power system stability indicators in Tab. 10 evidence the system’s compliance with the requirements specified in formula (2) and Tab. 1. It can therefore be concluded that the critical short-circuit duration requirements were met with a wide margin. The least favourable case is the extreme event whereby the Puławy – Ostrowiec Świętokrzyski line is short-circuited following a previous outage of the Pulawy – Kozienice line’s two circuits. This event is highlighted in bold in Tab. 10. This event was selected as the reference, on the basis of which the impact of the generation unit modelling method on stability evalu­ation indicators was assessed. For all the other grid model options simulations were carried out for the selected event, and critical short-circuit durations tkr and the corresponding stability margins kt, halving times t50% and regulation times t15% were determined. The stimulation results are presented in Tab. 11.

margins reach 18 % compared to the base option. In no option, however, was the stability margin criterion set by formula (2) exceeded. Much more divergent are the regulation times. They deviate from the base option by as much as 44%. Moreover, as regards some model options, the criteria from Tab. 1 are exceeded. Fig. 3 presented two extreme cases of simulation runs. The evident decrease in damping in the classical model has resulted in the clear increase in regulation times (in Tab. 11 the excessive regulation times are highlighted in bold).

6. Summary Launching the research project, the authors expected larger differences arising from the diverse way of generation unit modelling. First of all, they assumed clear differences between critical short-circuit durations and the respective stability margins. The obtained differences, however, are relatively small, they practically do not affect the system stability evaluation according to this criterion. Perhaps this is due to the not very aptly selected fault location, for which large stability margins were obtained also for extreme events. Much larger differences occurred with respect to electromechanical oscillations damping. In this case, the selection of generation unit modelling method has a large impact on the obtained simulation runs.

200

Angle waveforms of selected generators – base model

REFERENCES

180 PUL LEC 160

KOZ ROG OST

140

Angle [grades]

120

100

80

60

40

20

0 0

2

4

6

8

10

12

14

16

18

20

Time [s]

200

PUL

Angle waveforms of selected generators – classical model

LEC KOZ ROG OST

150

Angle [grades]

100

50

0 0

2

4

6

8

10

12

14

16

18

20

-50

-100

Time [s]

Fig. 3. Oscillation waveforms of selected generators for base model (option 3) and classical model (option 1a)

It can be concluded from the study results in Tab. 11 that the discrepancies between critical short-circuit duration and stability 108

1. Machowski J., Bialek J., Bumby J., Power System Dynamics. Stability and Control, John Wiley & Sons, Chichester, New York, 2008, 2009. 2. Machowski J., Regulacja i stabilność systemu elektroenergetycznego [Power system control and stability] Warsaw 2007. 3. Kacejko P. i in., Analizy sieciowe w średniookresowym planowaniu rozwoju KSE. Instrukcja pomocnicza. Załącznik do pracy na zlecenie PSE Operator SA, order No.: DS/RB/ DS/Z/MJ/2011, Warsaw 2012. 4. Machowski J., Kacejko P., Miller P., Kryteria i możliwości wykonywania łączeń asynchronicznych pomiędzy układami wyspowymi wyłonionymi w sieci KSE, Energetyka 2012, Zeszyt tematyczny issue XXIII. 5. Wancerz M., Kacejko P. , Problematyka likwidacji zwarć jednofazowych na liniach łączących bloki wielkiej mocy z systemem elektroenergetycznym [Issues Concerning Single Phase Earth Faults in Lines Connecting High-Power Units], Przegląd Elektrotechniczny 2012, issue 10 a. 6. Instrukcja ruchu i eksploatacji sieci przesyłowej [Transmission grid code], version of 30 December 2010. 7. Dokumentacja techniczna programu PSLF [Technical documentation of PSLF programme], v. 18. 8. Dokumentacja techniczna programu PowerFactory [Technical documentation of PowerFactory programme], v. 18. 9. Polskie Sieci Elektroenergetyczne Operator SA, Plan rozwoju obecnego i przyszłego zapotrzebowania na energię elektryczną na lata 2010–2025 [Development plan for current and future demand for electricity in 2010–2025], Konstancin – Jeziorna, July 2011. 10. Polskie Sieci Elektroenergetyczne Operator SA, Plan rozwoju obecnego i przyszłego zapotrzebowania na energię elektryczną na lata 2010–2025. Aktualizacja w zakresie lat 2012–2016. [Development plan for current and future demand for electricity in 2010–2025. 2012–2016 update], Konstancin – Jeziorna, July 2011.


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | 101â&#x20AC;&#x201C;109

Piotr Miller Lublin University of Technology e-mail: p.miller@pollub.pl Graduated from the Electrical Engineering Faculty of Lublin University of Technology. Currently an assistant professor at the Department of Electrical Grids and Protections of his alma mater. He specializes in numerical methods and software used in the analysis of power system emergencies. The chief developer of SCC computer program commonly used for short-circuit calculations by many operators and designers in the commercial power sector.

Marek Wancerz Lublin University of Technology e-mail: m.wancerz@pollub.pl Graduated from the Electrical Engineering Faculty of Lublin University of Technology. Currently an assistant professor at the Department of Electrical Grids and Protections of his alma mater. His research interests revolve around issues of power systemâ&#x20AC;&#x2122;s automatic protections and operating safety. Co-author of many national and international publications on this subject, as well as numerous scientific and research studies for the energy industry and related institutions.

109


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | translation 101–109

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 101–109. When referring to the article please refer to the original text. PL

Analiza wpływu sposobu modelowania nowych źródeł wytwórczych na wskaźniki oceny stabilności systemu elektroenergetycznego Autorzy

Piotr Miller Marek Wancerz

Słowa kluczowe

system elektroenergetyczny, stabilność, planowanie rozwoju sieci

Streszczenie

Autorzy przedstawili badanie wpływu sposobu i dokładności modelowania układów automatycznej regulacji nowych bloków wytwórczych na wskaźniki oceny stabilności systemu elektroenergetycznego. Wskaźnikami oceny są czasy krytyczne trwania zwarcia tkr, odpowiadające im współczynniki zapasu stabilności kt, czasy połowienia t50% oraz czasy regulacji t15%. Zaprezentowane wyniki badań są próbą rozstrzygnięcia, jaki wpływ na wnioski wynikające z analiz stabilności ma sposób modelowania bloków wytwórczych. 1. Wstęp Operatorzy sieci przesyłowej zobowiązani są do opracowywania planów rozwoju systemu elektroenergetycznego (SEE) w różnych horyzontach czasowych. Są to plany długookresowe (15 lat i więcej), średniookresowe (10 lat) oraz krótkookresowe (5 lat i mniej). Dla każdego z tych okresów zakłada się scenariusze rozwoju sieci oraz prognozuje wzrost zapotrzebowania na energię elektryczną i związany z nim wzrost wytwarzania energii elektrycznej, połączony z koniecznością ustalenia lokalizacji i sposobu przyłączania nowych źródeł wytwórczych do istniejącego SEE. Analizy systemowe, prowadzone w ramach planowania rozwoju SEE, powinny obejmować zarówno analizy statyczne, jak i dynamiczne. W zakresie analiz statycznych prowadzone są obliczenia: rozpływów mocy, zwarć, kompensacji mocy biernej oraz obliczenia niezawodnościowe. W zakresie analiz dynamicznych wyznacza się: stabilność kątową przejściową, stabilność kątową lokalną, stabilność napięciową oraz stabilność częstotliwościową. Zakres i szczegółowość wykonywanych analiz zależy od horyzontu czasowego planowania. W trakcie analiz dokonuje się oceny zachowania systemu pod wpływem zdarzeń polegających na wystąpieniu zakłóceń i ich likwidacji. Wśród analizowanych zdarzeń można wyróżnić zdarzenia planistyczne (mniej lub bardziej prawdopodobne), które brane są pod uwagę w procesie planowania rozwoju SEE i dla których standardy zachowania SEE muszą być spełnione, oraz zdarzenia ekstremalne (mało prawdopodobne), dla których dopuszcza się niespełnienie standardów zachowania SEE. O spełnieniu (lub nie) standardów zachowania SEE decydują wartości wskaźników oceny ich zachowania. Z punktu widzenia niniejszego artykułu istotne są analizy dynamiczne, a szczególnie stabilność kątowa przejściowa oraz wskaźniki oceny stabilności SEE. 2. Stabilność kątowa przejściowa Zachowanie stabilności kątowej przejściowej (dla dużych zakłóceń) jest warunkiem

110

koniecznym bezpiecznej pracy SEE, jest to też jedno z podstawowych kryteriów oceny stanu systemu elektroenergetycznego. Stabilność kątowa jest zachowana, jeżeli spełnione są następujące warunki [1, 2, 3]: • dla każdego zdarzenia planistycznego system zachowuje synchronizm i dąży do ustalonego punktu pracy • tłumienie kołysań elektromechanicznych po wystąpieniu dużych zakłóceń jest zadowalające. Warunek pierwszy stabilności kątowej przejściowej można sprawdzić, wykonując symulację komputerową przebiegu stanu nieustalonego wywołanego zdarzeniem. Dla każdego badanego zdarzenia należy wykonać symulację czasu trwania stanu nieustalonego przez co najmniej 10–15 sekund przy badaniu kołysań wewnątrzsystemowych oraz 15–20 sekund przy badaniu kołysań międzysystemowych [4]. W trakcie symulacji należy śledzić kąty i poślizgi wirników generatorów, moce czynne generatorów oraz napięcia na szynach zasilających potrzeby własne zespołów wytwórczych. Modelując zdarzenie planistyczne, należy odwzorować realny sposób działania i czasy działania zabezpieczeń. Odnośnie czasów działania rozróżnia się normalny czas likwidacji zwarcia w wyniku zadziałania zabezpieczeń podstawowych oraz opóźniony czas likwidacji zwarcia w przypadku zadziałania zabezpieczeń rezerwowych lub lokalnej rezerwy wyłącznikowej. W zdarzeniach można także uwzględnić czas przerwy w cyklu SPZ, o ile SPZ jest stosowane. Przyjmuje się, że w przypadku sieci 400 i 220 kV normalny czas likwidacji zakłócenia to 120 ms, natomiast czas opóźniony to 300–500 ms [5]. W planowaniu rozwoju SEE nie należy oceniać stabilności kątowej za pomocą nierealnych lub mało realnych zdarzeń (np. zwarcie przemijające samorzutnie bez wyłączenia elementu zwartego). W  artykule przyjęto założenie, że badane będą zdarzenia polegające na wystąpieniu zwarcia trójfazowego (K3) blisko szyn stacji elektrownianej, likwidowanego z czasem normalnym (zabezpieczenia podstawowe) przez definitywne wyłączenie

linii. Wskaźnikami oceny odporności SEE na zakłócenia są wartości czasów krytycznych trwania zwarcia oraz odpowiadające im współczynniki zapasu stabilności kt wyznaczane ze wzoru [1, 2]:

