Caraterização da variabilidade da produção renovável e da flexibilidade da produção convencional

Faculdade de Engenharia da Universidade do Porto Caracterização da Variabilidade da Produção Renovável e da Flexibilidade da Produção Convencional Fábio Manuel Matos Moreira VERSÃO FINAL Dissertação realizada no âmbito do Mestrado Integrado em Engenharia Electrotécnica e de Computadores Major Energia Orientador: Manuel António Cerqueira da Costa Matos (Professor Doutor) 30 de Julho de 2014 ii ii © Fábio Moreira, 2014 iii Resumo Devido à integração de fontes de energias renováveis nos sistemas elétricos, foi introduzida variabilidade no lado da geração, pelo que os sistemas tiveram de se adaptar de forma a conseguirem dar resposta não só à variabilidade da carga, mas também à variabilidade inerente a este tipo de fontes de energia. Com esta variabilidade acrescida, é importante perceber se o sistema tem recursos do lado da geração que consigam dar resposta às novas exigências de flexibilidade. Neste trabalho é definida a variabilidade de um sistema elétrico e são apresentados alguns métodos para a sua análise. A caracterização da variabilidade constitui, a par das previsões, uma prática importante na integração de energias renováveis. Também é definida a flexibilidade de um sistema e os parâmetros que a caracterizam e são apresentados alguns métodos para sua determinação. A partir desta análise é possível determinar a capacidade sistema para lidar com a variabilidade e determinar o grau de penetração de renováveis que o sistema consegue suportar, mantendo a sua operação fiável e segura. Portugal é um país com elevado nível de penetração de renováveis. Neste trabalho foram aplicados alguns métodos de análise da variabilidade e determinação da flexibilidade ao sistema elétrico português, de forma a ser possível comparar as exigências de flexibilidade impostas pelas renováveis e pela carga com os recursos de flexibilidade do sistema. Palavras-chave: Energias renováveis, Análise de variabilidade, Avaliação da flexibilidade, Reserva, Ramp rate, Produção eólica. iv iv v Abstract The integration of renewable energy sources in the electric systems, has introduced variability into the generation side and therefore the systems had to adapt their operation in a way they could provide an adequate response not only to the load variability, but also to the inherent variability of this energy sources. With this increased variability, it is important to assess if the system has sufficient flexibility resources on the generation side so it can respond to these new requirements of flexibility. This dissertation defines the variability associated with an electric system, and there are presented some methods for its analysis. Alongside the forecasts, the variability portrayal is an important study in the renewable energy integration context. It is also defined the system flexibility and its defining parameters, as well as presenting some methods for its evaluation. This study assesses the ability of the system to handle the variability and to set the penetration level of renewable sources that the system can withstand without compromising its secure and reliable operation. Portugal is a country with a great penetration level of renewable sources. This work applies some methods to analyze the Portuguese system’s variability and to assess its flexibility, so that it becomes possible to compare the flexibility requirements imposed by the load with the flexibility that the system resources can deliver. Keywords: Renewable energy, Variability analysis, Flexibility assessment, Reserve, Ramp rate, Wind Power. vi vi vii Agradecimentos Dado o seu grau de exigência, esta fase que agora se aproxima do fim foi desafiante. Contudo, este foi percorrido de um modo positivo, que me trará boas recordações, devido à presença de várias pessoas importantes no seu decorrer, pelo que me sinto feliz de ter tido oportunidade de as ter do meu lado. Antes de mais queria deixar um grande agradecimento aos meus pais por me terem permitido ter esta oportunidade de me formar e me facultarem todas as condições para tal, assim como todo o apoio dado, e ao resto da família pela confiança que têm em mim. Um agradecimento especial para a Cláudia, por fazer com que eu queira ser cada vez melhor, motivando-me assim a esforçar-me e a encarar as dificuldades, para além de todo o amor e carinho dados. Aos meus amigos, sem vocês esta demanda não teria piada, e sem o espirito de entreajuda que sempre existiu, este percurso seria bem mais complicado. Gostaria também de deixar um grande agradecimento ao meu orientado, o Professor Doutor Manuel Matos, por toda a disponibilidade demonstrada e ajuda prestada no decorrer da dissertação, para além de o ter feito sempre de uma forma simpática e alegre. viii viii xv Lista de tabelas Tabela 3.1 - Propriedades de avaliação dos geradores na perspetiva da flexibilidade [23] .... 18 Tabela 4.1 – Resultados da aplicação do step-changes considerando k=1 (15min) ............... 51 Tabela 4.2 - Resultados da aplicação do step-changes considerando k=2 (30min) ............... 51 Tabela 4.3 - Resultados da aplicação do step-changes considerando k=3 (45min) ............... 51 Tabela 4.4 - Resultados da aplicação do step-changes considerando k=4 (60min) ............... 51 Tabela 4.5 - Divisão de quantis, considerando 𝒒=𝟏𝟎 ............................................... 56 Tabela 4.6 - Matriz V(i,j) ................................................................................... 56 Tabela 4.7 - Resultados de 𝛕𝐩𝐫 ............................................................................ 57 Tabela 4.8 - Resultados do valor da gama condicional e do intervalo variação para 𝐥𝐣= 𝟓𝟎% da potência eólica instalada .................................................................. 57 Tabela 4.9 - Valores médios da amplitude de variações e do intervalo de oscilação ........... 58 Tabela 4.10 - Resultados da variabilidade para vários níveis de produção eólica média, obtidos através do CRM, considerando k=4 (60min) ............................................ 58 Tabela 4.11 - Resultados da variabilidade para vários níveis de produção eólica média, obtidos através do CRM, considerando k=3 (45min) ............................................ 59 Tabela 4.12 - Resultados da variabilidade da carga líquida para valores médios 𝐥𝐣 de 50% do máximo valor verificado nos dados de teste, obtidos através do CRM, considerando k=4 (60min) ........................................................................... 59 Tabela 4.13 - Ramp rates típicos de centrais, por tecnologia [50] ................................. 60 Tabela 4.14 - Valores de referência de ramp rates de centrais utilizados pela REN ............ 60 Tabela 4.15 - Valores de referência de ramp rates utilizados, por tecnologia ................... 61 Tabela 4.16 - Unidades de programação do sistema elétrico português ........................... 61 Tabela 4.17 - Dados das unidades de programação utilizadas na determinação da flexibilidade do sistema .............................................................................. 62 Tabela 4.18 - Flexibilidade que cada unidade de geração poderia oferecer antes de serem aplicadas restrições ................................................................................... 65 Tabela 4.19 - Flexibilidade oferecida ao sistema por cada área de balanço às 2h do dia 22 de setembro de 2011 ................................................................................. 66 Tabela 4.20 - Flexibilidade oferecida ao sistema por cada área de balanço às 8h do dia 15 de janeiro de 2011 .................................................................................... 67 xvi xvi Tabela 4.21 - Resultados descriminados da aplicação do método de determinação da flexibilidade máxima que pode ser conseguida para 10% do valor máximo registado nos dados de teste, pelo sistema elétrico português ........................................... 69 Tabela 4.22 - Resultados da aplicação do método com 𝛂=𝟎,𝟓 e ∆𝐭=𝟔𝟎 𝐦𝐢𝐧, sem consideração de custos, para 10 níveis de carga diferentes. Nota: 𝐏𝐋𝐌𝐀𝐗= 𝟗𝟏𝟗𝟏,𝟖𝐌𝐖 ............................................................................................. 70 Tabela 4.23 - Valores de carga utilizados para teste ................................................. 72 Tabela 4.24 - Resultados da aplicação do método a vários valores de 𝛂, com ∆𝐭=𝟔𝟎 𝐦𝐢𝐧, sem consideração de custos, e com 𝐏𝐋=𝟒𝟓𝟗𝟓,𝟗𝐌𝐖 ......................................... 72 Tabela 4.25 - Resultados da aplicação do método a vários valores de 𝐌, com ∆𝐭= 𝟔𝟎 𝐦𝐢𝐧, 𝛂=𝟎,𝟓 e com 𝐏𝐋=𝟒𝟓𝟗𝟓,𝟗𝐌𝐖 ........................................................ 74 Tabela 4.26 - Resultados da aplicação do método a vários valores de 𝐏𝐋, com ∆𝐭= 𝟔𝟎 𝐦𝐢𝐧, 𝛂=𝟎,𝟓 e com 𝐌=𝟐𝟎 .................................................................... 76 Tabela 4.27 - Resultados da aplicação do método a vários valores de 𝐏𝐋, com ∆𝐭= 𝟔𝟎 𝐦𝐢𝐧, 𝛂=𝟐/𝟑 e com 𝐌=𝟐𝟎 .................................................................... 77 Tabela 4.28 – Compilação de Resultados ................................................................ 80 xvii xviii xviii Abreviaturas e Símbolos CRM Conditional Range Metric DE Despacho Económico EU Escalonamento de Unidades IRRE Insufficient Ramping Resource Expectation LOLE Loss of load expectation REN Redes Energéticas Nacionais MW Unidade de Potência ativa σ Desvio Padrão 1 Capítulo 1 Introdução A presente dissertação foi desenvolvida no âmbito do Mestrado Integrado em Engenharia Eletrotécnica e de Computadores da Faculdade de Engenharia da Universidade do Porto. O trabalho realizado contempla várias abordagens de análise e avaliação da variabilidade inerente à geração renovável, com foco na produção eólica, e da flexibilidade do sistema, destacando métodos de quantificação da flexibilidade oferecida pela geração convencional. O objetivo final é a comparação de ambas, com o propósito de determinar se a flexibilidade do sistema elétrico em estudo é suficiente para responder à variabilidade imposta pela geração renovável e pela carga. O caso de estudo é baseado no caso português. Para os testes realizados foram utilizados dados de várias fontes, tentando-se prioritariamente obter e usar dados do sistema elétrico português. Os dados utilizados para cada conjunto de testes são indicados no respetivo subcapítulo, no capítulo de resultados. Neste capítulo é feita uma abordagem preliminar do problema, sendo apresentado o contexto deste e motivação para o seu estudo, definindo os objetivos desta dissertação. É ainda apresentada neste capítulo uma pequena descrição da estrutura da dissertação e do trabalho realizado. 1.1 - Enquadramento e Motivação A sociedade moderna está dependente de energia elétrica em praticamente toda a sua atividade, sendo esta de extremo relevo em múltiplas dimensões, desde a qualidade de vida, a fatores políticos, económicos, ambientais, entre outros. Um sistema elétrico de energia é, num nível básico, composto por centrais de geração, linhas de transmissão, cargas e transformadores. A exploração de um sistema elétrico tem como derradeiro objetivo a alimentação das cargas, com energia dentro dos padrões de qualidade (tensão e frequência dentro dos limites impostos). Essa energia deverá ser produzida 2 2 nas suas unidades geradoras, e levada até às cargas através da rede de transporte, a custos mínimos e com um elevado grau de segurança e fiabilidade. O desenvolvimento e integração de geração renovável tem sido uma tendência marcante nos sistemas elétricos a nível global nas últimas décadas. Globalmente, a quantidade de geração eólica instalada aumentou 1100% nos últimos 10 anos e a geração solar apresentou um aumento de 2700% nesse período [3]. O investimento neste tipo de geração é motivado por benefícios ambientais e económicos a médio e longo prazo. Nas últimas décadas tem sido atribuída bastante atenção à influência provocada pela atividade humana no planeta e à pegada ecológica derivada desta. Estas preocupações deram origem a legislação destinada a controlar e limitar as emissões de substâncias prejudiciais para atmosfera terrestre. O protocolo de Quioto, discutido e negociado em Quioto no Japão em 1997 e que entrou em vigor em 16 de fevereiro de 2005, consiste num tratado internacional que inclui compromissos rígidos para a redução da emissão dos gases que agravam o efeito estufa, considerados, de acordo com a maioria das investigações científicas, como causa antropogénica do aquecimento global. Para além deste, os Objetivos 20-20-20 foram estabelecidos, no Conselho Europeu de Março de 2007, para a política climática e energética da União Europeia (UE). Estes objetivos consistem na redução de emissões de Gases com Efeito de Estufa em 20%, na integração de 20% de utilização de energias renováveis relativamente ao consumo total de energia da UE e na poupança de 20% do consumo de energia previsto para 2020 (este objetivo não é vinculativo) [4]. A nível económico, as fontes de geração de energia renovável apresentam a grande vantagem de o recurso endógeno à produção de energia não ter custo. Para além disso, em períodos de elevada produção de fontes renováveis, pode ser possível evitar que sejam despachadas centrais de elevado custo. Contudo, as fontes de energias renováveis possuem custos de instalação tipicamente elevados. Mas, devido à crescente dificuldade de extrair as restantes reservas finitas de combustíveis fosseis, este processo torna-se cada vez mais dispendioso e, como tal, no futuro, o obstáculo com que as renováveis se deparam ao terem que alcançar preços que consigam competir com os da energia gerada de forma convencional, tornar-se-á cada vez menos relevante. No contexto político a integração de geração renovável contribui para a diminuição das importações e da dependência de combustíveis fósseis, que no caso português representa dependência de outros países nesta matéria, uma vez que Portugal não dispõe de poços de petróleo, minas de carvão ou reservas de gás [5].Para além disso, como é sabido, as reservas de combustíveis fosseis são limitadas. Portugal possui condições privilegiadas para o aproveitamento de fontes renováveis para a produção de energia. A rede hidrográfica é relativamente densa, a exposição solar média anual é elevada e para além disso dispõe de uma vasta frente marítima que beneficia dos ventos 3 atlânticos, sendo assim possível aproveitar o potencial energético da água, do sol, do vento e das ondas. As energias renováveis podem também contribuir positivamente para a fiabilidade do sistema, visto que a produção fica mais distribuída e o impacto da falha de uma unidade produtora será menor do que a de grandes centrais térmicas em casos de produção centralizada. Para além disso, uma vez que está espalhada geograficamente, no caso de painéis solares para consumo próprio e certas unidades de microgeração, a energia é passível de ser gerada a uma menor distância dos locais de consumo, diminuindo assim as perdas no transporte. Por outro lado, visto este tipo de geração depender de recursos de natureza estocástica, a geração renovável é tipicamente variável e não controlável à exceção do caso das hídricas. Nestas, desde que haja capacidade armazenada, é possível colocar a central a produzir e regular a geração em ambos os sentidos, enquanto no noutros casos, como as eólicas por exemplo, só é possível limitar a produção ascendente, não sendo possível incrementar a geração destas em caso de necessidade, exceto em situações em que é praticado deloading. No caso de centrais hidroelétricas com bombagem, também é possível aumentar a quantidade de energia armazenada, situação tratada com maior detalhe na 3.3.4.1. A utilização de produção dispersa ao nível da distribuição do sistema elétrico é uma prática em ascensão na rede elétrica presente, e continuará no futuro. A utilização de tecnologias de energias renováveis como fontes de energia distribuídas, devido à sua adequação a aplicações remotas, à sua eficiência de custo e ao impacto ambiental causou a necessidade de evolução das ferramentas de análise do sistema elétrico para incluírem modelos compatíveis com estas tecnologias, que considerem a variabilidade intrínseca a esse tipo de fontes [6]. A geração renovável, à exceção da energia hídrica, é então de difícil previsão no decorrer de diferentes escalas de operação dos sistemas de energia. Essa variabilidade é alvo de estudo no planeamento de integração de geração renovável, nomeadamente nos efeitos que provoca a nível da fiabilidade do sistema, operações, serviços auxiliares e custos [7]. Apesar da qualidade das previsões de produção renovável ser importante, a análise da variabilidade tem uma importância crítica uma vez que subestimar a variabilidade de geração renovável pode causar efeitos adversos na fiabilidade e economia do sistema e tendo também em conta que esta estará presente mesmo em previsões perfeitas. A quantificação da variabilidade da produção renovável pode também ser usada para determinar os requisitos e características da produção despachável, assim como das unidades de armazenamento, para que sejam capazes de acomodar as flutuações da produção renovável no decorrer de diferentes escalas temporais, sendo também essencial para os operadores de energia, uma vez que esta variabilidade tem uma importância significativa nos requisitos de reserva operacional do sistema. Com a variabilidade imposta aos sistemas elétricos pela integração de energias renováveis, torna-se também necessário avaliar a flexibilidade disponível por estes de modo a averiguar a 4 4 capacidade de determinado sistema utilizar os seus recursos para lidar com níveis de variabilidade crescentes. Pode ser necessário, dependendo do grau de penetração de geração variável, alterar o modo de operação do sistema e até aumentar a quantidade de recursos flexíveis. Podem ser considerados recursos flexíveis as centrais convencionais que apresentem boa capacidade de variar a sua produção rapidamente, dispositivos de armazenamento, recursos do lado da carga e interligações com outros sistemas. 