Hoe Virtuele Energiecentrales (VPP) de Toekomst van de Energie-markten Vormgeven

Virtuele energiecentrales (VPP's) hebben in de afgelopen jaren een steeds grotere rol gespeeld in de energievoorziening van Australië, met een groeiend aantal deelnemers en meer complexe operaties in zowel het National Electricity Market (NEM) als het Wholesale Electricity Market (WEM). Een van de belangrijkste ontwikkelingen was het VPP-demonstratieproject, waaraan acht VPP's en meer dan 7.000 klanten deelnamen. Dit project was een belangrijke stap in het begrijpen van de potentiële effecten van VPP-integratie in bestaande markten. Er werden echter aanzienlijke uitdagingen en onduidelijkheden aangetroffen, zowel op het gebied van technische prestaties als op het gebied van marktgedrag.

Het VPP-demonstratieproject richtte zich in eerste instantie niet op de integratie van VPP's in de groothandelsmarkt voor energie. De VPP's werden voornamelijk als ongeplande bronnen behandeld, wat de verwachtingen over prijsresponsiviteit bemoeilijkte. Het project ontdekte dat de prijsresponsiviteit van de VPP's inconsistent was, waarbij de onderliggende algoritmen en stuurmechanismen sterk varieerden en vaak ondoorzichtig waren. Toch was een van de grootste prestaties het testen van VPP-integratie in de zogenaamde "Contingency FCAS"-markten, wat een succes bleek. Dit stelde de VPP's in staat om volledig deel te nemen aan alle markten voor noodvermogen, wat resulteerde in een marktaandeel van 3% tegen het einde van het project.

Hoewel de resultaten bemoedigend waren, kwamen er enkele technische uitdagingen aan het licht. Een van de belangrijkste bevindingen was de uitdaging van het voorspellen van de prestaties van gedistribueerde energiebronnen (DER's) binnen een VPP. VPP's moesten zich aanpassen aan verschillende marktomstandigheden, wat vaak leidde tot overlevering van vermogen om het risico van onderlevering te beperken. Dit zorgde voor enige onzekerheid in de markten, omdat het voorspellingsmodel voor DER-assets en portfolio's niet altijd nauwkeurig genoeg was.

Projecten zoals EDGE en Symphony, die VPP-orchestratie testen in respectievelijk het NEM en WEM, gingen een stap verder door de integratie van VPP's in markten te simuleren. Hier werd getoetst of VPP's direct konden deelnemen aan de marktdispatch en marktprijsvorming, en of ze dynamische operationele enveloppen konden beheren. De initiële resultaten waren veelbelovend, maar technische uitdagingen bleven bestaan. Zo bleek dat het voorspellen van de capaciteit van VPP's, zelfs op portfolio-niveau, moeilijk was, en dat het naleven van dispatch-doelen vaak tekortschoot.

Het toekomstperspectief voor VPP-deelnames is eveneens complex. Terwijl VPP's de mogelijkheid hebben om grotere markten te betreden en hun marktaandeel in specifieke sectoren te vergroten, blijft er een spanning bestaan tussen de operationele zichtbaarheid van VPP's en hun deelname aan de markt. Grote VPP's kunnen in veel gevallen achter een intermediaire klant opereren, wat hen meer operationele flexibiliteit biedt, maar ook leidt tot minder zichtbaarheid voor de systeemoperator. Dit kan risico's met zich meebrengen voor de nauwkeurigheid van vraagvoorspellingen en voor de algehele systeemveiligheid. Daarnaast blijft het een uitdaging om VPP's betrouwbaar te plannen en te dispatchen, omdat de voorspellingsfouten vaak groot zijn en de naleving van dispatchdoelen te wensen overlaat.

In de toekomst zullen VPP's waarschijnlijk meer verplicht worden om real-time zichtbaarheid en voorspelbaarheid te bieden, omdat de markt vereist dat ze voldoen aan de normen die ook voor grote energiecentrales gelden. Dit zou kunnen leiden tot een verschuiving in de rol van VPP's van flexibele, ongereguleerde marktondernemers naar meer gecontroleerde marktdeelnemers.