= k t 100 ⋅

tkr − tzw (1) tzw

gdzie: tkr – krytyczny czas trwania zwarcia, tj. maksymalny czas trwania zwarcia, dla którego SEE jest stabilny, tzw – rzeczywisty czas likwidacji zakłócenia. Dla zdarzeń planistycznych wymaga się, aby współczynnik zapasu stabilności kątowej przejściowej spełniał następujących warunek [3, 6]:

k t ≥ (10 ÷ 20)% (2) Drugi warunek stabilności kątowej przejściowej (dotyczący tłumienia kołysań elektromechanicznych) można sprawdzić, korzystając z wyników symulacji komputerowej przebiegów nieustalonych. Wskaźnikiem oceny stabilności systemu jest czas regulacji, zdefiniowany jako czas, po którym badany przebieg nie wychodzi poza strefę kontrolną o zadanej szerokości, podawanej zwykle w procentach wartości amplitudy pierwszego wychylenia. W analizach kołysań wirników generatorów synchronicznych wykorzystuje się dwa wskaźniki tego typu [1, 2, 3]: • czas regulacji t15% odpowiadający strefie kontrolnej o szerokości 15% pierwszego wychylenia • czas regulacji t50% odpowiadający strefie kontrolnej o szerokości 50% pierwszego wychylenia. Czas regulacji t50% nazywany jest czasem połowienia. Ilustruje to rys. 1, na którym czas połowienia t50% oznaczono jako czas, po którym przebieg ∆δ (t ) nie wychodzi poza 50% amplitudy pierwszego wychylenia.


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | translation 101–109

ZRC ALY

GDA

SLK

GDP GBL

DUN

ELB ELK

ZYD

REC

PLP OLM

PLC

OLS

GLN POM

VIE

KRA

Rodzaj kołysań

Czas Czas połowienia regulacji t15% t50%

Wewnątrzsystemowe

≤5 s

≤15 s

Międzysystemowe

≤7 s

≤20 s

Tab. 1. Kryteria wystarczającego tłumienia kołysań w SEE

Chcąc poprawnie wyznaczyć wartości wskaźników oceny stabilności, należy przeprowadzić badania symulacyjne na pełnym modelu SEE. W modelu należy odwzorować wszystkie czynniki, które mogą mieć wpływ na przebieg stanu nieustalonego. Układy regulacji napięcia generatorów, stabilizatory systemowe, urządzenia FACTS i ich układy regulacji, a także inne środki poprawy stabilności, wykorzystywane w analizowanym SEE, mogą w sposób istotny wpływać na wnioski z przeprowadzonych badań. 3. Model generatora synchronicznego Programy komputerowe, za pomocą których można przeprowadzać badania symulacyjne elektromechanicznych stanów przejściowych, wykorzystują różne modele matematyczne generatorów synchronicznych. Nazwy najczęściej wykorzystywanych modeli, zgodne z nomenklaturą IEEE, to gencls, genrou oraz gensal. Model klasyczny generatora synchronicznego, gencls, to model drugiego rzędu, który tworzą tylko równania ruchu. Jest to model uproszczony, stosowany w przypadku braku danych opisujących wybrany generator lub wtedy, gdy jest to generator odległy, którego wpływ na przebieg symulowanych procesów elektromechanicznych jest stosunkowo niewielki. Pozostałe modele to tzw. modele szóstego rzędu. Model genrou wykorzystywany jest do modelowania maszyn synchronicznych o wirniku cylindrycznym z biegunami

BIA

JAS

PKW

LMS

BYD

Rys. 1. Ilustracja definicji czasu połowienia t50% [3]

Czasy regulacji należy określić dla krytycznego czasu trwania zwarcia na podstawie przebiegów uzyskanych w  trakcie symulacji przebiegu stanu nieustalonego. Ocenę tłumienia można wykonać wizualnie, na podstawie przebiegów czasowych uzyskanych w trakcie symulacji lub za pomocą funkcji dołączonych do programu symulacyjnego. Ocenie poddaje się najdłuższe czasy regulacji określone dla grupy generatorów najmocniej zaangażowanych w zakłócenie. W tab. 1 podano wartości czasów regulacji, dla których tłumienie można uznać za wystarczające.

GRU

MON

TEL

GOR

WLA

BCN

CZE

PLE

PLO PDE

PAT

MSK

PPD

LSN

OLT

KON

KRM

ZGC

SOC ADA

SWI CPC BOG

KOZ

WPO

KIE

ANI DBN

JOA

GRO WRZ BLA

WIE MOS

ALB NOS LIS

KPK

PBO

KOM

ZAM

STW

PEL

LOS KHK SIE

LUA

RZE

KLA

DOB

BYC

WAN

PRB CZT

MKR CHM

LAG KAT JAM HAL KOP BIR

CHS

OSC

RAD

TCN

ROK

KED

ABR

BEK

HCZ

LSY

PUL

ROZ

PAS

ZBK

SDU

STN

PIO

ROG TRE

MIK

MIL

WSI

PAB

POL

HAG

PIA

JAN OSR

CRN

WTO

MOR

ZGI

LES

ZUK

ROS

NAR

OST

BUJ

SKA

BGC TAW KRI

ZAP

LEM

Rys. 2. Lokalizacja nowych konwencjonalnych źródeł energii w planach rozwoju KSE [9, 10]

utajonymi (turbogeneratorów), natomiast model gensal wykorzystywany jest do modelowania maszyn synchronicznych z biegunami wydatnymi (hydrogeneratorów). Szczegółowy opis poszczególnych modeli z wykazem parametrów i schematami układów regulacji można znaleźć w literaturze [7, 8]. Jeszcze większa różnorodność modeli występuje w układach wzbudzenia i regulacji napięcia generatorów synchronicznych. W modelach wykorzystywanych do badania stanów nieustalonych krajowego systemu elektroenergetycznego (KSE) najczęściej wykorzystywane są modele statycznego układu wzbudzenia i regulacji napięcia exst1 oraz modele maszynowego układu wzbudzenia i regulacji napięcia exac1A. Także w tym przypadku z parametrami i schematami tych układów regulacji można się zapoznać, studiując literaturę [7, 8]. W modelach KSE wykorzystuje się stabilizatory systemowe jednowejściowe oraz wielowejściowe, które stopniowo wypierają te pierwsze. Wielkością wejściową stabilizatorów jednowejściowych jest moc czynna, natomiast w stabilizatorach wielowejściowych dodatkowo wykorzystuje się częstotliwość lub prędkość kątową wirnika. Przedstawicielem modelu stabilizatora jednowejściowego jest układ ieeest, natomiast model stabilizatora wielowejściowego reprezentowany jest przez układ pss2a. Różnorodność wykorzystywanych modeli układów regulacji turbin wynika z rodzaju czynnika roboczego (para, woda, gaz), konstrukcji turbiny (w przypadku np.

turbin wodnych) oraz struktury regulatora turbiny. W modelach KSE wykorzystuje się trzy podstawowe modele układów regulacji turbiny. Dla turbiny parowej wykorzystuje się model ieeeg1, w przypadku turbiny wodnej model hygov, natomiast turbiny gazowe modeluje się za pomocą układu gast. Szczegółowe informacje dotyczące tych modeli można znaleźć w literaturze [7, 8]. Osobnym zagadnieniem jest modelowanie farm wiatrowych. Zagadnienie to nie będzie jednak przedmiotem zainteresowania niniejszego artykułu. Różnorodność modeli mnogość parametrów je opisujących może sprawiać trudności w ich skompletowaniu, szczególnie w nowych zespołach wytwórczych, które muszą być uwzględnione w badaniach planistycznych. Czy wystarczy przyporządkować im modele klasyczne drugiego rzędu, czy też konieczne będzie bardziej dokładne modelowanie? Czy dla układów regulacji trzeba szukać ich optymalnych parametrów, czy też wystarczy skorzystać z modeli referencyjnych [3]? Odpowiedzi na te pytania autorzy artykułu starali się znaleźć, przeprowadzając badania opisane poniżej. 4. Problem badawczy W dokumentacji planu rozwoju krajowego systemu elektroenergetycznego [9, 10] przewidziano do 2020 roku wybudowanie kilku nowych, konwencjonalnych źródeł energii. W planach inwestycyjnych znajduje się budowa nowych bloków, m.in. w Stalowej Woli, Kozienicach, Opolu, a także w Jaworznie, Turowie, Skawinie, Bogdance

111


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | translation 101–109

i Puławach. Bloki te należy uwzględnić w modelach prognostycznych, wykorzystywanych w badaniach planistycznych. W zależności od etapu realizacji wspomnianych inwestycji różny jest zakres wiedzy na temat parametrów tych bloków, ich wyposażenia w układy regulacji, a nawet na temat sposobów ich przyłączenia do KSE. Dobrym przykładem jest tu elektrownia w Puławach, o której wiadomo jedynie, że jej planowana moc znamionowa to ok. 900 MVA, zlokalizowana będzie w okolicach Zakładów Azotowych w Puławach, a do sieci będzie włączona poprzez cztery linie 400 kV (nacięcia istniejących linii 400 kV relacji Kozienice – Lublin Systemowa, oraz Kozienice – Ostrowiec Świętokrzyski). Ilustruje to rys. 2, na którym przedstawiono także inwestycje w sieć przesyłową. Najprostszym rozwiązaniem w takiej sytuacji (wariant 1) wydaje się przyporządkowanie nowo projektowanym blokom modeli klasycznych drugiego rzędu (gencls). Dla elektrowni w Puławach parametry tego modelu, ustalone na podstawie modeli referencyjnych [3], podano w tab. 2. Nazwa parametru Sn Un

