تعیین استراتژی عملیاتی بهینه جهت راه‌اندازی سیستم CAES در بازار برق نوسانی-ساعتی دارای نفوذ بالای قدرت تجدیدپذیر بادی (مطالعه موردی: شرکت برق منطقه‌ای خراسان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه اقتصاد و بانکداری اسلامی، دانشکده اقتصاد، دانشگاه خوارزمی، تهران، ایران *(مسوول مکاتبات)

2 استاد گروه اقتصاد، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی

3 استایار دانشکده مهندسی برق و مهندسی پزشکی دانشگاه صنعتی سجاد و معاون راهبری شبکه برق ایران

4 استاد گروه اقتصاد، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد

چکیده

زمینه و هدف: با ورود انرژی پایدار و تجدیدپذیر با سهم بالایی از نفوذ به سیستم تولید، سیستم ذخیره­ساز هوای فشرده[1] (CAES) را می­توان برای ایجاد یک سیستم تولید انرژی الکتریکی برخوردار از کفایت[2] و صافی[3] قابل قبول مورد استفاده قرار داد. این سیستم  با ذخیره­سازی انرژی در قیمت­های پایین بازار برق و تولید برق در قیمت­های بالای بازار راه­اندازی می­شود. شرط اساسی سود­آوری سیستم هیبرید برخوردار از سیستم CAES، به­کارگیری استراتژی مناسب برای خرید و فروش انرژی در سیستم CAES است. این مطالعه با هدف تعیین استراتژی عملیاتی بهینه جهت راه­اندازی سیستم CAES در بازار برق نوسانی-ساعتی دارای نفود بالای قدرت تجدیدپذیر بادی به انجام رسیده است.
مواد و روش­ها: در این پژوهش با شبیه­سازی سیستم تولید نیروگاه­های محدوده شرکت برق منطقه­ای خراسان، استراتژی­های به­کارگیری سیستم CAES در سیستم هیبرید بادی-فسیلی مورد بررسی قرار گرفته است که در این میان، استراتژی بهینه تئوریک در واقع فراهم­کننده بالاترین درآمد خالص برای واحد ذخیره­ساز است. اما از آن­جایی که قیمت­ در ساعات آتی بازار ساعتی-نوسانی از پیش­مشخص نیست، دو استراتژی کاربردی-عملیاتی پیش­رویدادی[4] و پس­­رویدادی[5] برای راه­اندازی واحد ذخیره­ساز به­کار گرفته شده­اند.
یافته­ها: نتایج پژوهش نشان می­دهد که استراتژی پیش­رویدادی کاربردی و پس­رویدادی کاربردی، به ترتیب به طور متوسط 93 درصد و 89 درصد خالص درآمد استراتژی بهینه تئوریک سیستم ذخیره­ساز هوای فشرده را در تمامی ظرفیت­های ­شش­گانه (50 تا 300 مگاواتی) برای واحد ذخیره­ساز فراهم می­کند.
بحث و نتیجه­گیری: بر اساس نتایج این پژوهش، لازم است از ذخیره­سازی قدرت برای افزایش پایداری شبکه[6] و قابلیت اطمینان[7] تولید در سیستم­های هیبرید با نفوذ بالای قدرت تجدیدپذیر استفاده نمود. زیرا برای شرایط احتمالی Black-Out، لازم است که واحدی به عنوان Black-Start در شبکه آماده باشد که بتواند درکمترین زمان ممکن، بار شبکه را تامین کند. استفاده از سیستم CAES می­تواند راه­کار بسیار مناسبی باشد که نه تنها قابلیت اطمینان تولید و پایداری شبکه در مواقع اضطراری را تضمین می­کند، بلکه از لحاظ اقتصادی امکان­پذیر بوده و از سود عملیاتی مناسبی نیز برخوردار است.



[1]- Compressed air energy storage


[2]- Adequacy


[3]- Smooth


[4]- Prognostic


[5]- Historical


[6]- Grid Stability


[7]- Reliability

کلیدواژه‌ها


 

 

 

 

 

علوم و تکنولوژی محیط زیست، دورههجدهم، شماره چهار، زمستان 95

 

تعیین استراتژی عملیاتیبهینه جهت راه­اندازی سیستم CAES در بازار برق نوسانی-ساعتی دارای نفوذ بالای قدرت تجدیدپذیر بادی

(مطالعه موردی: شرکت برق منطقه­ای خراسان)

 

مهدی قائمی اصل[1]*

m.ghaemi84@gmail.com

مصطفی سلیمی­فر[2]

مصطفی رجبی مشهدی[3]

محمدحسین مهدوی عادلی[4]

تاریخ دریافت:2/8/93

تاریخ پذیرش: 26/11/93

 

چکیده

زمینه و هدف: با ورود انرژی پایدار و تجدیدپذیر با سهم بالایی از نفوذ به سیستم تولید، سیستم ذخیره­ساز هوای فشرده[5] (CAES) را می­توان برای ایجاد یک سیستم تولید انرژی الکتریکی برخوردار از کفایت[6] و صافی[7] قابل قبول مورد استفاده قرار داد. این سیستم  با ذخیره­سازی انرژی در قیمت­های پایین بازار برق و تولید برق در قیمت­های بالای بازار راه­اندازی می­شود. شرط اساسی سود­آوری سیستم هیبرید برخوردار از سیستم CAES، به­کارگیری استراتژی مناسب برای خرید و فروش انرژی در سیستم CAES است. این مطالعه با هدف تعیین استراتژی عملیاتی بهینه جهت راه­اندازی سیستم CAES در بازار برق نوسانی-ساعتی دارای نفود بالای قدرت تجدیدپذیر بادی به انجام رسیده است.

مواد و روش­ها: در این پژوهش با شبیه­سازی سیستم تولید نیروگاه­های محدوده شرکت برق منطقه­ای خراسان، استراتژی­های به­کارگیری سیستم CAES در سیستم هیبرید بادی-فسیلی مورد بررسی قرار گرفته است که در این میان، استراتژی بهینه تئوریک در واقع فراهم­کننده بالاترین درآمد خالص برای واحد ذخیره­ساز است. اما از آن­جایی که قیمت­ در ساعات آتی بازار ساعتی-نوسانی از پیش­مشخص نیست، دو استراتژی کاربردی-عملیاتی پیش­رویدادی[8] و پس­­رویدادی[9] برای راه­اندازی واحد ذخیره­ساز به­کار گرفته شده­اند.

یافته­ها: نتایج پژوهش نشان می­دهد که استراتژی پیش­رویدادی کاربردی و پس­رویدادی کاربردی، به ترتیب به طور متوسط 93 درصد و 89 درصد خالص درآمد استراتژی بهینه تئوریک سیستم ذخیره­ساز هوای فشرده را در تمامی ظرفیت­های ­شش­گانه (50 تا 300 مگاواتی) برای واحد ذخیره­ساز فراهم می­کند.

بحث و نتیجه­گیری: بر اساس نتایج این پژوهش، لازم است از ذخیره­سازی قدرت برای افزایش پایداری شبکه[10] و قابلیت اطمینان[11] تولید در سیستم­های هیبرید با نفوذ بالای قدرت تجدیدپذیر استفاده نمود. زیرا برای شرایط احتمالی Black-Out، لازم است که واحدی به عنوان Black-Start در شبکه آماده باشد که بتواند درکمترین زمان ممکن، بار شبکه را تامین کند. استفاده از سیستم CAES می­تواند راه­کار بسیار مناسبی باشد که نه تنها قابلیت اطمینان تولید و پایداری شبکه در مواقع اضطراری را تضمین می­کند، بلکه از لحاظ اقتصادی امکان­پذیر بوده و از سود عملیاتی مناسبی نیز برخوردار است.

واژه های کلیدی: شبیه­سازی سیستم قدرت، تولید هیبرید بادی-فسیلی، سیستم ذخیره­ساز هوای فشرده، استراتژی بهینه.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

J.Env. Sci. Tech., Vol 18, No.1, winter 2017

 

 

 

 

 


Determination of Optimal Operation Strategy for CAES in Fluctuating-Hourly ElectricityMarket with High Renewable Wind Power Penetration(Case Study: Khorasan Regional Electricity Co.)

 

Mahdi Ghaemi Asl[12]*

m.ghaemi84@gmail.com

Mostafa Salimifar[13]

Mostafa Rajabi Mashhadi[14]

Mohammad Hossien Mahdavi Adeli[15]

 

Abstract

Background and Purpose: With influx of sustainable and renewable energy with high penetration into the production system, Compressed Air Energy Storage (CAES) could be used for creation of an acceptable adequate and smooth Electricity production system. CAES plants operate on electricity markets by storing energy when electricity prices are low and producing electricity when prices are high. An essential condition for the profitability of the CAES in hybrid systems is appropriate strategy for CAES operation about the sale and purchase of energy. This study aimed to determine optimal operating strategy for CAES systems fluctuating-hourly electricity market with high penetration of renewable wind power.

Method: In this study, with simulation of production system of Khorasan Regional Electricity Company power plants which among all, the theoretical optimal strategy provides the highest net income for the storage unit. But since the market price of the upcoming hourly-fluctuating market is not pre-determined, two prognostic and historical practical-operational strategies have used for Setting up compressed air energy storage system.

Findings: The results show that prognostic and historical practical-operational strategies, on average have 93% and 89% of theoretical optimal strategy s’ net income, respectively, in all six simulated capacities for compressed air energy storage system.

Discussion and Counclusion: Based on the results, it is necessary to use power storage in order to increase grid stability and reliability of production in hybrid systems with high renewable power penetration; because a Black-Start must be ready in grid for Possible Black-Out situations which could provide load of grid in the least possible time. Use a CAES could be a great way that not only guarantees reliability and stability of grid in emergencies, but also is economically feasible and have operational suitable profit.

 

Keywords: Simulation of Power System, Wind-Fossil Hybrid Production, Compressed Air Energy Storage System, Optimal Strategy.

 

 مقدمه


عدم قطعیت در مورد آینده یکی از مهم­ترین ویژگی‌های دنیای انرژی‌های پایان‌پذیر است. گرچه در دو قرن اخیر راه‌هایی برای استفاده بهتر و پیدانمودن منابع جدید انرژی با استعانت از فناوری پیشرفته پیدا شده است، اما همیشه پیشرفت تکنولوژی و دستیابی به ذخایری که تاکنون کشف نشده است، از لحاظ زمانی پس از دوره‌هایی بوده است که نگرانی در مورد کمبود انرژی وجود داشته است. یعنی نااطمینانی از متغیرهای اصلی بازار انرژی‌های پایان‌پذیر است (1). از سوی دیگر استفاده از منابع تجدیدپذیر می‌تواند امنیت عرضه انرژی در بلندمدت را تامین کند، زیرا منابع تامین برق تجدیدپذیر، به صورت طبیعی و اقلیمی در اختیار بشر قرار می‌گیرند و معمولا تا افق­های طولانی نمی‌توان تغییرات اقلیمی را برای مناطق مختلف در نظر گرفت (2).

