یک دهه پیش، بیشتر شبکه‌های برق حول چند ژنراتور قابل‌پیش‌بینی ساخته شده بودند؛ چند نیروگاه زغال‌سنگ‌سوز، شاید یک نیروگاه هسته‌ای، با خروجی پایدار در تمام طول شبانه‌روز. اکنون هزاران پنل خورشیدی روی پشت‌بام‌ها، مزارع بادی و سیستم‌های باتری خانگی، انرژی را به همان خطوط تزریق می‌کنند و با رد شدن یک ابر از بالای محله، ولتاژ دچار نوسان می‌شود. این عدم تطابق بین زیرساخت‌های قدیمی و الگوهای تولید جدید، دلیلی است که شرکت‌های خدماتی با عجله در حال جایگزینی نرم‌افزارهای کنترل چند ده ساله خود هستند، پیش از آنکه موج گرمای بعدی یا طوفان، این شکاف را آشکار کند.
مشکل پایداری شبکه هوشمند: چرا اسکادای کلاسیک ناکارآمد است
سیستم اسکادا (SCADA – Supervisory Control and Data Acquisition) برای دنیایی طراحی شده بود که شاید چند صد داروی قابل‌کنترل داشت؛ نیروگاه‌های بزرگ، پست‌های بزرگ و منحنی‌های بار قابل‌پیش‌بینی. این سیستم هر چند ثانیه یک بار از سنسورها نظرسنجی می‌کند، داده‌ها را به صورت مرکزی تجمیع می‌کند و به اپراتور اجازه می‌دهد از اتاق کنترل تصمیم‌گیری کند. این روش زمانی که تولید متمرکز بود به خوبی کار می‌کرد. اما زمانی که ۴۰,۰۰۰ اینورتر خورشیدی مسکونی و ناوگان در حال رشدی از شارژرهای خودروهای برقی دارید که همگی به طور غیرقابل‌پیش‌بینی انرژی تزریق یا برداشت می‌کنند و گاهی خروجی خود را ظرف چند ثانیه تغییر می‌دهند، دیگر کارایی ندارد.
مسئله عملی این است: یک سیستم اسکادا که در دهه ۲۰۰۰ ساخته شده است، معمولاً دارای چرخه نظرسنجی بر حسب ثانیه و گاهی دهه‌ها ثانیه است. عبور یک توده ابر از روی مزرعه خورشیدی می‌تواند ۶۰ درصد از تولید را در کمتر از دو دقیقه از بین ببرد. زمانی که سیستم قدیمی افت را ثبت می‌کند و اپراتور واکنش نشان می‌دهد، فرکانس در حال حاضر از محدوده ایمن خارج شده است. شرکت‌های خدماتی در کالیفرنیا و تگزاس حوادثی را ثبت کرده‌اند که در آن رویدادهای کاهش توان خورشیدی با فاصله زیادی از زمان واکنش دیسپاچر پیشی گرفته است؛ این همان مشکل موسوم به «منحنی اردک» است و با آنلاین شدن خورشیدی توزیع‌شده بیشتر، شیب آن تندتر می‌شود.
چند محدودیت خاص مدام در بررسی‌های پس از حادثه شرکت‌های خدماتی ظاهر می‌شود:
- تأخیر در نظرسنجی – اسکادای قدیمی اغلب نمی‌تواند بازه زمانی ۴ تا ۱۰ ثانیه‌ای را در یک فیدر توزیع کامل بازنشانی کند، که برای رویدادهای سریع DER بسیار کند است.
- دید یک‌طرفه – بسیاری از سیستم‌های قدیمی پست‌ها و فیدرها را نظارت می‌کنند اما هیچ دید مستقیمی به دارایی‌های پشت کنتور مانند خورشیدی پشت‌بام یا باتری‌های خانگی ندارند.
- منطق دیسپاچ دستی – اپراتورها در برخی مناطق هنوز تصمیمات محدودسازی و سوئیچینگ را از طریق تلفن یا بی‌سیم می‌گیرند که مسلماً فراتر از ضریب نفوذ مشخصی از DER مقیاس‌پذیر نیست.
- بدون لایه پیش‌بینی – اسکادا به آنچه قبلاً رخ داده واکنش نشان می‌دهد؛ و پیش‌بینی نمی‌کند که از نظر آب‌وهوایی چه چیزی در راه است.
