ΑΞΙΟΛΟΓΗΣΗ ΤΗΣ ΕΠΙΔΡΑΣΗΣ ΤΗΣ ΦΟΡΤΙΣΗΣ ΣΤΟΛΩΝ ΗΛΕΚΤΡΙΚΩΝ ΑΥΤΟΚΙΝΗΤΩΝ ΣΤΟ ΜΗ ΔΙΑΣΥΝΔΕΔΕΜΕΝΟ ΗΛΕΚΤΡΙΚΟ ΣΥΣΤΗΜΑ ΤΗΣ ΚΡΗΤΗΣ

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΑΞΙΟΛΟΓΗΣΗ ΤΗΣ ΕΠΙΔΡΑΣΗΣ ΤΗΣ ΦΟΡΤΙΣΗΣ ΣΤΟΛΩΝ ΗΛΕΚΤΡΙΚΩΝ ΑΥΤΟΚΙΝΗΤΩΝ ΣΤΟ ΜΗ ΔΙΑΣΥΝΔΕΔΕΜΕΝΟ ΗΛΕΚΤΡΙΚΟ ΣΥΣΤΗΜΑ ΤΗΣ ΚΡΗΤΗΣ ΓΕΩΡΓΙΟΣ Α. ΜΠΑΛΑΣΚΑΣ Α.Ε.Μ. : 7212 ΕΠΙΒΛΕΠΟΝΤΕΣ: ΑΝΑΣΤΑΣΙΟΣ Γ.ΜΠΑΚΙΡΤΖΗΣ, ΚΑΘΗΓΗΤΗΣΗ Α.Π.Θ. ΣΤΥΛΙΑΝΟΣ Ι. ΒΑΓΡΟΠΟΥΛΟΣ, ΥΠ. ΔΙΔΑΚΤΩΡ ΤΗΜΜΥ Α.Π.Θ. ΘΕΣΣΑΛΟΝΙΚΗ, ΙΟΥΛΙΟΣ 2015

Περιεχόμενα Πρόλογος... 4 Μέρος Ι Στοιχεία Θεωρίας της Μελέτης... 6 Κεφάλαιο 1 Εισαγωγή... 7 1.1 Ηλεκτρικά αυτοκίνητα (EVs) - Ένα χρονικά ευέλικτο ηλεκτρικό φορτίο... 7 1.2 Κατηγοριοποίηση Ηλεκτρικών Αυτοκινήτων... 9 1.3 Ηλεκτρικά Αυτοκίνητα και Περιβαλλοντικά Οφέλη...12 1.4 Στρατηγικές Φόρτισης Στόλου Ηλεκτρικών Αυτοκινήτων...13 1.5 Σκοπός του Προγραμματισμού της Έξυπνης Φόρτισης του Στόλου EVs...15 1.6 Ενεργειακός Προγραμματισμός ενός ΣΗΕ...17 1.6.1 Αναμενόμενη Επίδραση στον Ενεργειακό Προγραμματισμό...19 Κεφάλαιο 2 EVs Aggregator... 21 2.1 Λειτουργία ενός EV Aggregator...21 2.1.1 Τυποποίηση Πελατών...23 2.1.2 Συμμετοχή Aggregator στην Αγορά Ενέργειας...24 Κεφάλαιο 3 Το Αυτόνομο Ηλεκτρικό Σύστημα της Κρήτης... 27 3.1 Θερμικό Σύστημα Παραγωγής Ενέργειας στην Κρήτη...28 3.2 Κώδικας Διαχείρισης Αυτόνομου Ηλεκτρικού Συστήματος Κρήτης...32 3.2.1 Κυλιόμενος Ημερήσιος Ενεργειακός Προγραμματισμός (ΚΗΕΠ)...33 3.2.2 Εκκαθάριση Αγοράς Ενέργειας...34 3.3 Προφίλ Ζήτησης Φορτίου στην Κρήτη...35 1

3.3.1 Διείσδυση ΑΠΕ και Προφίλ Καθαρού Φορτίου...35 Μέρος ΙΙ Προσομοίωση της Λειτουργίας του Aggregator στο μη διασυνδεδεμένο Ηλεκτρικό Σύστημα της Κρήτης... 38 Κεφάλαοι 4 Μοντελοποίηση του Διαχειριστή του στόλου EVs... 39 4.1 Συμμετοχή στην Day-Ahead Αγορά για Νυχτερινή Φόρτιση...40 4.2 Μαθηματικό Μοντέλο του Προγραμματισμού Έξυπνης Φόρτισης του Στόλου...42 4.3 Απευθείας Φόρτιση του Στόλου...46 4.4.1 Μέγεθος Στόλου EVs...47 4.4.2 Πιθανοτικές Κατανομές Παραμέτρων Στόλου...50 4.4.3 Πρόβλεψη της τιμής της Ηλεκτρικής Ενέργειας...52 Κεφάλαιο 5 Αποτελέσματα Προσομοίωσης... 53 5.1 Δηλώσεις Φορτίου στην Προ-Ημερήσια αγορά...54 5.2 Ανάλυση του Ημερήσιου Κόστους Λειτουργίας του Aggregator...61 5.3 Ανάλυση του Ημερήσιου Κέρδους από την Έξυπνη Φόρτιση του Στόλου...64 5.4 Σύγκριση του ημερήσιου κόστους λειτουργίας και του κέρδους από τον προγραμματισμό της φόρτισης ανάμεσα στα διάφορα σενάρια διείσδυσης...66 5.5 Σύγκριση του ετήσιου κόστους λειτουργίας ανάμεσα στα διάφορα σενάρια διείσδυσης...69 Μέρος ΙΙΙ Διερεύνηση της επίδρασης της ενσωμάτωσης σεναρίων στόλου EVs στο Ηλεκτρικό Σύστημα της Κρήτης... 72 Κεφάλαιο 6 Ενσωμάτωση του στόλου ηλεκτρικών αυτοκινήτων στο Ηλεκτρικό Σύστημα της Κρήτης... 73 2

6.1 Εισαγωγή...73 6.2 Ανάλυση του ημερήσιου κόστους λειτουργίας του συστήματος...80 6.3 Ανάλυση του ετήσιου κόστους λειτουργίας του συστήματος...88 6.4 Ανάλυση του οριακού κόστους λειτουργίας του συστήματος...90 6.5 Αριθμός Σβέσεων των θερμικών μονάδων του συστήματος...93 6.6 Σύνθεση παραγωγής ανά τεχνολογία των μονάδων του συστήματος...96 6.7 Ανάλυση της επίδρασης της ενσωμάτωσης του στόλου EVs σε χαρακτηριστικές ημέρες κατανομής του συστήματος...98 Μέρος ΙV Διερεύνηση του Πραγματικού Κόστους Λειτουργίας του Aggregator... 110 Κεφάλαιο 7 Διερεύνηση του Πραγματικού Κόστους Λειτουργίας του Διαχειριστή της Φόρτισης του Στόλου EVs... 111 7.1 Μεταβολή του οριακού κόστους του συστήματος με την ενσωμάτωση του στόλου ηλεκτρικών αυτοκινήτων στο ΣΗΕ... 112 7.2 Ανάλυση του πραγματικού ημερήσιου κόστους λειτουργίας του Aggregator... 114 7.3 Ανάλυση του πραγματικού ποσοστού ετήσιας εξοικονόμησης στο κόστος της λειτουργία του aggregator από την έξυπνη φόρτιση των EVs σε σύγκριση με την απευθείας φόρτιση τους... 118 7.4 Ανάλυση της ποσοστιαίας μεταβολής του ημερήσιου κέρδους της λειτουργίας του Aggregator... 120 7.5 Οικονομικά κίνητρα στους οδηγούς για την δέσμευση τους στην συμμετοχή του προγραμματισμού της έξυπνης φόρτισης... 122 Βιβλιογραφία... 126 3

Πρόλογος Στα πλαίσια της παρούσας διπλωματικής, εξετάζεται η επίδραση της φόρτισης στόλων ηλεκτρικών αυτοκινήτων (EVs) υπό διαφορετικά σενάρια διείσδυσης στο μη διασυνδεδεμένο ηλεκτρικό σύστημα της Κρήτης. Στο πρώτο μέρος της μελέτης, παρατίθενται στοιχεία θεωρίας που θεωρούνται απαραίτητα για την κατανόηση των βασικών εννοιών που χρησιμοποιούνται στην συνέχεια. Στο δεύτερο μέρος της μελέτης, μοντελοποιείται ο βέλτιστος προγραμματισμός της φόρτισης του στόλου ηλεκτρικών αυτοκινήτων από ένα διαχειριστή της φόρτισης (EVs Aggregator) με την στρατηγική της έξυπνης και της απευθείας φόρτισης αντίστοιχα. Η μοντελοποίηση αποσκοπεί στην οικονομικότερη φόρτιση του στόλου με σεβασμό σε τεχνικούς περιορισμούς και λαμβάνει χώρα στο προγραμματιστικό περιβάλλον της GAMS. Θεωρείται ότι η φόρτιση του στόλου πραγματοποιείται αποκλειστικά κατά τις νυχτερινές ώρες. Στο πρώτο αυτό στάδιο, γίνεται η παραδοχή της βελτιστοποίησης του μοντέλου του διαχειριστή της φόρτισης ως αποδέκτη της τιμής ενέργειας του συστήματος (price-taker) και προσομοιώνεται η λειτουργία του στο περιβάλλον του ΣΗΕ της Κρήτης. Στόχος της ενότητας είναι η διερεύνηση των ωριαίων δηλώσεων φορτίου που καταθέτει ο διαχειριστής της φόρτισης στην προ ημερήσια διαδικασία υποβολής δηλώσεων για να εξασφαλίσει την ενέργεια φόρτισης του στόλου (κατά την στρατηγική της έξυπνης και της απευθείας φόρτισης), του ημερήσιου κόστους της φόρτισης του στόλου για τον διαχειριστή (κατά την στρατηγική της έξυπνης και της απευθείας φόρτισης) και εν τέλει του ενδεχόμενου κέρδους που προκύπτει από την έξυπνη φόρτιση του στόλου σε σύγκριση με την απευθείας φόρτιση του για τον διαχειριστή της φόρτισης και κατά συνέπεια για τους οδηγούς των ηλεκτρικών αυτοκινήτων. Στο τρίτο μέρος της μελέτης, προσομοιώνεται ο Ημερήσιος Ενεργειακός Προγραμματισμός (ΗΕΠ) του συστήματος ηλεκτρικής ενέργειας της Κρήτης, στον οποίο ενσωματώνεται το ηλεκτρικό φορτίο της φόρτισης του στόλου των ηλεκτρικών αυτοκινήτων, όπως αυτό προκύπτει από τις ωριαίες δηλώσεις φορτίου που καταθέτει ο διαχειριστής της φόρτισης κατά την στρατηγική της έξυπνης και της απευθείας φόρτισης. Η προσομοίωση γίνεται στο προγραμματιστικό περιβάλλον της GAMS και αποσκοπεί στην οικονομικότερη λειτουργία του συστήματος με σεβασμό στους τεχνικούς περιορισμούς του. Στόχος της ενότητας είναι η αξιολόγηση της επίδρασης της έξυπνης φόρτισης του στόλου ηλεκτρικών αυτοκινήτων στην λειτουργία του αυτόνομου συστήματος της Κρήτης (ημερήσιο κόστος λειτουργίας του συστήματος, ωριαίο οριακό κόστος, αριθμός σβέσεων 4

των μονάδων κ.α.) σε σύγκριση με την επίδραση της απευθείας φόρτισης των ηλεκτρικών αυτοκινήτων αλλά και με την λειτουργία του συστήματος αναφοράς όπου θεωρείται μηδενική διείσδυση ηλεκτρικών αυτοκινήτων. Στο τέταρτο και τελευταίο μέρος, καθώς έχει προσδιοριστεί η πραγματική επίδραση της φόρτισης του στόλου ηλεκτρικών αυτοκινήτων στο οριακό κόστος του συστήματος και κατά συνέπεια στην τιμή της ηλεκτρικής ενέργειας για τα διάφορα εξεταζόμενα σενάρια, πραγματοποιείται μια τελική εκτίμηση του πραγματικού ημερήσιου κόστους της φόρτισης του στόλου για τον διαχειριστή της φόρτισης (κατά την στρατηγική της έξυπνης και της απευθείας φόρτισης). Στόχος είναι η διερεύνηση του πραγματικού κέρδους που αποκομίζει ο διαχειριστής της φόρτισης και κατά συνέπεια οι οδηγοί των ηλεκτρικών αυτοκινήτων από την έξυπνη φόρτιση των οχημάτων σε σύγκριση με την απευθείας φόρτιση. Στην συνέχεια, εξετάζονται τα οικονομικά κίνητρα που δύναται να παρέχει ο διαχειριστής της φόρτισης στους οδηγούς, με σκοπό την δέσμευση τους στην έξυπνη φόρτιση των οχημάτων τους. Ακόμα, αξιολογείται έως ποιο μέγεθος διείσδυσης στόλου ηλεκτρικών αυτοκινήτων μπορεί ο διαχειριστής της φόρτισης να θεωρείται σε αποδεκτά πλαίσια ως αποδέκτης της τιμής του συστήματος. Όλες οι προσομοιώσεις γίνονται διακριτά σε ημερήσια βάση με ωριαίο βήμα για ένα ολόκληρο έτος. 5

Μέρος Ι Στοιχεία Θεωρίας της Μελέτης 6

Κεφάλαιο 1 Εισαγωγή 1.1 Ηλεκτρικά αυτοκίνητα (EVs) - Ένα χρονικά ευέλικτο ηλεκτρικό φορτίο Η εγγύηση της σταθερότητας και της ποιότητας ενός συστήματος ηλεκτρικής ενέργειας απαιτεί μια ισορροπία μεταξύ της παραγωγής και της ζήτησης της ηλεκτρικής ενέργειας. Βασικός σκοπός της λειτουργίας κάθε Συστήματος Ηλεκτρικής Ενέργειας (ΣΗΕ), ανεξάρτητα αν πρόκειται για ένα στιβαρό ηπειρωτικό δίκτυο ή ένα αυτόνομο νησιώτικο, είναι η διασφάλιση ανά πάσα στιγμή του ισοζυγίου ενέργειας. Η ισορροπία αυτή διασφαλίζεται είτε μέσω της διαχείρισης στην πλευρά της παραγωγής είτε μέσω της διαχείρισης στην πλευρά της ζήτησης [1]. Στην περίπτωση της διαχείρισης της παραγωγής, η παραγωγή διαμορφώνεται για να καλύψει την απαιτούμενη ζήτηση και δεν υπάρχει μεγάλο ενδιαφέρον για την μεταβολή των προτύπων κατανάλωσης. Ουσιαστικά, γίνεται ο κατάλληλος προγραμματισμός για την λειτουργία του συστήματος, ώστε η παραγόμενη ισχύς του συστήματος τόσο από τους θερμικούς και τους υδροηλεκτρικούς σταθμούς παραγωγής όσο και από Ανανεώσιμες Πηγές Ενέργειας να καλύπτει την απαιτούμενη ηλεκτρική ζήτηση. Ημερήσια πρόβλεψη του ηλεκτρικού φορτίου μπορεί να γίνει με αρκετά μεγάλη ακρίβεια και εν συνεχεία σε κάθε ΣΗΕ γίνεται εκ των προτέρων ημερήσιος προγραμματισμός της ένταξης μονάδων και της κατανομής του φορτίου ανάμεσα στις ενταγμένες μονάδες με ωριαίο συνήθως βήμα, με σκοπό την εξυπηρέτηση αυτού του φορτίου. Ο προγραμματισμός αυτός είναι η κύρια λειτουργία κατά την εκτέλεση της διαδικασίας που ονομάζεται Ημερήσιος Ενεργειακός Προγραμματισμός (ΗΕΠ). Στην περίπτωση της διαχείρισης της ζήτησης εφαρμόζονται στρατηγικές διαχείρισης της ηλεκτρικής ζήτησης, με στόχο την κατάλληλη διαμόρφωση του προφίλ κατανάλωσης. Πιο συγκεκριμένα, κυριότεροι επιθυμητοί στόχοι είναι η μείωση της ζήτησης σε περιόδους αιχμής (peak clipping) και η αύξηση της ζήτησης σε περιόδους εκτός αιχμής (valley filling) που στοχεύει στην βελτίωση του συντελεστή φόρτισης του συστήματος. 7

Με τον όρο Εξηλεκτρισμός (Electrification) αναφερόμαστε στην πρόθεση για γενική αύξηση της ζήτησης μέσω της αντικατάστασης συμβατικών μέσων, που χρησιμοποιούν άλλες μορφές ενέργειας για την λειτουργία τους όπως καύσιμα, με αντίστοιχα ηλεκτρικά μέσα. Κυριότερο παράδειγμα του κινήματος αυτού αποτελεί η προσπάθεια διείσδυσης των ηλεκτρικών αυτοκινήτων (Electric Vehicles, EVs). Όπως γίνεται αντιληπτό η αυξανόμενη ενσωμάτωση των ηλεκτρικών αυτοκινήτων θα οδηγήσει σε αύξηση της ζήτησης του συνολικού ηλεκτρικού φορτίου, ενώ το νέο προφίλ της ζήτησης θα διαμορφωθεί ανάλογα με την χρονική κατανομή της φόρτισης του στόλου EVs ημερησίως. Η μπαταρία των plug-in ηλεκτρικών αυτοκινήτων (PHEVs) εμφανίζεται ως ένα ευέλικτο εργαλείο για ενεργό συμμετοχή στην διαμόρφωση του προφίλ της ενεργειακής ζήτησης και στην ρύθμιση της πρωτεύουσας και δευτερεύουσας εφεδρείας του ΣΗΕ. Με τον προγραμματισμό της φόρτισης του στόλου EVs παρουσιάζεται η ευκαιρία για διανεμημένη αποθήκευση ενέργειας και ευέλικτη απόκριση ζήτησης (demand response), μέσω της κατάλληλης τοποθέτησης της φόρτισης του στόλου στον χρονικό ορίζοντα της περιόδου κατανομής του συστήματος [5]. Από την άλλη μεριά, όταν δεν υπάρχει προγραμματισμός στην φόρτιση του στόλου και κανένα οικονομικό κίνητρο στην αλλαγή της συμπεριφοράς φόρτισης του οδηγού, εξασθενεί η δυνατότητα διαχείρισης της νέας αυτής ζήτησης και η δυνατότητα διαμόρφωσης του τελικού προφίλ κατανάλωσης. Καταλήγουμε στην παραδοχή ότι η φόρτιση θα γίνεται όποτε κρίνει ο οδηγός ότι ευνοεί τον ημερήσιο προγραμματισμό του. Πιθανότατα, όπως υιοθετείται και από την πλειοψηφία της βιβλιογραφίας, μεγάλο μέρος της φόρτισης αυτής ενδέχεται να συμπέσει με την αιχμή της καμπύλης ζήτησης, συντελώντας σε ενδεχόμενη προβληματική λειτουργία του συστήματος ηλεκτρικής ενέργειας. Όπως σύγχρονες έρευνες καταδεικνύουν, ότι η απρογραμμάτιστη φόρτιση ενός μεγάλου στόλου EVs μπορεί να συντελέσει σε προβληματική λειτουργία στην πλευρά της παραγωγής, της μεταφοράς αλλά και της διανομής ενός ΣΗΕ. Βασικά τέτοια προβλήματα αποτελούν: Οι μη αποδεκτές διακυμάνσεις του επιπέδου τάσεως, Η ενδεχόμενη υπερφόρτιση μετασχηματιστών, Οι αυξημένες ενεργειακές απώλειες στο δίκτυο διανομής ενέργειας, Αδυναμία κάλυψης του συνολικού ηλεκτρικού φορτίου (energy shortages). 8

Προκειμένου να υπάρξει βελτιστοποίηση του προγραμματισμού της φόρτισης του συνολικού στόλου EVs κρίνεται απαραίτητη η ύπαρξη μιας οντότητας που να διαμεσολαβεί ανάμεσα στον στόλο EVs και τον διαχειριστή του συστήματος (System operator). Αυτός ο εκπρόσωπος φορτίου ή διαχειριστής της φόρτισης του στόλου αναφέρεται στην αγγλική βιβλιογραφία ως EVs Aggregator. Ο aggregator, λοιπόν, χρησιμοποιώντας βασικές πληροφορίες, όπως η ωριαία τιμολόγηση της ενέργειας, το ωράριο σύνδεσης του εκάστοτε EV στην φόρτιση, το ποσοστό φόρτισης της μπαταρίας κατά την σύνδεση με την τροφοδοσία κ.α. και πάντα σε συνεργασία με τον διαχειριστή του συστήματος προχωράει στον ημερήσιο προγραμματισμό διαχείρισης του διαθέσιμου στόλου. Στο Κεφάλαιο 2 θα γίνει λεπτομερής ανάλυση της λειτουργίας του Aggregator. 1.2 Κατηγοριοποίηση Ηλεκτρικών Αυτοκινήτων Ως ηλεκτρικό αυτοκίνητο (EV) ορίζεται κάθε όχημα που χρησιμοποιεί έναν ή περισσότερους ηλεκτρικούς κινητήρες, συμπεριλαμβανομένων των υβριδικών οχημάτων. Ένα ηλεκτρικό αυτοκίνητο επιδιώκεται να εξασφαλίζει την μέγιστη δυνατή χιλιομετρική αυτονομία στον οδηγό προκειμένου να εγγυηθεί την αξιοπιστία του και να διαμορφώσει ένα θετικό προφίλ στην αγορά οχημάτων. Η ενίσχυση της αυτονομίας ενός ηλεκτρικού αυτοκινήτου επιτυγχάνεται αφενός με την ενσωμάτωση μπαταριών μεγάλης χωρητικότητας και αφετέρου με την χρήση μιας ενσωματωμένης ή εξωτερικής βοηθητικής πηγής ενέργειας, η οποία λειτουργεί επικουρικά με τον ηλεκτρικό κινητήρα του οχήματος. Κατά κύριο λόγω τέτοιου είδους βοηθητικές πηγές αποτελούν οι κινητήρες εσωτερικής καύσης. Οι διάφορες κατηγορίες EV συνοψίζονται στην παρακάτω λίστα [4] : Hybrid Electric Vehicles (HEV) Αποτελούνται από τον συνδυασμό ενός συστήματος ηλεκτρικής προώθησης και ενός συστήματος προώθησης μηχανής εσωτερικής καύσης, με στόχο τον βέλτιστο συνδυασμό των δύο τεχνολογιών. Η παρουσία του ηλεκτρικού κινητήρα συνεισφέρει σε μεγαλύτερη οικονομία ή βελτιστοποίηση της απόδοσης του οχήματος. Η ηλεκτρική ενέργεια προσφέρεται μέσω της αναγεννητικής πέδησης, δηλαδή από την ανάκτηση κινητικής ενέργειας μέσω της πέδησης, δίνοντας την δυνατότητα στο όχημα να καταναλώνει λιγότερα συμβατικά καύσιμα. Αξίζει να 9

σημειωθεί ότι μερικά είδη υβριδικών αυτοκινήτων χρησιμοποιούν την μηχανή εσωτερική καύσης για την παραγωγή ηλεκτρικής ενέργειας. Τα υβριδικά ηλεκτρικά αυτοκίνητα HEVs δεν φορτίζουν απευθείας από το δίκτυο και χωρίζονται σε υποκατηγορίες με κριτήρια τεχνικά ή λειτουργικά. Εικόνα 1- Υβριδικό Αυτοκίνητο Plug-In Hybrid Electric Vehicles (PHEV) Αποτελεί υποκατηγορία της προηγούμενης ενότητας αφού πρόκειται για υβριδικά αυτοκίνητα, με την κύρια διαφορά ωστόσο να έγκειται στο ότι τα οχήματα αυτά φορτίζουν τις μπαταρίες με απευθείας τροφοδοσία από το δίκτυο. Έχουν μεγαλύτερες μπαταρίες, γεγονός που αντικατοπτρίζεται σε μεγαλύτερη αυτονομία της λειτουργία μόνο με ηλεκτρική υποβοήθηση. Κατά κύριο λόγο, ο κινητήρας εσωτερικής καύσης χρησιμοποιείται στην περίπτωση πλήρους εκφόρτισης της μπαταρίας. Θεωρούνται ως και 50% πιο αποδοτικά από τα απλά HEVs, γεγονός που οφείλεται στην μείωση της κατανάλωσης καυσίμου. Αρκετές αυτοκινητοβιομηχανίες επιχειρούν να μπουν στην αγορά των PHEVs, με παραδείγματα, όπως τα οχήματα Toyota Prius Plug-In, Opel Ampera, Chevrolet Volt κα. Πιο συγκεκριμένα, για να γίνουν κατανοητές οι τάξεις μεγέθους, στην περίπτωση του Opel Ampera υπάρχει ένας 10

βενζινοκινητήρας 1.4l (60kW) και δύο ηλεκτροκινητήρες (111kW, 55kW) με μπαταρία 16,5 kwh ικανή να δώσει 40-80 χιλιόμετρα ηλεκτρικής αυτονομίας. Εικόνα 2- Opel Ampera PHEV Battery Electric Vehicles (BEVs) Πρόκειται για την κατηγορία των καθαρά ηλεκτρικών αυτοκινήτων, χωρίς υποβοήθηση από κινητήρα εσωτερικής καύσης. Η φόρτιση των μπαταριών των BEVs γίνεται με απευθείας τροφοδοσία από το δίκτυο και επικουρικά από την ανάκτηση κινητικής ενέργειας με την βοήθεια του αναγεννητικού φρεναρίσματος. Καθώς δεν υπάρχει κινητήρας εσωτερικής καύσης, το σύνολο της ενέργειας που απαιτείται για την κίνηση του οχήματος αντλείται από τις μπαταρίες και συνεπώς το μέγεθος των μπαταριών ενός BEV είναι αυξημένο σε σχέση με τα υβριδικά EVs. Χαρακτηριστικά παραδείγματα BEVs είναι Nissan Leaf, Tesla roadster, Mitsubishi imiev. Τα τεχνικά χαρακτηριστικά του Nissan Leaf: Ηλεκτρική Αυτονομία μέχρι 115km Μεγιστή ταχύτητα 150 km/h με 0-100150 km/h σε 10s Μπαταρία 24kWh Li-ion, 480 V,300kg 11

Extended Range Electric Vehicles (EREVs) Σε αυτήν την κατηγορία EVs η μπαταρία του οχήματος χρησιμοποιείται ως βασική πηγή ενέργειας, με την επικουρική λειτουργία όμως ενός κινητήρα εσωτερικής καύσης. Η φόρτιση των μπαταριών των EREVs γίνεται με απευθείας τροφοδοσία από το δίκτυο. Η λειτουργία του κινητήρα εσωτερικής καύσης (range-extender) αποσκοπεί στην αύξηση της χιλιομετρικής αυτονομίας του οχήματος και στην διατήρηση της μπαταρίας του σε επιθυμητά επίπεδα. Η κυριότερη διαφορά με τα υβριδικά οχήματα είναι ότι στα EREVs ο ηλεκτρικός κινητήρας λειτουργεί μονίμως και στην περίπτωση πλήρους εκφόρτισης της μπαταρίας του οχήματος, ο κινητήρα εσωτερικής καύσης λειτουργεί με σκοπό την επαναφόρτιση τους. Στην παρούσα εργασία θα ασχοληθούμε μόνο με EVs που φορτίζουν την μπαταρία τους με απευθείας σύνδεση στο δίκτυο. 1.3 Ηλεκτρικά Αυτοκίνητα και Περιβαλλοντικά Οφέλη Ο τομέας των μέσων συγκοινωνίας και μεταφορών ήταν εώς τώρα κατά 95% εξαρτώμενος από την εξόρυξη ορυκτών υγρών καυσίμων. Κατά συνέπεια, το 50% των υγρών αυτών καυσίμων, χρησιμοποιούνται ως καύσιμα συγκοινωνιών. Η κατανάλωση των συμβατικών καυσίμων προκαλεί έντονη συγκέντρωση στην ατμόσφαιρα αερίων του θερμοκηπίου (GHG) και κατά κύριο λόγο διοξείδιο του άνθρακα, με τον τομέα των συγκοινωνιών να ευθύνεται για το 25% των αερίων GHG που σχετίζονται με την ενέργεια. Ταυτόχρονα, οι πηγές των ενεργειακών αποθεμάτων είναι συγκεντρωμένες σε λίγες χώρες, οι οποίες μπορούν να καθορίσουν την ενεργειακή επάρκεια μιας χώρας με τον έλεγχο της παροχής των απαραίτητων αποθεμάτων, γεγονός που μπορεί να οδηγήσει σε πολιτικές συγκρούσεις [2]. Ο εξηλεκτρισμός των μέσων συγκοινωνίας αποτελεί μία από τις λύσεις για την καταπολέμηση προκλήσεων όπως το φαινόμενο του θερμοκηπίου, την ενεργειακή βιωσιμότητα και γεωπολιτικές ανησυχίες ως προς την διασφάλιση ενεργειακών αποθεμάτων. Η εκτεταμένη διείσδυση των ηλεκτρικών αυτοκινήτων αναμένεται να προσφέρει: μεταφορές χωρίς κατανάλωση ορυκτών καυσίμων, μείωση της ηχορύπανσης, 12