با این حال یکی از چالش­های بزرگ منابع تجدیدپذیر، ماهیت غیرقابل‌پیش‌بینی این منابع است که در برخی منابع به ویژه خورشید و باد، برحسب تغییرات آب‌وهوا، توان خروجی متغیری دارند (3). در سیستم خورشیدی، با ابری شدن هوا، خروجی منبع کاهش می‌یابد، یا در طول شب، منبع خورشیدی، هیچ برقی تولید نمی‌کند. برای منبع بادی، هیچ قانون خاصی وجود ندارد که بیان کند در یک‌لحظه خاص (مثلاً لحظه پیک‌بار)، باد با چه سرعتی می‌وزد و ژنراتور بادی چه مقدار برق می‌تواند تولید کند. درواقع سیستم‌هایی که به صورت منفرد و منحصر از یک منبع تجدیدپذیر استفاده می­کنند (مثل سیستم­های صرفا برخوردار از باد یا سیستم­های صرفا برخوردار از خورشید یا هر منبع تجدید­پذیر انحصاری)، به هیچ­وجه قادر به تامین بار پیوسته قابل‌اطمینان نیستند (4). به‌عبارت‌دیگر در تأمین یک‌بار، حتماً در طی روز چندین بار خاموشی خواهند داشت که باعث کاهش شدید پایداری شبکه تولید می­شود. برای رفع بخشی از مشکل نااطمینانی خروجی منابع تجدید پذیر، سه روش پیشنهادشده است که عبارت‌اند از  (1): 1- استفاده از منابع تجدیدپذیر در ظرفیت­های بزرگ،2- استفاده از روش­های ذخیره­سازی و تجهیزات مبدل ذخیره­ساز و 3- استفاده از سیستم انرژی تجدیدپذیر یک­پارچه[16] (IRES) (سیستم­های انرژی هیبرید). در حقیقت از آن­جایی که هزینه تولید برق و قیمت فروش آن در ساعات مختلف شبانه روز با توجه به راه افتادن بازار برق، تفاوت­های چشم­گیری دارد، ایده ذخیره سازی برق در ساعات غیر پیک (برق ارزان) و استفاده از آن در ساعات پیک (برق گران) در سیستم­های ذخیره­سازی هوای فشرده مطرح شده است. بنابراین می­توان برای مقابله با ماهیت نوسان­پذیر تولید برق تجدیدپذیر بادی، از سیستم ذخیره­ساز هوای فشرده برای استارت و راه­اندازی در حالت اضطراری استفاده نمود تا قابلیت اطمینان شبکه تولید فراهم شود و شبکه­ای پایدار فراهم گردد.

در این میان سوال اساسی این است که کدام استراتژی جهت راه­اندازی سیستم ذخیره­ساز هوای فشرده در بازار نوسانی-ساعتیِ دارای نفود بالای قدرت تجدیدپذیر بادی از لحاظ عملیاتی­-کاربردی، بهینه خواهد بود؟ بر این اساس در پژوهش فوق برای پاسخ به این سوال و ارایه راه­کار کاربردی، ابتدا به ذکر مبانی نظری استراتژی­های عملیاتی راه­اندازی سیستم CAES پرداخته شده است  و در ادامه ، ادبیات پژوهش و مدل و داده­های پژوهش جهت شبیه­سازی سیستم تولید قدرت در محدوده شرکت برق منطقه­ای خراسان (به عنوان مطالعه موردی پژوهش) ارایه شده­اند. در نهایت نتایج شبیه­سازی و مدل پژوهش ارایه شده و بخش نهایی نیز به نتیجه­گیری، دلالت­های پژوهش اختصاص پیدا کرده است.

مبانی نظری

برای ذخیره­سازی انرژی الکتریکی لازم است که استراتژی اقتصادی-تجاری[17] به منظور بهینه­سازی سود خالص خرید و فروش برق مدنظر قرار گیرد. بدین منظور بر مبنای نوسانات قیمتی بازار و هزینه­های عملیاتی ذخیره­سازی که شامل هزینه سوخت نیز می­شود، ظرفیت بهینه­ ذخیره­سازی تعیین می­شود[18]. اصل اساسی برای مشخص نمودن استراتژی بهینه سودآور راه­اندازی واحد ذخیره­ساز هوای فشرده، بالاتر بودن قیمت فروش به بازار () از هزینه نهایی تولید () است (رابطه (1)) (5):

(1) 

 

هزینه نهایی تولید عبارت است از مجموع اقلام هزینه­ای و سرمایه­ای توربین و کمپرسور، قیمت گاز طبیعی () و قیمت خرید انرژی الکتریکی برای کمپرسور (). بر این اساس رابطه هزینه نهایی تولید () را می­توان با رابطه (2) مشخص نمود (5):

(2)

 

در رابطه (2)،  کارایی کمپرسور و  کارایی توربین  است که خروجی انرژی الکتریکی به ازای هر واحد ورودی هر واحد انرژی ذخیره­شده را نشان می­دهد،  نسبت سوخت ورودی به میزان انرژی الکتریکی خروجی از واحد ذخیره­ساز هوای فشرده است. هم‌چنین  و  به ترتیب نشان­دهنده هزینه نهایی به ­کارگیری توربین و کمپرسور در سیستم ذخیره­ساز هوای فشرده هستند.

هدف اصلی استراتژی بهینه به­ کارگیری واحد ذخیره­ساز، دستیابی به حداکثر درآمد ممکن با توجه به قیود تکنولوژیکی-اقتصادی است. الگوریتم تکرار­شونده بهینه­یابی استراتژی واحد ذخیره­ساز را می­توان در 7 گام طراحی نمود (5):

گام اول) مشخص نمودن ساعتی که بیش­ترین قیمت انرژی الکتریکی[19] () را در بازار لحظه­ای-ساعتی به خود اختصاص داده است. اولویت عملکرد سیستم­ ذخیره­ساز در چنین ساعتی، به­ کارگیری توربین است.

گام دوم) مشخص نمودن مرزهای ذخیره­سازیِ اطراف . راه­اندازی توربین در  را باید با استفاده از کمپرسور جبران نمود، به نحوی که مرزهای ذخیره­سازی در محدوده زمانی به کارگیری کمپرسور قرار نگیرند. در این گام ساعت قبل و بعد از  مورد ارزیابی قرار می­گیرند و در ساعات پس از ، ذخیره­سازی باید پیش از خالی شدن مخزن ذخیره­سازی، انجام شود و به طور مشابه، در ساعات پیش از ، مخزن ذخیره­سازی باید تا رسیدن به حداکثر ظرفیت شارژ شود. در نتیجه در این گام، دوره زمانی مابین آخرین ساعت ذخیره­سازی تا حداکثر ظرفیت پیش از  و اولین ساعت خالی شدن مخزن ذخیره­سازی بعد از ، مشخص می­شود. این محدوده زمانی، دوره­ای است که درآن شارژ و خالی شدن مخزن ذخیره­سازی ممکن است که به آن مرزهای ذخیره­سازیِ اطراف  اطلاق می­شود.

گام سوم) مشخص نمودن حداقل قیمت انرژی الکتریکی[20] در مرزهای ذخیره­سازیِ اطراف  . ساعتی که کم­ترین قیمت انرژی الکتریکی را در محدوده مرزهای ذخیره­سازیِ اطراف  به خود اختصاص داده است، نشان دهنده دوره زمانی بهینه برای راه­اندازی کمپرسور است.

گام چهارم) محاسبه هزینه نهایی تولید[21] () بر اساس حداقل قیمت خرید () مشخص شده در گام سوم. هزینه نهایی تولید بر اساس رابطه (2) محاسبه می­شود. اگر حداکثر قیمت مشخص شده در گام اول بالاتر از هزینه نهایی تولید () باشد، بر اساس برنامه­ریزی آنالیزی[22]واحد ذخیره­سازی هوای فشرده، مرحله پنجم  الگوریتم بهینه­یابی به جریان خواهد افتاد.

گام پنجم) تعیین تنگناهای عملیاتی[23] در محدوده حداقل و حداکثر قیمت. اگر این فرض محتمل در نظر گرفته شود که یک ساعت راه­اندازی کمپرسور را بتوان دقیقا با به کارگیری یک ساعته توربین در سیستم ذخیره­ساز هوای فشرده جبران نمود، آن­گاه در محدوده حداقل و حداکثر قیمت، هیچ تنگنای عملیاتی­­ وجود نخواهد داشت. در غیر این صورت توربین و کمپرسور ممکن است به نحوی عمل کنند که تنگناهایی برای سیستم هوای فشرده ایجاد شود که می­توان دلیل ایجاد این تنگناها را در این موارد چهارگانه خلاصه نمود: الف) ظرفیت قابل بهره­برداری توربین در ساعت برخوردار از بالاترین قیمت، ب) ظرفیت قابل بهره­برداری کمپرسور در ساعت برخوردار از پایین­ترین قیمت، ج) حداقل گنجایش آزاد ذخیره­سازی در شرایطی که به دلایل تکنولوژیکی-اقتصادی، راه­اندازی کمپرسور پیش از به کارگیری توربین در شبکه برنامه­ریزی شود و د) حداقل گنجایش ذخیره­سازی در شرایطی که راه­اندازی کمپرسور بتواند جوابگوی به کارگیری توربین در سیستم ذخیره­ساز هوای فشرده باشد.

گام ششم) راه­اندازی توربین[24] در ساعت حداکثر قیمت و بکارگیری کمپرسور[25] در ساعت حداقل قیمت با قید ظرفیت مشخص­شده در گام پنجم و به روزرسانی گنجایش ذخیره­سازی[26] به صورت لحظه­ای-ساعتی. در شرایطی که توربین یا کمپرسور به حداکثر ظرفیت خود رسیدند، عملیات به روزرسانی متوقف خواهد شد.

گام هفتم) اجرای دوره گام اول برای بررسی تمام ساعات ممکن برای برنامه­ریزی آنالیزی سیستم ذخیره­ساز هوای فشرده. برای مشخص کردن دوره­های زمانی-ساعتی که باید از جهت نوسانات قیمتی مورد بررسی قرار گیرند، می­توان استراتژی­های چهارگانه زیر را در نظر گرفت:

7- الف: استراتژی پس­رویدادی کاربردی[27]: در این استراتژی تصمیمات خرید و فروش برق بر اساس برخورداری از دانش کامل در مورد قیمت متوسط در طول یک دوره مشخص زمانی و نیز دوره­های آتی آن اتخاذ می­شود. برای مثال اگر در استراتژی پس­رویدادی کاربردی، متوسط دوره زمانی[28] 25 قرار داده شود، در برنامه­ریزی آنالیزی راه­اندازی سیستم ذخیره­ساز از داده های 12 ساعت اولیه ( تا ) به صورت پس­رویدادی و برای شبیه­سازی استفاده می­گردد، ساعت جاری () به عنوان مبدا مقایسه و 12 ساعت پس از دوره جاری ( تا ) به عنوان دوره آتی در نظر گرفته می­شود.

7- ب: استراتژی پیش­رویدادی کاربردی[29]: در این استراتژی تصمیمات خرید و فروش برق بر اساس پیش­بینی قیمت متوسط در طول دوره­های آتی اتخاذ می­شود و در چنین شرایطی باید الگوی پیش­بینی مناسبی برای قیمت­های آتی در نظر گرفته شود. این الگو براساس مفهوم پیشنهادات قیمتی به بازار بر پایه قیمت متوسط در دوره­های آتی طراحی می­شود و این پیشنهادت به عنوان جایگزین اطلاعاتی دوره آتی عمل خواهند کرد.

7-ج: استراتژی بهینه[30]: این استراتژی نوعی از استراتژی پس­رویدادی کاربردی است که بر اساس آن داده­های کل دوره یک­ساله به صورت یک سری 8784  داده­­ای در اختیار کاربر قرار دارد و می­توان برنامه­ریزی آنالیزی را به صورت قطعی انجام داد.

7-د: استراتژی بهینه 24 ساعته[31]: این استراتژی نوعی از استراتژی پس­رویدادی کاربردی است که بر اساس آن داده­های دوره 24 ساعته آتی به صورت سری­زمانی در اختیار کاربر قرار دارد.

7- ه: استراتژی کاربرمحور[32]: در این استراتژی همانند استراتژی پس­رویدادی کاربردی عمل می­شود، با این تفاوت که تعیین دوره­های پیش و پس از دوره جاری، به صورت اختیاری و از سوی برنامه­ریز آنالیزی انجام خواهد شد.