1.2 - Estrutura do Documento O presente documento encontra-se dividido em 5 capítulos, sendo a sua estrutura apresentada, de forma sucinta, nos parágrafos seguintes. No capítulo 1 pretende-se enquadrar o leitor no tema e apresentar a motivação para a investigação realizada. No capítulo 2 é detalhado o conceito de variabilidade no contexto da produção de eletricidade, passando pelos parâmetros que a caracterizam, pelas causas da sua origem, formas de a controlar, sendo também explicada a importância das previsões. São também referidos alguns métodos de analisar a variabilidade, destacando alguns que foram aplicados ao caso de estudo. Este conceito foi explorado com foco na geração proveniente de fontes de energias renováveis. No capítulo 3 é apresentado o conceito de flexibilidade de um sistema elétrico de energia. Neste capítulo são apresentados os parâmetros que a caracterizam, os fatores que causam dependência da mesma, os recursos que podem ser usados para fornecer flexibilidade ao sistema e a sua influência no planeamento do sistema. Adicionalmente são apresentados alguns métodos para definir a capacidade de flexibilidade de um determinado sistema, onde são explicados os métodos desenvolvidos e aplicados ao caso de estudo. O capítulo 4 corresponde aos resultados obtidos nos testes realizados, através da aplicação de alguns métodos apresentados nos capítulos anteriores, tanto para caracterização da variabilidade da produção de eletricidade e da carga, como para determinação da flexibilidade do sistema em estudo. O quinto e último capítulo refere as conclusões obtidas no trabalho desenvolvido e enuncia perspetivas de desenvolvimentos futuros. 5 Capítulo 2 Variabilidade 2.1 - Caracterização da Variabilidade A variabilidade das energias renováveis é globalmente reconhecida como um desafio para a integração de elevados níveis de geração renovável em sistemas elétricos. Contudo, de forma a se explorar as suas implicações, deve-se primariamente entender a variabilidade em si. Isto é ainda mais importante para sistemas elétricos nacionais com elevados níveis de penetração de renováveis planeados e que tenham interligações limitadas, como o caso de Portugal e Reino Unido. A variabilidade não é uma propriedade distinta com um único parâmetro mensurável. No contexto da variabilidade conseguem-se identificar e avaliar separadamente várias características como a distribuição estatística, persistência, frequência ou correlação [8]. A persistência da variabilidade é o foco dos estudos de equilíbrio do sistema e corresponde à existência de dependência estatística entre valores sucessivos da mesma variável, ou entre ocorrências sucessivas de determinado evento. Trata-se, por exemplo, de examinar a diferença de valor de produção nas horas seguintes, expressa como uma percentagem da capacidade instalada de renováveis [9]. Esta característica pode também ser obtida a partir do cálculo da autocorrelação, como no estudo realizado por Shedd et al. [10], em que foi examinada a correlação entre a produção de agregados de unidades de produção fotovoltaicas, em intervalos de 1 segundo a 5 minutos. A maioria dos métodos na literatura apenas considera a presença de energia eólica no sistema. Isto reflete o estado maduro da industria eólica, mas traz o perigo de a variabilidade do vento ser tratada como uma propriedade genérica que representa todas as renováveis [8]. Ainda assim, a generalização a outras fontes de energia renováveis (como solar) é, geralmente, possível se as previsões de energia solar estiverem disponíveis [2]. No contexto da variabilidade, o foco desta dissertação foi também direcionado para a energia eólia. 6 6 2.2 - Fatores Causadores de Variabilidade As fontes renováveis têm um grau de variabilidade associado devido ao facto de o recurso endógeno à produção ser tipicamente de natureza estocástica. Como tal, o controlo dos níveis de produção das fontes renováveis é limitado e dependente da variação presente na incidência do recurso que alimenta este tipo de fontes para que seja possível a geração de eletricidade através da conversão desse recurso. No caso das fontes de geração a partir da energia solar, o fator predominante é o nível de incidência da radiação solar na superfície da Terra. Este pode ser influenciado por fatores como a hora solar, a passagem de nuvens, a humidade, entre outros. O recurso hídrico apresenta-se o mais controlável estando, no caso de centrais hidroelétricas, a produção basicamente limitada apenas pela capacidade armazenada de água, determinada tipicamente pelas afluências de rios e precipitação e por despachos anteriores. Havendo capacidade armazenada, este tipo de centrais pode ser colocado a produzir e regular a sua produção em ambos os sentidos. Em centrais hidroelétricas com bombagem é ainda possível colocar determinada central, ou parte dela, a consumir energia que será aproveitada para bombar água para montante da barragem, onde será armazenada e poderá ser utilizada para produzir eletricidade em alturas em que seja mais útil. A produção eólica está dependente de agentes atmosféricos, mais particularmente do vento, tanto a nível de intensidade como de direção. Neste tipo de geração, um tipo particular de rampas ocorre em situações com elevada velocidade de vento. As turbinas eólicas têm um limite de velocidade (geralmente cerca de 25 𝑚/𝑠) e acima desse valor as turbinas começam a falhar. Neste caso, o operador de sistema tem de lidar com uma rápida queda imprevista de forma a tomar medidas preventivas. A figura 2.1 exibe uma redução de potência de cerca de 600 𝑀𝑊 em 1400 𝑀𝑊 verificada pelo operador de sistema de Portugal, originada pelo ciclone Klaus a 23 de janeiro de 2009. O sistema de previsão não previu este evento extremo, e o incidente foi gerido com unidades hídricas de arranque rápido e importação de energia de Espanha [2]. Na energia solar é possível ser despoletado um evento semelhante pelo movimento rápido de nuvens. 13 Figura 2.2 - Gráfico que caracteriza a gama variabilidade da produção eólica em dois intervalos de tempo distintos, com diferentes magnitudes [7] Condicionando a gama não só na duração do intervalo 𝑘, mas também no nível médio de produção eólica do intervalo 𝑙𝑗, limita a extensão de 𝑀𝑢𝑝𝑖,𝑘,𝑙𝑗 e 𝑀𝑙𝑜𝑤𝑖,𝑘,𝑙𝑗, forçando-os a assumir valores mais próximos de 𝑙𝑗, como é ilustrado na figura 2.3. Figura 2.3 - Para cada tempo inicial 𝒊, o intervalo de tempo 𝒌 e a produção eólica média 𝒍𝒋 os extremos 𝐌𝐥𝐨𝐰𝐢,𝐤,𝐥𝐣 e 𝐌𝐮𝐩𝐢,𝐤,𝐥𝐣 definem unicamente a gama condicional 𝐌𝐢,𝐤,𝐥𝐣 e o output de produção eólica encontra-se no intervalo [𝐌𝐥𝐨𝐰𝐢,𝐤,𝐥𝐣,𝐌𝐮𝐩𝐢,𝐤,𝐥𝐣] com probabilidade 𝒑=𝟏 [7] 14 14 A gama condicional de valores é definida então, segundo esta métrica, pelo intervalo: 𝐶𝑅𝑀𝑖,𝑘,𝑙𝑗=[𝑀𝑙𝑜𝑤𝑖,𝑘,𝑙𝑗,𝑀𝑢𝑝𝑖,𝑘,𝑙𝑗] (2.5) E a extensão condicional de valores 𝐶𝑅, que serve como medida da variabilidade da produção eólica no decorrer do intervalo de tempo de duração 𝑘 e produção média 𝑙𝑗 que começa em 𝑖, é a dimensão da extensão deste intervalo de variação: 𝐶𝑅𝑖,𝑘,𝑙𝑗=𝑀𝑙𝑜𝑤𝑖,𝑘,𝑙𝑗−𝑀𝑢𝑝𝑖,𝑘,𝑙𝑗. (2.6) Esta metodologia, para encontrar 𝑀𝑙𝑜𝑤𝑖,𝑘,𝑙𝑗 e 𝑀𝑢𝑝𝑖,𝑘,𝑙𝑗, necessita como dados iniciais, para além da série de produção eólica, do tamanho dos intervalos temporais 𝑘 e do valor de produção média 𝑙𝑗 a considerar, assim como a taxa de cobertura 𝑝 desejada. Inicialmente é calculada a série da média móvel dos valores contidos nos intervalos de tamanho 𝑘 desejado. A partir dessa série são determinados os valores dos maiores desvios ascendentes e descendentes, dentro de cada intervalo 𝐾𝑖 em relação à média desse intervalo, 𝑎𝑖,𝑘 e 𝑏𝑖,𝑘 respetivamente. 𝑎𝑖,𝑘=1𝑘∑𝑥𝑛−min 𝑛∈𝐾𝑖𝑥𝑛 𝑛∈𝐾𝑖 (2.6) 𝑏𝑖,𝑘=max 𝑛∈𝐾𝑖𝑥𝑛−1𝑘∑𝑥𝑛 𝑛∈𝐾𝑖 (2.7) Onde,  𝐾𝑖 é o intervalo [𝑖,𝑖+𝑘−1]  𝑥=1/𝑘∑𝑥𝑛 𝑛∈𝐾𝑖é produção média no intervalo Esta série de valores de médios de produção no intervalo 𝑥, de dimensão e máximos desvios ascendente 𝑏𝑖,𝑘 e descendente 𝑎𝑖,𝑘 é copiada e ordenada de forma crescente em relação a 𝑎𝑖,𝑘 e 𝑏𝑖,𝑘 e estes 𝑁𝑘,𝑙𝑗 valores de desvio são classificados. A resolução de quantil desejada 1/𝑞 é selecionada, com 𝜏=𝑟𝑞(𝑟=1,2,…,𝑞). Para se calcular 𝑄𝐴𝑘,𝑙𝑗(𝜏) e 𝑄𝐵𝑘,𝑙𝑗(𝜏), as estimativas para o 𝑟º quantil 𝑞 de 𝑎𝑖,𝑘,𝑙𝑗 e 𝑏𝑖,𝑘,𝑙𝑗 respetivamente, é gerado um índice de valor real ℎ. Quando ℎ é um inteiro, o ℎº valor mais pequeno dos valores ordenados, 𝑎(ℎ) e 𝑏(ℎ), é a estimativa do quantil. Caso contrário é utilizado um esquema de interpolação para computar a estimação do quantil a partir da função de teto 𝑎(⌈ℎ⌉) e da função de chão 𝑎(⌊ℎ⌋) (ou 𝑏 e 𝑏(⌊ℎ⌋) respetivamente). Os quantis da amostra são calculados a partir de: 𝑄𝐴𝑘,𝑙𝑗(𝜏)={𝑎(ℎ) 𝑠𝑒 ℎ∈ℤ 𝑎([ℎ−1/2])+𝑎([ℎ+1/2]) 2 𝑠𝑒 ℎ∉ℤ (2.9) 15 𝑄𝐵𝑘,𝑙𝑗(𝜏)={𝑏(ℎ) 𝑠𝑒 ℎ∈ℤ 𝑏([ℎ−1/2])+𝑏([ℎ+1/2]) 2 𝑠𝑒 ℎ∉ℤ (2.10) onde ℎ=𝑁𝑘,𝑙𝑗𝜏+1/2. Os quantis da amostra calculados a partir das expressões anteriores dividem as amostras pedidas 𝑁𝑘,𝑙𝑗 das séries de desvio 𝑎𝑖,𝑘,𝑙𝑗 e 𝑏𝑖,𝑘,𝑙𝑗 em 𝑞 conjuntos separados 𝑆𝐴𝑘,𝑙𝑗 e 𝑆𝐵𝑘,𝑙𝑗. O 𝑟º conjunto contém 𝑁𝑘,𝑙𝑗/𝑞 valores de um intervalo com os limites de quantil [𝑄𝐴𝑘,𝑙𝑗(𝑟𝑞− 1𝑞),𝑄𝐴𝑘,𝑙𝑗(𝑟/𝑞)] e [𝑄𝐵𝑘,𝑙𝑗(𝑟𝑞−1𝑞),𝑄𝐵𝑘,𝑙𝑗(𝑟/𝑞)], onde 𝑟=1,2,…,𝑞. Usando todos os pares disponíveis (𝑎,𝑏) amostrados conjuntamente a partir das séries de desvio, a matriz da probabilidade acumulada 𝑉𝑘,𝑙𝑗(𝑖,𝑗) pode ser calculada a partir de: 𝑉𝑘,𝑙𝑗(𝑖,𝑗)=𝑃 [{𝑎 𝜖 𝑆𝐴𝑘,𝑙𝑗𝑖} ∩ {𝑏 𝜖 𝑆𝐵𝑘,𝑙𝑗𝑖}] . (2.11) O valor de 𝑉(𝑖,𝑗) indica então a probabilidade de uma amostra (𝑎,𝑏) das séries de desvio ter 𝑎 no 𝑖º dos conjuntos 𝑆𝐴𝑘,𝑙𝑗 e 𝑏 no 𝑗º dos conjuntos 𝑆𝐵𝑘,𝑙𝑗. A partir da matriz 𝑉(𝑖,𝑗) calcula-se a probabilidade 𝜏𝑝𝑟, para cada 𝑟=1,2,…,𝑞, de uma determinada linha da série se encontrar na matriz 𝑉(𝑟,𝑟), somando os elementos dessa matriz. É selecionado o menor valor de 𝜏𝑝𝑟 que seja superior à taxa de cobertura 𝑝 desejada. 𝜏𝑝=𝑖𝑛𝑓{𝜏:∑∑𝑉𝑘,𝑙𝑗(𝑖,𝑗)≥𝑝 𝜏 𝑗=1 𝜏 𝑖=1 }. (2.12) O 𝑝º quantil 𝑞 da gama condicional 𝑀𝑘,𝑙𝑗 pode então ser estimando usando a expressão: 𝑄𝑀𝑘,𝑙𝑗(𝑝)=(𝑄𝐴𝑘,𝑙𝑗(𝜏𝑝)+𝑄𝐵𝑘,𝑙𝑗(𝜏𝑝)) . (2.13) A amplitude e gama de variação para a produção média escolhida com a taxa de cobertura desejada podem ser calculadas então pelas expressões seguintes. 𝐶𝑅𝑘,𝑙𝑗,𝑝=𝑄𝐴𝑘,𝑙𝑗(𝜏𝑝)+𝑄𝐵𝑘,𝑙𝑗(𝜏𝑝) (2.14) 𝐶𝑅𝑀𝑘,𝑙𝑗,𝑝=[𝑀𝑙𝑜𝑤𝑘,𝑙𝑗,𝑝,𝑀𝑢𝑝𝑘,𝑙𝑗,𝑝]=[𝑙𝑗−𝑄𝐴𝑘,𝑙𝑗(𝜏𝑝),𝑙𝑗+𝑄𝐵𝑘,𝑙𝑗(𝜏𝑝)] . (2.15) Calculando as médias dos valores de 𝐶𝑅 e 𝐶𝑅𝑀 de todos os quantis 𝑞 obtêm-se os valores esperados para a amplitude de oscilação e para o intervalo da produção eólica para o fator de carga escolhido. 16 16 𝐶𝑅𝑘,𝑙𝑗=∑𝐶𝑅𝑘,𝑙𝑗,𝑝𝑝 𝑞 (2.16) 𝐶𝑅𝑀𝑘,𝑙𝑗=[𝑙𝑗−∑𝑄𝐴𝑘,𝑙𝑗(𝜏𝑝) 𝑝𝑞,𝑙𝑗+∑𝑄𝐵𝑘,𝑙𝑗(𝜏𝑝) 𝑝𝑞] (2.17) Resumindo, a variabilidade da produção eólica é caracterizada pelo tamanho do intervalo em que cada fator de carga (nível de produção média do intervalo temporal considerado) de produção eólica se encontra numa dada escala temporal. A maior variabilidade que se verifica na produção de nível médio é atribuída ao elevado declive da produção eólica em relação à curva da velocidade do vento em níveis médios de produção, o que origina que mesmo uma pequena mudança na velocidade do vento tenha um grande efeito na produção eólica. A variabilidade da produção eólica decresce com o aumento da capacidade nominal do parque eólico. Quanto maior a capacidade nominal, menor o valor da gama condicional, e consequentemente menor a taxa das rampas de produção eólica. O efeito da capacidade nominal do parque eólico nos valores da gama condicional pode ser atribuído ao facto da potência de um parque eólico grande ser o agregado das suas várias turbinas eólicas. A variabilidade também é afetada pelo tipo individual e número de geradores de turbinas eólicas em cada parque eólico, assim como a sua localização [7]. A nível dos operadores de sistema, as futuras estimativas realizadas a partir desta métrica de gama condicional podem ser usadas nas séries de carga líquida (consumo menos eólica) para identificar períodos de operação críticos com variabilidade aumentada. Para esses períodos, as reservas operacionais podem ser aumentadas num fator especificado pelos valores de 𝐶𝑅 respetivos. Em relação aos requisitos de reserva, o índice de confiança terá de ser um dos índices de confiança de equilíbrio de energia estabelecidos. Em períodos onde o intervalo da métrica de gama condicional estimado seja superior ao intervalo aceitável 𝑀𝑟, as reservas necessárias podem ser determinadas pela subtração do tamanho dos dois intervalos. Para além disso, deve ser notado que à medida que o nível de penetração de produção eólica aumenta rapidamente, a variação intrahorária da produção eólica (MW) fica comparável com a variação da carga, e gerir a variabilidade da produção eólica é um problema com que os operadores dos sistemas de energia têm de lidar. A nível da distribuição, a métrica de gama condicional pode ser usada para estimar a dimensão dos dispositivos de armazenamento de forma a gerir e reduzir os níveis de variação de produção eólica para níveis aceitáveis e minimizar desvios horários de geração eólica. 17 Capítulo 3 Flexibilidade A flexibilidade é definida em [22] como a capacidade de um sistema usar os seus recursos para dar resposta a mudanças na carga líquida, sendo a carga líquida definida como a restante carga do sistema que não é alimentada pela geração variável, ou seja, equivalente ao consumo subtraído da geração proveniente de fontes renováveis. Ao nível das centrais elétricas, a flexibilidade pode ser definida como a capacidade de modificar os níveis de geração em resposta a um comando do operador do sistema, de um modo suficientemente rápido para dar resposta a rampas elevadas da carga e da geração e a desvios entre as previsões e os valores reais. 