Gestione ottimizzata di centrali a ciclo combinato

Slides:



Advertisements
Presentazioni simili
A scuola di… valutazione
Advertisements

Dipartimento di ingegneria meccanica e navale
Il contesto energetico nazionale
Autori: M. Rivarolo(*), A.F. Massardo(*)
Corso « Clean Energy Project Analysis »
ANALISI DI CIRCUITI PER LAMPADE A FLUORESCENZA
Consumi e benessere nella fornitura del servizio calore Prof. Ing. Gian Vincenzo Fracastoro Dipartimento di Energetica Politecnico di Torino.
Torino, 26 settembre 2005 G.V. Fracastoro, A. Poggio Politecnico di Torino - Dipartimento di Energetica G.V. Fracastoro, A. Poggio Politecnico di Torino.
Sistemi informativi e datawarehouse/applicazioni informatiche per l’azienda Lezione 11 – Il controllo di feedback e l’analisi degli scostamenti a.a
Perché un Corso di Impatto Ambientale dei Sistemi Energetici?
SERVIZIO ENERGIA COMPRENDENTE L'ESERCIZIO, LA MANUTENZIONE E LA RIQUALIFICAZIONE IMPIANTISTICA DEGLI IMPIANTI TERMICI DELLAMMINISTRAZIONE PROVINCIALE DI.
Di: Francesco Fariselli Classe:3A
DI: Nicola Giannelli. Che cos'è il fotovoltaico? Il fotovoltaico è una tecnologia che consente di trasformare direttamente la luce solare in energia elettrica,
Arrighetti Francesco A.A. 2009/2010 HOMER
Software per il calcolo della radiazione solare
Tavolo di lavoro per l’attivazione del master “INPRESA”
Cogenerazione valutazione fattibilità, sostenibilità Silvio Rudy Stella ANIMA - ITALCOGEN.
CONTROLLO DI SUPPLY CHAIN MEDIANTE TECNICHE H-INFINITO E NEGOZIAZIONE
Inquinamento atmosferico: inquinanti secondari, sorgenti di emissione
Corso di Impatto Ambientale Modulo A: Pianificazione Energetica
Corso di Impatto ambientale Modulo b) aspetti energetici
Corso di Impatto ambientale Modulo b) Aspetti energetici
Università degli Studi di Perugia Facoltà di Ingegneria Corsi di laurea specialistica in Ingegneria Meccanica e per lAmbiente e il Territorio Corso di.
Università degli Studi di Perugia Facoltà di Ingegneria Corsi di laurea specialistica in Ingegneria Meccanica e per lAmbiente e il Territorio Corso di.
Area Ricerca e Innovazione Area Ricerca e Innovazione
Programmazione di un sistema elettrico
Programmazione idraulico di breve termine
Diagrammi di carico Cronologico : curva della potenza-tempo. Presenta il massimo contenuto informativo. Cumulata : curva che rappresenta per quanto tempo.
Previsione del carico Quando si parla di previsione del carico si intende il fabbisogno futuro di energia (e di potenza) dell’utenza finale. Il fabbisogno.
Sistemi di regolazione degli impianti turbogas e ciclo combinato
Fonti energetiche rinnovabili Solare termodinamico
Università di Pavia - Facoltà di Ingegneria -seminario didattico- ANALISI DEI DATI DI INPUT E DI OUTPUT DI ANSWER Pavia, 20 aprile 2005 Ing. G. Alessandro.
Fotovoltaico: impatto ambientale
DA DOVE VIENE L’ENERGIA ELETTRICA
Hydro Fusion Confidential Information Lofferta di E-Cat per il mercato italiano Presentazione realizzata per il convegno: Energy Change with E-Cat Technology.
Il modello di previsione della spesa per interessi del DT Dott.ssa Maria Cannata Direttore del Debito Pubblico Forum della PA: 8 maggio 2006 Ministero.
PASSIVE HOUSE.
CONSIDERAZIONI SULLE TARIFFE DEL TELERISCALDAMENTO
OBIETTIVI IRIDE Energia è da sempre impegnata nella produzione di energia elettrica e termica “pulita” tramite: fonti rinnovabili (idroelettrico) fonti.