ادبیات پژوهش

به دلیل وجود مطالعات متعددی که در زمینه سیستم­های هیبرید فسیلی-تجدیدپذیر انجام شده است، در این بخش به ترتیب به 4 و 6 مورد از جدیدترین و مهم­ترین مطالعات داخلی و خارجی اشاره شده­ است:

ادریسیان و همکاران الگوی جدیدی برای هیبرید هوای فشرده در مزارع بادی ارایه کرده­اند. در این مقاله ضمن پرداختن به چالش­های موجود در تولیدات مزارع بادی و مدیریت مصرف شبکه با معرفی اجمالی روش ذخیره سازی هوای فشرده یک سیستم هیبرید بر مبنای ذخیره سازی هوای فشرده برای تفکیک زمانی تولید و مصرف مزارع بادی ارایه شده است (6).

هادی و حقیقی خوشخو با طراحی مفهومی سیستم ذخیره­سازی انرژی هوای فشرده در مقیاس کوچک (Micro CAES) به همراه توربین بادی آن را برای تامین برق یک واحد مسکونی در منطقه روستای کهک مورد استفاده قرار داده و نتایج مربوط به تولید و جریان شارژ را محاسبه نموده­اند (7).

مـرادی و هنرمند استفاده از نیروگاه­هــای بادی به همراه سیستم های ذخیره ساز انرژی و بحث اقتصادی تولید موثر در ساعات پیک را به طور ویژه مورد تاکید قرار داده اند و در ادامه روش فشرده سازی هوا در کنار نیروگاه بادی را به عنوان یکی از موضوعات جدید و پراهمیت بوده بررسی کرده­اند. در نهایت نیز ضمن مقایسه روش­های ذخیره­سازی، به بررسی این روش­ها به منظور استفاده در زمان پیک پرداخته­اند (8)

ارشادی عباس­آباد و همکاران  سیستم هیبریدی باد- دیسل- ذخیره هوای فشرده را بر مبنای الگوریتم ژنتیک بهینه نموده­اند. به منظور بهینه سازی عملکرد سیستم و کاهش هزینه های مصرفی، راه های فنی قابل دسترس سوپرشارژ کردن موتور دیزل در سیستم باد - دیزل با نفوذ بالا به همراه استفاده از سیستم ذخیره سازی انرژی هوای فشرده (WDCAS) مورد مطالعه قرار گرفته است که نتایج حاصل از بهینه سازی نشان می دهد که استفاده از سیستم هوای فشرده کاهش مصرف سوخت را تا 50 درصد در پی دارد (9).

سلیک[33] و سلیک روشی برای بهینه‌سازی اقتصادی- فنی سیستم خورشیدی- بادی ارایه کرده­اند و هم­چنین این سیستم را با سیستم خورشیدی انفرادی و سیستم بادی انفرادی مقایسه نموده­اند. سلیک در سال 2003 با استفاده از داده‌های ماهانه تابش خورشید و سرعت باد، در سیستم‌هایبرید خورشید- باد- باتری سطح چرخش بهینه توربین باد و سطح بهینه سلول خورشیدی را با در نظر گرفتن جنبه‌های اقتصادی و قابلیت‌اطمینانی تعیین نموده است (10 و11).

کوترولیس[34] روشی برای بهینه‌سازی ظرفیت ارایه کرده است که تعداد و نوع واحد‌ها در سیستم‌ هیبرید خورشید- باد-باتری را تعیین می‌کند تا هزینه‌ی کل سیستم در طول مدت بیست سال حداقل شود و هم‌چنین انرژی موردنیاز بار به‌طور کامل تأمین گردد و به‌عبارت‌دیگر هیچ‌گونه قطع باری در شبکه وجود نداشته باشد (12).

اکرن و اکرن[35] یک روش بهینه‌سازی ظرفیت برای سیستم‌ هیبرید مستقل باد-خورشید- باتری ارایه کرده و هزینه فعلی خالص[36] (NPV) سیستم ‌هیبرید مستقل بهینه‌شده را با هزینه حال حاضر توسعه شبکه برق برای مورد خاصی مقایسه نموده و به این نتیجه رسیده­اند که برای مکانی در فاصله بیش­تر از 4/8 کیلومتر از شبکه قدرت، سیستم انرژی هیبرید نسبت به توسعه شبکه برق به‌صرفه‌تر خواهد بود (13).

کاناسه­پتیل و همکاران  با مــدلی بهینه از اجتماع منابع تجدید پذیر[37] (IREOM)، انرژی موردنیاز برای پخت‌وپز و انرژی الکتریسیته تعدادی از روستاهای دورافتاده در هند را شبیه­سازی کرده است. در این مدل بهینه، اندازه منــابع در دستــــرس در آن منطقــــه (مثــل نیــروگاه آبـــی کوچک[38] (MHP)، سیستـــم زیست­تــــوده[39]، سیستم بیوگاز[40]،‌ سیستم بادی و سیستم خورشیدی) به‌گونه‌ای تعیین می­شود تا یک ترکیب بهینه‌ برای منطقه موردمطالعه به دست آید. در این ترکیب بهینه، هزینه‌ انرژی تولیدی در یک مقدار قابلیت‌اطمینان معلوم، برای هر چهار پروفایل بار فصلی کمینه شده است (3).

تاسیکاراوغلو و همکاران[41]  روش بهینه‌سازی ظرفیت سیستم انرژی هیبرید توربین بادی-سلول سوختی[42] (FC)-باتری را مورد بررسی قرار داده­اند که هدف اصلی آن بهینه کردن هیدروژن استفاده‌شده در سیستم است و درعین‌حال تضمین این­که بار به‌طور کامل تأمین می‌شود. هم‌چنین این پژوهش برای بهینه کردن هیدروژن استفاده‌شده، یک کنترل‌گر تخمین قدرت باد ارایه داده است که متناسب با قدرت تولیدی باد و بار موردنیاز، توان تولیدی سلول سوختی را تعیین می‌کند (14).

در پژوهش تاکاگی و همکاران[43]، سیستم خورشیدی که از باتری‌های خودرو‌های الکتریکی برای ذخیره انرژی تولیدی اضافه منبع خورشیدی استفاده می‌کند، از نظر اقتصادی بررسی شده و مقدار باتری خودرو‌های الکتریکی و اینورتر موردنیاز در صورت داشتن یک منبع خورشیدی محاسبه نموده و عدم قطعیت خودرو‌های الکتریکی نیز مدل­سازی شده است (15).

عباس­پور و همکاران[44]، در پژوهش خود عملکرد توربین­های گازی متعارف را با حالت ترکیب این نیروگاه­ها با توربین­های بادی و سیستم هوای فشرده، مقایسه نموده­اند و بدین منظور از روش برنامه­ریزی MINLP برای بهینه­یابی مساله ورود تعدیل تکنولوژی بادی و واحد CAES استفاده نموده­اند. پس از در نظر گرفتن قیود فنی و اقتصادی ترکیب این سه­گانه تولید قدرت هیبرید، توابع هدف حداکثرسازی سود و حداقل­سازی هزینه، در مورد مساله پژوهش مدل­سازی شده­اند. نتایج این پژوهش نشان می­دهد که چنان­چه هزینه­های سرمایه­گذاری را در نظر نگیریم، استفاده از سیستم CAES می­تواند 43 درصد سود عملیاتی را افزایش دهد و در مقابل 7/6 درصد، هزینه­ها را کاهش دهد (16).

مواد و روش­ها

به دلیل ماهیت کاربردی و عملیاتی استراتژی بهینه، باید شبیه­سازی در مورد منطقه­ای انجام شود که نفوذ قدرت بادی در آن قابل­توجه باشد. خراسان بزرگ از لحاظ موقعیت خاص جغرافیایی، دارای پتانسیل خوبی برای نصب توربین­های بادی است. بر اساس مطالعات و پتانسیل­سنجی ماهواره­ای انجام گرفته در شرکت برق منطقه­ای خراسان، خراسان بزرگ دارای 14 میلیون هکتار زمین با شدت وزش مناسب باد است و با فرض تخصیص 20 هکتار زمین برای هر مگاوات توربین و با حفظ حریم توربین­ها، این منطقه پتانسیل نصب 7 هزار مگاوات توربین بادی را داراست (17 و 18).

لازم به ذکر است که منطقه خواف در خراسان بزرگ با قرارگیری در مسیر بادهای 120 روزه سیستان، یکی از مناطق کشور است که از شدت وزش بالای باد برخوردار می­باشد. متوسط شدت وزش باد در این منطقه حدود 9 متر بر ثانیه است. در این سرعت بیش­تر توربین­های بادی دارای بازدهی بیش از 80 درصد خواهند بود. نیروگاه 100 مگاواتی خواف که در بهار سال 1391 عملیات اجرایی آن آغاز شده است، اولین واحد نیروگاهی در این منطقه می­باشد. در کنار هدف اصلی این پروژه که افزایش بهره­گیری از انرژی­های نو در سبد برق کشور است، انتقال تکنولوژی ساخت قطعات نیز از اهداف این سرمایه­گذاری محسوب می­شود. ظرفیت هر توربین بادی 5/1 مگاوات است. میزان مصرف برق خواف در سال 1391 حدود 214 هزار مگاوات ساعت بوده است. با فرض ضریب بهره­برداری 20 درصدی برای توربین­های بادی می­توان گفت نصب 100 مگاوات توربین در خواف، این منطقه را از برق فسیلی بی­نیاز خواهد کرد (17).

علاوه بر پروژه­هایی که هم­اکنون در مرحله احداث است، تعداد قابل توجهی پروژه در منطقه خراسان وجود دارد که مجوز احداث آن توسط مراجع ذی­صلاح صادر شده است. بخش عمده این پروژه­ها در مناطق بادخیر منطقه، مانند خواف، بینالود و فریمان تعریف شده است. در منطقه خراسان بزرگ، برای 2480 مگاوات توربین بادی، مجوز نصب صادر شده است. این میزان ظرفیت حدود 50 درصد ظرفیت تولید برق خراسان در حال حاضر است. جدول زیر مجوزهای صادرشده برای نصب توربین­های بادی را در منطقه نشان می­دهد. برای برخی از این پروژه­ها نیز زمین موردنیاز از سوی سازمان منابع طبیعی تخصیص یافته است (17). در جدول (1) فهرست این پروژ­ه­ها، محل احداث و ظرفیت آن­ها مشخص شده است.