In de tussentijd is er een trend waarbij technologieaanbieders, zoals zonnepanelen- en batterijfabrikanten, zelf VPP's leiden. Deze bedrijven beginnen de markt niet alleen met klanten, maar ook met hun eigen technologieën en producten. In sommige gevallen kunnen deze VPP-gedreven bedrijven energieproducten en -diensten aanbieden die verder gaan dan de traditionele retailaanbiedingen, zoals geïntegreerde systemen van DER, batterijopslag en energiemanagement voor thuisgebruik.

Het succes van VPP's zal uiteindelijk afhangen van het vermogen om zowel de technische als operationele uitdagingen aan te pakken, terwijl ze zich aanpassen aan een steeds veranderende marktomgeving. De kracht van VPP's ligt in hun flexibiliteit en vermogen om zich aan te passen aan de vraag van de markt, maar ze moeten ook voldoen aan de steeds strengere eisen van zowel de markt als de systeemoperatoren. Naarmate de technologie verbetert en de integratie van VPP's in de markten geavanceerder wordt, zullen ze waarschijnlijk een steeds grotere rol spelen in het vormgeven van de toekomstige energievoorziening.

Hoe Microgrids Elkaar Ondersteunen bij Frequentieproblemen: Een Gedetailleerde Uitleg van het Overdrachtssysteem

In systemen met meerdere microgrids is de uitwisseling van elektrische energie tussen verschillende microgrids van cruciaal belang om een stabiele werking te waarborgen. Dit is vooral belangrijk wanneer een microgrid in een kritieke toestand verkeert, zoals overbelasting of verlies van vermogen. Het overdragen van energie van gezonde microgrids naar een overbelast microgrid kan de frequentie van dat microgrid herstellen tot een acceptabel niveau. Dit proces is essentieel voor het handhaven van de algehele stabiliteit van het systeem.

Neem bijvoorbeeld de situatie waarin microgrid-1 overbelast raakt, met een overschot van 20% vermogen (zie Figuur 18). De frequentie van dit microgrid daalt tot 49,3 Hz, wat lager is dan de minimale limiet van 49,5 Hz. Dit type frequentiedaling is problematisch, aangezien het kan leiden tot verdere instabiliteit en zelfs schade aan de apparatuur. Na een korte vertraging van 0,6 seconden schakelt microgrid-1 over van een droop-regelmodus naar een constante PQ-regeling. Op dit moment beginnen microgrid-2 en microgrid-3 stroom naar microgrid-1 over te dragen om de frequentie terug te brengen naar het acceptabele bereik. Het vermogen dat door microgrid-2 wordt geleverd, is twee keer zoveel als het vermogen van microgrid-3, wat te maken heeft met de ingestelde droop-verhouding van 1:2.

Tegelijkertijd, wanneer microgrid-3 een overproductie van energie ervaart door een daling van de interne vraag, verandert het zijn status naar een Floating Microgrid (FMG). Dit betekent dat het niet langer bijdraagt aan het delen van vermogen, omdat het zijn eigen overschot niet kan gebruiken. Microgrid-2 neemt deze taak op zich en levert al het benodigde vermogen aan microgrid-1 om zijn overbelasting te verhelpen. Na een kortere periode verandert microgrid-3 zijn modus opnieuw, van een floating mode naar een constante PQ-regeling, waarbij het een overschot van 0,12 pu levert aan microgrid-1.

De dynamiek van de controlemodi van de Local Synchronous Converters (LSC’s) speelt een sleutelrol bij dit proces. De overgang van droop-regeling naar constante PQ-regeling en vice versa wordt gereguleerd door een systeem van regels en tijdsvertragingen. Bijvoorbeeld, wanneer microgrid-1 zijn overbelasting verliest door een reductie van 20% in zijn interne vraag, verandert het terug naar een High Microgrid (HMG)-status, maar blijft werken in constante PQ-regeling. Dit komt omdat het niet direct kan synchroniseren met de interconnectie van de microgrids zonder een stabiele faseovergang.

Het systeem werkt uiteindelijk zo dat zodra de overbelasting van microgrid-1 is opgelost en de interne vraag is aangepast, alle microgrids terugkeren naar een HMG-status en opnieuw hun droop-regeling kunnen inschakelen. Deze processen en de daaropvolgende wisselwerking tussen de microgrids zijn gedetailleerd vastgelegd in tabellen die de gebeurtenissen en bijbehorende acties tijdens verschillende tijdsintervallen beschrijven.

