В настоящее время решение вопросов, связанных с интеллектуализацией и цифровизацией технологий обработки и анализа данных применительно к исследованию процессов функционирования экологически чистых и ресурсосберегающих систем энергетики, является составной частью ключевых направлений развития энергетики как в России, так и за рубежом. При этом в последнее десятилетие новым важным технологическим трендом в области развитии энергетики является развитие микросетей [1]. В этой связи актуализируется проблема моделирования таких сетей.
Целью исследования является сравнительный анализ известных инструментальных средств, разрабатываемых и применяемых для моделирования микросетей.
Материалы и методы исследования
Микросети. Микросеть (рис. 1) представляет собой локальную систему энергетики со своей собственной энергетической инфраструктурой, в общем случае способной к автономной работе [2]. Такая система характеризуется использованием разнообразных технологий распределённой генерации энергии, в том числе возобновляемых источников энергии (солнечных батарей и ветрогенераторов), а также различных накопителей энергии. Как правило, диверсификация источников энергии в микросети способствует повышению её энергонезависимости и надёжности поставок электроэнергии потребителям, а также улучшению распределения энергоресурсов, экологичности и других критериев качества работы сети. В частности, использование микросетей имеет ключевое значение для уникальных природных территорий с точки зрения поддержки природосбережения.
Каждый регион имеет свои драйверы развития и внедрения микросетей, постепенно переходя на них в рамках строительства новых энергосетей и обновления существующих. Совокупная мощность микросетей стабильно растёт от года к году. Так, аналитики [3] утверждают, что она превысит 29 ГВт к 2029 г. График с прогностическими данными приведён на рис. 2. Но микросети являются частью энергетической инфраструктуры, которая в свою очередь представляет собой сложную человеко-машинную систему. Определение допустимой или тем более оптимальной структуры, состава и значений характеристик такой сложной системы невозможно без проведения исследований различных режимов работы входящих в её состав подсистем и всей системы в целом. Так как проведение натурных экспериментов является весьма затратным, а часто вообще невозможным, то необходимы исследования, поддерживающие анализ структуры микросетей и выявление необходимых условий их работы путём моделирования и проведения вычислительных экспериментов.
Рис. 1. Компоненты микросети
Рис. 2. Совокупная мощность микросетей и прибыль от их эксплуатации
Рис. 3. Схема работы с моделью микросети
Сравнительный анализ средств автоматизации моделирования микросетей. Исследование микросети как сложной системы на основе математического моделирования обуславливает следующие характеристики модели микросети: большое число переменных её модели и математических уравнений, описывающих зависимости между этими переменными; присутствие в модели случайных величин с различными законами их распределения; разнообразие связей между элементами модели; наличие ограничений разных типов и зависимости от времени. Этапы создания и применения модели микросети приведены на рис. 3. Очевидно, что решение задачи анализа показателей работы микросети с учётом взаимодействия с другими подобными системами обоснованно требует привлечения развитых методов и средств построения её модели, а также подготовки и проведения экспериментов с использованием параллельных и распределённых вычислений, в том числе ресурсоёмких расчётов в гетерогенной распределённой вычислительной среде (ГРВС).
В настоящее время как в России, так и за рубежом наблюдается тенденция разработки специализированных методов и инструментальных средств автоматизации анализа процессов работы микросетей, включая их взаимодействие между собой. Результаты подобных исследований отражены в широком спектре работ российских и зарубежных учёных [4–6].
Основываясь на этих результатах, можно утверждать, что передовые методы и средства в данной области исследования базируются на применении методов экономического регулирования спроса и предложения энергоресурсов, многокритериального анализа эффективности и сбалансированности их генерации, распределения и потребления, а также специализированных мультиагентных технологий принятия решений. Здесь, как правило, мультиагентные технологии направлены на автоматизацию и интеллектуализацию процесса принятия решений путем делегирования прав и обязанностей субъектов микросети программным сущностям (агентам), динамически выполняющим согласование противоречивых в общем случае критериев на основе конкуренции и кооперации в процессе самоорганизации мультиагентной системы, осуществляемой в автоматическом режиме.
