Řízení výkonu tepelných čerpadel podle dynamické ceny elektrické energie
Autoři se zabývají problematikou, se kterou je dosud v plné míře obeznámeno jen velmi málo odborníků, natožpak zákazníků. Dynamická cena elektrické energie je novinkou, o které většina malých odběratelů elektřiny dosud ani neslyšela, natož aby dokázala pochopit, jaké možnosti jim nabízí. Proto považuji za vhodné tento příspěvek zveřejnit. Na druhou stranu musím upozornit, že při uvažování úspor cca 10 % při platbě za elektřinu odebranou TČ okolo 20 tis. Kč/rok v běžném RD, bude úspora asi 2000 Kč/rok. Cenu řídicího systému autoři v příspěvku neuvádí, ale podle jejich ústního sdělení se může pohybovat okolo 50 000 Kč. Z toho lze odvodit návratnost okolo 25 let, která je pro běžný RD nezajímavá. U větších aplikací s větší úsporou v absolutní hodnotě bude návratností kratší. Lze předpokládat, že cena řídicího systému bude v čase klesat.
Recenzent: Richard Valoušek
V článku je rozebrána problematika řízení výkonu tepelných čerpadel podle dynamické ceny elektrické energie. Na simulační studii je ukázáno, že vhodným řízením výkonu, vzhledem k období s nízkou cenou elektrické energie, lze na straně koncového zákazníka ušetřit více než 10 % nákladů bez omezení aktuální potřeby energie. Řízení využívá prediktivní metodu, která má jako vstup především předpověď ceny elektrické energie a předpověď potřeby tepelné energie budovy.
Případová studie představuje případ, kdy je teplo do budovy dodáváno tepelným čerpadlem, teplo je poté akumulováno v taktovací nádrži a teprve poté rozváděno do jednotlivých částí budovy. Pro řízení výkonu tepelného čerpadla je využita prediktivní regulace, která dokáže využít znalosti předpovědi ceny elektrické energie, proměnného topného faktoru tepelného čerpadla, předpovědi počasí pro danou lokalitu a konečně i předpovědi potřeby energie budovy k tomu, aby maximalizovala snížení nákladů na vytápění objektu. Klíčovou komponentou je tedy nejen model tepelných potřeb a optimalizační rutina, ale i výše uvedená, dynamicky se měnící, cena elektrické energie.
Prediktivní regulace dokáže využít období s nižší cenou nakupované elektřiny k tomu, aby byl výsledný provoz úspornější. Podkladem pro studii bude struktura ceny elektrické energie a tarifů na příkladu společnosti Nano Energies.
Struktura ceny elektrické energie
Stávající struktura finální ceny elektrické energie sestává z několika položek, které můžeme rozdělit na fixní položky a položky za odebranou energii. Fixní položkou je platba za rezervovaný příkon podle jmenovité proudové hodnoty instalovaného hlavního jističe před elektroměrem. Položky dané skutečným množstvím odebírané energie můžeme opět rozdělit na část fixní, která mimo jiné pokrývá daň za elektřinu, poplatek za odběrné a předávací místo (OPM), dopravu elektřiny a distribuci elektřiny, a proměnlivou část silovou, která představuje platbu za vlastní elektrickou energii a dále služby zahrnující poplatky za využívání rozvodné soustavy.
Pro vytápění s tepelným čerpadlem je obecně k dispozici sazba s označením C56d pro firemní zákazníky, pro domácnosti se jedná o sazbu D56d. Je to dvoutarifová sazba s operativním řízením doby platnosti nízkého tarifu po dobu 22 hodin během dne, přičemž maximální souvislá doba trvání VT je 1 hodina, viz např. www.eru.cz.
Zákazník, který má, díky akumulaci, možnost přesouvat svoji spotřebu v čase, může, díky odběru elektřiny od společnosti Nano Energies, která zároveň zajistí operativní řízení spotřeby, ušetřit i více než 10 % nákladů na elektřinu. Velikost úspory závisí zejména na velikosti akumulačního potenciálu, tj. jak dlouhou dobu je možné využívat pouze akumulovanou energii. Řízení spotřeby je v dikci dodavatele elektrické energie a probíhá na základě specifického predikčního modelu pro konkrétní instalaci tak, aby nedošlo k omezení zákazníkova uživatelského komfortu.