3.1 - Caracterização da Flexibilidade A flexibilidade da geração é caracterizada por diversos parâmetros, tais como ramp rates (taxas de rampa, em 𝑀𝑊 por minuto, correspondente a uma percentagem da potência nominal), níveis técnicos e económicos mínimos de geração, tempo de arranque e tempo de paragem. Quando se consideram modelos tradicionais de fornecimento de flexibilidade, diferentes recursos de reserva servem diferentes propósitos. Os produtos de regulação tendem a estar focados em variações pequenas e frequentes na carga relativamente a um curto período. As reservas operacionais focam-se em variações de grande escala na carga durante pequenos períodos, menos frequentes que no caso da regulação. As reservas de substituição têm como propósito a ligação de grandes quantidades de recursos, mas no decorrer de um intervalo temporal mais longo. As propriedades que são contabilizadas na avaliação da flexibilidade de unidades geradoras são apresentadas na tabela 3.1. 18 18 Tabela 3.1 - Propriedades de avaliação dos geradores na perspetiva da flexibilidade [23] Característica Propriedade do gerador Magnitude A ramp rate da unidade em 𝑀𝑊/𝑚𝑖𝑛 ou 𝑀𝑊 num determinado intervalo temporal Frequência A capacidade de uma central variar a sua produção, dada por uma métrica tal que o que o período mínimo de ciclo seja o mínimo fisicamente possível Qualidade Tempo de sincronização, tempos mínimos de ligação e de paragem, disponibilidade da unidade para rampas Intensidade Tamanho do reservatório para unidades com limitações de energia A ramp rate nominal fornecida por uma unidade é descrito pela magnitude. As restrições temporais e operacionais da unidade como tempo mínimo de ligação e paragem, tempo de sincronização e nível de output provável são descritos pela qualidade. A posição da unidade na ordem de mérito dita a probabilidade da unidade estar disponível para executar rampas em ambas as direções. Unidades de maior mérito têm maior probabilidade de estar prontas para subir a sua produção, enquanto as unidades de menor mérito têm maior probabilidade de descerem a sua produção. Podem existir restrições de caráter diferente, como as restrições de pessoal, visto que certas operações podem ser impossibilitadas por não existir pessoal suficiente (esta restrição tem perdido importância com a progressiva automatização do processo de arranque), ou restrições relacionadas com grupos obrigatórios (must-run) que impõe, por diversas razões, que certos grupos têm de estar obrigatoriamente ligados em determinados períodos. Quando a produção e/ou a carga variam, o controlo primário reage automaticamente e ajusta a produção nas centrais controladas por este tipo de controlo. O equilíbrio é restaurado, mas as folgas primárias são usadas, e então é necessário aumentar/diminuir a produção noutras centrais de modo a substituir o controlo primário usado como preparação para novas variações na produção e/ou e consumo. Ao mesmo tempo, a fiabilidade do sistema de transmissão tem de ser mantida. Este processo de equilíbrio contínuo é dividido em controlo primário (menos de um minuto), secundário (até alguns minutos) e terciário (mais de 10-15min), dependendo de quão rápido o sistema reage a variações [24]. Pode ser feita a seguinte separação entre centrais [25]:  Unidades de pico capazes de arrancar, parar, ou mudar o seu nível de geração muito rapidamente em resposta a um comando do operador de sistema. Unidades deste tipo conseguem responder a variações e incerteza minuto a minuto, sendo alguns exemplos as centrais de turbinas a gás de ciclo aberto e hidroelétricas;  Unidades de mérito intermédio têm a capacidade de subir a sua produção até ao valor máximo e reduzir até ao seu valor mínimo, mas são mais lentas que as 19 unidades de pico. Exemplos destas unidades são as centrais de turbinas a gás de ciclo combinado e de biomassa, e cobrem variações e incerteza intrahorárias;  Unidade de base de carga têm tempos de resposta mais lentos e normalmente operam durante o dia todo ou durante períodos predefinidos. Unidades como centrais a carvão, nucleares, e geotérmicas podem necessitar de cerca de 6h para arrancar ou fornecer resposta flexível. Essas unidades podem fornecer alguma flexibilidade de base diária. Para além destas três categorias, também existem unidades must-run que asseguram a estabilidade dinâmica do sistema elétrico (por exemplo, o mínimo de inércia momentânea no sistema). O nível de geração mínimo dessas unidades pode ser um fator crítico em períodos com elevada penetração de energias renováveis. 3.1.1 - Reserva Para acomodar a variabilidade adicional provenientes das fontes renováveis, os operadores acomodam uma certa quantidade de geração em standby para dar resposta tanto a sobreprodução como subprodução de grandes centrais de energia renovável. Esta geração flexível é conhecida por “reserva”. O sistema é mais flexível quando é fornecida reserva, e menos flexível quando não existe reserva e ocorrem falhas de serviço na geração. As categorias de reserva clássicas são [2]:  Reserva primária (ou resposta de frequência): é usada para estabilizar a frequência do sistema num valor estacionário após uma perturbação ou incidente num intervalo de segundos.  Reserva secundária (ou reserva de regulação): é despachada através do controlo automático de geração (AGC) para restaurar a frequência e trocas de energia entre várias áreas ao seu valor nominal num intervalo de 15min.  Reserva terciária (ou reserva de substituição): o operador de sistema para restaurar ou complementar os níveis de reserva secundária manualmente deve ativar a reserva terciária, num intervalo entre 15min e 1h. As necessidades de flexibilidade eram tradicionalmente satisfeitas através da reserva armazenada e pelo despacho das unidades geradoras. Visto que a carga do sistema era bastante previsível, as variações intrahorárias podiam ser satisfeitas pela regulação e pela reserva de seguimento de carga, enquanto a reserva de contingência era deixada de parte para situações de falhas imprevistas de recursos de geração ou transporte. Elevados níveis de penetração de energias renováveis (maioritariamente eólica e solar) no sistema requerem uma revisão dessas categorias de reserva. Grandes quotas de geração renovável não criam problemas, em sistemas interligados, para intervalos temporais da reserva primária. Holttinen el al. [26] dividiram as categorias de reserva em: 20 20  Não–evento (operação normal): para variabilidade e erros de previsão dentro do período de escalonamento;  Evento rápido (operação de contingência): para falha não planeada de um gerador ou de uma linha de transmissão transfronteiriça;  Evento lento: para rampas da carga líquida esperadas ou erros de previsão que possam ocorrer em intervalos temporais longos (dezenas de minutos a horas). Os autores argumentam que a geração proveniente de fontes de energia renováveis não varia suficientemente rápido para ser um evento de contingência, e o impacto na reserva secundária é menor que o impacto na reserva terciária (ambas as reservas estão incluídas na categoria de não-evento). Elevados níveis de penetração de energias renováveis irão introduzir eventos lentos caracterizados por muitas rampas rápidas na geração e erros de previsão. A cada instante, o operador de sistema é responsável por manter o equilíbrio entre geração e carga no sistema elétrico e , para tal é necessária a existência de uma capacidade de reserva composta por cargas e unidades de geração capazes de responder a eventuais problemas. São normalmente necessárias reservas ascendentes e descendentes. A reserva ascendente consiste em unidades de geração (ou cargas) ligadas ou desligadas capazes, em pouco tempo, aumentar os seus níveis de produção (ou diminuir os seus níveis de consumo). A reserva descendente consiste em unidades de geração ligadas capazes de diminuir os seus níveis de produção ou cargas capazes de começar a consumir (ou aumentar o consumo) em pouco tempo. No contexto de pré-despacho a reserva girante para cada intervalo pode ser definida por um dos seguintes princípios [27]:  Valor igual a uma percentagem da carga prevista para o intervalo;  Valor igual à potência máxima da maior unidade em funcionamento;  Reserva que garanta um risco de perda de carga inferior a um certo valor, tendo em conta as probabilidades de avaria dos grupos. A flexibilidade de um sistema é dependente de como o sistema é operado: se o sistema fornece uma grande quantidade de reserva em todos os momentos, esse sistema está mais apto para responder a mudanças na carga da rede. A reserva operacional é tipicamente planeada para o dia seguinte, de forma a assegurar que as quantidades planeadas coincidam com os recursos de produção disponíveis. Em vários sistemas a dimensão da reserva operacional de ação rápida é determinada pela perda da maior unidade (LLU) ou por algum critério determinístico semelhante, onde não se considera geração variável. Todavia, as práticas atuais favorecem métodos probabilísticos aos métodos determinísticos tradicionais [28].Estes métodos determinam a capacidade do sistema atender à incerteza no erro da previsão da carga líquida num contexto de planeamento de operações a curto-prazo. Os métodos (ou regras) determinísticos para estabelecimento de requisitos de reserva serviram muitos operadores de sistema no passado, muito por serem de fácil compreensão e aplicação pelos operadores, e conduzirem a elevados níveis de segurança com um esforço de 21 estudo mínimo. No entanto, com elevados níveis de geração renovável, aproximações excessivamente conservativas conduziriam a elevados custos de reserva e a um desperdício de benefícios associados à geração renovável. Por exemplo, operadores que não estejam confortáveis com a possibilidade de elevados erros de previsão podem definir níveis de reserva elevados para compensar potenciais desvios, reduzindo assim as vantagens a nível económico da geração a partir de fontes renováveis. Por outro lado, uma vez que o risco não é realmente monitorizado com a utilização de métodos determinísticos, as regras conservativas podem por vezes falhar em circunstâncias específicas não incluídas na análise original. A alternativa consiste em usar métodos probabilísticos para estabelecer os requisitos de reserva. 3.2 - Causas da Necessidade de Flexibilidade As necessidades de flexibilidade são influenciadas por diversos fatores como a quantidade de geração variável instalada, a correlação entre a produção proveniente de geração variável e a carga do sistema, assim como pelas falhas de fontes de geração convencionais. A carga do sistema é atualmente o maior consumidor de flexibilidade nos sistemas elétricos e, como tal, a previsão de variações na carga do sistema é crucial. A previsão de carga do sistema e, mais importante ainda o intervalo de confiança associado com a carga de sistema prevista pode indicar o nível de flexibilidade requerida pelo sistema. As variações previstas da carga líquida são incorporadas no escalonamento e despacho de recursos no dia anterior. No entanto, desvios da carga de sistema prevista têm de ser correspondidos pelos restantes recursos flexíveis. A resposta a este tipo de situações tem sido dada através de da utilização de reserva de seguimento de carga. 3.2.1 - Integração de Geração Renovável À medida que a quota de geração variável aumenta nos sistemas elétricos, os operadores de sistema serão confrontados com o desafio de como operar melhor o seu sistema para lidar com o aumento de variabilidade. A chave é a flexibilidade do sistema, que vem na tanto na forma de recursos flexíveis como de flexibilidade institucional [29]. Os recursos flexíveis do sistema devem equilibrar as variações na carga líquida. A variabilidade das eólicas requer que outros geradores tenham de fazer rampas na sua produção, ascendentes e descendentes, de moda a equilibrar a produção total com o valor da carga. Devidos as restrições a nível de rampas, as oscilações rápidas de produção elétrica das eólicas não podem ser compensadas por centrais de base de carga. No contexto das previsões, enquanto os erros de previsão para o consumo são baixos, as previsões da carga líquida devem considerar a produção proveniente de geração variável e os seus intervalos de confiança respetivos. Dependendo do grau de correlação da geração variável com a carga do sistema, a magnitude das mudanças na carga líquida pode aumentar. Esta 22 22 componente também afetada pela escala da geração renovável. Além disso, mesmo com previsões perfeitas para as horas/dias seguintes, é necessário ter unidade de geração flexíveis no sistema para acomodar as rampas da geração. Sem haver limitação da produção proveniente de geração variável, é possível que os recursos flexíveis existentes (geradores, dispositivos de armazenamento, carga flexível, interligações, etc.) possam ser insuficientes para satisfazer as variações ascendentes ou descendentes na carga líquida em certas alturas. Contudo, a limitação de geração renovável durante períodos de baixa carga e o arranque de unidades de arranque rápido caras leva ao aumento de custo. Nesta dissertação não foi focada a questão do custo associado à integração de fontes de produção variáveis, como eólicas e solares, num sistema elétrico existente. Weber [30] desenvolveu uma aproximação teórica para a estimação destes custos, considerando várias tecnologias. As unidades de geração convencional fornecem intrinsecamente inércia ao sistema, que é uma característica fundamental para assegurar a sua estabilidade. A integração de larga escala de fontes de energia renováveis irá, naturalmente, evitar que sejam despachadas centrais convencionais, afetando assim fortemente a reserva de serviços auxiliares e a segurança global do sistema como resultado da degradação generalizada da resposta em frequência adequada. Há um número importante de serviços auxiliares tradicionalmente fornecidos por unidades de geração convencionais, térmicas ou hídricas, tais como controlo de tensão e frequência. Isto levou os operadores de sistema a definir regras restritas e condições para ser possível o aumento da integração de fontes de energias renováveis. Regra geral, atualmente as regras da rede exigem que os parques eólicos resistam a várias perturbações e que contribuam para a estabilidade da rede a partir do fornecimento de serviços auxiliares, identicamente aos fornecidos por unidades de convencionais síncronas. Estes podem ser, geralmente, organizados em cinco categorias principais [2]: requisitos de sobrevivência a cavas de tensão; respostas a perturbações, tanto de potência ativa como reativa; grande capacidade de variação para a tensão-frequência; controlo de potência ativa ou regulação de frequência e controlo de potência reativa ou capacidade de regulação de tensão. As interligações do sistema e as características das suas unidades geradoras definem a capacidade deste absorver geração variável proveniente de fontes renováveis. Um sistema isolado contendo maioritariamente unidade geradoras com tempos de arranque elevados e baixas ramp rates encontrará mais dificuldades na integração de geração variável do que um sistema bem interconectado e que contenha várias unidades de geração capazes de arrancar e atingir rampas rapidamente. 