 

 

جدول 1- پروژه­های دارای مجوز نصب توربین بادی در منطقه خراسان بزرگ

Table 1 - Licensed wind turbine installation projects in the great Khorasan

ردیف

شرکت

محل احداث

ظرفیت (مگاوات)

1

متاتک

دیزباد

10

2

رویان

بینالود

100

3

فجر سدید

نهبندان

10

4

تیزباد نیرو

خواف

100

5

نیروگاه­های زنجیره­ای قائم

بینالود

100

6

توان باد (صبانیرو)

خواف

100

7

سازمان توسعه برق ایران

دیزباد بینالود

500

8

بهین ارتباط مهر

خواف

300

9

کنکاش نگاه نوین

بینالود و خواف

200

10

سرمایه­گذاری نیرو

داشلی قلعه غلامان

10

11

سرو نیرو

خواف

100

12

نیبا (وابسته به وزارت دفاع)

خواف

500

13

مپنا

بینالود

100

14

مپنا

فریمان

150

15

مپنا

خواف

100

16

فراب

بینالود

100

 

منبع: (17)

 

 

 

در این پژوهش به منظور انجام یک مطالعه عملیاتی و کاربردی، دو ظرفیت 2480 مگاواتی و 7000 مگاواتی تولید برق بادی که به ترتیب ظرفیت خطوط دارای مجوز نصب و حداکثر پتانسیل بادی منطقه خراسان بزرگ هستند، در سیستم تولید پایه (شرایط جاری تولید نیروگاهی) شبیه­سازی می­شوند. برای شبیه‌سازی سیستم تولید از روش برنامه‌ریزی آنالیزی[45] با رویکرد توأم توصیفی-تجویزی[46] استفاده شده است. برنامه‌ریزی آنالیزی یکی از روش‌های نوین بهینه‌یابی عددی است که مبانی آن اولین بار توسط زلینکا[47] ارایه شد (19-21). در برنامه‌ریزی آنالیزی، مجموعه‌ای از توابع، عمل­گرها و بستارها تعریف می‌شوند و امکان تغییرپذیری یا ثابت بودن در طول زمان برای تمامی متغیرها وجود دارد. می‌توان با استفاده از توابع، عمل­گرها و بستارهای موجود، برنامه‌ریزی آنالیزی را تحت یک مجموعه از مسایل تعریف نمود که پژوهش­گر به دنبال یافتن راه‌حلی مناسب برای این مسایل است. به دلیل ماهیت تغیرپذیرِ مجموعه مسایل، از اصطلاح مجموعه تابعیِ عمومی[48] (GFS) برای نام‌گذاری آن استفاده می‌شود. در برنامه‌ریزی آنالیزی پاسخ‌هایی مناسب شناخته خواهند شد که نگاشت[49] اعضای مجموعه تابعی به مجموعه‌ای از برنامه‌های احتمالی و عملیاتی باشند. به علاوه در مجموعه تابعی عمومی، زیرمجموعه‌هایی حضور دارند که هر یک دربردارنده تعدادی تابع هستند. تعداد توابع موجود در هر زیر مجموعه نیز، کوچک­تر یا مساوی تعداد اجزای زیرمجموعه است. به دست آوردن نگاشت‌ اعضای مجموعه تابعی از یک فرآیندی دو بخشی تبعیت می‌کند: بخش اول ارزیابی مجموعه گسسته[50] (DSH) و بخش دوم طراحی فرآیند‌های تضمین‌کننده است. فرآیند ارزیابی مجموعه گسسته توسط زلینکا و همکاران در ایجاد یک شاخص گسسته مورد استفاده قرار گرفت که در یک فرآیند تکاملی همانند ارزیابی افراد جایگزین در ساختار لانه‌ای[51] به خوبی می‌تواند راه‌حل مناسب را ارایه کند. از این رو می‌توان برنامه‌ریزی آنالیزی را در مورد مسایل دقیقِ ریاضی، شبیه‌سازی‌های سیستمی و برنامه‌ریزی‌های انرژی بخشی مورد استفاده قرار داد (21). اتکای اصلی برنامه­ریزی آنالیزی این پژوهش بر رویکرد داده‌-ستاده در مدل‌سازی پایین- بالای سیستم تولید هیبرید قرار دارد که ماژول­های شبیه‌سازی سیستم‌های هیبرید انرژی بر اساس مدل­های پیشرفته[52]EnergyPLAN  نسخه 4/11 و energyPRO  نسخه 3/6، طراحی شده­اند[53]. به علاوه از آن­جایی که امکان ایجاد یک تبادل منبع ‌باز در مدل‌های رایج وجود دارد، ارتباط و تبادل نرم‌افزاری و خروجی­های مدل­های فوق با استفاده از بستر نرم­افزاری اوسیموسیس[54] (OSEMOSYS) انجام شده است.

داده­های توان، تولید، تقاضا و هزینه نیروگاه­های فسیلی و تجدیدپذیر محدوده شرکت برق منطقه­ای خراسان بر اساس اطلاعات و آمار سال پایه 1391 در سیستم شبیه­سازی وارد شده­اند. داده­های مورد استفاده در ­ شبیه­سازی سیستم در سناریوی اولیه سال پایه، در جداول (2 تا 5) گزارش شده­اند. برای محاسبه قیمت تمام­شده تولید - که بر اساس مجموع هزینه نهایی تولید در لحظه t محاسبه می­شود - از روش هزینه­های هم­ترازسازی شده تولید استفاده شده است. اقلام هزینه­ای تولید شامل هزینه­های عملیاتی (متغیر و ثابت) و هزینه­های سرمایه­گذاری می­باشند. مراجع کسب اطلاعات لازم برای شبیه­سازی سیستم­، دفتر بودجه معاونت برنامه­ریزی و تحقیقات شرکت برق منطقه­ای خراسان، دفتر بازار برق، دفتر فنی نظارت بر تولیدِ معاونت بهره­برداری شرکت برق منطقه­ای خراسان، دفتر اطلاعات و آمار شرکت برق منطقه­ای خراسان، شرکت مدیریت تولید نیروی برق خراسان (نیروگاه­ها) و دفتر پشتیبانی فنی و برنامه ریزی تولید شرکت توانیر هستند[55].

 

 

جدول 2- ویژگی­های فنی-اقتصادی نیروگاه­های محدوده شرکت برق منطقه­ای خراسان (بخش اول)

Table 2 - Technical-economic characteristics of Khorasan Regional Electricity Company power plants (Part I)

نام نیروگاه

توس

مشهد

شریعتی

سیکل شیروان

سیکل کاوه

شرح

 قدرت اسمی - مگاوات

600

325

496

954

636

 متوسط قدرت عملی- مگاوات 

600

300

420

802

503

 تولید  ناخالص - مگاوات ساعت

3992906

1344579

2184747

2747557

2495613

 درصد از کل تولید - درصد

8/18

3/6

3/10

9/12

7/11

 مصرف داخلی - مگاوات ساعت

290107

79138

37727

25444

24860

 تولید خالص - مگاوات ساعت

3702799

1265441

2147020

2722113

2470753

 حداکثر بار تولیدی - مگاوات

574

196

413

864

551

 ضریب بار - درصد

4/79

3/78

4/60

3/63

7/51

 ضریب بهره برداری - درصد

76

2/52

4/59

1/39

6/56

 سوخت گاز - هزار متر مکعب

356166

482522

446623

831796

733293

 سوخت مازوت - هزار لیتر

722197

0

0

0

0

 سوخت گازوییل - هزار لیتر

322

1381

66078

79497

78566

 راندمان - درصد

4/36

5/29

9/44

9/31

5/32

 

جدول 3- ویژگی­های فنی-اقتصادی نیروگاه­های محدوده شرکت برق منطقه­ای خراسان (بخش دوم)

Table 3 - Technical-economic characteristics of Khorasan Regional Electricity Company power plants (Part II)

نام نیروگاه

قاین

نیشابور

فردوسی

بادی

جمع  منطقه

شرح

 قدرت اسمی - مگاوات

75

1038

954

28

5106

 متوسط قدرت عملی- مگاوات 

56

875

792

8

4356

 تولید  ناخالص - مگاوات ساعت

25528

5945773

2511800

46794

21295297

 درصد از کل تولید - درصد

1/0

9/27

8/11

2/0

100

 مصرف داخلی - مگاوات ساعت

1026

123201

12069

60

593632

 تولید خالص - مگاوات ساعت

24502

5822572

2499731

46734

20701665

 حداکثر بار تولیدی - مگاوات

59

887

819

28

4391

 ضریب بار - درصد

9/4

5/76

35

8/18

7/62

 ضریب بهره برداری - درصد

2/5

6/77

2/36

8/66

-

 سوخت گاز - هزار متر مکعب

7135

1145717

761253

0

4764505

 سوخت مازوت - هزار لیتر

0

0

0

0

722197

 سوخت گازوییل - هزار لیتر

3653

184011

86574

0

500082

 راندمان - درصد

6/24

1/47

3/31

-

1/37

 

جدول 4- داده­های هزینه تولید نیروگاه­های محدوده شرکت برق منطقه­ای خراسان (بخش اول)

Table 4 - Khorasan Regional Electricity Company power plant production cost data (Part I)

نیروگاه

حقوق و دستمزد و سایر (میلیون ریال)

مواد و مصالح شیمی (میلیون ریال)

مواد و مصالح غیر شیمی ارزی (میلیون ریال)

مواد و مصالح غیر شیمی ریالی (میلیون ریال)

نیروگاه (1)*

204104

6818

8019

3665

نیروگاه (2)

132983

3036

3156

2255

نیروگاه (3)

103245

1877

4737

828

نیروگاه (4)

27413

0

8665

860

نیروگاه (5)

24899

0

7871

690

نیروگاه (6)

18575

0

631

4226

نیروگاه (7)

86327

4095

10425

3058

نیروگاه (8)

25060

0

8422

712

نیروگاه (9)

14048

0

1156

3246

* به جهت حفظ امانت در گزارش­دهی اطلاعات طبقه­بندی­شده نیروگاه­های خصوصی و دولتی، نام نیروگاه­ها ذکر نشده است.

جدول 5- داده­های هزینه تولید نیروگاه­های محدوده شرکت برق منطقه­ای خراسان (بخش دوم)

Table 5 - Khorasan Regional Electricity Company power plant production cost data (Part II)

نیروگاه

کنترل فرکانس  (میلیون ریال)

کنترل مگاوار  (میلیون ریال)

تعمیرات اساسی  (میلیون ریال)

بهینه سازی/ استهلاک (میلیون ریال)

نیروگاه (1)*

2663

1864

38500

30000

نیروگاه (2)

778

544

90696

34928

نیروگاه (3)

1570

1099

42500

12200

نیروگاه (4)

1533

1073

15125

1847

نیروگاه (5)

1393

975

24,000

1000

نیروگاه (6)

109

76

5500

2100

نیروگاه (7)

4058

2840

100700

16500

نیروگاه (8)

1402

1021

21500

9000

نیروگاه (9)

199

139

41000

5000

* به جهت حفظ امانت در گزارش­دهی اطلاعات طبقه­بندی­شده نیروگاه­های خصوصی و دولتی، نام نیروگاه­ها ذکر نشده است.

 

مجموع ولتاژ نامی پست­های انتقال شرکت­های برق منطقه­ای مجاور (سمنان، سیستان، یزد و مازندران) و خطوط انتقال بین­المللی سرخس-شاتلیق و تربت جام-هرات، 1962 کیلوولت است که ظرفیت ترانسی معادل 252555 مگاولت آمپر را در اختیار پست­های انتقال قرار می­دهد. علاوه بر قیود خطوط انتقال، یکی از قیود اصلی در سیستم­های هیبرید تجدیذیر و تجدیدناپذیر تولید قدرت، تامین قابلیت اطمینان سیستم تولید است که بر اساس آن، باید درصد معینی از تولید کل انرژی الکتریکی شبکه (از واحدهای تولیدی پایدارساز شبکه تامین گردد که در اکثر مطالعات 30 درصد تعیین شده است. نیروگاه­های فسیلی (گازی، بخاری و سیکل ترکیبی) در کنار نیروگاه­های زمین­گرمایی و هسته­ای از جمله تکنولوژی­های تولیدی هستند که توانایی پایدارسازی شبکه را دارند (5). از این رو در پژوهش حاضر نیز حداقل سهم واحدهای تولیدی پایدارساز در شبکه تولید، 30 درصد تعیین شده است.

