Polska energetyka i ciepłownictwo są obecnie w szczególnym momencie. Z jednej strony wytwórcy energii elektrycznej i ciepła muszą rozwiązywać znane problemy, czyli jak w aktualnej sytuacji w sposób ekonomicznie opłacalny prowadzić swą działalność. Z drugiej strony stawiane są przed nimi kolejne poważne wyzwania, np. wynikające z implementacji dyrektyw EU ETS i IED oraz planowanych zmian w systemach wsparcia [1], zazwyczaj wymagające nowych inwestycji i pociągające za sobą znaczne obciążenie finansowe. Przy rozwiązywaniu tych problemów warto dokonać weryfikacji działań, które – jak przynajmniej obecnie się uważa – prowadzone są w sposób wystarczająco poprawny. Okazuje się bowiem, że w wyniku przeprowadzenia takiego  „remanentu” w wielu jednostkach wytwórczych nadal występuje znaczny potencjał zysku.

Klasyczne zagadnienie Ekonomicznego Rozdziału Obciążeń
        Zgodnie z [2], przez ekonomiczny rozdział obciążeń (ERO) między elektrowniami lub blokami wytwórczymi należy rozumieć taki rozdział obciążeń mocą czynną, który zapewnia minimum kosztów produkcji i przesyłu energii elektrycznej, tj. minimum kosztów energii dostarczanej odbiorcom. W zależności od możliwości technicznych stosowanych uproszczeń w obliczeniach oraz celu tych obliczeń (np. operatywna realizacja ERO, planowanie dobowe lub roczne pracy elektrowni) można stosować różne metody obliczania ERO.
         Obecnie pojęcie Ekonomicznego Rozdziału Obciążeń (na potrzeby artykułu używać się będzie skrótu ERO-EE) utożsamiane jest z zagadnieniem optymalizacji w dwóch obszarach: rozdziału obciążeń bloków wytwórczych mocą czynną w elektrowniach lub elektrociepłowniach; rozdziału obciążeń bloków wytwórczych mocą czynną w SEE. Celem optymalizacji ERO-EE jest w wyznaczonym przedziale czasu określenie takiego składu jednostek i obciążenia ich mocą czynną przy zachowaniu ograniczeń techniczno-eksploatacyjnych, aby uzyskać zakładany efekt ekonomiczny w postaci: minimalizacji kosztów produkcji energii elektrycznej; maksymalizacji zysku.
         Powyższe efekty, choć do siebie podobne, różnią się istotnie pod względem opracowania modelu optymalizacyjnego. W przypadku zadania optymalizacyjnego opartego na minimalizacji kosztów produkcji, wolumen produkowanej energii na poszczególnych blokach wytwórczych dobiera się w taki sposób, aby koszt produkcji energii był jak najmniejszy. Natomiast w zagadnieniu optymalizacyjnym bazującym na maksymalizacji marży brutto, wolumen produkowanej energii dobiera się w taki sposób, aby zysk ze sprzedaży energii oraz produktów pochodnych był jak największy, co może powodować, że koszt produkcji nie jest najmniejszy.
        Od strony algorytmicznej do rozwiązania zagadnienia optymalizacji ERO-EE stosowanych jest kilka metod matematycznych, z których najważniejsze to:
• metoda ekspercka polegająca na stosowaniu uproszczonych algorytmów wspomagających podejmowanie decyzji eksperta;
• metoda mnożników Lagrange-a;
• metoda mnożników Kuhna-Tuckera;
• metody symulowanego wyżarzania oraz algorytmy ewolucyjne; programowanie dynamiczne;
• programowanie liniowe i metody pochodne.