μείωση της ατμοσφαιρικής ρύπανσης με μείωση των εκπομπών αερίων του θερμοκηπίου (GHG). Ενδεικτικά, PHEVs με αυτονομία 90 km ηλεκτρικής προώθησης, αναμένεται να καταναλώνουν 40-60% λιγότερα καύσιμα από όσα απαιτεί ένα συμβατικό αυτοκίνητο και ενδέχεται να συμβάλουν στον περιορισμό εώς και στο ήμισυ της εκπομπής διοξειδίου του άνθρακα, που οφείλεται στα μέσα συγκοινωνίας [3]. Προκειμένου να εκτιμήσουμε την επίπτωση των ηλεκτρικών αυτοκινήτων στο φαινόμενο του θερμοκηπίου, θα πρέπει να λάβουμε υπόψη τους ρύπους που λαμβάνουν χώρα σε όλο τον ενεργειακό κύκλο, συμπεριλαμβανομένων και των σταθμών παραγωγής ενέργειας, όπου αναμένεται αύξηση παραγωγής για την κάλυψη της φόρτισης των ηλεκτρικών αυτοκινήτων, άρα αύξηση εκπομπής ρύπων κατά την παραγωγή της ενέργειας. Γίνεται, λοιπόν αντιληπτό, ότι αν και τα ηλεκτρικά αυτοκίνητα αναμένεται να προκαλούν λιγότερα αέρια θερμοκηπίου από τα συμβατικά οχήματα κινητήρων εσωτερικής καύσης, δεν υπάρχει όχημα με εκπομπή μηδενικών ρύπων (Μοναδική ίσως εξαίρεση με τα σημερινά δεδομένα αποτελεί η φόρτιση ενός BEV από μια Ανανεώσιμη Πηγή Ενέργειας). Η παραγόμενη ποσότητα ρύπων που αντιστοιχεί σε ένα ηλεκτρικό αυτοκίνητο προκύπτει από το μίγμα καυσίμων που χρησιμοποιούν οι ενταγμένες στο Σύστημα Ηλεκτρικής Ενέργειας (ΣΗΕ) μονάδες ηλεκτροπαραγωγής [3]. Τονίζεται, ότι είναι εξέχουσας σημασίας για τη επίπτωση των ρύπων στην ανθρώπινη υγεία, η τοποθεσία που λαμβάνουν χώρα. Επιτυγχάνεται δηλαδή με την αντικατάσταση των συμβατικών αυτοκινήτων από ηλεκτρικά, η αποφόρτιση των αστικών κέντρων, όπου και υπάρχει μεγαλύτερη συγκέντρωση αυτοκινήτων από ρύπους, κλάσματα των οποίων μεταφέρονται στα σημεία παραγωγής ηλεκτρικής ενέργειας [4]. Τέλος, αξίζει να σημειωθεί ότι επειδή η ηλεκτρική ενέργεια παράγεται από εγχώριους συνήθως πόρους τα ηλεκτρικά οχήματα επιτρέπουν την μείωση της εξάρτησης από το πετρέλαιο και το φυσικό αέριο. 1.4 Στρατηγικές Φόρτισης Στόλου Ηλεκτρικών Αυτοκινήτων Η φόρτιση της μπαταρίας ενός plug-in EV αναμένεται να γίνεται με δύο τρόπους. Κατά τον πρώτο τρόπο φόρτισης, δίνεται η δυνατότητα επιλογής για την παροχή ή όχι ενέργειας στο EV κατά την διάρκεια σύνδεσης του στην φόρτιση (on-off charging mode) με σταθερό επίπεδο φόρτισης. Κατά 13

τον δεύτερο τρόπο φόρτισης, δίνεται η δυνατότητα προσαρμογής του επιπέδου της φόρτισης του εκάστοτε EV και συνεπώς προσαρμογής της ταχύτητας φόρτισης (αργή ή γρήγορή φόρτιση). Ανεξάρτητα από την επιλογή που θα γίνει, καθορίζονται διάφορες στρατηγικές φόρτισης ενός EV. Οι κυριότερες συνοψίζονται παρακάτω [7]: Απευθείας Φόρτιση (Direct or Dumb Changing): Κατά την στρατηγική της απευθείας φόρτιση, η φόρτιση της μπαταρίας ξεκινά αμέσως μόλις ο οδηγός συνδέσει το ηλεκτρικό αυτοκίνητο στην πρίζα. Με τη στρατηγική αυτή εξασφαλίζεται η ταχύτερη δυνατή ολοκλήρωση της φόρτισης και επομένως η ταχύτερη διαθεσιμότητα του EV για το επόμενο ταξίδι. Σε αυτή τη στρατηγική ο aggregator δεν μπορεί να επέμβει στη φόρτιση του αυτοκινήτου. Φόρτιση Διπλής Ταρίφας (Dual Tariff Charging): Κατά τη στρατηγική αυτή παρέχεται στον οδηγό του EV ένα τιμολόγιο χρονοχρέωσης με διαφορετική τιμολόγηση της ενέργειας για τις ώρες αιχμής (on-peak hours) της ημέρας και για τις ώρες χαμηλής ζήτησης (off-peak hours) της ημέρας. Με βάση το τιμολόγιο αυτό δίνεται κίνητρο στον οδηγό του EV να καθυστερήσει τη σύνδεση του EV στην πρίζα για φόρτιση, εκμεταλλευόμενος τη δυνατότητα φόρτισης με χαμηλότερη τιμή αργότερα, εφόσον δεν χρειάζεται το αυτοκίνητο του πλήρως φορτισμένο άμεσα. Και σε αυτή τη στρατηγική ο aggregator δεν μπορεί να επέμβει στη φόρτιση του αυτοκινήτου, δίνεται όμως έμμεσο κίνητρο στον οδηγό να μεταβάλει μόνος του το χρόνο φόρτισης με όφελος και για το σύστημα. Έξυπνη Φόρτιση (Smart Charging): Κατά την στρατηγική της έξυπνης φόρτισης, ο aggregator αναλαμβάνει εξολοκλήρου τον έλεγχο της φόρτισης, σεβόμενος πάντα τις δεσμεύσεις του απέναντι στους οδηγούς (δέσμευση στην ώρα παράδοσης του φορτισμένου EV και σεβασμός στην μακροζωία της μπαταρίας). Ο aggregator είναι αρμόδιος για την βελτιστοποίηση του προγραμματισμού της φόρτισης του συνόλου του στόλου EVs που διαχειρίζεται, με στόχο την 14

ελαχιστοποίηση του κόστους της φόρτισης αυτής και λαμβάνοντας παράλληλα υπόψη τεχνικούς περιορισμούς. Τονίζεται, ότι η φόρτιση των οχημάτων δεν γίνεται απευθείας με την σύνδεση τους στην πρίζα, αλλά τις ώρες που κρίνεται ευνοϊκότερο από τον προγραμματισμό του aggregator. Προκειμένου να συμβεί αυτό, ο aggregator βρίσκεται σε επικοινωνία αφενός με τον διαχειριστή του συστήματος και αφετέρου με τους οδηγούς από τους οποίους απαιτείται δέσμευση στο πρόγραμμα της φόρτισης. Ουσιαστικά κατά την στρατηγική της έξυπνης φόρτισης, ο εκάστοτε οδηγός δεσμεύεται να θέσει το όχημα του σε ακινησία για μεγαλύτερο χρονικό διάστημα σε σχέση με τις άλλες στρατηγικές φόρτισης, με σκοπό να μειώσει το κόστος φόρτισης του οχήματος του. Σ αυτό το σημείο πρέπει να αναφερθεί ότι ένας πιο προχωρημένος τρόπος ελέγχου του στόλου EVs, είναι να γίνεται προγραμματισμός εκτός από την φόρτιση και για την εκφόρτιση των EVs με τροφοδοσία ενέργειας στο δίκτυο, όποτε κρίνεται απαραίτητο για την βέλτιστη λειτουργία του δικτύου. Αυτή η επιπλέον λειτουργικότητα αναφέρεται ως Vehicle-to-Grid mode (V2G) και προϋποθέτει κατάλληλες υποδομές δικτύου που να υποστηρίζουν αμφίδρομη επικοινωνία [6]. Με αυτόν τον τρόπο είναι εφικτό, ο στόλος των EVs να αποτελεί ένα ευέλικτο φορτίο που ανταποκρίνεται άμεσα στις ανάγκες του δικτύου και συμμετέχει δυναμικά στην ευστάθεια της λειτουργίας του. Εξέχουσας σημασίας είναι για την V2G λειτουργίας, η δυνατότητα που δίνεται στον στόλο να συμβάλει άμεσα στην παροχή εφεδρειών στο ΣΗΕ. Βέβαια, αξίζει να τονιστεί ότι ένας στόλος ηλεκτρικών αυτοκινήτων μπορεί εναλλακτικά να παρέχει εφεδρεία στο ΣΗΕ με την μεταβολή του ρυθμού φόρτισης των οχημάτων. 1.5 Σκοπός του Προγραμματισμού της Έξυπνης Φόρτισης του Στόλου EVs Ο προγραμματισμός της έξυπνης φόρτισης του στόλου από τον aggregator δομείται με βάση την επίτευξη κάποιου αντικείμενου στόχου. Βασική προτεραιότητα του aggregator είναι η ελαχιστοποίηση του συνολικού κόστους της φόρτισης, υπακούοντας παράλληλα σε τεχνικούς περιορισμούς. Ουσιαστικά, τα EVs είναι συνδεδεμένα στην πρίζα ωστόσο δεν δέχονται ενέργεια απευθείας με την σύνδεση τους στην πρίζα αλλά η φόρτιση τους πραγματοποιείται κατά τις ώρες φθηνότερης τιμολόγησης της ενέργειας, με σεβασμό στην τήρηση των δεσμεύσεων του aggregator προς τους οδηγούς. Πιο συγκεκριμένα ο aggregator δεσμεύεται προς κάθε οδηγό, ότι 15

το επιθυμητό επίπεδο φόρτισης του EV θα επιτευχθεί εντός του ορισμένου ωραρίου φόρτισης, όπως αυτά ορίζονται εκ των προτέρων. Συνέπεια αυτής της στρατηγικής στον προγραμματισμό της έξυπνης φόρτισης των EVs, είναι η έξυπνη φόρτιση των EVS να συμβάλει στο valley filling, με την αύξηση του ηλεκτρικού φορτίου στις ώρες χαμηλής ζήτησης (όπου συνήθως παρατηρούνται οι χαμηλότερες τιμές της ηλεκτρικής ενέργειας). Εικόνα 3- Διαμόρφωση του συνολικού Προφίλ Ζήτησης με έξυπνη φόρτιση των EVs για διάφορα σενάρια διείσδυσης EVs [21]. Αξίζει να αναφερθεί, ότι υπάρχει βιβλιογραφία στην οποία ο εκπρόσωπος φορτίου ενδιαφέρεται για την βελτιστοποίηση της λειτουργίας του συστήματος μεταφοράς και διανομής της ηλεκτρικής ενέργειας. Ο aggregator επιχειρεί,όπως είναι λογικό, εκ νέου την ελαχιστοποίηση του κόστους λειτουργίας του, λαμβάνοντας όμως υπόψη περιορισμούς του συστήματος διανομής. Συστήματα μέτρησης εγκατεστημένα στους Μ/Σ Μέσης Τάσης του δικτύου ελέγχουν την υπερφόρτιση τους και καθοδηγούν ανάλογα την διαδικασία φόρτισης του στόλου. Έτσι επιτυγχάνεται η μετατόπιση της φόρτισης του στόλου στις οικονομικότερες χρονικές περιόδους, όπου το δίκτυο μπορεί να την υποστηρίξει και δεν παραβιάζονται φυσικοί περιορισμοί [6]. 16

Τέλος, ο προγραμματισμός της φόρτισης από τον aggregator ενδέχεται να περιλαμβάνει περιορισμούς του συστήματος παραγωγής ηλεκτρικής ενέργειας του ΣΗΕ. Σε αυτήν την περίπτωση, ο aggregator επιδιώκει την ελαχιστοποίηση του συνολικού κόστους της φόρτισης μέσω της ελαχιστοποίηση της λειτουργίας του συνολικού ηλεκτρικού συστήματος. Με αυτόν τον τρόπο μειώνεται η ωριαία τιμή της ηλεκτρικής ενέργειας, γεγονός που αντικατοπτρίζεται σε χαμηλότερες τιμές φόρτισης του στόλου. Τονίζεται, ότι ο aggregator θα πρέπει να διαχειρίζεται την φόρτιση σημαντικού αριθμού EVs προκειμένου να μπορεί να έχει επίδραση στην λειτουργία του ΣΗΕ. 1.6 Ενεργειακός Προγραμματισμός ενός ΣΗΕ Σε αντίθεση με την διαδικασία έξυπνης φόρτισης, η απευθείας φόρτιση (direct charging) όχι απλώς δεν ευνοεί την ομαλή λειτουργία του συστήματος αλλά, όπως αναφέρθηκε και νωρίτερα, ενδέχεται να το οδηγήσει σε οριακές συνθήκες λειτουργίας, με απροσδιόριστες ακόμα τις ακριβής επιπτώσεις. Πως όμως θα επηρεάσουν οι διάφορες στρατηγικές φόρτισης του στόλου τον Ημερήσιο Ενεργειακό Προγραμματισμό; Αρχικά, κρίνεται σκόπιμο να αναφερθούν κάποια βασικά στοιχεία της θεωρίας του προγραμματισμού ένταξης και κατανομής των μονάδων. Ως ένταξη μιας μονάδας αναφέρεται ο συγχρονισμός της και η σύνδεση της με το δίκτυο, ώστε να μπορεί να παρέχει ισχύ στο σύστημα. Σε καθαρά θερμικά συστήματα, το πρόβλημα της βέλτιστης ένταξης μονάδων (unit commitment) ορίζεται ως ένα πρόβλημα βελτιστοποίησης, με στόχο την ελαχιστοποίηση του κόστους του συστήματος. Ο απλούστερος τρόπος ένταξης των μονάδων είναι η ένταξη με σειρά προτεραιότητας, θεωρώντας την κατάταξη των μονάδων να γίνεται με βάση το ειδικό κόστος λειτουργίας. Πρώτες εντάσσονται οι μονάδες με χαμηλό ειδικό κόστος, δηλαδή οι οικονομικές μονάδες βάσης και τελευταίες οι ακριβές μονάδες αιχμής [9]. Στην διαδικασία αυτή βέβαια, πρέπει να πληρούνται αρκετοί περιορισμοί. Οι βασικότεροι παρουσιάζονται παρακάτω[9]: Στρεφόμενη Εφεδρεία Ο υπολογισμός της στρεφόμενης εφεδρείας του συστήματος γίνεται με την αφαίρεση του συνόλου της διαθέσιμης ισχύος των ενταγμένων στο σύστημα μονάδων από το σύνολο του φορτίου (συν τις απώλειες του συστήματος). Η αναγκαιότητα της στρεφόμενης εφεδρείας έγκειται 17

στην αποφυγή κατάρρευσης της συχνότητας και μεγάλης πτώσης τάσης, σε περίπτωση ανεπιθύμητης απώλειας μονάδας. Εκτός από την στρεφόμενη υπάρχει και η ψυχρή εφεδρεία που αποτελείται από τις γρήγορες μονάδες που μπορούν να συγχρονιστούν στο δίκτυο και να αποδώσουν ισχύ σε μικρό χρονικό διάστημα. Τονίζεται, ότι οι εφεδρείες πρέπει να είναι κατανεμημένες στο ηλεκτρικό δίκτυο έτσι ώστε να αποφεύγονται πιθανές υπερφορτίσεις των γραμμών μεταφοράς του δικτύου, όταν παραστεί ανάγκη χρησιμοποίησης τους. Περιορισμοί Θερμικών Μονάδων Λόγω θερμικών και μηχανικών καταπονήσεων δεν επιτρέπονται γρήγορες αλλαγές ισχύος στις μονάδες. Καθορίζεται λοιπόν για κάθε μονάδα ένας ελάχιστος χρόνος λειτουργίας μέχρι να μπορεί να αποσυνδεθεί από το δίκτυο, καθώς και ελάχιστος χρόνος κράτησης που πρέπει να μείνει εκτός μέχρι να μπορέσει να επανασυνδεθεί. Σε περιπτώσεις σταθμών παραγωγής με δύο ή περισσότερες μονάδες, ενδέχεται να μην μπορούν να συνδεθούν συγχρόνως στο δίκτυο, λόγω περιορισμένου αριθμού εργατικού δυναμικού. Περιορισμοί Καυσίμου Τα βασικά θέματα που αντιμετωπίζονται πάνω στο θέμα είναι ο περιορισμός στον ρυθμό τροφοδοσίας του καυσίμου και στην διαθεσιμότητα του καυσίμου. Δύο βασικές έννοιες για το κόστος του συστήματος που προβλέπεται από την βέλτιστη ένταξη μονάδων είναι το κόστος εκκίνησης μονάδας start- up cost) και το κόστος κράτησης (shut down cost). Το κόστος εκκίνησης αντιπροσωπεύει το κόστος της ενέργειας που πρέπει να δαπανηθεί κατά την εκκίνηση της μονάδας για όλες τις απαραίτητες μεταβολές πίεσης και θερμοκρασίας. Αντίθετα, το κόστος κράτησης αφορά την ενέργεια που θα δαπανηθεί για την ομαλή εκτόνωση των θερμοκρασιακών μεταβολών κατά την αποσύνδεση της μονάδας. Ένας αποτελεσματικότερος τρόπος για να καθοριστεί η βέλτιστη ένταξη μονάδων είναι με την βοήθεια του Δυναμικού Προγραμματισμού. Ο δυναμικός προγραμματισμός είναι μια μέθοδος βελτιστοποίησης που εφαρμόζεται σε προβλήματα όπου πρέπει να βρεθεί μια ακολουθία διαδοχικών αποφάσεων. Κάθε απόφαση μετασχηματίζει την τρέχουσα κατάσταση του συστήματος σε μια καινούργια [7], [8]. Η επίλυση βασίζεται στην διασύνδεση των επιμέρους αποφάσεων με κατάλληλη αναδρομική σχέση, ώστε η σύνθεση των επιμέρους αποφάσεων να δίνει την τελικά ζητούμενη απόφαση. Για να καλυφθούν όλες οι εκδοχές από την διασύνδεση των επιμέρους προβλημάτων, τα υποπροβλήματα αυτά λύνονται παραμετρικά, δηλαδή για όλες τις 18

δυνατές τιμές ορισμένων παραμέτρων. Αυτός είναι ο κύριος λόγος του αυξημένου υπολογιστικού κόστους της μεθόδου. Ενώ η κατάρτιση ένταξης των μονάδων γινόταν παλαιότερα από τους χειριστές του Κέντρου Ελέγχου Ενέργειας (ΚΕΕ) ανά ημέρα, πλέον με την βοήθεια των σύγχρονων λογισμικών μπορεί να αναπροσαρμόζεται σε ωριαία βάση, σύμφωνα με τα νέα στοιχεία που συλλέγονται. Τέλος, κάθε πέντε λεπτά στο ΚΕΕ εκτελείται το πρόγραμμα οικονομικής κατανομής φορτίου. Σύμφωνα με την οικονομική κατανομή φορτίου, εκτελείται η βέλτιστη κατανομή του φορτίου στις ήδη ενταγμένες στο δίκτυο μονάδες. Ικανοποιούνται περιορισμοί, όπως τα τεχνικά όρια των μονάδων παραγωγής (τεχνικά μέγιστα και ελάχιστα), οι απώλειες και οι περιορισμοί μεταφοράς του δικτύου. 1.6.1 Αναμενόμενη Επίδραση στον Ενεργειακό Προγραμματισμό Όπως γίνεται αντιληπτό, η ενσωμάτωση σημαντικού αριθμού EVs σε ένα ΣΗΕ επιφέρει μεταβολές στο προφίλ της ζήτησης ηλεκτρικού φορτίου, οι οποίες μπορούν να αλλάξουν τον ενεργειακό προγραμματισμό του συστήματος. Πιο συγκεκριμένα, η επίδραση της διείσδυσης των EVs στον ενεργειακό προγραμματισμό ποικίλει από περιοχή σε περιοχή ανάλογα με το μίγμα σταθμών παραγωγής του εκάστοτε ΣΗΕ (οριακό κόστος μονάδων, κόστος έναυσης-σβέσης κα.). Σημαντικές παράμετροι αποτελούν όμως και η υπάρχουσα ζήτηση, ο βαθμός διείσδυσης των ΑΠΕ και εντέλει το προφίλ φόρτισης του στόλου [3]. Ο aggregator στην περίπτωση της έξυπνης φόρτισης, πρόκειται να ζητάει μεγάλες ποσότητες ενέργειας στα σημεία χαμηλού φορτίου της καμπύλης ζήτησης, όπου και η τιμή της ηλεκτρικής ενέργειας είναι χαμηλότερη. Με αυτόν τον τρόπο η φόρτιση του στόλου συμβάλει στο valley filling, την αύξηση του φορτίου σε σημεία χαμηλής ενεργειακής ζήτησης. Το γεγονός αυτό ενδέχεται να αποδειχτεί ικανό να κρατήσει συγχρονισμένες στο δίκτυο της οικονομικές μονάδες βάσης του συστήματος. Εκτιμάται ακόμα, ότι η έξυπνη φόρτιση των EVs θα συμβάλλει σε πιο ομαλή λειτουργία του ηλεκτρικού συστήματος σε σύγκριση με την απευθείας φόρτιση τους, μειώνοντας τον αριθμό σβέσεων και διατηρώντας το οριακό κόστος του συστήματος στα επίπεδα του συστήματος αναφοράς μηδενικής ενσωμάτωσης EVs. Αντίθετα, με την απευθείας φόρτισης ο aggregator δύναται να ζητάει ποσότητες ενέργειας και σε ώρες αιχμής, ώστε να καλύψει την επιθυμία των οδηγών για άμεση διαθεσιμότητα των 19

φορτισμένων οχημάτων τους. Συνεπώς, αναμένεται να συμβάλει σε αντιοικονομική λειτουργία του συστήματος, αυξάνοντας το κόστος λειτουργίας του με την ένταξη ακριβών μονάδων αιχμής για την κάλυψη του επιπλέον αυτού φορτίου. Εν κατακλείδι, η έξυπνη φόρτιση του στόλου ηλεκτρικών αυτοκινήτων, σε σχέση με την απευθείας φόρτιση, αναμένεται να προσφέρει: μειωμένο συνολικό κόστος λειτουργίας του συστήματος ΣΗΕ, μείωση της κατανομής στις ακριβές μονάδες αιχμής, μείωση των σβέσεων των μονάδων βάσης κατά τις ώρες χαμηλού φορτίου [3],[8]. 20

Κεφάλαιο 2 EVs Aggregator Ο εκπρόσωπος φορτίου του στόλου αποτελεί για τους χρήστες ηλεκτρικών οχημάτων μια εμπορική οντότητα, η οποία διαμεσολαβεί ανάμεσα στους χρήστες αυτούς και τον διαχειριστή του συστήματος (SO). Από την πλευρά του διαχειριστή του συστήματος όμως, ο εκπρόσωπος φορτίου φαίνεται ως ένας μεγάλος καταναλωτής ή πάροχος ενέργειας, που θα μπορούσε να συμμετέχει και στην παροχή εφεδρειών στο σύστημα ενέργειας [6]. Ο aggregator συντονίζει την φόρτιση των EVs και την ενδεχόμενη συμμετοχή τους σε εφεδρείες, εκπροσωπώντας τους ιδιοκτήτες, στην Προ-ημερήσια Αγορά Ενέργειας και στην Αγορά Ενέργειας Πραγματικού Χρόνου, με στόχο την ελαχιστοποίηση του κόστους του. Ας σημειωθεί, ότι ο ρόλος του aggregator δεν είναι καινούργιος για τις αγορές ενέργειας, καθώς είναι συνηθισμένο διάφοροι καταναλωτές να εκπροσωπούνται από έναν aggregator για να ενισχύσουν την επίδραση τους στην αγορά. Ένας μεμονωμένος πελάτης δεν μπορεί να συμμετέχει απευθείας στην αγορά ενέργειας, κυρίως λόγω του μικρού μεγέθους του φορτίου του, που σύμφωνα με τους κανόνες των περισσότερων αγορών ενέργειας δεν μπορεί να το προσφερθεί κατευθείαν στην αγορά. Επομένως, πρέπει να απευθυνθεί σε μια αρμόδια εταιρία, η οποία θα συμμετέχει στην αγορά εκπροσωπώντας πολλούς μικρούς καταναλωτές ως ένα ενιαίο φορτίο, το οποίο όμως πλέον πληροί τις προϋποθέσεις συμμετοχής στην αγορά. 2.1 Λειτουργία ενός EV Aggregator Ένας από τους σημαντικότερους παράγοντες που θα καθορίσουν την ακρίβεια και την επιτυχία του προγραμματισμού του aggregator είναι η όσο το δυνατό πληρέστερη πληροφόρηση σχετικά με τα φορτία που εκπροσωπεί. Καταρχάς πρέπει να έχει γνώση της κατάστασης και των αναγκών του δικτύου και του συστήματος, γι αυτό βρίσκεται σε διαρκή επικοινωνία με τους αρμόδιους φορείς (Διαχειριστής συστήματος, Διαχειριστής μεταφοράς και Διαχειριστής διανομής ενέργειας). 21

Ακόμα, επιβάλλεται να υπάρχει ενημέρωση για την κατάσταση κάθε μεμονωμένου EV που είναι συνδεδεμένο στην φόρτιση ή επίκειται να συνδεθεί. Τα δεδομένα που δέχεται ο aggregator μπορούν να διαχωριστούν σε στατική και δυναμική πληροφόρηση. Στην στατική πληροφόρηση συμπεριλαμβάνονται οι τύποι των διάφορων EVs, τα χαρακτηριστικά των μπαταριών τους και τα τοπικά χαρακτηριστικά του δικτύου. Αντίθετα, η δυναμική πληροφόρηση αποτελείται από τις ωριαίες τιμές ενέργειας, τον διαθέσιμο χρόνο φόρτισης του αυτοκινήτου (ώρα σύνδεσης και αποσύνδεσης), το ποσοστό φόρτισης της μπαταρίας (State-Of-Charge, SOC) κατά την σύνδεση στην φόρτιση, το επιθυμητό SOC κατά την έξοδο, καθώς και διάφορα σήματα πληροφόρησης του aggregator από τον διαχειριστή φορτίου. Αυτά τα σήματα αποσκοπούν κυρίως στην αύξηση ή την μείωση του ρυθμού φόρτισης προς όφελος της λειτουργίας του συστήματος και ανάλογα με τον στόχο του προγραμματισμού της φόρτισης, ενδέχεται να πληροφορούν για τον βαθμό υπερφόρτισης του δικτύου, τον βαθμό διείσδυσης ΑΠΕ, τις ανάγκες του συστήματος σε εφεδρεία κ.α. Συμπεραίνεται, ότι ελλιπής πληροφόρηση μπορεί να εισάγει αβεβαιότητα στον προγραμματισμό του εκπροσώπου φορτίου. Σύμφωνα με την πηγή [6], ο βαθμός πληροφόρησης του aggregator από τους πελάτες διαχωρίζεται σε τέσσερις πιθανές κατηγορίες: Κατηγορία Α, καμία πληροφορία από τον καταναλωτή τόσο εκ των προτέρων όσο και κατά την σύνδεση για το επιθυμητό πρόγραμμα φόρτισης. Ένας τέτοιου τύπου καταναλωτής μπορεί να συμμετέχει μόνο σε απευθείας φόρτιση ή φόρτιση διπλής ταρίφας. Κατηγορία Β, ο πελάτης δηλώνει κατά την σύνδεση τον διαθέσιμο χρόνο φόρτισης και το επιθυμητό SOC εξόδου. Κατηγορία Γ, ο πελάτης ενημερώνει από την προηγούμενη μέρα για το ημερήσιο πρόγραμμα του και τις ώρες που θα χρειαστεί το αυτοκίνητο. Κατηγορία Δ, υπάρχει τέλεια γνώση όλων των δυναμικών πληροφοριών που αφορούν το ηλεκτρικό αυτοκίνητο. 22

Εικόνα 4 Ροή Πληροφοριών στην Λειτουργία του Aggregator [7]. Πρωταρχικό μέλημα του εκπροσώπου φορτίου είναι η ικανοποίηση των πελατών. Θα πρέπει για το εκάστοτε EV να πληρούνται οι απαιτήσεις του οδηγού, χωρίς ο aggregator να μπορεί να τις μεταβάλει μονομερώς ανεξάρτητα, ακόμα και αν μπορεί να υπάρξει οικονομικότερη φόρτιση. Ο aggregator μπορεί μόνο να παρέχει κίνητρα για την αλλαγή της συμπεριφοράς φόρτισης τον οδηγών που θα οδηγήσει σε αμοιβαία οφέλη. 2.1.1 Τυποποίηση Πελατών Για την διευκόλυνση του προγραμματισμού του aggregator προτείνεται από την [6] η τυποποίηση των πελατών, ανάλογα με την συμπεριφορά φόρτισης τους. Η τυποποίηση αυτή παρατίθεται ενδεικτικά στις παρακάτω κατηγορίες: 23

Μη ελεγχόμενο Φορτίο, αποτελείται από πελάτες που αναγκάζονται να φορτίζουν συνεχώς το οχήματα τους (ταξί, επαγγελματικά οχήματα) ή δεν τους ενδιαφέρει η τιμή της ενέργειας φόρτισης. Καθώς δεν υπάρχει ελεγχόμενη φόρτιση, μπορεί να γίνει μόνο απευθείας φόρτιση τους ή φόρτιση διπλής ταρίφας. Ακόμα, δεν μπορούν να συμβάλλουν στην παροχή εφεδρειών στο ΣΗΕ. Μερικώς ελεγχόμενο Φορτίο, αναφέρεται σε πελάτες με γνωστή τοποθεσία και ωράριο φόρτισης, όπως λεωφορεία και οχήματα μεταφορικών εταιριών. Καθώς είναι γνωστός ο χρόνος φόρτισης, ο εκπρόσωπος φορτίου μπορεί να διαχειριστεί την φόρτιση τους, άλλα δεν μπορούν να συμμετέχουν σε ρύθμιση της φόρτισης με σκοπό την παροχή εφεδρείας. Ελεγχόμενο Φορτίο, αναφέρεται σε στόλο με γνωστή τοποθεσία και χρόνο φόρτισης αλλά και με ρυθμιζόμενο ρυθμό φόρτισης. O ρυθμός φόρτισης των αυτοκινήτων κινείται γύρω από ένα σημείο αναφοράς. Αν και δεν υποστηρίζουν V2G ρύθμιση μπορούν να συμμετέχουν στην ρύθμιση άνω και κάτω εφεδρείας του συστήματος, αν αποφασιστεί από τον aggregator, με την μείωση ή την αύξηση του ρυθμού φόρτισης τους, με τιμές από μηδέν εώς το σημείο αναφοράς. Ελεγχόμενη Πηγή, όπου αναφέρεται πλέον σε EV που υποστηρίζουν V2G λειτουργία και μπορούν να παρέχουν ισχύ στο δίκτυο. Έτσι μπορεί να βελτιστοποιηθεί η συμμετοχή του στόλου σε αγορές εφεδρείας, κυρίως της δευτερεύουσας εφεδρείας, εξαιτίας του μεγαλύτερου οικονομικού οφέλους που αναμένεται από το συγκεκριμένο είδος εφεδρείας. 2.1.2 Συμμετοχή Aggregator στην Αγορά Ενέργειας Στην αγορά ενέργειας λαμβάνει χώρα το ανταγωνιστικό εμπόριο του ηλεκτρισμού. Πρόκειται για ένα κεντροποιημένο μηχανισμό που διευκολύνει το εμπόριο ενέργειας μεταξύ πωλητών και αγοραστών. Βασικοί μηχανισμοί της αγοράς ενέργειας αποτελούν[1] : Η Προθεσμιακή Αγορά. Η προθεσμιακή αγορά ενέργειας επόμενης μέρας ή αλλιώς προημερήσια (Day-Ahead) αγορά ενέργειας εξυπηρετεί στον προγραμματισμό των πόρων για κάθε ώρα της επόμενης μέρας. Οι υπηρεσίες της ενέργειας και της εφεδρείας μπορούν να εμπορευτούν στην προθεσμιακή αγορά. Αγορά Ενέργειας Πραγματικού Χρόνου. Η απαίτηση για ευστάθεια του συστήματος και αξιοπιστία της αγοράς ενέργειας προϋποθέτει την διασφάλιση του ισοζυγίου ενέργειας. Οι ενδεχόμενες διαφορές πραγματικού χρόνου σε τιμές φορτίου, παραγωγής και μεταφοράς 24