بر اساس دسترسی به داده­های معتبر، سال 2012 نیز به عنوان سال پایه شبیه­سازی داده­های ورودی هزینه تولید در نظر گرفته­ شده است. هزینه تاسیس یک واحد ذخیره­ساز هوای فشرده با تکنولوژی سال 2010 و بر اساس ارقام پیشنهادی لابراتوار ملی انرژی تجدیدپذیر[56] و آژانس انرژی دانمارک[57]، برای بازار آسیا-اقیانوسیه برای دوره 2012-2015 محاسبه شده است (23 و 24). بر همین اساس عمر مفید واحد ذخیره­ساز هوای فشرده نیز 30 سال در نظر گرفته شده است. برای پوشش خطر تغییرات قیمتی نیز ارقام قرار گرفته در گروه قیمتی بالا در محاسبات مورد استفاده قرار گرفته­اند. نرخ تسعیر دلار و یورو بر اساس آمار بازار مبادلات رسمی منتشر شده در خلاصه تحولات اقتصادی کشور، به ترتیب 24752 و 32436 ریال است. داده­های هزینه­ای تاسیس واحد ذخیره­ساز هوای فشرده در جدول 6 ارایه شده است (25).

جدول 6- هزینه تاسیس واحد ذخیره­ساز هوای فشرده

Table 6 - The establishment cost of CAES

ردیف

اقلام هزینه­ای

رقم هزینه

 (ریال)

واحد

انرژی/توان

1

هزینه سرمایه­گذاری

22276800

کیلووات

2

هزینه متغیر عملیات و نگه­داشت

6/38365

کیلووات ساعت

3

هزینه ثابت عملیات و نگه­داشت

2/287123

کیلووات-سال

 منبع: 22،23 و محاسبات تحقیق.

بر اساس اطلاعات دفتر بودجه معاونت برنامه­ریزی و تحقیقات شرکت برق منطقه­ای خراسان، هزینه سوخت گاز طبیعی برای نیروگاه­های محدوده شرکت برق منطقه­ای خراسان، 700 ریال در هر مترمکعب در نظر گرفته شده است که این سوخت با نرخ تضمین شده در اختیار نیروگاه­های گازی نیز قرار گرفته است. نرخ تنزیل سالانه سرمایه نیز بر اساس مطالعه طاهری فرد و شهاب و مطالعه رستمی و همکاران در مورد پروژه­های نیروگاهی وزارت نیرو و نیز بر اساس مطالعات امکان­سنجی دفتر بودجه معاونت برنامه­ریزی و تحقیقات شرکت برق منطقه­ای خراسان، به طور میانگین، 10 درصد در نظر گرفته شده است (26 و 27). از طرفی در مورد هزینه تولید برق تجدیدپذیر بادی نیز  از اطلاعات دفتر بودجه معاونت برنامه­ریزی و تحقیقات شرکت برق منطقه­ای خراسان استفاده شده است که بر اساس جداول آماری این دفتر، هزینه سرمایه­گذاری برق بادی در هر کیلووات توان 75/39 میلیون ریال و هزینه ثابت و متغیر عملیات و نگه­داشت برق بادی در هر مگاوات ساعت 156897 ریال محاسبه شده است. لازم به ذکر است که این آمار بر اساس تجهیزات قابل دسترسی برای شرکت برق منطقه­ای خراسان و متناسب با شرایط اقلیمی-تجاری شرکت برق منطقه­ای خراسان محاسبه شده است و آمار بین­المللی یا ملی (در سایر مناطق کشور) می­تواند تفاوت­هایی با این آمار داشته باشد.

میزان انتشار آلاینده­های زیست­محیطی در سیستم ذخیره­ساز هوای فشرده 9/56 کیلوگرم در هر گیگاژول و مالیات انتشار آلاینده­­های زیست­محیطی نیز 2/493027 ریال در هر تن محاسبه شده است. ارقام مربوط به میزان انتشار آلاینده و مالیات بر انتشار از آژانس انرژی دانمارک[58] استخراج شده است (28). در این پژوهش برای شاخص­گذاری تغییرات انتشار آلاینده زیست­محیطی، از آلاینده کربن­دی اکسید (CO2) استفاده شده است.

ویژگی­های تکنولوژیکی بر اساس مطالعات فنی آژانس انرژی دانمارک[59] و مطالعه سوکار و ویلیامز[60] محاسبه شده­اند (23 و28) و براین اساس، نسبت سوخت به طور متوسط 5/1 و میانگین کارایی سیستم  ذخیره­ساز هوای فشرده، 39 درصد در نظر گرفته شده است[61]. در حقیقت تعدیل ذخیره­سازی در این پژوهش با استفاده از سیستم­های ذخیره­ساز هوای فشرده نسل اول (نظیر نیروگاه هانتورف در آلمان) انجام شده است. به منظور بررسی سناریوهای مختلفِ ظرفیت­ سیستم ذخیره­ساز هوای فشرده، این سیستم با ظرفیت­های 50، 100، 150، 200، 250 و 300 مگاواتی و ظرفیت­­های ذخیره­سازی (به ترتیب)، 24/0، 49/0، 74/0، 98/0، 23/1 و 48/1 گیگاوات ساعتی وارد شبکه شبیه­سازی شده برق منطقه­ای خراسان می­شود[62]. فرآیند محاسبات پژوهش بدین نحو است که ابتدا سیستم اولیه تولید بر اساس داده­های ورودی اولیه، شبیه­سازی می­شود و در مرحله اول، صرفا نیروگاه­های فعال در محدوده شرکت برق منطقه­ای خراسان، در سیستم شبیه­سازی وارد می­شوند. در این بخش بر اساس کمترین هزینه نهایی تولید محاسبه شده در شیوه­های مختلف تولید و با در نظر گرفتن قیود فنی-اقتصادی سیستم تولید، نیروگاه­ها با تکنولوژی­های مختلف وارد سیستم تولید می­شوند تا پایداری شبکه و قابلیت اطمینان هدف برآورده شود. در ادامه تعدیل ظرفیت­های 2480 و 7000 مگاواتی از توان تولید برق تجدیدپذیر بادی به سیستم تولید اضافه می­شوند و سپس با در نظر گرفتن قیود فنی-اقتصادی راه­اندازی سیستم ذخیره­ساز (شامل قیمت بازار برق و هزینه تمام شده تولید توربین و مصرف کمپرسور در سیستم CAES)، که در مبانی نظری پژوهش بدان اشاره شد، امکان ورود سیستم CAES در ظرفیت­های 50 تا 300 مگاواتی به سیستم تولید ارزیابی خواهد شد. سپس با مقایسه میان میزان کاهش قیمت، میزان رشد انتشار آلاینده زیست­محیطی و میزان رشد درآمد خالص مربوط به دامنه افزایش ظرفیت، توان بهینه سیستم CAES مشخص خواهد شد و در نهایت بر اساس درآمد خالص استراتژی­های عملیاتی، به کارگیری سیستم CAES و مقایسه آن با استراتژی بهینه تئوریک، استراتژی کاربردی-عملیاتی راه­اندازی واحد ذخیره­ساز مشخص می­شود.

 

یافته­های پژوهش

بر اساس نتایج شبیه­سازی سیستم تولید با تعدیل اضافه شدن ظرفیت 2480 مگاواتی برق بادی، در هیچ یک از ظرفیت­های 50 تا 300 مگاواتی سیستم CAES، امکان تولید برای سیستم CAES فراهم نمی­شود، زیرا با اضافه شدن این ظرفیت از انرژی بادی به سیستم تولید، قیمت تمام شده تولید به محدوه 9074/677519 ریال در مگاوات ساعت می­رسد که بر اساس قیود فنی-اقتصادی راه­اندازی سیستم (شامل قیمت بازار برق و هزینه تمام شده تولید توربین و مصرف کمپرسور در سیستم CAES)، که در مبانی نظری پژوهش بدان اشاره شد، راه­اندازی این سیستم سودآور نخواهد بود. به همین دلیل در جدول 7، تنها نتایج حاصل از ورود ظرفیت 7000 مگاواتی  به سیستم تولید پایه ارایه شده است.

 

 

 

جدول 7- نتایج شبیه­سازی سیستم تولید پایه و سیستم تولید هیبرید فسیلی-بادی

Table 7 - The simulation results of base production systems and fossil-wind hybrid system

    سناریو

شاخص

مدل پایه[63]

(شرایط اولیه سیستم تولید)

سناریوی سبد تولید هیبرید فسیلی-بادی[64]

متوسط قیمت (ریال بر مگاوات ساعت)

27/584885

30/959731

انتشار آلاینده­ زیست­محیطی (میلیون تن)

13/23

13/23

تولید بهینه برق تجدیدپذیر(میلیون مگاوات ساعت)

04/0

15

تولید بهینه برق فسیلی (میلیون مگاوات ساعت)

92/36

92/36

سهم برق تجدیدپذیر در پوشش تقاضا[65] (درصد)

2/0

1/13

حجم بهینه صادراتی[66] (میلیون مگاوات ساعت)

3/16

26/31

شاخص پایداری شبکه[67] (درصد)

106

98

منبع: محاسبات تحق

 

بر اساس نتایج جدول 6، در سناریوی سبد تولید هیبرید فسیلی-بادی، علی­رغم این­که انتشارآلاینده زیست­محیطی افزایشی را نشان نمی­دهد، ولی تولید برق تجدیدپذیر در سیستم تولید، حدود 15 درصد افزایش می­یابد که به دلیل ضریب نفوذ بالای انرژی­های تجدیدپذیر در این سناریو، نتیجه­ای دور از انتظار نیست. در چنین شرایطی به دلیل برخورداری از تولید مازاد بر نیاز شبکه، حجم صادراتی بهینه نیز در سبد تولید هیبرید فسیلی- بادی با افزایشی معادل 96/14 تراوات ساعت مواجه خواهد بود. اما چالش بزرگ سناریوی سبد تولید هیبرید فسیلی-بادی، افزایش 64 درصد قیمت تمام شده این سبد تولید نسبت به مدل پایه (شرایط اولیه سیستم تولید) است، دلیل این قیمت بالا را باید در هزینه­های سرمایه­گذاری بالای تولید برق بادی جستجو کرد، زیرا بر اساس اطلاعات بودجه­ای شرکت برق منطقه­ای خراسان برای سال 1391، هزینه سرمایه­گذاری ایجاد ظرفیت یک مگاواتی بخاری، گازی و سیکل ترکیبی به ترتیب 20102 ، 18200 و 22630 میلیون ریال می­باشد و این در حالی است که هزینه سرمایه­گذاری ایجاد ظرفیت یک مگاواتی بادی در منطقه خراسان 39750 میلیون ریال است. چالش دیگری که ورود 7000 مگاوات برق تجدیدپذیر نوسانی به سیستم تولید، برای شبکه ایجاد می­کند، کاهش شاخص پایداری شبکه از 106 به 98 درصد است. هم‌چنین بر اساس نتایج شبیه­سازی سیستم پژوهش، در سناریوی هیبرید فسیلی- بادی 13 درصد برق تولیدی در سیستم تولید با بهره­گیری از تکنولوژی تجدیدپذیر بادی انجام می­شود. اما این میزان تولید برق تجدیدپذیر در کنار تولید برق فسیلی به عنوان واحدهای پایدارساز و فراهم­کننده قابلیت اطمینان تولید در شبکه، تولیدی فراتر از تقاضای منطقه­ای برق را به همراه خواهد داشت که مازاد تقاضا به خارج از منطقه (به مقصد مناطق همسایه شرکت برق منطقه­ای خراسان و یا مقاصد بین­المللی) صادر خواهد شد. ولی محدودیت خطوط انتقال می­تواند، مانع بزرگی بر سر راه دستیابی به اهداف صادراتی باشد. در چنین شرایطی، میزان صادرات به محدودیت­های خطوط انتقال محدود می­شود و چنان­چه تولید مازاد بر تقاضای شبکه قدرت، فراتر از محدوده مجاز خطوط انتقال باشد، آن­گاه تولید برق در واحدهای با بیش­ترین هزینه نهایی تولید، تا اندازه­ای کاهش می­یابند که مازاد بحرانی شبکه مرتفع گردد[68]. در چنین شرایطی، ذخیره­سازی انرژی الکتریکی نیز راه­کاری کارگشا برای ارتقاء امنیت سیستم و ایجاد یک سیستم تولید پایدار و قابل اطمینان برای پاسخ­گویی به تغییرات پیش­بینی­نشده بار شبکه و خروج ناگهانی نیروگاه­های تجدیدپذیر یا فسیلی از مدار خواهد بود. نتایج اضافه شدن تعدیل ظرفیت­های مختلف CAES به سبد تولید هیبرید فسیلی-بادی نیز در جدول (8) گزارش شده است. این نتایج با در نظر گرفتن فرآیند پیاپی و تکراری 8784 مرتبه­ای برای رسیدن به هم­گرایی فنی-اقتصادی محاسبه شده است.


