Dans nos deux posts précédents, nous avons décrit comment intégrer la diversité PV (diversité à la fois dans la configuration de la conception et dans la géographie) dans la modélisation au niveau du parc, et comment générer des données sur la puissance du parc à haute fréquence. des données de puissance de parc à haute fréquence avec une résolution temporelle de 60 secondes. Dans ce billet, nous allons montrer comment les données de parc à haute fréquence peuvent être utilisées pour résoudre l'un des problèmes clés de l'intégration de l'énergie solaire dans les services publics : l'équilibrage de la charge en cas de variabilité accrue causée par l'énergie solaire photovoltaïque.
Le défi de l'intégration de la production variable
Les opérateurs de réseaux de services publics (ISO et services publics verticalement intégrés) ont pour mission d'équilibrer la production d'énergie électrique avec sa consommation. Pour ce faire, ils exploitent des ressources flexibles afin d'augmenter ou de réduire rapidement la production en réponse aux variations de la charge des clients. Cependant, lorsque des niveaux élevés de production d'énergie variable provenant de sources telles que le photovoltaïque sont introduits dans le réseau, le problème de l'équilibrage de la charge devient plus difficile. En effet, la production photovoltaïque peut fluctuer en fonction des variations des nuages, et le service public doit alors réguler non seulement les variations de la charge, mais aussi celles de la production photovoltaïque.
L'équilibrage des charges est effectué sur plusieurs échelles de temps. Par exemple, certaines ressources de production peuvent être réparties toutes les heures, d'autres toutes les cinq minutes ("temps réel") et d'autres encore toutes les quelques secondes. Les unités réparties toutes les quelques secondes suivent le signal de contrôle automatique de la production (CAG) afin de maintenir la fréquence du système en équilibre. Aux fins de cet article, nous nous concentrons sur l'équilibrage de la charge toutes les minutes à cinq minutes.
La quantification des ressources supplémentaires d'équilibrage de la charge requises pour le PV nécessitait jusqu'à présent une bonne dose d'approximation, car il n'existait pas de données à haute fréquence, synchronisées dans le temps, provenant d'un grand nombre de systèmes PV. L'approche décrite dans cet article aborde ce problème en modélisant des parcs photovoltaïques à l'aide de Données à haute fréquence pour produire les ensembles de données nécessaires aux ingénieurs de planification.
Estimation des besoins en matière de réglementation
Comme décrit dans les articles précédents, la production du parc photovoltaïque peut être simulée sur une base de 60 secondes. Cela signifie que la production du parc est disponible sous la forme d'une série de valeurs de puissance en MW avec des intervalles de 60 secondes, et cette série peut s'étendre sur une période d'étude spécifiée, telle qu'une année.
Chaque intervalle de 60 secondes peut être caractérisé par sa variation de la puissance du parc PV. Par exemple, si la production PV est de 1 000 MW à 12 h 00 et de 990 MW à 12 h 01, il y a une baisse de la puissance PV de 10 MW. En réponse à cette activité, le service public doit augmenter sa production d'électricité de 10 MW sur le même intervalle pour compenser ce changement.
La variation de la puissance du parc photovoltaïque peut être positive ou négative. Lorsqu'elle est positive, le service public doit diminuer la production d'autres ressources. Lorsqu'elle est négative, le service public doit augmenter la production d'autres ressources. Dans les deux cas, l'objectif est que le service public produise exactement la bonne quantité d'énergie, compte tenu de la production PV et de la charge actuelles.
La figure 1 illustre un histogramme de la variation de la puissance d'un parc photovoltaïque échantillon sur une période d'étude d'un an. L'axe X indique la variation de la puissance du parc dans un intervalle donné, et l'axe Y indique le nombre d'occurrences de cette variation au cours de l'année. L'utilisation de données dans ce format nous permet de sélectionner un intervalle de confiance raisonnable pour les exigences réglementaires. Par exemple, le graphique montre un intervalle de confiance de 99 %, ce qui signifie que 99 % des données se situent à l'intérieur des deux lignes rouges verticales.
Dans cet exemple, le graphique indique qu'à tout moment, nous avons 99 % de certitude que le parc photovoltaïque ne dépassera pas 0,013 MW de variation (à la hausse ou à la baisse) pendant une minute de l'année pour chaque MW de capacité installée du parc. Par exemple, si le parc photovoltaïque était de 1 000 MW, nous aurions à tout moment une confiance de 99 % dans le fait que le parc ne montera ou ne descendra pas de plus de 13 MW par minute.
Bien entendu, dans cet exemple, les fluctuations de puissance seraient bien inférieures à 13 MW au milieu de journées claires. Ces périodes de fluctuations beaucoup plus faibles sont assez fréquentes et sont représentées par les observations figurant au milieu du graphique. Mais pendant les périodes de nuages épars, lorsque la production PV passe de la pleine puissance à la puissance minimale et vice-versa, les variations de puissance sont plus importantes.
Les planificateurs de services publics s'intéressent aux conditions les plus défavorables, c'est pourquoi l'année entière est utilisée comme base (une année couvre les schémas saisonniers les plus défavorables). Dans cet exemple, le planificateur pourrait décider d'utiliser les 13 MW comme un cas extrême et de planifier le système pour qu'il soit capable de gérer une montée ou une descente de 13 MW par minute.
Cet exemple illustre également les avantages de la diversité géographique. Un seul petit système photovoltaïque en toiture peut fluctuer d'environ 90 % de sa puissance de sortie maximale pendant les périodes de forte variabilité. Pourtant, lorsque le parc est réparti sur une grande surface, du moins dans cet exemple, ce rapport est d'environ 1,3 %.
Personnalisation de l'ensemble de données
Grâce à l'approche de simulation haute fréquence disponible avec SolarAnywhere® FleetViewles services publics sont en mesure de modéliser une variété de scénarios rapidement et de manière rentable. Tout ce qu'il faut, ce sont les données météorologiques haute fréquence sous-jacentes, disponibles sur Données SolarAnywhereet une définition claire des ressources PV, qui sont idéalement obtenues au cours de la période de simulation. processus d'incitation ou d'interconnexion.
Avec FleetView, un service public pourrait générer un ensemble de données similaire à celui présenté ci-dessus, basé sur les conditions locales (ressource solaire disponible) et les hypothèses (taille, spécifications du système, emplacement de chaque système au sein du parc, etc.) L'ensemble de données serait unique pour la zone d'équilibrage de charge en question et pour les ressources PV locales. Pour la planification future, des ensembles de données pourraient être créés afin d'examiner d'autres scénarios, tels que des constructions à " haute pénétration " ou l'effet des grandes centrales électriques prévues.
Modélisation du parc photovoltaïque : Permettre une meilleure intégration des ressources distribuées dans le réseau
Dans cette série d'articles de blog, nous avons examiné certaines des méthodes utilisées pour simuler et analyser les parcs photovoltaïques. Bien que les données de comptage des systèmes PV individuels puissent être utilisées, elles ne sont souvent pas disponibles sur un nombre suffisant de sites ou ont une résolution temporelle insuffisante. La simulation de parc, cependant, met des outils puissants dans les mains des planificateurs et des opérateurs de services publics pour aider à comprendre l'impact de la généralisation du PV sur les systèmes de services publics existants.
Alors que la gestion de l'impact du photovoltaïque sur le réseau électrique actuel ou l'étude de scénarios futurs constituait autrefois un défi majeur, des méthodes et des outils de modélisation du parc photovoltaïque sont désormais disponibles pour éliminer l'incertitude de l'équation.