Budova
Byla uvažována 4patrová kancelářská budova s půdorysem 16 m x 18 m a technickou výškou stropu 3 m. Stěny budovy mají tloušťku 0,5 m a U = 0,25 W·m–2·K–1. Podobně i střecha, podlaha, okna a dveře plní aktuální stavební požadavky. Ostatní parametry, jako návrhová venkovní teplota, orientace, umístění budovy, zastínění a ostatní, jsou zvoleny vzhledem k běžnému umístění kancelářských budov těchto parametrů.
Srdcem otopné soustavy je tepelné čerpadlo (TČ) a akumulační nádrž (AKU), ze které je dodávána otopná voda do celé budovy. Regulace teploty vnitřního prostředí zajišťuje dodržení referenční teploty, jež má profil odpovídající běžnému používání kancelářské budovy, tj. 22 °C v pracovních hodinách v pracovní dny a noční a víkendový útlum na 19 °C.
Tepelná ztráta budovy při návrhové venkovní teplotě –15 °C je 50 kW. AKU má tvar válce s objemem 2,5 m3 a po celém jejím povrchu je tepelná izolace se součinitelem tepelné prostupnosti 0,26 W·m–2·K–1. TČ je dimenzováno na pokrytí 80 % maximální tepelné ztráty budovy, tj. má výkon 40 kW. Topný faktor TČ je uvažován po částech lineární, a to COP = 2 pro teploty –7 °C a menší, COP = 5 pro teploty 13 °C a větší a mezi těmito krajními hodnotami se mění lineárně.
Pro účely optimálního prediktivního řízení byl vytvořen dynamický model akumulace energie v AKU založený na metodě white-box. Model popisuje vývoj teploty otopné vody v AKU v závislosti na energii dodávané TČ, na energii odebírané budovou, na ztrátách povrchem AKU. Energie odebíraná budovou závisí na slunečním osvitu a na provozu budovy. Sluneční osvit je měřený na horizontální plochu a zahrnuje v sobě informaci o zastínění mraky. Následně je přepočítán ze zdánlivé polohy Slunce na obloze na intenzitu záření na každou jednotlivou stěnu a dále přes plochu oken a jejich útlum na energetické zisky přímo v budově. Na vnitřní energetické zisky budovy je přepočítán i počet lidí pracujících v budově, ten byl zvolen dle běžného používání kancelářské budovy dané velikosti.
Prediktivní řízení MPC
V budově bylo implementováno prediktivní řízení MPC (z angl. model-based predictive control), což je zpětnovazebný optimální regulátor [1]. V problematice řízení HVAC systémů je optimalizace chápána většinou buď jako minimalizace celkových nákladů, minimalizace spotřebované energie, minimalizace odchylky od žádané referenční teploty, nebo jejich kombinace. Prediktivní znamená, že kromě aktuálně změřených veličin regulátor využívá i předpovědi průběhu těchto veličin na zvoleném predikčním časovém horizontu. S takovýmto náhledem do budoucnosti se váže i nutnost mít dynamický model chování otopné soustavy, který nám řekne, jaké chování můžeme očekávat. Model systému je potom součástí regulátoru, jenž má díky předpovědím znalost o budoucím chování systému a umí ji patřičně využít.
V našem případě kancelářské budovy MPC regulátor kontroluje hlavní energetické toky v budově a dle aktuálních a budoucích energetických potřeb budovy řídí nabíjení AKU. Hlavními energetickými toky v budově jsou elektrická energie odebíraná TČ, tepelná energie dodaná čerpadlem do AKU, přirozené chladnutí otopné vody v AKU, odběr energie z AKU pro potřeby regulace teploty vnitřního prostředí budovy a vychládání budovy do okolního prostředí spolu s energetickými zisky od Slunce a od lidí pracujících v budově. Regulátor v návaznosti předpovězenou dynamicky se měnící cenu silové energie zahrnuje do optimalizace a podle toho řídí TČ.