από τις υπολογιζόμενες στην προθεσμιακή αγορά, δημιουργούν την ανάγκη μιας αγοράς πραγματικού χρόνου για καλύψει τις απαιτήσεις εξισορρόπησης. Εφόσον ο aggregator έχει λάβει την απαραίτητη πληροφόρηση και έχει ολοκληρώσει τον προγραμματισμό του, συμμετέχει στις αγορές ενέργειας εκ μέρους των πελατών του. Αρχικά, καταθέτει στην προ-ημερήσια αγορά ενέργειας (day-ahead market, DA) ωριαίες δηλώσεις φορτίου στον διαχειριστή του συστήματος για τις επιθυμητές ωριαίες ποσότητες ενέργειας. Επίσης, για την συμμετοχή στην αγορά εφεδρείας, μπορεί να καταθέσει ασύμμετρες προσφορές παροχής ισχύος για την άνω και την κάτω εφεδρεία. Οι προσφορές αυτές πρέπει να κατατεθούν μέχρι τις 18:00 της προηγούμενης ημέρας (στην περίπτωση της Ελληνική Αγοράς ΜΔΝ). Σύμφωνα με τις προσφορές όλων των συμμετεχόντων, ο διαχειριστής του συστήματος κάνει εκκαθάριση της προ-ημερήσιας αγοράς ενέργειας και καθορίζει τα ωριαία ποσά και τις τιμές ενέργειας για την ημερήσια λειτουργία όλου του συστήματος, αλλά και για κάθε έναν από τους συμμετέχοντες χωριστά. Αν ο εκπρόσωπος φορτίου συμμετέχει σε αγορά εφεδρειών σημαίνει πως όταν του ζητηθεί να παρέχει κάτω εφεδρεία στο σύστημα θα αυξήσει των ρυθμό φόρτισης των EV, ενώ αντίστοιχα άνω εφεδρεία σημαίνει μείωση ισχύος φόρτισης του στόλου (για στόλο χωρίς V2G). Υπάρχει ακόμα και η αγορά πραγματικού χρόνου (real-time market, RT), όπου οι συμμετέχοντες μπορούν ακόμα και μία ώρα πριν την ώρα λειτουργίας να καταθέσουν προσφορές ζήτησης-παροχής ενέργειας. Συμμετέχοντες καταναλωτές στην DA αγορά που δεν καταθέτουν προσφορές εφεδρείας μπορούν να επιλέξουν να μην συμμετέχουν στην RT αγορά. Από την άλλη μεριά, οι συμμετέχοντες στις αγορές εφεδρείας, μπορούν ανάλογα με τα δεδομένα πραγματικού χρόνου να καταθέσουν αναθεωρημένες προσφορές εφεδρείας, με δεδομένο πως οι τιμές που καθορίστηκαν από την DA αγορά δεν μεταβάλλονται και ότι νέες προσφορές δεν μπορούν να υπερβαίνουν τις παλαιότερες. Οι καταναλωτές που συμμετέχουν σε εφεδρείες μπορούν να αναθεωρήσουν τις ζητούμενες ποσότητες ενέργειας μέχρι και μία ώρα πριν την λειτουργία, βρίσκονται όμως εκτεθειμένοι στις RT τιμές ενέργειας. 25

Εικόνα 5-Χρονοδιάγραμμα Ημερήσιας Λειτουργίας Aggregator. Ο aggregator οφείλει να σεβαστεί τις δεσμεύσεις του απέναντι στην αγορά ενέργειας, αλλιώς υπόκειται σε πρόστιμα. Άρα, πρέπει να επιλεγεί με προσοχή σε ποια αγορά θα λάβει μέρος ο εκπρόσωπος στόλου και σε ποιες ώρες θα συμμετέχει πιο ενεργά για την μεγιστοποίηση του κέρδος του. 26

Κεφάλαιο 3 Το Αυτόνομο Ηλεκτρικό Σύστημα της Κρήτης Η Κρήτη με έκταση 8.303 km 2 αποτελεί το μεγαλύτερο νησί της Ελλάδας και το πέμπτο μεγαλύτερο στην Μεσόγειο. Λόγω της γεωγραφικής της θέσης ωστόσο, δεν είναι ενεργειακά διασυνδεδεμένη με την ηπειρωτική Ελλάδα, αλλά λειτουργεί ως αυτόνομο σύστημα. Το σύνολο της ηλεκτρικής ενέργειας, δηλαδή, που απαιτείται παράγεται από σταθμούς παραγωγής που είναι εγκατεστημένοι στο νησί. Ο μεγάλος πληθυσμός του νησιού που αγγίζει τις 623.000 (σύμφωνα με την απογραφή του 2011) [10], το καθιστά το μεγαλύτερο σε ενεργειακές απαιτήσεις δίκτυο μεταξύ των Μη Διασυνδεδεμένων Νήσων (ΜΔΝ). Όσον αφορά το θερμικό σύστημα αποτελείται από μίγμα σταθμών με σχετικά υψηλό κόστος παραγωγής, καθώς το καύσιμο που χρησιμοποιείται είναι μαζούτ και diesel (πετρελαϊκές μονάδες). Ακόμα, λόγω της παλαιότητας των μονάδων ο βαθμός απόδοση της παραγωγής είναι χαμηλός, ενώ και η εκπομπή ρύπων είναι υψηλή [12]. Βέβαια, λόγω των κλιματολογικών συνθηκών και της γεωγραφικής τοποθεσίας του νησιού παρατηρείται ιδιαίτερα μεγάλη άνθηση στην διείσδυση των Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) στο ενεργειακό μίγμα παραγωγής του νησιού. Η συμβολή των ΑΠΕ στην εξυπηρέτηση του φορτίου κρίνεται σε πρώτο στάδιο αρκετά ικανοποιητική. Σύμφωνα με τα στατιστικά στοιχεία του ΔΕΔΔΗΕ το 2013, οι μονάδες ΑΠΕ (κυρίως φωτοβολταϊκά και ανεμογεννήτριες) καλύπτουν το 25% της ετήσιας ζήτησης [13]. Η μεγάλη διείσδυση των ΑΠΕ ωστόσο μπορεί να δημιουργήσει προβλήματα ευστάθειας στο δίκτυο εξαιτίας του μη κατανεμόμενου και διακοπτόμενου χαρακτήρα τους σε συνδυασμό με τη δυσκολία πρόβλεψης της παραγωγής τους. Αυτό οφείλεται στο γεγονός, ότι το αυτόνομο δίκτυο αποτελείται από μικρό αριθμό μονάδων και δεν έχει κάποιο μέσο αποθήκευσης όπως π.χ. κάποιον υδραντλητικό σταθμό. Επιπροσθέτως, η συνεχιζόμενη ανάπτυξη των ΑΠΕ θα οδηγήσει σε υπερκάλυψη της ζητούμενης ενέργειας στο νησί, ιδιαίτερα σε ώρες χαμηλού φορτίου [12]. 27

Για τους παραπάνω λόγους, επανέρχεται στο προσκήνιο το θέμα της διασύνδεσης της Κρήτης με την ηπειρωτική Ελλάδα. Μελέτες που έγιναν από τις αρμόδιες αρχές αναδεικνύουν τα οφέλη ενός τέτοιου εγχειρήματος που ευνοείται από την ανάπτυξη της HVDC τεχνολογίας, με κυριότερα [12]: Την μείωση της τιμής ενέργειας που παρέχεται στο νησί, Την αξιοπιστία και ευστάθεια της λειτουργίας του δικτύου Κρήτης, Την διοχέτευση της περίσσια ενέργειας ΑΠΕ στο ηπειρωτικό δίκτυο. Στην παρούσα μελέτη θα αναλύσουμε την λειτουργία του αυτόνομου δικτύου της Κρήτης όπως υφίσταται στην δεδομένη κατάσταση. 3.1 Θερμικό Σύστημα Παραγωγής Ενέργειας στην Κρήτη Το θερμικό σύστημα παραγωγής της Κρήτης βασίζεται σε τρείς σταθμούς παραγωγής ηλεκτρικής ενέργειας με συνολική εγκατεστημένη ισχύ που ανέρχεται στα 747 MW. Οι σταθμοί παραγωγής είναι εγκατεστημένοι στην πόλη Χανίων, στο χωριό των Λινοπεραμάτων και στην περιοχή του Αθερινόλακκου. Η ισχύς αυτή μοιράζεται σε 25 μονάδες, τεσσάρων διαφορετικών τεχνολογιών παραγωγής: ατμοηλεκτρικές μονάδες, αεριοστροβιλικές μονάδες, μονάδες εσωτερικής καύσης και μία μονάδα συνδυασμένου κύκλου. Στην συνέχεια θα γίνει μια συνοπτική περιγραφή του κάθε σταθμού παραγωγής [15]. 28

Σταθμός Χανίων Αποτελείται από έξι αεριοστροβιλικές μονάδες και μια μονάδα συνδυασμένου κύκλου συνολικής ισχύος 298 MW, ενώ το καύσιμο που χρησιμοποιούν όλες είναι diesel. Η μονάδα συνδυασμένου κύκλου αποτελεί την μοναδική που παρέχει δευτερεύουσα εφεδρεία στο σύστημα γιαυτό και παραμένει συνεχώς συνδεδεμένη στο δίκτυο. Εικόνα 6- Σταθμός & ΥΣ Χανίων[14]. Σταθμός Αθερινόλακκου Περιλαμβάνει τέσσερις εγκατεστημένες μονάδες, δύο εσωτερικής καύσης και δύο αεριοστροβιλικές με καύσιμο σε όλες μαζούτ. Η συνολική εγκατεστημένη ισχύς είναι 202 MW. Εικόνα 7- Σταθμός & ΥΣ Αθερινόλακκου [14]. 29

Σταθμός Λινοπεραμάτων Αν και έχει την μεγαλύτερη εγκατεστημένη ισχύ, αποτελείται από τις περισσότερες μονάδες σε αριθμό και συγκεκριμένα 14. Ο διαχωρισμός γίνεται σε πέντε ατμοηλεκτρικές μονάδες με καύσιμο μαζούτ, πέντε αεριοστροβιλικές με καύσιμο diesel και τέλος τέσσερις μονάδες εσωτερικής καύσης με καύσιμο diesel. Η συνολική εγκατεστημένη ισχύς είναι 247 MW. Εικόνα 8- Σταθμός & ΥΣ Λινοπεραμάτων [14]. Σύμφωνα με τον πίνακα που ακολουθεί, παρατηρείται ότι οι οικονομικότερες μονάδες είναι οι ατμοηλεκτρικές μονάδες και οι μονάδες εσωτερικής καύσης. Το γεγονός, ότι οι οικονομικές αυτές μονάδες έχουν μεγάλη εγκατεστημένη ισχύ, όπως συμβαίνει στις μονάδες του Αθερινόλακκου, τις καθιστά μονάδες βάσης για το σύστημα. Δηλαδή σε συνθήκες ομαλής λειτουργίας του συστήματος αυτές οι μονάδες βάσης θα αναλάβουν την εξυπηρέτηση του μεγαλύτερου μέρους φορτίου. Ωστόσο, σε συνθήκες υψηλού φορτίου ή απότομων μεταβολών φορτίου θα χρειαστούν κάποιες γρηγορότερες και πιο ευέλικτες μονάδες με χαμηλό ελάχιστο εγκατεστημένης ισχύος. Τέτοιες είναι οι αεριοστροβιλικές μονάδες, που αν και διασφαλίζουν την ευστάθεια του συστήματος, ανεβάζουν αρκετά το κόστος λειτουργίας του. 30

Στον πίνακα που ακολουθεί καταγράφονται τα βασικά στοιχεία λειτουργίας των θερμικών μονάδων παραγωγής του κάθε σταθμού. Πίνακας 1- Στοιχεία Λειτουργίας Μονάδων Θερμικού Συστήματος Κρήτης. Σταθμός Θερμική Μονάδα Μέγιστη Εγκατεστημ ένη Ισχύς (MW) Ελάχιστη Εγκατεστημέν η Ισχύς (MW) Μεταβλητό Κόστος ( ) ΧΑΝΙΑ XANIA_AS1 10 3 124.2 XANIA_AS4 18 3 284.7 XANIA_AS5 28 12 281.5 XANIA_AS11 52 12 204.5-224.4 XANIA_AS12 52 12 204.5-224.4 XANIA_AS2_13 28 5 145.5-156.3 XANIA_CCGT 110 47 147.8 ΣΥΝΟΛΙΚΗ ΙΣΧΥΣ 298 ΑΘΕΡΙΝΟΛΑΚΚΟΣ ATHERINOLAKOS_D1 51 33 76.9-125.9 ATHERINOLAKOS_D2 51 33 76.9-125.9 ATHERINOLAKOS_ATM 1 ATHERINOLAKOS_ATM 2 ΣΥΝΟΛΙΚΗ ΙΣΧΥΣ 202 50 30 95.5-163.5 50 30 70-119 LINOPERAMATA_AS1 13 3 188.7-237.2 LINOPERAMATA_AS2 13 3 188.7-237.2 LINOPERAMATA_AS3 43 8 140.6-168.5 ΛΙΝΟΠΕΡΑΜΑΤΑ LINOPERAMATA_AS4 14 3 248.8 LINOPERAMATA_AS5 28 5 145.5-156.3 LINOPERAMATA_ATM2 13 8 123.7-166.1 LINOPERAMATA_ATM3 13 8 123.7-166.1 LINOPERAMATA_ATM4 24 16 117.8-145 LINOPERAMATA_ATM5 23 16 127-136.4 LINOPERAMATA_ATM6 23 16 127-136.4 LINOPERAMATA_D1 10 7 95.5-103.2 LINOPERAMATA_D2 10 7 95.5-103.2 LINOPERAMATA_D3 10 7 95.5-103.2 LINOPERAMATA_D4 10 7 95.5-103.2 ΣΥΝΟΛΙΚΗ ΙΣΧΥΣ 247 31

Όλες οι αεριοστροβιλικές μονάδες και οι μονάδες εσωτερικής καύσης μπορούν να συμμετέχουν στην τριτεύουσα εφεδρεία του συστήματος. Στον παρακάτω πίνακα παρουσιάζονται η συνολική εγκατεστημένη ισχύς ανά τεχνολογία και το ποσοστό επί του συνόλου που αντιστοιχεί. Πίνακας 2- Εγκατεστημένη Ισχύς ανά Τεχνολογία Παραγωγής. Τεχνολογία Παραγωγής Συνολική Εγκατεστημένη Ισχύς (MW) Ποσοστό επί του συνόλου Ισχύος (%) Ατμοηλεκτρικοί Σταθμοί (ATM) 186 0.252 Αεριοστροβιλικοί Σταθμοί (AS) 299 0.4057 Σταθμοί Εσωτερικής Καύσης (D) 142 0.193 Σταθμοί Συνδυασμένου Κύκλου (CCGT) 110 0.149 3.2 Κώδικας Διαχείρισης Αυτόνομου Ηλεκτρικού Συστήματος Κρήτης Η διαχείριση του προγραμματισμού και της λειτουργίας του αυτόνομου Ηλεκτρικού Συστήματος και της αγοράς ηλεκτρικής ενέργειας της Κρήτης καθορίζεται από τις διατάξεις του Κώδικά Μη Διασυνδεδεμένων Νήσων, ο οποίος καταρτίζεται από την ΔΕΔΔΗΕ ΑΕ και υποβάλλεται στην ΡΑΕ [15]. Ο κώδικας ΜΔΝ καταρτίζεται με γνώμονα την εξυπηρέτηση του δημοσίου συμφέροντος και με σκοπό: (α) την ελαχιστοποίηση του κόστους παραγωγής των συμβατικών μονάδων και των σχετικών επιβαρύνσεων των καταναλωτών από τις Υπηρεσίες Κοινής Ωφέλειας (ΥΚΩ), (β) τη διασφάλιση της καλής και ασφαλούς λειτουργίας των ηλεκτρικών συστημάτων και της απρόσκοπτης ηλεκτροδότησης των καταναλωτών των ΜΔΝ με τη θέσπιση κανόνων προγραμματισμού, διαχείρισης και λειτουργίας των μονάδων παραγωγής στα συστήματα ΜΔΝ, (γ) τη μεγιστοποίηση της διείσδυσης των σταθμών ΑΠΕ και ΣΗΘΥΑ, περιλαμβανομένων και των υβριδικών σταθμών, (δ) το άνοιγμα της αγοράς για τη επί ίσοις όροις δραστηριοποίηση 32

προμηθευτών/παραγωγών, (ε) την καθιέρωση διαφανών διαδικασιών διαχείρισης και πληροφόρησης, πιστοποίησης και ελέγχου, σε όλο το φάσμα της δραστηριότητας της παραγωγής, όπως όλα τα ανωτέρω αποτυπώνονται και στις ανακοινώσεις της Αρχής κατά τη διεξαγωγή των ως άνω διαβουλεύσεων για την κατάρτιση του Κώδικα ΜΔΝ. 3.2.1 Κυλιόμενος Ημερήσιος Ενεργειακός Προγραμματισμός (ΚΗΕΠ) Ο ΚΗΕΠ διενεργείται διακριτά και ανεξάρτητα σε κάθε ηλεκτρικό ΜΔΝ, πριν από την έναρξη κάθε Ημέρας Κατανομής για ολόκληρη την Ημέρα Κατανομής. Σκοπός του ΚΗΕΠ είναι ο προσδιορισμός σε ημερήσια βάση της ένταξης και της παραγωγής ενέργειας των Κατανεμόμενων Μονάδων για την ασφαλή κάλυψη της ζήτησης, με τήρηση των περιορισμών και των λειτουργικών κανόνων, όπως ορίζονται από τον Κώδικα. Όσοι παραγωγοί (και αυτοπαραγωγοί) ή εκπρόσωποι φορτίου επιθυμούν να συμμετέχουν στον ΚΗΕΠ οφείλουν να υποβάλουν δηλώσεις παραγωγής ή δηλώσεις φορτίου αντίστοιχα, εώς και έξι ώρες πριν την Ημέρα Κατανομής (18:00), όποτε και λήγει η προθεσμία υποβολής δηλώσεων. Στην συνέχεια τρεις ώρες πριν την Ημέρα Κατανομής (21:00) ο διαχειριστής του ΜΔΝ δημοσιοποιεί τα στοιχεία που προκύπτουν από τα αποτελέσματα του ΚΗΕΠ. Με την κατάρτιση του Ημερήσιου Προγράμματος προσδιορίζονται[15]: α) Οι Κατανεμόμενες Μονάδες που για κάθε Ώρα Κατανομής προγραμματίζεται να εκκινήσουν (συγχρονισμός) ή να παύσουν (αποσυγχρονισμός) ή να εξακολουθούν να λειτουργούν. β) Η ενέργεια που προγραμματίζεται ενδεικτικά να παράγουν οι Κατανεμόμενες Μονάδες συμβατικού καυσίμου, για κάθε Ώρα Κατανομής της Ημέρας Κατανομής. γ) Η ενέργεια που προγραμματίζεται να παράγουν οι Κατανεμόμενες Μονάδες ΑΠΕ ή ΣΗΘΥΑ ή Υβριδικού Σταθμού με προσφορά ενέργειας στον ημερήσιο προγραμματισμό για κάθε Ώρα Κατανομής της Ημέρας Κατανομής. δ) Η ενέργεια που προγραμματίζεται να παράγουν οι Κατανεμόμενες Μονάδες ΑΠΕ ή ΣΗΘΥΑ με προσφορά ωριαίου προγράμματος, για κάθε Ώρα Κατανομής της Ημέρας Κατανομής. ε) Η ενέργεια που αναμένεται να εγχυθεί από Μη Κατανεμόμενες Μονάδες για κάθε Ώρα Κατανομής της Ημέρας Κατανομής. 33

στ ) Η ενέργεια που προγραμματίζεται να απορροφήσουν οι Υβριδικοί Σταθμοί για την πλήρωση των συστημάτων αποθήκευσης τους. Για την ομαλή κατάρτιση του ΚΗΕΠ λαμβάνονται υπόψη τα εξής δεδομένα: α) αποδεκτές δηλώσεως παραγωγής, β) διαθεσιμότητα μονάδων, γ)τεχνικές παράμετροι μονάδων, όπως η τεχνικά ελάχιστη παραγωγή, ο ρυθμός μεταβολής της παραγωγής και οι ελάχιστοι χρόνοι παραμονής ή μεταβολής μεταξύ καταστάσεων, δ) οικονομικές παράμετροι, όπως το μεταβλητό κόστος κάθε μονάδας, το κόστος εκκίνησης και το κόστος επικουρικών υπηρεσιών, ε)κατάσταση των μονάδων όπως προγραμματίζεται να λειτουργήσουν κατά τις ώρες κατανομής. Τέλος, αξίζει να αναφερθούν κάποιοι περιορισμοί στη κατάρτιση του ΚΗΕΠ, που δεν αναφέρθηκαν παραπάνω για την καλύτερη κατανόηση της λειτουργίας του: Εξασφάλιση ισοζυγίου ενέργειας, δηλαδή η στιγμιαία παραγωγή να ισούται με την ζήτηση ηλεκτρικής ενέργειας, με πρόνοια ότι στα φορτία συμπεριλαμβάνεται απορρόφηση ενέργειας απωλειών και για μέσα αποθήκευσης. Κάλυψη απαιτήσεων εφεδρειών ενεργού ισχύος. Η ενέργεια που προσφέρεται σύμφωνα με δηλώσεις φορτίου από ΑΠΕ ή ΣΗΘΥΑ ή Υβριδικού Σταθμού θα πρέπει να απορροφάται πλήρως εάν είναι τεχνικά εφικτό. Τεχνικοί περιορισμοί ροής ενέργειας μεταξύ τεχνικών ζωνών με κριτήριο την ικανοποίηση των απαιτήσεων για την ασφαλή λειτουργία του δικτύου ΜΔΝ. 3.2.2 Εκκαθάριση Αγοράς Ενέργειας Μετά το πέρας κάθε ημερολογιακού μήνα ο διαχειριστής του ΜΔΝ προβαίνει σε εκκαθάριση της αγοράς ηλεκτρικής ενέργειας του κάθε ΜΔΝ διακριτά. Για τον προσδιορισμό του ύψους των χρεώσεων και πιστώσεων κατά την διαδικασία μηνιαίας εκκαθάρισης χρησιμοποιούνται δεδομένα μετρήσεων. Στο τέλος κάθε έτους γίνεται Ετήσια Οριστική Εκκαθάριση, όπου λαμβάνονται υπόψη τυχόν διαφορές των πραγματικών δεδομένων και των μετρήσεων καθώς και τυχόν σφάλματα στις αρχικές χρεώσεις και πιστώσεις. Κάθε εκπρόσωπος φορτίου υποχρεούται να πληρώσει το αντίτιμο που του αντιστοιχεί για το κόστος παραγωγής ηλεκτρικής ενέργειας στο ΜΔΝ, με βάση την ενέργεια χρεώςης που του αντιστοιχεί. Το ποσό αυτό προκύπτει για κάθε ώρα κατανομής από την τιμολόγηση: 34

1 284 567 850 1133 1416 1699 1982 2265 2548 2831 3114 3397 3680 3963 4246 4529 4812 5095 5378 5661 5944 6227 6510 6793 7076 7359 7642 7925 8208 8491 Ισχύς (MW) Της ενέργειας χρεώςης από συμβατικές μονάδες σε MW, στο Μέσο Μεταβλητό Κόστος ( /MW) για την περίοδο κατανομής. Την ενέργεια χρεώςης από μονάδες ΑΠΕ ή ΣΗΘΥΑ και Υβριδικού Σταθμού σε MW, στο μηνιαίο Μέσο Μεταβλητό Κόστος( /MW). 3.3 Προφίλ Ζήτησης Φορτίου στην Κρήτη Όπως είναι αναμενόμενο το προφίλ φορτίου της Κρήτης παρουσιάζει έντονες εποχιακές διακυμάνσεις, καθώς τόσο το καλοκαίρι που υπάρχει έντονη τουριστική δραστηριότητα, όσο και τον χειμώνα με τον εποχιακό τουρισμό και τις αυξημένες τοπικές ανάγκες σε ενέργεια, παρατηρούνται αιχμές στο προφίλ της ζήτησης. Στην κυματομορφή που ακολουθεί εμφανίζεται η ζήτηση ηλεκτρικής ενέργειας στην Κρήτη για το έτος 2013 με ωριαίο βήμα, σύμφωνα με τα στοιχεία του ΔΕΔΔΗΕ για το 2013. 700.000 600.000 500.000 400.000 300.000 200.000 100.000 0.000 Χρόνος (h) Εικόνα 9- Προφίλ Ζήτησης του ΣΗΕ της Κρήτης για το έτος 2013 με ωριαίο βήμα. 3.3.1 Διείσδυση ΑΠΕ και Προφίλ Καθαρού Φορτίου Λόγω της γεωγραφικής θέσης και των κλιματολογικών συνθηκών του νησιού παρατηρείται μεγάλη διείσδυση Ανανεώσιμων Πηγών Ενέργειας, που αποτελούνται κυρίως από αιολικές και φωτοβολταϊκές μονάδες. Πιο συγκεκριμένα, το εγκατεστημένο δυναμικό ενέργειας ΑΠΕ στο νησί είναι 278 ΜW, με 184 ΜW να παρέχονται από αιολικές μονάδες και τα υπόλοιπα 94 ΜW από 35

1 284 567 850 1133 1416 1699 1982 2265 2548 2831 3114 3397 3680 3963 4246 4529 4812 5095 5378 5661 5944 6227 6510 6793 7076 7359 7642 7925 8208 8491 Ισχύς (MW) 1 284 567 850 1133 1416 1699 1982 2265 2548 2831 3114 3397 3680 3963 4246 4529 4812 5095 5378 5661 5944 6227 6510 6793 7076 7359 7642 7925 8208 φωτοβολταικές μονάδες [15]. Στη συνέχεια παρατίθενται οι καμπύλες της ωριαίας παραγωγής των ΑΠΕ για το έτος 2013 στην Κρήτη, τόσο για τις αιολικές όσο και τις φωτοβολταϊκές μονάδες [13]. Ισχύς (MW) 180 160 140 120 100 80 60 40 20 0 Χρόνος (h) 8491 Εικόνα 10- Ωριαία Παραγωγή αιολικών Μονάδων για το έτος 2013 στην Κρήτη. 100 90 80 70 60 50 40 30 20 10 0 Χρόνος (h) Εικόνα 11- Ωριαία Παραγωγή φωτοβολταϊκών Μονάδων για το έτος 2013 στην Κρήτη. 36

1 304 607 910 1213 1516 1819 2122 2425 2728 3031 3334 3637 3940 4243 4546 4849 5152 5455 5758 6061 6364 6667 6970 7273 7576 7879 8182 8485 Ισχύς (MW) 1 275 549 823 1097 1371 1645 1919 2193 2467 2741 3015 3289 3563 3837 4111 4385 4659 4933 5207 5481 5755 6029 6303 6577 6851 7125 7399 7673 7947 8221 8495 Ισχύς (MW) 250 200 150 100 50 0 Χρόνος (h) Εικόνα 12- Ωριαία Παραγωγή του συνόλου των ΑΠΕ για το έτος 2013 στην Κρήτη. Όπως φαίνεται οι μονάδες ΑΠΕ καλύπτουν ένα ικανοποιητικό ποσοστό της ζητούμενης ενέργειας. Ο Κώδικας ΜΔΝ όπως είπαμε δίνει προτεραιότητα στην κατανάλωση ΑΠΕ, ώστε να απορροφηθούν εξολοκλήρου εάν είναι τεχνικά εφικτό. Επομένως, η ενέργεια παροχής των ΑΠΕ αφαιρείται από την ετήσια ζήτηση ηλεκτρικής ενέργειας για να προκύψει η καθαρή ζήτηση ενέργειας ή καθαρό φορτίο. Αυτό είναι το φορτίο που θα κληθούν πλέον να εξυπηρετήσουν οι θερμικές μονάδες του συστήματος. 600.000 500.000 400.000 300.000 200.000 100.000 0.000 Χρόνος (h) Εικόνα 13- Το καθαρό φορτίο που κληθούν να εξυπηρετήσουν οι θερμικές μονάδες για το 2013. Αν και τα μέγιστα και ελάχιστα σημεία της καμπύλης ζήτησης μετατοπίζονται προς τα κάτω στο καθαρό φορτίο, εισάγονται μεγαλύτερες και εντονότερες διακυμάνσεις στο φορτίο, που οφείλονται στην στοχαστικότητα της παραγωγής των ΑΠΕ. 37

Μέρος ΙΙ Προσομοίωση της Λειτουργίας του Aggregator στο μη διασυνδεδεμένο Ηλεκτρικό Σύστημα της Κρήτης 38

