Inteligentne sieci dystrybucyjne to miliardy euro oszczędności
5 mld euro – takie straty przynosi europejskiej gospodarce nieprawidłowe działanie energetycznych sieci dystrybucyjnych. Rozwiązaniem tego problemu są zaawansowane narzędzia, pozwalające na monitoring i zarządzanie siecią w czasie rzeczywistym. Inteligentne sieci dystrybucyjne zapobiegają marnotrawieniu energii oraz optymalizują jej wykorzystanie w ciągu doby – efekty te obserwujemy już dziś. W przyszłości przełom przyniesie wykorzystanie w monitoringu sztucznej inteligencji.
W niedalekiej przyszłości energetyczne sieci dystrybucyjne staną przed potężnym wyzwaniem – koniecznością zapewnienia odpowiedniego przepływu energii w sytuacjach zmiennego popytu i podaży. Będzie to rezultatem dwóch trendów, zmieniających dzisiejszą energetykę. Pierwszym z nich jest spodziewany wzrost wykorzystania źródeł odnawialnych (OZE). Drugim – coraz większe znaczenie tzw. energetyki prosumenckiej, w której konsumenci energii są zarazem, dzięki odnawialnym źródłom, jej rozproszonymi producentami.
Aby taki system energetyczny mógł funkcjonować efektywnie i bez zakłóceń, niezbędne są inteligentne sieci dystrybucyjne. Już dziś znajdziemy je np. w Australii, Francji i we Włoszech. Udowadniają one tam swój potencjał do generowania imponujących oszczędności także w przypadku tradycyjnych modeli, z centralnym ośrodkiem produkującym energię.
Inteligentne, czyli jakie?
„Inteligencja” sieci zaczyna się od czujników, narzędzi monitorujących i kontrolujących przepływ energii. Dane zbierane przez czujniki poddawane są przez system szybkiej analizie, pozwalającej na wyciąganie wniosków i prognozowanie. Analiza taka umożliwi np. przewidywanie wysokiego obciążenia, mogącego skutkować awarią – i reagowanie z wyprzedzeniem.
Przykładem takiego wykorzystania technologii jest EcoStruxure – platforma stworzona przez Schneider Electric, której elementem jest system zaawansowanego zarządzania dystrybucją (ADMS – Advanced Distribution Management System). Narzędzie to pozwala na monitorowanie sytuacji w całej sieci w czasie rzeczywistym, umożliwia ocenę jej bieżącego stanu i błyskawiczne wychwytywanie problemów (np. przerw w dostawach energii).
Wykorzystanie ADMS w pilotażowym projekcie realizowanym przez Enel w Mediolanie poskutkowało zmniejszeniem strat energii w dystrybucji o 4 proc. Dzięki wprowadzeniu tego systemu w 28 kolejnych włoskich miastach, Enel zaoszczędził 144 GWh w skali roku[1]. To tyle, ile w Polsce zużyto w okresie od stycznia do października 2019 r.
Pole do oszczędności, uzyskiwanych dzięki poprawie funkcjonowania sieci energetycznych, jest gigantyczne. Dziś straty wynikające z ich nieprawidłowego działania, szacuje się w samej tylko Unii Europejskiej na poziomie 2-10% (w zależności od kraju) przesyłanej energii. Przekłada się to na równowartość 5 mld euro strat dla całej unijnej gospodarki[2].
Przyszłość: energetyka rozproszona...
Monitorowanie sieci dystrybucyjnej w czasie rzeczywistym będzie miało szczególne znaczenie w kontekście rozwoju wspomnianej energetyki rozproszonej i prosumenckiej - w której odchodzimy od jednego dużego ośrodka wytwarzania energii na rzecz wielu drobnych producentów, o zróżnicowanych możliwościach jej produkcji.
Szacuje się, że za 20 lat, w 2040 r., dachowe panele słoneczne, montowane przez gospodarstwa domowe, będą odpowiadały za wytwarzanie:
- 24 proc. energii w Australii,
- 20 proc. w Brazylii,
- 12 proc. w Japonii,
- 15 proc. w Niemczech[3].
W takim systemie rozwiązania inteligentne zminimalizują straty i pozwolą na maksymalne wykorzystanie generowanej energii - nawet przy dynamicznie zmieniającej się strukturze produkcji i konsumpcji.
...oraz sztuczna inteligencja
AI (od ang artificial intelligence), w połączeniu z pokrewnymi rozwiązaniami, takimi jak uczenie maszynowe, będzie jednym z głównych narzędzi inteligentnych sieci dystrybucyjnych[4]. Specjalne modele predykcyjne umożliwią prognozowanie potencjalnych problemów w danej sieci i planowanie odpowiednich środków zaradczych.
Już teraz tę technologię wykorzystuje narzędzie EcoStruxure Asset Advisor. Ocenia ono w czasie rzeczywistym kluczowe dane i wykorzystuje zaawansowany model analityczny do wykrycia potencjalnych zagrożeń przed ich wystąpieniem. W ten sposób sztuczna inteligencja minimalizuje ryzyko nieplanowanych przestojów w pracy, strat operacyjnych i kosztownej konserwacji[5].
[1] M. Kośka, Produkcja energii elektrycznej w Polsce w październiku spadła o 4,72 proc. w stosunku do poprzedniego roku, Money.pl
[2] J.-Y. Bodin, R. Coccioni, L. Hossenlopp, M. Sacotte, Smart Distribution Utility Strategies that Maximize Grid Efficiency, Schneider Electric
[3] Digital Grid Unleashed, Schneider Electric Leadership Series
[4] D. Sali, Utility firms around the world warming up to Ottawa-based BluWave’s smart-grid solution, Ottawa Business Journal
[5] H. Majrzchak, Smart Grid w Polsce, Energetyka
source: Schneider Electric