Исходя из специфики решаемой задачи можно выделить следующие ключевые характеристики, необходимые для средств автоматизации моделирования микросетей:
− средства описания предметной области (UML, XML, JSON, семантическая сеть и др.);
− определяемые параметры сети и её элементов (структурные, функциональные);
− масштаб моделируемой сети (отдельная сеть, кластер микросетей) и критерии оценки её работы (стоимость, объём выбросов, надёжность, живучесть и др.);
− моделируемые экономические механизмы регулирования спроса и предложения энергоресурсов и вид моделирования процесса функционирования микросетей (аналитическое, имитационное, агентное или комбинированное моделирование);
− архитектура прикладного программного обеспечения (монолитное приложение, библиотека программ, пакет прикладных программ и т.п.), вид приложения (десктопное, сетевое, сервис-ориентированное и др.), вычислительная среда (ПК, HPC-кластер, Grid-система, облачная среда, платформа туманных вычислений, гетерогенная вычислительная среда) и масштабируемость вычислений (низкая, средняя, высокая);
− анализ результатов моделирования (однокритериальный или многокритериальный);
− способ использования, распространения и поддержки программного обеспечения.
Разработан широкий спектр специализированных моделей, алгоритмов, методов и средств поддержки исследования микросетей (например, [7–9]). В частности, в работе [10] демонстрируется применение системы Matlab для моделирования функционирования микросетей. В ней рассматривается реализация стратегии управления при работе без внешней сети. Стратегия доказала свою эффективность в удовлетворении критического спроса при помощи микроисточников и накопителей. Однако возможности этой системы для анализа и прогнозирования весьма ограничены, поскольку модель предлагается в качестве учебной.
В работе [11] приводится описание мультиагентной модели микросети, обозначенной как «активный потребитель». Рассматриваемая микросеть состоит из обобщённого производственного цеха, представленного тремя типами станков, и распределённой солнечно-ветровой генерации. Модель разработана в имитационной среде AnyLogic и позволяет варьировать параметры для проведения экспериментов и проверки гипотез. Авторы подчёркивают успешность запуска модели и делают вывод о состоятельности выбранного подхода. В то же время данная модель ограничена единственной предметной областью. Будучи сфокусированной на экономическом критерии, она не предусматривает работу без внешней сети или возможность расширения элементами с иным поведением.
В работе [12] рассматривается применение программного обеспечения HOMER для проектирования и анализа характеристик микросети, состоящей из системы солнечных и ветряных генераторов, а также дизельной электростанции. Авторы привели процесс описания модели (к слову, достаточно подробно проработанной) и её оптимизации, в результате которой определяется наилучшая возможная конфигурация моделируемой системы. В то же время некоторые случаи анализа требуют интеграции с внешними системами. Официальный сайт HOMER [13] упоминает функцию подключения системы Matlab, правда, лишь для алгоритма распределения (dispatch). HOMER не поддерживает интеграцию с внешними моделями и, более того, представляет собой монолитное desktop-приложение, в то время как многие сценарии анализа и прогноза требуют большего масштаба расчётов, предполагающего применение облачных и туманных вычислений.
Здесь следует упомянуть Calliope [14] – один из открытых свободных аналогов HOMER. Это программное обеспечение использует текстовое описание модели на языке разметки YAML, поддерживает распределённые вычисления, а также интерактивные графики и визуализации, естественные для языка программирования Python, на котором и реализовано Calliope. Математическая модель в Calliope по большей части фиксирована и сложно поддаётся расширению, в том числе в части механизмов распределения ресурсов. С другой стороны, Calliope является полноценным инструментом моделирования, который может служить примером и даже основой для разработки новых программных средств.