Opis

Sn

839 MVA

Un

20 kV

napięcie znamionowe generatora

Td0’

8,32 s

stała czasowa przejściowa wzdłużna przy otwartym obwodzie twornika

Tq0’

1,86 s

stała czasowa przejściowa poprzeczna przy otwartym obwodzie twornika

Td0”

0,037 s

stała czasowa podprzejściowa wzdłużna przy otwartym obwodzie twornika

Tq0”

0,09 s

stała czasowa podprzejściowa poprzeczna przy otwartym obwodzie twornika

moc pozorna generatora

H

3,1

stała inercji

D

0,0

współczynnik tłumienia

Ra

0,02 p.u.

rezystancja stojana

Xd

2,20 p.u.

reaktancja synchroniczna wzdłużna

Xq

2,10 p.u.

reaktancja synchroniczna poprzeczna

Xd’

0,32 p.u.

reaktancja przejściowa wzdłużna

Xq’

0,53 p.u.

reaktancja przejściowa poprzeczna

Xd”

0,26 p.u.

reaktancja podprzejściowa wzdłużna

Xq”

0,26 p.u

reaktancja podprzejściowa poprzeczna

Tab. 3. Parametry modelu szóstego rzędu generatora (GENROU) w elektrowni w Puławach

Opis

Nazwa parametru

839 MVA

moc pozorna generatora

Tr

20 kV

napięcie znamionowe generatora

Wartość

Wartość

Wartość

Opis

0,01 s

stała czasowa członu pomiarowego napięcia

Vimax

0,2

ograniczenie górne uchybu regulacyjnego

Vimin

-0,2

ograniczenie dolne uchybu regulacyjnego

H

3,0

stała inercji

D

0,0

współczynnik tłumienia

Tc

1,0 s

stała czasowa licznika członu korekcyjnego

Ra

0,0 p.u.

rezystancja stojana

Tb

8,0 s

stała czasowa mianownika członu korekcyjnego

0,26 p.u

reaktancja podprzejściowa wzdłużna

Ka

500

współczynnik wzmocnienia regulatora

Ta

Xd”

Tab. 2. Parametry modelu klasycznego (gencls) elektrowni w Puławach

Kolejna modyfikacja (wariant 2) polega na przyporządkowaniu nowym generatorom synchronicznym modeli szóstego rzędu (genrou), z pominięciem pozostałych układów regulacji. Parametry generatora zainstalowanego w elektrowni w Puławach, także ustalone na podstawie modeli referencyjnych [3], zaprezentowano w tab. 3. Model pełny (wariant 3) uzupełniony zostaje modelami układów automatycznej regulacji: układ wzbudzenia i regulacji napięcia (EXST1), układ regulacji turbiny (IEEEG1) oraz układ dwuwejściowego stabilizatora systemowego (PSS2A). Parametry układów automatycznej regulacji, zainstalowanych w elektrowni Puławy, opracowane na podstawie modeli referencyjnych [3], zaprezentowano w tab. 4–6. Wariant 3 potraktowano jako punkt odniesienia do dalszych badań. Dla tego wariantu przeprowadzono kompletną analizę, dla różnych zdarzeń planistycznych (także ekstremalnych), wyznaczono wartości czasów krytycznych trwania zwarcia tkr oraz odpowiadające im współczynniki zapasu stabilności kt, czasy połowienia t50% oraz czasy regulacji t15%. Na podstawie tych analiz wyznaczono najmniej korzystny przypadek zdarzenia i dla niego zbadano wpływ sposobu modelowania na wartości wskaźników oceny stabilności systemu elektroenergetycznego.

112

Nazwa parametru

0,02 s

stała czasowa wzmacniacza

Vrmax

6,7

ograniczenie górne napięcia ve

Vrmin

-6,7

ograniczenie dolne napięcia ve

Kc

0,06

współczynnik uwzględniający wpływ obciążenia prostownika sterowanego (proporcjonalny do reaktancji komutacji)

Kf

0

współczynnik wzmocnienia w pętli sprzężenia zwrotnego

Tf

0s

stała czasowa w pętli sprzężenia zwrotnego

Tc1

0s

stała czasowa licznika członu korekcyjnego 2

Tb1

0s

stała czasowa mianownika członu korekcyjnego 2

Vamax

6,7

ograniczenie górne sygnału wzmacniacza głównego

Vamin

-6,7

ograniczenie dolne sygnału wzmacniacza głównego

Xe

0 p.u.

reaktancja komutacji prostownika wzbudzenia

Ilr

4,3 p.u.

wartość zadana ogranicznika prądu wzbudzenia

Klr

2,0

współczynnik wzmocnienia ogranicznika prądu wzbudzenia

Tab. 4. Wybrane parametry modelu statycznego układu wzbudzenia i regulacji napięcia (exst1) w elektrowni w Puławach

Kolejne warianty to modyfikacje wariantu 3. Z dokumentacji przetargowej Elektrowni Puławy sp. z o.o. wynika, że blok elektrowni w Puławach będzie blokiem gazowo-parowym. W wariancie 4 zmieniono więc model turbiny na turbinę gazową wraz z regulatorem typu gast. W tab. 7 zaprezentowano parametry tego modelu opracowane na podstawie modelu referencyjnego [3]. W wariancie 5 zmieniono, w stosunku do wariantu podstawowego, model układu wzbudzenia i regulacji napięcia. W miejsce

statycznego modelu regulacji exst1 zastosowano model maszynowego układu wzbudzenia i regulacji napięcia exac1a, którego parametry opracowane na podstawie modelu referencyjnego zaprezentowano w tab. 8. Wariant 6 to wymiana stabilizatora systemowego. W stosunku do modelu podstawowego, w miejsce układu dwuwejściowego pss2a zastosowano układ jednowejściowy ieeest, którego parametry wyznaczone na podstawie modelu referencyjnego [3] podano w tab. 9.


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | translation 101–109

Nazwa parametru

Wartość

Opis

K

16,7

współczynnik wzmocnienia regulatora (odwrotność statyzmu)

T1

0,02

stała czasowa w mianowniku członu korekcyjnego regulatora

T2

0

stała czasowa w liczniku członu korekcyjnego regulatora

T3

0,35

Uo

Nazwa parametru R

Wartość

Opis

0,06

statyzm regulatora

T1

0,4 s

stała czasowa serwomotoru regulatora

stała czasowa zaworów

T2

1,5 s

stała czasowa turbiny

0,1

maksymalna prędkość otwierania zaworów

T3

3s

stała czasowa części wylotowej turbiny

Lmax

1

ogranicznik temperatury otoczenia

Kt

3

współczynnik wzmocnienia ogranicznika temperatury

Vmax

1

maksymalna moc turbiny

Vmin

0

minimalna moc turbiny

Dturb

0

współczynnik tłumienia

Fidle

0,08

przepływ paliwa na biegu jałowym turbiny

Rmax

1

maksymalna szybkość otwierania zaworów paliwa

Loadinc

0,05

szybkość zmian otwarcia zaworu przy szybkim sterowaniu

Tltr

5s

średnia stała czasowa zaworów

Ltrate

0

maksymalna długoterminowa szybkość otwierania zaworu

a

0

mnożnik stałej czasowej licznika transmitancji turbiny

b

1

mnożnik stałej czasowej mianownika transmitancji turbiny

db1

0 Hz

parametry strefy nieczułości w torze regulacji częstotliwości

Uc

-1

maksymalna prędkość zamykania zaworów

Pmax

1

maksymalne otwarcie zaworów

Pmin

0

minimalne otwarcie zaworów

T4

0,3

stała czasowa komory regulacyjnej i części wysokoprężnej

K1

0,2

udział pierwszego stopnia turbiny pierwszego wału

K2

0

udział pierwszego stopnia turbiny drugiego wału

T5

12

stała czasowa przegrzewacza międzystopniowego

K3

0,4

udział drugiego stopnia turbiny pierwszego wału

K4

0

udział drugiego stopnia turbiny drugiego wału

T6

0,4

stała czasowa przewodów parowych

K5

0,4

udział trzeciego stopnia turbiny pierwszego wału

K6

0

udział trzeciego stopnia turbiny drugiego wału

T7

0

stała czasowa drugiego przegrzewacza międzystopniowego

K7

0

udział czwartego stopnia turbiny pierwszego wału

K8

0

udział czwartego stopnia turbiny drugiego wału

Tab. 5. Wybrane parametry modelu turbiny parowej wraz z układem regulacji (ieeeg1) w elektrowni w Puławach

Nazwa parametru

Wartość

Opis

J1

1

kod sygnału wejściowego pierwszego: 1 – przyrost prędkości kątowej generatora

K1

0

numer szyn określający miejsce pomiaru sygnału wejścia pierwszego wartość 0 oznacza pomiar w miejscu zainstalowania generatora

Eps

0 Hz

parametry strefy nieczułości w torze regulacji częstotliwości

J2

3

kod sygnału wejściowego drugiego: 3 – moc czynna generatora

K2

0

numer szyn określający miejsce pomiaru sygnału wejścia drugiego

db2

0

parametr strefy nieczułości zaworów

Tw1

10 s

stała czasowa pierwszego członu różniczkującego wejścia pierwszego

Ka

1

Tw2

10 s

stała czasowa drugiego członu różniczkującego wejścia pierwszego

współczynnik wzmocnienia regulatora

Tw3

19 s

stała czasowa pierwszego członu różniczkującego wejścia drugiego

T4

0s

Tw4

0s

stała czasowa drugiego członu różniczkującego wejścia drugiego

stała czasowa w liczniku członu korekcyjnego regulatora

T6

0s

stała czasowa członu inercyjnego wejścia pierwszego

T7

10 s

stała czasowa członu inercyjnego wejścia drugiego

Ks2

1,61

współczynnik wzmocnienia członu inercyjnego wejścia drugiego

Ks3

1

współczynnik wzmocnienia w torze sygnału wejścia drugiego

Ks4

1

współczynnik wzmocnienia w torze sygnału wejścia drugiego

T8

0,6 s

stała czasowa w liczniku filtra oscylacji skrętnych

T9

0,15 s

stała czasowa w mianowniku filtra oscylacji skrętnych

n

1

rząd filtra oscylacji skrętnych

m

4

rząd mianownika filtra oscylacji skrętnych

Ks1

5

współczynnik wzmocnienia stabilizatora

T1

0,16 s

stała czasowa licznika pierwszego członu korekcyjnego

T2

0,04 s

stała czasowa mianownika pierwszego członu korekcyjnego

T3

0,16 s

stała czasowa licznika drugiego członu korekcyjnego

T4

0,04 s

stała czasowa mianownika drugiego członu korekcyjnego

Vstmax

0,05 s

ograniczenie górne sygnału wyjściowego stabilizatora

Vstmin

-0,05 s

ograniczenie dolne sygnału wyjściowego stabilizatora

a

1

współczynnik licznika trzeciego członu korekcyjnego

Ta

0s

stała czasowa licznika trzeciego członu korekcyjnego

Tb

0s

stała czasowa mianownika trzeciego członu korekcyjnego

Tab. 6. Wybrane parametry modelu układu dwuwejściowego stabilizatora systemowego (pss2a) w elektrowni w Puławach