29 Os sistemas adiabáticos avançados correspondem a um desenvolvimento posterior que tem como objetivo recuperar e armazenar o calor gerado pelo compressor durante o processo de compressão. Usando-o para aquecer o ar durante o processo de descarga, pretende-se substituir o procedimento que é alimentado a gás adicional. A função adiabática implica um salto tecnológico para um tipo praticamente novo de sistema de armazenamento. Estes sistemas ainda se encontram em fase de desenvolvimento. Os sistemas de armazenamento de ar comprimido proporciona uma operação bastante flexível e o seu arranque é semelhante ao das turbinas a gás, visto que a tecnologia é idêntica. São até mais flexíveis que as centrais a gás ou vapor se forem usadas turbinas mais simples, pequenas e consequentemente mais flexíveis. Nos novos sistemas adiabáticos avançados, é expectável que se consiga arrancar as turbinas e compressores de 0 a 100 no intervalo de 10 a 15 minutos. C. Armazenamento de Hidrogénio e Metano A desvantagem dos sistemas de armazenamento mecânicos para já é a sua falta de, ou limitada, capacidade de armazenamento a longo termo. À exceção de grandes centrais de armazenamento, estes são projetados para operarem em ciclos de armazenamento de horas ou alguns dias, não sendo capazes de compensar períodos longos (semanas) de ventos fracos ou flutuações sazonais. No entanto, é este tipo de função que será necessária no futuro. A conversão de energia em gás pode ser a solução para este problema. O hidrogénio (𝐻2) pode ser produzido através da água e eletricidade a partir de eletrólise. Este elemento tem uma elevada densidade energética e pode ser armazenado em cavernas praticamente sem perdas e em quantidades virtualmente ilimitadas por períodos também ilimitados. Estas características tornam-no extremamente adequado para o armazenamento de energia por períodos de semanas ou estações. O hidrogénio pode depois ser convertido novamente para eletricidade usando células de combustível, turbinas de gás ou motores a gás. O facto de ser possível reconverter a mistura de hidrogénio e metano em eletricidade em centrais de gás e vapor constitui uma grande vantagem, de se conseguir usar tecnologia amadurecida sem haver necessidade de desenvolvimentos adicionais ou de construção de novas infraestruturas. Alternativamente, também é possível incluir a combustão de hidrogénio em centrais de carvão ou biomassa. Existe uma certa variedade de tecnologias de produção eletromecânica, das quais a mais frequentemente usada e mais barata é a eletrólise alcalina. Esta é atualmente usada para aplicações industriais e tem um output de alguns megawatts, mas tem algum potencial de otimização para uso comercial, baseado no seu baixo consumo, mesmo com eletrólise de altas temperaturas, apesar de os protótipos ainda apresentarem um período de vida útil curto. Na compensação negativa de carga a eficiência do eletrolisador pode desviar-se da performance ótima e baixar para os 8,5%. Porém, esta situação não se apresenta muito 30 30 problemática na compensação sazonal, quando flutuações temporárias podem ser compensadas por outros tipos de armazenamento. As reações à variação de carga e mudança de nível de produção ocorrem quase instantaneamente em todo o período de carga parcial, e tanto o arranque de 0% a 100% como a paragem de 100% a 0% são alcançáveis em menos de 15 minutos (mais rápido do que com turbinas a gás). Para além das várias possibilidades a nível de armazenamento, o transporte de hidrogénio através de tubagens pode ser alvo de interesse da indústria energética. Não é esperada uma volatilidade significativa ou problemas a nível de degradação de desempenho, se o hidrogénio representar até 5% do volume, sendo que a médio prazo esta proporção pode subir para entre 10 e 20%. Espera-se que as turbinas a hidrogénio sejam capazes de atingir o mesmo nível de eficiência que as centrais a gás e vapor atuais. Atualmente os inconvenientes são o custo, os complexos sistemas de engenharia e o facto do tamanho das centrais ser abaixo do megawatt. Por outro lado, a sua flexibilidade e excelente comportamento a carga parcial são ideais para suavizar operações diárias. O gás natural consiste quase inteiramente de metano que, levando o processo eletromecânico um nível acima, pode ser produzido a partir de 𝐻2. O produto da reação, que usa 𝐶𝑂2 do ar e de gases de escape, tem uma ainda maior densidade energética e menor volatilidade. Assim como o hidrogénio, o metano pode ser usando como matéria-prima industrial, como combustível de aquecimento ou como combustível para veículos. A tecnologia para o uso de metano nestas aplicações é também mais evoluída. A maior desvantagem é que o estado mais problemático do armazenamento, a eletrólise, não pode ser contornado e tem de ser feita uma transformação adicional. D. Eficiência e Custos de Investimento As centrais com bombagem mais evoluídas são, de longe, a forma de armazenamento e descarga de eletricidade com melhor eficiência global. Dependendo da idade e da configuração (por exemplo diferenças de alturas dos reservatórios e tamanho), os níveis médios de eficiência das centrais alemãs deste tipo encontram-se na ordem dos 70-80%. Dependendo do design, centrais eficientes perdem aproximadamente 12% da energia durante operações de bombagem e 8% quando turbinam. Apenas os sistemas de armazenamento de ar comprimido adiabáticos avançados com eficiência na ordem dos 70% que conseguem entrar na mesma gama de eficiência das centrais hidroelétricas com bombagem mais fracas. As perdas nesta tecnologia são de aproximadamente 20% enquanto carregam e 13% na descarga. Os processos eletromecânicos são ainda relativamente ineficientes. Conseguem-se eficiências de 70-82% com eletrólise alcalina. Apesar de virtualmente não haver perdas durante o armazenamento em cavernas, as turbinas de gás e células de combustível apresentam perdas de 60% e 45-55% respetivamente, o que se traduz numa eficiência global de 39-49%. Perdas energéticas de 18- 31 25% reduzem a eficiência do armazenamento baseado na metanização para 33-40% com a tecnologia disponível na atualidade. O investimento de capital para centrais com bombagem varia consideravelmente e está atualmente estimado em 800-1300€ por kW de potência instalada. Dependendo da capacidade, o custo dos sistemas de armazenamento de ar comprimido diabáticos é comparativamente baixo, entre 500 e 800€ por kW. No caso dos adiabáticos avançados o custo será 30-40% mais elevado, entre 700 e 1000€ por kW, devido ao investimento adicional necessário para acumuladores e permutadores de calor. Claro que os custos de desenvolvimento farão com que as primeiras centrais sejam mais caras (1000-1400€ por kW). Mas, apesar de serem frequentemente ligadas e desligadas, as centrais de armazenamento de ar comprimido tem um período de vida relativamente elevado. Com manutenção regular devem conseguir passar do iniciais 30 anos de serviço apontados pelos seus operadores, para durarem o mesmo que centrais alimentadas a gás, isto é, entre 40 e 50 anos. De momento, o armazenamento de hidrogénio e metano é o mais caro, sendo que o custos de eletrolisadores e centrais de metanização são estimados em aproximadamente 1000€ por kW. O tempo de vida do sistema de eletrólitos é, no presente, de aproximadamente 20 anos. Com um tempo de serviço de até 40-45 anos para as turbinas de gás e a praticamente ilimitada vida do armazenamento em caverna, os componentes de reconversão e armazenamento são de longe mais robustos. Relativamente a custos, o armazenamento de eletricidade de renováveis só será benéfico a médio-prazo. Antes disso, pode ser sensato usar centrais a gás para assegurar o fornecimento, mesmo que as centrais sejam subutilizadas e que a eletricidade vindas das renováveis sofra um colapso parcial. Para além de disso, como tecnologia de transição, as centrais a gás e vapor são também muito compatíveis com soluções de armazenamento a longo prazo – hidrogénio e metano. 3.4 - Planeamento de Flexibilidade O planeamento de operação segura de um sistema é tradicionalmente deixado para os investidores na geração e operadores de sistema, uma vez que é pressuposto que se existir capacidade suficiente o sistema pode ser operado fiavelmente. Ma et al. [45] desenvolveram uma metodologia de escalonamento de unidades e de construção que determina o portefólio ideal de centrais e o tempo adequado para iniciar a construção de cada um desses recursos. 3.4.1 - Adequação de Capacidade A fiabilidade de um sistema elétrico é dividida em dois aspetos básico: segurança do sistema e adequação do sistema. Um sistema é seguro se conseguir suportar a perda de componenteschave do fornecimento de energia como geradores ou linhas de transmissão. A adequação do 32 32 sistema de geração refere-se à determinação se existe capacidade instalada suficiente para dar resposta à carga. Esta adequação é alcançada através da combinação de diferentes geradores que possam ter características significativamente diferentes. O valor da capacidade de determinado gerador pode ser definido como a quantidade de carga adicional que pode ser servida devido à adição desse gerador, mantendo os mesmos níveis de fiabilidade existentes. É imperioso determinar a adequação de capacidade do sistema. Esta pode ser usada por engenheiros de sistemas para avaliar o risco de existir défice de capacidade de geração. Nos últimos anos tem ganho importância devido à maior incerteza decorrente da disponibilidade de energia eólica, que varia em função das condições meteorológicas locais [18]. Métricas de adequação da geração, tais como o risco de perda de carga (loss of load expectation – LOLE), a energia não fornecida expectável (expected energy not served – EENS) ou análise de bem-estar são medidas standard pelas quais um plano é avaliado e serviram bem a indústria até à data. Estes métodos fazem algumas suposições gerais: a primeira é que o deslastre de cargas só ocorrerá durante períodos de capacidade insuficiente, tanto de geração como da transmissão. Esses métodos podem incluir um critério de reserva onde as restrições operacionais são incluídas. Critérios determinísticos como níveis de capacidade de reserva fixos são baseados em heurísticas e são de implementação simples, e como tal muitos sistemas elétricos utilizam exclusivamente critérios determinísticos no planeamento a longo prazo. A margem de capacidade pode ser definida em estudos de planeamento usando métricas determinísticas com a perda da maior unidade (loss of largest unit – LLU), ou métodos probabilísticos como um valor de LOLE alvo. A análise de bem-estar considera ambos os critérios probabilísticos e determinísticos na avaliação da adequação dos recursos de sistema planeados, e resulta num conjunto de índices que descrevem a adequação do sistema como um de três resultados possíveis: saudável, marginal ou em risco. Figura 3.1 - Desenvolvimento de cenários no planeamento de geração [1] 33 A inclusão de uma etapa de avaliação da flexibilidade do sistema, antes de se proceder com estudos de integração, pode apressar o processo de planeamento através da identificação das características dos recursos que são exigidos pelo sistema, como apresentado na Figura 3.1. Devido aos erros de previsão de consumo e produção variável e à incerteza associada quando a adequação do sistema com a integração de geração variável foram desenvolvidos novos métodos de planeamento a longo prazo, levando aos estudos de integração de geração variável. 3.4.2 - Estudos de Integração Um desafio da atualidade enfrentado por vários sistemas elétricos reside no planeamento de uma operação segura e fiável com a integração de grande penetração de geração variável. É necessário avaliar a capacidade de um sistema existente integrar com sucesso um nível de penetração de geração variável desejado. Este teste passa pelo cálculo da flexibilidade do sistema para gerir períodos de grande variabilidade. Os sistemas elétricos devem ser à partida suficientemente flexíveis para lidar com perfis de carga variáveis, portanto baixos níveis de geração variável conseguem ser integrados com um esforço mínimo. Porém, à medida que a penetração de geração variável no sistema aumenta, os recursos flexíveis terão de ser, primariamente, utilizados de um modo otimizado, e depois alargados, de modo a aumentar a capacidade de flexibilidade de recursos. Os estudos de integração têm sido utilizados em muitos sistemas elétricos que procuram uma elevada penetração de geração variável [1]. Estes tendem a focar-se na compreensão do impacto da geração variável na operação diária do sistema e no reforço da transmissão requerido. Este tipo de aproximação é utilizada para se assegurar que é fornecida alguma reserva suplementar para lidar com a variabilidade adicional causada pela crescente geração variável. O aumento da penetração de geração eólica nos últimos anos originou alguns desafios nos cálculos necessários para facilitar a integração de energia eólica de forma a manter os níveis existentes de segurança de fornecimento. Um cálculo-chave neste processo é o crédito de capacidade ou valor de geração eólica. O crédito de capacidade pode ser definido como a quantidade de capacidade de geração convencional segura que pode ser substituída por capacidade de geração eólica, de modo a manter os níveis existentes de segurança de fornecimento [46]. O departamento de integração de renováveis variáveis da agência internacional de energia (GIVAR) tem procurado desenvolver uma metodologia de avaliação da flexibilidade de alto nível para sistemas com pouca experiência de geração variável, que não necessite de dados do sistema extensivos e que não utilize sistemas de simulação computacionalmente exigentes [25]. A Flexibility Assessment Tool (FAST) calcula o potencial de penetração de geração variável de 34 34 um sistema pela estimação da quantidade de flexibilidade disponibilizada pela representação dos recursos do sistema. A estimativa do potencial de penetração de geração variável é baseada por um número de parâmetros quantitativos e qualitativos e suposições operacionais que podem não ser verdadeiras para certos sistemas, e uma análise mais detalhada pode ser necessária antes de serem feitos investimentos ou decisões políticas. Sousa e Martins apresentaram uma metodologia, baseada num modelo de otimização multiobjectivo, de auxílio ao processo de decisão das políticas de energias renováveis a partir do estabelecimento do mix energético ótimo, considerando várias tecnologias (hidroelétricas, fotovoltaicos e eólicas). Essa metodologia foi ao sistema ao sistema elétrico português, do qual resultou o seguinte mix ótimo de capacidade instalada de energias renováveis: 87,5% de centrais hidroelétricas, 7,7% de eólicas e 4,6% de fotovoltaicos. Como termo de comparação, o caso real possui: 60,6% de centrais hidroelétricas, 38,9% de eólicas e 0,4% de fotovoltaicas. 3.5 - Avaliação da Flexibilidade Dada toda a informação obtida através da simulação de um sistema elétrico, a simples contagem do número de períodos por ano que a carga líquida não consegue ser satisfeita devido à falta de capacidade de rampa é o indicador mais básico de planeamento de flexibilidade de um sistema. A medida mais fundamental do equilíbrio entre carga e geração é a frequência do sistema. O desvio da frequência do sistema do valor nominal por períodos prolongados durante eventos de rampa da carga líquida indica a falta de capacidade de um sistema organizar os seus recursos para responder às ramp rates da carga líquida. No entanto, apesar da frequência do sistema ser um indicador útil em operações em tempo real, esta não consegue prever o estado da flexibilidade do sistema no futuro imediato. As soluções de EU e DE conseguem também evidenciar a escassez ou não de flexibilidade num sistema. Por exemplo, num sistema com flexibilidade insuficiente, as centrais nucleares ou a carvão inflexíveis podem necessitar de variar muito a sua produção ou aumentar o número de vezes que são ligadas e desligadas num ano. Um aumento do número de vezes que são ligadas pode ser causado pelo aumento da variabilidade da carga líquida, ou níveis mínimos de geração estável relativamente elevados por parte dessas unidades. Adicionalmente, quando é imposta uma limitação da geração variável, a quantidade de energia de recursos de geração variável cerceada indica que foi alcançado um limite operacional no sistema, e que a limitação da produção proveniente de geração variável foi considerada necessária por motivos de custo ou de estabilidade do sistema. Em sistemas flexíveis, poucas serão as ocasiões em que a limitação de geração variável será necessária, enquanto os sistemas inflexíveis poderão, por exemplo, limitar a produção eólica durante a noite para que o ciclo de arranque das unidades inflexíveis, que estão na base do diagrama de cargas, possa ser reduzido. A magnitude, o timing e a duração das limitações de geração 35 variável evidenciam esses períodos em que o sistema tem falta de flexibilidade, e a causa do problema de flexibilidade. 