Velkou roli má velikost AKU, aby byla schopná pojmout potřebné teplo. Pro tento účel byla teplota otopné vody v AKU řízena v povoleném rozmezí teplot, kdy nejvyšší teplota byla stanovena na 65 °C (voda v AKU je primárně určena pro radiátory) a nejnižší teplota je aktuálně odvozována od ekvitermní regulace. V MPC regulátoru je implementována i přibližná závislost velikosti COP tepelného čerpadla na okolních podmínkách. Každý optimalizační výpočet včetně komunikace se senzory a řídicí jednotkou netrvá déle než asi 20 s a tato doba pro vytápění nepředstavuje žádné výrazné omezení.
Provedené simulace
Byly navrženy a simulovány 3 strategie řízení teploty otopné vody v AKU, které jsou navzájem porovnatelné, a které názorně ukazují přínos MPC regulátoru s implementovanou dynamickou cenou silové energie oproti běžně používanému jednoduššímu řízení. Strategie řízení jsou:
- Varianta 1) On/off řízení podle teploty otopné vody v AKU. Když je teplota v AKU pod spodní povolenou hranicí, zapne se TČ na plný výkon. Když teplota v AKU dosáhne 65 °C, TČ se vypne. Cena elektrické energie je v tomto případě uvažována dle tarifu C56d.
- Varianta 2) MPC bez uvažování proměnné ceny silové energie. MPC regulátor má k dispozici předpověď počasí včetně modelu slunečního osvitu a také profil obsazenosti budovy lidmi. Z těchto předpovědí se dopočítá předpověď průběhu COP a následně i chování celého systému, dle čehož je spočítáno nejlepší možné řízení ve smyslu minimalizace nákladů a zároveň udržení teploty otopné vody v AKU ve stanovených mezích. I v tomto případě je cena energie uvažována dle tarifu C56d.
- Varianta 3) MPC uvažující proměnnou cenu silové energie. MPC regulátor je nastaven stejně jako výše, jediný rozdíl je právě v zahrnutí dynamické ceny silové energie včetně její predikce do optimalizačních výpočtů.
Rozdíl mezi variantami 2) a 3) je tedy dán pouze použitím tarifu C56d nebo dynamické ceny.
Výsledky
Pro simulace byla použita data za leden až únor 2015, a to naměřené hodnoty venkovní teploty (sloužící pro výpočet energetických ztrát budovy obálkou a COP čerpadla), solárního výkonu a skutečné ceny energie. Všechny 3 varianty běžely za stejných okrajových podmínek a varianty 2 a 3 měly stejně nastavené všechny parametry MPC regulátoru (horizont predikce, tvar kritéria včetně vah v něm apod.) kromě těch, ve kterých se z principu zadání liší. Výsledky jednotlivých simulací jsou shrnuté v tab. 1, detail průběhy veličin je pak zobrazen na obr. 1.
V tabulce lze pozorovat jednoznačně pozitivní vliv použití MPC regulátoru využívajícího dynamickou cenu silové energie a její předpověď. Obecně lze sledovat trend klesání nákladů se zlepšováním řídicího algoritmu (varianta 2 dokáže lepším způsobem pracovat s COP, a proto vede na úspory v řádu jednotek procent), nicméně pokles ceny mezi variantou 2 a 3 je zcela zásadní. Jak již bylo řečeno dříve, právě tento cenový rozdíl je způsoben jen a pouze uvažováním dynamické ceny namísto tarifu C56d.
K tomu je nutné ještě říci, že statistické vlastnosti průběhu dynamické ceny jsou srovnatelné s vlastnostmi tarifní ceny. V lednu 2015 je mezi středními hodnotami, a tedy i mezi kumulativními součty cen za dobu simulace, rozdíl pod 0,5 %, mezi mediány je rozdíl 18 % ve prospěch dynamické ceny, v únoru 2015 jsou střední hodnoty a kumulativní ceny dynamické ceny zvýšeny o cca 9 % oproti tarifu a medián je téměř shodný (rozdíl pod 0,5 %). Můžeme tedy říci, že žádná z cen není nijak uměle zvýhodněna. Povšimněme si dále, že množství odebrané energie je přibližně stejné. To je zřejmé, jelikož kumulativní měsíční potřeba budovy je pro všechny simulace stejná. Malé rozdíly v odběru energie jsou proto způsobeny různým průběhem vychládání AKU (dle teploty vody uvnitř) a hlavně rozdílem mezi počáteční a koncovou teplotou vody v AKU.