Tab. 7. Wybrane parametry modelu turbiny wraz z układem regulacji (gast) w elektrowni w Puławach

W wariancie 7 zbadano wpływ stabilizatora systemowego (jego braku) na wyniki badania stanu nieustalonego. Symulacje przeprowadzono przy wyłączonym układzie stabilizatora systemowego w elektrowni Puławy. Niektóre opisane powyżej warianty mają swoje modyfikacje. Generalnie zmiany sposobu modelowania dotyczą tylko bloku wytwórczego w elektrowni Puławy. Tak więc w  przypadku wariantu 1 tylko elektrowni Puławy przypisano model klasyczny drugiego rzędu, podczas gdy pozostałe nowe bloki wytwórcze modelowane są za pomocą pełnych modeli referencyjnych. W wariancie oznaczonym jako wariant 1a modele klasyczne przyporządkowane są wszystkim nowym konwencjonalnym blokom wytwórczym, zlokalizowanym w pobliżu miejsca zakłócenia. Dotyczy to więc nowej elektrowni w Bogdance, jak również nowych bloków w Kozienicach, Stalowej Woli, Płocku czy Ostrołęce. Wariant 2 to model szóstego rzędu, bez układów

113


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | translation 101–109

Nazwa parametru

Wartość

opis

Tr

0,01 s

stała czasowa członu pomiarowego napięcia

Tc

0,5 s

stała czasowa licznika członu korekcyjnego

Tb

17 s

stała czasowa mianownika członu korekcyjnego

Ka

1400

współczynnik wzmocnienia regulatora

Ta

0,02 s

stała czasowa wzmacniacza

Vrmax

4,26

ograniczenie górne sygnału wyjściowego

Vrmin

-4,26

ograniczenie dolne sygnału wyjściowego

Te

0,4 s

stała czasowa wzbudnicy maszynowej

Kf

0,11

współczynnik wzmocnienia w pętli sprzężenia zwrotnego

Tf

2s

stała czasowa w pętli sprzężenia zwrotnego

Kc

0,72

współczynnik uwzględniający wpływ obciążenia prostownika sterowanego (proporcjonalny do reaktancji komutacji)

Kd

0,2

współczynnik demagnetyzacji zależny od parametrów (reaktancji) wzbudnicy

Ke

0,43

współczynnik zależny od konstrukcji wzbudnicy uwzględniający efekt samowzbudzenia

E1

6,1 p.u.

napięcie wzbudzenia E1

S(E1)

0,1 p.u.

współczynnik nasycenia dla napięcia E1

E2

8,1 p.u.

napięcie wzbudzenia E2

S(E2)

0,9 p.u.

współczynnik nasycenia dla napięcia E2

Tab. 8. Wybrane parametry modelu maszynowego układu wzbudzenia i regulacji napięcia (exac1a) w elektrowni w Puławach

Nazwa parametru

Wartość

Opis

j

3

kod sygnału wejściowego: 3 – moc czynna generatora

k

0

numer szyn określający miejsce pomiaru, wartość 0 oznacza pomiar w miejscu zainstalowania generatora

A1

0

współczynnik transmitancji filtra

A2

0

współczynnik transmitancji filtra

A3

0

współczynnik transmitancji filtra

A4

0

współczynnik transmitancji filtra

A5

0

współczynnik transmitancji filtra

A6

0

współczynnik transmitancji filtra

T1

0s

stała czasowa licznika pierwszego członu korekcyjnego

T2

0,02 s

stała czasowa mianownika pierwszego członu korekcyjnego

T3

0,5 s

stała czasowa licznika drugiego członu korekcyjnego

T4

7s

stała czasowa mianownika drugiego członu korekcyjnego

T5

5s

stała czasowa członu różniczkującego

T6

5s

stała czasowa członu różniczkującego

Tdelay

0s

opóźnienie czasowe filtra

Ks

-5

współczynnik wzmocnienia stabilizatora systemowego

Lsmax

0,03

ograniczenie górne sygnału wyjściowego stabilizatora

Lsmin

-0,03

ograniczenie dolne sygnału wyjściowego stabilizatora

Vcl

0,8

ograniczenie dolne „wyłącznika” stabilizatora

Vcu

1,1

ograniczenie górne „wyłącznika” stabilizatora

Tab. 9. Wybrane parametry modelu układu jednowejściowego stabilizatora systemowego (ieeest) w elektrowni w Puławach

114

automatycznej regulacji, przyporządkowany tylko do bloku wytwórczego w Puławach. Wariant 2a przyporządkowuje takie modele wszystkim nowym blokom wytwórczym. Niektóre warianty mają więc swoje podwarianty, oznaczone literą „a”, w których modyfikacje modelu rozszerzane są na pozostałe bloki wytwórcze wprowadzone do systemu w modelu prognostycznym. 5. Wyniki badań badaniami symulacyjnymi objęto wszystkie cztery linie 400 kV, wyprowadzające moc z elektrowni Puławy. Zdarzenia, które poddano analizie, polegają na wystąpieniu trójfazowego zwarcia w obrębie wybranej linii (w pobliżu szyn elektrowni Puławy), likwidowanego z czasem normalnym zabezpieczeń podstawowych poprzez definitywne wyłączenie linii, w której wystąpiło zakłócenie. Badania symulacyjne przeprowadzono dla stanu normalnego (wszystkie cztery linie pracują), dla zdarzeń planistycznych polegających na odstawieniu jednej z linii do planowego remontu oraz dla zdarzeń ekstremalnych, w których w momencie wystąpienia zakłócenia dwie linie (lub linia i transformator) były wyłączone. Pełny zakres badań wykonano dla podstawowego wariantu sieci (wariant 3), w którym wszystkim nowym blokom wytwórczym przyporządkowano modele szóstego rzędu z uwzględnieniem układów automatycznej regulacji. Wyniki badań zaprezentowano w tab. 10. Wartości wskaźników oceny stabilności systemu, zamieszczone w tab. 10, świadczą o tym, że system spełnia wymagania określone w zależności (2) i tab. 1. Można nawet stwierdzić, że wymagania dotyczące czasów krytycznych trwania zwarcia spełnione są z dużym zapasem. Najmniej korzystnym przypadkiem jest zdarzenie ekstremalne, w którym zwarcie występuje w linii Puławy – Ostrowiec Świętokrzyski, po uprzednim odstawieniu dwóch torów linii Puławy – Kozienice. Zdarzenie to wyróżnione jest pogrubieniem w tab. 10. To właśnie zdarzenie zostało wybrane jako zdarzenie referencyjne, na podstawie którego dokonano oceny wpływu sposobu modelowania bloków wytwórczych na wskaźniki oceny stabilności. Dla wszystkich pozostałych wariantów modeli sieci przeprowadzono badania symulacyjne dla wybranego zdarzenia i wyznaczono wartości czasów krytycznych trwania zwarcia tkr oraz odpowiadające im współczynniki zapasu stabilności kt, czasy połowienia t50% oraz czasy regulacji t15%. Wyniki badań zaprezentowano w tab. 11. Z wyników badań zamieszczonych w tab. 11 wynika, że rozbieżności pomiędzy wartościami czasów krytycznych trwania zwarcia i współczynników zapasu stabilności sięgają 18% w stosunku do wariantu podstawowego. W żadnym jednak z wariantów nie zanotowano przekroczenia wartości kryterialnej współczynnika zapasu stabilności określonej zależnością (2). Znacznie większe rozbieżności występują w wartościach czasów regulacji. Tutaj różnice pomiędzy czasami regulacji w stosunku do wariantu podstawowego sięgają 44%. Dodatkowo, w przypadku niektórych wariantów modeli zanotowano przekroczenia wartości kryterialnych z tab. 1. Na rys. 3 zaprezentowano dwa skrajne przypadki przebiegów symulacji.