Κεφάλαιο 4 Μοντελοποίηση του Διαχειριστή του στόλου EVs Η μοντελοποίηση του aggregator στην παρούσα εργασία, γίνεται με σκοπό την μελέτη της λειτουργίας του στην ελληνική αγορά ενέργειας και συγκεκριμένα στο αυτόνομο ηλεκτρικό σύστημα της Κρήτης. Στην ενότητα αυτή παρουσιάζονται τα βασικά σημεία της λειτουργίας του εκπροσώπου του στόλου καθώς και οι παραδοχές που έχουν ληφθεί κατά την μοντελοποίηση για την διεκπεραίωση της μελέτης. Ο aggregator συμμετέχει στην DA αγορά ενέργειας μόνο με ωριαίες δηλώσεις φορτίου, κατά τις ώρες που προβλέπεται από τον προγραμματισμό του. Λειτουργεί ως ένας μεγάλος καταναλωτής χωρίς συμμετοχή σε εφεδρείες και με τέλεια πληροφόρηση και επομένως δεν συμμετέχει στην RT αγορά. Δεν συμμετέχει στην αγορά εφεδρειών. Η λειτουργία V2G αν και δίνει ευχέρεια κίνησης στον εκπρόσωπο στόλου στην αγορά εφεδρειών, προκαλεί υποβάθμιση της μπαταρίας από ενδεχόμενες βαθιές φορτίσεις και εκφορτίσεις. Συνεπώς, κρίνεται πως θα υπάρχει απροθυμία συμμετοχής από τους καταναλωτές. Η συμμετοχή στην αγορά εφεδρειών με ρύθμιση του ρυθμού φόρτισης, είναι πιο εφικτή, ωστόσο απαιτεί δέσμευση του οδηγού στο πρόγραμμα φόρτισης. Επομένως, αν και η συμμετοχή σε αγορές εφεδρειών μπορεί να ενισχύσει τα κέρδη του aggregator, θεωρούμε ότι δεν θα αποτελεί προτεραιότητα του στο πρώτο στάδιο διείσδυσης των ηλεκτρικών αυτοκινήτων στην ελληνική αγορά. Ο διαχειριστής του στόλου θεωρείται ως price-taker, ως αποδέκτης δηλαδή της δεδομένης ωριαίας τιμής της ηλεκτρικής ενέργειας του συστήματος, καθώς το ηλεκτρικό φορτίο του στόλου είναι πολύ μικρό σε σύγκριση με το σύνολο της ζητούμενης ηλεκτρικής ενέργειας του ΣΗΕ. Κατά συνέπεια, δεν θεωρείται ότι θα επηρεάσει σε σημαντικό βαθμό την λειτουργία του ΣΗΕ και εν συνεχεία την τιμολόγηση της ενέργειας. Ένας price-taker 39

aggregator αναμένεται να χρησιμοποιήσει γραμμικό προγραμματισμό και να προτιμήσει την νυχτερινή φόρτιση, όπως θα γίνει και στην περίπτωση μας [10]. Θεωρείτε ότι υπάρχει τέλεια πληροφόρηση του aggregator σχετικά με τις συνθήκες λειτουργίας του συστήματος, την ωριαία τιμή της ενέργειας αλλά και τα χαρακτηριστικά φόρτισης του στόλου. Η τέλεια πρόγνωση της τιμής ενέργειας γίνεται με την προσομοίωση ενός συστήματος αναφοράς στο οποίο υπάρχει μηδενική ενσωμάτωση του στόλου ηλεκτρικών αυτοκινήτων, όμως όλοι οι υπόλοιποι συντελεστές παραμένουν σταθεροί. Η φόρτιση του στόλου λαμβάνει χώρα μόνο κατά τις νυχτερινές ώρες. Ο aggregator επιλέγει να επικεντρώσει την λειτουργία του στην νυχτερινή φόρτιση του στόλου, διότι τότε αναμένεται να υπάρξει η φθηνότερη ημερήσια τιμολόγηση ενέργειας και αποκλείεται να προκύψουν αιχμές στην ζήτηση του φορτίου. Με αυτό τον τρόπο μπορεί να συμβάλει και στο valley filling του προφίλ της ζήτησης ηλεκτρικής ενέργειας. Ακόμα, κατά τις νυχτερινές ώρες μπορεί να υπάρξει καλύτερος προγραμματισμός της φόρτισης, καθώς το μεγαλύτερο μέρος του στόλο θα είναι ανενεργό και θα υπάρξουν λιγότερες απρογραμμάτιστες αποσυνδέσεις από την φόρτιση. 4.1 Συμμετοχή στην Day-Ahead Αγορά για Νυχτερινή Φόρτιση Στα πλαίσια της νυχτερινής φόρτισης θεωρούμε πως τα πρώτα EVs του στόλου συνδέονται για φόρτιση στις 16:00, ενώ τα τελευταία πλήρως φορτισμένα αποχωρούν στις 11:00 το πρωί της επόμενης ημέρας. Το πρόβλημα που συναντά ο διαχειριστής του στόλου κατά την λειτουργία μιας νυχτερινής φόρτισης είναι ότι η ημερήσια λειτουργία του (16:00-11:00) δεν συνάδει με τον χρονικό ορίζοντα της DA αγοράς (market horizon), ο οποίος αποτελεί ολόκληρη την ημέρα κατανομής (24:00-24:00). Προκειμένου να πραγματοποιηθεί μία νυχτερινή φόρτιση του στόλου, θα πρέπει ο διαχειριστής του στόλου να δημιουργήσει στρατηγική συμμετοχής σε δύο συνεχόμενες Day-Ahead αγορές. Για να γίνει αντιληπτή αυτή η διαδικασία στον αναγνώστη θα αναλυθεί η λειτουργία του aggregator κατά το night charging 2 (δεύτερης ημέρας λειτουργίας του aggregator ετησίως) που φαίνεται στην Εικόνα 14. Στην DA αγορά της Ημέρας 1, ο διαχειριστής του στόλου θα πρέπει να εξασφαλίσει την ενέργεια που απαιτείται για την φόρτιση του στόλου κατά τις ώρες 16:00 εώς 24:00 της επόμενης ημέρας, δηλαδή το part 1 του night charging 2. Η υπόλοιπη προβλεπόμενη 40

ενέργεια για να ολοκληρωθεί το δεύτερο μέρος της νυχτερινής φόρτισης (part2 του night charging 2), δηλαδή από τις 24:00 μέχρι τις 11:00, θα πρέπει να εξασφαλιστεί από την DA αγορά της Ημέρας 2. Σημειώνεται ότι οι δηλώσεις φορτίου στην προ-ημερήσια αγορά ενέργειας γίνονται μέχρι τις 18:00. Η εικόνα που ακολουθεί, βοηθάει στην κατανόηση του τρόπου συμμετοχής του διαχειριστή στόλου στην DA αγορά κατά την νυχτερινή φόρτιση. Εικόνα 14- Συμμετοχή του Aggregator σε 2 συνεχόμενες DA αγορές για νυχτερινή φόρτιση του στόλου. Η ανάλυση που προηγήθηκε αφορά τον προγραμματισμό για την εξυπηρέτηση των φορτίων μίας μεμονωμένης ημερήσιας λειτουργίας του aggregator, δηλαδή των φορτίων μιας νυχτερινής φόρτισης (16:00-11:00). Προκειμένου να γίνει πιο κατανοητός ο τρόπος συμμετοχής του διαχειριστή του στόλου στην Προημερήσια αγορά θα αναλυθεί στην συνέχεια ο τρόπος συμμετοχής του σε μια μεμονωμένη Προημερήσια αγορά. Εικόνα 15- Συμμετοχή Aggregator σε μία μεμονωμένη Day-Ahead αγορά 41

Έστω για παράδειγμα η DA Αγορά της Ημέρας 1, που αφορά τα ηλεκτρικά φορτία της Ημέρας 2. Λόγω της συνέχειας της λειτουργίας του aggregator ετησίως, στην αγορά αυτή ο διαχειριστής του στόλου θα πρέπει να εξασφαλίσει την ενέργεια που προβλέπεται από τον προγραμματισμό του για την φόρτιση δύο τμημάτων διαφορετικών νυχτερινών φορτίσεων που λαμβάνουν χώρα την Ημέρα 2. Συγκεκριμένα, γίνονται δηλώσεις φορτίου τόσο για πρώτο μέρος της νυχτερινής φόρτισης 2 (part 1 of night charging 2), όσο και το δεύτερο μέρος της νυχτερινής φόρτισης (part 2 of night charging 1), οι οποίες λαμβάνουν χώρα αμφότερες κατά την διάρκεια της ημέρας 2. Γίνεται αντιληπτό, ότι για να καταθέσει δηλώσεις φορτίου σε μία Προημερήσια αγορά ενέργειας ο aggregator πρέπει να έχει τρέξει τον προγραμματισμό του για δύο συναπτές νυχτερινές φορτίσεις του στόλου (π.χ. Night Charging 1 και Night Charging 2), ώστε να γνωρίζει τις ωριαίες ποσότητες ενέργειας που απαιτούνται σε κάθε περίπτωση. Ο διαχειριστής του στόλου θα τρέξει τον προγραμματισμό δύο συναπτών νυχτερινών φορτίσεων μόνο κατά την πρώτη ημέρα του χρόνου που αναλύεται. Στην συνέχεια, θα τρέχει τον προγραμματισμό μόνο της επόμενης νυχτερινής φόρτισης για τον προσδιορισμό των προβλεπόμενων φορτίων των ωρών 16:00-24:00 (part 1 of night charging), θεωρώντας τις ζητούμενες τιμές ενέργειας των ωρών 24:00-11:00 δεδομένες (part 2), όπως υπολογίστηκαν κατά την προηγούμενη ημέρα. 4.2 Μαθηματικό Μοντέλο του Προγραμματισμού Έξυπνης Φόρτισης του Στόλου Στο κεφάλαιο αυτό, θα γίνει ανάλυση των βασικών αρχών που διέπουν το μαθηματικό μοντέλο του προγραμματισμού της έξυπνης φόρτισης του στόλου, με βάση το οποίο προκύπτουν οι δηλώσεις φορτίου του εκπροσώπου φορτίου στην Προημερήσια αγορά. Παρατίθενται οι παράμετροι, οι μεταβλητές και οι εξισώσεις του προβλήματος βελτιστοποίησης της έξυπνης φόρτισης. Στόχος του μοντέλου είναι η ελαχιστοποίηση του κόστους της φόρτισης με την παράλληλη ικανοποίηση των απαραίτητων τεχνικών περιορισμών. Σύνολα i, t, set για κάθε ένα από τα ηλεκτρικά αυτοκίνητα. set για κάθε ώρα εντός του χρονικό ορίζοντα του προγραμματισμού 42

Παράμετροι Οι παράμετροι θα πρέπει να καθοριστούν από τον διαχειριστή του στόλου σαν δεδομένα εισόδου και προκύπτουν από την κατάλληλη πληροφόρηση και πρόγνωση. DA t bat,max E i arr SOE i dep SOE i cc, cu SOE i dep T i, Η ωριαία τιμή της ενέργειας εντός του χρονικού ορίζοντα, όπως προέκυψε από την πρόγνωση του διαχειριστή σε /MWh., Η μέγιστη χωρητικότητα ενέργειας της μπαταρίας του εκάστοτε EV σε ΜWh., Το ποσοστό φόρτισης (State-of-Energy) του εκάστοτε EV κατά την σύνδεση του στην φόρτιση σε pu μονάδες., Το επιθυμητό ποσοστό φόρτισης (State-of-Energy) του εκάστοτε EV κατά την αναχώρηση του σε pu μονάδες., Το επιθυμητό ποσοστό φόρτισης (State-of-Energy) του εκάστοτε EV για μετατροπή της λειτουργίας φόρτισης από constant current σε constant voltage σε pu μονάδες., Η ώρα αναχώρησης του EV, αποσύνδεσης δηλαδή από την φόρτιση. n i, Ο βαθμός απόδοσης της φόρτισης του εκάστοτε EV. plug it,, Δυαδική παράμετρος που ισούται με 1 όσο το EV είναι συνδεδεμένο και 0 σε κάθε chrg P it, άλλη περίπτωση., Μέγιστη Ισχύς φόρτισης του εκάστοτε EV σε ΜW. Μεταβλητές Οι τιμές των μεταβλητών θα καθοριστούν από την βέλτιστη λειτουργία του προγραμματισμού. DA E t, Η τελική προσφορά ζήτησης ενέργειας για την εκάστοτε ώρα εντός του χρονικού ορίζοντα του προγραμματισμού σε MWh. 43

SOE it, E RT it, P RT, max it,, Το υπολογιζόμενο ποσοστό φόρτισης (State-of-Energy) του εκάστοτε EV κατά την ώρα t., Η ενέργεια που καταναλώνεται για την φόρτιση του εκάστοτε EV κατά την ώρα t σε MWh., Η μέγιστη επιτρεπτή ισχύς φόρτισης σε πραγματικό χρόνο του εκάστοτε EV σε MW. Εξισώσεις Αντικείμενη Συνάρτηση: DA t min E t DA t, t (1) Υπό βασικούς περιορισμούς: SOE i, Tdep dep SOE i, i (2) SOE, 1, n i RT it SOEi t E bat,max i, t, E i i, t (3) DA chrg Et (plug i, t P i,t ), i, t (4) RT, max chrg P i, t plug i, t P i, it, (5) 1 SOE RT, max chrg it, P i, t plug i, t P i cc, cu 1 SOE i, i, t (6) E RT it, RT, max RT, max it, Pit, 1 P 2, it, (7) 44

Τα ηλεκτρικά αυτοκίνητα δεν δέχονται ενέργεια απευθείας με την σύνδεση τους στο δίκτυο. Παραμένουν συνδεδεμένα για όσο χρονικό διάστημα είναι συμφωνημένο με τον διαχειριστή του στόλου και τους παρέχεται η απαραίτητη ισχύ τις ώρες που κρίνεται οικονομικότερο. Από την (1) φαίνεται πως ο αντικείμενος σκοπός του προγραμματισμού της φόρτισης του στόλου είναι η ελαχιστοποίηση του κόστος του εκπροσώπου φορτίου, μέσω της εξασφάλιση της απαιτούμενης ενέργειας στις ώρες με την χαμηλότερη τιμή ενέργειας. Η απλοποιημένη αυτή εξίσωση προκύπτει από το γεγονός, ότι ο aggregator έχει τέλεια πληροφόρηση και δεν συμμετέχει στην RT αγορά (εκφυλισμένο πρόβλημα σε σχέση με το πλήρες στοχαστικό πρόβλημα της [5], Optimal Bidding Strategy for Electric Vehicle Aggregators in Electricity Markets. Οι εξισώσεις (2) και (3) υπολογίζουν το ωριαίο State-Of-Energy του εκάστοτε EV και καθορίζουν ως στόχο το επιθυμητό SOE αναχώρησης, όπως αυτό ζητήθηκε από τον διαχειριστή ή τον πελάτη. Κατά την ώρα άφιξης του ηλεκτρικού αυτοκινήτου το ωριαίο SOE εξισώνεται με το arr SOE. Στην συνέχεια τα ωριαία SOE των EV αυξάνονται σταδιακά μέχρι το επιθυμητό σημείο i dep SOE i, με γνώμονα τις διαθέσιμες ώρες φόρτισης του στόλου και την ωριαία τιμολόγηση. H εξίσωση (4) θέτει ουσιαστικά περιορισμό στις ωριαίες προσφορές ζήτησης. Όπως είναι λογικό, όσο συμφέρουσα και αν είναι η ωριαία τιμή ενέργειας η προσφορά ζήτησης δεν θα πρέπει να υπερβαίνει το συνδεδεμένο διαθέσιμο δυναμικό του στόλου. Ο εξισώσεις (5) και (6) αποτελούν τους περιορισμούς της γραμμικής φόρτισης της μπαταρίας του εκάστοτε EV, όπως ορίζεται από το μοντέλο. Τέλος, καθώς η P RT,max it, RT χρησιμοποιείται για τον καλύτερο προσδιορισμό της E it,. αναφέρεται στην αρχή της κάθε ώρας η εξίσωση (7) Για περαιτέρω πληροφόρηση πάνω στην μεθοδολογία μοντελοποίησης του προγραμματισμού που εφαρμόστηκε προτείνεται η βιβλιογραφική πηγή [5]. 45

4.3 Απευθείας Φόρτιση του Στόλου Σε αντίθεση με την έξυπνη φόρτιση του στόλου, κατά την απευθείας φόρτιση (direct charging) δεν υπάρχει ουσιαστικά έλεγχος της φόρτισης από τον aggregator και κατά συνέπεια τα ηλεκτρικά αυτοκίνητα τροφοδοτούνται απευθείας με την σύνδεση τους στο δίκτυο τροφοδοσίας. Έτσι ο aggregator σε αυτήν την περίπτωση λειτουργεί απλά σαν μεσάζων ενέργειας, που πρέπει να εξασφαλίσει την απαραίτητη ενέργεια όποτε αυτή ζητείται από τους οδηγούς ανεξαρτήτως κόστους. Η απευθείας φόρτιση εκφράζει την απροθυμία ή την αδυναμία του οδηγού να δεσμευτεί με ένα πρόγραμμα φόρτισης. Είτε είναι αναγκασμένος λόγω προγράμματος να φορτίζει σε δυσμενής συνθήκες είτε απλά προτιμά την άμεση φόρτιση λόγω της ταχύτερης διαθεσιμότητα του οχήματος, παρά το μεγαλύτερο κόστος φόρτισης. Στην μελέτη που έγινε θεωρήθηκε ότι ο διαχειριστής του στόλου έχει τέλεια πληροφόρηση και στην περίπτωση της απευθείας φόρτισης και εξασφαλίζει την απαραίτητη ενέργεια με συμμετοχή στην Day-Ahead αγορά, με μοναδικό γνώμονα την άμεση εξυπηρέτηση του φορτίου του στόλου. Η μελέτη και σύγκριση σε ένα ρεαλιστικό πλαίσιο της λειτουργίας του διαχειριστή του στόλου με τις δύο μεθόδους φόρτισης παρουσιάζει πολύ μεγάλο ενδιαφέρον. Έτσι μπορεί να γίνει εξαγωγή χρήσιμων συμπερασμάτων για το αν και πόσο προκύπτει οικονομικό κέρδος για τον aggregator (και συνεπώς για τους οδηγούς) από την έξυπνη φόρτιση του στόλου σε σύγκριση με την απευθείας φόρτιση. Μεγαλύτερο ενδιαφέρον υπάρχει στο να εξεταστεί, αν τα ενδεχόμενα οφέλη από τον προγραμματισμό της έξυπνης φόρτισης επαρκούν ώστε να δοθούν οικονομικά κίνητρα στους οδηγούς EVs προκειμένου να δεσμευτούν στο ωράριο της έξυπνης φόρτιση των οχημάτων τους. 46

4.4 Παράμετροι του Προγραμματισμού του Aggregator 4.4.1 Μέγεθος Στόλου EVs Επειδή στην παρούσα κατάσταση παρατηρείται πολύ μικρή διείσδυση ηλεκτρικών αυτοκινήτων στο σύστημα της Κρήτης, η μελέτη θα βασιστεί σε στατιστική πρόγνωση του μεγέθους του στόλου EVs κατά τα έτη 2020 και 2030. Ο βαθμός διείσδυσης των ηλεκτρικών αυτοκινήτων και το ποσοστό της αγοράς οχημάτων που θα καταλάβουν αποτελεί φλέγον ζήτημα και έχει διεγείρει έντονη ερευνητική δραστηριότητα. Καθώς βρισκόμαστε στα πρώιμα στάδια της διείσδυσης EVs στις αγορές, μόνο εκτιμήσεις μπορούν να γίνουν για το πραγματικό μέγεθος της διείσδυσης στο μέλλον. Αυτός είναι και ο λόγος που θα μελετηθούν διάφορα σενάρια διείσδυσης για κάθε έτος μελέτης. Σύμφωνα με το ευρωπαϊκό ερευνητικό πρόγραμμα Merge [17], εκτιμώνται τρία σενάρια διείσδυσης για καθένα από τα έτη 2020 και 2030, που αφορούν τόσο τον απόλυτο αριθμό EVs όσο και ποσοστό της Ελληνικής αγοράς οχημάτων που θα καταληφθεί για κάθε έτος. Σημειώνεται στην έρευνα αυτή, ότι: Το πρώτο σενάριο αποτελεί την πιο λογική προσέγγιση και είναι το πιο εφικτό να συμβεί. Το δεύτερο σενάριο, είναι μια πιο δυναμική προσέγγιση από την αναμενόμενη, που ωστόσο προτείνεται να χρησιμοποιηθεί σε περιπτώσεις επιστημονικών μελετών για συμπεράσματα σε περίπτωση μαζικής διείσδυσης. Το τρίτο σενάριο, είναι μια αρκετά επιθετική προσέγγιση που θεωρείται η πιο απίθανη να συμβεί. Παρουσιάζει, ωστόσο και αυτή επιστημονικό ενδιαφέρον. 47

Πιο συγκεκριμένα, για την περίπτωση της Ελλάδας η έρευνα του Merge εκτιμά: Πίνακας 3-Σενάρια Διείσδυσης Ηλεκτρικών Αυτοκινήτων στην Ελλάδα για τα έτη 2020 και 2030. Είδος EV 2020 2030 Σενάριο Low Med. High Low Med. High BEVs 14.895 35.186 87.780 77.634 225.660 606.902 PHEVs 14.894 25.712 36.510 171.849 298.330 383.522 Sum 34.361 70.247 143.372 287.432 605.003 1.148.379 Ποσοστό αγοράς 0.6% 1.7% 2.6% 3.5% 7.8% 15% Από τον απόλυτο αριθμό του στόλου EVs στην Ελλάδα, θα πρέπει να καταλήξουμε στον απόλυτο αριθμό του επιθυμητού στόλου EVs στην Κρήτη. Αρχικά, θεωρούμε ευθεία αναλογία μεταξύ του συνολικού στόλου οχημάτων (συμβατικά και EVs) και του στόλου EVs, τόσο σε Ελλάδα όσο και σε Κρήτη. Άρα το μέγεθος του επιθυμητού στόλου EVs της Κρήτης θα προκύψει ως το γινόμενο του απόλυτου αριθμού EVs ανά σενάριο στην Ελλάδα (πίνακας 3), με το ποσοστό του συνολικού εκτιμώμενου στόλου οχημάτων της Ελλάδας (συμβατικά και EVs) που εδρεύουν στην Κρήτη για τα έτη 2020 και 2030. Αρχικά στον πίνακα 4 παρουσιάζονται τα αποτελέσματα εκτίμησης του συνολικού στόλου (συμβατικά και EVs) και στην συνέχεια θα περιγραφεί η μεθοδολογία εκτίμησης. Πίνακας 4- Εκτίμηση Συνολικού Στόλου, συμβατικών και ηλεκτρικών ΙΧ οχημάτων, σε Ελλάδα και Κρήτη για 2020 και 2030. Εκτίμηση Συνολικού Εκτίμηση Συνολικού Ποσοστό ΙΧ Κρήτης στο Στόλου Κρήτης 2020 Στόλου Ελλάδας 2020 σύνολο Ελλάδας 2020 (%) 338,597.23 6,449,576.07 5.2499 Εκτίμηση Συνολικού Εκτίμηση Συνολικού Ποσοστό ΙΧ Κρήτης στο Στόλου Κρήτης 2030 Στόλου Ελλάδας 2030 σύνολο Ελλάδας 2030(%) 498,453.70 8,958,839.76 5.5638 48

Για την εκτίμηση της μεταβολής του συνολικού στόλου στο μέλλον, λαμβάνουμε υπόψη ιστορικά δεδομένα, όπως τον ρυθμό μεταβολής του πληθυσμού, αλλά και τον ρυθμό μεταβολής του μεγέθους του στόλου για να συνυπολογιστούν και οι συνθήκες οικονομικής κρίσης των τελευταίων ετών [17],[20]. Τα απαραίτητα στατιστικά στοιχεία της μελέτης αντλήθηκαν από έρευνες της Ελληνικής Στατιστικής Υπηρεσίας [18]. Πίνακας 5- Στατιστικά Δεδομένα Μεγέθους στόλου για τα έτη 1998-2013 [18]. Μέγευθος Συνολικού Στόλου Κρήτης Έτος Μέγεθος Συνολικού Στόλου Ελλάδας Ετήσιος ρυθμος αύξησης στόλου Ελλάδας (pu) 1998 2,675,676 0.0946 123,856.0000 0.1094 1999 2,928,881 0.0909 137,406.0000 0.1073 2000 3,195,065 0.0716 152,152.0000 0.0830 2001 3,423,704 0.0649 164,783.0000 0.0757 2002 3,646,069 0.0531 177,252.0000 0.0585 2003 3,839,549 0.0609 187,625.0000 0.0702 2004 4,073,511 0.0564 200,787.0000 0.0645 2005 4,303,129 0.0557 213,743.0000 0.0586 2006 4,543,016 0.0562 226,263.0000 0.0615 2007 4,798,530 0.0470 240,183.0000 0.0483 2008 5,023,944 0.0215 251,774.0000 0.0164 2009 5,131,960 0.0165 255,908.0000 0.0163 2010 5,216,873-0.0025 260,081.0000-0.0020 2011 5,203,591-0.0069 259,567.0000-0.0023 2012 5,167,557-0.0084 258,964.0000-0.0026 2013 5,124,208 258,300.0000 Ετήσιος ρυθμος αύξησης Στόλου Κρήτης (pu) ΜΟ= ΜΟ= 0.0448 0.0509 Ο ρυθμός μεταβολής του στόλου προκύπτει από τον παραπάνω πίνακα με στοιχεία της τελευταίας δεκαπενταετίας. Όσον αφορά την πληθυσμιακή μεταβολή σύμφωνα με τις τελευταίες δύο γενικές απογραφές πληθυσμού (2001 και 2011) ο ρυθμός μεταβολής είναι ίσος με -0.0109 [18]. Τέλος με τα παραπάνω δεδομένα, ο ζητούμενος εκτιμώμενος στόλος ηλεκτρικών αυτοκινήτων στην Κρήτη για τα έτη 2020 και 2030, προκύπτει για τα διάφορα σενάρια διείσδυσης: 49

Πίνακας 6-Εκτιμώμενος αριθμός στόλου EVs Κρήτης για τα διάφορα σενάρια διείσδυσης. EV στόλος Κρήτης 2020 2030 Σενάριο Low Med. High Low Med. High Απόλυτος Αριθμός EVs 1,785 3,675 7,455 16,302 34,774 67,823 4.4.2 Πιθανοτικές Κατανομές Παραμέτρων Στόλου Η μοντελοποίηση του στόλου έγινε με την βοήθεια πιθανοτικών κατανομών. Πιο συγκεκριμένα χρησιμοποιήθηκαν: Περικομμένη Γκαουσιανή Κατανομή, Π.Γ.Κ (Truncated Gaussian Distribution), για την ώρα άφιξης των οχημάτων στο σημείο φόρτισης, την επιθυμητή ώρα αναχώρησης από το σημείο φόρτισης και το επίπεδο φόρτισης της μπαταρίας (State-of-Charge) κατά την άφιξη. Ομοιόμορφη Κατανομή, Ο.Κ. (Uniform Distribution) για την χωρητικότητα της μπαταρίας του οχήματος. Οι συγκεκριμένες τιμές των παραμέτρων, που παρουσιάζονται στον πίνακα που ακολουθεί χρησιμοποιήθηκαν με βάση την αναφορά [5] για νυχτερινή φόρτιση: Πίνακας 7- Κατανομή Παραμέτρων Στόλου [5]. Κατανομή Μέση Τιμή Τυπική Απόκλιση Χωρητικότητα Μπαταρίας (kwh) Ο.Κ. 18 6,93 6 30 Ώρα Άφιξης (h) Π.Γ.Κ. 19 2 16 1 Ώρα Αναχώρησης (h) Π.Γ.Κ. 7 2 5 12 SOC κατά την άφιξη (%) Π.Γ.Κ. 75 25 25 95 Min Max 50

1 35 69 103 137 171 205 239 273 307 341 375 409 443 477 511 545 579 613 647 681 715 749 783 817 851 885 919 953 987 % Το επιθυμητό επίπεδο φόρτισης της μπαταρίας για κάθε EV θεωρήθηκε σταθερό για ολόκληρο τον στόλο και ίσο με SOCdep= 97%, ενώ η απόδοση της φόρτισης ίση με n=0.9. Στην συνέχεια, παρουσιάζεται ενδεικτικά σε διάγραμμα για ένα στόλο αναφοράς με 1000 EVs, ο αριθμός ηλεκτρικών αυτοκινήτων που καταφθάνει και αναχωρεί ωριαία από τα σημεία φόρτισης για μια ημέρα αναφοράς, καθώς και ο συνολικός αριθμός οχημάτων που είναι συνδεδεμένα στη φόρτιση κάθε ώρα της ημέρας αυτής. Εικόνα 16- Διάγραμμα παρουσίασης της μοντελοποίησης της άφιξης και της αναχώρησης των EVs ημερησίως. Τέλος, παρουσιάζεται η πιθανοτική κατανομή του επιπέδου φόρτισης της μπαταρίας κατά την σύνδεση του εκάστοτε EV στην φόρτιση, για τον στόλο αναφοράς των 1000 EVs. 100 80 60 40 20 0 SOCin Χρόνος (h) Εικόνα 17- Πιθανοτική Κατανομή σε στόλο αναφοράς του επιπέδου φόρτισης του εκάστοτε EV κατά την άφιξη του. 51