برای پر کردن این خلاء، شرکت‌های خدماتی اسکادای قدیمی را با لایه‌های ارکستراسیون جدیدتر جفت می‌کنند و به‌طور فزاینده‌ای از تخصص خارجی برای ساخت منطق اتوماسیونی که همه چیز را به هم متصل می‌کند، بهره می‌برند. تعادل خروجی ناپدار خورشیدی و بادی در برابر بار پایه شبکه نیازمند الگوریتم‌های دیسپاچ و یکپارچه‌سازی اینترنت اشیا است که بیشتر تیم‌های فناوری اطلاعات داخلی برای ساخت آن استخدام نشده بودند، بنابراین بسیاری از اپراتورها به یک شرکت توسعه نرم‌افزار خدمات آب‌وه برق و گاز روی می‌آورند تا آن لایه دیسپاچ خودکار را طراحی کرده و سخت‌افزار سنسور تغذیه‌کننده آن را متصل کنند. فروشندگانی مانند جی‌ئی دیجیتال و زیمنس کارهای یکپارچه‌سازی مشابهی را از سمت سخت‌افزار و کنترل دنبال می‌کنند که نشان می‌دهد این یک مشکل تک‌فروشنده نیست، بلکه یک بازآرایی در سطح صنعت است.
سیستم‌های مدیریت منابع انرژی توزیع‌شده و سیستم‌های مدیریت پیشرفته توزیع در عمل: تبدیل دارایی‌های پراکنده به یک اکوسیستم مدیریت‌شده
اینجاست که سیستم‌های مدیریت منابع انرژی توزیع‌شده (DERMS) و سیستم‌های مدیریت پیشرفته توزیع (ADMS) وارد میدان می‌شوند و ارزش دارد که این دو را از هم تفکیک کنیم زیرا مدام با هم اشتباه گرفته می‌شوند.
آنچه ADMS در واقع انجام می‌دهد
پلتفرم‌های ADMS (مانند EcoStruxure ADMS شرکت اشنایدر الکتریک و مجموعه مدیریت شبکه اوراکل یوتیلیتیز دو نمونه به طور گسترده مستقر شده‌اند) بالاتر از اسکادا قرار می‌گیرند و مکان‌یابی خطا، پیکربندی مجدد خودکار فیدر و بهینه‌سازی ولتاژ/VAR را اضافه می‌کنند. ADMS را به عنوان لایه‌ای در نظر بگیرید که خود سیم‌ها را سالم نگه می‌دارد: مسیریابی مجدد نیرو در اطراف یک خط سقوط کرده، تنظیم تنظیم‌کننده‌های ولتاژ و ایزوله کردن خطاها قبل از اینکه آبشاری شوند.
آنچه DERMS در بالا اضافه می‌کند
DERMS بخشی است که به طور خاص منابع توزیع‌شده (خورشیدی پشت‌بام، باتری‌های کامیونیتی، شبکه‌های شارژ خودروهای برقی) را به عنوان یک ناوگان هماهنگ به جای هزاران دستگاه مستقل و نامرئی مدیریت می‌کند. یک پلتفرم DERMS به خوبی پیاده‌سازی شده می‌تواند:
- پیش‌بینی‌های خروجی را از دهه‌ها هزار اینورتر خورشیدی فردی به یک پیش‌بینی واحد در سطح فیدر تجمیع کند.
- محدودیت‌های کاهش یا صادرات را به خوشه‌های خاصی از DER ها بدون خاموش کردن کل فیدر صادر کند.
- برنامه‌های شارژ خودروهای برقی را هماهنگ کند تا از اضافه‌بار ترانسفورماتور در اوج مصرف عصرگاهی جلوگیری شود.
- باتری‌های پشت کنتور را به عنوان یک «ن نیروگاه مجازی» که می‌تواند در طول کسری توان دیسپاچ شود، در نظر بگیرد.
شرکت‌های ABB و زیمنس هر دو سخت‌افزار لبه شبکه را ارائه می‌دهند که مستقیماً به این پلتفرم‌ها تغذیه می‌شود، و SAP برای شرکت‌های خدماتی عمیق‌تر وارد یکپارچه‌سازی دارایی و صورت‌حساب شده است تا داده‌های DER فقط در یک سیلوی عملیاتی باقی نمانند – بلکه به صورت‌حساب مشتری و برنامه‌های پاسخگویی بار نیز جریان پیدا کنند. این یکپارچه‌سازی بیشتر از آنچه روی کاغذ به نظر می‌رسد اهمیت دارد: یک شرکت خدماتی که نمی‌تواند خروجی DERMS را به سیستم‌های صورت‌حساب مشتری متصل کند، در نهایت دو نمای قطع‌شده از یک شبکه را اجرا می‌کند.
