Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
Copyright © 2005-2010 Miyata / Akimoto / Tanaka Lab. All rights reserved.
リアルタイムの地域電力経営法と
充放電アルゴリズムの選択
東京大学大学院工学系研究科
システム創成学専攻
宮田秀明研究室
◯M2 今西 佑希
M1 柴田 一樹
2012/2/23
二次電池による社会システムイノベーション 第10回分科会
目次
1. 本研究の趣旨
2. リアルタイムの地域電力経営支援法
3. リアルタイム電力経営支援法適用例
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
1. 本研究の趣旨
1. 本研究の趣旨
◯リアルタイム電力経営支援
電力需要とPV発電量の予測をもとにリアルタイムに
地域電力システムの電力経営支援を行う手法の開発
◯最適アルゴリズム検証
電力需要変動やPV及び二次電池の導入量に応じた
最適な充放電アルゴリズムの検証
重要なのは、
目的によって最適なアルゴリズムは異なる
、ということ
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
2. リアルタイム地域電力経営支援法
2.リアルタイム電力経営支援法
電力経営支援法のシステムフロー
開始 データの読み込み 電力システムモデル化 day=0 RE発電,電力需要の予測 予測誤差許容ラインの算出 予測修正 条件 計画修正 条件 充放電の実行 day=Last step=Last 終了 予測修正 計画修正 Y N Y N N N 充放電計画の策定 step=0 設備仕様データ 需給関連データ パラメータデータ オペレーション データ 統合データベース 充放電アルゴリズムの決定PV発電、二次電池の容量や配置など
電力システムをモデル化
充放電アルゴリズムの決定
電力システムにおいて
日々の電力経営支援を行う
準備段階
運用段階
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
2.リアルタイム電力経営支援法
運用段階における電力経営支援法のシステムフロー
7
Y
Y
N
N
N
電力需要量の予測
開始予測誤差許容ラインの算出
充放電計画の策定
step=0
PV発電量の予測
修正予測
条件
修正計画
条件
充放電の実行
step=
Last
終了修正予測
修正計画
前日のオペレーション
当日のオペレーション
10% 15% 20% 25% 30% 0:00 4:00 8:00 12:00 16:00 20:00
2-1-3. 予測誤差許容ラインの算出
予測誤差許容ラインの定義
二次電池は通常容量の30%~70%を利用するが、予測誤差に対応するために
下から10%~30%の間の20%を
予測誤差吸収領域(マージン)
とする。
オペレーション当日早い時間帯にマージンを使い切らないように、
各ステップでの予測誤差吸収領域の利用可能量を制限し、その制限値を
定めたラインを
予測誤差許容ライン
と定義する。
二次電池の利用容量
70%
30%
10%
系統供給計画を立
てる際に利用する
二次電池の容量
予測誤差を吸収す
るマージン部分
時刻tにおける
マージンの利用可能量
予測誤差許容ライン
時間に応じて、マージンの利用可能量
が変化する
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
2-1.リアルタイム電力経営支援法 前日のオペレーション
4. 充放電計画の策定
9
Y
Y
N
N
N
電力需要量の予測
開始予測誤差許容ラインの算出
充放電計画の策定
step=0
PV発電量の予測
修正予測
条件
修正計画
条件
充放電の実行
step=
Last
終了修正予測
修正計画
前日のオペレーション
当日のオペレーション
2-1-4. 充放電計画の策定
充放電アルゴリズムによる計画
充放電アルゴリズムとは
電力需要及びPV発電量をもとに、ある時点から一定期間の
二次電池からの充放電を最適化するアルゴリズム
-0.5 0 0.5 1 1.5 2 0:00 4:00 8:00 12:00 16:00 20:00 po w e r[ M W h/ 0 .5 h] demand re netDemand 0 1 2 3 4 5 6 7 8 9 10 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 0:00 4:00 8:00 12:00 16:00 20:00 st or ag e [M W h] pow e r[ M W h/ 0 .5 h]netDemand supply storage