3.5.1 - Métodos de Avaliação da Flexibilidade Enquanto métricas que se concentram nas necessidades de flexibilidade e na disponibilidade da flexibilidade separadamente oferecem algumas conclusões acerca da flexibilidade de um sistema, estas não contemplam as restrições operacionais e de transmissão. Uma vez que essas restrições de sistema podem ter um grande papel na determinação da flexibilidade de um sistema, a sua inclusão é crítica para avaliar a flexibilidade global de um sistema. Os operadores de sistema devem então calcular a flexibilidade disponível na hora seguinte e compara-la com os valores das previsões da carga líquida. Isto essencialmente compara a capacidade de rampa do sistema e as previsões de carga de forma a determinar se os recursos atuais conseguem dar resposta à rampa da carga líquida mesmo se existisse um grande erro de previsão. Os erros de previsão são estimados a partir de dados históricos de erros de previsão de vento. A. Flexibilidade Requerida Os valores históricos da carga do sistema e da produção variável oferecem uma perspetiva imediata do potencial de futuros requisitos de flexibilidade. A previsão de carga e da geração renovável, através da tradução de dados de clima em geração variável, determinam características da carga líquida prevista e são a primeira pista de que recursos serão necessários. A magnitude e distribuição temporal das variações na carga líquida indicam o tipo de recursos flexíveis que podem ser necessários. A agregação e as características de produção de cada tecnologia de geração variável irão determinar a frequência de ocorrências e a previsibilidade de grandes variações na produção proveniente de geração variável. Métricas como o desvio padrão da geração variável e da carga líquida, a variação máxima na carga líquida num determinado período e a variação máxima da carga líquida a uma determinada hora do dia são indicadores importantes do tipo de flexibilidade que pode ser necessária no futuro. B. Flexibilidade Disponível A determinação da suficiência de flexibilidade para determinado cenário passa pela deliberação se o sistema é suficiente flexível para responder às variações de carga líquida através da simulação de despachos dos recursos disponíveis, considerando a incerteza associada à disponibilidade desses recursos, ao timing das falhas de serviço e às restrições operacionais e económicas do procedimento de despacho. A escassez de flexibilidade de um sistema pode 36 36 ser avaliada através do cálculo direto da propensão de um sistema não conseguir responder a variações na carga líquida dentro de um tempo estabelecido, ou pela análise de variáveis que podem ser vistas como sintomas de inflexibilidade do sistema. Muitos sistemas elétricos de energia fazem a avaliação da capacidade de rampa disponível. Esta pode ser dada pela taxa de rampa do sistema ou pela energia disponíveis num determinado tempo. Assumindo que não ocorrerão falhas de serviço dos recursos num futuro próximo, este é o indicador mais básico da flexibilidade disponibilizada pelos recursos do sistema, antes das restrições relacionadas com a rede de transmissão e com a operação do sistema serem incluídas. Contudo, a flexibilidade de um sistema depende do estado de cada recurso e, como tal, é necessária informação detalhada de cada recurso. Os recursos disponíveis para gerir a evento de rampa de 15 minutos são diferentes daqueles disponíveis para dar resposta a rampas que duram 6 horas, e como tal devem ser considerados separadamente. A avaliação básica do efeito de um recurso num sistema dependerá da avaliação precisa da flexibilidade do sistema, com e sem cada recurso. O impacto de falhas de serviço na geração nos requisitos de flexibilidade é destacado pelo forced outage rate de cada recurso. Uma vez que falhas de serviço requerem flexibilidade adicional dos recursos do sistema que restam, o número de recursos e as taxas de saída de serviço forçada de recursos são importantes tanto na perspetiva da capacidade como da flexibilidade. A avaliação da capacidade de um sistema equilibrar continuamente carga e geração requer modelos operacionais seguidos por análise estatística, em vez de uma solução analítica como a dada pelo LOLE, por exemplo. O grau de liberdade envolvida no cálculo de flexibilidade é então muito maior do que os do cálculo de adequação de capacidade. O NERC [47] e a IEA [25] fornecem comentários detalhados acerca desses fatores que influenciam a flexibilidade do sistema. Um desenvolvimento futuro para as métricas operacionais será a consideração da flexibilidade necessária pela falha de recursos de geração e variações na carga líquida. Uma metodologia possível para alcançar isto passa pela adaptação da metodologia proposta em [1]. A cada instante, o estado de cada recurso flexível pode ser representado com um processo de Markov de dois estados. Para a flexibilidade ascendente e no estado “disponível”, um recurso pode fornecer a flexibilidade disponível calculada, com a probabilidade de essa unidade permanecer em serviço durante o período em questão (exemplo: um gerador consegue fornecer 100MW na próxima hora com uma probabilidade de 0.99). No estado “indisponível”, o recurso necessitará que seja cedida flexibilidade adicional igual à produção atual do recurso, com a probabilidade deste falhar durante o período em questão (exemplo: 300MW na próxima hora com uma probabilidade de 0.01). Da mesma forma, pode ser desenvolvido um modelo para as rampas descendentes, podendo também ser incluídos recursos que podem tanto consumir como produzir. A convolução dos modelos de todos os estados para cada recurso resulta na função 37 de distribuição cumulativa de flexibilidade disponível nesse instante, incluindo a possibilidade de falhas de serviço. Métricas como as presentes em [48] destacam a capacidade de um sistema fornecer a reserva que foi determinada. Índices de risco que mostram que um requisito de reserva é frequentemente não correspondido indica um sistema inflexível, ou um sistema com grande necessidade de flexibilidade. Menemenlis et al. [49] propõem uma métrica de flexibilidade baseada na comparação de reservas de balanço fornecidas por soluções de EU e de DE para preparar um conjunto de cenários de carga e de geração variável. Calculando a soma das probabilidades para todos os cenários correspondidos de determinada solução aos problemas de EU calculados para cada cenário, pode ser determinado o índice de flexibilidade para cada solução. Tal aproximação pressupõe o cálculo de mais que um cenário de EU para cada período. Apesar da maioria dos sistemas não empregar atualmente um algoritmo de EU estocástico, a utilização deste pode aumentar a flexibilidade resultante, a baixo custo, para além de possibilitar a medição de flexibilidade proposta. Contudo, a introdução de EU estocásticos aumenta grandemente o esforço computacional necessário. As métricas de flexibilidade podem ser divididas em duas classes distintas, baseadas nas aplicações a que estão destinadas. As métricas foram desenvolvidas para fornecer informação aos responsáveis por operações em tempo real e as destinadas aos intervenientes no planeamento a longo-prazo. O problema da flexibilidade já foi endereçado a partir de planeamento a longo prazo de reservas operacionais [48], aplicando uma simulação de Monte Carlo sequencial da carga, vento e geração hídrica, combinada com EU e DE, para avaliar uma série de métricas de fiabilidade para o sistema. Ao contrário do planeamento de adequação da geração, o horizonte temporal considerado tem um papel importante na avaliação da flexibilidade. As mudanças da carga raramente são uniformes quando se consideram períodos longos e, como tal, é importante compreender a flexibilidade do sistema no decorrer de diferentes horizontes temporais compatíveis com a duração das variações da carga líquida. A direção das mudanças na carga líquida é também importante para a flexibilidade visto que recursos que estejam a funcionar a máxima carga só podem contribuir quando houver diminuição de carga, ao contrário dos recursos que estão fora de funcionamento que podem apenas contribuir para a flexibilidade durante períodos em que a carga é crescente. 38 38 3.5.2 - Método de Avaliação da Flexibilidade Através do IRRE Apesar de não ter sido aplicado esta metodologia até ao cálculo do índice que retrata a probabilidade de disponibilidade de rampa insuficiente (insufficient ramping resource expectation – IRRE), considerou-se importante expor este método pelo facto de ter sido utilizado parcialmente para a determinação da flexibilidade disponível em despachos reais históricos do sistema elétrico português nos testes. Para além disso, o método desenvolvido para avaliação da flexibilidade máxima apresentado em 3.5.3 também utiliza várias restrições semelhantes às deste método. Esta metodologia, apresentada por O’Malley et al. [1], é destinada a medir a flexibilidade de um sistema elétrico com finalidade de intervir no planeamento a longo prazo e é derivada de métricas de adequação de geração tradicionais. A exposição do método é feita seguindo de perto o artigo referido. Adaptando a metodologia do LOLE pode ser obtida uma estimativa análoga da inaptidão do sistema para fornecer a flexibilidade requerida. O cálculo do LOLE pode ser dividido em dois processos. Em primeiro lugar é construído um modelo de recursos, chamado de tabela de probabilidade de insuficiência de capacidade, que apresenta uma distribuição de probabilidade de capacidade de geração indisponível, a partir das características das unidades produtoras. É possível então calcular a probabilidade de perda de carga a partir desta distribuição somando as probabilidades dos pontos onde haverá capacidade insuficiente. A probabilidade de capacidade de rampa insuficiente (IRRE) corresponde ao número expectável de situações em que o sistema elétrico não será capaz de corresponder às alterações da carga, previstas ou imprevistas. Este cálculo segue um modelo idêntico ao do LOLE, apresentando porém uma distribuição dos recursos de flexibilidade disponíveis para cada direção e horizonte temporal, em vez de encontrar a distribuição da indisponibilidade de geração. A partir deste índice pretende-se: 1. Quantificar a capacidade do sistema responder a variações rápida da carga, geração variável, e saídas de serviço de unidade geradores num contexto de planeamento a longo-prazo; 2. Minimizar os requisitos de dados e esforço computacional, enquanto considera propriamente as restrições do sistema; 3. Permanecer independente de definições de reserva para assegurar a sua aplicabilidade em muitos sistemas. 45 No caso da flexibilidade descendente, a máxima variabilidade descendente que pode ser oferecida por cada unidade é limitada pela potência mínima, sendo a maior variação disponível a diferença da produção despachada com o valor da produção mínimo dessa unidade, e é também definida pelo produto da ramp rate descendente da central com o intervalo temporal a considerar. ∆𝑃𝐺𝑗 −=min {𝑅𝑗−∙ ∆𝑡; 𝑃𝐺𝑗−𝑃𝑚𝑖𝑛𝑗} (3.16) Os grupos são então escalados por uma ordem de mérito da flexibilidade que conseguem fornecer ao sistema a partir do seu funcionamento. No entanto, num cenário real, um critério chave no escalonamento de unidades e despacho económico é o custo total de operação. A cada máquina em funcionamento fica associado um custo constante não desprezável, tornando-se então o número total de máquinas em funcionamento um parâmetro importante, não sendo económico manter em funcionamento um número excessivo de máquinas [27]. Tendo isto em consideração, foi introduzida uma variável de custo 𝐶 na função objetivo, com sinal oposto ao da flexibilidade, sendo o objetivo minimizar esta variável. A cada grupo em funcionamento fica associado um custo 𝑀 constante não desprezável, passando assim o número de centrais em funcionamento a ser um critério relevante, deixando de se ter apenas em consideração a máxima flexibilidade. Esta variável 𝑀 não corresponde diretamente a um custo monetário. No lugar disso, ela simboliza o trade-off do valor de flexibilidade que se está disposto a abdicar de forma a se evitar que seja escalada mais uma central. A variável 𝐶 pode então ser encarada como o valor de flexibilidade adicional que foi descartada para se diminuir o prejuízo de se ter um maior número de centrais escaladas. A função objetivo passa a ser definida por: 𝐹.𝑂.=max(𝛼∗∆𝑃𝐺++(1−𝛼)∗∆𝑃𝐺−−𝐶) (3.17) Em que o custo total 𝐶 é determinado pela soma dos custos fixos 𝑀 das unidades escaladas: 𝐶=∑𝑢𝑗∙𝑀𝑗 𝑛 𝑗=1 (3.18) Normalmente, é realizado um pré-despacho separado para o subsistema hídrico, onde são consideradas as restrições próprias dos sistemas hidroelétricos, os valores armazenados em albufeiras (resultantes de estudos específicos) e as previsões de afluências. Contudo, a relações entre os subsistemas térmico e hídrico têm levado a uma tentativa de modelos completos de coordenação hidro-térmica. 46 46 Este modelo pode ser utilizado em estudos de avaliação da flexibilidade de determinado sistema para calcular a folga, através de dados históricos, entre a carga e a potência total disponível nas máquinas em funcionamento para o intervalo de tempo considerado, designada por reserva girante, que pode atuar para dar resposta a aumentos inesperados de carga, ou para assegurar o serviço em caso de avaria de um grupo. Pode também ser utilizado prever a reserva girante, aplicando o modelo a séries de previsões de produção e carga. Existem ainda outros tipos de reserva para responder a estas situações, que consideram a potência disponível em tempo reduzido, através da ligação de máquinas de arranque rápido (por exemplo grupos hídricos e turbinas a gás), no caso de a reserva existente não for suficiente. Porém, visto o foco de estudo ser variações rápidas da produção renovável e por questões de simplificação, nesta dissertação não foi abordada essa situação, sendo apenas considerada a reserva oferecida pelos grupos que foram escalados para um determinado despacho, tornando-se assim este modelo mais adequado para estudos destinados a intervalos temporais relativamente curtos. Desta forma também não é necessário considerar certas restrições que limitam o escalonamento e despacho tais como tempos de arranque, tempos mínimos de paragem e capacidade armazenada nas albufeiras, não se levando o problema assim para uma dimensão multitemporal. A. Programação do Método São necessários os seguintes dados de entrada:  ∆𝑡 (𝑚𝑖𝑛) – Intervalo de tempo a considerar  𝑅𝑗+/− (𝑀𝑊/𝑚𝑖𝑛) - Ramp rate, ascendente e descende, de cada central  𝑃𝑚𝑖𝑛𝑗 (%𝑀𝑊) – Produção mínima de funcionamento estável de cada central  𝑃𝑚𝑎𝑥𝑗 (𝑀𝑊) – Potência nominal de cada central  𝑃𝐿 (𝑀𝑊) – Carga a alimentar  𝑀 (€)− Custo por central em funcionamento A função objetivo é definida, como já foi referido, por: 𝐹.𝑂.=max(𝛼∗∆𝑃𝐺++(1−𝛼)∗∆𝑃𝐺−) (3.11) E são colocadas as seguintes restrições a que o método está sujeito:  A definição das máximas variações do sistema, dadas pelas máximas variações, ascendentes e descentes, de cada central, através de restrições auxiliares: ∆𝑃𝐺𝑗 +=∑∆𝑃𝐺𝑗 + 𝑛 𝑗=1 (3.19) 47 ∆𝑃𝐺𝑗 −=∑∆𝑃𝐺𝑗 − 𝑛 𝑗=1 (3.20)  Toda a carga definida tem que ser alimentada: ∑𝑃𝐺𝑗 𝑛 𝑗=1 =𝑃𝐿 (3.21)  A garantia que se uma central não for escalada, nenhum valor de produção lhe será atribuído pelo despacho, para além das limitações de produção mínima e máxima são dadas pelas seguintes condições: 𝑢𝑗∙𝑃𝐺𝑗 𝑚𝑖𝑛≤𝑃𝐺𝑗≤𝑢𝑗∙𝑃𝐺𝑗 𝑚𝑎𝑥 (3.22)  As limitações impostas ao valor máximo de flexibilidade, ascendente ou descendente, em cada central são definidas da seguinte forma: ∆𝑃𝐺𝑗 +≤𝑅𝑗+∙∆𝑡 (3.23) ∆𝑃𝐺𝑗 +≤𝑃𝑚𝑎𝑥𝑗∙𝑢𝑗−𝑃𝐺𝑗 (3.24) ∆𝑃𝐺𝑗 −≤𝑅𝑗−∙∆𝑡 (3.25) ∆𝑃𝐺𝑗 −≤𝑃𝐺𝑗−𝑃𝑚𝑖𝑛𝑗∙𝑢𝑗 (3.26) No caso do modelo que contempla custos, a função objetivo passa a ser definida por: 𝐹.