         Powyższe metody stosowane do zagadnień optymalizacyjnych ERO-EE mają swoje mocne i słabe strony, a dobór konkretnej metody podyktowany jest przeważnie oceną stopnia złożoności danego zagadnienia i dostępnością mocy obliczeniowej. 
        Historycznie najstarszymi są metody mnożników Lagrange-a i Kuhna-Tuckera, niemające dużych wymagań mocy obliczeniowych (stosowane od lat 30., szeroko stosowane od lat 50. ubiegłego wieku). Wadą tych metod jest trudność w konstruowaniu modelu optymalizacyjnego, w którym należy stosować wiele uproszczeń, jak również praktycznie brak możliwości znalezienia optymalnego rozwiązania globalnego w całym przedziale czasu – dostępne są rozwiązania optymalne dla poszczególnych punktów w czasie.
         Nowszymi sposobami rozwiązywania zagadnień EROEE (od lat 80. ubiegłego wieku) są metody symulowanego wyżarzania oraz algorytmy ewolucyjne, jednak z powodu słabej jakości wyników (łatwe znajdowanie ekstremów lokalnych, trudna lokalizacja ekstremów globalnych) stosowane są one raczej jako algorytmy uproszczone bądź uzupełniające na zasadzie heurystyk.
        Metody oparte o programowanie dynamiczne stosowane są do prostych zagadnień ERO-EE i nie wymagają dużych mocy obliczeniowych, jednak posiadają dużą wadę polegającą na znajdowaniu rozwiązań optymalnych w poszczególnych chwilach. Jednak suma rozwiązań optymalnych w tych chwilach nie jest globalnie optymalna dla całego przedziału czasu.
        Najszerzej obecnie stosowane metody optymalizacyjne ERO-EE opierają się na programowaniu liniowym oraz metodach pochodnych, takich jak programowanie nieliniowe i całkowitoliczbowe. Algorytmy bazujące na tej metodzie, implementujące zagadnienie ERO-EE, są wynikiem prac badawczo-naukowych z ostatnich kilkunastu lat i pozwalają znaleźć rozwiązanie optymalne, globalne zagadnienia wymagają jednak olbrzymich mocy obliczeniowych.
       W Polsce do optymalizacji ERO-EE w KSE stosowana jest metoda programowania liniowego, całkowitoliczbowego. Autorem modelu zmodernizowanej wersji algorytmu optymalizacji planu BPKD, uwzględniającym znaczniki regulacji pierwotnej i wtórnej, jest współautor niniejszego artykułu Błażej Oleszkiewicz. System optymalizacji KSE w PSE Operator S.A. wdrożony został przez firmę Winuel S.A.(obecnie Sygnity S.A.).
         Warto w tym miejscu wspomnieć o ogromnym postępie prac naukowych w tym kierunku. W literaturze naukowej sprzed 2006 roku metody te praktycznie nie są opisywane od strony zastosowań. Wynika to z braku dostatecznie wydajnych systemów komputerowych do obliczeń oraz jest konsekwencją tego, że skuteczne algorytmy ERO-EE, oparte o programowanie liniowe, powstały i zostały praktycznie zastosowane w przeciągu ostatnich kilkunastu lat.