Тенденцию к универсальности и открытости также поддерживает oemof [15], позиционирующийся как набор инструментов (фреймворк) для моделирования и оптимизации энергетических систем, а именно модели компонентов энергосистемы (источники, потребители, шины) для построения топологий и интерфейс для подключения оптимизатора (solph). В частности, авторы подчёркивают гибкость фреймворка, призванную обеспечить моделирование систем с постоянно растущей сложностью и склонностью к децентрализации. Это позволяет говорить о возможности задавать как собственные элементы модели, так и собственный механизм балансировки. При этом сам по себе фреймворк не решает поставленную задачу и используется сторонними разработчиками для создания кода под конкретный сценарий, что очевидно требует знания языка программирования Python 3 и делает oemof менее доступным. Также предлагаемый модуль оптимизации не предусматривает использование распределённых вычислений, что ограничивает эффективный масштаб производимых расчётов.
Результаты исследования и их обсуждение
В таблице приведены характеристики ряда программных средств моделирования микросетей. Результаты анализа рассмотренных средств показывают, что ряд вопросов, включая исследование моделей различных масштабов с разными механизмами балансировки энергоресурсов, поддержку внешних моделей и их гибкую настройку на специфику решаемых задач, а также адаптацию этих средств к применению в ГРВС, не решён в полной мере. Можно заметить, что основной сферой применения рассмотренных систем является аналитическое моделирование отдельно взятой микросети со встроенными механизмами балансировки энергоресурсов на ПК. Моделирование взаимодействия микросетей поддерживается только в Calliope и oemof. При этом Calliope обеспечивает использование HPC-кластера. Учёт аспектов интеллектуального управления микросетью возможен в AnyLogic, где поддерживается мультиагентное моделирование. Использование внешних моделей ограничено во всех рассматриваемых средствах. Таким образом, актуальными направлениями развития подобных инструментальных средств являются поддержка их интеграции с внешними моделями, алгоритмами работы и взаимодействия микросетей, а также применение в параллельных и распределённых вычислительных системах.
Заключение
Проведён сравнительный анализ средств автоматизации моделирования микросетей. Концепция микросетей сочетает передовые технологии и разработки в области энергетики, телекоммуникаций и обработки информации для построения саморегулирующихся и более надёжных, по сравнению с традиционными, систем энергетики. Применение микросетей приводит к повышению эффективности энергоснабжения, оптимальному использованию существующей инфраструктуры, минимизации необходимости в её расширении, облегчению интеграции возобновляемых источников энергии, особенно в форме распределённой генерации на стороне потребителя. Результаты анализа средств автоматизации моделирования микросетей позволили выделить ключевые направления их развития.
Сводная таблица характеристик средств моделирования микросетей
|
Средство моделирования |
Масштаб модели |
Механизм балансировки энергоресурсов |
Поддержка внешних моделей |
Тип моделирования |
Вычисли-тельная среда |
|
На основе MatLab |
Микросеть |
Встроенный |
Отсутствует |
Аналитическое |
ПК |
|
На основе AnyLogic |
Микросеть |
Встроенный |
Отсутствует |
Мультиагентное, имитационное |
ПК |
|
HOMER |
Микросеть |
Встроенный или пользовательский алгоритм распределения из MatLab |
Частичная |
Аналитическое |
ПК |
|
Calliope |
Кластер (с помощью секторов) |
Встроенный или пользовательский (через модификацию кода Calliope) |
Частичная |
Аналитическое |
ПК, HPC-кластер |
|
oemof |
Любой |
Встроенный или пользовательский модуль |
Поддерживается на уровне дополнительного кода |
Аналитическое |
ПК |
Библиографическая ссылка
Чекан М.А. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ АВТОМАТИЗАЦИИ ПРОЦЕССА МОДЕЛИРОВАНИЯ МИКРОСЕТЕЙ // Современные наукоемкие технологии. – 2022. – № 9. – С. 33-38;URL: https://top-technologies.ru/ru/article/view?id=39305 (дата обращения: 03.01.2025).