𝑂.=max(𝛼∗∆𝑃𝐺++(1−𝛼)∗∆𝑃𝐺−−𝐶) (3.17) E às restrições anteriormente expostas é acrescentada apenas a equação que define a variável 𝐶 que representa o custo total. 𝐶=∑𝑢𝑗∙𝑀𝑗 𝑛 𝑗=1 (3.18) 49 Capítulo 4 Resultados Neste capítulo serão apresentados os resultados dos método de análise da variabilidade ou flexibilidade, apresentados nos capítulos anteriores, aplicados ao caso de estudo. 4.1 - Step-changes Para o cálculo do método Step-changes, apresentado na secção 2.6.1, ao caso de estudo, o caso português, foram utilizadas as séries de despacho do sistema elétrico português desde janeiro de 2011 até janeiro de 2013, inclusive, com uma resolução de 15 minutos, obtidas a partir do website da REN [38]. Apesar do despacho conter informação acerca da energia despachada para os grupos de centrais a carvão, fuelóleo e gás natural, reservatórios, fio de água, importações, exportações, hidroelétricas, centrais a energia geotérmica, eólica, solar e das ondas, bombagem e carga, para a aplicação deste método as únicas séries relevantes são as séries de eólica e de carga. De seguida é apresentado um gráfico que demonstra a evolução dos valores de energia eólica e da carga no decorrer do período dos dados em análise. Figura 4.1 - Evolução dos valores de energia de origem eólica e da carga no decorrer do período em análise 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 01/01/2011 01/02/2011 01/03/2011 01/04/2011 01/05/2011 01/06/2011 01/07/2011 01/08/2011 01/09/2011 01/10/2011 01/11/2011 01/12/2011 01/01/2012 01/02/2012 01/03/2012 01/04/2012 01/05/2012 01/06/2012 01/07/2012 01/08/2012 01/09/2012 01/10/2012 01/11/2012 01/12/2012 01/01/2013 Produção Eólica Carga 50 50 É percetível que a carga varia de uma forma relativamente uniforme e sazonal, apresentando valores mais elevados nos meses de inverno, sendo os seus picos entre janeiro e março no dados analisados e menores valores nos meses de verão. Já a produção eólica mostra grande variabilidade, apresentando grandes variações dentro de cada mês, independentemente da altura do ano, apesar de serem de menor amplitude no verão, visto nestes meses o valor da geração ser em média menor. Em Portugal, os valores mais altos de geração eólica ocorrem durante as horas de noite, contrariamente aos valores de carga, que são maiores no decorrer do dia, nos períodos de maior atividade humana. Visto que no ponto de vista da geração e análise de variabilidade é de maior interesse acompanhar a evolução e analisar as variações da carga líquida (que resulta da subtração do valor de produção eólica ao valor da carga), o gráfico seguinte explicita a evolução desta no mesmo período das séries apresentadas anteriormente, junto com as séries de produção eólica e carga. Figura 4.2 - Evolução dos valores de energia de origem eólica, da carga e da carga líquida no decorrer do período em análise Realizando teste para 𝑘={1;2;3;4}, correspondentes a intervalos temporais de 15min, 30min, 45min e 60min, obtiveram-se resultados de desvio padrão 𝑆𝑦𝑖,𝑘 para a produção eólica, carga e carga líquida expostos na tabela seguinte. Visto que o valor de três desvios padrão engloba 99,7% de todos os instantes, considerou-se interessante colocar também esse valor nos resultados. Na coluna da direita são apresentados os valores de desvio padrão normalizados ao valor médio da respetiva série de forma a ser mais fácil a comparação entre diferentes séries. Os valores médios são:  Produção eólica: 1085,14 MW  Carga: 5672,23 MW  Carga líquida: 4554,104 MW  Restante produção Renovável: 32,986 MW 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 01/01/2011 01/02/2011 01/03/2011 01/04/2011 01/05/2011 01/06/2011 01/07/2011 01/08/2011 01/09/2011 01/10/2011 01/11/2011 01/12/2011 01/01/2012 01/02/2012 01/03/2012 01/04/2012 01/05/2012 01/06/2012 01/07/2012 01/08/2012 01/09/2012 01/10/2012 01/11/2012 01/12/2012 01/01/2013 MW Produção Eólica Carga Carga líquida 51 Tabela 4.1 – Resultados da aplicação do step-changes considerando k=1 (15min) Série 𝑺𝒚𝒊,𝒌 (𝑴𝑾) 𝟑∗𝑺𝒚𝒊,𝒌 (𝑴𝑾) 𝑺𝒚𝒊,𝒌 % Produção Eólica 39,146 117,437 3,61% Carga 95,708 287,124 1,69% Carga líquida 104,295 312,885 2,29% Tabela 4.2 - Resultados da aplicação do step-changes considerando k=2 (30min) Série 𝑺𝒚𝒊,𝒌 (𝑴𝑾) 𝟑∗𝑺𝒚𝒊,𝒌 (𝑴𝑾) 𝑺𝒚𝒊,𝒌 % Produção Eólica 69,924 209,771 6,44% Carga 172,084 516,253 3,03% Carga líquida 188,291 564,871 4,13% Tabela 4.3 - Resultados da aplicação do step-changes considerando k=3 (45min) Série 𝑺𝒚𝒊,𝒌 (𝑴𝑾) 𝟑∗𝑺𝒚𝒊,𝒌 (𝑴𝑾) 𝑺𝒚𝒊,𝒌 % Produção Eólica 102,805 308,416 9,47% Carga 254,327 762,981 4,48% Carga líquida 278,367 835,1 6,11% Tabela 4.4 - Resultados da aplicação do step-changes considerando k=4 (60min) Série 𝑺𝒚𝒊,𝒌 (𝑴𝑾) 𝟑∗𝑺𝒚𝒊,𝒌 (𝑴𝑾) 𝑺𝒚𝒊,𝒌 % Produção Eólica 125,348 376,043 11,55% Carga 316,248 948,743 5,58% Carga líquida 347,036 1041,109 7,62% Como é evidente, à medida que se aumenta o tamanho do intervalo os valores de desvio padrão são sucessivamente maiores em todos os casos. Visto que o valor médio da série de vento é substancialmente diferente dos valores médios das restantes série o melhor será restringir análise aos valores normalizados. A partir destes, é percetível que a série de produção eólica apresenta o maior desvio padrão proporcionalmente ao valor médio. Já a carga apresenta os menores desvios. Os valores de desvio padrão da carga líquida por sua vez correspondem a valores intermédios dos valores percentuais entre produção eólica e carga, como era expectável. 52 52 Figura 4.3 - Valores de 3 desvios padrão das 3 séries em análise, considerando intervalos de 15, 30, 45 e 60 minutos O gráfico anterior demonstra a evolução dos valores de três desvios padrão das séries em análise à medida que se consideram intervalos temporais maiores. Aqui é evidenciado, pelos declives das retas, que na carga e na carga líquida, dentro dos intervalos considerandos, a passagem dos 30min para os 45min é onde é alcançado um maior aumento do desvio padrão, apesar de à medida que se aumentam 15min ao intervalo de teste as variações do desvio padrão serem praticamente constantes, sendo a diferença entre valores de desvio padrão entre intervalos sucessivos idêntica. Ainda assim, é possível observar uma ligeira atenuação, em todas as séries, quando se passa de um intervalo de 45 minutos para o maior intervalo considerado, 60min. Isto leva a crer que a partir do intervalo de 60min as subidas do valor de desvio padrão, à medida que se aumenta o intervalo de 15min em 15min, serão cada vez menores, como seria de prever visto os desvios padrão começarem a representar sucessivamente maiores quotas do valor médio de produção e não seria concebível se a determinado ponto não estabilizassem. 4.2 - Conditional Range Metric De seguida serão apresentados os resultados obtidos pela aplicação da métrica da gama condicional apresentado na secção 2.6.2. Na aplicação deste método foram novamente utilizadas as series de despacho do sistema elétrico português de janeiro de 2011 a janeiro de 2013, inclusive, com uma resolução de 15min, tal como no Step-changes. Na aplicação do método foram calculados os coeficientes 𝑎𝑖,𝑘 e 𝑏𝑖,𝑘 que, como já foi referido, correspondem aos maiores desvios ascendentes e descentes, dentro de cada intervalo 𝐾𝑖 não sobreposto, relativamente à valor médio desse intervalo. A dispersão dos valores de 𝑎𝑖,𝑘 e 𝑏𝑖,𝑘 relativamente ao valor da produção média de cada intervalo 𝐾𝑖 é apresentada nos gráficos presentes nas figuras 4.4 e 4.5. 0 200 400 600 800 1000 1200 010 20 30 40 50 60 70 MW min 3σ Produção Eólica Carga Carga líquida 53 Figura 4.4 - Coeficiente 𝐚𝐢,𝐤 relativamente ao valor médio 𝐱𝐧𝐊𝐢 do intervalo 𝐊𝐢, considerando intervalos de 60min Figura 4.5 - Coeficiente 𝐛𝐢,𝐤 relativamente ao valor médio 𝐱𝐧𝐊𝐢 do intervalo 𝐊𝐢, considerando intervalos de 60min Como se pode observar, a grande maioria dos valores mais elevados de ambos os coeficientes concentram-se nas zonas em que 𝑥𝑛𝐾𝑖 apresenta a valores intermédios, e os valores de desvios são menores em intervalos em que o valor médio 𝑥𝑛𝐾𝑖 é mais extremo. Para intervalos de duração de 45min a dispersão dos coeficientes 𝑎𝑖,𝑘 e 𝑏𝑖,𝑘 é semelhante. Segundo a Direção Geral de Energia e Geologia [37] potência eólica instalada em 2011 em Portugal era de 4378MW, e em 2012 era de 4531MW. Como referência da potência instalada, visto serem usados dados destes dois anos, foi considerado o valor médio das potências instaladas nestes dois anos como referência, que corresponde ao valor de 4454,5MW. Foi aplicado o Conditional Range Metric (CRM), considerando intervalos de 60min, valores médios 0 50 100 150 200 250 300 350 400 450 0500 1000 1500 2000 2500 3000 3500 4000 a (MW) xn (MW) 0 50 100 150 200 250 300 350 400 450 0500 1000 1500 2000 2500 3000 3500 4000 b (MW) xn (MW) 54 54 de produção 𝑙𝑗 correspondentes a 20%, 30%, 50% e 70% desse valor de referência da potência eólica instalada. O gráfico seguinte apresenta os valores de produção média (primeiro eixo) dos intervalos deslizantes de duração de 60min e os valores dos maiores desvios (segundo eixo), ascendentes e descendentes (𝑎𝑖,𝑘 e 𝑏𝑖,𝑘) para cada intervalo, no mês de março de 2012. Figura 4.6 - Valores médios de produção 𝐱𝐧 dentro dos intervalos não sobrepostos 𝐊𝐢, com k=4 (60min) e dos desvios máximos ascendente (a) e descendente (b) no decorrer do mês de março de 2012. Nota: os desvios são apresentados relativamente ao 2º eixo. É evidente a grande variação dos valores médios horários da produção eólica de dia para dia no decorrer de um mês. Existem dias em que se verificam valores quase nulos de produção eólica média e nos dias seguintes ocorrem valores acima de 3000MW. Também é possível verificar que os valores das séries de desvio são geralmente de uma ordem muito inferior aos valores da produção média do intervalo, especialmente em períodos que apresentem uma produção eólica elevada. Já nos períodos de baixa produção eólica os máximos desvios em relação à produção médio do intervalo tendem a ser maiores, chegando em alguns casos a aproximar-se do valor da produção eólica. 0 50 100 150 200 250 300 0 500 1000 1500 2000 2500 3000 3500 4000 desvio (MW) xn (MW) K março 2012 xn a b 61 Tabela 4.15 - Valores de referência de ramp rates utilizados, por tecnologia Tipo de central Ramp rate (% da potência nominal por segundo) Carvão 0,067% Gás natural ou fuelóleo 0,133% Hídrica 1,583% O sistema elétrico, consoante os dados contidos no sistema de informação de mercados de energia da REN [38], utilizava no despacho, na altura dos dados utilizados, 31 áreas de balanço. Entre estas áreas estavam contidas 39 unidades de programação, das quais 4 são de consumo (bombagem), sendo as restantes de produção. Estão descriminadas na tabela 4.16 as unidades que pertencem a cada área, assim como o seu respetivo tipo. Tabela 4.16 - Unidades de programação do sistema elétrico português Área de balanço Unidade de programação - Sigla Unidade de programação - Designação Tipo ACARREG CARREG1 Central Termoelétrica do Carregado - Grupo 1 Fuelóleo CARREG2 Central Termoelétrica do Carregado - Grupo 2 Fuelóleo CARREG3 Central Termoelétrica do Carregado - Grupo 3 Fuelóleo CARREG4 Central Termoelétrica do Carregado - Grupo 4 Fuelóleo CARREG5 Central Termoelétrica do Carregado - Grupo 5 Gás natural CARREG6 Central Termoelétrica do Carregado - Grupo 6 Gás natural ACAVADB ACAVADB Bacia hidrográfica do Cávado (Bombagem) Hidroelétrica ACAVADO ACAVADO Bacia hidrográfica do Cávado Hidroelétrica ADOUINT ADOUINT Bacia hidrográfica do Douro Internacional Hidroelétrica DOURO Bacia hidrográfica do Douro Hidroelétrica ADOUNAB ADOUNAB Bacia hidrográfica do Douro Nacional (Bombagem) Hidroelétrica ADOUNAC ADOUNAC Bacia hidrográfica do Douro Nacional Hidroelétrica AGUADIA GUADIA Bacia hidrográfica do Guadiana Hidroelétrica AGUADIB GUADIAB Bacia hidrográfica do Guadiana (Bombagem) Hidroelétrica ALARES LARES1 Central Termoelétrica de Lares - Grupo 1 Gás natural LARES2 Central Termoelétrica de Lares - Grupo 2 Gás natural ALIMA ALIMA Bacia hidrográfica do Lima Hidroelétrica AMONDEB IBMONB Albufeiras Aguieira Raiva (Bombagem) Hidroelétrica AMONDEG TEMON Bacia hidrográfica do Tejo e Mondego Hidroelétrica IBMON Albufeiras Aguieira Raiva Hidroelétrica APEGO2 PEGO3 Central Termoelétrica do Pego C.C.- Grupo 3 Carvão PEGO4 Central Termoelétrica do Pego C.C.- Grupo 4 Carvão ARIBAT1 RIBATE2 Central Termoelétrica do Ribatejo - Grupo 2 Carvão RIBATE3 Central Termoelétrica do Ribatejo - Grupo 3 Carvão ARIBAT2 RIBATE1 Central Termoelétrica do Ribatejo - Grupo 1 Gás natural ARPG RPG01 Central Termoelétrica do Pego - Grupo 1 Gás natural 62 62 RPG02 Central Termoelétrica do Pego - Grupo 2 Gás natural ARTG RTG01 Central Termoelétrica da Turbogás - Grupo 1 Ciclo combinado RTG02 Central Termoelétrica da Turbogás - Grupo 2 Ciclo combinado RTG03 Central Termoelétrica da Turbogás - Grupo 3 Ciclo combinado ASETUBA SETUBA1 Central Termoelétrica de Setúbal - Grupo 1 Fuelóleo SETUBA2 Central Termoelétrica de Setúbal - Grupo 2 Fuelóleo SETUBA3 Central Termoelétrica de Setúbal - Grupo 3 Fuelóleo SETUBA4 Central Termoelétrica de Setúbal - Grupo 4 Fuelóleo ASINES1 SINES2 Central Termoelétrica de Sines - Grupo 2 Carvão SINES3 Central Termoelétrica de Sines - Grupo 3 Carvão SINES4 Central Termoelétrica de Sines - Grupo 4 Carvão ASINES2 SINES1 Central Termoelétrica de Sines - Grupo 1 Carvão ATEJZEZ TEMON Bacia hidrográfica do Tejo e Mondego Hidroelétrica De seguida são apresentadas algumas características de cada unidade geradora, como a sua energia horária [38], a carga mínima para operação fiável e segura [51] e as ramp rates utilizadas para análise da flexibilidade. Não foi feita distinção das ramp rates a nível de sentido, ou seja, foi considerada a mesma ramp rate tanto para a determinação da flexibilidade ascendente, como da descendente. Uma vez que não foram encontrado dados acerca das ramp rates da bombagem, esta componente foi excluída provisoriamente, podendo após a aplicação do modelo ser somado o valor que as centrais de bombagem eventualmente acrescentariam à flexibilidade descendente. Como tal, restaram 35 unidades de programação do sistema elétrico português a considerar. Tabela 4.17 - Dados das unidades de programação utilizadas na determinação da flexibilidade do sistema Unidade de programação - Sigla Energia Horária (MWh) Carga mínima ( % da energia horária) 𝑹𝑹𝒖,+/− (%/s) 𝑹𝑹𝒖,+/− (MW/min) CARREG1 118,2 50,00% 0,133% 0,16 CARREG2 118,2 50,00% 0,133% 0,16 CARREG3 118,7 50,00% 0,133% 0,16 CARREG4 118,7 50,00% 0,133% 0,16 CARREG5 118,2 50,00% 0,133% 0,16 CARREG6 118,2 50,00% 0,133% 0,16 ACAVADO 632 0,00% 1,583% 10,00 ADOUINT 1073 0,00% 1,583% 16,99 DOURO 1951 0,00% 1,583% 30,88 ADOUNAC 878 0,00% 1,583% 13,90 GUADIA 254 0,00% 1,583% 4,02 63 LARES1 435 50,00% 0,133% 0,58 LARES2 435 50,00% 0,133% 0,58 ALIMA 663 0,00% 1,583% 10,50 TEMON 698,8 0,00% 1,583% 11,06 IBMON 360 0,00% 1,583% 5,70 PEGO3 418,6 50,00% 0,067% 0,28 PEGO4 418,6 50,00% 0,067% 0,28 RIBATE2 392 50,00% 0,067% 0,26 RIBATE3 392 50,00% 0,067% 0,26 RIBATE1 392 50,00% 0,133% 0,52 RPG01 288 50,00% 0,133% 0,38 RPG02 288 50,00% 0,133% 0,38 RTG01 354 50,00% 0,133% 0,47 RTG02 354 50,00% 0,133% 0,47 RTG03 354 50,00% 0,133% 0,47 SETUBA1 236,6 50,00% 0,133% 0,31 SETUBA2 236,6 50,00% 0,133% 0,31 SETUBA3 236,6 50,00% 0,133% 0,31 SETUBA4 236,6 50,00% 0,133% 0,31 SINES2 295 50,00% 0,067% 0,20 SINES3 295 50,00% 0,067% 0,20 SINES4 295 50,00% 0,067% 0,20 SINES1 295 50,00% 0,067% 0,20 TEMON 698,8 0,00% 1,583% 11,06 Com base na parte inicial do cálculo do 𝐼𝑅𝑅𝐸, a flexibilidade ascendente disponibilizada por cada unidade em observação na série temporal da produção pode ser obtida através da expressão: 𝐹𝑙𝑒𝑥𝑡,𝑗,𝑖,+=𝑅𝑅𝑗,+∗(𝑖−(1−𝑂𝑛𝑙𝑖𝑛𝑒𝑡,𝑗)∗𝑆𝑗) (3.2) à qual é imposta a restrição (3.3) de máximo de produção: 𝑃𝑟𝑜𝑑𝑡,𝑗+𝐹𝑙𝑒𝑥𝑡,𝑗,𝑖,+≤𝐺𝑒𝑛𝑀𝐴𝑋,𝑗. (3.3) Caso a flexibilidade calculada através da multiplicação do ramp rate pelo intervalo temporal, somada à produção despachada 𝑃𝐺𝑗 ultrapassar a capacidade de produção da 64 64 unidade, a flexibilidade ascendente passa a ser igual à diferença entre a potência máxima e a potência despachada. 