 Zminimalizować koszty
        Naturalnym kierunkiem rozwoju metod optymalizacyjnych w szeroko pojętym obszarze elektroenergetycznym jest adaptacja metodologii ERO-EE do procesów wytwórczych. Optymalizację produkcji jednostek wytwórczych można rozważać jako Ekonomiczny Rozdział Obciążeń elementów układu technologicznego (w skrócie ERO-PR) elektrowni bądź elektrociepłowni, którego celem jest uzyskanie zakładanego efektu ekonomicznego poprzez:
• dobór składu elementów układu technologicznego;
• parametryzację procesu wytwórczego;
• zaspokojenie potrzeb własnych;
• wykorzystanie układu akumulacji ciepła (w przypadku elektrociepłowni);
• produkcję energii elektrycznej oraz ciepła w wodzie i parze technologicznej;
• „produkcję” produktów pochodnych (praw majątkowych);
• zarządzanie uprawnieniami do emisji (w szczególności CO2);
• udział jednostek wytwórczych w rynku usług regulacyjnych; zarządzanie gospodarką remontowo-eksploatacyjną.
         Podobnie jak w przypadku ERO-EE, optymalizacja ERO-PR ukierunkowana jest • głównie na uzyskanie dwóch następujących efektów ekonomicznych:
• minimalizacja kosztów produkcji energii elektrycznej; maksymalizacja marży brutto.
         Algorytmy ERO-PR, których celem jest minimalizacja kosztów produkcji energii elektrycznej, stosowane są zazwyczaj w optymalizacji układów technologicznych świadczący chusługi regulacyjne oraz w elektrociepłowniach, gdzie głównym produktem jest ciepło w wodzie i parze technologicznej, natomiast produkcja energii elektrycznej oraz innych produktów jest pochodną podstawowej produkcji (przy czym często energia elektryczna może być wytwarzana w sposób niezależny od produkcji ciepła, np. poprzez wykorzystanie pseudokondensacji).
       Optymalizacja ERO-PR ukierunkowana na maksymalizację marży brutto stosowana jest przeważnie w elektrowniach, dużych elektrociepłowniach oraz elektrociepłowniach wykorzystujących akumulator ciepła.
        Konstrukcja procesu optymalizacji ERO-PR jest zagadnieniem dużo bardziej złożonym niż ma to miejsce w przypadku ERO-EE, ponieważ praktycznie dla każdego układu technologicznego musi być tworzony dedykowany model optymalizacyjny. Ogólny schemat budowy modelu optymalizacyjnego ERO-PR dla układu technologicznego elektrociepłowni realizowany jest w następujący sposób:
 1. Funkcja celu – określenie postaci funkcji celu na podstawie przyjętych założeń dotyczących ekonomicznego aspektu optymalizacji: minimalizacja kosztów produkcji, maksymalizacja marży brutto lub inny cel ekonomiczny.
2. Konstrukcja ograniczeń modelu optymalizacyjnego dotyczących:
a. Handlu produktami podstawowymi i pochodnymi – ograniczenia modelu optymalizacyjnego, których zadaniem jest uwzględnienie parametrów handlowych produkcji (cena sprzedaży oraz zakupów produktów podstawowych i pochodnych). Należy tu bardzo mocno podkreślić, że zagadnienie optymalizacji handlu produktami energetycznymi jest zupełnie innym zadaniem i często nazywane jest optymalizacją portfela produktów.
b. Składu elementów układu technologicznego – ograniczenia modelu optymalizacyjnego, których zadaniem jest uzyskanie optymalnej konfiguracji podzespołów układu technologicznego realizującego produkcję.
c. Procesu wytwórczego – ograniczenia modelu optymalizacyjnego, których zadaniem jest określenie parametrów krytycznych, zakresu ograniczeń technicznych oraz zakresu obciążenia poszczególnych elementów układu technologicznego.
d. Zaspokojenia potrzeb własnych – ograniczenia  modelu optymalizacyjnego, których zadaniem jest szczegółowe określenie zależności pomiędzy wolumenem produkcji produktów podstawowych, a ich konsumpcją na potrzeby procesu technologicznego.
e. Wykorzystania akumulacji ciepła – ograniczenia modelu optymalizacyjnego, których zadaniem jest uwzględnienie w pracy układu technologicznego możliwości czasowej akumulacji energii cieplnej w dedykowanych urządzeniach (akumulatory ciepła), jak również w sieciach ciepłowniczych.
f. Produkcji produktów podstawowych (energii elektrycznej oraz ciepła w wodzie i parze technologicznej) – ograniczenia modelu optymalizacyjnego, których zadaniem jest szczegółowe określenie zakresu wolumenów poszczególnych produktów podstawowych, jak również zależności pomiędzy nimi.
g. Produkcji produktów pochodnych – ograniczenia modelu optymalizacyjnego, których zadaniem jest wyznaczenie szczegółowych zależności pomiędzy produkcją produktów podstawowych i pochodnych (np. prawa majątkowe czerwone, zielone itp.).
h. Zarządzania uprawnieniami do emisji – ograniczenia modelu optymalizacyjnego, których zadaniem jest wyznaczenie zależności pomiędzy produkcją podstawową, a związaną z nią emisją zanieczyszczeń, w szczególności CO2 oraz bilansu ekonomicznego wolumenów poszczególnych emisji.
i. Udziału jednostek wytwórczych w rynku usług regulacyjnych – ograniczenia modelu optymalizacyjnego, których zadaniem jest uwzględnienie parametrów technicznych, eksploatacyjnych i ekonomicznych związanych z udziałem danej jednostki w konkretnej usłudze regulacyjnej.