Wat dit systeem bijzonder efficiënt maakt, is de manier waarop de microgrids hun energiebalans zelf reguleren, zonder dat er constante externe interventie nodig is. Dit zorgt niet alleen voor een verhoogde robuustheid van het netwerk, maar ook voor een grotere autonomie van de verschillende microgrids. De implementatie van verschillende regelmethoden zoals droop-regeling en PQ-regeling maakt het mogelijk om deze flexibiliteit te behouden, zelfs tijdens onvoorziene belastingstoestanden.

In de context van dergelijke netwerken is het essentieel dat de communicatie en de coördinatie tussen de microgrids optimaal zijn, wat vaak wordt bereikt door het gebruik van geavanceerde algoritmes en controllers zoals Lineaire Kwadratische Regelaars (LQR). Deze controllers helpen niet alleen bij het beheren van de spanning en het vermogen, maar zorgen er ook voor dat de overgang tussen verschillende regelmodi soepel verloopt, wat cruciaal is voor de stabiliteit van het hele systeem.

Het is eveneens belangrijk te begrijpen dat de complexiteit van het systeem toeneemt met de verschillende soorten interconnecties die kunnen worden gebruikt, zoals de driefase-AC of enkel-fase-AC topologieën. Elk van deze configuraties vereist specifieke aanpassingen in de controlemethoden van de microgrids en de converterstructuren die worden gebruikt om de systemen met elkaar te verbinden.

Bijvoorbeeld, de enkel-fase-AC interconnectie, waarbij gebruik wordt gemaakt van een enkele fase H-brug VSC voor de Local Synchronous Converter (LSC), heeft bepaalde voordelen en nadelen in vergelijking met de driefase-AC variant. De stabiele werking van het systeem kan bijvoorbeeld in sommige gevallen moeilijker te realiseren zijn bij de enkel-fase-configuratie, omdat deze minder robuust is in termen van fase- en gain margin.

Daarnaast is de keuze voor de juiste controllers van cruciaal belang. De proportionele-integrale (PI) controllers voor zowel de microgrid- als de LSC-regeling moeten goed worden afgesteld om te zorgen voor een stabiele werking, vooral wanneer de systemen overschakelen van de droop-regeling naar de constante PQ-regeling. Dit zorgt voor een dynamische en efficiënte reactie op de veranderende vraag en productie in het netwerk.

Het beheersen van de energie-uitwisseling tussen microgrids vereist dus niet alleen geavanceerde technieken op het gebied van vermogenselektronica en regeltechniek, maar ook een diepgaand begrip van de onderliggende fysieke principes die de stabiliteit van het netwerk garanderen. Dit omvat de afstemming van parameters zoals droop-verhoudingen, spanningsreferenties en de capaciteiten van de filters die in de converters zijn geïntegreerd.

Hoe beïnvloedt lijnimpedantie de vermogensverdeling tussen microgrids?

De vermogensverdeling tussen microgrids, gebaseerd op hun droop-coëfficiënten, is gevoelig voor veranderingen in de impedantie van de verbindingslijnen. Naarmate de lijnimpedantie toeneemt, ontstaan afwijkingen in de gewenste vermogensverdeling, hetgeen zichtbaar wordt in de toename van de foutpercentages. Dit wordt geïllustreerd in de drie topologieën van het systeem, waarbij de fout in vermogensdeling bij topologie-1 varieert tussen -5% en +10%, terwijl deze bij topologie-2 tussen -8% en +4% ligt. Deze fouten treden op omdat bij hogere lijnimpedanties de veronderstelling dat de droop-coëfficiënten groter zijn dan de lijnreactantie niet langer geldig is. Hierdoor verliest de vermogensdeling zijn karakter als inverse functie van de droop-coëfficiënten.

Ondanks deze verstoringen blijft de vermogensdeling binnen acceptabele grenzen dankzij de toepassing van een aangepaste hoek-droopregeling. Deze regeling corrigeert de afwijkingen en verzekert een nauwkeurige vermogensverdeling tussen de microgrids. Bij topologie-3, waar vooral de lijnweerstand varieert, nemen zowel het lijnverlies als de vermogensafgifte toe naarmate de microgrids verder uit elkaar liggen. Dit leidt ertoe dat frequentie en dc-linkspanningen volgens hun droop-coëfficiënten afnemen om het extra benodigde vermogen ten gevolge van lijnverliezen te compenseren.