1 284 567 850 1133 1416 1699 1982 2265 2548 2831 3114 3397 3680 3963 4246 4529 4812 5095 5378 5661 5944 6227 6510 6793 7076 7359 7642 7925 8208 8491 /MWh 4.4.3 Πρόβλεψη της τιμής της Ηλεκτρικής Ενέργειας Ο προγραμματισμός της έξυπνης φόρτισης του στόλου από τον aggregator βασίζεται στην ελαχιστοποίηση του κόστους λειτουργίας του. Η βέλτιστη πρόβλεψη της τιμής της ηλεκτρικής ενέργειας αποτελεί, όπως είναι λογικό, τον βασικότερο παράγοντα του προγραμματισμού του. Στην παρούσα μελέτη, η πρόβλεψη βασίζεται σε προσομοίωση ενός ηλεκτρικού συστήματος αναφοράς της Κρήτης χωρίς τα φορτία των ηλεκτρικών αυτοκινήτων. Η λογική της συγκεκριμένης προσέγγισης, έγκειται στο γεγονός ότι ο aggregator μοντελοποιείται ως price-taker μιας και η απαιτούμενη ενέργεια φόρτισης του στόλου που διαχειρίζεται αποτελεί πολύ μικρό ποσοστό του συνολικού ηλεκτρικού φορτίου του συστήματος. Τέλος, ο διαχειριστής του στόλου θεωρείται πως έχει τέλεια πληροφόρηση των παραμέτρων του συστήματος αναφοράς. Σύμφωνα με τα παραπάνω, ο διαχειριστής του στόλου εκτελεί την ημερήσια προσομοίωση του συστήματος αναφοράς. Η ωριαία τιμή της ενέργειας προκύπτει ως το ωριαίο Μεταβλητό Κόστος Παραγωγής του ηλεκτρικού συστήματος της Κρήτης. Το ετήσιο προφίλ της τιμής της ηλεκτρικής ενέργειας που προκύπτει στο αυτόνομο σύστημα της Κρήτης μέσα από διαδοχικές ημερήσιες προσομοιώσεις, έχει την εξής μορφή: 200 Τιμή Ηλεκτρικής Ενέργειας 150 100 50 0 Χρόνος (h) Εικόνα 18- Ετήσιο Προφίλ της ωριαίας Τιμής Ηλεκτρικής Ενέργειας στο αυτόνομο Σύστημα της Κρήτης. 52

Κεφάλαιο 5 Αποτελέσματα Προσομοίωσης Το δεύτερο μέρος της μελέτης αποσκοπεί στην διερεύνηση της λειτουργίας του aggregator (όπως μοντελοποιήθηκε στο Κεφάλαιο 4) στο περιβάλλον της αγοράς ηλεκτρικής ενέργειας του αυτόνομου συστήματος της Κρήτης, που αναλύθηκε στο Κεφάλαιο 3. Βασικό μας μέλημα είναι η σύγκριση της λειτουργίας του aggregator ανάμεσα σε έξυπνη και απευθείας φόρτιση του στόλου για τα διάφορα σενάρια διείσδυσης ηλεκτρικών αυτοκινήτων. Πιο συγκεκριμένα, θα μελετηθούν όλα τα σενάρια διείσδυσης στόλου EVs για το 2020, ενώ για το 2030 ενδεικτικά μόνο το ενδιάμεσο σενάριο των 34,774 EVs, διότι ο πολύ μεγαλύτερος χρονικός ορίζοντας εισάγει αβεβαιότητα στην ακρίβεια των αποτελεσμάτων. Το ετήσιο προφίλ της ζήτησης της ηλεκτρικής ενέργειας και το επίπεδο της παραγωγής των Ανανεώσιμων Πηγών Ενέργειας αντλήθηκαν από την ΔΕΔΔΗΕ, ως τα πραγματικά στοιχεία του συστήματος για το έτος 2013. Η προσομοίωση του μοντέλου, που συνεπάγεται την επίλυση του βέλτιστου προγραμματισμού φόρτισης του στόλου στο ηλεκτρικό σύστημα της Κρήτης για την συμμετοχή του διαχειριστή του στόλου στην αντίστοιχη αγορά ενέργειας, έγινε με την βοήθεια του ειδικού προγράμματος αλγεβρικής μαθηματικής μοντελοποίησης και επίλυσης προβλημάτων μαθηματικής βελτιστοποίησης GAMS (Generic Algebraic Modeling System)[18]. Το πρόβλημα μοντελοποιήθηκε με γραμμικό προγραμματισμό και επιλύθηκε με την βοήθεια του solver IBM CPLEX. Η εισαγωγή και η εξαγωγή δεδομένων έγινε με την βοήθεια του Microsoft Office Excel 2013. Τέλος, επισημαίνεται ότι το μοντέλο που χρησιμοποιήθηκε προτάθηκε από τον υποψήφιο διδάκτορα του ΑΠΘ και συνεπιβλέποντα της εργασίας Στυλιανό Βαγρόπουλο. 53

ΕΝΕΡΓΕΙΑ (MWH) 0.467 0.988 0.708 0.402 0.196 0.087 0.034 0.011 0.003 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.195 1.620 2.030 1.982 1.657 1 293 585 877 1169 1461 1753 2045 2337 2629 2921 3213 3505 3797 4089 4381 4673 4965 5257 5549 5841 6133 6425 6717 7009 7301 7593 7885 8177 8469 ΕΝΕΡΓΕΙΑ (MWH) 5.1 Δηλώσεις Φορτίου στην Προ-Ημερήσια αγορά O aggregator εκτελεί τον βέλτιστο προγραμματισμό της ημερήσιας λειτουργίας του στις περιπτώσεις έξυπνης και απευθείας φόρτισης του στόλου και καταλήγει στις επιθυμητές ωριαίες δηλώσεις φορτίου στην Day-Ahead αγορά, οι οποίες θα του εξασφαλίσουν την απαραίτητη ενέργεια για την φόρτιση του στόλου. Οι δηλώσεις φορτίου στην περίπτωση της έξυπνης φόρτισης θα παρουσιαστούν σε συνοπτική μορφή ετησίως, για τα διάφορα σενάρια διείσδυσης στόλου. Αντίθετα, για την απευθείας φόρτιση παρουσιάζεται το ημερήσιο προφίλ των δηλώσεων φορτίου, διότι αυτό παραμένει κάθε μέρα σταθερό ανά σενάριο, καθώς δεν υπάρχει εξάρτηση από την ωριαία τιμή της ενέργειας και το προφίλ του ωραρίου φόρτισης του στόλου παραμένει αμετάβλητο, σύμφωνα με τις πιθανοτικές κατανομές. Έτος 2020- Σενάριο 1,785 EVs Έξυπνη Φόρτιση 5 4 3 2 1 0 ΧΡΟΝΟΣ (Η) Εικόνα 19- Δηλώσεις Φορτίου του Aggregator για την έξυπνη φόρτιση στόλου 1,785 EVs στην DA αγορά. Απευθείας Φόρτιση 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ΧΡΟΝΟΣ (Η) Εικόνα 20- Δηλώσεις Φορτίου του Aggregator για την απευθείας φόρτιση στόλου 1,785 EVs στην DA αγορά. 54

ΕΝΕΡΓΕΙΑ (MWΗ) 0.444 0.187 0.062 0.017 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.878 0.916 2.018 1.611 2.544 3.213 4.020 4.101 3.535 1 275 549 823 1097 1371 1645 1919 2193 2467 2741 3015 3289 3563 3837 4111 4385 4659 4933 5207 5481 5755 6029 6303 6577 6851 7125 7399 7673 7947 8221 8495 ΕΝΕΡΓΕΙΑ (MWΗ) Έτος 2020-Σενάριο 3,675 EVs Έξυπνη Φόρτιση 10 9 8 7 6 5 4 3 2 1 0 ΧΡΟΝΟΣ (Η) Εικόνα 21- Δηλώσεις Φορτίου του Aggregator για την έξυπνη φόρτιση στόλου 3,675 EVs στην DA αγορά. Απευθείας Φόρτιση 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ΧΡΟΝΟΣ (Η) Εικόνα 22- Δηλώσειs Φορτίου του Aggregator για την απευθείας φόρτιση στόλου 3,675 EVs στην DA αγορά. 55

0.750 0.286 0.084 0.019 0.004 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 ΕΝΕΡΓΕΙΑ (MWΗ) 1.926 1.660 3.111 4.324 5.005 6.803 6.893 8.186 8.253 1 245 489 733 977 1221 1465 1709 1953 2197 2441 2685 2929 3173 3417 3661 3905 4149 4393 4637 4881 5125 5369 5613 5857 6101 6345 6589 6833 7077 7321 7565 7809 8053 8297 8541 Έτος 2020- Σενάριο 7,455 EVs Έξυπνη Φόρτιση 20 18 16 ΕΝΕΡΓΕΙΑ (MWΗ) 14 12 10 8 6 4 2 0 ΧΡΟΝΟΣ (Η) Εικόνα 23- Δηλώσειs Φορτίου του Aggregator για την έξυπνη φόρτιση στόλου 7,455 EVs στην DA αγορά. Απευθείας Φόρτιση 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ΧΡΟΝΟΣ (Η) Εικόνα 24- Δηλώσειs Φορτίου του Aggregator για την απευθείας φόρτιση στόλου 7,455 EVs στην DA αγορά. 56

ΕΝΕΡΓΕΙΑ (MWΗ) 8.678 8.034 3.767 1.498 0.470 0.118 0.027 0.008 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 14.543 20.194 23.085 31.611 32.041 38.502 38.529 1 275 549 823 1097 1371 1645 1919 2193 2467 2741 3015 3289 3563 3837 4111 4385 4659 4933 5207 5481 5755 6029 6303 6577 6851 7125 7399 7673 7947 8221 8495 Έτος 2030- Σενάριο 34,774 EVs Έξυπνη Φόρτιση ΕΝΕΡΓΕΙΑ (MWΗ) 100 90 80 70 60 50 40 30 20 10 0 ΧΡΟΝΟΣ (Η) Εικόνα 25- Δηλώσειs Φορτίου του Aggregator για την έξυπνη φόρτιση στόλου 34,774 EVs στην DA αγορά. Απευθείας Φόρτιση 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ΧΡΟΝΟΣ (Η) Εικόνα 26- Δηλώσειs Φορτίου του Aggregator για την απευθείας φόρτιση στόλου 34,774 EVs στην DA αγορά. Παρατηρούμε, ότι το προφίλ των δηλώσεων φορτίου ανάμεσα στα διάφορα σενάρια, είναι παρόμοιο τόσο κατά την περίπτωση της απευθείας φόρτισης όσο και της έξυπνης φόρτισης. Αυτό είναι πολύ λογικό να συμβαίνει και εξηγείται από την βελτιστοποίηση του μοντέλου του aggregator 57

ως price-taker. Ανεξαρτήτως του μεγέθους του στόλου που διαχειρίζεται ο aggregator, η ωριαία τιμή της ενέργειας στο σύστημα θεωρούμε ότι παραμένει η αμετάβλητη, καθώς το συνολικό ηλεκτρικό φορτίο που εκπροσωπεί ο aggregator αποτελεί πολύ μικρό ποσοστό (σε όλα τα σενάρια διείσδυσης) συγκριτικά με το συνολικό ηλεκτρικό φορτίο του συστήματος της Κρήτης. Έτσι κατά την έξυπνη φόρτιση, σε όλα τα σενάρια ο aggregator θα ζητάει μεγάλες ποσότητες ενέργειας στις ώρες χαμηλής τιμής της ενέργειας, οι οποίες ώρες παραμένουν ίδιες και αμετάβλητες για όλα τα σενάρια, αλλά το ύψος της ποσότητας ενέργειας που ζητείται εξαρτάται από το μέγεθος του στόλου. Κατά την απευθείας φόρτιση, η οποία γίνεται ανεξάρτητα από την τιμή της ενέργειας, η ζητούμενη ενέργεια σχετίζεται με το ωράριο σύνδεσης του εκάστοτε οχήματος στην φόρτιση. Η ομοιότητα, λοιπόν στα προφίλ ζητούμενης ενέργειας, ανάμεσα στα διάφορα σενάρια, οφείλεται στην χρήση των ίδιων πιθανοτικών κατανομών στόλου για όλα τα σενάρια. Ενδεικτικά, για την τεκμηρίωση της λειτουργίας του διαχειριστή στόλου ως αποδέκτης τιμής, καταγράφεται στον παρακάτω πίνακα το ποσοστό του συνόλου της ηλεκτρικής ζήτησης της Κρήτης, που χρησιμοποιείται για την φόρτιση του στόλου: Πίνακας 8- Ποσοστό συνολικού Φορτίου που χρησιμοποιείται για την φόρτιση των EVs. Ποσοστό φορτίου ηλεκτρικών αυτοκινήτων στο συνολικό φορτίο της Κρήτης σενάριο 1,785EVs 0.145 % σενάριο 3,675EVs 0.299 % σενάριο 7,455EVs 0.601 % σενάριο 34,774EVs 2.748 % Επισημαίνεται, ότι η ετήσια ηλεκτρική κατανάλωση του συστήματος της Κρήτης χωρίς το φορτίο των ηλεκτρικών αυτοκινήτων καταγράφηκε κατά το έτος 2013 ως 2,775,951.38MWh. Γίνεται αντιληπτό, ότι κατά την περίπτωση της έξυπνης φόρτισης του στόλου εμφανίζονται αρκετά μεγαλύτερες ωριαίες αιχμές ζήτησης. Για παράδειγμα, στο σενάριο των 7,455 ηλεκτρικών αυτοκινήτων κατά την περίπτωση της έξυπνης φόρτισης η μέγιστη ετησίως ωριαία ζητούμενη 58

16 22 28 34 40 46 52 58 64 70 76 82 88 94 100 106 112 118 124 130 136 142 148 154 160 166 172 178 ΕΝΕΡΓΕΙΑ (MWΗ) ΤΙΜΗ ΕΝΕΡΓΕΙΑΣ ( /MWH) ενέργεια ανέρχεται στις 18,88 MWh, ενώ αντίστοιχα για την απευθείας φόρτιση μόνο στις 8,25 MWh. Αυτή η συμπεριφορά του aggregator στην αγορά ενέργειας αναδεικνύει και την βασική λογική του προγραμματισμού της έξυπνης φόρτισης. Στην προσπάθεια του να ελαχιστοποιήσει το ημερήσιο κόστος λειτουργίας του, ο aggregator ζητάει μεγάλα ποσά ενέργειας την ώρα με την χαμηλότερη τιμή ενέργειας. Βέβαια, προκειμένου να αξιοποιηθεί κατάλληλα αυτή η ώρα φθηνής ενέργειας θα πρέπει οι τεχνικοί περιορισμοί που πληρούνται από τον προγραμματισμό της φόρτισης, να επιτρέπουν στον aggregator να ζητήσει μεγάλες ποσότητες ενέργειας εκείνη την ώρα. Αν συμβεί αυτό, ο διαχειριστής ζητάει εώς και το 40% της συνολικής απαιτούμενης ημερήσιας ενέργειας μόνο σε μία ώρα, αυτή με την ελάχιστη ημερησίως τιμολόγηση. Στην συνέχεια, ακολουθεί ένα συγκεντρωτικό διάγραμμα με την λειτουργία του aggregator κατά τις πρώτες επτά ημέρες του χρόνου για το σενάριο των 3,675 EVs. Στο διάγραμμα αυτό παρουσιάζεται η συμπεριφορά του διαχειριστή του στόλου στη προ-ημερήσια αγορά ενέργειας, συναρτήσει της τιμής της ενέργειας και του ποσοστού του διασυνδεδεμένου στην φόρτιση στόλου, για τις δύο στρατηγικές φόρτισης. Συνδεδεμένος στην Φόρτιση Στόλος (MW) Δηλώσεις Φορτίου Απευθείας Φόρτισης (MWΗ) 12 10 8 Δηλώσεις Φορτίου Έξυπνης Φόρτισης (MWΗ) Τιμή Ενέργειας ( /MWH) 200 150 6 4 2 0 100 50 0 ΧΡΟΝΟΣ (Η) Εικόνα 27- Συγκεντρωτικό διάγραμμα τιμής ενέργειας και δηλώσεων φορτίου κατά τις 7 πρώτες ημέρες του έτους για το σενάριο των 3.675 EVs. Γίνεται ξεκάθαρο πλέον, ότι οι μεγάλες αιχμές ζήτησης ενέργειας στην περίπτωση της έξυπνης φόρτισης, λαμβάνουν χώρα κατά τις ώρες χαμηλών τιμών ενέργειας. Ο aggregator πραγματοποιεί πολύ μικρές ή ακόμα και μηδενικές δηλώσεις φορτίου για τις πρώτες ώρες της 59

16 22 28 34 40 46 52 58 64 70 76 82 88 94 100 106 112 118 124 130 136 142 148 154 160 166 172 178 νυχτερινής φόρτισης, καθώς τότε η ωριαία τιμή της ενέργειας είναι αυξημένη. Ο διαχειριστής της φόρτισης προτιμά, λοιπόν, να περιμένει τις ώρες φθηνής τιμολόγησης της ενέργειας για να ξεκινήσει πιο δυναμικά η διαδικασία της έξυπνης φόρτισης. Προκειμένου, να γίνει εφικτή αυτή η διαδικασία απαιτείται η δέσμευση όλων των οδηγών στο προσυμφωνημένο ωράριο φόρτισης. Από την άλλη μεριά, η απευθείας φόρτιση του στόλου έχει ως αποτέλεσμα η φόρτιση να ευνοεί τον προσωπικό προγραμματισμό του εκάστοτε οδηγού ξεχωριστά. Έτσι, με την επιστροφή στο σπίτι των οδηγών από τον χώρο εργασίας τα EVs συνδέονται στο δίκτυο για απευθείας φόρτιση, ικανοποιώντας την επιθυμία των οδηγών να έχουν τα EVs σε κατάσταση ετοιμότητας για χρήση. Αυτή η αδιαφορία των οδηγών για την τιμή της ενέργειας φόρτισης ή η αδυναμία τους να δεσμευτούν σε ένα πρόγραμμα φόρτισης, έχει ως συνέπεια η φόρτιση των EVs να γίνεται στις ώρες με αρκετά υψηλότερες τιμές ενέργειας και να αυξάνει κατά πολύ το κόστος φόρτισης του στόλου. Στο διάγραμμα που ακολουθεί, παρουσιάζεται η συμπεριφορά μεμονωμένα της έξυπνης φόρτισης του στόλου κατά τις πρώτες επτά ημέρες του έτους και το σενάριο των 3,675 EVs. Παρατηρείται εκ νέου, ότι ο αφόρτιστος στόλος δεν μειώνεται απευθείας με την σύνδεση του στόλου στην πρίζα, αλλά συναρτήσει του βέλτιστου προγραμματισμού της έξυπνης φόρτισης. 30 Δηλώσεις Φορτίου Έξυπνης Φόρτισης (MWΗ) Συνδεδεμένος στην Φόρτιση Στόλος (MW) Αφόρτιστος Στόλος (MW) 20 10 0 ΧΡΟΝΟΣ (Η) Εικόνα 28- Πραγματικό Δυναμικό απαιτούμενης ενέργειας στόλου. Τέλος, επισημαίνεται ότι ο χρονικός ορίζοντας των διαγραμμάτων αφορά τον προγραμματισμό της λειτουργίας του aggregator. 60

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361 ΚΟΣΤΟΣ ( ) 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361 ΚΟΣΤΟΣ ( ) 5.2 Ανάλυση του Ημερήσιου Κόστους Λειτουργίας του Aggregator Στην ενότητα αυτή θα αναλυθεί η συμπεριφορά του ημερήσιου κόστους της λειτουργίας του aggregator για την λειτουργία του κατά την έξυπνη και την απευθείας φόρτιση του στόλου, καθ όλη την διάρκεια ενός έτους. Τονίζεται, ότι το ημερήσιο κόστος λειτουργίας του aggregator προκύπτει και για τις δύο περιπτώσεις, ως το άθροισμα των γινομένων των ωριαίων δηλώσεων φορτίου του aggregator επί την αντίστοιχη ωριαία τιμή της ηλεκτρικής ενέργειας. Έτος 2020- Σενάριο 1,785 EVs 2000 Κόστος Λειτουργίας του Aggregator 1,785 EVs Κόστος Έξυπνης Φόρτισης Κόστος Απευθείας Φόρτισης 1500 1000 500 0 ΗΜΕΡΕΣ Εικόνα 29- Ημερήσιο κόστος λειτουργίας του Aggregator για το σενάριο των 1,785 EVs, κατά την έξυπνη και απευθείας φόρτιση. Έτος 2020- Σενάριο 3,675 EVs 4000 Κόστος Λειτουργίας του Aggregator 3,675 EVs Κόστος 'Εξυπνης Φόρτισης Κόστος Απευθείας Φόρτισης 3000 2000 1000 0 ΗΜΕΡΕΣ Εικόνα 30- Ημερήσιο κόστος λειτουργίας του Aggregator για το σενάριο των 3,675 EVs, κατά την έξυπνη και απευθείας φόρτιση. 61

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361 ΚΟΣΤΟΣ ( ) 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 Έτος 2020- Σενάριο 7,455 EVs Κόστος Λειτουργίας του Aggregator 7,455 EVs ΚΟΣΤΟΣ ( ) 8000 7000 6000 5000 4000 3000 2000 1000 0 Κόστος Έξυπνης Φόρτισης Κόστος Απευθείας Φόρτισης ΗΜΕΡΕΣ 361 Εικόνα 31- Ημερήσιο κόστος λειτουργίας του Aggregator για το σενάριο των 7,455 EVs, κατά την έξυπνη και απευθείας φόρτιση. Έτος 2030- Σενάριο 34,774 EVs Κόστος Λειτουργίας του Aggregator 34,773 EVs 35000 30000 25000 20000 15000 10000 5000 0 Κόστος Απευθείας Φόρτισης Κόστος Έξυπνης Φόρτισης ΗΜΕΡΕΣ Εικόνα 32- Ημερήσιο κόστος λειτουργίας του Aggregator για το σενάριο των 34,774 EVs, κατά την έξυπνη και απευθείας φόρτιση. Γίνεται σαφές, ότι σε κάθε ημέρα λειτουργίας ανεξαιρέτως, η έξυπνη φόρτιση συνεισφέρει σε μειωμένο κόστος λειτουργίας του διαχειριστή σε σχέση με την απευθείας φόρτιση. Παρατηρείται ότι υπάρχει σημαντική διακύμανση στο ημερήσιο κόστος της απευθείας φόρτισης του στόλου κατά την διάρκεια του έτους, γεγονός που δεν συμβαίνει κατά την έξυπνη φόρτιση. Συμπερασματικά, κατά την απευθείας φόρτιση το κόστος λειτουργίας του διαχειριστή του στόλου μεταβάλλεται, υπό την επήρεια των δεδομένων λειτουργίας του συστήματος, όπως το είδος των 62

1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 320 331 342 353 364 ΕΝΕΡΓΕΙΑ (MWΗ) ΚΟΣΤΟΣ ( ) μονάδων που είναι ενταγμένες και το μεταβλητό κόστος λειτουργίας κατά την στιγμή της φόρτισης. Από την άλλη μεριά, κατά την έξυπνη φόρτιση επιτυγχάνεται ένα ουσιαστικά σταθερό προφίλ κόστους φόρτισης, το επίπεδου του οποίου εξαρτάται από το μέγεθος του στόλου και το μίγμα των οικονομικότερων μονάδων του συστήματος. Πολύ μεγάλο ενδιαφέρον παρουσιάζει η σύγκριση του κόστους λειτουργίας του διαχειριστή του στόλου EVs κατά την στρατηγική της απευθείας φόρτισης, με το προφίλ ζήτησης ενέργειας στο ηλεκτρικό σύστημα της Κρήτης που παρουσιάζει επίσης εποχιακό χαρακτήρα. 10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 Κόστος Απευθείας Φόρτισης Καθαρό Φορτίο 10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 Εικόνα 33-Συγκριτικό διάγραμμα του ημερήσιου καθαρού ηλεκτρικού φορτίου του ΣΗΕ και του κόστους απευθείας φόρτισης του στόλου EVs. ΗΜΕΡΕΣ Το κόστος λειτουργίας του διαχειριστή του στόλου για την περίπτωση της απευθείας φόρτισης, είναι ξεκάθαρο πως ακολουθεί το προφίλ του ημερήσιου καθαρού φορτίου του ηλεκτρικού συστήματος της Κρήτης. Αυτό είναι πολύ λογικό να συμβαίνει, καθώς όσο αυξάνεται η συνολική ζήτηση, το σύστημα αδυνατεί να καλύψει το ζητούμενο φορτίο με τις οικονομικές μονάδες βάσης και αναγκάζεται να εντάξει στον ενεργειακό προγραμματισμό και πιο ακριβές μονάδες για να καλύψει την απαιτούμενη ζήτηση. Έτσι όσο μεγαλύτερο είναι το φορτίο σε ένα ΣΗΕ, ειδικά σε ένα μικρό αυτόνομο σύστημα όπως της Κρήτης, τόσο αυξάνεται και το κόστος λειτουργίας του. Κατά την περίπτωση της απευθείας φόρτισης του στόλου, η ζητούμενη ενέργεια φόρτισης συμπίπτει, όπως είδαμε, με τις ώρες ημερήσιας αιχμής ζήτησης ενέργειας του συστήματος. Σε εποχιακές περιόδους, όπως η άνοιξη και το φθινόπωρο, όπου το φορτίο δεν είναι ιδιαίτερα υψηλό στο σύστημα, η φόρτιση του στόλου στις ώρες αιχμής δεν είναι κατά πολύ ακριβότερη από την έξυπνη φόρτιση. Ωστόσο, κατά τους καλοκαιρινούς μήνες, όπου καταγράφεται έντονη τουριστική δραστηριότητα στο νησί, η τιμή της ενέργειας εκτοξεύεται κατά τις ώρες αιχμής, καθώς στην 63

1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 320 331 342 353 364 ΚΕΡΔΟΣ ( ) προσπάθεια του συστήματος να καλύψει το σύνολο του φορτίου, εντάσσονται οι πλέον ακριβές μονάδες. Επομένως, με την σύγκριση που προηγήθηκε προέκυψε ένα από τα σημαντικότερα πλεονεκτήματα του προγραμματισμού της φόρτισης του στόλου στο δίκτυο της Κρήτης. Με την πραγματοποίηση της φόρτισης των EVs στις ώρες φθηνότερης ενέργειας, όπως συμβαίνει κατά την στρατηγική της έξυπνης φόρτισης, επιτυγχάνεται η ανεξαρτητοποίηση του κόστους φόρτισης του στόλου από την μεταβολή του φορτίου του συστήματος. Παρατηρείται βέβαια, ότι κατά τους καλοκαιρινούς μήνες υπάρχει αύξηση του κόστους ακόμα και της έξυπνης φόρτισης του στόλου, ωστόσο είναι σε πολύ μικρότερο βαθμό από ότι συμβαίνει με την απευθείας φόρτιση. 5.3 Ανάλυση του Ημερήσιου Κέρδους από την Έξυπνη Φόρτιση του Στόλου Στην ενότητα αυτή, θα παρουσιαστούν τα διαγράμματα του ημερήσιου κέρδους που αποκομίζει ο διαχειριστής του στόλου από την έξυπνη φόρτιση του στόλου EVs σε σύγκριση με την απευθείας φόρτιση του στόλου EVs κατά την ετήσια λειτουργία του για τα διάφορα σενάρια διείσδυσης ηλεκτρικών αυτοκινήτων. Ουσιαστικά, πρόκειται για την εξοικονόμηση του κόστους που προκύπτει για τον aggregator κατά την ημερήσια λειτουργία του με έξυπνη φόρτιση του στόλου EVs σε σύγκριση με την αντίστοιχη λειτουργία με απευθείας φόρτιση. Έτος 2020- Σενάριο 1,785 EVs 600 Κέρδος Έξυπνης Φόρτισης 500 400 300 200 100 0 ΗΜΕΡΕΣ Εικόνα 34- Ημερήσιο Κέρδος από την έξυπνη φόρτιση κατά το έτος 2020 και για 1,785 EVs. 64

1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 320 331 342 353 364 ΚΕΡΔΟΣ ( ) 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 Έτος 2020- Σενάριο 3,675 EVs ΚΕΡΔΟΣ ( ) 1200 1000 800 600 400 200 0 Κέρδος Έξυπνης Φόρτισης ΗΜΕΡΕΣ 361 Εικόνα 35- Ημερήσιο Κέρδος από την έξυπνη φόρτιση κατά το έτος 2020 και για 3,675 EVs. Έτος 2020- Σενάριο 7,455 EVs 2500 Κέρδος Έξυπνης Φόρτισης 2000 1500 1000 500 0 ΗΜΕΡΕΣ Εικόνα 36- Ημερήσιο Κέρδος από την έξυπνη φόρτιση κατά το έτος 2020 και για 7,455EVs. Προκύπτει, ότι η έξυπνη φόρτιση του στόλου EVs συνοδεύεται από οικονομικά οφέλη για το διαχειριστή της στόλου, για κάθε μεμονωμένη ημέρα λειτουργίας του. Επίσης, το προφίλ του κέρδους παρουσιάζει και αυτό εποχιακές διακυμάνσεις που οφείλονται στην διακύμανση του κόστους της απευθείας φόρτισης. 65

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 Έτος 2030- Σενάριο 34,774 EVs 10000 Κέρδος Έξυπνης Φόρτισης 8000 ΚΕΡΔΟΣ ( ) 6000 4000 2000 0 ΗΜΕΡΕΣ 361 Εικόνα 37- Ημερήσιο Κέρδος από την έξυπνη φόρτιση κατά το έτος 2020 και για 34,774EVs Συμπεραίνεται, ότι καθώς και στις δύο περιπτώσεις φόρτισης ζητείται η ίδια ενέργεια ημερησίως ανά σενάριο, το χρηματικό ποσό που εξοικονομείται από την έξυπνη φόρτιση του στόλου EVs είναι καθαρό κέρδος, το οποίο προκύπτει με την κατάλληλη τοποθέτηση της φόρτισης στον χρόνο ημερησίως. 5.4 Σύγκριση του ημερήσιου κόστους λειτουργίας και του κέρδους από τον προγραμματισμό της φόρτισης ανάμεσα στα διάφορα σενάρια διείσδυσης Στο σημείο αυτό, θα παρουσιαστούν κάποια βασικά στοιχεία του κόστους λειτουργίας για κάθε ένα από τα σενάρια. Για να μπορέσει να υπάρξει μία εκτίμηση του κόστους λειτουργίας του διαχειριστή του στόλου σε κάθε σενάριο ακολουθεί καταγραφή σε πίνακες της μέγιστης, της ελάχιστης και της μέσης ημερήσιας τιμής του κόστους λειτουργίας (στην περίπτωση της έξυπνης και της απευθείας φόρτισης), καθώς και του ημερήσιου κέρδους από τον προγραμματισμό φόρτισης σε απόλυτη τιμή και ποσοστό, για όλα τα σενάρια που μελετούνται. Στον πίνακα που ακολουθεί καταγράφεται το μέγιστο, ελάχιστο και μέσο ημερήσιο κόστους φόρτισης του στόλου για όλα τα σενάρια διείσδυσης EVs, με έξυπνη φόρτιση. 66