𝐹𝑙𝑒𝑥𝑡,𝑗,𝑖,+=𝑖∗(𝐺𝑒𝑛𝑀𝐴𝑋,𝑗−𝑃𝐺𝑗) (5.1) A expressão que determina a flexibilidade descendente de cada unidade é idêntica à expressão utilizada para o cálculo da flexibilidade ascendente. 𝐹𝑙𝑒𝑥𝑡,𝑗,𝑖,+=𝑅𝑅𝑗,−∗𝑖∗𝑂𝑛𝑙𝑖𝑛𝑒𝑡,𝑗 (3.5) Porém, neste caso é aplicada uma restrição de mínimo de produção: 𝑃𝑟𝑜𝑑𝑡,𝑗−𝐹𝑙𝑒𝑥𝑡,𝑗,𝑖,−≥𝐺𝑒𝑛𝑀𝐼𝑁,𝑗 (5.2) No caso da subtração flexibilidade calculada através da multiplicação do ramp rate pelo intervalo temporal ao valor da produção despachada 𝑃𝐺𝑗 corresponda a um valor inferior ao valor mínimo de produção estável, a flexibilidade descende passa a ser determinada pela diferença entre a potência despachada e a potência mínima de funcionamento. 𝐹𝑙𝑒𝑥𝑡,𝑗,𝑖,−=𝑖∗(𝑃𝐺𝑗−𝐺𝑒𝑛𝑀𝐼𝑁,𝑗) (5.3) A flexibilidade ascendente/descendente do sistema é determinada pela soma da flexibilidade ascendente/descendente fornecida por cada unidade. 𝐹𝑙𝑒𝑥𝑡,𝑆𝑌𝑆𝑇𝐸𝑀,𝑖,+/−=∑𝐹𝑙𝑒𝑥𝑡,𝑗,𝑖,+/− ∀𝑗 (3.8) Utilizando o despacho real das 2h de dia 22 de setembro de 2011 [38], foram obtidos os resultados demonstrados de seguida. Essa data foi escolhida por nela se ter verificado um valor de carga líquida de 4264,1MW, que representa sensivelmente 50% do valor máximo de carga líquida atingido no período correspondente aos dados de teste (8506,2MW). Primariamente foram testados os valores que cada unidade poderia oferecer, sem restrições, considerando apenas as suas características (ramp rate) e o intervalo temporal escolhido: 60min. 65 Tabela 4.18 - Flexibilidade que cada unidade de geração poderia oferecer antes de serem aplicadas restrições Área de balanço Programa horário operativo final (PHOF) Unidade de programação - Sigla 𝑭𝒍𝒆𝒙𝒕,𝒖,𝒊+/− ACARREG 0 CARREG1 4,75164 CARREG2 4,75164 CARREG3 4,77174 CARREG4 4,77174 CARREG5 4,75164 CARREG6 4,75164 ACAVADO 0 ACAVADO 600,2736 ADOUINT 0 ADOUINT 1019,135 0 DOURO 1853,06 ADOUNAC 0 ADOUNAC 833,9244 AGUADIA 0 GUADIA 241,2492 ALARES 245,4 LARES1 17,487 LARES2 17,487 ALIMA 0 ALIMA 629,7174 AMONDEG 0 TEMON 663,7202 IBMON 341,928 APEGO2 540 PEGO3 16,82772 PEGO4 16,82772 ARIBAT1 0 RIBATE2 15,7584 RIBATE3 15,7584 ARIBAT2 0 RIBATE1 15,7584 ARPG 487 RPG01 11,5776 RPG02 11,5776 ARTG 650 RTG01 14,2308 RTG02 14,2308 RTG03 14,2308 ASETUBA 0 SETUBA1 9,51132 SETUBA2 9,51132 SETUBA3 9,51132 SETUBA4 9,51132 ASINES1 885 SINES2 11,859 SINES3 11,859 SINES4 11,859 ASINES2 295 SINES1 11,859 ATEJZEZ 580 TEMON 663,7202 66 66 Fazendo o somatório, por área de balanço, da flexibilidade oferecida por cada unidade e aplicando as restrições acima mencionadas obtiveram-se os seguintes resultados de flexibilidade ascendente e descendente fornecidos por cada área de balanço. Tabela 4.19 - Flexibilidade oferecida ao sistema por cada área de balanço às 2h do dia 22 de setembro de 2011 Área de balanço Programa horário operativo final (PHOF) 𝑭𝒍𝒆𝒙𝒕,𝒊+ (MWh) 𝑭𝒍𝒆𝒙𝒕,𝒊− (MWh) ACARREG 0 0 0 ACAVADB 0 0 0 ACAVADO 0 0 0 ADOUINT 0 0 0 ADOUNAB 0 0 0 ADOUNAC 0 0 0 AGUADIA 0 0 0 AGUADIB 0 0 0 ALARES 245,4 34,97 34,97 ALIMA 0 0 0 AMONDEB -86 0 0 AMONDEG 0 0 0 APEGO2 540 33,66 33,66 ARIBAT1 0 0 0 ARIBAT2 0 0 0 ARPG 487 23,16 23,16 ARTG 650 42,69 42,69 ASETUBA 0 0 0 ASINES1 885 0 0 ASINES2 295 0 0 ATEJZEZ 580 118,8 580 A partir destes resultados, assume-se então que, às 2h do dia 22 de setembro de 2011 o sistema elétrico português tinha disponíveis:  253,28MWh de flexibilidade ascendente;  761,91MWh de flexibilidade descendente;  Uma flexibilidade total de 1015,19MWh. Fazendo o mesmo teste para o despacho de dia 15 de janeiro de 2011 às 8h foram obtidos os resultados apresentados de seguida. A hora escolhida foi selecionada devido a essa hora 67 tipicamente ser de ponta de carga. Na data eleita, o valor de carga líquida verificado foi de 4228,2MW.  4042,29MWh de flexibilidade ascendente;  3355,27MWh de flexibilidade descendente;  Uma flexibilidade total de 7397,559MWh. A grande discrepância de valores da flexibilidade calculada para as duas datas é explicável pelo facto de no caso do dia 15 de janeiro, na hora analisada, terem sido despachadas as áreas ADOUINT e AMONDEG, que representam dois grupos hídricos de elevada energia horária e, visto se tratar de grupos hídricos, possuírem uma ramp rate alta. Perante esta situação, considerase que ambos os grupos estão no estado online, o que significa que é contabilizada a flexibilidade oferecida por estes para a flexibilidade total do sistema, coisa que não acontece no caso de 22 de setembro. Contudo, esta ocorrência demonstra uma fragilidade deste método de cálculo da flexibilidade do sistema, uma vez que este método, para o cálculo da flexibilidade disponível no intervalo temporal considerado, contempla apenas as unidades geradoras que foram inicialmente escaladas, não considerando o facto de certas unidades que não foram escaladas poderem arrancar num tempo inferior ao intervalo definido e ainda possam fornecer alguma flexibilidade ao sistema. Tabela 4.20 - Flexibilidade oferecida ao sistema por cada área de balanço às 8h do dia 15 de janeiro de 2011 Área de balanço Programa horário operativo final (PHOF) 𝑭𝒍𝒆𝒙𝒕,𝒊+ (MWh) 𝑭𝒍𝒆𝒙𝒕,𝒊− (MWh) ACARREG 0 0 0 ACAVADB 0 0 0 ACAVADO 345 287 345 ADOUINT 915,5 2108,5 915,5 ADOUNAB 0 0 0 ADOUNAC 815 63 815 AGUADIA 225 29 225 AGUADIB 0 0 0 ALARES 15 34,97 15 ALIMA 353,7 309,3 353,7 AMONDEB -184 0 0 AMONDEG 20 1005,65 20 APEGO2 0 0 0 ARIBAT1 247,5 31,52 31,52 ARIBAT2 0 0 0 ARPG 0 0 0 ARTG 328,5 42,69 42,69 68 68 ASETUBA 0 0 0 ASINES1 0 0 0 ASINES2 90 11,86 11,86 ATEJZEZ 580 118,8 580 4.4 - Metodologia Desenvolvida para Estimação da Flexibilidade Máxima Neste capítulo são apresentados os resultados das simulações do método de otimização desenvolvido para determinação do despacho ideal no sentido de ser maximizada a flexibilidade do sistema. Estas simulações foram realizadas através do software GLPK, para simulações menos exigentes e o software CPLEX para as simulações mais exigentes. Inicialmente foi desenvolvido um modelo que não contempla custos, ou seja, a função objetivo considera apenas a flexibilidade do sistema, definida pela soma da flexibilidade ascendente e da flexibilidade descendente, utilizando o coeficiente 𝛼 para atribuir a valorização da flexibilidade ascendente relativamente à flexibilidade descendente. 𝐹.𝑂.=max(𝛼∗∆𝑃𝐺++(1−𝛼)∗∆𝑃𝐺−) (3.11) As restrições impostas a este modelo são apresentadas no capítulo 3.5.3. Nos dados de entrada foram introduzidas as características das 35 unidades de programação geradoras do sistema elétrico português, nomeadamente a sua ramp rate ascendente/descendente 𝑅𝑗+/− (𝑀𝑊/𝑚𝑖𝑛) e as suas potências mínima 𝑃𝑚𝑖𝑛𝑗 (%𝑀𝑊) e máxima 𝑃𝑚𝑎𝑥𝑗 (𝑀𝑊) de funcionamento, o intervalo temporal a considerar ∆𝑡 (𝑚𝑖𝑛), e um valor de carga a alimentar escolhido. Nestes testes iniciais foi utilizado um valor de 𝛼=0,5 e foram realizados testes para 10 diferentes valores de carga 𝑃𝐿, considerando um intervalo temporal ∆𝑡=60 𝑚𝑖𝑛. Os 10 valores de carga foram selecionados tendo por base o valor máximo de carga atingido no período dos dados de teste 𝑃𝐿𝑀𝐴𝑋=9191,8MW, com um passo de 10%, de 0% até 100% do máximo valor de carga verificado. O resultado descriminado da aplicação do modelo a 10% do máximo valor de carga atingido é apresentado de seguida, de forma a ser explícito o tipo de outputs que este método é capaz de fornecer. A variável 𝑁 corresponde ao número de centrais escaladas. 69 Tabela 4.21 - Resultados descriminados da aplicação do método de determinação da flexibilidade máxima que pode ser conseguida para 10% do valor máximo registado nos dados de teste, pelo sistema elétrico português 𝑃𝐿=10%∗𝑃𝐿𝑀𝐴𝑋 𝒋 𝒖𝒋 𝑷𝑮𝒋 (𝑴𝑾) ∆𝑷𝑮𝒋 + (𝑴𝑾) ∆𝑷𝑮𝒋 − (𝑴𝑾) CARREG1 0 0 0 0 CARREG2 0 0 0 0 CARREG3 1 68,8223 9,47226 9,47226 CARREG4 1 68,8223 9,47226 9,47226 CARREG5 0 0 0 0 CARREG6 0 0 0 0 ACAVADO 1 32,1948 599,805 32,1948 ADOUINT 1 53,8646 1019,14 53,8646 DOURO 1 97,9402 1853,06 97,9402 ADOUNAC 1 44,0756 833,924 44,0756 GUADIA 1 12,7508 241,249 12,7508 LARES1 1 252,213 34,713 34,713 LARES2 0 0 0 0 ALIMA 1 33,2826 629,717 33,2826 TEMON 1 35,0798 663,72 35,0798 IBMON 1 18,072 341,928 18,072 PEGO3 0 0 0 0 PEGO4 0 0 0 0 RIBATE2 0 0 0 0 RIBATE3 0 0 0 0 RIBATE1 0 0 0 0 RPG01 0 0 0 0 RPG02 1 166,982 22,9824 22,9824 RTG01 0 0 0 0 RTG02 0 0 0 0 RTG03 0 0 0 0 SETUBA1 0 0 0 0 SETUBA2 0 0 0 0 SETUBA3 0 0 0 0 SETUBA4 0 0 0 0 SINES2 0 0 0 0 SINES3 0 0 0 0 SINES4 0 0 0 0 SINES1 0 0 0 0 70 70 TEMON 1 35,0798 663,72 35,0798 ∆𝑷𝑮 + (𝑴𝑾) ∆𝑷𝑮 − (𝑴𝑾) ∆𝑷𝑮 𝒕𝒐𝒕𝒂𝒍 (𝑴𝑾) 𝑵 𝑴 (€) 6922,9 438,98 7361,88 13 - Os resultados da flexibilidade ascendente, descendente e total (que corresponde à soma da flexibilidade ascendente com a flexibilidade descendente) e o número de unidades escaladas, para os 10 níveis de carga escolhidos são apresentados em seguida. Tabela 4.22 - Resultados da aplicação do método com 𝛂=𝟎,𝟓 e ∆𝐭=𝟔𝟎 𝐦𝐢𝐧, sem consideração de custos, para 10 níveis de carga diferentes. Nota: 𝐏𝐋𝐌𝐀𝐗=𝟗𝟏𝟗𝟏,𝟖𝐌𝐖 𝑷𝑳 (% ∗ 𝑷𝑳𝑴𝑨𝑿) ∆𝑷𝑮 + (𝑴𝑾) ∆𝑷𝑮− (𝑴𝑾) ∆𝑷𝑮 𝒕𝒐𝒕𝒂𝒍 (𝑴𝑾) 𝑵 10% 6922,9 438,98 7361,88 13 20% 7049,91 565,11 7615,02 18 30% 7169,67 696,74 7866,41 26 40% 7250,84 783,82 8034,66 30 50% 7244,05 917 8161,05 35 60% 6324,87 1836,18 8161,05 35 70% 5405,69 2755,36 8161,05 35 80% 4486,51 3674,54 8161,05 35 90% 5929,47 2231,58 8161,05 35 100% 5374,6 2786,45 8161,05 35 É de notar que a partir dos 50% de 𝑃𝐿𝑀𝐴𝑋 já existe um nível de carga superior à soma dos níveis de potência mínima das unidades geradoras, sendo assim possível escalar todas as unidades para garantir um valor máximo de flexibilidade. Figura 4.9 - Evolução do número de unidades despachadas com o aumento do valor de carga 0 5 10 15 20 25 30 35 40 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% N 𝑷𝑳 (%∗MW) 77 Tabela 4.27 - Resultados da aplicação do método a vários valores de 𝐏𝐋, com ∆𝐭=𝟔𝟎 𝐦𝐢𝐧, 𝛂=𝟐/𝟑 e com 𝐌=𝟐𝟎 𝑷𝑳 (𝑴𝑾) ∆𝑷𝑮 + (𝑴𝑾) ∆𝑷𝑮− (𝑴𝑾) ∆𝑷𝑮 𝒕𝒐𝒕𝒂𝒍 (𝑴𝑾) 𝑵 3200 7097,029 612,1724 7709,201 17 3800 7153,671 668,8144 7822,485 17 4400 7168,446 683,5892 7852,035 17 5000 7203,085 718,2283 7921,313 17 5600 7230,702 745,8457 7976,548 17 6200 7254,42 769,5637 8023,984 17 6800 7285,224 800,3672 8085,591 17 7400 7166,4 994,6498 8161,05 17 8000 6566,4 1594,65 8161,05 17 8600 5966,4 2194,65 8161,05 17 9200 5366,4 2794,65 8161,05 17 Enquanto no caso em que se considera 𝛼=0,5 o número de centrais despachadas se mantém constante para todos os valores de carga testados, no caso em que foi considerado 𝛼=2/3 o número de unidades despachadas vai subindo progressivamente à medida que se aumenta o nível de carga, até todas as centrais serem despachadas a partir de 𝑃𝐿=7200𝑀𝑊. Em consequência disso, o custo também vai aumentando progressivamente até ser atingido esse valor de carga, enquanto para o caso de 𝛼=0,5 este se mantém constante. Figura 4.15 - Evolução do número de unidades despachadas com o aumento do valor da carga, para diferentes valores 𝛂 Para 𝛼=0,5 a flexibilidade total apresenta o mesmo valor para os diferentes níveis de carga. Isto ocorre devido ao número de unidades despachadas ser sempre o mesmo, o que se traduz num aumento da flexibilidade descendente à medida que são elevados os valores de 0 5 10 15 20 25 30 35 40 02000 4000 6000 8000 10000 N PL (MW) alpha=0,5 alpha=2/3 78 78 carga, acompanhado de uma redução da flexibilidade ascendente, uma vez que a folga em relação à potência nominal de cada central passa a ser menor e a folga em relação ao valor de produção mínima passa a ser maior, visto as centrais estarem progressivamente a operar a fatores de carga maiores. Figura 4.16 - Evolução da flexibilidade ascendente, descendente e total com o aumento do valor da carga, considerando 𝛂=𝟎,𝟓 No caso que considera 𝛼=2/3, uma vez que o número de unidades despachadas vai aumentando até serem despachadas todas as unidades em 𝑃𝐿=7200𝑀𝑊, a flexibilidade total vai também aumentando, mantendo-se no seu pico para os valores de carga superiores ao referido. Apesar da flexibilidade total se manter constante para valores de carga superiores a 𝑃𝐿=7200𝑀𝑊, a flexibilidade ascendente vai diminuindo progressivamente enquanto a flexibilidade descendente sobe, pelos mesmo motivos apresentados no caso em que foi considerado 𝛼=0,5. 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 2000 3000 4000 5000 6000 7000 8000 9000 10000 MW PL (MW) α=0,5 flex up flex down flex total 79 Figura 4.17 - Evolução da flexibilidade ascendente, descendente e total com o aumento do valor da carga, considerando 𝛂=𝟐/𝟑 4.5 - Comparação de Resultados Na tabela 4.28 estão compilados alguns resultados dos métodos aplicados, considerando-se um intervalo temporal de 60min, visto ser este o intervalo comum a todos os testes. Nas primeiras três colunas são identificados os valores de carga, carga líquida ou potência eólica horária média que foram considerados em cada teste e nas restantes colunas são apresentados os valores dos resultados obtidos pelo respetivo método utilizado. No caso do Step-changes são apresentados os resultados de 3 desvios padrão para a produção eólica, para a carga e para a carga líquida (na 4ª, 5ª e 6ª coluna, respetivamente), que são independentes do fator de carga considerado. São apresentados na 7ª coluna os resultados médios da gama de variação, obtidos pelo Conditional Range Metric. Na 8ª coluna aparecem os resultados da flexibilidade disponível para certos despachos reais em resposta aos valores de carga líquida expostos. No caso dos resultados do método de determinação da flexibilidade máxima, presentes na 9ª coluna, são apresentados os valores obtidos para os níveis de carga que se consideraram relevantes para esta comparação, utilizando um coeficiente 𝛼=2/3 visto ser esse o valor utilizado pela REN. 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 2000 3000 4000 5000 6000 7000 8000 9000 10000 α=2/3 flex up flex down flex total 80 80 Tabela 4.28 – Compilação de Resultados Carga (MW) Carga líquida (MW) P. eólica média (MW) 3σ (eólica) (MW) 3σ (carga) (MW) 3σ (carga líquida) (MW) CRméd io (MW) Flex. Total (MW) Flex. Max (MW) - 4228,2 - 376 948,7 1041,1 - 7397,6 - - 4264,1 - - 1015,2 - - - 890,9 115 - - - - 1336,35 128,53 - - - - 2227,25 146 - - - - 3118,15 99 - - - 4595,9 - 243,34 - - 3800 - - - - 7822,5 4400 - - - - 7852 5000 - - - - 7921 Como é possível observar, mesmo no pior resultado das medições da flexibilidade disponível em escalonamentos e de despachos reais, que teve o valor de 1015,2𝑀𝑊, esse valor de flexibilidade corresponde a um valor semelhante a 3 desvios padrão da carga líquida, obtido pelo step-changes, que abrangem 99,7% dos instantes. Ou seja, o valor calculado da reserva presente no EU e DE que foram atribuídos em resposta a um valor de carga líquida de 4264,𝑀𝑊 consegue cobrir praticamente todas as situações de variabilidade, até as mais críticas. Os EU e DE reais que foram utilizados para responder a uma carga líquida de 4228,2MW atingem um valor de flexibilidade próximo dos valores máximos calculados para os valores de carga apresentados. Este fenómeno ocorre devido a, neste caso terem, sido escaladas duas centrais hídricas de grande potência relativamente ao outro despacho analisado, pelo que fornecem uma enorme flexibilidade ao sistema devido às suas ramp rates elevadas. É de notar que para uma produção eólica média de 2227,25𝑀𝑊 (50% da instalada), para uma taxa de cobertura de 100%, a gama de variação apresenta uma extensão de 689,75𝑀𝑊. Esse valor, apesar de relativamente à produção média horária considerada ser elevado, relativamente aos níveis de flexibilidade máxima que o sistema apresenta é pouco significativo. A extensão da gama de variação média da carga líquida de um nível médio de 4595,9𝑀𝑊 também é pequena quando comparada com o valor da reserva calculada nos despachos reais e ainda mais quando comparada com os valores de flexibilidade máxima obtidos. 