Belangrijk is dat ook bij toename van de lijnweerstand de vermogensdeling begint te wijken, omdat bij grotere weerstanden dan de droop-waarden de basisveronderstelling van de droop-regeling niet meer opgaat. De foutpercentages in vermogensdeling zijn bij topologie-3 dan ook significant groter dan bij topologie-1 en 2, wat aangeeft dat deze topologie minder robuust is tegen variaties in lijnweerstand.

Analyse van frequentie en dc-linkspanningen laat zien dat microgrids met hogere droopwaarden een sterker dalende trend vertonen in deze parameters naarmate de lijnweerstand toeneemt, terwijl microgrids met lagere droopwaarden stabieler blijven. Dit verschil weerspiegelt de verdeelde rol van de microgrids in het totale vermogensaanbod en lijnverlies.

Bij variatie in de vermogensvraag van de PMG (Primary Microgrid Generator) blijkt dat de vermogensdeling tussen microgrids vrijwel constant blijft, onafhankelijk van het totale vermogen dat gevraagd wordt. De fout in vermogensdeling op basis van de droop-coëfficiënten is hierbij verwaarloosbaar klein, wat aantoont dat de aangepaste hoek-droopregeling effectief is in het handhaven van stabiele vermogensverdeling onder wisselende belastingcondities.

Deze bevindingen benadrukken het belang van het zorgvuldig dimensioneren en selecteren van droop-coëfficiënten in relatie tot de lijnimpedanties. Alleen bij een goede verhouding blijft de eigenschap van vermogensdeling als de inverse van de droop-coëfficiënten geldig en kan een betrouwbare, proportionele verdeling tussen microgrids worden gegarandeerd.

Daarnaast is het essentieel om te beseffen dat veranderingen in lijnimpedantie en weerstand niet alleen invloed hebben op de vermogensdeling, maar ook op de systeemfrequentie en dc-linkspanningen, waardoor de dynamiek en stabiliteit van het gehele microgrid-netwerk worden beïnvloed. De keuze van topologie en het ontwerp van de droop-regeling moeten daarom rekening houden met deze systeeminteracties om optimale prestaties te garanderen.

Wat is de rol van probabilistische modellering in het optimaliseren van microgrid-planning en -beheer?

De recente vooruitgangen in probabilistische modellering hebben nieuwe mogelijkheden geopend voor de dimensionering van microgrids, waarbij onzekerheid en risicomanagement essentieel zijn. Microgrids, die autonome energiesystemen zijn die vaak gebruik maken van hernieuwbare energiebronnen en energieopslag, staan voor de uitdaging om te opereren in een omgeving die inherent onzeker is. De onzekerheid komt vaak van verschillende factoren zoals het weer, consumentengedrag, vraagresponsprogramma’s en de operationele efficiëntie van verschillende componenten. Dit maakt het noodzakelijk om geavanceerde technieken te gebruiken voor het plannen en beheren van de energieproductie, -opslag en -distributie binnen microgrids.

Een belangrijk aspect is het gebruik van metaheuristische algoritmen voor de sizing en optimalisatie van microgrids, waarbij probabilistische benaderingen zoals scenario-analyse en stochastische optimalisatie steeds vaker worden toegepast. Deze benaderingen houden rekening met de onzekerheid van toekomstige vraag, aanbod en prijsfluctuaties van energie, wat essentieel is voor het verzekeren van de economische en technische haalbaarheid van een microgrid.

In recente studies, bijvoorbeeld die van Mohseni en Brent (2022), wordt de rol van risico-gebaseerde dispatch-optimalisatie benadrukt, waarbij rekening wordt gehouden met onzekerheden zoals de rijpatronen van elektrische voertuigen. In dergelijke gevallen wordt de microgrid-planning vaak uitgevoerd met behulp van stochastische methoden die de dynamische aard van vraag en aanbod simuleren. Dit maakt het mogelijk om te anticiperen op mogelijke schommelingen en om oplossingen te vinden die robuust zijn tegen een breed scala aan scenario's.