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | translation 101–109

Opis zdarzenia Element wyłączany przy likwidacji zwarcia

kod

węzeł początkowy

węzeł końcowy

Spełnienie warunków stabilności

Opis zakłócenia

rodzaj zwarcia

węzeł

Krytyczny czas trwania zwarcia

Tłumienie

czas likwidacji zwarcia

czas krytyczny

zapas stabilności

czas połowienia (50%)

czas regulacji (15%)

ms

ms

%

s

s

Stan normalny (bez wyłączeń) F001A

PUL412

KOZ422

PUL412

K3

120

339,2

182,7

≤4,04

≤10,51

F001B

PUL412

LSY412

PUL412

K3

120

339,2

182,7

≤4,02

≤10,48

F401A

PUL412

KOZ412

PUL412

K3

120

339,2

182,7

≤4,80

≤10,50

F401B

PUL412

OSC412

PUL412

K3

120

3392

182,7

≤4,05

≤10,57

Stan remontowy z wyłączeniem linii F001A (PUL412–KOZ422) F001B

PUL412

LSY412

PUL412

K3

120

343,5

186,3

≤3,99

≤10,46

F401A

PUL412

KOZ412

PUL412

K3

120

327,0

172,5

≤3,99

≤11,40

F401B

PUL412

OSC412

PUL412

K3

120

347,4

189,5

≤3,95

≤10,56

PUL412

K3

120

330,9

175,8

≤3,89

≤10,45

Stan remontowy z wyłączeniem linii F001B (PUL412–LSY412) F001A

PUL412

KOZ422

F401A

PUL412

KOZ412

PUL412

K3

120

330,9

175,8

≤3,87

≤10,43

F401B

PUL412

OSC412

PUL412

K3

120

335,1

179,3

≤3,89

≤10,57

Stan remontowy z wyłączeniem linii F401A (PUL412–KOZ412) F001A

PUL412

KOZ422

PUL412

K3

120

327,0

172,5

≤3,99

≤11,38

F001B

PUL412

LSY412

PUL412

K3

120

343,5

186,3

≤4,77

≤10,43

F401B

PUL412

OSC412

PUL412

K3

120

347,4

189,5

≤4,02

≤10,53

Stan remontowy z wyłączeniem linii F401B (PUL412–OSC412) F001A

PUL412

KOZ422

PUL412

K3

120

327,0

172,5

≤4,86

≤10,56

F001B

PUL412

LSY412

PUL412

K3

120

330,9

175,8

≤4,09

≤10,55

F401A

PUL412

KOZ412

PUL412

K3

120

330,9

175,8

≤4,04

≤10,56

Zdarzenie ekstremalne: wyłączenie linii F001A (PUL412–KOZ422) i F401A (PUL412–KOZ412) F001B

PUL412

LSY412

PUL412

K3

120

310,4

158,7

≤4,02

≤11,38

F401B

PUL412

OSC412

PUL412

K3

120

306,2

155,2

≤4,79

≤11,52

Zdarzenie ekstremalne: wyłączenie transformatora PUL-A1 (PUL412–PUL212) i linii F001A (PUL412–KOZ422) F001B

PUL412

LSY412

PUL412

K3

120

335,1

179,3

≤3,87

≤10,35

F401A

PUL412

KOZ412

PUL412

K3

120

306,2

155,2

≤3,96

≤11,41

F401B

PUL412

OSC412

PUL412

K3

120

335,1

179,3

≤4,02

≤10,51

Zdarzenie ekstremalne: wyłączenie transformatora PUL-A2 (PUL412–PLW112) i linii F401A (PUL412–KOZ412) F001A

PUL412

KOZ422

PUL412

K3

120

322,4

168,7

≤3,97

≤11,37

F001B

PUL412

LSY412

PUL412

K3

120

3435

186,3

≤4,01

≤10,46

F401B

PUL412

OSC412

PUL412

K3

120

347,4

189,5

≤4,02

≤10,56

Tab. 10. Wyniki pełnych badań symulacyjnych dla wariantu 3

Wyraźne zmniejszenie tłumienia w modelu klasycznym zaowocowało wyraźnym zwiększeniem czasów regulacji (w tab. 11 przekroczone wartości czasów regulacji zostały wyróżnione pogrubieniem). 6. Podsumowanie Przystępując do badań, autorzy artykułu spodziewali się większych różnic wynikających

ze zróżnicowanego sposobu modelowania bloków wytwórczych. Przede wszystkim zakładano wyraźną różnicę czasów krytycznych trwania zwarcia oraz odpowiadających im wartości zapasów stabil ności. Tymczasem uzyskane różnice są stosunkowo niewielkie, nie wpływają praktycznie na ocenę stabilności systemu według tego kryterium. Być może wynika to z niezbyt trafnie wybranego miejsca

zakłócenia, dla którego także w przypadku zdarzeń ekstremalnych uzyskiwano duże wartości zapasu stabilności. Znacznie większe różnice wystąpiły w zakresie tłumienia kołysań elektromech anicznych. W tym przypadku wybór sposobu modelowania bloków wytwórczych ma duży wpływ na uzyskiwane przebiegi symulacji.

115


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | translation 101–109

Opis wariantu i zdarzenia

Spełnienie warunków stabilności Opis zakłócenia

Wariant modelu (sposób modelowania bloku wytwórczego w elektrowni Puławy i elektrowniach sąsiednich)

rodzaj zwarcia

węzeł

Krytyczny czas trwania zwarcia

Tłumienie

czas zwarcia

czas krytyczny

zapas stabilności

czas połowienia (50%)

czas regulacji (15%)

ms

ms

%

s

s

Zdarzenie ekstremalne: wyłączenie linii F001A (PUL412–KOZ422) i F401A (PUL412–KOZ412); zwarcie na linii F001B wariant 3 (model podstawowy)

PUL412

K3

120

306,2

155,2

≤4,79

≤11,52

wariant 1 (klasyczny)

PUL412

K3

120

306,2

155,2

4,76

≤11,50

wariant 1a

PUL412

K3

120

310,4

158,7

≤6,92

≤18,47

wariant 2 (bez układów regulacji)

PUL412

K3

120

281,2

134,3

≤4,86

≤11,58

wariant 2a

PUL412

K3

120

272,8

127,3

≤4,90

≤15,40

wariant 4 (turbina gazowo-parowa)

PUL412

K3

120

281,2

134,3

≤4,85

≤11,62

wariant 5 (wzbudzenie maszynowe)

PUL412

K3

120

301,8

151,5

≤3,96

≤12,48

wariant 5a

PUL412

K3

120

301,8

151,5

≤3,97

≤12,57

wariant 6 (stabilizator jednowej.)

PUL412

K3

120

306,2

155,2

≤4,77

≤11,53

wariant 7 (bez stabilizatorów)

PUL412

K3

120

306,2

155,2

≤4,90

≤15,39

wariant 7a

PUL412

K3

120

306,2

155,2

≤5,74

≤15,29

Tab. 11. Wyniki badań symulacyjnych dla poszczególnych wariantów modeli sieci

200

200

Przebieg kątów wybranych generatorów – model podstawowy

Przebieg kątów wybranych generatorów – model klasyczny

180 PUL LEC 160

150

PUL

KOZ

LEC

ROG

KOZ

OST

ROG

140

OST

100

Kąt [stopnie]

Kąt [stopnie]

120

100

50

80

0

60

0

2

4

6

8

10

12

14

16

18

20

40

-50 20

0 0

2

4

6

8

10

12

Czas [s]

14

16

18

20

-100

Czas [s]

Rys. 3. Przebiegi kołysań wybranych generatorów dla modelu podstawowego (wariant 3) oraz modelu klasycznego (wariant 1a)

Bibliografia 1. Machowski J., Bialek J., Bumby J., Power System Dynamics. Stability and Control, John Wiley & Sons, Chichester, New York, 2008, 2009. 2. Machowski J., Regulacja i stabilność systemu elektroenergetycznego, Warszawa 2007. 3. Kacejko P. i in., Analizy sieciowe w średniookresowym planowaniu rozwoju KSE. Instrukcja pomocnicza. Załącznik do pracy na zlecenie PSE Operator SA, zamówienie nr: DS/RB/DS/Z/MJ/2011, Warszawa 2012.

116

4. Machowski J., Kacejko P., Miller P., Kryteria i możliwości wykonywania łączeń asynchronicznych pomiędzy układami wyspowymi wyłonionymi w sieci KSE, Energetyka, Zeszyt tematyczny nr XXIII, maj 2012. 5. Wancerz M., Kacejko P., Problematyka likwidacji zwarć jednofazowych na liniach łączących bloki wielkiej mocy z systemem elektroenergetycznym, Przegląd Elektrotechniczny 2012, nr 10 a. 6. I n s t r u k c j a r u c hu i e k s p l o atacji sieci przesyłowej, wersja z 30 grudnia 2010.

7. Dokumentacja techniczna programu PSLF, v.18. 8. Dokumentacja techniczna programu PowerFactory, v.14.1. 9. Polskie Sieci Elektroenergetyczne Operator SA, Plan rozwoju obecnego i przyszłego zapotrzebowania na energię elektryczną na lata 2010–2025, Konstancin – Jeziorna, lipiec 2011. 10. Polskie Sieci Elektroenergetyczne Operator SA, Plan rozwoju obecnego i przyszłego zapotrzebowania na energię elektryczną na lata 2010–2025. Aktualizacja w zakresie lat 2012–2016, Konstancin-Jeziorna, lipiec 2011.


P. Miller, M. Wancerz | Acta Energetica 4/17 (2013) | translation 101–109

Piotr Miller

dr inż. Politechnika Lubelska e-mail: p.miller@pollub.pl Ukończył Wydział Elektryczny Politechniki Lubelskiej. Obecnie pracuje na stanowisku adiunkta w Katedrze Sieci Elektrycznych i Zabezpieczeń swojej macierzystej uczelni. Specjalizuje się w problematyce metod numerycznych i oprogramowania stosowanego w analizie stanów awaryjnych systemu elektroenergetycznego. Główny autor programu komputerowego SCC, stosowanego do obliczania wielkości zwarciowych przez wiele jednostek energetyki zawodowej i biura projektowe.

Marek Wancerz

dr inż. Politechnika Lubelska e-mail: m.wancerz@pollub.pl Ukończył Wydział Elektryczny Politechniki Lubelskiej. Obecnie pracuje na stanowisku adiunkta w Katedrze Sieci Elektrycznych i Zabezpieczeń swojej macierzystej uczelni. Jego zainteresowania naukowe koncentrują się wokół zagadnień automatyki zabezpieczeniowej oraz bezpieczeństwa pracy systemu elektroenergetycznego. Współautor wielu krajowych i zagranicznych publikacji o tej tematyce, a także wielu prac naukowo-badawczych dla przemysłu oraz instytucji związanych z energetyką.

117


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | 118–125

An Analysis of the Accuracy of Electromechanical Eigenvalue Calculations Based on Instantaneous Power Waveforms Recorded in a Power Plant Authors Piotr Pruski Stefan Paszek

Keywords power system, eigenvalues associated with electromechanical phenomena, transient states

Abstract The paper presents the results of calculating the eigenvalues (associated with electromechanical phenomena) of the state matrix of the Polish Power System model on the basis of analysis of simulated and measured instantaneous power disturbance waveforms of generating units in Łaziska Power Plant. The method for electromechanical eigenvalue calculations used in investigations consists in approximation of the instantaneous power swing waveforms in particular generating units with the use of the waveforms being a superposition of the modal components associated with the searched eigenvalues and their participation factors. The hybrid optimisation algorithm consisting of the genetic and gradient algorithms was used for computations.