ΚΟΣΤΟΣ ( ) Πίνακας 9- Στοιχεία Ημερήσιου Κόστους Λειτουργίας φόρτισης με έξυπνη φόρτιση. Κόστος Λειτουργίας ( )-Έξυπνη Φόρτιση Σενάριο 1,785 EVs Σενάριο 3,675 EVs Σενάριο 7,455 EVs Σενάριο 34,774 EVs Μέγιστη Τιμή 1,418.1 2,930.9 5,885.19 27,492.08 Ελάχιστη Τιμή 1,039.7 2,146.81 4,302.68 20,096.76 Μέση Τιμή 1,178.38 2,436.85 4,892.59 22,861.18 Στον πίνακα που ακολουθεί καταγράφεται το μέγιστο, ελάχιστο και μέσο ημερήσιο κόστους φόρτισης του στόλου για όλα τα σενάρια διείσδυσης EVs με απευθείας φόρτιση. Πίνακας 10- Στοιχεία Ημερήσιου κόστους Λειτουργίας με απευθείας φόρτιση. Κόστος Λειτουργίας ( )-Απευθείας Φόρτιση Σενάριο 1,785 EVs Σενάριο 3,675 EVs Σενάριο 7,455 EVs Σενάριο 34,774 EVs Μέγιστη Τιμή 1,713 3,541.62 7,122.59 33,275.08 Ελάχιστη Τιμή 1,196.6 2,474.35 4,974.09 23,247.65 Μέση Τιμή 1,442.9 2,981.27 5,995.14 28,007.32 Συγκεντρωτικά, τα βασικά στοιχεία του ημερήσιου κόστους κάθε σεναρίου καταγράφονται στο παρακάτω διάγραμμα: 40,000.00 Στοιχεία Ημερήσιου κόστους της Λειτουργίας του Aggregator 30,000.00 20,000.00 10,000.00 0.00 Σενάριο 1,785 Evs Σενάριο 3,675 Evs Σενάριο 7,455 Evs Σενάριο 34,774 Evs max_smart max_direct min_smart min_direct av_smart av_direct Εικόνα 38-Συγκεντρωτικό διάγραμμα των στοιχείων ημερήσιου κόστους των διάφορων σεναρίων. 67

Παρατηρείται εκ νέου το κατά πολύ αυξημένο κόστος λειτουργίας του aggregator χωρίς προγραμματισμό της φόρτισης. Για την ακρίβεια, ακόμα και το ελάχιστο ημερήσιο κόστος που εμφανίζεται καθ όλη την διάρκεια του έτους στην περίπτωση της απευθείας φόρτισης είναι μεγαλύτερο από το μέσο ημερήσιο κόστος φόρτισης του στόλου, με προγραμματισμό της φόρτισης. Αυτή η συμπεριφορά, παρατηρείται για όλα τα σενάρια διείσδυσης EVs. Επίσης, όπως είναι λογικό, όσο αυξάνεται το μέγεθος του στόλου αυξάνεται και το ημερήσιο κόστος φόρτισης καθώς απαιτούνται μεγαλύτερα ποσά ενέργειας. Στην συνέχεια, ακολουθεί παρουσίαση του μέγιστου, ελάχιστου και μέσου ημερήσιου κέρδους από την έξυπνη φόρτιση του στόλου για τα διάφορα σενάρια, τόσο σε απόλυτο αριθμό όσο και σε ποσοστό: Πίνακας 11-Στοιχεία Ημερήσιου Κέρδους Λειτουργίας για τα διάφορα σενάρια με έξυπνη φόρτιση Κέρδος απόλυτη τιμή ( ) Σενάριο 1,785 EVs Σενάριο 3,675 EVs Σενάριο 7,455 EVs Σενάριο 34,774 EVs Μέγιστη Τιμή 479.94 981.35 2,008.68 9,374.23 Ελάχιστη Τιμή 35.87 73.313 147.52 694.41 Μέση Τιμή 264.54 544.42 1,102.55 5,146.14 Πίνακας 12- Στοιχεία Ημερήσιου Ποσοστού Κέρδους Λειτουργίας για όλα τα σενάρια με απευθείας φόρτιση. Κέρδος-ποσοστό (%) Σενάριο 1,785 EVs Σενάριο 3,675 EVs Σενάριο 7,455 EVs Σενάριο 34,774 EVs Μέγιστη Τιμή 28.82 29.42 28.95 28.93 Ελάχιστη Τιμή 2.98 2.94 2.95 2.97 Μέση Τιμή 17.93 17.86 17.98 17.99 Το ημερήσιο ποσοστό κέρδους εκφράζει το ημερήσιο κέρδος του aggregator από την έξυπνη φόρτιση του στόλου (σε σύγκριση με την απευθείας φόρτιση) ως προς το ημερήσιο κόστος της απευθείας φόρτισης του στόλου. 68

ΚΕΡΔΟΣ ( ) % Γίνεται, ξεκάθαρο ότι όσο αυξάνεται το μέγεθος του στόλου, τόσο μεγαλύτερο είναι και το ημερήσιο κέρδος από τον προγραμματισμό της φόρτισης. Το ενδιαφέρον σημείο είναι ωστόσο, ότι το ποσοστό του κέρδους παραμένει σχεδόν σταθερό σε κάθε σενάριο. Άρα, με ίδια τιμολόγηση ενέργειας για όλα τα σενάρια, το επιπλέον κέρδος σε περίπτωση μεγαλύτερου στόλου προκύπτει χοντρικά από το γινόμενο του πλεονάσματος ενέργειας που ζητείται για την εξυπηρέτηση του επιπλέον φορτίου, επί την διαφορά της μέσης τιμής ενέργειας απευθείας φόρτισης με την αντίστοιχη τιμή έξυπνης φόρτισης, η οποία παραμένει σχεδόν σταθερή. Παρακάτω, παρατίθεται συγκεντρωτικό διάγραμμα των ημερήσιων στοιχείων κέρδους για κάθε ένα από τα εξεταζόμενα σενάρια, σε απόλυτο αριθμό και ποσοστό. Οι γραμμές αντιπροσωπεύουν το μέγιστο, το ελάχιστο και το μέσο ποσοστό του ημερήσιου κέρδους ανά σενάριο διείσδυσης, ενώ οι στήλες τις αντίστοιχες απόλυτες τιμές. 10000 8000 6000 4000 2000 0 Ημερήσιο Κέρδος από την Έξυπνη Φόρτιση Σενάριο 1,785 Evs Σενάριο 3,675 Evs Σενάριο 7,455 Evs Σενάριο 34,774 Evs max min average max(%) min(%) average(%) 40 30 20 10 0 Εικόνα 39- Συγκεντρωτικό Διάγραμμα Στοιχείων Ημερήσιου Κέρδους από την έξυπνη φόρτιση. 5.5 Σύγκριση του ετήσιου κόστους λειτουργίας ανάμεσα στα διάφορα σενάρια διείσδυσης Σ αυτό το σημείο, κρίνεται σκόπιμο για την ολοκλήρωση της ανάλυσης της λειτουργίας του διαχειριστή στόλου EVs να παρουσιαστούν και τα αθροιστικά ετήσια κόστη λειτουργίας της φόρτισης, κατά την περίπτωση της έξυπνης και της απευθείας φόρτισης, για τα εξεταζόμενα σενάρια. 69

ΚΕΡΔΟΣ ( ) Αρχικά, παρατίθεται διάγραμμα του συνολικού ετήσιου κόστους λειτουργίας του aggregator για τις δύο στρατηγικές φόρτισης του στόλου. ΕΤΗΣΙΟ ΚΟΣΤΟΣ ΛΕΙΤΟΥΡΓΙΑΣ Έξυπνη Φόρτιση Απευθείας Φόρτιση 8,344,332.48 10,219,486.13 ΚΟΣΤΟΣ ( ) 430,108.45 526,664.78 889,449.10 1,088,164.47 1,785,795.27 2,188,224.87 Σ ΕΝΑΡΙΟ 1, 7 8 5 EVS Σ ΕΝΑΡΙΟ 3, 6 7 5 EVS Σ ΕΝΑΡΙΟ 7, 4 5 5 EVS Σ Ε Ν Α Ρ Ι Ο 3 4, 7 7 4 EVS Εικόνα 40- Συγκεντρωτικό διάγραμμα συνολικού ετήσιου κόστους φόρτισης για τις διάφορες περιπτώσεις. Έχοντας ήδη μελετήσει την συμπεριφορά του ημερήσιου κόστος λειτουργίας του aggregator, το ετήσιο αθροιστικό κόστος προκύπτει με απόλυτα λογική συνέχεια για όλες τις περιπτώσεις και αναμένεται να προσφέρει αρκετά ικανοποιητικό ετήσιο κέρδος για τον προγραμματισμό φόρτισης. Πιο συγκεκριμένα, για όλα τα εξεταζόμενα σενάρια το κέρδος προκύπτει: 2,000,000.00 1,800,000.00 1,600,000.00 1,400,000.00 1,200,000.00 1,000,000.00 800,000.00 600,000.00 400,000.00 200,000.00 0.00 ΕΤΗΣΙΟ ΚΕΡΔΟΣ ΑΠΟ ΕΞΥΠΝΗ ΦΟΡΤΙΣΗ 96,556.33 ΣΕΝΑΡΙΟ 1, 7 8 5 EVS 198,715.37 ΣΕΝΑΡΙΟ 3, 6 7 5 EVS 402,429.61 ΣΕΝΑΡΙΟ 7, 4 5 5 E V S 1,875,153.65 ΣΕΝΑΡΙΟ 3 4, 7 7 4 EVS Εικόνα 41-Ετήσιο Κέρδος από την έξυπνη φόρτιση του στόλου για όλα τα εξεταζόμενα σενάρια. Η τιμολόγηση της ενέργειας φόρτισης από τον διαχειριστή του στόλου θεωρείται πως ξεφεύγει από τα πλαίσια της μελέτης. Ωστόσο, μόνο από τον προγραμματισμό της έξυπνης φόρτισης ο 70

εκπρόσωπος φορτίου του στόλου EVs στην αγορά της Κρήτης αποκομίζει ετησίως αρκετά ικανοποιητικά κέρδη, σε ποσοστά που αγγίζουν το 18.4 % για όλα τα σενάρια διείσδυσης. Βέβαια, για να μπορέσει να εξασφαλίσει την δέσμευση των οδηγών σε ένα συγκεκριμένο πρόγραμμα φόρτισης, ο aggregator θα πρέπει ενδεχομένως να παρέχει ένας μέρος του κέρδους αυτού, στην μείωση της τιμής της ενέργειας φόρτισης ή στην παροχή άλλων οικονομικών κινήτρων προς τους οδηγούς. 71

Μέρος ΙΙΙ Διερεύνηση της επίδρασης της ενσωμάτωσης σεναρίων στόλου EVs στο Ηλεκτρικό Σύστημα της Κρήτης 72

Κεφάλαιο 6 Ενσωμάτωση του στόλου ηλεκτρικών αυτοκινήτων στο Ηλεκτρικό Σύστημα της Κρήτης 6.1 Εισαγωγή Στο τρίτο μέρος της μελέτης, θα γίνει διερεύνηση της επίδρασης που θα επιφέρει η ενσωμάτωση των σεναρίων στόλου EVs στον ημερήσιο ενεργειακό προγραμματισμό του αυτόνομου ηλεκτρικού συστήματος της Κρήτης. Πιο συγκεκριμένα, ενσωματώνουμε τις δεδομένες ωριαίες δηλώσεις φορτίου του aggregator ανά στρατηγική φόρτισης για κάθε σενάριο διείσδυσης, όπως προέκυψαν στο δεύτερο μέρος της μελέτης, στο καθαρό φορτίο του συστήματος αναφοράς (μηδενικής ενσωμάτωσης EVs) και προσομοιώνουμε την ετήσια λειτουργία του συστήματος για κάθε νέο προφίλ ηλεκτρικού φορτίου. Η μοντελοποίηση γίνεται στο προγραμματιστικό περιβάλλον GAMS και ο σχετικός κώδικας προγραμματισμού ένταξης των θερμικών μονάδων και κατανομής του φορτίου που χρησιμοποιήθηκε μπορεί να αναζητηθεί στην δημοσίευση Optimal Self-Scheduling of a Thermal Producer in Short-Term Electricity Markets by MILP [22]. Η προσομοίωση είναι 24ώρη και εκτελείται διαδοχικά με ωριαίο χρονικό βήμα. Το πρόβλημα μοντελοποιήθηκε ως πρόβλημα Μικτού Ακέραιου Γραμμικού Προγραμματισμού (Mixed Integer Linear Programming) και επιλύθηκε με την βοήθεια του solver IBM CPLEX. Η εισαγωγή και η εξαγωγή δεδομένων έγινε με την βοήθεια του Microsoft Office Excel 2013. Τα στοιχεία των θερμικών μονάδων του συστήματος αναλύονται στο Κεφάλαιο 5 της μελέτης, ενώ τα δεδομένα του καθαρού φορτίου του συστήματος και του βαθμού διείσδυσης των ΑΠΕ αντιστοιχούν στο έτος 2013. 73

Τονίζεται εκ νέου, ότι το κεφάλαιο αυτό αποσκοπεί στην αξιολόγηση της επίδρασης της ενσωμάτωσης σεναρίων στόλου EVs στην λειτουργία του ΣΗΕ της Κρήτης. Στα πλαίσια της αξιολόγησης αυτής θα γίνει ανάλυση και σύγκριση μεταξύ των παρακάτω εξεταζόμενων συστημάτων ηλεκτρικής ενέργειας, τα οποία προκύπτουν ανάλογα με το μέγεθος διείσδυσης των EVs και την στρατηγική φόρτισης τους: Reference System Πρόκειται για το σύστημα αναφοράς του μη διασυνδεδεμένου ΣΗΕ της Κρήτης, όπου θεωρούμε ότι υπάρχει μηδενική ενσωμάτωση EVs. Τα δεδομένα που χρησιμοποιούνται για τις ανάγκες τις προσομοίωσης αποτελούν τα πραγματικά στοιχεία του συστήματος της Κρήτης τόσο των τεχνοοικονομικών στοιχείων των θερμικών μονάδων παραγωγής όσο και της ηλεκτρικής κατανάλωσης του έτους 2013. Smart Charging System Το ετήσιο καθαρό φορτίο του συστήματος ενός Smart Charging System προκύπτει από την ενσωμάτωση των ωριαίων δηλώσεων φορτίου που καταθέτει ο aggregator στην προ ημερήσια αγορά ενέργειας κατά την στρατηγική της έξυπνης φόρτισης των EVs στο ετήσιο καθαρό φορτίο του Reference System. Με την μελέτη της λειτουργίας αυτού του ΣΗΕ προσομοιώνεται η ετήσια λειτουργία του αυτόνομου συστήματος ηλεκτρικής ενέργειας της Κρήτης με την ενσωμάτωση ενός στόλου EVs, ο οποίος πραγματοποιεί ημερησίως έξυπνη φόρτιση. Τα δεδομένα που χρησιμοποιούνται για τις ανάγκες τις προσομοίωσης αποτελούν τα πραγματικά στοιχεία του συστήματος της Κρήτης τόσο των τεχνοοικονομικών στοιχείων των θερμικών μονάδων παραγωγής όσο και της ηλεκτρικής κατανάλωσης του έτους 2013. Direct Charging System Το ετήσιο καθαρό φορτίο του συστήματος ενός Direct Charging System προκύπτει από την ενσωμάτωση των ωριαίων δηλώσεων φορτίου που καταθέτει ο aggregator στην προ ημερήσια αγορά ενέργειας κατά την στρατηγική της απευθείας φόρτισης των EVs στο ετήσιο καθαρό φορτίο του Reference System. Με την μελέτη της λειτουργίας αυτού του ΣΗΕ προσομοιώνεται η ετήσιας λειτουργία του αυτόνομου συστήματος ηλεκτρικής ενέργειας της 74

Κρήτης με την ενσωμάτωση ενός στόλου EVs, ο οποίος πραγματοποιεί ημερησίως απευθείας φόρτιση. Τα δεδομένα που χρησιμοποιούνται για τις ανάγκες τις προσομοίωσης αποτελούν τα πραγματικά στοιχεία του συστήματος της Κρήτης τόσο των τεχνοοικονομικών στοιχείων των θερμικών μονάδων παραγωγής όσο και της ηλεκτρικής κατανάλωσης του έτους 2013. Ουσιαστικά, τα τεχνοοικονομικά δεδομένα του συστήματος παραμένουν σταθερά σε όλα τα εξεταζόμενα ΣΗΕ. Το μεταβαλλόμενο μέγεθος είναι το καθαρό φορτίο του συστήματος, με την μεταβολή αυτή να προκύπτει συναρτήσει της φόρτισης των EVs σε κάθε περίπτωση. 6.2 Καθαρό ηλεκτρικό φορτίο των εξεταζόμενων ΣΗΕ Στο σημείο αυτό, θα παρουσιάσουμε το νέο καθαρό ηλεκτρικό φορτίο που κληθούν να εξυπηρετήσουν οι θερμικές μονάδες του συστήματος, έπειτα από την ενσωμάτωση του στόλου των ηλεκτρικών αυτοκινήτων ανά στρατηγική φόρτισης. Στα παρακάτω διαγράμματα παρουσιάζεται το καθαρό φορτίο του συστήματος για τα Reference System, Smart Charging System και Direct Charging System, για κάθε σενάριο διείσδυσης EVs. Προκύπτουν δηλαδή οκτώ καινούργια σενάρια προφίλ ζήτησης ηλεκτρικής ενέργειας, τέσσερα για έξυπνη φόρτιση του στόλου και αντίστοιχα άλλα τόσα για την περίπτωση της απευθείας φόρτισης του στόλου. Έτος 2020- Σενάριο 1,785 EVs Εικόνα 42- Καθαρό φορτίο του συστήματος αναφοράς με μηδενική ενσωμάτωση στόλου EVs, με ενσωμάτωση στόλου έξυπνης φόρτισης και ενσωμάτωση στόλου απευθείας φόρτισης για το σενάριο των 1,785 EVs. 75

Έτος 2020- Σενάριο 3,675 EVs Εικόνα 43- Καθαρό φορτίο του συστήματος αναφοράς με μηδενική ενσωμάτωση στόλου EVs, με ενσωμάτωση στόλου έξυπνης φόρτισης και ενσωμάτωση στόλου απευθείας φόρτισης για το σενάριο των 3,675 EVs. Έτος 2020- Σενάριο 7,455 EVs Εικόνα 44- Καθαρό φορτίο του συστήματος αναφοράς με μηδενική ενσωμάτωση στόλου EVs, με ενσωμάτωση στόλου έξυπνης φόρτισης και ενσωμάτωση στόλου απευθείας φόρτισης για το σενάριο των 7,455 EVs. 76

Έτος 2030- Σενάριο 34,774 EVs Εικόνα 45- Καθαρό φορτίο του συστήματος αναφοράς με μηδενική ενσωμάτωση στόλου EVs, με ενσωμάτωση στόλου έξυπνης φόρτισης και ενσωμάτωση στόλου απευθείας φόρτισης για το σενάριο των 34,774 EVs. Όπως αναφέρθηκε και σε προηγούμενα κεφάλαια, λόγω της συμπεριφοράς των οδηγών EVs κατά την απευθείας φόρτιση του στόλου (επιθυμία για άμεση διαθεσιμότητα του φορτισμένου EV ή αδυναμία δέσμευσης στην έξυπνη φόρτιση), η απαιτούμενη ισχύς φόρτισης τοποθετείται στον ημερήσιο χρονικό ορίζοντα κατά κύριο λόγο στις ώρες μέγιστης ημερήσιας ενεργειακής ζήτησης. Παρατηρείται, λοιπόν ότι όσο μεγαλύτερη είναι η διείσδυση των ηλεκτρικών αυτοκινήτων στο ΣΗΕ τόσο αυξάνονται οι ημερήσιες αιχμές της ενεργειακής ζήτησης με τον κίνδυνο το σύστημα να φτάσει στα τεχνικά του όρια ή να λειτουργεί στις πλέον αντιοικονομικές συνθήκες. Από την άλλη πλευρά, με την κατάλληλη τοποθέτηση της απαιτούμενης ενέργειας φόρτισης του στόλου στον χρονικό ορίζοντα (με την βοήθεια της έξυπνης φόρτισης), επιτυγχάνεται τόσο το να διατηρηθούν οι ενεργειακές αιχμές στα επίπεδα του Reference System, όσο και να υπάρξει εξομάλυνση του αρχικού καθαρού φορτίου με αύξηση της ηλεκτρικής ζήτησης σε περιόδους εκτός αιχμής (valley filling). Βέβαια, για το νέο προφίλ ζήτησης που προκύπτει στα Smart Charging Systems, εμφανίζονται συγκεκριμένες περιπτώσεις όπου η φόρτιση δεν λαμβάνει χώρα στα σημεία της ημερήσιας ελάχιστης ζήτησης. Τονίζεται, ότι ο διαχειριστής του στόλου διενεργεί μόνο νυχτερινές φορτίσεις, όπου και αναμένεται να εμφανίζονται οι ελάχιστες τιμές της ημερήσιας ενεργειακής ζήτησης. Ωστόσο, στο αυτόνομο δίκτυο της Κρήτης λόγω της μεγάλης διείσδυσης Ανανεώσιμων Πηγών Ενέργειας, όπως φωτοβολταϊκών σταθμών, εμφανίζεται μεγάλη παραγωγή των Ανανεώσιμων 77

Πηγών κατά τις μεσημεριανές ώρες. Επομένως, στο ημερήσιο προφίλ του καθαρού φορτίου, ενδέχεται να εμφανιστούν δύο κοιλίες ημερησίως, κατά τις βραδινές και τις μεσημεριανές ώρες, οι οποίες όμως μεσημεριανές κοιλίες δεν μπορούν να εξομαλυνθούν από την φόρτιση των EVs. Ακόμα, ενδέχεται οι ώρες χαμηλής ενεργειακής ζήτησης να μην συμπίπτουν με τις ώρες τις χαμηλότερης ημερήσιας τιμολόγησης που απαιτούνται για την διενέργεια της έξυπνης φόρτισης. Στα επόμενα κεφάλαια θα αναλυθεί η ετήσια λειτουργία του αυτόνομου συστήματος της Κρήτης για την εξισορρόπηση της ωριαίας ζητούμενης ενέργειας, όπως αυτή διαμορφώνεται από τα παραπάνω προφίλ ζήτησης ηλεκτρικής ενέργειας για τα διάφορα σενάρια διείσδυσης EVs, με μέριμνα στην σύγκριση ανάμεσα στα συστήματα που περιλαμβάνουν απευθείας φόρτιση του στόλου με τα αντίστοιχα που περιλαμβάνουν έξυπνη φόρτιση του εκάστοτε στόλου (σύγκριση ανάμεσα σε Smart Charging Systems και Direct Charging Systems για κάθε σενάριο διείσδυσης EVs). 6.3 Αντικείμενη Συνάρτηση του Μαθηματικό Μοντέλο της Προσομοίωσης του Ημερήσιου Ενεργειακού Προγραμματισμού Στην ενότητα αυτή κρίνεται σκόπιμο να παρουσιαστεί η αντικείμενη συνάρτηση του μαθηματικού μοντέλου της προσομοίωσης του Ημερήσιου Ενεργειακού Προγραμματισμού του μη διασυνδεδεμένου ηλεκτρικού συστήματος της Κρήτης. Ο προγραμματισμός της ένταξης και της κατανομής των θερμικών μονάδων του ΣΗΕ είναι ένα πρόβλημα βελτιστοποίησης που αποσκοπεί στην ελαχιστοποίηση του κόστους λειτουργίας του συστήματος, λαμβάνοντας υπόψη τα τεχνοοικονομικά χαρακτηριστικά των θερμικών μονάδων, τις προβλέψεις εγχύσεως από τις μονάδες ΑΠΕ και την πρόβλεψη του ηλεκτρικού φορτίου. Τονίζεται, ότι στα πλαίσια της μελέτης αμελούμε την λειτουργία τους συστήματος μεταφοράς και διανομής της ηλεκτρικής ενέργειας. Στην συνέχεια παρουσιάζονται η αντικείμενη συνάρτηση του μοντέλου καθώς και τα σύνολα, οι παράμετροι, οι μεταβλητές που χρησιμοποιούνται: Σύνολα i, t, Συμβατικές θερμικές μονάδες του ΣΗΕ. Χρονικό βήμα του εντός του ορίζοντα προγραμματισμού. 78

f, Βήμα της συνάρτησης του οριακού κόστους της εκάστοτε μονάδας i. Παράμετροι CC i, f, Οριακό Κόστος λειτουργίας της μονάδας i για το βήμα f της συνάρτησης του οριακού κόστους, σε /MWh. 1 RC it,, Προσφορά της μονάδας i για παροχή πρωτεύουσας εφεδρείας την ώρα t σε /MW. 2 RC it,, Προσφορά της μονάδας i για παροχή δευτερεύουσας εφεδρείας την ώρα t, σε /MW. 3 RC it, SDC i, Προσφορά της μονάδας i για παροχή τριτεύουσας μη στρεφόμενης εφεδρείας, την ώρα t σε /MW., Κόστος σβέσης της θερμικής μονάδας i, σε. Συνεχείς Μεταβλητές b i, f, t 1 r it,, Μέρος του βήματος f της συνάρτησης οριακού κόστους της μονάδας i που έχει καλυφθεί κατά την ώρα t, σε MW., Συμμετοχή της θερμικής μονάδας i σε πρωτεύουσα εφεδρεία την ώρα t, σε MW. 2up r it, 2dn r it,, Συμμετοχή της θερμικής μονάδας i σε αύξηση της δευτερεύουσας εφεδρείας την ώρα t, σε MW., Συμμετοχή της θερμικής μονάδας i σε μείωση της δευτερεύουσας εφεδρείας την ώρα t, σε MW. 3 r it,, Συμμετοχή της θερμικής μονάδας i σε τριτεύουσα εφεδρεία την ώρα t, σε MW. 79

Δυαδικές Μεταβλητές z it,, Δυαδική μεταβλητή που αποκτά την τιμή ένα (1) κατά την ώρα t, εάν η θερμική μονάδα i τεθεί εκτός λειτουργίας την ώρα t. Αντικείμενη Συνάρτηση min i t i f CC b SDC z i, f i, f, t i i, t RC r RC r r RC r 1 1 2 2up 2dn 3 3 i, t i, t i, t i, t i, t i, t i, t Η αντικείμενη συνάρτηση για την ελαχιστοποίηση του κόστους λειτουργίας του ΣΗΕ λαμβάνει υπόψη: Το κόστος παραγωγής της ηλεκτρικής ενέργειας από κάθε συμβατική θερμική μονάδα του συστήματος. Το κόστος σβέσης των θερμικών μονάδων. Το κόστος συμμετοχής των θερμικών μονάδων σε πρωτεύουσα, δευτερεύουσα και τριτεύουσα- μη στρεφόμενη εφεδρεία. Η αντικείμενη συνάρτηση υπολογίζει το κόστος του θερμικού μόνο ΜΔΝ συστήματος της Κρήτης. Το συνολικό κόστος θα περιλαμβάνει και το κόστος λειτουργίας του ΑΠΕ, δηλαδή το κόστος αποζημίωσης των παραγωγών ΑΠΕ με βάση τις διοικητικά οριζόμενες τιμές. 6.2 Ανάλυση του ημερήσιου κόστους λειτουργίας του συστήματος Στο κεφάλαιο αυτό θα γίνει ανάλυση του ημερησίου κόστους λειτουργίας του συστήματος στον χρονικό ορίζοντα ενός έτους για τα διάφορα σενάρια διείσδυσης και τις δύο στρατηγικές φόρτισης του στόλου EVs. Όπως γίνεται αντιληπτό, με την διείσδυση του στόλου των EVs στο ΣΗΕ της 80

1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196 209 222 235 248 261 274 287 300 313 326 339 352 Κρήτης αυξάνεται το συνολικό ηλεκτρικό φορτίο του εν λόγω συστήματος, γι αυτό αναμένεται αύξηση του ημερησίου κόστους λειτουργίας του, ανεξάρτητα από την στρατηγική φόρτισης. Αρχικά, για να υπάρξει μια πρώτη εκτίμηση της λειτουργίας του συστήματος, παρουσιάζεται το ημερήσιο κόστος λειτουργίας του Reference System. 1,200,000.00 1,000,000.00 ΚΟΣΤΟΣ ( ) 800,000.00 600,000.00 400,000.00 200,000.00 0.00 ΗΜΕΡΕΣ 365 Εικόνα 46-Ημερήσιο Κόστος λειτουργίας του Reference System. Γίνεται αντιληπτή για μια ακόμα φορά, η εξάρτηση της λειτουργίας του συγκεκριμένου συστήματος από την εποχιακή διακύμανση του φορτίου, γεγονός που ενισχύεται επειδή μελετάμε ένα σχετικά μικρό και αυτόνομο ΣΗΕ. Δηλαδή, η αύξηση της ζητούμενης ενέργειας πάνω από ένα όριο δεν μπορεί να καλυφθεί πλέον από της οικονομικές μονάδες βάσης και υποχρεωτικά εντάσσονται οι ακριβές μονάδες αιχμής. Αυτό το όριο ζητούμενης ενέργειας υπερκαλύπτεται στην Κρήτη κατά την καλοκαιρινή κυρίως και την χειμερινή δευτερευόντως περίοδο. Στην συνέχεια, παρατίθενται για όλα τα εξεταζόμενα σενάρια συγκριτικά διαγράμματα που αφορούν το ημερήσιο κόστος λειτουργίας. Το ημερήσιο κόστος λειτουργίας των εξεταζόμενων ΣΗΕ προκύπτει από την αντικείμενη συνάρτηση του μαθηματικού μοντέλου προσομοίωσης. Σε κάθε σενάριο που ακολουθεί, το πρώτο συγκριτικό διάγραμμα παρουσιάζει την μεταβολή του ημερησίου κόστους λειτουργίας του Reference System, έπειτα από την ενσωμάτωση του στόλου EVs με έξυπνη και απευθείας φόρτιση αντίστοιχα. Στο δεύτερο διάγραμμα εκτίθεται το ημερήσιο κέρδος που αποκομίζει το σύστημα την έξυπνη φόρτιση του στόλου EVs, σε σύγκριση με την απευθείας φόρτισης του στόλου. Γίνεται δηλαδή σύγκριση μεταξύ του ημερήσιου κόστους λειτουργίας ανάμεσα σε Smart Charging System και Direct Charging System, χωρίς να ασχολούμαστε πλέον με το Reference System. 81