        W zależności od złożoności modelu ERO-PR, w wyniku działania algorytmu optymalizacji otrzymuje się:
• plany produkcji produktów podstawowych;
• plany produkcji produktów pochodnych;
• plany zapotrzebowania na paliwa (węgiel, biomasa, paliwa rozpałkowe);
• plany zapotrzebowania na produkty energetyczne (np. zakup energii na potrzeby własne, zakup dodatkowych uprawnień do emisji CO2);
• główne wskaźniki produkcji (np. JKZ – jednostkowy koszt zmienny produkcji energii elektrycznej – wskaźnik mający fundamentalne znaczenie przy optymalizacji portfela produktów);
• plany składu podzespołów układu technologicznego użytego do produkcji;
• plany obciążenia poszczególnych podzespołów układu technologicznego;
• plany stopnia zużycia/żywotności podzespołów układu technologicznego;
• plany remontów podzespołów układu technologicznego;
• plany postojów elementów układu technologicznego.

W Polsce do optymalizacji ERO-EE w KSE stosowana jest metoda programowania liniowego, całkowitoliczbowego.

    Do implementacji modelu optymalizacyjnego ERO-PR stosuje się dokładnie te same narzędzia co w przypadku ERO-EE. Zupełnie nowym i zarazem kluczowym zadaniem przy wdrożeniu ERO-PR jest integracja systemu optymalizacyjnego z systemem automatyki układu technologicznego na poziomie pozyskiwania i agregacji danych pomiarowych. Budowa wysokiej jakości modelu optymalizacyjnego wymaga dokładnych i wiarygodnych danychpomiarowych oraz ich odpowiedniego przekształcenia i agregacji w celu dostosowania do modelu optymalizacyjnego. Zadanie to realizowane jest przez analityczne kolektory danych, których zadaniem jest:
• pozyskiwanie danych pomiarowych z systemów automatyki przemysłowej;
• składowanie danych pomiarowych;
• transformacja danych pomiarowych do postaci analitycznej oraz składowanie danych analitycznych;
• walidacja danych pomiarowych;
• możliwość stosowania charakterystyk zastępczych;
• rejestracja odchyleń od wartości bazowych.

        Od strony technicznej analityczny kolektor danych zbudowany jest z następujących, zintegrowanych ze sobą modułów:
• interfejs automatyki przemysłowej realizujący zadania pozyskiwania i zapisywania danych pomiarowych w bazie danych;
• baza danych pomiarowych służąca do składowania wyników pomiarów;
• moduł analityczny umożliwiający implementacje zaawansowanych funkcji związanych z obliczeniami inżynierskimi;
• analityczne repozytorium danych pozwalające na składowanie wyników obliczeń inżynierskich;
• interfejs danych analitycznych mający za zadanie udostępnianie danych bezpośrednio do procesu optymalizacyjnego.

 Warto zapamiętać
        Ekonomiczny Rozdział Obciążeń nie powinien wyłącznie minimalizować kosztów produkcji, gdyż takie działanie nie zawsze pozwala na otrzymanie pożądanych efektów ekonomicznych. Zastosowanie Ekonomicznego Rozdziału Obciążeń ERO-EE oraz ERO-PR ma zasadniczo zmienić podejście do optymalizacji, a mianowicie do maksymalizacji zysku przy zapewnieniu wymagań odbiorców ciepła i energii elektrycznej oraz dbałości o trwałość urządzeń wytwórczych. Zagadnienia ERO są złożone, lecz ich zastosowanie znacznie usprawnia pracę jednostek wytwórczych w zakresie ekonomicznym, technicznym i inwestycyjnym.

 Literatura
[1] Marcisz M., Szymała A., Wanatowicz P., Wojas K.: Nowe wyzwania dla energetyki. „Energetyka Cieplna i Zawodowa” 2011 nr 5.
[2] Henryk Gładyś, Ryszard Matla: Praca elektrowni w systemie elektroenergetycznym; PWN, Warszawa 1999.

Autorzy:  Błażej Oleszkiewicz, Sygnity S.A. i Krzysztof Wojas,  TÜV SÜD Polska Sp. z o.o.

Artykuł został opublikowany w magazynie "ECiZ" nr 6/2011

Źródło fot.: archiwum autorów