Bovendien speelt de integratie van vraagresponsprogramma’s (DRP) een cruciale rol bij het optimaliseren van microgrid-prestaties. Door het gebruik van probabilistische benaderingen kan de impact van vraagrespons op het netwerk efficiënt worden gemodelleerd, wat de mogelijkheid biedt om de netbelasting in real-time te balanceren. Dit wordt nog versterkt door het gebruik van innovatieve technologieën zoals energieopslag en verbruiksbeheer, wat het mogelijk maakt om pieken in de vraag te absorberen en de energiekosten te verlagen.

In de context van multi-energysystemen wordt het belang van flexibiliteit in de planningsfase steeds duidelijker. Het combineren van verschillende energiebronnen zoals zonne-energie, windenergie, waterstof en batterijen kan de veerkracht en economische voordelen van een microgrid aanzienlijk verbeteren. Hier komt de probabilistische modellering opnieuw naar voren: door de diverse variabelen en onzekerheden in verband met de verschillende technologieën in overweging te nemen, kunnen planners scenario’s creëren die het systeem in staat stellen om efficiënter te werken, zelfs onder onvoorspelbare omstandigheden.

Verder maakt het gebruik van probabilistische benaderingen ook het mogelijk om verschillende technische en economische doelstellingen te optimaliseren, zoals het minimaliseren van de investeringskosten of het maximaliseren van de energieopbrengst. In plaats van vaste parameters te gebruiken, worden probabilistische distributies toegepast op de variabelen, waardoor planners een breed scala aan mogelijke uitkomsten kunnen verkennen en strategische keuzes kunnen maken op basis van waarschijnlijkheden en risicovoorkeuren.

Voor de operationele fase, na de initiële dimensionering van het microgrid, biedt probabilistische modellering de mogelijkheid om dynamisch te reageren op veranderingen in de energievraag of onverwachte gebeurtenissen, zoals storingen of fluctuaties in de energieprijzen. Dit betekent dat een microgrid niet alleen in staat is om op lange termijn te optimaliseren, maar ook om zich snel aan te passen aan kortetermijnveranderingen zonder onaanvaardbare kosten of prestatieschommelingen.

Wat belangrijk is om te begrijpen is dat probabilistische technieken niet alleen de technische haalbaarheid verbeteren, maar ook de economische levensvatbaarheid van microgrids vergroten. Zonder probabilistische benaderingen zouden microgrids afhankelijk zijn van deterministische modellen, die vaak onvoldoende zijn om de complexe en dynamische realiteit van energienetwerken in te schatten. Deze benaderingen kunnen de waarde van hernieuwbare energie, vraagrespons en energieopslag maximaliseren, door ze optimaal in te zetten op basis van waarschijnlijke toekomstscenario's.

Daarom is het cruciaal om zowel bij de plannings- als bij de operationele fasen van microgrid-beheer probabilistische modellering te integreren. Het stelt engineers en planners in staat om robuustere systemen te ontwerpen die niet alleen op lange termijn kosteneffectief zijn, maar ook bestand tegen onverwachte storingen en fluctuaties.

Hoe kunnen slimme havens de duurzaamheid en energiebeveiliging verbeteren?

Slimme havens bieden een cruciale mogelijkheid voor de toekomst van de maritieme industrie, waarbij duurzaamheid, energiebeveiliging en verhoogde betrouwbaarheid centraal staan. Het implementeren van intelligent energiebeheer binnen een havenomgeving biedt aanzienlijke voordelen. Dit systeem houdt toezicht op het energieverbruik in verschillende sleutelgebieden van de haven, zoals schepen, kraaninstallaties, magazijnen en koelcontainers, laadstations en hijskranen op spoorrails. Door slimme communicatietechnologieën kunnen deze verschillende energieverbruikers naadloos worden verbonden met het energiebeheersysteem, wat zorgt voor een efficiënte toewijzing van de beschikbare elektriciteit.

Energiebronnen in slimme havens variëren van hernieuwbare bronnen zoals zonnepanelen en windturbines tot energieopslagsystemen en het net van de nutsbedrijven. Door de integratie van geavanceerde technologieën voor energiemanagement kunnen havens het energieverbruik optimaliseren en pieken in de vraag beter beheren. Dit stelt de havenautoriteiten in staat om zowel operationele kosten te verlagen als te voldoen aan de steeds strengere duurzaamheidsdoelen.