1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361 ΜΕΤΑΒΟΛΗ ΚΟΣΤΟΥΣ ( ) 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361 ΚΕΡΔΟΣ ( ) 1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 320 331 342 353 364 Έτος 2020- Σενάριο 1,785 EVs ΜΕΤΑΒΟΛΗ ΚΟΣΤΟΥΣ ( ) 6,000.00 5,000.00 4,000.00 3,000.00 2,000.00 1,000.00 0.00-1,000.00-2,000.00 Smart Charging System-Reference System Direct Charging System-Reference System HMEΡΕΣ Εικόνα 47- Σύγκριση της μεταβολής του ημερήσιου κόστους του Reference System με ενσωμάτωση στόλου με έξυπνη και απευθείας φόρτιση αντίστοιχα, σενάριο 1,785 EVs. 4,300.00 3,300.00 2,300.00 1,300.00 300.00-700.00-1,700.00-2,700.00 ΗΜΕΡΕΣ Εικόνα 48- Ημερήσιο κέρδος του Smart Charging System σε σύγκριση με Direct Charging System, σενάριο 1,785 EVs. Έτος 2020- Σενάριο 3,675 EVs 8,000.00 6,000.00 4,000.00 2,000.00 0.00-2,000.00-4,000.00 Smart Charging System-Reference System Direct Charging System-Reference System ΗΜΕΡΕΣ Εικόνα 49- Σύγκριση της μεταβολής του ημερήσιου κόστους του Reference System με ενσωμάτωση στόλου με έξυπνη και απευθείας φόρτιση αντίστοιχα, σενάριο 3,675 EVs. 82

1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 320 331 342 353 364 ΚΕΡΔΟΣ ( ) 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361 ΜΕΤΑΒΟΛΗ ΚΟΣΤΟΥΣ ( ) 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 ΚΕΡΔΟΣ ( ) 5,000.00 4,000.00 3,000.00 2,000.00 1,000.00 0.00-1,000.00-2,000.00-3,000.00 Εικόνα 50- Ημερήσιο κέρδος του του Smart Charging System σε σύγκριση με Direct Charging System, σενάριο 3,675 EVs. Έτος 2020- Σενάριο 7,455 EVs ΗΜΕΡΕΣ 361 10,000.00 Smart Charging System-Reference System Direct Charging System-Reference System 8,000.00 6,000.00 4,000.00 2,000.00 0.00 ΗΜΕΡΕΣ Εικόνα 51- Σύγκριση της μεταβολής του ημερήσιου κόστους του Reference System με ενσωμάτωση στόλου με έξυπνη και απευθείας φόρτιση αντίστοιχα, σενάριο 7,455 EVs. 8,000.00 6,000.00 4,000.00 2,000.00 0.00-2,000.00-4,000.00 ΗΜΕΡΕΣ Εικόνα 52- Ημερήσιο κέρδος του Smart Charging System σε σύγκριση με Direct Charging System, σενάριο 7,455 EVs. 83

Smart Charging System-Reference System 40000 35000 30000 25000 20000 15000 10000 5000 0 Direct Charging System-Reference System 1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 320 331 342 353 364 ΜΕΤΑΒΟΛΗ ΚΟΣΤΟΥΣ ( ) Έτος 2030- Σενάριο 34,774 EVs ΗΜΕΡΕΣ Εικόνα 53- Σύγκριση της μεταβολής του ημερήσιου κόστους του Reference System με ενσωμάτωση στόλου με έξυπνη και απευθείας φόρτιση αντίστοιχα, σενάριο 34,774 EVs. 25,000.00 20,000.00 KEΡΔΟΣ ( ) 15,000.00 10,000.00 5,000.00 0.00-5,000.00-10,000.00 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 277 289 301 313 325 337 349 361-15,000.00 ΗΜΕΡΕΣ Εικόνα 54- Ημερήσιο κέρδος του του Smart Charging System σε σύγκριση με Direct Charging System, σενάριο 34,774 EVs. Κατά τα δύο χαμηλότερα σενάρια διείσδυσης των 1,785 και 3,675 EVs εμφανίζεται μεγάλο ενδιαφέρον σε συγκεκριμένες ημέρες, κατά τις οποίες η έξυπνη φόρτιση του στόλου ευνοεί την λειτουργία του συστήματος και μειώνει το κόστος του Reference System. Ενώ δηλαδή με την ενσωμάτωση των EVs υπάρχει μεγαλύτερο φορτίο να εξυπηρετηθεί, το ημερήσιο κόστος του συστήματος μειώνεται στις ημέρες αυτές, κυρίως διότι το επιπλέον φορτίο των EVs συμβάλλει στο να διατηρηθούν ενταγμένες στο δίκτυο οικονομικές μονάδες, με την τοποθέτηση της φόρτισης των EVs σε χρονικές περιόδους που το φορτίο ήταν πολύ χαμηλό. Κατά συνέπεια οι ημέρες αυτές, όπου ο δείκτης Smart Charging System-Reference System (διαφορά του κόστους μεταξύ 84

των συστημάτων Smart Charging System και Reference System) γίνεται αρνητικός ή πέφτει σε χαμηλά επίπεδα, παρατηρούνται στις περιόδους εκτός αιχμής του προφίλ της ενεργειακής ζήτησης. Αντιθέτως, ο δείκτης Direct Charging System-Reference System (διαφορά του κόστους μεταξύ των συστημάτων Direct Charging System και Reference System) εμφανίζει τις μεγαλύτερες τιμές του σε περιόδους αιχμής της ζήτησης ηλεκτρικής ενέργειας. Η ισχύς φόρτισης του στόλου κατά την απευθείας φόρτιση, ενδέχεται να συμπέσει με τις ημερήσιες αιχμές ηλεκτρικής ζήτησης. Σε περιόδους ούτως ή άλλως αυξημένης ζήτησης αυτή η επιπλέον ενέργεια φόρτισης των EVs υποχρεώνει τον Ενεργειακό Προγραμματισμό να εντάξει στο δίκτυο ιδιαίτερα αντιοικονομικές μονάδες αιχμής, οι οποίες κατά τις νυχτερινές ώρες αποσυνδέονται. Γενικά με την έξυπνη φόρτιση του στόλου, το σύστημα της Κρήτης παρουσιάζει κέρδη στην λειτουργία του σε σχέση με την αντίστοιχη λειτουργία του με απευθείας φόρτισης του στόλου. Δηλαδή ένα Smart Charging System αποδεικνύεται οικονομικότερο από ένα αντίστοιχο Direct Charging System για όλα τα σενάρια διείσδυσης. Βέβαια, η έξυπνη φόρτιση του στόλου δεν ευνοεί συνήθως την λειτουργία του Reference System καθώς η προσθήκη ηλεκτρικού φορτίου στο ΣΗΕ, ακόμα με την μορφή της έξυπνης φόρτισης, αποδεικνύεται ότι αυξάνει το κόστος λειτουργίας του. Επομένως, τόσο ένα Smart Charging System όσο και ένα Direct Charging System παρουσιάζουν αυξητικές τάσεις στο κόστος λειτουργίας τους σε σχέση με το σύστημα αναφοράς μηδενικής ενσωμάτωσης EVs (Reference System), με εξαίρεση συγκεκριμένες ημέρες κατανομής (κατά τα χαμηλά σενάρια διείσδυσης), όπου η έξυπνη φόρτιση του στόλου σε περιόδους εκτός αιχμής συμβάλει στην διατήρηση εντός δικτύου των οικονομικών μονάδων του ΣΗΕ. Αξίζει να τονιστεί ακόμα, ότι αν και εμφανίζονται κέρδη για το ενεργειακό σύστημα από την έξυπνη φόρτιση του στόλου σε σύγκριση με την απευθείας φόρτιση, αυτά αποτελούν πολύ μικρό ποσοστό του ημερήσιου κόστους λειτουργίας του. 85

6.2.1 Ημέρες κατανομής όπου η ενσωμάτωση στόλου EVs με έξυπνη φόρτιση συνοδεύεται με ακριβότερη λειτουργία του συστήματος σε σύγκριση με την αντίστοιχη λειτουργία του κατά την ενσωμάτωση στόλου με απευθείας φόρτιση. Θα ήταν αναμενόμενο το σύστημα να αποκομίζει κέρδος από την έξυπνη φόρτιση των EVs σε σύγκριση με την απευθείας φόρτιση τους για κάθε μεμονωμένη ημέρα λειτουργίας του. Κάτι τέτοιο δεν συμβαίνει, καθώς σε κάθε σενάριο διείσδυσης παρατηρείται ένας μικρός αριθμός ημερών, όπου φαινομενικά η διαδικασία της έξυπνης φόρτισης του στόλου δυσχεραίνει από οικονομική σκοπιά την λειτουργία του συστήματος σε σχέση με την απευθείας φόρτιση του (Ημέρες κατανομής, όπου το Smart Charging System εμφανίζει μεγαλύτερο κόστος λειτουργίας σε σύγκριση με το Direct Charging System). Το φαινόμενο αυτό, αν και αρχικά φαίνεται να αποτελεί ανασταλτικό παράγοντα κατά της έξυπνης φόρτισης του στόλου, εξηγείται από την επιλογή του Aggregator να πραγματοποιεί μόνο νυχτερινές φορτίσεις. Ουσιαστικά για κάθε σενάριο διείσδυσης EVs, το μέγεθος του στόλου είναι ίδιο για τις δύο στρατηγικές φόρτισης και εφαρμόζονται οι ίδιες πιθανοτικές κατανομές. Συνεπώς, η ζητούμενη ενέργεια φόρτισης για την διεκπεραίωση μιας νυχτερινής φόρτισης παραμένει σταθερή για μια ημερησία λειτουργία του aggregator και ίση ανάμεσα σε έξυπνη και απευθείας φόρτιση, με διαφορετική τοποθέτηση ωστόσο της φόρτισης στον χρονικό ορίζοντα του προγραμματισμού για κάθε στρατηγική φόρτισης (ημερήσια λειτουργία του aggregator θεωρείται μία πλήρης φόρτιση του στόλου). Πρέπει να λάβουμε υπόψη όμως, ότι ο χρονικός ορίζοντας της νυχτερινής φόρτισης (16:00-11:00), είναι διαφορετικός από τον ορίζοντα του Ημερήσιου Ενεργειακού Προγραμματισμού, ο οποίος ταυτίζεται με την ημέρα κατανομή (00:00-00:00). Επομένως, αν και η ζητούμενη ενέργεια φόρτισης είναι ίση ανάμεσα σε έξυπνη και απευθείας φόρτιση στον χρονικό ορίζοντα της φόρτισης (16:00-11:00), κάτι τέτοιο δεν συμβαίνει και για τον χρονικό ορίζοντα της λειτουργίας του συστήματος (00:00-00:00). (βλ. Κεφάλαιο 4.1) Όπως φαίνεται από την εικόνα που ακολουθεί, κάθε ημέρα κατανομής δεν περιλαμβάνει μια πλήρη φόρτιση του στόλου, αλλά δύο τμήματα δύο διαφορετικών νυχτερινών φορτίσεων. Όσον αφορά την απευθείας φόρτιση, το προφίλ των δηλώσεων φορτίου που καταθέτει ο aggregator για την διεκπεραίωση μιας πλήρους απευθείας φόρτισης του στόλου (16:00-11:00) παραμένει σταθερό για κάθε ημέρα λειτουργίας του (ανά σενάριο διείσδυσης). Επομένως σύμφωνα με την εικόνα 55, το part 1 της απευθείας φόρτισης του night charging 1 θα ισοδυναμεί με το part 1 της απευθείας φόρτισης του night charging 2. Κατά συνέπεια, η ημερησίως 86

απαιτούμενη ενέργεια από τον aggregator για την απευθείας φόρτιση θα παραμένει σταθερή για κάθε ημέρα κατανομής του συστήματος και ανάλογη του μεγέθους του στόλου και των πιθανοτικών κατανομών που χρησιμοποιήθηκαν (Η απαιτούμενη ενέργεια μια πλήρους απευθείας φόρτισης του στόλου ισοδυναμεί με την απαιτούμενη ενέργεια από τον aggregator για μία ημέρα κατανομής). Από την άλλη μεριά για την έξυπνη φόρτιση των EVs, η ημερήσια απαιτούμενη ενέργεια από τον aggregator για την έξυπνη φόρτιση του στόλου θα μεταβάλλεται ανά ημέρα κατανομής, συναρτήσει του μεγέθους του στόλου, των πιθανοτικών κατανομών και της τιμολόγησης της ενέργειας. Η συνολική ενέργεια που απαιτείται για μια πλήρη έξυπνη φόρτιση του στόλου EVs είναι ίση ανάμεσα σε κάθε ημέρα λειτουργίας του aggregator (π.χ. ανάμεσα στις night charging 1 και night charging 2). Ωστόσο, στην περίπτωση της έξυπνης φόρτισης δεν υπάρχει σταθερή κατανομή της φόρτισης ανάμεσα στα part 1 και part 2 (σε αντίθεση με την απευθείας φόρτιση), καθώς οι δηλώσεις φορτίου του aggregator εξαρτώνται και από την τιμή της ενέργειας. (Η απαιτούμενη ενέργεια μια πλήρους έξυπνης φόρτισης του στόλου ενδέχεται να μην ισοδυναμεί με την απαιτούμενη ενέργεια από τον aggregator για μία ημέρα κατανομής). Εικόνα 55- Συμμετοχή Aggregator σε μία μεμονωμένη Day-Ahead αγορά Αντιλαμβανόμαστε ότι μπορεί να προκύψει μια ανομοιομορφία ανάμεσα στην ζητούμενη ενέργεια έξυπνης και απευθείας φόρτισης για κάποιες ημέρες κατανομής. Σε ημέρες κατανομής, όπου η ζητούμενη ενέργεια έξυπνης φόρτισης του στόλου είναι αρκετά μεγαλύτερη από την αντίστοιχη ζητούμενη ενέργεια απευθείας φόρτισης, το κόστος λειτουργίας του Smart Charging System ενδέχεται είναι μεγαλύτερο σε σύγκριση με το αντίστοιχο κόστος του Direct Charging System. 87

ΚΟΣΤΟΣ ( ) 226,336,570.00 226,748,300.00 226,897,090.00 227,170,990.00 227,468,040.00 227,984,060.00 228,606,360.00 234,720,840.00 237,041,620.00 Ωστόσο, σε βάθος χρόνου, γίνεται αντιληπτό, ότι η συμπεριφορά αυτή ευνοεί την μείωση του συνολικού κόστους λειτουργίας του συστήματος, καθώς κατά την στρατηγική της έξυπνης φόρτισης το μεγαλύτερο ποσοστό της φόρτισης λαμβάνει χώρα σε συνθήκες χαμηλής τιμολόγησης και συνεπώς ενδέχεται να ευνοήσει με μείωση των συνολικών σβέσεων μονάδων του συστήματος και διατήρηση του οριακού του κόστους σε χαμηλά επίπεδα. Συμπληρωματικά, σε ημέρες με αυξημένη τιμολόγηση ο διαχειριστής του στόλου προσπαθεί να μειώσει την ζητούμενη ενέργεια φόρτισης τοποθετώντας μέρος της φόρτισης στην προηγούμενη ή την επόμενη ημέρα λειτουργίας, εάν αυτό μπορεί να λειτουργήσει προς όφελος του. 6.3 Ανάλυση του ετήσιου κόστους λειτουργίας του συστήματος Στο κεφάλαιο αυτό θα αναλύσουμε το αθροιστικό ετήσιο κόστος λειτουργίας του συστήματος για τις δύο στρατηγικές φόρτισης του στόλου σε κάθε σενάριο διείσδυσης. Στην συνέχεια, παρουσιάζεται για κάθε σενάριο το ετήσιο κέρδος που προκύπτει από την λειτουργία του συστήματος με ενσωμάτωση στόλου με έξυπνη φόρτιση σε σύγκριση (Smart Charging System) πάντα με την περίπτωση της ενσωμάτωσης στόλου με απευθείας φόρτιση (Direct Charging System). Το ετήσιο κόστος λειτουργίας του ΣΗΕ αποτελεί το άθροισμα του ημερήσιου κόστους λειτουργίας του συστήματος, όπως αυτό προκύπτει από την αντικείμενη συνάρτηση του μαθηματικό μοντέλου προσομοίωσης. ΕΤΗΣΙΟ ΚΟΣΤΟΣ ΛΕΙΤΟΥΡΓΙΑΣ ΣΗΕ Smart Charging System Direct Charging System W IT H O UT E V ΣΕΝΑΡΙΟ 1, 7 8 5 EVS ΣΕΝΑΡΙΟ 3, 6 7 5 EVS ΣΕΝΑΡΙΟ 7, 4 5 5 EVS ΣΕΝΑΡΙΟ 3 4, 7 7 4 EVS Εικόνα 56- Ετήσιο Κόστος Λειτουργίας του συστήματος για κάθε σενάριο ενσωμάτωσης και προφίλ φόρτισης. 88

ΚΕΡΔΟΣ ( ) Με την έξυπνη φόρτιση του στόλου EVs επιτυγχάνεται η μείωση του κόστους λειτουργίας του ΣΗΕ για όλα τα σενάρια ενσωμάτωσης ηλεκτρικών αυτοκινήτων, σε σύγκριση με το αντίστοιχο κόστος του συστήματος με ενσωμάτωση στόλου απευθείας φόρτισης. Όσο μεγαλύτερη είναι η ενσωμάτωση τόσο εντονότερη παρουσιάζεται η μείωση του αντίστοιχου κόστους λειτουργίας. Πιο συγκεκριμένα το ετήσιο κέρδος που προκύπτει για κάθε περίπτωση δίνεται στο παρακάτω διάγραμμα. 2,500,000.00 2,320,780.00 2,000,000.00 1,500,000.00 1,000,000.00 500,000.00 0.00 622,300.00 148,790.00 297,050.00 Σενάριο 1,785 Evs Σενάριο 3,675 Evs Σενάριο 7,455 Evs Σενάριο 34,774 Evs Εικόνα 57- Ετήσιο Κέρδος που προκύπτει για το ΣΗΕ από την έξυπνη φόρτιση του στόλου EVs σε σύγκριση με την λειτουργία του ΣΗΕ με την απευθείας φόρτιση των EVs, για κάθε σενάριο διείσδυσης. Τονίζεται ότι το κέρδος αυτό, προκύπτει από την κατάλληλη τοποθέτηση της φόρτισης του στόλου στον χρονικό ορίζοντα. Πρόκειται, δηλαδή για καθαρό κέρδος του συστήματος καθώς ουσιαστικά, καλύπτει το ίδιο ηλεκτρικό φορτίο αλλά με την κατάλληλη τοποθέτηση του ελαττώνονται οι σβέσεις μονάδων και δεν αυξάνεται το οριακό κόστος του συστήματος κατά τις ώρες αιχμής. Ωστόσο, το ετήσιο αυτό κέρδος αποτελεί ένα πολύ μικρό ποσοστό του ετήσιου κόστους λειτουργίας του συστήματος ενέργειας. Πιο συγκεκριμένα για κάθε σενάριο ισχύει: Πίνακας 13-Απόλυτο και Ποσοστιαίο Ετήσιο Κέρδος. Σενάρια Απόλυτο Κέρδος ( ) Ποσοστό Κέρδους(%) Σενάριο 1,785 EVs 148,790.00 0.066 Σενάριο 3,675EVs 297,050.00 0.13 Σενάριο 3,675 EVs 622,300.00 0.27 Σενάριο 34,774 EVs 2,320,780.00 0.98 89

ΟΡΙΑΚΟ ΚΟΣΤΟΣ ( /MWH) 1 259 517 775 1033 1291 1549 1807 2065 2323 2581 2839 3097 3355 3613 3871 4129 4387 4645 4903 5161 5419 5677 5935 6193 6451 6709 6967 7225 7483 7741 7999 8257 8515 ΟΡΙΑΚΟ ΚΟΣΤΟΣ ( /MWH) 1 267 533 799 1065 1331 1597 1863 2129 2395 2661 2927 3193 3459 3725 3991 4257 4523 4789 5055 5321 5587 5853 6119 6385 6651 6917 7183 7449 7715 7981 8247 8513 6.4 Ανάλυση του οριακού κόστους λειτουργίας του συστήματος Προκειμένου να γίνει αντιληπτή η επίδραση της ενσωμάτωσης του στόλου στην λειτουργία του ηλεκτρικού συστήματος της Κρήτης, είναι ιδιαίτερα σημαντικό να μελετήσουμε την συμπεριφορά του ωριαίου οριακού κόστους που προκύπτει στο σύστημα από τις δύο επίμαχες στρατηγικές φόρτισης του στόλου. Στην συνέχεια, παρατίθενται συγκεντρωτικά διαγράμματα από το ετήσιο οριακό κόστος του συστήματος για Smart Charging Systems και Direct Charging Systems ξεχωριστά, με σκοπό την διερεύνηση πλεονεκτημάτων από την έξυπνη φόρτιση του στόλου στο κόστος λειτουργίας του συστήματος. Έτος 2020- Σενάρια 1,785-3,675-7,455 EVs 200 Smart Charging Systems MC_smart1785 MC_Smart3675 MC_smart 7455 MC Reference System 150 100 50 0 ΧΡΟΝΟΣ (Η) Εικόνα 58-Οριακό Κόστος του συστήματος για το έτος 2020 με την ενσωμάτωση στόλου έξυπνης φόρτισης. 250 Direct Charging Systems MC_direct 1785 MC direct 3675 MC_direct 7455 MC Reference System 200 150 100 50 0 ΧΡΟΝΟΣ (Η) Εικόνα 59- Οριακό Κόστος του συστήματος για το έτος 2020 με την ενσωμάτωση στόλου απευθείας φόρτισης. 90

1 267 533 799 1065 1331 1597 1863 2129 2395 2661 2927 3193 3459 3725 3991 4257 4523 4789 5055 5321 5587 5853 6119 6385 6651 6917 7183 7449 7715 7981 8247 8513 ΟΡΙΑΚΟ ΚΟΣΤΟΣ ( /MWH) 1 275 549 823 1097 1371 1645 1919 2193 2467 2741 3015 3289 3563 3837 4111 4385 4659 4933 5207 5481 5755 6029 6303 6577 6851 7125 7399 7673 7947 8221 8495 ΟΡΙΑΚΟ ΚΟΣΤΟΣ ( /MWH) Επιλέχθηκε το οριακό κόστος του συστήματος για το σενάριο διείσδυσης των 34,774 EVs να παρουσιαστεί αυτόνομα, καθώς λόγω του μεγαλύτερου αριθμού οχημάτων εμφανίζονται εντονότερα τα αποτελέσματα της ενσωμάτωσης για τις δύο στρατηγικές φόρτισης. Έτος 2030- Σενάριο 34,774 EVs Smart Charging System MC Smart 34,774 MC Reference System 200 150 100 50 0 ΧΡΟΝΟΣ (Η) Εικόνα 60- Οριακό Κόστος του συστήματος για το έτος 2030 με την ενσωμάτωση στόλου έξυπνης φόρτισης. 250 Direct Charging System MC Direct 34,774 MC Reference System 200 150 100 50 0 ΧΡΟΝΟΣ (Η) Εικόνα 61- Οριακό Κόστος του συστήματος για το έτος 2030 με την ενσωμάτωση στόλου απευθείας φόρτισης. Διαπιστώνουμε από τα παραπάνω διαγράμματα, ότι η έξυπνη φόρτιση του στόλου ευνοεί οικονομικά την λειτουργία του συστήματος (Smart Charging System), αποτρέποντας την 91

εμφάνιση θετικών αιχμών στο οριακό κόστος του. Αυτό δεν σημαίνει, ότι το οριακό κόστος του συστήματος θα παραμείνει ανέπαφο στα επίπεδα του συστήματος αναφοράς(reference System). Ουσιαστικά κατά την έξυπνη φόρτιση, το οριακό κόστος του συστήματος ενδέχεται να παρουσιάσει αυξητικές τάσεις κατά τις ώρες φόρτισης του στόλου, ανάλογα με την κατανομή και την ένταξη των θερμικών μονάδων που θα προκύψει από τον Ημερήσιο Ενεργειακό Προγραμματισμό (ΗΕΠ). Η έξυπνη φόρτιση λαμβάνει χώρα όμως στις ώρες χαμηλής τιμής της ηλεκτρικής ενέργειας και κατά συνέπεια χαμηλού οριακού κόστους για το σύστημα. Επομένως, το προφίλ του οριακού κόστους εμφανίζει την τάση για αύξηση των χαμηλότερων τιμών του, ενώ παράλληλα μεταβάλει σε μικρό βαθμό ή ακόμα και καθόλου τις μεγαλύτερες τιμές του, με βάση το πρόγραμμα που θα προκύψει ημερησίως από τον ΗΕΠ. Αντιθέτως, κατά την ενσωμάτωση στόλου με απευθείας φόρτιση το σύστημα (Direct Charging System) τείνει να αυξήσει τις μέγιστες τιμές του οριακού του κόστους ακόμα και στα χαμηλότερα σενάρια διείσδυσης, γεγονός που οφείλεται στην αύξηση των ενεργειακών αιχμών ζήτησης. Αντίστοιχα, παρουσιάζεται μικρή μεταβολή του οριακού κόστους στις χαμηλότερες τιμές του και πάντα ανάλογα με την προγραμματισμό του ΗΕΠ, ο οποίος σέβεται τους περιορισμούς του συστήματος. Ξεχωρίζει ακόμα ο εποχιακός χαρακτήρας της επίδρασης της απευθείας φόρτισης του στόλου στον προσδιορισμό του οριακού κόστους. Ιδιαίτερα κατά την θερινή περίοδο όπου το προφίλ της ζήτησης ηλεκτρικής ενέργειας παρουσιάζει τις μέγιστες τιμές του, η προσθήκη επιπλέον ηλεκτρικού φορτίου για την φόρτιση του στόλου κατά τις ώρες αιχμής υποχρεώνει τον Ενεργειακό Προγραμματισμό να εντάξει στο δίκτυο μονάδες γρήγορης εκκίνησης, αλλά αυξημένου κόστους λειτουργίας. Στο συγκεκριμένο αυτόνομο δίκτυο, οι ακριβότερες μονάδες είναι οι αεροστροβιλικές (AS) και χρησιμοποιούνται κυρίως ως μονάδες αιχμής. Παραγωγή των Αεροστροβιλικών Μονάδων κατά τους θερινούς μήνες για το σενάριο των 34,774 EVs Κατά το σενάριο διείσδυσης των 34,774 EVs στο σύστημα παρατηρούνται οι μεγαλύτερες αιχμές στο οριακό κόστος, για την περίπτωση της απευθείας φόρτισης του στόλου. Οι αιχμές αυτές οφείλονται στην ένταξη ακριβότερων μονάδων από τον ΗΕΠ για την εξυπηρέτηση του ηλεκτρικού φορτίου του συστήματος σε σχέση με την περίπτωση της έξυπνης φόρτισης. Στην συνέχεια παρουσιάζεται ένα διάγραμμα με την ημερήσια παραγωγή των αεροστροβιλικών μονάδων για το 92

σενάριο αυτό, κατά την επίμαχη περίοδο των θερινών μηνών για το σύστημα αναφοράς, το Smart Charging System και το Direct charging System με ενσωμάτωση 34,774 EVs. 700 600 ΠΑΡΑΓΩΓΗ AS (MWH) 500 400 300 200 100 0 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 ΗΜΕΡΕΣ AS_DIRECT CHARGING SYSTEM AS_SMART CHARGING SYSTEM AS_REFERENCE SYSTEM Εικόνα 62- Παραγωγή Αεροστροβιλικών μονάδων κατά την θερινή περίοδο για το σενάριο 34,774 EVs. Είναι εμφανές, ότι η απευθείας φόρτιση του στόλου EVs συμβάλει στην αύξηση της κατανομής στις ακριβές αεροστροβιλικές μονάδες για την κάλυψη φορτίων αιχμής. Παρατηρούμε, ότι κατά την θερινή περίοδο η παραγωγή αυτής της κατηγορίας μονάδων είναι αυξημένη ακόμα και για το σενάριο μηδενικής ενσωμάτωσης(reference System). Η συμπεριφορά όμως του aggregator κατά την στρατηγική της απευθείας φόρτισης οδηγεί το σύστημα σε μεγαλύτερες αιχμές ζήτησης, οι οποίες για να καλύπτονται με την ένταξη στο δίκτυο των πλέων αντιοικονομικών μονάδων AS. Με αυτόν τον τρόπο αιτιολογούνται οι αιχμές στο οριακό κόστος του Direct Charging System για το σενάριο των 34,774 EVs. 6.5 Αριθμός Σβέσεων των θερμικών μονάδων του συστήματος Στην ενότητα που ακολουθεί θα παρουσιαστούν τα δεδομένα των ετήσιων σβέσεων των θερμικών μονάδων του συστήματος ανά τεχνολογία μονάδας παραγωγής και συνολικά, για τα προφίλ φόρτισης του στόλου των ηλεκτρικών αυτοκινήτων. Ακολουθούν δύο πίνακες, όπου αρχικά δίνονται τα δεδομένα σβέσεων του συστήματος για Smart Charging Systems και στην συνέχεια τα αντίστοιχα στοιχεία για Direct Charging Systems. 93