充放電
アルゴリズム
目的の電力経営を実現
充放電アルゴリズムを用いることで、目的とする電力経営を実現できる
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
2-1-4. 充放電計画の策定
目的に応じた充放電アルゴリズムの用意
PV容量、二次電池容量、需要カーブ、目的に応じて
充放電アルゴリズムを用意する
用いるアルゴリズムは以下の四つ
1.余剰電力最小化アルゴリズム
2.多段平滑化アルゴリズム
3.ピークカットアルゴリズム
4.ピークカットボトムアップ(PCBU)アルゴリズム
11
重要なのは、
目的によって最適なアルゴリズムは異なる
、ということ
Y
Y
N
N
N
電力需要量の予測
開始予測誤差許容ラインの算出
充放電計画の策定
step=0
PV発電量の予測
修正予測
条件
修正計画
条件
充放電の実行
step=
Last
終了修正予測
修正計画
前日のオペレーション
当日のオペレーション
2.リアルタイム電力経営支援法
運用段階における電力経営支援法のシステムフロー
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
3. リアルタイム電力経営支援法適用例
3. リアルタイム電力経営支援法適用例
適用例の対象地域選定
(2)沖縄のリゾート施設
リアルタイム電力経営支援法を二つの対象地域に適用する
(1) コミュニティ
東京都1000戸のコミュニティ
1日平均電力需要20MWh
対象期間:2010年の1年間
宿泊可能人数 1200人
1日平均電力需要10MWh
対象期間:2008年の1年間
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
3-2. リゾート適用
需要データ準備
年間の日次電力需要
ある一週間の電力需要
0 2 4 6 8 10 12 14 16Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
日 次 電 力 需 要量 [M W h/ da y] 0 50 100 150 200 250 300 350 400 0 :0 0 8 :0 0 1 6 :0 0 0 :0 0 8 :0 0 1 6 :0 0 0 :0 0 8 :0 0 1 6 :0 0 0 :0 0 8 :0 0 1 6 :0 0 0 :0 0 8 :0 0 1 6 :0 0 0 :0 0 8 :0 0 1 6 :0 0 0 :0 0 8 :0 0 1 6 :0 0 電力需要量 [K W h/ 0 .5 h]
15
リゾート施設の需要データは、実データを使用する
一日の平均需要は10MWh
需要データの準備
コミュニティに比べて需要変動は小さいが、細かい変動には対応が必要
需要の特徴
年間で見ると、夏場だけ需要が高く、他の時期は同程度の大きさである
一日の変動の形状はあまり変化していない
データ期間:2007 – 2008年
発電量も変動が大きく日によって異なるため、電池による電力経営が必要と考えられる
3-2. リゾート適用
発電データ準備
※コミュニティと同じデータを使用する
都内某所に設置されたPV発電設備の実データを使用する
出力:100kWp
7/1~7/4のPV発電量
10/1~10/4のPV発電量
PV発電量の例
PV発電量データの準備
PV発電量の特徴
需要に比べて変動が大きい
日によって変動の形状が異なる
データ期間:2008 – 2010年
※期間が異なるが、2010年データを
2008年のものとしてシミュレーションを行う。
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo
3-2. リゾート適用 シミュレーション結果
PV・二次電池導入量、アルゴリズムごとの評価値比
較
CO
2削減率[%]
ピーク削減率[%]
PV1MWp
PV3MWp
17