Een bijzonder belangrijk aspect van deze systemen is de rol van microgrids. Microgrids vormen een lokaal systeem binnen een groter elektriciteitsnetwerk en kunnen onafhankelijk functioneren van het centrale net. Ze zorgen voor meer controle over de energievoorziening en dragen bij aan de stabiliteit van de haven, vooral wanneer externe bronnen van energie schaars of onbetrouwbaar zijn. De integratie van dergelijke microgrids in de haveninfrastructuur bevordert niet alleen de energiezekerheid, maar vermindert ook de ecologische voetafdruk van havenactiviteiten.

Havens zoals de Port of Valencia hebben al succesvolle voorbeelden van deze technologieën geïmplementeerd. Het gebruik van bewegingsgevoelige verlichting in de terminals heeft bijvoorbeeld geleid tot een 80% vermindering van het energieverbruik, wat de initiële investering binnen twee jaar heeft terugverdiend. Dit toont de effectiviteit aan van slimme technologieën in de praktische implementatie van duurzame energieoplossingen.

Desondanks brengt de transformatie naar slimme havens aanzienlijke uitdagingen met zich mee. De technologische, operationele en organisatorische obstakels die gepaard gaan met digitalisering kunnen belemmerend werken. De noodzaak voor gestandaardiseerde digitale technologieën, veilige gegevensuitwisseling en de juiste technologische keuzes zijn cruciaal voor het succes van de digitale transitie. Dit vergt ook een verandering in de bedrijfsstructuren, waarbij bedrijven open moeten staan voor experimenten en iteraties in hun digitale processen.

Een van de grootste uitdagingen is de integratie van nieuwe technologieën in bestaande infrastructuren. In veel gevallen is de maritieme infrastructuur verouderd en kan deze de eisen van de hedendaagse maritieme industrie niet bijbenen. Daarom moeten havens hun systemen en processen herzien om te kunnen profiteren van de voordelen van digitale oplossingen zoals real-time voorspellingen, big data en IoT-sensoren. Deze technologieën kunnen havens in staat stellen om scheepsarrivals nauwkeurig te voorspellen, wat leidt tot een beter benutting van de capaciteit en minder congestie.

Een ander cruciaal aspect van slimme havens is veiligheid. Het gebruik van AI-gestuurde systemen kan helpen bij het automatiseren van risicovolle taken en het monitoren van potentiële gevaren, wat de veiligheid van het personeel aanzienlijk verbetert. Dit is essentieel voor havens die dagelijks te maken hebben met zware en complexe operaties. Bovendien speelt de implementatie van groene technologieën, zoals het gebruik van duurzame energiebronnen, een belangrijke rol in het naleven van internationale milieuverplichtingen, zoals de Klimaatakkoorden van Parijs en de Duurzame Ontwikkelingsdoelen van de VN voor 2030.

Het digitale-groene transitietraject wordt steeds belangrijker voor de maritieme industrie. Slimme havens kunnen niet alleen bijdragen aan de verduurzaming van de sector, maar ook hun economieën verbeteren door een efficiënter gebruik van middelen en energie. Toch kunnen intensieve havenactiviteiten soms spanning veroorzaken met de lokale gemeenschappen. Het is dan ook van groot belang om deze gemeenschappen actief te betrekken bij de besluitvorming en bij de transitie naar duurzame operaties.

Naast technologische vooruitgang is het ook van belang dat havens de juiste vaardigheden en deskundigheid ontwikkelen binnen hun personeel. Er is een tekort aan gekwalificeerde digitale professionals, en de implementatie van nieuwe technologieën vereist voortdurende opleiding en ontwikkeling. Dit zal de effectiviteit van de digitale strategieën van havens aanzienlijk verbeteren, terwijl het tegelijkertijd de werkgelegenheid en lokale economie stimuleert.

De transformatie naar slimme havens is onvermijdelijk. Het succes van deze transitie hangt echter niet alleen af van technologische innovaties, maar ook van de bereidheid van de sector om zich aan te passen aan nieuwe werkmethoden en samen te werken met andere stakeholders in het maritieme ecosysteem.