Πίνακας 14- Αριθμός ετήσιων σβέσεων ανά κατηγορία θερμικών μονάδων παραγωγής για Smart Charging Systems. Σενάρια ATM AS D CCGT Reference System 1240 472 1745 0 Smart Charging System 1785EVs 1233 468 1731 0 Smart Charging System 3675EVs 1248 464 1698 0 Smart Charging System 7455EVs 1243 463 1648 0 Smart Charging System 34774EVs 1272 470 1560 0 Πίνακας 15- Αριθμός ετήσιων σβέσεων ανά κατηγορία θερμικών μονάδων παραγωγής για Smart Charging Systems. Σενάρια ATM AS D CCGT Reference System 1240 472 1745 0 Direct Charging System 1785EVs 1240 480 1736 0 Direct Charging System 1785EVs 1253 483 1723 0 Direct Charging System 1785EVs 1280 505 1711 0 Direct Charging System 1785EVs 1471 664 1704 0 Όπου, ATM : ατμοηλεκτρικές μονάδες AS: αεροστροβιλικές μονάδες D: μονάδες εσωτερικής καύσης CCGT: μονάδες συνδυασμένου κύκλου. Παρατηρείται, ότι για όλα τα πιθανά σενάρια οι μονάδες εσωτερικής καύσης είναι αυτές που παρουσιάζουν τις περισσότερες σβέσεις, γεγονός που οφείλεται στο ότι κατέχουν σημαντικό μέρος του ενεργειακού μίγματος του συστήματος, ενώ παράλληλα παρέχουν την δυνατότητα γρήγορης και οικονομικής ένταξης και σβέσης (οι μονάδες εσωτερικής καύσης παρέχουν οικονομικές προσφορές ενέργειας στο σύστημα, αλλά όχι οικονομικότερες από τις ατμοηλεκτρικές μονάδες). Στην συνέχεια, εμφανίζονται οι ατμοηλεκτρικές μονάδες, οι οποίες παρέχουν τις οικονομικότερες προσφορές ενέργειας στο δίκτυο, αλλά έχουν μεγάλα κόστη σβέσεως και γι αυτό αποφεύγεται η αποσύνδεση τους. Στην τελευταία θέση βρίσκονται οι αεροστροβιλικές μονάδες, 94

οι οποίες παρέχουν ιδιαίτερα ακριβό κόστος ενέργειας στο δίκτυο και επομένως αποφεύγεται η ένταξη τους και κατά συνέπεια αποτελούν την τεχνολογία μονάδων με τον μικρότερο αριθμό σβέσεων (οι αεροστροβιλικές μονάδες είναι ευέλικτες και έχουν ιδιαίτερα χαμηλά κόστη σβέσεως). Δεν έγινε ακόμα λόγος για την μονάδα συνδυασμένου κύκλου των Χανίων, διότι δεσμεύεται να βρίσκεται μονίμως εντός λειτουργίας του συστήματος, καθώς αποτελεί την μοναδική μονάδα που παρέχει δευτερεύουσα εφεδρεία στο σύστημα. Διαπιστώνεται ακόμα, ότι για όλα τα σενάρια διείσδυσης EVs ο αριθμός των ανά τεχνολογία μονάδας σβέσεων είναι μικρότερος σε ένα Smart Charging System σε σχέση με το αντίστοιχο Direct Charging System. Ουσιαστικά, τα Smart Charging Systems δείχνουν την τάση να κρατήσουν σταθερό τον αριθμό σβέσεων στις ατμοηλεκτρικές και τις αεροστροβιλικές μονάδες, ενώ μειώνουν αισθητά τον αριθμό σβέσεων των μονάδων εσωτερικής καύσης. Η συμπεριφορά αυτή δείχνει τα πλεονεκτήματα του προγραμματισμού της φόρτισης του στόλου, που προκύπτουν από την εξομάλυνση του νυχτερινού φορτίου του συστήματος. Από την άλλη μεριά τα Direct Charging Systems παρουσιάζουν εμφανή αύξηση του αριθμού των σβέσεων κυρίως στις ατμοηλεκτρικές και τις αεροστροβιλικές μονάδες παραγωγής. Γίνεται έτσι αντιληπτή, η εντονότερη ένταξη των ακριβών αεροστροβιλικών μονάδων στο δίκτυο για την εξισορρόπηση του επιπλέον ηλεκτρικού φορτίου. Παράλληλα, οι σβέσεις των ατμοηλεκτρικών μονάδων αποκαλύπτει την εντονότερη διακύμανση που προκύπτει στο προφίλ της ενεργειακής ζήτησης ενός Direct Charging System, όπου δεν υπάρχει δηλαδή κανένας προγραμματισμός στην φόρτιση του στόλου των ηλεκτρικών αυτοκινήτων. Στην συνέχεια ακολουθεί ένα διάγραμμα με τον αθροιστικό ετήσιο αριθμό σβέσεων του συστήματος για όλα τα εξεταζόμενα σενάρια. 4000 3800 Συνολικό Άθροισμα Σβέσεων 3839 3600 3400 3200 3457 3457 34323456 3410 3459 3496 3354 3302 3000 Reference System case 1785 case 3675 case 7455 case 34774 Smart Charging Systems Direct Charging Systems Εικόνα 63- Άθροισμα Ετήσιων Σβέσεων των εξεταζόμενων ΣΗΕ. 95

ΠΟΣΟΣΤΟ ΠΑΡΑΓΩΓΗΣ (%) Κλείνοντας την ενότητα τονίζεται, ότι το κόστος σβέσης των μονάδων εισάγεται στην αντικείμενη συνάρτηση του Ημερήσιου Ενεργειακού Προγραμματισμού, όπως η λειτουργία του μοντελοποιείται στην GAMS και επομένως επηρεάζει την στρατηγική κατάστρωσης του προγράμματος ένταξης και κατανομής μονάδων. Ο αριθμός των σβέσεων είναι άμεσα συνυφασμένος με τον αριθμό ένταξης των μονάδων και επομένως παρουσιάζεται μόνο η μία από τις δύο λειτουργικές καταστάσεις. 6.6 Σύνθεση παραγωγής ανά τεχνολογία των μονάδων του συστήματος Στην ενότητα αυτή θα γίνει διερεύνηση της μεταβολής στην σύνθεση της ετήσιας παραγωγής ηλεκτρικής ενέργειας ανά τεχνολογία μονάδων παραγωγής από την ενσωμάτωση του στόλου των ηλεκτρικών αυτοκινήτων. Στα παρακάτω διαγράμματα, παρουσιάζεται το ποσοστό της ετήσιας παραγωγής που αντιστοιχεί σε κάθε τεχνολογία μονάδων παραγωγής για τα Smart Charging Systems και τα Direct Charging Systems ξεχωριστά. ΚΑΤΑΝΟΜΗ ΠΑΡΑΓΩΓΗΣ ME ΕΞΥΠΝΗ ΦΟΡΤΙΣΗ ΣΤΟΛΟΥ ATM AS D CCGT 28.23 28.33 28.296 28.1467 27.30 39.49 39.7 39.91 39.864 40.14 1.375 1.251 1.1484 1.235 1.28 30.9 30.714 30.639 30.7542 31.28 R EFERENCE S Y S T EM S M A R T 1 7 8 5 S M A R T 3 6 7 5 S M A R T 7 4 5 5 S M A R T 3 4 7 7 4 Εικόνα 64- Ετήσια σύνθεση παραγωγής των Smart Charging Systems. Παρατηρείται, ότι το Smart Charging Systems με την σταδιακή αύξηση του στόλου που ενσωματώνεται, τείνει να αυξήσει την παραγωγή των μονάδων εσωτερικής καύσης με παράλληλη μείωση της παραγωγής των αεροστροβιλικών μονάδων, γεγονός που ευνοεί την οικονομικότερη λειτουργία του. Οι ατμοηλεκτρικές μονάδες και η μονάδα συνδυασμένου κύκλου των Χανίων διατηρούν σταθερό ποσοστό της σύνθεσης, εκτός από το σενάριο των 34,774 EVs, όπου εκ νέου 96

η μεταβολή της σύνθεσης συμβάλει σε ομαλότερη λειτουργία του συστήματος με την αύξηση της κατανομής του ποσοστού παραγωγής σε μονάδες βάσης. ΠΟΣΟΣΤΟ ΠΑΡΑΓΩΓΗΣ (%) ΚΑΤΑΝOMH ΠΑΡΑΓΩΓΗΣ ΜΕ ΑΠΕΥΘΕΙΑΣ ΦΟΡΤΙΣΗ ΣΤΟΛΟΥ ATM AS D CCGT 28.23 28.34 28.31 28.22 27.62 39.49 39.66 39.545 39.55 38.93 1.375 1.276 1.31 1.384 1.93 30.9 30.72 30.835 30.84 31.53 R EFERENCE S Y S T EM D I R ECT1785 D I R ECT 3 6 7 5 D I R ECT 7 4 5 5 D I R ECT 3 4 7 7 4 Εικόνα 65- Ετήσια Σύνθεση Παραγωγής των Direct Charging Systems. Όσον αφορά τα Direct Charging Systems, ιδιαίτερο ενδιαφέρον παρουσιάζει η κατανομή των αεροστροβιλικών μονάδων για τα διάφορα σενάρια διείσδυσης. Αρχικά, παρατηρείται για τα χαμηλότερα σενάρια μια μείωση του ποσοστού κατανομής των αεροστροβιλικών θερμικών μονάδων. Ωστόσο, αυτή η μείωση του ποσοστού δεν αντικατοπτρίζεται και σε μείωση της απόλυτης τιμής της ενέργειας που καλούνται να καλύψουν ετησίως οι μονάδες αυτές σε σχέση με το σενάριο ενσωμάτωση, καθώς σε κάθε μεγαλύτερο σενάριο διείσδυσης αυξάνεται το συνολικό φορτίο του συστήματος. Παράλληλα, το ποσοστό κατανομής των αεροστροβιλικών μονάδων είναι για όλα τα σενάρια μεγαλύτερο από τα αντίστοιχα του Smart Charging System, με την μεγαλύτερη απόκλιση να εμφανίζεται στο σενάριο των 34,774 EVs. Στο σενάριο αυτό, το ποσοστό παραγωγής των αεροστροβιλικών μονάδων στο Direct Charging System αυξάνεται κατά 40% σε σχέση με το σύστημα αναφοράς μηδενικής ενσωμάτωσης EVs, ενώ στο Smart Charging System μειώνεται κατά 7% πάντα σε σχέση με το σύστημα αναφοράς. Μολονότι η ανάλυση της συμπεριφοράς των μεταβολών στην κατανομή της παραγωγής για τα διάφορα σενάρια εμφανίζει μεγάλο ερευνητικό ενδιαφέρον, το μέγεθος των προκαλούμενων μεταβολών είναι σχετικά μικρό αποδεικνύοντας ότι η ενσωμάτωση ενός στόλου ηλεκτρικών αυτοκινήτων στο σύστημα της Κρήτης δεν μπορεί να αλλάξει ραγδαία την ετήσια σύνθεση παραγωγής ανά τεχνολογία μονάδων. Το συμπέρασμα αυτό δεν μπορεί να κριθεί απρόσμενο, λαμβάνοντας υπόψη το μικρό μέγεθος του στόλου που ενσωματώνεται στο σύστημα, για όλα τα σενάρια ενσωμάτωσης, ανεξαρτήτως του προφίλ φόρτισης που εφαρμόζεται. 97

ΙΣΧΥΣ (MW) 6.7 Ανάλυση της επίδρασης της ενσωμάτωσης του στόλου EVs σε χαρακτηριστικές ημέρες κατανομής του συστήματος Ημέρα κατανομής με το μέγιστο ωριαίο καθαρό φορτίο (Ημέρα 255) Κρίνεται σκόπιμο η λειτουργία του συστήματος κατά την ημέρα με το μέγιστο ωριαίο καθαρό φορτίο του συστήματος να αναλυθεί για το μέγιστο σενάριο διείσδυσης των 34,774 EVs, όπου τα αποτελέσματα είναι εντονότερα και πιο ευδιάκριτα. Ουσιαστικά, τα ίδια συμπεράσματα ισχύουν και για τις χαμηλότερες περιπτώσεις διείσδυσης EVs, αλλά η επίδραση της φόρτισης του στόλου στην διαμόρφωση του νέου καθαρού φορτίου του ΣΗΕ και του οριακού του κόστους (για αμφότερες τις στρατηγικές φόρτισης) είναι μικρότερη. Αρχικά, παρουσιάζεται ένα συγκεντρωτικό διάγραμμα με το προφίλ της φόρτισης των ηλεκτρικών αυτοκινήτων κατά την έξυπνη και απευθείας φόρτιση καθώς και το νέο ημερήσιο προφίλ της ζήτησης ηλεκτρικής ενέργειας που προκύπτει σε κάθε ένα από τα εξεταζόμενα συστήματα για την 255 η ημέρα κατανομής. 600 Καθαρό Φορτίο Smart Charging System Καθαρό Φορτίο Reference System Απευθείας Φόρτιση Evs Καθαρό Φορτίο Direct Charging System Έξυπνη Φόρτιση Evs 400 200 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 ΩΡΕΣ Εικόνα 66-Προφίλ φόρτισης στόλου ανά στρατηγική φόρτισης και συνιστάμενο καθαρό φορτίο του ΣΗΕ αντίστοιχα, κατά την ημέρα 255. Όπως σε κάθε ημέρα κατανομής, δεν πραγματοποιείται πλήρης φόρτιση του στόλου για καμία από τις δύο στρατηγικές φόρτισης (καθώς ο aggregator πραγματοποιεί μόνο νυχτερινές φορτίσεις), αλλά δύο τμήματα δύο διαφορετικών νυχτερινών φορτίσεων. 98

ΟΡΙΑΚΟ ΚΟΣΤΟΣ ( /MWH) Τα τμήματα αυτά χωρίζονται στις εξής χρονικές περιόδους: 24:00-11:00, όπου ολοκληρώνεται η νυχτερινή φόρτιση που ξεκίνησε την προηγούμενη ημέρα κατανομής, 16:00-24:00, όπου ξεκινά η νυχτερινή φόρτιση του στόλου για την 255 η ημέρα, 11:00-16:00, όπου δεν πραγματοποιείται φόρτιση κανενός EV από τον aggregator, ο οποίος επικεντρώνει την λειτουργία του μόνο σε νυχτερινές φορτίσεις. Τονίζεται, ότι κατά την 255 η ημέρα κατανομής, η ημερήσια ζητούμενη ενέργεια από τον aggregator για την φόρτιση του στόλου είναι περίπου ίση ανάμεσα στα Smart Charging System και το Direct Charging System. (για κατανόηση της ενδεχόμενης ανομοιομορφίας μεταξύ της ζητούμενης ενέργειας για έξυπνη και απευθείας φόρτισης του στόλου για μια ημέρα κατανομής βλέπε Κεφ.6.2.1) Στο δεύτερο διάγραμμα, δίνεται το οριακό κόστος που προκύπτει στα εξεταζόμενα συστήματα κατά την 255 η ημέρα. MC Direct Charging System MC Reference System MC Smart Charging System 250 200 150 100 50 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 ΩΡΕΣ Εικόνα 67- Προφίλ του Οριακού Κόστους για τα εξεταζόμενα συστήματα κατά την ημέρα 255. Διαπιστώνεται πλέον με πιο προφανή τρόπο η τάση του προγραμματισμού της φόρτισης για εξομάλυνση του προφίλ του φορτίου του συστήματος στα σημεία της χαμηλότερης ενεργειακής ζήτησης (valley filling), εφόσον αυτή συμπίπτει με τις ώρες νυχτερινής φόρτισης και δίνονται οικονομικά κίνητρα για την φόρτιση. Κατά τις ώρες που πραγματοποιείται ο κύριος όγκος της έξυπνης φόρτισης του στόλου (01:00 με 06:00), εμφανίζεται μια μικρή αύξηση του οριακού κόστους του συστήματος, το οποίο στην συνέχεια ακολουθεί το προφίλ του οριακού κόστους του 99

ΙΣΧΥΣ (MW) συστήματος αναφοράς. Παρατηρείται δηλαδή, ότι κατά τις ώρες (24:00-11:00) πραγματοποιείται ο κύριος όγκος της έξυπνης φόρτισης που ξεκινά κατά την προηγούμενη ημέρα καθώς τότε καθίσταται δυνατή η οικονομικότερη φόρτιση του στόλου. Κατά αντιστοιχία, κατά το διάστημα (11:00-16:00) όπου ξεκινά η νυχτερινή έξυπνη φόρτιση της 255 ης ημέρας πραγματοποιούνται σχεδόν μηδενικές δηλώσεις φορτίου από τον aggregator, λόγω της υψηλής τιμής ενέργειας. Ακολούθως παρατίθεται διάγραμμα του ωριαίου προφίλ παραγωγής του Smart Charging System πάντα για το σενάριο των 34,774 EVs: Smart Charging System 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 ΩΡΕΣ LINOPERAMATA_ATM4 LINOPERAMATA_ATM5 LINOPERAMATA_ATM6 LINOPERAMATA_AS3 LINOPERAMATA_AS5 XANIA_AS1 XANIA_AS12 XANIA_AS2_13 XANIA_CCGT ATHERINOLAKKOS_D1 ATHERINOLAKKOS_D2 ATHERINOLAKKOS_ATM1 ATHERINOLAKKOS_ATM2 Εικόνα 68- Ωριαίο Προφίλ παραγωγής θερμικών μονάδων στο Smart Charging System κατά την ημέρα 255. Με την πραγματοποίηση του μεγαλύτερου όγκου της έξυπνης φόρτισης του στόλου κατά τις ώρες 01:00 εώς 06:00, το σύστημα οδηγείται στο να διατηρήσει ενταγμένες στο δίκτυο τις μονάδες LINOP_ATM5 και LINOP_ATM6, γεγονός που δεν συμβαίνει στον προγραμματισμό του συστήματος αναφοράς αλλά και του Direct Charging System. Επομένως, το Smart Charging System θα παρουσιάζει ελαφρώς αυξημένο οριακό κόστος εκείνες τις ώρες (το οριακό κόστος και των δύο αυτών ατμοηλεκτρικών μονάδων είναι 127 /MWh, το οποίο οδηγεί σε αύξηση του συνιστάμενου οριακού κόστους του συστήματος). Στην συνέχεια από την ώρα 9:00 και έπειτα, το οριακό κόστος του Smart Charging System ακολουθεί το αντίστοιχο του συστήματος αναφοράς, καθώς το σύστημα αναφοράς κάνει επανένταξη των θερμικών μονάδων LINOP_ATM5 και LINOP_ATM6. 100

ΙΣΧΥΣ (MW) Από την άλλη μεριά, ο κυριότερος όγκος της απευθείας φόρτιση του στόλου λαμβάνει χώρα κατά τις ώρες 16:00 εώς 24:00 (Πρόκειται για την νυχτερινή φόρτιση που ξεκινά την 255 η ημέρα κατανομής). Οι οδηγοί των EVs κατά την στρατηγική της απευθείας φόρτισης προγραμματίζουν την φόρτιση των οχημάτων τους ανεξάρτητα από την τιμή της ηλεκτρικής ενέργειας, με κύριο γνώμονα την αμεσότερη διαθεσιμότητα του φορτισμένου EV. Κατά συνέπεια, η φόρτιση αυτή λαμβάνει χώρα κατά την περίοδο αιχμής της ζήτησης του ηλεκτρικού φορτίου και επομένως το ετησίως μέγιστο ωριαίο καθαρό φορτίο του συστήματος αυξάνεται κατά 39MW περίπου και φτάνει πλέον τα 570MW. Καθώς μελετάμε την ημέρα κατανομής με το μέγιστο καθαρό φορτίο, ακόμα και κατά την περίπτωση του συστήματος αναφοράς η κατανομή των αεροστροβιλικών μονάδων είναι ιδιαίτερα αυξημένη. Πιο συγκεκριμένα την ώρα 21:00, όπου εμφανίζεται το μέγιστο καθαρό φορτίο, η παραγωγή των αεροστροβιλικών μονάδων αγγίζει τα 106 MW στο σύστημα αναφοράς, ενώ στο Direct Charging System η παραγωγή τους αυξάνεται στα 142 MW. Συμπεραίνεται, ότι σχεδόν το σύνολο της απευθείας φόρτισης του στόλου EVs την δεδομένη ώρες το αναλαμβάνουν οι μονάδες με τις ακριβότερες προσφορές ενέργειας στο σύστημα. Στην συνέχεια παρατίθεται διάγραμμα του ωριαίου προφίλ παραγωγής του Direct Charging System πάντα για το σενάριο των 34,774 EVs: Direct Charging System 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 ΩΡΕΣ LINOPERAMATA_ATM4 LINOPERAMATA_ATM5 LINOPERAMATA_ATM6 LINOPERAMATA_AS3 LINOPERAMATA_AS5 XANIA_AS1 XANIA_AS12 XANIA_AS2_13 XANIA_CCGT ATHERINOLAKKOS_D1 ATHERINOLAKKOS_D2 ATHERINOLAKKOS_ATM1 ATHERINOLAKKOS_ATM2 Εικόνα 69- Ωριαίο Προφίλ παραγωγής θερμικών μονάδων στο Direct Charging System κατά την ημέρα 255. 101

Όπως φαίνεται από το παραπάνω διάγραμμα, το Direct Charging System προκειμένου να εξισορροπήσει τα επίπεδα της παραγωγής ηλεκτρικής ενέργειας με το αυξημένο πλέον ηλεκτρικό φορτίο του συστήματος κατά τις ώρες αιχμής, εντάσσει στο δίκτυο την μονάδα XANIA_AS12 (για τις ώρες 20:00 εώς 24:00). Πρόκειται για μία από τις πλέον αντιοικονομικές μονάδες του ΣΗΕ με προσφορές ενέργειας που φθάνουν τα 224,5 /MWh, γεγονός που αυξάνει κατακόρυφα το συνιστάμενο οριακό κόστος του συστήματος. Επιπρόσθετα, επειδή η απευθείας φόρτιση του στόλου δεν συντελεί στο valley filling του προφίλ του ηλεκτρικού φορτίου, στο Direct Charging System παρατηρείται κατά τις νυχτερινές ώρες η σβέση των μονάδων LINOP_ATM5 και LINOP_ATM6, οι οποίες επανεντάσσονται στην συνέχεια. Γίνεται ξεκάθαρο, ότι η έξυπνη φόρτιση του στόλου των EVs μπορεί να ευνοήσει την λειτουργία του συστήματος σε σχέση με την απευθείας φόρτιση τους και να συμβάλει στην αποφυγή μεγάλου κόστους λειτουργίας και ανεπιθύμητων σβέσεων μονάδων βάσης. Ημέρα με το μέγιστο κέρδος του Smart Charging System σε σύγκριση με το Reference System (Ημέρα 80) Κατά τα χαμηλότερα σενάρια διείσδυσης, η έξυπνη φόρτιση του στόλου σε ορισμένες περιπτώσεις ευνοεί την λειτουργία του ΣΗΕ και οδηγεί σε μειωμένα ημερήσια κόστη λειτουργίας ακόμα και σε σύγκριση με το σύστημα αναφοράς (Reference System). Η ημέρα με το μέγιστο όφελος του Smart Charging System σε σύγκριση με το Reference System είναι η ημέρα 80 και προκύπτει για το σενάριο διείσδυσης των 3,675 EVs. Τονίζεται, ότι το εξεταζόμενο αυτό όφελος αντικατοπτρίζει τα σημεία όπου η συνάρτηση Smart Charging System- Reference System (διαφορά του κόστους μεταξύ των συστημάτων Smart Charging System και Reference System αποκτά αρνητικές τιμές). (εξετάστηκε στο Κεφάλαιο 6.2 ) Ο aggregator πραγματοποιεί δύο τμήματα δύο διαφορετικών νυχτερινών φορτίσεων. Τα τμήματα αυτά χωρίζονται στις εξής χρονικές περιόδους: 24:00-11:00, όπου ολοκληρώνεται η νυχτερινή φόρτιση που ξεκίνησε την προηγούμενη ημέρα κατανομής, 16:00-24:00, όπου ξεκινά η νυχτερινή φόρτιση του στόλου για την 80 η ημέρα, 11:00-16:00, όπου δεν πραγματοποιείται φόρτιση κανενός EV από τον aggregator, ο οποίος επικεντρώνει την λειτουργία του μόνο σε νυχτερινές φορτίσεις. 102

ΟΡΙΑΚΟ ΚΟΣΤΟΣ ( /MWH) ΙΣΧΥΣ (MW) Τονίζεται, ότι κατά την 80 η ημέρα, η ημερήσια ζητούμενη ενέργεια για την φόρτιση του στόλου είναι περίπου ίση ανάμεσα στα Smart Charging System και το Direct Charging System. (για κατανόηση της ενδεχόμενης ανομοιομορφίας μεταξύ της ζητούμενης ενέργειας για έξυπνη και απευθείας φόρτισης του στόλου για μια ημέρα κατανομής βλέπε Κεφ.6.2.1) Αρχικά, παρατίθεται συνδυαστικό διάγραμμα με το ωριαίο οριακό κόστος των εξεταζόμενων ΣΗΕ και το προφίλ της φόρτισης του στόλου για τις δύο στρατηγικές φόρτισης, όπως αυτό προέκυψε από τις δηλώσεις φορτίου του aggregator. Οριακό Κόστος Smart Charging System( /MWh) Οριακό Κόστος Reference System ( /MWh) Απευθείας Φόρτιση(MW) 130 Οριακό Κόστος Direct Charging System( /MWh) Έξυπνη Φόρτιση(MW) 30 120 20 110 100 10 90 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 ΩΡΕΣ 0 Εικόνα 70-Οριακό Κόστος της Ημέρας 80 σε συνδυασμό με το προφίλ φόρτισης για το σενάριο διείσδυσης 3,675 EVs. Διαπιστώνεται, ότι η έξυπνη φόρτιση του στόλου πραγματοποιείται δυναμικά τόσο κατά το διάστημα 01:00-07:00 (ολοκλήρωση της έξυπνης νυχτερινής φόρτισης που ξεκινά κατά την προηγούμενη ημέρα κατανομής) όσο και κατά το διάστημα 18:00-24:00 (εκκίνηση της έξυπνης νυχτερινής φόρτισης που της 80 ης ημέρας κατανομής). Κατά το πρώτο χρονικό διάστημα (01:00-07:00), η έξυπνη φόρτιση συμβάλει στην μείωση του οριακού κόστους παραγωγής του Reference System, ενώ από την ώρα 09:00 και μετά το οριακό κόστος του Smart Charging System ακολουθεί την καμπύλη του οριακού κόστους του Reference System. 103

ΙΣΧΥΣ (MW) Πιο συγκεκριμένα, το ωριαίο προφίλ παραγωγής των θερμικών μονάδων κατά την 80 η ημέρα κατανομής του Smart Charging System προκύπτει ως εξής: Smart Charging System 80 60 40 20 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 ΩΡΕΣ LINOPERAMATA_AS5 LINOPERAMATA_D1 LINOPERAMATA_D2 LINOPERAMATA_D3 LINOPERAMATA_D4 XANIA_CCGT ATHERINOLAKKOS_D1 ATHERINOLAKKOS_D2 ATHERINOLAKKOS_ATM1 ATHERINOLAKKOS_ATM2 Εικόνα 71- Ωριαίο προφίλ παραγωγής των μονάδων κατά την 80 η ημέρα κατανομής του Smart Charging System. Όπως φαίνεται στο παραπάνω διάγραμμα, το ηλεκτρικό φορτίο της έξυπνης φόρτισης του στόλου δίνει την δυνατότητα στον ενεργειακό προγραμματισμό του συστήματος να εντάξει στο δίκτυο τις μονάδες εσωτερικής καύσης του σταθμού των Λινοπεραμάτων και να κρατήσει ενταγμένη την μονάδα LINOP-D2 εώς την ώρα 09:00. Όπως θα αιτιολογηθεί στην συνέχεια η μονάδα αυτή είναι υπεύθυνη για το μειωμένο οριακό κόστος του Smart Charging System. Στην περίπτωση του Reference System (όσο και του Direct Charging System) κατά την ώρα 04:00 αποσυνδέεται από το δίκτυο και η τελευταία μονάδα εσωτερικής καύσης του σταθμού Λινοπεραμάτων. Επομένως κατά τις επόμενες ώρες, το σύστημα αναφοράς (Reference System) λόγω μειωμένου φορτίου σε σχέση με το Smart Charging System δεν μπορεί να εντάξει κάποια μονάδα εσωτερικής καύσης και αναγκάζεται να αυξάνει την παραγωγή της μονάδας ATH_ATM2 υπερβαίνοντας τα επίπεδα των 40MW και οδηγώντας το οριακό κόστος του συστήματος στα 119 / MWh. 104

Ενδεικτικά, παρατίθεται και το ωριαίο προφίλ παραγωγής των θερμικών μονάδων του Reference System. 80 Reference System ΙΣΧΥΣ (MW) 60 40 20 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 ΩΡΕΣ 17 18 19 20 21 22 23 24 25 LINOPERAMATA_D1 LINOPERAMATA_D2 LINOPERAMATA_D3 LINOPERAMATA_D4 XANIA_CCGT ATHERINOLAKKOS_D1 ATHERINOLAKKOS_D2 ATHERINOLAKKOS_ATM1 ATHERINOLAKKOS_ATM2 Εικόνα 72- Ωριαίο προφίλ παραγωγής των μονάδων κατά την 80 η ημέρα κατανομής του συστήματος αναφοράς. Αμφότερα τα διαγράμματα που παρουσιάζονται παραπάνω αν και αναφέρονται σε μία ημέρα κατανομής παρουσιάζουν την ωριαία παραγωγή των μονάδων για 25 ώρες. Η πρώτη ώρα αναφέρεται στην τελευταία ώρα λειτουργίας της 79 ης ημέρας κατανομής και παρουσιάζεται για να καταγραφεί η σβέση της μονάδας ATH_ATM1 που αποφεύγεται με την έξυπνη φόρτιση των EVs, με το κόστος την μονάδας ATH_ATM1 να ανέρχεται στα 3,705.8. Στην υποενότητα αυτή δεν έγινε λόγος για το Direct Charging System, καθώς κυρίαρχος στόχος ήταν η σύγκριση του Smart Charging System με το σύστημα αναφοράς (Reference System). Ωστόσο αναφέρεται, ότι με την απευθείας φόρτιση του στόλου η ένταξη των θερμικών ΣΗΕ ακολουθεί την συμπεριφορά του συστήματος αναφοράς. Συμπερασματικά, αν και το ημερήσιο ηλεκτρικό φορτίο που απαιτείται για την φόρτιση των EVs στο σενάριο των 3.675 αρκετά μικρό (μόλις 23,3 MWh ημερησίως στην συγκεκριμένη ημέρα κατανομής, όπου το φορτίο έξυπνης με την απευθείας φόρτισης είναι περίπου ίσο) αποδεικνύεται ικανό να επηρεάσει τον ενεργειακό προγραμματισμό και την λειτουργία του ηλεκτρικού συστήματος της Κρήτης. Πιο συγκεκριμένα με την έξυπνη φόρτιση του στόλου κατά την 80 η ημέρα κατανομής, το Smart Charging Systemεξοικονομεί 1,100 σε σχέση με το Reference System και 1,430 σε σχέση με το Direct Charging System. 105