81 Capítulo 5 Conclusões 5.1 - Conclusões Finais Com o desenvolvimento desta dissertação pretendia-se rever alguns métodos de análise e caracterização da variabilidade da produção de energia elétrica, dando especial destaque à variabilidade imposta pela introdução de energias renováveis no sistema elétrico nacional, e também rever métodos que permitissem quantificar a flexibilidade disponibilizada pelo sistema. Como tal, os objetivos foram concretizados, tendo sido testados alguns métodos de caracterização da variabilidade e flexibilidade a dados do sistema elétrico português, de forma a ser possível comparar as necessidades de flexibilidade impostas ao sistema pela variabilidade, tanto da carga como da geração renovável, com os recursos de flexibilidade que o sistema detém para lidar com essa variabilidade. Como foi explicitado, existem várias vertentes na análise da variabilidade e devem ser consideradas diferentes escalas temporais na sua análise. Quando se consideram intervalos temporais pequenos a variabilidade dentro desses intervalos apresentou-se, como seria de esperar, menor que nos casos onde se consideram intervalos temporais maiores. No caso da variabilidade das fontes de energias renováveis, a principal causa desta é a natureza estocástica do recurso endógeno à geração, o que também torna este tipo de fontes pouco controláveis. As características de variabilidade são também distintas para as diversas fontes, tendo sido nesta dissertação focada a produção eólica. A produção eólica apresenta grande variabilidade em praticamente qualquer escala temporal. Já a carga varia de forma relativamente uniforme e sazonal. A variabilidade da carga líquida encaixa valores intermédios aos valores da produção eólica e da carga. Também se verificou que a produção eólica tem maiores desvios quando o nível médio de produção é ocupa valores intermédios e à medida que a potência eólica média aumenta a gama de oscilações vai diminuindo. A análise estatística do histórico de séries de produção eólica é um método comprovado de obter conclusões acerca da variabilidade deste tipo de geração em determinado sistema. Conclui-se também que a qualidade das previsões tem um papel extremamente importante na integração de energias renováveis. 82 82 As características de cada tipo de energia renovável integrado assim como a sua agregação determinam a frequência de ocorrências de grandes variações na sua produção e a sua previsibilidade. Para a análise de requisitos de flexibilidade, a variável mais relevante é a carga líquida, cuja magnitude de variabilidade pode ser acentuada pelo grau de correlação entre a carga e a geração variável. Com a integração de energias renováveis o sistema em causa deve saber utilizar os seus recursos de forma ótima para responder ao grau de variabilidade que é introduzida e pode até ser necessária a expansão destes recursos. No contexto da flexibilidade, também se verificou que esta é determinada por diversos parâmetros. A flexibilidade de um sistema está dependente da flexibilidade que cada recurso desse sistema consegue fornecer. Existem recursos que constituem fontes de flexibilidade, nomeadamente a geração convencional presente no sistema, dispositivos de armazenamento e a capacidade de gestão do lado da carga. A geração convencional constitui a principal fonte de flexibilidade pelo que foi a componente tida em análise nos testes realizados. Para esta análise as características das centrais são determinantes, como as suas ramp rates nominais, potências máximas e níveis mínimos de funcionamento. Existem vários fatores que restringem a flexibilidade de um sistema, como por exemplo os tempos mínimos de paragem e de funcionamento de determinadas centrais. Para além disso, a rede de transmissão também pode constituir uma limitação à flexibilidade se se demonstrar insuficiente para transportar a energia disponibilizada por um gerador em determinado barramento para alimentar uma carga noutro barramento qualquer. Existem várias formas de analisar a flexibilidade de determinado sistema, desde observar as oscilações da frequência deste ou análise de EU e DE, até à aplicação de métodos mais complexos. A determinação da flexibilidade de um sistema é importante para os operadores de sistema e permite deliberar se o sistema é suficientemente flexível para responder às variações da carga líquida, sendo assim também um parâmetro importante para o planeamento a longo prazo do sistema. Perante os resultados obtidos através dos diversos testes realizados, conclui-se que o sistema elétrico português apresenta boas características a nível de flexibilidade relativamente aos graus de variabilidade com que tem de lidar. Particularmente através dos resultados obtidos pelo método de determinação da flexibilidade máxima para diversos níveis de carga, comprova-se que se os recursos do sistema forem utilizados otimamente, o sistema consegue um nível de flexibilidade muito superior às necessidades impostas pela variabilidade, apesar de isso poder ocorrer a um custo que não seja comportável. 83 5.2 - Desenvolvimentos Futuros Apesar de se ter encontrado várias vertentes interessantes na caracterização da variabilidade e da flexibilidade, devido ao tempo limitado deste trabalho, não foi possível enveredar por todas as dimensões possíveis. Como tal, de seguida é apresentada uma lista de sugestões para trabalhos futuros, como forma de continuação à abordagem do problema de análise e caracterização da variabilidade e flexibilidade de um sistema:  A aplicação de uma análise estatística às séries de desvios obtidas através do CRM de modo a serem expostos os períodos de maior variabilidade e tentar, a partir daí, encontrar uma ou várias tendências;  O desenvolvimento de um método automatizado de aplicação do CRM, uma vez que a sua aplicação é um processo algo moroso e demorado;  Realização de mais testes aplicando o CRM a mais valores médios de produção eólica, de carga e de carga líquida, considerando-se uma resolução de 1% interessante para uma caracterização mais detalhada do grau de variabilidade;  Desenvolver um método que calcule a flexibilidade fornecida pelas centrais hidroelétricas separadamente das térmicas;  Modificar o método desenvolvido para determinação da flexibilidade máxima de forma a considerar a flexibilidade adicional que pode ser fornecida pelas unidades que consigam arrancar num tempo inferior ao intervalo considerado e pela bombagem;  Aplicar a esse método um estudo mais aprofundado acerca dos custos associados a cada central e do valor de tradeoff de flexibilidade por custo económico que se adeque ao sistema em estudo, de forma a tornar o método mais realista;  Introduzir a taxa de saída de serviço das unidades geradoras no cálculo da flexibilidade do sistema;  Desenvolvimento de um método de análise da flexibilidade que considere os dispositivos de armazenamento e recursos do lado da carga;  Desenvolvimento de um método híbrido que calcule a variabilidade da carga líquida através do CRM, por exemplo, e a flexibilidade do sistema e compare automaticamente os valores de ambas, fixando uma razão entre ambos e verificar se esta se encontra dentro dos requisitos de reserva dos operadores de sistema. 84 84 Referências [1] Lannoye, E., D. Flynn, and M. O'Malley, Evaluation of power system flexibility. Power Systems, IEEE Transactions on, 2012. 27(2): p. 922-931. [2] Bessa, R., et al., Handling renewable energy variability and uncertainty in power systems operation. Wiley Interdisciplinary Reviews: Energy and Environment, 2013. [3] Eamonn Lannoye, D.F., Mark O’Malley, Power System Flexibility Assessment - State of the Art. 2012. [4] Coelho, C. Objectivos 20-20-20. Dicionário Europeu 2007 [cited 2014; Available from: http://www.carloscoelho.eu/saber_mais/ver_dicionario.asp?submenu=35&gloss=508. [5] Alves, F. As Energias Renováveis em Portugal – Ponto da situação. 2009; Available from: http://naturlink.sapo.pt/Natureza-e-Ambiente/Energia/content/As-Energias-Renovaveisem-Portugal--Ponto-da-situacao?bl=1. [6] Momoh, J.A. and K. D'Arnaud. Optimizing grid connected renewable energy resources with variability. in Power and Energy Society General Meeting, 2012 IEEE. 2012. IEEE. [7] Boutsika, T. and S. Santoso, Quantifying short-term wind power variability using the conditional range metric. Sustainable Energy, IEEE Transactions on, 2012. 3(3): p. 369378. [8] Phil Coker, J.B., Tim Cockerill, David Shipworth, Measuring significant variability characteristics: An assessment of three UK renewables. Renewable Energy, 2013. 53: p. 111-120. [9] Sinden, G., Renewable electricity generation: resource characteristics and implications of wind, wave and tidal stream power in the UK. 2007, University of Oxford. [10]Shedd, S., et al., A Statistical Characterization of Solar Photovoltaic Power Variability at Small Timescales. 2012. [11]Sengupta, M. Measurement and modeling of solar and PV output variability. in Proc. Solar. 2011. [12]Chen, Y.C. and A.D. Domínguez-García, A method to study the effect of renewable resource variability on power system dynamics. Power Systems, IEEE Transactions on, 2012. 27(4): p. 1978-1989. [13]Ela, E. and M. O'Malley, Studying the variability and uncertainty impacts of variable generation at multiple timescales. Power Systems, IEEE Transactions on, 2012. 27(3): p. 1324-1333. [14]Sun, Y.-z., et al. Review on frequency control of power systems with wind power penetration. in Power System Technology (POWERCON), 2010 International Conference on. 2010. IEEE. [15]Rivier Abbad, J., Electricity market participation of wind farms: the success story of the Spanish pragmatism. Energy Policy, 2010. 38(7): p. 3174-3179. [16]Lannoye, E., D. Flynn, and M. O'Malley. Assessment of power system flexibility: A highlevel approach. in Power and Energy Society General Meeting, 2012 IEEE. 2012. IEEE. [17]Gross, R., The Costs and Impacts of Intermittency: An assessment of the evidence on the costs and impacts of intermittent generation on the British electricity network. 2006: UK Energy Research Centre. 85 [18]Keane, A., et al., Capacity value of wind power. Power Systems, IEEE Transactions on, 2011. 26(2): p. 564-572. [19]Halamay, D.A. and T.K. Brekken. A methodology for quantifying variability of renewable energy sources by reserve requirement calculation. in Energy Conversion Congress and Exposition (ECCE), 2010 IEEE. 2010. IEEE. [20]Louie, H. Characterizing and modeling aggregate wind plant power output in large systems. in Power and Energy Society General Meeting, 2010 IEEE. 2010. IEEE. [21]Louie, H. Evaluation of probabilistic models of wind plant power output characteristics. in Probabilistic Methods Applied to Power Systems (PMAPS), 2010 IEEE 11th International Conference on. 2010. IEEE. [22]Lannoye, E., D. Flynn, and M. O'Malley. The role of power system flexibility in generation planning. in Power and Energy Society General Meeting, 2011 IEEE. 2011. IEEE. [23]Lannoye, E., Flexibility in power systems. 2010, Dublin, Ireland: Electricity Research Center (ERC). [24]Soder, L., et al., Experience and challenges with short-term balancing in European systems with large share of wind power. Sustainable Energy, IEEE Transactions on, 2012. 3(4): p. 853-861. [25]Agency, I.E., A Guide to the Balancing Challenge. Harnessing Variable Renewables, 2011. [26]Holttinen, H., et al. Methodologies to determine operating reserves due to increased wind power. in Power and Energy Society General Meeting (PES), 2013 IEEE. 2013. IEEE. [27]Matos, M.A., Introdução ao problema de escalonamento e pré-despacho. 2007. [28]Ortega-Vazquez, M.A. and D.S. Kirschen. Should the spinning reserve procurement in systems with wind power generation be deterministic or probabilistic? in Sustainable Power Generation and Supply, 2009. SUPERGEN'09. International Conference on. 2009. IEEE. [29]Lannoye, E., et al. Integration of variable generation: capacity value and evaluation of flexibility. in Power and Energy Society General Meeting, 2010 IEEE. 2010. IEEE. [30]Weber, C. Valuation of variability and unpredictability for electricity generation. in Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century, 2008 IEEE. 2008. IEEE. [31]Hug-Glanzmann, G. A hybrid approach to balance the variability and intermittency of renewable generation. in PowerTech, 2011 IEEE Trondheim. 2011. IEEE. [32]Lokhov, A., Load-following with nuclear power plants. NEA News, 2011(29.2): p. 18-20. [33]Auer, J., et al., State-of-the-art electricity storage systems. Current Issues Natural resources. Deustche Bank Research, 2012. [34]Qadrdan, M., et al. Impact of wind variability on GB gas and electricity supply. in Sustainable Energy Technologies (ICSET), 2010 IEEE International Conference on. 2010. IEEE. [35]Brooks, A., et al., Demand dispatch. Power and Energy Magazine, IEEE, 2010. 8(3): p. 2029. [36]Schuelke, A. and K. Erickson. Serving solar variations with consumption control of smart appliances and electric vehicles. in Innovative Smart Grid Technologies (ISGT Europe), 2011 2nd IEEE PES International Conference and Exhibition on. 2011. IEEE. [37]DGEG. Direcção Geral de Energia e Geologia. 2014; Available from: http://www.dgeg.pt/. 86 86 [38]REN. Sistema de Informação de Mercados de Energia. 2014; Available from: http://www.mercado.ren.pt/PT/Electr/Paginas/default.aspx. [39]Ela, E., et al. Evolution of operating reserve determination in wind power integration studies. in Power and Energy Society General Meeting, 2010 IEEE. 2010. IEEE. [40]Tuohy, A. and M. O'Malley. Impact of pumped storage on power systems with increasing wind penetration. in Power & Energy Society General Meeting, 2009. PES'09. IEEE. 2009. IEEE. [41]Banakar, H., C. Luo, and B.T. Ooi, Impacts of wind power minute-to-minute variations on power system operation. Power Systems, IEEE Transactions on, 2008. 23(1): p. 150-160. [42]Díaz-González, F., et al., A review of energy storage technologies for wind power applications. Renewable and Sustainable Energy Reviews, 2012. 16(4): p. 2154-2171. [43]Hedegaard, K. and P. Meibom, Wind power impacts and electricity storage–a time scale perspective. Renewable Energy, 2012. 37(1): p. 318-324. [44]Storry, R.L., G. Ault, and S. Galloway. The Use of Electrical Thermal Storage to Balance the Variability and Intermittency of Renewable Energy. in Universities' Power Engineering Conference (UPEC), Proceedings of 2011 46th International. 2011. VDE. [45]Ma, J., et al. Optimizing the flexibility of a portfolio of generating plants. in Power Systems Computation Conference (PSCC). 2011. [46]Ensslin, C., et al. Current methods to calculate capacity credit of wind power, IEA collaboration. in Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century, 2008 IEEE. 2008. IEEE. [47]Corporation, N.A.E.R., Flexibility Requirements and Metrics for Variable Generation: Implications for System Planning Studies, M.G. Lauby, Editor. 2010. [48]Leite da Silva, A.M., et al., Long-term probabilistic evaluation of operating reserve requirements with renewable sources. Power Systems, IEEE Transactions on, 2010. 25(1): p. 106-116. [49]Menemenlis, N., M. Huneault, and A. Robitaille. Thoughts on power system flexibility quantification for the short-term horizon. in Power and Energy Society General Meeting, 2011 IEEE. 2011. IEEE. [50]OpHB-Team, U., UCTE Operation Handbook Appendix 1: Load-Frequency Control and Performance. UCTE, July, 2004. [51]Black&Veatch, N.R.E.L., Cost and performance data for power generation technologies. 2012.