BS.
Università di Padova Dipartimento di Ingegneria Meccanica CRITERI, PROCEDURE E VINCOLI PER LA GESTIONE OTTIMIZZATA DEGLI IMPIANTI DI PRODUZIONE DELLENERGIA.
Ingegneria del software Modulo 2 -Il software come prodotto Unità didattica 2 - I costi del software Ernesto Damiani Università degli Studi di Milano Lezione.
Università degli studi di Padova Dipartimento di ingegneria elettrica
Slide 1 Workshop – 29 Settembre 2003 Costi ed impatto sul territorio dello sfruttamento della biomassa a scopi energetici: unanalisi GIS based Ing. L.
ENERGIA GEOTERMICA.
L'Energia Geotermica Che Cos'è ? LA GEOTERMIA E' LA SCIENZA CHE
Workshop “Rifiuti da emergenza a risorsa. La gestione integrata con tecnologie innovative di trattamento” C. R. Casaccia, 10 giugno 2004 Pasquale De Stefanis.
QUESTIONI AMBIENTALI CONNESSE ALL’ATTIVITÀ GEOTERMICA La produzione di elettricità da fluido geotermico implica, come qualsiasi attività antropica, una.
L’impiego della Programmazione Lineare nel settore agro-alimentare: punti di forza e limiti Il modello teorico Applicazioni operative Punti di forza e.
INTERVENTI POSSIBLI PER IL RISPARMIO ENERGETICO IN ORDINE DECRESCENTE DI CONVENIENZA Sostituzione del generatore di calore Isolamento dei sottofinestra.
“Modellistica dei sistemi energetici”, LS Ingegneria informatica e dell’automazione, a.a Prof. P. R. Spina Prof. Pier Ruggero Spina Dipartimento.
Polo Integrato per la gestione dei rifiuti di Fusina Produzione di CDR.
DIST – Università di Genova Modelli per l’ottimizzazione, il controllo e il coordinamento di sistemi di produzione distribuiti Riunione di coordinamento.
Ingegneria per l’Ambiente e il Territorio
Università degli Studi di Bologna FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Gestionale Ricerca Operativa MODELLI PER L’OTTIMIZZAZIONE DELL’OFFERTA.
per la gestione dei rifiuti
Corso di laurea in Ingegneria Energetica
Automazione delle produzioni di processo
Sviluppo ed implementazione di un software per il car pooling
Gruppo di lavoro “Prodotti e Processi chimici” Per info e contatti: Grazia Barberio
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Dimensionamento, simulazioni e confronto con i dati reali IL SISTEMA DI COGENERAZIONE TERMOGAMMA REC+100 Devero Hotel.
Caratterizzazione e definizione dei criteri per l’efficienza energetica degli edifici Strumenti e sistemi per il miglioramento dell’efficienza energetica.
SMART GRID: Predictive analytics per i consumi energetici Ing. Luca Ghelardoni DITEN – Department of Information Technology Electrical.
Dal Ripartitore di Calore al Sistema PDA Energy: come trasformare un obbligo in una opportunità Alberto Colombo Sistemi di Termoregolazione e Contabilizzazione.
SMART ENERGY SYSTEMS Obiettivi di efficienza energetica ( ) Prof. Ing. Livio de Santoli Responsabile per l’Energia Sapienza Università di Roma.
INDUSTRIA DIGITALE E CREATIVA CREATIVITA’TECNOLOGIA.
Ing. Luca Ricci Consorzio GeoHP1 Potenzialità del contributo della Geotermia a Bassa Entalpia nel raggiungimento degli obiettivi 2020.
Psicrometria.
Università degli Studi di Napoli Federico II Dipartimento di Meccanica ed Energetica Motori a Combustione Interna Il calcolo della Potenza dei Motori a.
Transcript della presentazione:

Gestione ottimizzata di centrali a ciclo combinato XXVI Riunione Annuale dei Ricercatori di Elettrotecnica Napoli, 11 giugno 2010 Sessione “Fusione, Energia, ECT” Gestione ottimizzata di centrali a ciclo combinato M. Broccardo, P. Girdinio, E. Martino, M. Nervi Dipartimento di Ingegneria Navale ed Elettrica – Università di Genova, Via Opera Pia 11, Genova 1

Perché una gestione ottimizzata di centrali a c.c. ? Vincoli ambientali Emissioni gas ed effetto serra Problematiche del ciclo termico Connessione di due diversi sistemi energetici Liberalizzazione del mercato elettrico Necessità di tenere conto degli aspetti economici nella valutazione del profilo di generazione

Schema di una centrale elettrica a ciclo combinato

Principali problematiche di una centrale a ciclo combinato Sezione a gas: influenza della temperatura e della pressione ambientale sulla produzione energetica Sezione a vapore: influenza della temperatura ambientale sulla produzione energetica Mutua influenza delle due sezioni: complessa regolazione di impianto Condensatore ad aria: Diminuzione della potenza erogabile in caso di malfunzionamento di uno o più moduli

Attività di ricerca Decision Support System ottimizzatore che suggerisce il profilo di generazione orario migliore dal punto di vista economico Energy Scheduling Validator Predittore prezzo en. el. Modello della centrale elettrica Verifica la fattibilità tecnica di una programmazione energetica inserita dall’utente Dati storici Su base oraria

Energy Scheduling Validator Forniti, per ogni ora dell’intervallo scelto: Condizioni ambientali: Temperatura Pressione Condizioni tecniche: Numero di moduli del condensatore funzionanti Una programmazione energetica: Quanta energia produrre L’ESV fornisce indicazione circa la fattibilità di tale programmazione Obiettivo: minimizzare il consumo di combustibile

Struttura Energy Scheduling Validator L’algoritmo sviluppato è articolato in 2 step strettamente dipendenti Step 1 (pre-processing) input: condinzioni ambientali di sito operabilità dei moduli del condensatotre output: limiti orari di operabilità (grafici) Step 1 Step 2 Step 2 (gestione ottimizzata) input: limiti orari di operabilità programmazione energetica output: profilo di generazione ottimale

Simulazione con numero di componenti del condensatore ridotto Step 1 – Ciclo termico ed influenza condizioni esterne, pt. 1 Bilanci energetici Simulazione con numero di componenti del condensatore ridotto Ciclo termico Curve di correlazione Fattori correttivi globali relativi a numero di componenti del condensatore ridotto Fattori correttivi globali relativi a temperatura, pressione ambientale e grado di carico del turbogas

Step 1 – Ciclo termico ed influenza condizioni esterne, pt, 2 Interpolazione mediante funzioni multiquadriche Andamento di tutte le variabili nell’intervallo di funzionamento 10 bilanci energetici matrice non piena Interpolazione lineare 20 bilanci energetici matrice piena

Step 1 – Ciclo termico ed influenza condizioni esterne, pt, 3 Alcuni andamenti delle principali variabili interpolate mAP [kg/s] WTV netta [MW] h5 [kJ/kg] WTG netta [MW] WCC netta [MW] Q1TV [MWt]

Step 1 – Ciclo termico ed influenza condizioni esterne, pt. 4 Hp: condizioni perturbate di valle (numero ridotto di moduli del condensatore) non perturbano le condizioni di monte Simulazione modello matematico (non lineare) del ciclo termico dell’impianto matrici dei fattori di correzione Interpolazione mediante funzioni multiquadriche fattori di correzioni relativi a tutto l’intervallo

L’ottimizzazione avviene sulla quantità di carburante consumato: Step 2 In questa fase l’algoritmo di ottimizzazione verifica la fattibilità tecnica della programmazione energetica inserita imponendo vincoli su: Massima e minima potenza generabile Rampa di presa carico Continuità del profilo di generazione L’ottimizzazione avviene sulla quantità di carburante consumato: Step di ottimizzazione del profilo pari a mezz’ora

Step 1 - input 24 h

Step 1 - output

Step 2 - input Interfaccia utente Programmazione energetica :

Step 2 - output Consumo di combustibile: Grado di carico del turbogas: Energia prodotta: Profilo di generazione

Previsore Dati in ingresso: Intervento dell’operatore: Dati in uscita: Prezzi e carichi orari relativi alle 4 settimane precedenti alla settimana in analisi Reperibili sul sito del mercato elettrico Previsione di carico per la settimana in analisi Facoltativo – facilmente reperibili Intervento dell’operatore: Conferimento “peso” ad ogni settimana nella determinazione del prezzo Previa visualizzazione dei relativi dati Dati in uscita: Stima del Prezzo Unico Nazionale

Step 1 – visualizzazione input Prezzi medi e carichi totali giornalieri (4 settimane) Prezzi e carichi orari (per ogni settimana)

Step 2 – visualizzazione output Confronto prezzo orario (un giorno) Errore assoluto (un giorno) Errore assoluto (settimana) Errore percentuale (settimana) Confronto prezzo orario (settimana) Errore percentuale (un giorno)

Energy Scheduling Validator Attuale ricerca Energy Scheduling Validator Accensione e spegnimento Consumi addizionali di rampa Predittore prezzo energia elettrica Inserimento prezzi zonali Possibilità da parte dell’utente di inserire maggiori indicazioni sul trattamento dei dati Integrazione dei due algoritmi