Závěr
Simulace naznačily, že pomocí prediktivní regulace systému tepelné čerpadlo + akumulace lze dosáhnout významných úspor nákladů na vytápění. Zákazník svěří regulaci spotřeby energie do rukou dodavatele, který má možnost lepším způsobem nakupovat elektrickou energii na trhu a tím nabídnout zákazníkovi výhodnější cenu.
Vedlejším efektem je schopnost interakce odběrových zařízení zákazníků s distribuční sítí tak, aby spotřebu energie realizovali zejména v okamžicích nízké ceny, tj. přebytku energie v síti.
V současné době probíhá pilotní ověřování systému v reálných podmínkách. Dalšími oblastmi použití jsou například mrazírny, chladírny, datová centra, bazény, přečerpávací systémy, elektromobily, apod.
Literatura
- MACIEJOWSKI, J. M., Predictive Control: With Constraints. Pearson Education, 2002.
Predictive control of heat pump system based on spot market prices
This paper discusses the problem of demand side management, in particular control of the output power of heat pumps based on the spot market electricity price. The main presumptions are the ability of controlled HVAC system to shift energy load on the customer's side and sufficient credibility of an energy price prognosis on the electricity provider's side. It is shown that for successful implementation, it is required to have an energy load model, model of the accumulation as well as parameters of the heat pump. The models are together with the prediction of spot market price used within model predictive control framework resulting in cost savings higher than 10 %.
Keywords: energy efficiency, heat pump systems, electricity market
Poznámka redaktora
Dne 4. března 2015 schválila česká vláda Národní akční plán pro chytré sítě (NAP SG), č. j. 195/15, předložený MPO ČR. Jedním z cílů plánu je včas reagovat na trend zákazníků posilovat svoji soběstačnost při zásobování elektřinou a zejména reagovat na změny zatížení distribučních sítí narůstajícím počtem větších, ale i malých nových zdrojů, například využívajících OZE. Možnosti nové techniky zásadním způsobem mění současné zatížení základních zdrojů, o které se opírá elektrizační soustava a přenosové sítě. Proto je nutné vhodnou cenovou politikou motivovat odběratele k tomu, aby svým energetickým chováním pomáhali nerovnováhu odstraňovat. K tomu lze připočíst nabídky obchodníků s elektřinou, kteří ji nakupují na evropském trhu za určitých podmínek, a tak mají pochopitelně zájem, aby se jejich zákazníci chovali tak, jak při nákupu předpokládali. Nebo-li je k takovému chování motivují. Toto se týká i případu popsaného v příspěvku, kdy zákazník v podstatě předá řízení chodu svého TČ, zprostředkovaně přes logiku řídicího systému, dodavateli elektřiny. Nejde o principiální novinku, neboť současné hromadné dálkové ovládání HDO také spotřebitele motivuje k odběru elektřiny v době nižšího tarifu. Na rozdíl od současného HDO dynamická cena umožňuje mnohem přesnější řízení spotřeby, na kterém, jak ukazují autoři článku, může vydělat nejen obchodník, proto ji nabízí, ale i jeho zákazníci. NAP SG považuje období do roku 2019 za přípravné v tom smyslu, aby se vytvořily podmínky pro zabránění vážným problémům v zásobování elektřinou, které jinak s velkou pravděpodobností přijdou. Neznamená to, že některé prvky budoucích chytrých sítí nebudou zavedeny dobrovolně již dříve. Například půjde o elektroměry v domácnostech, které nebudou jako dosud jen postupně načítat spotřebu, ale budou ji vyhodnocovat každou čtvrthodinu. V dalších 4 až 5 letech se proto zcela jistě posunou i názory na využití dynamicky se měnící ceny a rovněž na dostatečnou velikost akumulace tepelné energie vyrobené s pomocí elektřiny.