پیش‌بینی پیش‌بینانه: یادگیری ماشین با داده‌های آب‌وهوا ملاقات می‌کند
از هر مدیر عملیات شبکه بپرسید چه چیزی آن‌ها را بیدار نگه می‌دارد و «ابرهای فردای روز» یک پاسخ واقعی است. خروجی خورشیدی و بادی تنها به اندازه آب‌وهوا قابل‌پیش‌بینی است، بنابراین لایه پیش‌بینی به یکی از بیشترین سرمایه‌گذاری‌شده‌ترین بخش‌های نرم‌افزار مدرن خدمات تبدیل شده است.
پلتفرم‌های مدرن تصاویر ماهواره‌ای، مدل‌های پیش‌بینی عددی آب‌وهوا (مدل HRRR NOAA ورودی رایجی در آمریکای شمالی است) و منحنی‌های تولید تاریخی را وارد می‌کنند و سپس آن‌ها را از طریق مدل‌های یادگیری ماشین آموزش‌دیده بر روی تاریخچه خروجی واقعی یک سایت خاص اجرا می‌کنند – نه فقط جدول‌های تبدیل آب‌وهوا به توان عمومی. خروجی معمولاً یک پیش‌بینی غلتان ۲۴ تا ۴۸ ساعته است که هر ۱۵ دقیقه تا یک ساعت با ورود داده‌های جدید آب‌وهوایی به‌روز می‌شود.
چرا بازه زمانی به‌روزرسانی بسیار مهم است؟ زیرا پیش‌بینی صادر شده در ساعت ۶ صبح برای اوج خورشیدی ساعت ۲ بعدازظهر تنها در صورتی مفید است که با توسعه الگوهای ابری در طول صبح اصلاح شود. ابزارهای پیش‌بینی جی‌ئی دیجیتال و چندین مدل داخلی ISO های منطقه‌ای اکنون نرخ خطای پیش‌بینی زیر ۵ درصد را برای تولید خورشیدی روزانه در سطح ناوگان هدف قرار می‌دهند – عددی که فقط پنج یا شش سال پیش به ۱۵ تا ۲۰ درصد نزدیک‌تر بود. این بهبود به تنهایی تغییر می‌دهد که یک شرکت خدماتی چقدر ظرفیت رزرو را باید به صورت «فقط در صورت نیاز» در حالت آماده‌به‌کار نگه دارد که پیامدهای مستقیم هزینه دارد.
به نظر می‌رسد قطعات متحرک زیادی وجود دارد، درست است؟ همینطور است، اما پاداش ملموس است: پیش‌بینی‌های بهتر به این معنی است که شرکت‌های خدماتی می‌توانند دیسپاچ تولید سنتی و ذخیره‌سازی را با اعتماد به نفس واقعی برنامه‌ریزی کنند به جای اینکه همه چیز را با رزرو چرخان گران‌قیمت پر کنند.
تنظیم فرکانس و سیستم‌های ذخیره‌سازی انرژی باتری: پاسخ در سطح میلی‌ثانیه
فرکانس شبکه در بیشتر مناطق باید در یک باند تنگ باقی بماند – ۵۰ هرتز یا ۶۰ هرتز بسته به جایی که هستید، با انحراف قابل‌قبول معمولاً حدود ±۰.۲ هرتز قبل از اینکه سیستم‌های محافظت خودکار شروع به قطع شدن کنند. باد و خورشید به تنهایی به آن باند احترام نمی‌گذارند؛ آن‌ها با آب‌وهوا بالا و پایین می‌روند.
سیستم‌های ذخیره‌سازی انرژی باتری (BESS) راه‌حل هستند و نرم‌افزاری که آن‌ها را کنترل می‌کند مسلماً مهم‌تر از خود باتری‌ها است. هنگامی که خروجی باد به طور ناگهانی کاهش می‌یابد – فرض کنید یک جبهه تندباد عبور می‌کند و خروجی توربین ۹۰ ثانیه ۴۰ درصد کاهش می‌یابد – نرم‌افزار مدیریت شبکه مدرن منتظر اپراتور نمی‌ماند. این نرم‌افزار انحراف فرکانس را تشخیص می‌دهد، پاسخ required را محاسبه می‌کند و نیرو را از نزدیک‌ترین تاسیسات BESS به طور خودکار دیسپاچ می‌کند. سیستم‌هایی با بهترین عملکرد زمان پاسخ را به جایی بین ۱۰۰ تا ۵۰۰ میلی‌ثانیه کاهش می‌دهند، در مقایسه با ۸ تا ۱۵ دقیقه که قبلاً برای راه‌اندازی یک نیروگاه پیک گاز به عنوان پشتیبان طول می‌کشید.