جدول 8- نتایج شبیه­سازی تعدیل ظرفیت­های مختلف CAES به سبد تولید هیبرید فسیلی-بادی

Table 8 - simulation results of CASE capacity adjustment to fossil-wind hybrid production basket

سناریو

 

 

شاخص

سناریوی ورود تعدیل ظرفیت 50 مگاواتی

سناریوی ورود تعدیل ظرفیت 100 مگاواتی

سناریوی ورود تعدیل ظرفیت 150 مگاواتی

سناریوی ورود تعدیل ظرفیت 200 مگاواتی

سناریوی ورود تعدیل ظرفیت 250 مگاواتی

سناریوی ورود تعدیل ظرفیت 300 مگاواتی

متوسط قیمت

(ریال بر مگاوات ساعت)

12/952683

08/949923

22/941512

75/938837

03/934922

82/932634

انتشار آلاینده­ زیست­محیطی (میلیون تن)

13/23

18/23

20/23

29/23

36/23

43/23

تولید بهینه برق تجدیدپذیر

(میلیون مگاوات ساعت)

01/15

03/15

06/15

08/15

11/15

12/15

تولید بهینه برق فسیلی

(میلیون مگاوات ساعت)

92/36

92/36

92/36

92/36

92/36

92/36

تولید خالص سیستم CAES

(میلیون مگاوات ساعت)

01/0

02/0

04/0

05/0

06/0

08/0

درآمد ناخالص سیستم  CAES (میلیون ریال)

30/147

61/244

63/447

45/577

81/721

21/801

میزان رشد متوسط قیمت (درصد)

-

2/0 -

88/0-

28/0 -

41/0 -

02/0 -

میزان رشد انتشار آلاینده زیست­محیطی (درصد)

-

21/0

08/0

38/0

30/0

29/0

میزان رشد درآمد خالص(درصد)[69]

-

65

83

29

25

11

شاخص پایداری شبکه (درصد) [70]

104

104

104

104

104

104

منبع: محاسبات تحقیق.

 


نتایج شبیه­سازی ورود تعدیل ظرفیت­های مختلف CAES به سبد تولید هیبرید فسیلی-بادی که در جدول 7 ارایه شده است، نشان می­دهد که با افزایش ظرفیت واحد ذخیره­ساز از 50 تا 300 مگاوات، قیمت روند کاهشی، انتشار آلاینده زیست­محیطی و درآمد خالص روند افزایشی خواهند داشت. به علاوه تولید خالص سیستم ذخیره­ساز هوای فشرده نیز از 01/0 تراوات ساعت در ظرفیت 50 مگاواتی به 08/0 تراوات ساعت در ظرفیت 300 مگاواتی می­رسد. ارتقاء پایداری شبکه از 98 درصد به 104 درصد نیز از دستاوردهای مهم اضافه شدن سیستم ذخیره­ساز است. اما در این میان بیش­ترین میزان کاهش قیمت، کم­ترین میزان رشد انتشار آلاینده زیست­محیطی و بیش­ترین مقدار رشد درآمد خالص مربوط به دامنه افزایش ظرفیت از 100 به 150 مگاوات است. بنابراین سناریوی ورود تعدیل ظرفیت 150 مگاواتی نسبت به سایر ظرفیت­ها، کمترین میزان رشد انتشار آلاینده زیست­محیطی و بیش­ترین میزان رشد درآمد خالص واحد ذخیره­ساز هوای فشرده را به خود اختصاص داده است. بنابراین بر اساس هر سه معیار قیمتی، زیست­محیطی و درآمدی، ظرفیت 150 مگاواتی واحد ذخیره­ساز هوای فشرده، ظرفیت بهینه خواهد بود. با این حال برای مشخص نمودن درآمد خالص استراتژی­های مختلف به­کارگیری سیستم CAES، از تمامی ظرفیت­های دامنه 50 تا 300 مگاوات استفاده شده است تا استراتژی کاربردی برتر بر اساس تجمیع نتایج تمامی ظرفیت­های ممکن، مشخص گردد. نتیجه محاسبه درآمد خالص استراتژی­های سه­گانه به­کارگیری سیستم CAES که با در نظر گرفتن فرآیند پیاپی و تکراری 8784 مرتبه­ای برای رسیدن به هم­گرایی فنی-اقتصادی و بر اساس حداکثر دامنه زمانی ممکن ساعتی انجام شده، در جدول (9) ارایه شده است. این نتایج نشان می­دهد که استراتژی پیش­رویدادی کاربردی CAES، به طور متوسط 93 درصد خالص درآمد استراتژی بهینه تئوریک سیستم CAES را در تمامی ظرفیت­های 6گانه برای واحد ذخیره­ساز فراهم می­کند. این در حالی است که استراتژی پس­رویدادی کاربردی، به طور متوسط 89 درصد خالص درآمد استراتژی بهینه تئوریک سیستم CAES را در تمامی ظرفیت­های 6گانه برای واحد ذخیره­ساز فراهم می­آوَرد.


جدول ‏09- درآمد خالص استراتژی­های سه­گانه به­کارگیری سیستم CAES

Table 9 - Net income of three strategies of using CAES

                             استراتژی

سناریو

خالص درآمد استراتژی بهینه تئوریک   CAES (میلیون ریال)

خالص درآمد استراتژی پس­رویدادی کاربردی CAES

(میلیون ریال)

خالص درآمد استراتژی پیش­رویدادی کاربردی CAES

(میلیون ریال)

تعدیل ظرفیت 50 مگاواتی

18/109

17/96

53/100

تعدیل ظرفیت 100 مگاواتی

36/218

34/195

07/204

تعدیل ظرفیت 150 مگاواتی

62/457

28/406

58/424

تعدیل ظرفیت 200 مگاواتی

73/436

68/389

15/407

تعدیل ظرفیت 250 مگاواتی

91/545

85/486

69/508

تعدیل ظرفیت 300 مگاواتی

09/655

03/584

23/608

منبع: محاسبات تحقیق

 

 

نمودار 1- تولید لحظه­ای-ساعتی توربین در سیستم ذخیره­ساز هوای فشرده با ظرفیت 150 مگاواتی

(محور عمودی، تولید (مگاوات ساعت) و محور افقی لحظه-ساعت را نشان می­دهد[71])

Chart 1 - Spot-Hourly turbines production with 150 MW capacity for CAES
(Vertical axis shows production (MWh) and the horizontal axis shows the spot-hours)

منبع: محاسبات تحقیق.

 

نمودار 2- مصرف لحظه­ای-ساعتی کمپرسور در سیستم ذخیره­ساز هوای فشرده با ظرفیت 150 مگاواتی

(محور عمودی، تولید (مگاوات ساعت) و محور افقی لحظه-ساعت را نشان می­دهد)

Chart 2 - Spot-Hourly compressor production with 150 MW capacity for CAES
(Vertical axis shows production (MWh) and the horizontal axis shows the spot-hours)

منبع: محاسبات تحقیق.


نتیجه­گیری و دلالت­های پژوهش

بر اساس نتایج این پژوهش، در صورت استفاده از سیستم انرژی تجدیدپذیر با ظرفیت بزرگ به صورت یک­پارچه با برق فسیلی، لازم است از روش­های ذخیره­سازی نیز برای افزایش پایداری شبکه[72]  و قابلیت اطمینان[73] سیستم تولید در سیستم­های تولید هیبریدی استفاده نمود، زیرا در شرایط احتمالی Black-Out، لازم است که واحدی به عنوان Black-Start در شبکه آماده باشد که به صورت فوری و درکم­ترین زمان ممکن بار شبکه را تامین کند و شبکه را دوباره به حالت نرمال باز گرداند. از این رو استفاده از سیستم هوای فشرده می­تواند جایگزین بسیار مناسبی باشد که قابلیت اطمینان تولید و پایداری شبکه را در مواقع اضطراری تضمین می­کند[74]، زیرا سیستم هوای فشرده بدون نیاز به محرک خارجی و صرفا با به­کارگیری انرژی پتانسیل هوای فشرده قابل بهره­برداری است[75]. هم‌چنین نتایج امکان­سنجی استفاده از سیستم ذخیره­ساز هوای فشرده نشان می­دهد که به­کارگیری این سیستم نه تنها به لحاظ فنی و اقتصادی، امکان­پذیر و موثر است، بلکه از سود مناسبی نیز برخوردار می­باشد و با در نظر گرفتن طول عمر مفید 30 ساله یک واحد ذخیره­ساز 150 مگاواتی و شاخص­سازی و هم­ترازسازی هزینه­ها و درآمدهای آتی، حداقل سودی معادل 6/13728 میلیون ریال را در دوره بهره­برداری به همراه خواهد داشت. این در حالی است که اکثر سیستم­های تولید برق در شرکت­های برق منطقه­ای که ماهیت دولتی دارند، با هدف ایجاد شبکه پایدار تولید و ایجاد قابلیت اطمینان در سیستم تولید برق طراحی شده­اند و سود­محوری را نمی­توان به عنوان هدف اصلی شرکت­های برق منطقه­ای تلقی نمود. با این حال حتی با در نظر گرفتن بالاترین هزینه­های سرمایه­گذاری تامین تکنولوژی هوای فشرده برای ایران و عدم وجود هر گونه حمایت مالی از سوی دولت نیز، این سیستم از قابلیت اجراء و راه­اندازی استاندارد در محدوده شرکت برق منطقه­ای خراسان برخوردار بوده و از قابلیت سود­دهی نیز تا محدوده مشخصی برخوردار است[76]. در چنین شرایطی استفاده از استراتژی­های عملیاتی-کاربردی در بکارگیری CAES، می­تواند سود عملیاتی را تضمین نماید که بر اساس نتایج پژوهش استراتژی پیش­رویدادی کاربردی CAES، به طور متوسط 93 درصد خالص درآمد استراتژی بهینه تئوریک سیستم CAES را در تمامی ظرفیت­های 6گانه برای واحد ذخیره­ساز فراهم می­کند که 4 درصد بیش­تر از سودی است که استراتژی پس­رویدادی کاربردی برای واحد ذخیره­ساز فراهم می­آورد.