DOI: 10.12736/issn.2300-3022.2013410

1. Introduction

2. Linearised power system model

Maintenance of the power system (PS) angular stability is one of the most important conditions for its proper performance. Loss of the power system angular stability can result in a serious system failure, the consequence of which may be a vast number of customers deprived of electricity supply. Angular stability of a power system may be assessed using stability factors [1] calculated on the basis of the system state matrix eigenvalues associated with electromechanical phenomena. The eigenvalues may be calculated based on the system state equations, but then the calculation results depend on the elements of the system state matrix, and indirectly on the assumed models of the power system components and their uncertain parameters. The eigenvalues can also be calculated with good accuracy on the basis of analysis of actual disturbance waveforms appearing in the system after various disturbances [2]. In this case, calculation results are not affected by the adopted power system model and its parameters, but only by the current system performance. The purpose of this study is to analyse the calculation accuracy of the eigenvalues (related to electromechanical phenomena) of the Polish Power System (PPS) model state matrix, which interfere with instantaneous power waveforms of generating units in Łaziska Power Plant. The eigenvalues were calculated on the basis of analysis of simulated and measured instantaneous power disturbance waveforms in units no. 9 (KOP113) and no. 10 (KOP123) in Łaziska Power Plant.

The power system model linearised at the operating working is described by the state equation and output equation [3, 4]:

118

∆X = A∆X + B∆U

(1)

ΔY= CΔX +DΔU (2) where: ΔX, ΔU, ΔY – deviations of the state variable vector, the input vector and the output variable vector. The elements of A, B, C and D matrices are calculated for the steady operating point of the PS. The waveforms of the output variables of the linearised PS model can be calculated directly by integrating the state equation (1), or on the basis of eigenvalues and eigenvectors of the state matrix A [3]. Assuming only single eigenvalues of the state matrix, the state variable vector and the output variable vector can be expressed by the formulas [5]: t

t

ΔX (t )=∫ Ve Λ(t −τ )W T Bu (τ )dτ = ∫ e A(t − τ)Bu (τ )dτ (3) 0

t

ΔY (t )= CVe

0

Λ(t − τ )

W Bu(τ )dτ + Du(t)= T

0 t

(4)

= C e A(t −τ )Bu(τ )dτ + Du(t )

∫ 0


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | 118–125

where: V, W – right-side and left-side modal matrices, the columns of which are, respectively, subsequent right-side and left-side normalised (WThVh = 1) state matrix eigenvectors, Λ – diagonal matrix, whose main diagonal consists of subsequent state matrix eigenvalues. The output quantity waveform is the superposition of modal components dependent on the state matrix eigenvalues and eigenvectors. The waveform of the i-th output quantity (at D = 0 and under the assumption of single eigenvalues only) takes the following form: – for a disturbance in the form of a Dirac impulse at time t0 in the waveform of the j-th input quantity ΔUj(t) = ΔUδ(t-t0) [4, 6]:

Δ yi (t )=

n

∑ Fih e λ (t −t )ΔU , h

h =1

0

t ≥ t0 (5)

where:

Fih = C iVhW hT B j (6) – for a disturbance in the form of a step change at time t0 in the waveform of the j-th input quantity ΔUj(t) = ΔU1(t-t0) [6]:

Δ yi (t )= ∑ K ih(e λh (t −t0 ) − 1) ΔU , t ≥ t0 (7) n

h =1

where:

K ih = Fih λ −h1 (8) where: λh =αh + jvh – h-th eigenvalue of the state matrix, Fih – participation factor of the h-th eigenvalue in the waveform of the i-th output quantity , Ci – i-th row of matrix C, Vh, Wh – h-th right-side and left-side eigenvector of the state matrix, Bj – j-th column of matrix B, n – dimension of state matrix A. Values λh and Fih may be real or complex. In the case of the waveforms of instantaneous power swings in a power system, the eigenvalues associated with motion of generating unit rotors, hereinafter referred to as “electromechanical eigenvalues”, are critical. They are complex conjugate eigenvalues, the imaginary parts of which usually correspond to frequency range (0.1–2) Hz. Imaginary parts of these eigenvalues are therefore in range of ±(0.63–12.6) rad/s. Depending on the real parts of the eigenvalues, their corresponding modal components can decay over time at different rates (for negative values of the real parts), or increase over time (for positive values of the real parts), which means a loss of the system local (static) stability for small disturbances. The electromechanical eigenvalues intervene in different ways in the instantaneous power waveforms of particular generating units, which is associated with different values of their participation factors [6].

3. The method for calculations of electromechanical eigenvalues For calculations there were used the disturbance waveforms of generating unit instantaneous power deviations which occurred

after purposeful introducing a small disturbance to the PS. The disturbance was a rectangular pulse or a step change in the waveform of the voltage regulator reference voltage Vref in a generating unit. The system response to a short rectangular pulse (with properly selected height and width) is similar to the response to a Dirac impulse [4, 7]. The amplitude of instantaneous power swings must be large enough to enable their extraction from the waveforms of phase currents and voltages recorded in each node of the system [4, 7]. In the case of a rectangular pulse, the amplitude of power swings is approximately proportional to the surface area of the pulse. The pulse height, however, must be limited to avoid a significant effect of nonlinearity and limits occurring in the power system on the instantaneous power waveforms. Also the rectangular pulse duration must be limited, because its significant extension causes increasingly growing differences in the system response to a rectangular pulse and to a Dirac impulse, which can deteriorate the electromechanical eigenvalue calculation accuracy [4, 7]. Based on the performed investigations, it has been established that the eigenvalue calculation accuracy is still satisfactory, if the pulse duration does not exceed 300 ms [7]. As regards a step change, the amplitude of power swings is approximately proportional to the step height. The step height, however, must also be limited to avoid asignificant influence of nonlinearity and limits occurring in the power system on the instantaneous power waveforms. For safety reasons, the height of a disturbance introduced to the voltage regulation system of a generator operating at a power plant should rather not exceed ca. 3–5% of the steady-state value of the voltage regulator reference voltage. The higher power of the generating unit disturbed, the larger amplitudes of the power swings in particular generating units. These amplitudes are also influenced by interactions (links) between these units and the unit disturbed. [4]. Since the instantaneous power waveform of a single generating unit usually contains a few modal components with significant amplitudes, in order to calculate all electromechanical eigenvalues of the power system, the instantaneous power waveforms in different generating units need to be analysed for various disturbance locations [4]. The method for electromechanical eigenvalue calculations used in the investigations consists in the approximation of instantaneous power deviation waveforms in individual units by formula (5) or (7) for an impulse or step disturbance, respectively. Electromechanical eigenvalues and participation factors of individual modal components are unknown parameters of the approximation. In the approximation process these parameters are selected iteratively in such a way as to minimize the objective function defined as the mean square error that occurs between the approximated and approximating waveforms [4, 7]: N

(

)2

ε w (λ,F )= ∑ ∆Pi( m ) − ∆Pi( a ) (λ,F )

(9)

i =1

where: λ – vector of electromechanical eigenvalues, F – vector of 119


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | 118–125

participation factors, N – number of waveform samples, index m denotes the approximated instantaneous power deviation waveform ΔP, and index a – the approximating instantaneous power deviation waveform, calculated on the basis of the eigenvalues and their participation factors according to formula (5) or (7). In relationship (5) or (7), when calculating the instantaneous power deviation approximating waveforms, there are neglected the modal components associated with the electromechanical eigenvalues whose absolute values of the participation factors are small. The fast decaying modal components unrelated to electromechanical eigenvalues are also neglected. To eliminate the effect of the fast decaying modal components originated from the real and complex eigenvalues, which are not electromechanical eigenvalues, it is convenient to start the waveform analysis after a certain time tp after the disturbance occurrence [4, 7]. In the calculations presented there was assumed tp = 0.6 s, or tp = 0.7 s, for pulse and step disturbances, respectively. For the objective function (9) minimisation a hybrid optimisation algorithm consisting of serially connected genetic and gradient algorithms was used. The results obtained from the genetic algorithm are the starting point of the gradient algorithm. The use of a genetic algorithm in the first stage of the search for the objective function minimum eliminates the problem of precise determination of the starting point, whereas the gradient algorithm used in the second stage converges faster and allows finding the searched extremum more accurately [4, 7]. For the genetic algorithm 50 generations, a population of 20 individuals,

and chromosome length of 6 bits were adopted. Selection was performed by the elite method [8], which ensures that the fittest individuals of a given generation will proceed to the next generation. The maximum number of iterations adopted for the gradient algorithm was 1000. Due to the existence of the objective function local minima, where the optimisation algorithm can get stuck, the approximation process was carried out repeatedly based on the same instantaneous power waveform. Calculation results with the objective functions larger than a certain assumed limit were rejected. As the final calculation results of the real and imaginary parts of particular eigenvalues, there were assumed the arithmetic means of the results not rejected in subsequent calculations [4, 7]. In many cases the eigenvalues are calculated on the basis of instantaneous power waveform in two stages. In the first stage, based on a particular instantaneous power waveform, there are calculated the eigenvalues that have relatively large values of the real parts (i.e. small moduli of the real parts), corresponding to the weakly damped modal components. At the time there are neglected the eigenvalues of smaller values of the real parts corresponding to the stronger damped modal components. In the second stage, based on the same waveform, there are calculated the eigenvalues with the smaller values of the real parts, when taking into account the eigenvalues calculated in the first stage. Additionally, in the first and second stage of the calculations the eigenvalues calculated earlier based on other instantaneous power waveforms are often assumed as known eigenvalues [4, 7].