این یک تفاوت کوچک نیست. این تفاوت بین این است که یک مشتری هرگز متوجه افت نمی‌شود و یک خاموشی موضعی رخ می‌دهد.
تراشیدن اوج روی منطق مشابهی کار می‌کند اما در مقیاس زمانی طولانی‌تر – به جای واکنش به یک رویداد فرکانس ناگهانی، نرم‌افزار اوج تقاضای بعدازظهر را ساعت‌ها جلوتر پیش‌بینی می‌کند و ظرفیت باتری ذخیره‌شده را به تدریج تخلیه می‌کند تا آن را صاف کند و نیاز به راه‌اندازی نیروگاه‌های پیک گران‌قیمت را کاملاً کاهش دهد. شرکت‌های خدماتی که برنامه‌های ترکیبی BESS به علاوه تراشیدن اوج را اجرا می‌کنند، گزارش داده‌اند که در برنامه‌های آزمایشی در سراسر جنوب غربی ایالات متحده، ۱۰ تا ۲۰ درصد از هزینه‌های تقاضای اوج تابستان را کاهش داده‌اند.
متریک‌های کلیدی عملیاتی که شرکت‌های خدماتی اکنون ردیابی می‌کنند
هیچ یک از این موارد اهمیتی ندارد اگر اعداد گزارش‌شده به تنظیم‌کننده‌ها و هیئت‌مدیره را تغییر ندهد. متریک‌هایی که تیم‌های عملیات شبکه در حال حاضر از نزدیک تماشا می‌کنند عبارتند از:
- نرخ محدودسازی – درصد تولید تجدیدپذیر موجود که مجبور به آفلاین شدن شده است زیرا شبکه نمی‌تواند آن را جذب کند. شرکت‌های خدماتی با استقرار بالغ DERMS این میزان را از ارقام دو رقمی به سمت ۲ تا ۴ درصد در برخی مناطق ISO کالیفرنیا و تگزاس کاهش داده‌اند.
- پنجره انحراف فرکانس – چگونگی حفظ مداوم شبکه در آن باند ±۰.۲ هرتز در ساعات نفوذ بالای DER، که اکنون در زمان نزدیک به واقعی به جای گزارش‌های حادثه پس از وقوع قابل ردیابی است.
- زمان اتصال متقابل DER – چهقدر طول می‌کشد تا یک پروژه خورشیدی یا ذخیره‌سازی جدید به شبکه تایید و متصل شود. این زمان در بسیاری از حوزه‌های قضایی ۶ تا ۹ ماه طول می‌کشید؛ ابزارهای تجزیه‌وتحلیل ظرفیت میزبانی خودکار آن را به چند هفته کاهش می‌دهند، در برخی برنامه‌های آزمایشی به روزهای تک‌رقمی برای سیستم‌های مسکونی ساده.
- دقت پیش‌بینی (MAPE) – میانگین خطای درصد مطلق در پیش‌بینی‌های تولید روزانه، که اکنون یک KPI استاندارد است که در کنار متریک‌های قابلیت اطمینان سنتی‌تر مانند SAIDI و SAIFI گزارش می‌شود.
این چهار مورد را در کنار هم قرار دهید، و یک تصویر بسیار صادقانه از اینکه آیا پشته نرم‌افزاری یک شرکت خدماتی واقعاً کار خود را انجام می‌دهد یا فقط داشبوردهایی تولید می‌کند که هیچ‌کس بر اساس آن‌ها عمل نمی‌کند، به دست می‌آورید. گفتگو درباره زیرساخت واقعاً در مورد مبادله پلتفرم یک فروشنده با دیگری نیست – بلکه در این باره است که آیا لایه‌های پیش‌بینی، دیسپاچ و مدیریت دارایی واقعاً در زمان واقعی با یکدیگر صحبت می‌کنند یا خیر. این همان بخشی است که بیشتر استقرارهای قدیمی هنوز اشتباه می‌کنند و این همان بخشی است که هر فروشنده بزرگی در این فضا – DXC، جی‌ئی دیجیتال، زیمنس، اشنایدر الکتریک، اوراکل یوتیلیتیز، SAP، ABB – برای حل آن مسابقه می‌دهد.
منبع: How Modern Software Solutions Help Utilities Integrate Renewable Energy — IoT For All؛ نویسنده: Alex Shkliarska
منبع: iotforall