 

منابع

  1. Van Notten, W. F., Sleegersb, and A.M. and van Asselt, M.B.A., 2005, the future shocks: On discontinuity and scenario development; Technological Forecasting and Social Change, Volume 72, Issue 2, February 2005, Pages 175–194.
  2. Jaffe, A. B. and Stavins R. N. ,1994, The energy-efficiency gap, What does it mean?, Energy Policy 1994, 22 (10), pp 804-810
  3. Kanase Patil, A. B., R. P. Saini, M. P. Sharma, 2011, Sizing of integrated renewable energy system based on load profiles and reliability index for the state of Uttarakhand in India, Renewable Energy, vol. 36, pp. 2809-2821.
  4. Tanrioven, M., 2005, Reliability and cost-benefits of adding alternate power sources to an independent micro-grid community, Journal of Power Source, vol. 150, pp. 136–149.
  5. Lund, H., 2014, Advanced Energy Systems Analysis Computer Model, Documentation Version 11.4, Aalborg University, Denmark.
  6. ادریسیان. اشکان، سامانی. حمید و ناصح. مجیدرضا، 1391، الگوی جدید هایبرید هوای فشرده برای تولید پایدار در مزارع بادی، دومین همایش ملی انرژی باد و خورشید، هم اندیشان انرژی کیمیا، تهران.
  7. هادی. حمید و حقیقی خوشخو. رامین، 1393، طراحی مفهومی سیستم ذخیره­سازی انرژی هوای فشرده در مقیاس کوچک (Micro CAES) به همراه توربین بادی برای تامین برق یک واحد مسکونی، بیست و هشتمین کنفرانس بین­المللی برق، تهران.
  8. مرادی، شهرام و هنرمند، محمداسماعیل، 1388، بررسی استفاده از نیروگاه­های بادی به همراه سیستم های ذخیره ساز انرژی، نخستین کنفرانس انرژی های تجدید پذیر و تولید پراکنده ایران، بیرجند، دانشگاه بیرجند.
  9. ارشادی عباس آباد. سالار، میرزایی ضیاپور. بهروز و عتابی. فریده، 1392، بهینه سازی عددی سیستم هیبریدی باد- دیسل- ذخیره انرشی هوای فشرده بر مبنای الگوریتم ژنتیک، اولین همایش سراسری محیط زیست، انرژی و پدافند زیستی، تهران، موسسه آموزش عالی مهر اروند، گروه ترویجی دوستداران محیط زیست.
    1. Celik, A. N., 2003, Techno-economic analysis of autonomous PV-wind hybrid energy systems using different sizing methods, Energy Conversion Management, vol. 44, pp. 1951–1968,
    2. Celik, A. N., 2002, Optimisation and techno-economic analysis of autonomous photovoltaic–wind hybrid energy systems in comparison to single photovoltaic and wind systems, Energy Conversion Management, vol. 43, pp. 2453–2468.
    3. Koutroulis, E., D. Kolokotsa, A. Potirakis, K. Kalaitzakis, 2006, Methodology for optimal sizing of stand-alone photovoltaic/wind-generator systems using genetic algorithms, Solar Energy, vol. 80, pp. 1072–88.
    4. Ekren, B. Y. and O. Ekren, 2009, Simulation based size optimization of a PV/wind hybrid energy conversion system with battery storage under various load and auxiliary energy conditions, Applied Energy, vol. 86, pp. 1387–94.
    5. Tascikaraoglu, A. M. Uzunoglu, B. Vural, 2012, The assessment of the contribution of short-term wind power predictions to the efficiency of stand-alone hybrid systems, Applied Energy, vol. 94, pp. 156-165.
    6. Takagi, M. and Y. Iwafune, K. Yamaji, H. Yamamoto, K. Okano, R. Hiwatari, T. Ikeya, 2013, Economic value of PV energy storage using batteries of battery-switch stations, IEEE Trans. on Sustainable Energy, vol. 4164-73.
    7. Abbaspour, M., Satkin, M., Mohammadi-Ivatloo, B.,  Hoseinzadeh Lotfi, F. and Noorollahi, Y., 2013, Optimal operation scheduling of wind power integrated with compressed air energy storage (CAES), Renewable Energy, 51 (2013) pp53-59.
    8. شرکت برق منطقه­ای خراسان، 1391، گزارش اقدامات شرکت برق منطقه­ای خراسان در زمینه توسعه انرژی­های تجدیدپذیر، مشهد.
    9. شرکت مشاوره مدیریت آریانا، 1391، تدوین نقشه راه توسعه انرژی­های تجدیدپذیر صنعت برق خراسان، پژوهش­گاه نیرو، مرکز رشد برق، واحد تحقیقات برق شرکت مشاوره مدیریت آریانا، تهران.
      1. Zelinka, I., 2001, Analytic programming by means of new evolutionary algorithms, Proceedings of 1st International Conference on New Trends in Physics’01, Brno, Czech Republic, pp. 210–214.
      2. Zelinka, I., 2002a, Analytic programming by means of soma algorithm, Proceedings of First International Conference on Intelligent Computing and Information Systems, Cairo, Egypt, pp. 148–154.
      3. Zelinka, I., 2002b, Analytic programming by means of soma algorithm, Proc. 8th International Conference on Soft Computing, VUT Brno, Mendel’02 Czech Republic, pp. 93–101.
      4. Zelinka, I., Oplatkova, Z. & Nolle, L., 2005, Analytic programming - symbolic regression by means of arbitrary evolutionary algorithms, In: Special Issue on Inteligent Systems of International Journal of Simulation, Systems, Science and Technology Vol.6 (No.9): 44–55.
      5. National Renewable Energy Laboratory, 2012, Cost and Performance Data for Power Generation Technologies, Golden, Colorado, United States, February 2012.
      6. Danish Energy Agency, 2012, Energinet.dk. Technology Data for Energy Plants, Danish Energy Agency.
      7. خلاصه تحولات اقتصادی کشور ،1391، بانک مرکزی جمهوری اسلامی ایران، تهران.
      8. رستمی. ثریا، حق پرست کاشانی. آرش و لاری. حمیدرضا، 1392، مطالعه و برآورد قیمت برق تولیدی از نیروگاه های بادی، خورشیدی و بیوگاز، نخستین کنفرانس ملی انجمن انرژی ایران، تهران، پژوهش­گاه نیرو.
      9. طاهری فرد. علی و شهاب. سمیه، 1389، بررسی جنبه های فنی و اقتصادی تولید برق زمین گرمایی، اقتصاد انرژی، شماره 125.
      10. Danish Energy Agency, 2011, Assumptions for socio‐economic analysis on energy, Danish Energy Agency.
      11. Succar, S. and Williams, R.H., 2008, Compressed Air Energy Storage: Theory, Resources, And Applications for Wind Power, published for the Princeton Environmental Institute, April 2008.

 

 



[1]-  استادیار گروه اقتصاد و بانکداری اسلامی، دانشکده اقتصاد، دانشگاه خوارزمی، تهران، ایران *(مسوول مکاتبات)

[2]- استاد گروه اقتصاد، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد

[3]-  استایار دانشکده مهندسی برق و مهندسی پزشکی دانشگاه صنعتی سجاد و معاون راهبری شبکه برق ایران

[4]- استاد گروه اقتصاد، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد

[5]- Compressed air energy storage

[6]- Adequacy

[7]- Smooth

[8]- Prognostic

[9]- Historical

[10]- Grid Stability

[11]- Reliability

[12]- Assistant Professor, Economics and Islamic Banking Department, Faculty of Economics, Kharazmi University, Tehran, Iran * (Corresponding Author).

[13]- Professor, Faculty of Economics Management & Economic Sciences, Ferdowsi University of Mashhad, Mashhad, Iran.

[14]- Assistant Professor, Faculty of Electrical Engineering, Sadjad University of technology, Mashhad, Iran.

[15]- Professor, Faculty of Economics, Management & Economic Sciences, Ferdowsi University of Mashhad, Mashhad, Iran.

[16]- Integrated Renewable Energy System

[17]- business-economic strategy

[18]-  در واحد ذخیره­ساز هوای فشرده، کمپرسور (Compressor) مبدل انرژی الکتریکی به انرژی پتانسیل است و توربین (Turbine) وظیفه تبدیل انرژی پتانسیل به انرژی الکتریکی را بر عهده دارد.

[19]- Maximum Electricity Price

[20]- Minimum Electricity Price

[21]- Marginal Production Cost

[22]- Analytical programming

[23]- Operation Bottlenecks

[24]- Turbine Operation

[25]- Compressor Operation

[26]- Update The Storage Content

[27]- Practical historical strategy

[28]- Average Period

[29]- Practical prognostic strategy

[30]- Optimal Strategy

[31]- Optimal Strategy 24 Hours

[32]- User-defined Strategy

[33]- Celik

[34]- Koutroulis

[35]- Ekren and Ekren

[36]- Net Present Cost

[37]- Integrated Renewable Energy System

[38]- Micro Hydro Power

[39]- Biomass

[40]- Biogas

[41]- Tascikaraoglu et al.

[42]- Fuel Cell

[43]- Takagi et al.

[44]- Abbaspour et al.

[45]- Analytical programming

[46]- Descriptive-Prescriptive

[47]- Zelinka

[48]- General Functional Set

[49]- Mapping

[50]- Discrete Set Handling

[51]- Nested structure

[52]-  نسخه جدید از مدل EnergyPLAN در تاریخ 24 می سال 2014 منتشر و در دسترس کاربران قرار گرفته است.

[53]- مدل­های پیشرفته EnergyPLAN و energyPRO با همکاری گروه تحقیقاتی برنامه­ریزی انرژی پایدار دانشگاه آلبورگ و  گروه PlanEnergiدانشگاه بیرمنگام طراحی شده­اند.

[54]- OSEMOSYS: the Open Source Energy Modeling System

[55]-  بر نویسندگان پژوهش لازم است که کمال تشکر و قدردانی خود را از همکاری و مساعدت تمامی کارشناسان و مدیران صنعت برق و شرکت برق منطقه­ای خراسان که کوچک ترین گامی در جهت بهبود کیفی و تسهیل فرآیند تدوین این پژوهش برداشته­­اند، به عمل آورند.

 

[56]- National Renewable Energy Laboratory

[57]- Danish Energy Agency

[58]- Danish Energy Agency (2011)

[59]- Danish Energy Agency (2012)

[60]- Succar and Williams

[61]- برای کسب اطلاعات فنی و محاسباتی بیشتر در خصوص محاسبه نسبت سوخت ر.ک.:

EPRI-DOE, "Handbook of Energy Storage for Transmission and Distribution Applications," Palo Alto, CA, Washington, DC 2003.

P. Zaugg, "Air-Storage Power Generating Plants," Brown Boveri Review, vol. 62, pp. 338-347, 1975.

E. Macchi and G. Lozza, "Study Of Thermodynamic Performance Of and compressed air energy storage Plants, Including Unsteady Effects," in Gas Turbine Conference and Exhibition, Anaheim, CA, USA, 1987, p. 10.

برای کسب اطلاعات فنی و محاسباتی بیشتر در خصوص محاسبه کارایی سیستم ر.ک.:

I. Arsie, V. Marano, G. Nappi, and G. Rizzo, "A model of a hybrid power plant

with wind turbines and compressed air energy storage," in 2005 ASME Power

Conference, Chicago, IL, United States, 2005, pp. 987-1000.

[62]- سناریونویسی ظرفیت­های مختلف سیستم و ذخیره­سازی نیز بر اساس مطالعه سوکار و ویلیامز (2008) طراحی شده­ است.

1- در مدل پایه صرفا ظرفیت فسیلی و ظرفیت عملی 8 مگاواتی نیروگاه بادی بینالود وارد شده است

[64]-  در این سناریو، حداکثر پتانسیل تولید برق بادی به مدل پایه اضافه شده است

[65]-  مابقی تولید برق تجدیدپذیر،  به دلیل لزوم برقرار قیود قابلیت اطمینان تولید و پایداری شبکه، وارد شبکه مصرف برق منطقه­ای نمی­شود و با اهداف صادراتی تولید می­شود؛ زیرا در صورت بالا رفتن ضریب نفود برق نوسان­پذیر تجدیدپذیر در شبکه قدرت، قابلیت اطمینان تولید و احتمال بروز خاموشی افزایش پیدا می­کند و قیود قابلیت اطمینان سیستم تولید، اجازه تولیدِ فراتر از محدوده مشخصی را که تامین­کننده پایداری سیستم باشد و به اطمینان سیستم تولید خدشه­ای وارد نکند، نخواهد داد.