ZRC415

VIE21G

KRA414 KRA214

OST211 OST111 PAT224 PAT214 PAT114 KON224 KON214 KON114 KON124

HAG21G HAG22G

MIK214 MIK224 MIK124 MIK414

ADA214 ADA124 ROG411 ROG211 ROG221

KOP213 KOP123 LAG213 LAZ123 LAG113 WIE413 BLA123 LAG133 WIE213 SIE133 WIE113 SKA253 WIE133 SKA113 ALB41C NOS41C ZAP213 BYC233 LIS21C ZAP223 BYC223

DBN113 DBN133

Fig. 1. Generation nodes included in the Polish Power System model [4] 120

KOZ212 KOZ112

PEL412 PEL212 PEL112

STW112 STW212


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | 118–125

4. Example calculations 4.1. Calculations based on instantaneous power waveform simulation In order to analyse the accuracy of the adopted method of electromechanical eigenvalue calculations, in the first place the calculations were carried out on the basis of the instantaneous power deviation waveforms obtained from the simulations with use of the Polish Power System mathematical model. In this model there were taken into account 49 selected generating units supplying high and very high voltage grids, and 8 equivalent generating units that represented the impact of power systems of the neighbouring countries. The model was developed in a Matlab-Simulink environment. It consists of 57 models of generating units and a model of the power grid and loads [4]. The generating units included in the model are shown in Fig. 1. The developed generating unit model includes blocks of Configurable Subsystems type that allow selecting the models of particular components of the generating unit: generator, excitation system, turbine, and power system stabiliser (PSS). The following component models of the Polish Power System generating units were assumed for the calculations: the synchronous generator GENROU model [5], the static [7] or electromachine [5] model of the excitation system, the steam turbine IEEEG1 model [5] or the water turbine HYGOV model [5], and optionally the PSS3B stabiliser model [5]. For the equivalent generating units that represent the impact of the power systems of the neighbouring countries a simplified synchronous generator model was used. In this case the effects of excitation system, turbine, and system stabiliser were neglected [4]. Eigenvalues (including electromechanical eigenvalues) of the system state matrix can be calculated directly on the basis of the structure and parameters of the power system model in the Matlab-Simulink environment. These electromechanical eigenvalues are hereinafter called “original eigenvalues”. Comparison of the eigenvalues calculated based on minimisation of the objective function (9) and the original eigenvalues is a measure of the calculation accuracy [4]. The state matrix of the analysed Polish Power System model has 56 complex electromechanical eigenvalues. They were sorted in ascending order according to their real parts, and numbered from λ1 to λ56. In this subsection there is presented a comparison of the calculation results of the eigenvalues depending on the type and amplitude ΔVref sign of the disturbance introduced. The presented example calculations based on the waveforms of instantaneous power deviations in unit 10 of Łaziska Power Plant (KOP123 in Fig. 1), following the introduction of a disturbance in the reference voltage waveform of the voltage regulator in that unit. Only one electromechanical eigenvalue λ15 = ‑1.0477±j10.0241 1/s interferes significantly in the instantaneous power waveform in unit 10. In Tab. 1 there are listed the absolute errors Δλ15 of eigenvalue λ15 calculations carried out on the basis of the simulated waveforms of the instantaneous power deviations in unit 10. There were taken into account the waveforms occurring after introducing

pulse and step disturbances of different amplitudes (Vref0 denotes the steady value /the initial value before the disturbance/ of the voltage regulator reference voltage). ΔVref

timp

Δλ15

% Vref0

s

1/s

pulse

–5

200

0.0182±j0.1013

pulse

5

200

–0.2309±j0.0572

step

–5

–0.0374±j0.2137

step

5

–0.1179±j0.5611

Disturbance type

Tab. 1. Absolute errors of eigenvalue λ15 calculation based on simulated instantaneous power waveform in unit 10 of Łaziska Power Plant

From Tab. 1 it follows that the calculation error of the real part of eigenvalue λ15 is much larger in the case of disturbances with positive amplitude, than in the case of disturbances with negative amplitude. This is due to the stronger impact of nonlinearities and limits occurring in the power system on the instantaneous power waveforms during introducing a disturbance with positive amplitude. The calculation accuracy of the real and imaginary parts of this eigenvalue is comparable in the case of pulse and step disturbances with negative amplitude. Fig. 2 shows the histograms of the calculation results of the real and imaginary parts of eigenvalue λ15, based on simulation analysis of the instantaneous power swings in unit 10 following a step disturbance with amplitude ΔVref = 5% Vref0. Due to the stochastic nature of the genetic algorithm, individual calculations were initiated for different starting points, each time selected randomly from the given search ranges [8]. The red bars represent the results included in the further analysis, and the green bars represent the results rejected. The vertical thin lines in the middle of the histograms correspond to the original eigenvalues. The ranges of the real and imaginary parts of eigenvalue λ15 correspond to the assumed ranges of their searches. Fig. 2 shows that in this case 17 out of 50 calculation results were rejected. In the other disturbance cases none of the calculation results was rejected. Furthermore, in each of these cases all calculation results were practically identical. In Fig. 3–5 there are presented the simulation waveforms of the instantaneous power deviation in the disturbances analysed and the bands of the approximating waveforms corresponding to the non-rejected calculation results. The band of the approximating waveforms determines the range of the instantaneous power changes in which “there are” all approximating waveforms corresponding to particular calculation results. From Fig. 3–5 it follows that in each of the analysed cases the quality of the instantaneous power deviation waveform approximation with the hybrid algorithm is lower in a certain period of time after the disturbance occurrence. As regards instantaneous power waveforms following a step disturbance, the instantaneous power value in the steady state after the disturbance differs slightly from that in the steady state before the disturbance, 121


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | 118–125

which results from changes in the operating point of the generation unit. In almost all the cases the bands of approximating waveforms were very narrow, due to the fact that in these cases individual calculation results hardly differed from each other.

Frequency

a)

40 30 20 10 0 -3

b)

-2,5

-2

-1,5 Re(λ 15)

-1

-0,5

10

11

Fig. 4. Instantaneous power deviation waveforms for a pulse disturbance with amplitude ΔVref = 5% Vref0 and duration timp = 200 ms

30

Frequency

25 20 15 10 5 0

6

7

8 9 Im(λ 15)

12

Fig. 2. Histograms of the real part (a) and the imaginary part (b) of eigenvalue λ15 for a step disturbance with amplitude ΔVref = 5% Vref0

Fig. 5. Instantaneous power deviation waveforms for a step disturbance with amplitude ΔVref = –5% Vref0

Fig. 3. Instantaneous power deviation waveforms for a pulse disturbance with amplitude ΔVref = –5% Vref0 and duration timp = 200 ms

Fig. 6. Instantaneous power deviation waveforms for a step disturbance with amplitude ΔVref = –5% Vref0

122


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | 118–125

4.2. Calculations based on instantaneous power measurement waveforms This subsection presents a comparison of the calculations results of electromechanical eigenvalues depending on the sign of amplitude ΔVref of a step disturbance of the voltage regulator reference voltage. The instantaneous power measurement waveforms of units no. 9 (KOP113) and no. 10 (KOP123) of Łaziska Power Plant were considered. The instantaneous power measurement waveforms recorded at the power plant were heavily disturbed. The presence of disturbances was due to the measurement environment characteristics. One of the causes of the disturbances was the strong electromagnetic field generated by rotating machines, transformers, and electrical devices (including high-current circuits, reactors). Power electronic inverters were another cause of the disturbances. The measured waveforms were filtered by a third order digital Butterworth filter with the cut-off frequency equal to 10 Hz [9]. The zero phase filtering method was applied. This allowed eliminating the delays and phase distortions of signals introduced by the filter [9]. The filtered waveforms were subjected to the process of reducing the sampling frequency from 2.1 kHz to 100 Hz, which allowed reducing the number of signal samples in the objective function (9). A constant value was assumed of the waveform in time before the disturbance equal to the waveform average value in the steady state before the disturbance. Fig. 7 shows a comparison of the instantaneous power waveform recorded in unit no. 10 of Łaziska Power Plant in the case of a step disturbance of 5% of the steady state value Vref0 before (light line) and after (dark line) filtration.

accurate and reliable results of the calculation of these eigenvalues using other methods. Therefore this subsection presents the calculation results only, without assessment of their accuracy. The instantaneous power waveforms recorded in units no. 9 (KOP113) and no. 10 (KOP123) of Łaziska Power Plant contain only one significant modal component associated with electromechanical eigenvalues. On the basis of the Polish Power System model analysis it was found that only the modal component associated with electromechanical eigenvalue λ15 interfered significantly in the instantaneous power waveform in unit no. 10. This eigenvalue, calculated based on the structure and parameters of the Polish Power System model, is λ15 = –1.0477±j10.0241 1/s. Unit no. 9 was not included in that model. The eigenvalue interfering in the instantaneous power waveform of unit no. 9 significantly was denoted by λx (calculation of this eigenvalue on the basis of the Polish Power System model structure and parameters was not possible). In Tab. 2 there are listed the results of eigenvalue calculations based on the instantaneous power deviation measurement waveforms following step disturbances with various amplitudes. ΔVref

λ

% Vref0

1/s

Unit No.

9 (KOP123)

–5

λx

0.8823±j7.7264

9 (KOP123)

5

λx

–1.0176±j8.0020

10 (KOP123)

–5

λ15

–1.2011±j7.6645

10 (KOP123)

5

λ15

–1.0695±j7.7341

Tab. 2. Results of eigenvalue calculations based on the instantaneous power deviation measurement waveforms in units no. 9 and 10 of Łaziska Power Plant

Fig. 7. Comparison of instantaneous power waveforms before and after filtration

It follows from Tab. 2 that as regards the instantaneous power waveforms in both unit no. 9 and unit no. 10 the results of calculations of the real parts of eigenvalues vary significantly depending on the sign of the disturbance amplitude. The difference in results of calculations of the imaginary parts of these eigenvalues, depending on the sign of the disturbance amplitude is relatively small. On the basis of the simulation investigations it can be concluded that these differences might have been due to the stronger impact of nonlinearities and limits occurring in the power system on the instantaneous power waveforms following a disturbance with a positive amplitude. Fig. 8–10 show the measurement waveforms of instantaneous power deviations following the analysed disturbances (Tab. 2), and the bands of approximating waveforms corresponding to individual calculation results.