0% 5% 10% 15% 20% 25% 30% 35% 1 3 5 7 9 11 13 15 17 19 CO 2 削減率 二次電池容量[MWh] 多段平滑化 ピークカット PCBU 余剰電力 0% 5% 10% 15% 20% 25% 1 3 5 7 9 11 13 15 17 19 ピ ー ク 削 減 率 二次電池容量[MWh] 多段平滑化 ピークカット PCBU 余剰電力 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 1 3 5 7 9 11 13 15 17 19 CO 2 削減率 二次電池容量[MWh] 多段平滑化 ピークカット PCBU 余剰電力 0% 5% 10% 15% 20% 25% 30% 1 3 5 7 9 11 13 15 17 19 ピ ー ク 削 減 率 二次電池容量[MWh] 多段平滑化 ピークカット PCBU 余剰電力評価値
目的や設備導入量によって最適な充放電アルゴリズムは異なる
需要0.3日分*
需要0.9日分*
*1日の需要量と同じ電力量を発電するPV導入量を「需要1日分」と表記する。
3-2. リゾート適用 シミュレーション結果
PV・二次電池導入量、アルゴリズムごとの評価値比
較
CO
2削減率[%]
ピーク削減率[%]
PV1MWp
PV3MWp
0% 5% 10% 15% 20% 25% 30% 35% 1 3 5 7 9 11 13 15 17 19 CO 2 削減率 二次電池容量[MWh] 多段平滑化 ピークカット PCBU 余剰電力 0% 5% 10% 15% 20% 25% 1 3 5 7 9 11 13 15 17 19 ピ ー ク 削 減 率 二次電池容量[MWh] 多段平滑化 ピークカット PCBU 余剰電力 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 1 3 5 7 9 11 13 15 17 19 CO 2 削減率 二次電池容量[MWh] 多段平滑化 ピークカット PCBU 余剰電力 0% 5% 10% 15% 20% 25% 30% 1 3 5 7 9 11 13 15 17 19 ピ ー ク 削 減 率 二次電池容量[MWh] 多段平滑化 ピークカット PCBU 余剰電力評価値
PV1MWp, 二次電池3MWh, PCBUアルゴリズムを用いたケースを詳細に確認する
目的や設備導入量によって最適な充放電アルゴリズムは異なる
需要0.3日分*
需要0.9日分*
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo 0 500 1000 1500 2000 2500 0 50 100 150 200 250 300 350 400 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 電力貯蔵量 [K W h] 電力量 [K W h/ 0 .5 h] 需要:実績 需要:修正予測 PV発電:実績 RE発電:修正予測 系統供給 電力貯蔵量
3-2. リゾート適用 シミュレーション結果
PV1MWp, 二次電池3MWh, PCBUアルゴリズムの結果
当日の修正を行わない
当日の修正を行う
系統購入量
二次電池貯蔵量
7/8 – 7/14の電力量推移
予測・計画修正により、ピークの削減が実現される
0 500 1000 1500 2000 2500 0 50 100 150 200 250 300 350 400 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 0:00 6:00 12:00 18:00 電力貯蔵量 [K W h] 電力量 [K W h/ 0 .5 h] 需要:実績 需要:予測 PV発電:実績 PV発電:予測 系統供給 電力貯蔵量 二次電池の 下限 二次電池の 下限PV:需要0.3日分
電池:需要0.3日分
ピーク削減率(%)
CO
2
削減率(%)
仕様設計シミュレーション
21.3
15.5
電力経営シミュレーション
17.8
15.5
3-3.仕様設計シミュレーションとの比較
各対象地域のシミュレーション結果の評価
コミュニティ (PV1MWp, 二次電池3MWh, 多段平滑化)
リゾート施設 (PV1MWp, 二次電池3MWh, PCBU)
ピーク削減率(%)
CO
2
削減率(%)
仕様設計シミュレーション
22.5
27.3
電力経営シミュレーション
15.7
26
仕様設計と比較すると、CO2削減率はほぼ同水準の精度である
一方ピーク削減率は小さいが、これは日の前半で予測誤差が蓄積することにより
日の後半のピークに備えて蓄電を計画しておくことが難しいためである。
需要・発電予測、当日の修正法ともに、改善していく余地がある
Department of Systems Innovation, Graduate School of Engineering, The University of Tokyo