[66]- این حجم بهینه با توجه به برآورده شدن قیود انتقال بین­منطقه­ای و بین ­المللی تعیین شده است. به عبارت دیگر با توجه به ضریب بهره­برداری 25 درصدی نیروگاه­های بادی در محدوده خراسان بزرگ که توسط شرکت برق منطقه­ای خراسان برآورد شده است، پتانسیل 7000 مگاواتی برق بادی در خراسان بزرگ، تولیدی معادل 15 میلیون مگاوات ساعت را در سال فراهم خواهند نمود که در این شرایط، صادرات برق مازاد بر نیاز شبکه، کاملا بستگی به میزان محدودیت­های پست­های انتقال دارد.

[67]- در محاسبه این شاخص از روش پژوهش (5) صفحات 86-88 استفاده شده است. برای اطلاعات بیشتر ر.ک:

Lund, H. (2014) Advanced Energy Systems Analysis Computer Model, Documentation Version 11.4, Aalborg University, Denmark

Holttinen H, Hirvonen R, Power System Requirements for Wind Power, Wind Power in Power Systems, John Wiley & Sons Ltd., 2005, pp. 144-167.

1- مازاد بحرانی تولید انرژی الکتریکی (Critical Excess Electricity Production) عبارت است از میزان انرژی الکتریکی مازاد تولیدشده فراتر از ظرفیت خطوط انتقال. در حقیقت در برنامه­ریزی آنالیزی یک شبکه هوشمند، نباید به شبکه یک­پارچه تولید این مجوز داده شود که تولیدی فراتر از مجموع تقاضای داخلی و حداکثر ظرفیت خطوط انتقال برق را در سیستم تولید، عرضه نماید.به همین دلیل به هنگام بروز مازاد بحرانی تولید  انرژی الکتریکی، لازم است که سیستم تولید تصحیح شود. راه­کار عمومی مقابله با این مازاد بحرانی، کاهش تولید در خطوط تولید تجدیدپذیر و تجدیدناپذیر است، به نحوی که در نهایت کاهش انفرادی یا ترکیبی تولید در نیروگاه­ها، منجر به تراز میان عرضه و تقاضای کلی داخلی و خارجی گردد.

1- از آن­جایی که در هر سناریو، یکسانی (50 مگاوات) به ظرفیت سیستم ذخیره­ساز هوا فشرده اضافه می­شود، می­توان درصد رشد به ازای گام­های مشابه افزایش ظرفیت سیستم را محاسبه نمود.

[70]- در محاسبه این شاخص از روش لوند (2014) صفحات 86-88 استفاده شده است. برای اطلاعات بیشتر ر.ک:

Lund, H. (2014) Advanced Energy Systems Analysis Computer Model, Documentation Version 11.4, Aalborg University, Denmark

Holttinen H, Hirvonen R, Power System Requirements for Wind Power, Wind Power in Power Systems, John Wiley & Sons Ltd., 2005, pp. 144-167.

 

 

1- از آن­جایی که شبیه­سازی بر اساس تقویم میلادی انجام شده است، روز آغازین یک ژانویه (11 دی) و روز پایانی 30 دسامبر است.

1- Grid Stability

[73]- Reliability

[74]- لازم به ذکر است که زمان لازم برای راه­اندازی توربین­های گازی دارای قابلیت استارت سریع، به طور متوسط 20-30 دقیقه است. این در حالی است که زمان لازم برای راه­اندازی سیستم هوای فشرده، کمتر از 10 دقیقه می­باشد (28).

[75]- در سیستم­های هیبرید، قابلیت اطمینان به معنای ایجاد و حفظ تراز میان عرضه و تقاضای برق شبکه به هنگام مواجهه با اختلالات ناگهانی ناشی از تغییرات عرضه و تقاضا است. برای تامین چنین قابلیتی در سیستم لازم است که سیستم به نحوی طراحی شود که بتواند فورا به اختلالات احتمالی واکنش نشان دهد و پس از برطرف شدن این اختلالات، مجددا به فرآیند نرمال بازگردد (3). در حقیقت سیستم هوای فشرده را می­توان برای افزایش کیفیت توان، پایداری شبکه و ارتقاء قابلیت اطمینان مورد استفاده قرار داد. کیفیت توان به وجود نوسانات ولتاژ، قطع موقتی برق و به­سازی شبکه مربوط می­شود که سیستم ذخیره هوای فشرده را می­توان به عنوان یک واحد توان برای کاهش میزان نوسانات و اختلالات شبکه در محدوده یک استاندارد مورد استفاده قرار داد.

5- با این حال یکی از مهم­ترین چالش­های سیستم­های هیبرید فسیلی- تجدیدپذیر، افزایش قیمت تمام­شده سیستم تولید به هنگام ورود برق بادی به سیستم تولید است که با توجه به نوپا بودن انرژی­های تجدیدپذیر در کشور، باید حمایت ویژ­ه­ای از سوی دولت برای تقویت و تامین­ مالی این پروژه­ها صورت گیرد.

 

  1. Van Notten, W. F., Sleegersb, and A.M. and van Asselt, M.B.A., 2005, the future shocks: On discontinuity and scenario development; Technological Forecasting and Social Change, Volume 72, Issue 2, February 2005, Pages 175–194.
  2. Jaffe, A. B. and Stavins R. N. ,1994, The energy-efficiency gap, What does it mean?, Energy Policy 1994, 22 (10), pp 804-810
  3. Kanase Patil, A. B., R. P. Saini, M. P. Sharma, 2011, Sizing of integrated renewable energy system based on load profiles and reliability index for the state of Uttarakhand in India, Renewable Energy, vol. 36, pp. 2809-2821.
  4. Tanrioven, M., 2005, Reliability and cost-benefits of adding alternate power sources to an independent micro-grid community, Journal of Power Source, vol. 150, pp. 136–149.
  5. Lund, H., 2014, Advanced Energy Systems Analysis Computer Model, Documentation Version 11.4, Aalborg University, Denmark.
  6. ادریسیان. اشکان، سامانی. حمید و ناصح. مجیدرضا، 1391، الگوی جدید هایبرید هوای فشرده برای تولید پایدار در مزارع بادی، دومین همایش ملی انرژی باد و خورشید، هم اندیشان انرژی کیمیا، تهران.
  7. هادی. حمید و حقیقی خوشخو. رامین، 1393، طراحی مفهومی سیستم ذخیره­سازی انرژی هوای فشرده در مقیاس کوچک (Micro CAES) به همراه توربین بادی برای تامین برق یک واحد مسکونی، بیست و هشتمین کنفرانس بین­المللی برق، تهران.
  8. مرادی، شهرام و هنرمند، محمداسماعیل، 1388، بررسی استفاده از نیروگاه­های بادی به همراه سیستم های ذخیره ساز انرژی، نخستین کنفرانس انرژی های تجدید پذیر و تولید پراکنده ایران، بیرجند، دانشگاه بیرجند.
  9. ارشادی عباس آباد. سالار، میرزایی ضیاپور. بهروز و عتابی. فریده، 1392، بهینه سازی عددی سیستم هیبریدی باد- دیسل- ذخیره انرشی هوای فشرده بر مبنای الگوریتم ژنتیک، اولین همایش سراسری محیط زیست، انرژی و پدافند زیستی، تهران، موسسه آموزش عالی مهر اروند، گروه ترویجی دوستداران محیط زیست.
    1. Celik, A. N., 2003, Techno-economic analysis of autonomous PV-wind hybrid energy systems using different sizing methods, Energy Conversion Management, vol. 44, pp. 1951–1968,
    2. Celik, A. N., 2002, Optimisation and techno-economic analysis of autonomous photovoltaic–wind hybrid energy systems in comparison to single photovoltaic and wind systems, Energy Conversion Management, vol. 43, pp. 2453–2468.
    3. Koutroulis, E., D. Kolokotsa, A. Potirakis, K. Kalaitzakis, 2006, Methodology for optimal sizing of stand-alone photovoltaic/wind-generator systems using genetic algorithms, Solar Energy, vol. 80, pp. 1072–88.
    4. Ekren, B. Y. and O. Ekren, 2009, Simulation based size optimization of a PV/wind hybrid energy conversion system with battery storage under various load and auxiliary energy conditions, Applied Energy, vol. 86, pp. 1387–94.
    5. Tascikaraoglu, A. M. Uzunoglu, B. Vural, 2012, The assessment of the contribution of short-term wind power predictions to the efficiency of stand-alone hybrid systems, Applied Energy, vol. 94, pp. 156-165.
    6. Takagi, M. and Y. Iwafune, K. Yamaji, H. Yamamoto, K. Okano, R. Hiwatari, T. Ikeya, 2013, Economic value of PV energy storage using batteries of battery-switch stations, IEEE Trans. on Sustainable Energy, vol. 4164-73.
    7. Abbaspour, M., Satkin, M., Mohammadi-Ivatloo, B.,  Hoseinzadeh Lotfi, F. and Noorollahi, Y., 2013, Optimal operation scheduling of wind power integrated with compressed air energy storage (CAES), Renewable Energy, 51 (2013) pp53-59.
    8. شرکت برق منطقه­ای خراسان، 1391، گزارش اقدامات شرکت برق منطقه­ای خراسان در زمینه توسعه انرژی­های تجدیدپذیر، مشهد.
    9. شرکت مشاوره مدیریت آریانا، 1391، تدوین نقشه راه توسعه انرژی­های تجدیدپذیر صنعت برق خراسان، پژوهش­گاه نیرو، مرکز رشد برق، واحد تحقیقات برق شرکت مشاوره مدیریت آریانا، تهران.
      1. Zelinka, I., 2001, Analytic programming by means of new evolutionary algorithms, Proceedings of 1st International Conference on New Trends in Physics’01, Brno, Czech Republic, pp. 210–214.
      2. Zelinka, I., 2002a, Analytic programming by means of soma algorithm, Proceedings of First International Conference on Intelligent Computing and Information Systems, Cairo, Egypt, pp. 148–154.
      3. Zelinka, I., 2002b, Analytic programming by means of soma algorithm, Proc. 8th International Conference on Soft Computing, VUT Brno, Mendel’02 Czech Republic, pp. 93–101.
      4. Zelinka, I., Oplatkova, Z. & Nolle, L., 2005, Analytic programming - symbolic regression by means of arbitrary evolutionary algorithms, In: Special Issue on Inteligent Systems of International Journal of Simulation, Systems, Science and Technology Vol.6 (No.9): 44–55.
      5. National Renewable Energy Laboratory, 2012, Cost and Performance Data for Power Generation Technologies, Golden, Colorado, United States, February 2012.
      6. Danish Energy Agency, 2012, Energinet.dk. Technology Data for Energy Plants, Danish Energy Agency.
      7. خلاصه تحولات اقتصادی کشور ،1391، بانک مرکزی جمهوری اسلامی ایران، تهران.
      8. رستمی. ثریا، حق پرست کاشانی. آرش و لاری. حمیدرضا، 1392، مطالعه و برآورد قیمت برق تولیدی از نیروگاه های بادی، خورشیدی و بیوگاز، نخستین کنفرانس ملی انجمن انرژی ایران، تهران، پژوهش­گاه نیرو.
      9. طاهری فرد. علی و شهاب. سمیه، 1389، بررسی جنبه های فنی و اقتصادی تولید برق زمین گرمایی، اقتصاد انرژی، شماره 125.
      10. Danish Energy Agency, 2011, Assumptions for socio‐economic analysis on energy, Danish Energy Agency.
      11. Succar, S. and Williams, R.H., 2008, Compressed Air Energy Storage: Theory, Resources, And Applications for Wind Power, published for the Princeton Environmental Institute, April 2008.