In the case of calculating the Polish Power System electromechanical eigenvalues based on the instantaneous power measurement waveforms, estimation of the calculation accuracy was not possible. This was due to the unavailability of sufficiently 123


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | 118–125

a)

b) Fig. 8. Instantaneous power waveforms for a step disturbance with amplitude: ΔVref = –3% Vref0 in unit no. 9 of Łaziska Power Plant

Fig. 10. Instantaneous power deviation waveforms for a step disturbance with amplitude: ΔVref = –3% Vref0 (a) and ΔVref = 3% Vref0 (b) in unit no. 10 of Łaziska Power Plant

5. Final conclusions Fig. 9. Instantaneous power waveforms for a step disturbance with amplitude: ΔVref = 3% Vref0 in unit no. 9 of Łaziska Power Plant

Fig. 8–10 show that the approximation quality of instantaneous power waveforms is satisfactory in the time interval after the disappearance of the fast decaying modal components that do not affect calculation results. The instantaneous power value in the steady-state after a disturbance differs slightly from that in the steady-state before the disturbance. In nearly all the analysed cases none of the calculation results was rejected, and they all were practically identical. Only as regards the instantaneous power waveform in unit no. 9 following a disturbance with positive was amplitude one of the results rejected. In this case there occurred observable small dispersion of the other, accepted results of the calculations of the real and imaginary parts of eigenvalue λx. For this reason the approximating waveform bandwidth was in this case small, but noticeable (Fig. 9). In the other cases the approximating waveform bands were very narrow.

124

The simulation and measurement investigations performed enabled concluding that: • The simulations showed that electromechanical eigenvalues can be determined with satisfactory accuracy on the basis of analysis of instantaneous power waveforms in the disturbance states occurring after introducing a square pulse or a step change with negative amplitude to the voltage regulator reference voltage. The eigenvalue calculation results obtained on the basis of instantaneous power waveform analysis are highly consistent with the calculation results of these eigenvalues based on the power system model structure and parameters in a Matlab-Simulink environment. The eigenvalue calculation results obtained for disturbances with positive amplitudes were worse, which might have been due to the stronger impact of nonlinearities and limits in the power system on the instantaneous power waveforms. • In the case of a disturbance with negative amplitude the accuracy of the calculations of electromechanical eigenvalue λl5 on the basis of the instantaneous power simulated waveforms in unit no. 10 of Łaziska Power Plant was comparable for the cases of pulse and step disturbances. The calculation results


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | 118–125

of this eigenvalue for a disturbance with positive amplitude differ depending on the disturbance type. The results of the electromechanical eigenvalue calculations based on the instantaneous power measurement waveforms recorded in units no. 9 and 10 of Łaziska Power Plant differ depending on the step disturbance amplitude sign. The accuracy of these calculations cannot be directly assessed; however it can be concluded on the basis of simulation calculations that the result obtained for the disturbance with negative amplitude is more accurate. The applied method enabled calculation of the eigenvalue interfering with the instantaneous power waveforms in unit no. 9 of Łaziska Power Plantlant despite the fact that the unit was not included in the analysed Polish Power System model. This method enables calculation of eigenvalues and assessment of power system angular stability. Repeating calculations of electromechanical eigenvalues using the hybrid algorithm on the basis of analysis of the same instantaneous power deviation waveform for different starting points, each time randomly selected from the search range, prevents the optimisation algorithm from getting stuck in numerous local minima of the objective function. In the calculations discussed here, based on simulated and measured instantaneous power deviation waveforms this happened very rarely. The zero phase filtering method with the use of a digital Butterworth filter applied to the instantaneous power measurement waveforms allowed for satisfactory damping of the disturbance components in these waveforms without delaying and significantly distorting them. The accuracy of approximation of the simulated and measured instantaneous power deviation waveforms by the hybrid algorithm was comparable in all the analysed cases.

REFERENCES

1. Paszek S., Nocoń A., The method for determining angular stability factors based on power waveforms, AT&P Journal Plus2, Power System Modelling and Control, Bratislava, Slovak Republic 2008, pp. 71–74. 2. Saitoh H. et al., On-line modal analysis based on synchronized measurement technology, Power System Technology 2002, Proceedings. PowerCon 2002. International Conference on, Vol. 2, pp. 817–822. 3. Kudła J., Paszek S., Reduced-order transfer function in Power System (in Polish), XVIII Seminar of Electrical Engineering Fundamentals and Circuit Theory, SPETO ’95, Vol. 2, 1995, pp. 299–304. 4. Pruski P., Paszek S., Modal analysis of instantaneous power disturbance waveforms in the Polish National Power System (in Polish), Zeszyty Naukowe Politechniki Śląskiej „Elektryka” 2011, Vol. 4, year LVII, pp. 83–99. 5. Paszek S., Selected methods for assessment and improvement of power system angular stability (in Polish), Gliwice 2012. 6. Paszek S., Pruski P., Comparison of transients for the nonlinear and linearized model of a generating unit working in a power system (in Polish), Inter. Symp. on Electrical Machines. SME 2010, Gliwice – Ustroń 2010, pp. 181–185. 7. Paszek S., Pruski P., Assesment of the electrical power system angular stability based on an analysis of selected disturbance states (in Polish), Acta Energetica 2011, issue 2, pp. 44–53. 8. Nocoń A., Paszek S., Polyoptimisation of synchronous generator voltage regulator (in Polish), monography, Gliwice 2008. 9. Oppenheim A.V, Schafer R.W., Discrete-time signal processing, 2nd Edition, Prentice Hall, Upper Saddle River 1999.

Piotr Pruski Silesian University of Technology e-mail: piotr.pruski@polsl.pl Assistant at the Electrical Faculty of the Silesian University of Technology. The area of his research interests includes the issues of power system performance analyses. Author or co-author of 37 papers published home and abroad on the angle stability assessment in power system, and estimation of parameters of mathematical models of generating units in power system. In 2011 awarded a collective II-grade prize of the Silesian University of Technology Rector for scientific achievements.

Stefan Paszek Silesian University of Technology e-mail: stefan.paszek@polsl.pl Author or co-author of 160 publications, incl. four monographies. Co-author of three academic textbooks. Research interests: power system analysis in transient states, power system’s angle stability, optimisation and polyoptimisation of system stabilisers and voltage regulators of synchronous generators, estimation of parameters of generating units models in power system, new models of synchronous generators using the artificial neuron network technology, application of fuzzy controllers for electric machines.

125


P. Pruski, S. Paszek | Acta Energetica 4/17 (2013) | translation 118–125

This is a supporting translation of the original text published in this issue of “Acta Energetica” on pages 118–125. When referring to the article please refer to the original text. PL

Obliczenia elektromechanicznych wartości własnych na podstawie przebiegów mocy chwilowej zarejestrowanych w elektrowni Autorzy

Piotr Pruski Stefan Paszek

Słowa kluczowe

system elektroenergetyczny, wartości własne związane ze zjawiskami elektromechanicznymi, stany nieustalone

Streszczenie

W artykule przedstawiono wyniki obliczeń wartości własnych (związanych ze zjawiskami elektromechanicznymi) macierzy stanu modelu Krajowego Systemu Elektroenergetycznego, na podstawie analizy symulacyjnych i pomiarowych przebiegów mocy chwilowej zespołów wytwórczych w Elektrowni Łaziska. Wykorzystana w artykule metoda obliczeń wartości własnych polega na aproksymacji przebiegów odchyłek mocy chwilowej za pomocą przebiegów stanowiących superpozycję składowych modalnych, związanych z poszukiwanymi wartościami własnymi i ich czynnikami udziału. Do obliczeń wykorzystano hybrydowy algorytm optymalizacyjny, stanowiący szeregowe połączenie algorytmu genetycznego i gradientowego.

1. Wstęp Zachowanie stabilności kątowej systemu elektroenergetycznego (SEE) jest jednym z najważniejszych warunków jego poprawnej pracy. Utrata stabilności kątowej SEE może skutkować wystąpieniem poważnej awarii systemowej, której konsekwencją może być brak zasilania ogromnej liczby odbiorców. Ocenę stabilności kątowej SEE można przeprowadzić z wykorzystaniem wskaźników stabilności [1], obliczanych na podstawie wartości własnych macierzy stanu SEE, związanych ze zjawiskami elektromechanicznymi. Wartości własne można obliczyć na podstawie równań stanu SEE, jednak wyniki obliczeń zależą wówczas od wartości elementów macierzy stanu SEE, a pośrednio od przyjętych modeli elementów SEE i ich niepewnych parametrów. Wartości własne można również obliczyć z dobrą dokładnością na podstawie analizy rzeczywistych przebiegów zakłóceniowych, pojawiających się w SEE po różnych zakłóceniach [2]. W tym przypadku na wyniki obliczeń nie wpływa przyjęty model SEE i jego parametry, tylko aktualny stan pracy układu. Celem niniejszej pracy jest analiza dokładności obliczeń wartości własnych (związanych ze zjawiskami elektromechanicznymi) macierzy stanu modelu Krajowego Systemu Elektroenergetycznego (KSE), ingerujących w przebiegach mocy chwilowej zespołów wytwórczych pracujących w Elektrowni Łaziska. Obliczenia te przeprowadzono na podstawie analizy symulacyjnych i pomiarowych przebiegów zakłóceniowych kołysań mocy chwilowej w blokach nr 9 (KOP113) i nr 10 (KOP123) w Elektrowni Łaziska. 2. Zlinearyzowany model systemu elektroenergetycznego Zlinearyzowany w punkcie pracy model SEE opisany jest równaniem stanu i równaniem wyjścia [3, 4]:

∆X = A∆X + B∆U

126

(1)

ΔY= CΔX +DΔU (2) gdzie: ΔX, ΔU, ΔY – odchyłki wektora zmiennych stanu, wektora wymuszeń i wektora zmiennych wyjściowych Elementy macierzy A, B, C i D są obliczane dla ustalonego punktu pracy SEE. Przebiegi wielkości wyjściowych zlinearyzowanego modelu SEE można obliczyć bezpośrednio, całkując równanie stanu (1), lub na podstawie wartości własnych i wektorów własnych macierzy stanu A [3]. Zakładając tylko pojedyncze wartości własne macierzy stanu, wektor zmiennych stanu oraz wektor wielkości wyjściowych można określić zależnościami [5]: t

t

0

0

ΔX (t )=∫ Ve Λ(t −τ )W T Bu (τ )dτ = ∫ e A(t − τ)Bu (τ )dτ t

ΔY (t )= CVe

Λ(t − τ )

(3)

W Bu(τ )dτ + Du(t)= T

0 t