Revidirani klimatski ciljevi postavljeni unutar Europske unije (EU) uključuju CO2 neutralan energetski sektor u 2050. godini, odnosno generiranje energije ne smije ispuštati CO2 emisije ili se eventualno ispuštene CO2 emisije moraju maknuti iz atmosfere korištenjem neke druge tehnologije. Bitan problem predstavlja i činjenica da se samo četvrtina stakleničkih plinova proizvede u sektoru proizvodnje električne i toplinske energije, dok su sektori industrije, prometa te zgradarstva zaslužni za dvije petine globalnih emisija.
U znanstvenoj zajednici trenutno postoji konsenzus da je jedini način postizanja nulte emisije značajno elektrificiranje transporta, industrije te sektora grijanja i hlađenja. Pri tome se energetska tranzicija dvije trećine energetskog sektora može izvesti tehnički razvijenijim procesima poput fleksibilnog korištenja postojećih, konvencionalnih elektroenergetskih postrojenja, korištenjem mogućnosti uvoza i izvoza električne energije te umrežavanjem različitih energetskih sektora poput elektroenergetskog, sektora grijanja i hlađenja, industrijskog sektora te transporta [2]. Energetska tranzicija posljednje trećine energetskog sektora je iznimno tehnički kompleksna, s više različitih predloženih rješenja u znanstvenoj i industrijskoj zajednici i predmet velikog broja istraživačkih projekata. Neke od predloženih tehnologija koje se trenutno razvijaju su tehnologije odziva potrošnje (eng. Demand-response) u različitim sektorima, tehnologija pametnog punjenja električnih automobila (eng. Smart Charging), mnogobrojne tehnologije skladištenja energije u različitim oblicima i tehnologije proizvodnje vodika i sintetskih goriva elektrolizom.
Moje trenutno istraživanje na Tehničkom sveučilištu u Danskoj (DTU Compute, Technical University of Denmark) bavi se prvenstveno tehnologijama odziva potrošnje u različitim sektorima, što je jedan od načina integracije značajnih količina varijabilnih izvora energije poput sunca i vjetra u energetske sustave. Vodimo se idejom automatizacije odziva potrošnje na određen ulazni signal. To može biti trenutna cijena električne energije (koja se mijenja na satnoj razini) ili trenutni intenzitet emisija ugljičnog dioksida u proizvodnji električne energije. Tri primjera na kojima pokušavamo implementirati naš pristup je u sustavu dobave pitke vode te odvodnje, u sustavu centraliziranih toplinskih sustava te u sustavu grijanja stanova/kuća. Trenutno se svi primjeri testiraju u Danskoj, no pristup je široko primjenjiv za bilo koju lokaciju. Pobliže će biti predstavljen pristup na primjeru dobave pitke vode te odvodnje.
Sustav dobave i odvodnje vode se sastoji od mnoštva pumpi koje su iznimno fleksibilne i troše puno električne energije. Sustav odvodnje vode osim pumpi sadrži i pročišćivać vode koji se sastoji od nekoliko faza. Pri tome je biološko pročišćavanje, jedno od tri glavna stadija pročišćavanja vode, iznimno energetski intenzivno zbog upuhivanja komprimiranog zraka. Biološki sustav pročišćavanja vode troši oko jedne trećine ukupne potrošnje električne energije u sustavu dovoda vode i odvodnje. Sveukupno, u nizinskim zemljama poput Danske, sustav povezan s distribucijom i odvodnjom vode zaslužan je za oko 5% ukupne nacionalne potrošnje električne energije.
Pumpe i razni kompresori sa tehničke strane su iznimno fleksibilni te se u razmaku od nekoliko sekundi mogu kretati od 0% do 100% nazivnog opterećenja. Pošto u sustavu odvodnje postoje mnogi spremnici vode velikog kapaciteta, te u sustavu distribucije pitke vode najčešće postoje vodeni tornjevi velikog kapaciteta koji služe održavanju tlaka u sustavu, pumpe je tehnički moguće pokretati onda kada je to pogodno kompletnom elektroenergetskom sustavu. Danas se nažalost u vodenim sustavima ne koriste nikakvi napredni sustavi kontrole procesa koji u obzir uzimaju i cijenu električne energije te intenzitet ugljičnog dioksida.
Teoretski, snage pumpe se mogu eksplicitno izračunati (klasičan inženjerski pristup) te se time može doći do izračuna potrošnje energije. U stvarnosti je situacija puno teža. Razne cijevi u sustavima vode su građene u različitom razdoblju, za mnoge nisu niti poznati podaci o točnoj starosti, promjerima cijevi te ostalim tehničkim parametrima, što onemogućuje eksplicitne proračune trenja te potrebnih snaga pumpi. Također, sudjelovanje na tržištima električne energije je komplicirano jer postoje tri različita energetska tržišta za koja se ponude moraju predavati u različito vrijeme. Povrh svega, potrebno je i prognozirati količinu oborina koje bitno utječu na fleksibilnost sustava odvodnje, kao i na prognozu proizvodnje električne energije iz vjetroelektrana te fotonaponskih elektrana — ukoliko nam je cilj koristiti više električne energije kad je veća proizvodnja iz obnovljivih izvora energije. Neke od navedenih varijabli se mogu približno izračunati eksplicitnim formulama koje su inženjerima poznate dugi niz godina. Ipak, mnoge relacije u tom kompleksnom sustavu varijabli su nepoznate te je nemoguće potpuno opisati sustav klasičnim jednadžbama.
Kao posljedica puno nepoznanica koje postoje u realnim sustavima, trenutno se razvijaju različiti pristupi za ekonomsko i ekološko optimiranje rada takvih sustava. Naša grupa u Danskoj koristi tzv. modele sive kutije (eng. grey-box models), koja je kombinacija modela bijele kutije (eng. white-box models) te crne kutije (eng. black-box models). Kontrola procesa tehničkih sustava se sve do nedavno opisivala isključivo modelima bijele kutije, u kojima su relacije bile eksplicitno modelirane. Iako su danas vrlo popularni razni algoritmi koji spadaju pod strojno učenje te umjetnu inteligenciju, u tehničkim sustavima današnjice još uvijek rijetko postoji dovoljna količina podataka koji bi se mogli koristiti za klasične pristupe modela crne kutije. Pristup modela sive kutije je korištenje klasičnih pristupa za tehničke procese koji se mogu jednostavno opisati klasičnim jednadžbama dok se za procese koje nije moguće opisati klasičnim jednadžbama zbog različitih razloga koriste neke od metoda strojnog učenja. U našem slučaju koristimo linearne kombinacije I-splajnova. Navedeni pristup nam omogućava da kombinacijom klasičnog pristupa te pristupa strojnog učenja za nepoznate relacije dobijemo preciznije rezultate uz ograničenu količinu podataka. Za slučaj dobave i odvodnje vode, rezultati predstavljaju potrošnju električne energije u svakom satu tijekom jednog dana, uzimajući u obzir cijene električne energije na dvama različitim elektro-energetskim tržištima te zadovoljavajući sva tehnička ograničenja različitih dijelova sustava.
Energetski sustavi su osnova razvoja civilizacije te su napredci u eksploataciji različitih oblika energije bili glavni pokretači prve te druge industrijske revolucije. Navedene industrijske revolucije su također u potpunosti transformirale energetski sektor, ali nikad toliko brzo te toliko opsežno kao što su trenutno postavljeni ciljevi. Trenutačna energetska transformacija je pritom kompleksnija što se kod planova većine država oslanja na varijabilne izvore energije poput sunca i vjetra, koje je kompleksno integrirati u sustav pri većim kapacitetima. Rješenje navedenog problema je kompleksno, a primjer odziva potrošnje prezentiranog u ovom članku predstavlja jedan od nekoliko novih pristupa koji će se koristiti pri ovoj energetskoj tranziciji.
Dominik Franjo Dominković
Postdoc, Technical University of Denmark (DTU)
— — —
[1] European Environment Agency
[2]
: Lund Henrik: Renewable Energy Systems, 2014, Brown TW et al. Response
to ‘Burden of proof: A comprehensive review of the feasibility of 100%
renewable-electricity systems’, 2018