Korszerű számítási módszerek a villamosenergia-rendszer irányításában

Kádár Péter

Korszerű számítási módszerek a villamosenergia-rendszer irányításában

Tézisek habilitációhoz

Győr 2011. szeptember


2011. szeptember

Tartalom 1. A Tudományterület bemutatása: villamosenergia-rendszer (VER) és annak irányítása .... 3 1.1. A VER ......................................................................................................................... 3 1.2. A villamosenergia-rendszerek bővülésével felmerült kihívások ................................. 3 1.3. A VER irányítása ......................................................................................................... 3 1.4. Smart trend .................................................................................................................. 3 1.5. Intelligencia az energiarendszerben............................................................................. 4 1.6. Hivatkozások ............................................................................................................... 4 2. Vizsgálatok és eredmények ................................................................................................ 5 2.1. Intelligens megoldások a diszpécseri munka támogatására ........................................ 5 2.1.1. Szakértői rendszerek ............................................................................................ 5 2.1.2. Neurális hálózatok alkalmazása ........................................................................... 5 2.1.3. Diszpécseri munkahelyek ..................................................................................... 6 2.2. Megújuló energiaforrások............................................................................................ 6 2.2.1. Elosztott termelő eszközök................................................................................... 6 2.2.2. Elosztott termelés irányítása................................................................................. 7 2.2.3. Szélerőművek ....................................................................................................... 7 2.3. Fogyasztás befolyásolás és smart hálózatok ................................................................ 7 2.3.1. Intelligens fogyasztók .......................................................................................... 7 2.3.2. Fogyasztók viselkedése ........................................................................................ 8 2.3.3. Smart hálózatok .................................................................................................... 8 2.4. Optimalizáció............................................................................................................... 9 2.4.1. Beruházási döntéshozatal ..................................................................................... 9 2.4.2. Lineáris programozási alkalmazások ................................................................... 9 2.5. Villamos energia piac ................................................................................................ 10 2.5.1. Internet alapú szimuláció ................................................................................... 10 2.5.2. Optimalizációra épített kereskedelmi szimuláció .............................................. 11 3. Tézisek ............................................................................................................................. 12 3.1. Intelligens megoldások a diszpécseri munka támogatására ...................................... 12 3.2. Megújuló energiaforrások.......................................................................................... 12 3.3. Fogyasztás befolyásolás és smart hálózatok .............................................................. 12 3.4. Optimalizáció............................................................................................................. 12 3.5. Villamos energia piac ................................................................................................ 12 4. Továbbkutatási irányok .................................................................................................... 12 5. hivatkozott publikációk jegyzéke ..................................................................................... 13 5.1. Szakértői rendszerek .................................................................................................. 13 5.2. Neurális hálózatok ..................................................................................................... 14 5.3. Diszpécseri munkahelyek .......................................................................................... 14 5.4. Fogyasztás befolyásolás ............................................................................................ 15 5.5. Megújuló energiaforrások.......................................................................................... 15 5.6. Smart hálózatok ......................................................................................................... 16 5.7. Optimalizáci............................................................................................................... 17 5.8. Villamos energia piac ................................................................................................ 18

2


2011. szeptember

1. A Tudományterület bemutatása: villamosenergia-rendszer (VER) és annak irányítása 1.1. A VER

A villamosenergia-rendszer struktúrája és alapeszközei több mint egy évszázada kialakultak. A hatalmas energiaigény, a hálózatok kontinentális összekapcsolása, a fosszilis tüzelőanyagok kiváltása megkívánja, hogy a rendszerben a legújabb technológiai fejlesztések is helyet kapjanak, mint pl. a mikroprocesszoros automatikák, műholdkapcsolaton alapuló védelmek, stb. Az egységes európai villamosenergia-rendszerben mintegy 400.000 MW-nyi fogyasztást szolgál ki több tízezer generátor, vezetékszakasz, transzformátor, stb. Ezen berendezések a hurkolt hálózaton párhuzamosan üzemelnek. A hierarchikusan szervezett villamosenergiarendszer irányítás feladata a folyamatos ellátás biztosítása a változó igények, a termelési lehetőségek (pl. időjárásfüggő erőművek), esetenként szélsőséges természeti hatások között. 1.2. A villamosenergia-rendszerek bővülésével felmerült kihívások

A villamosenergia-ellátás száz éves technológiája során a berendezéseket 30-50 éves élettartamra tervezik. Az extenzív hálózatépítés során az anyagi és természeti nyersanyagforrások korlátossága miatt a teljes rekonstrukciók (cserék) nem tudnak ütemezetten megvalósulni, a vezetékek átlagos életkora növekedik, az üzembiztonság csökken. A növekvő energiaigények, az elosztott és időjárásfüggő termelés, nem kevésbé a kizárólag kereskedelmi profitmaximalizálás célú energiakereskedelem a jelenlegi hálózat fizikai határait feszegeti. A kimerülő fosszilis tüzelőanyag készletek, a széndioxid kibocsátás csökkentése, a nukleáris energiatermelés kockázatai mind a hagyományos struktúrákba nehezen illeszthető megújuló energiafelhasználások intenzívebb felhasználását indokolják. Az egyre komplexebb hálózat – erőműpark és fogyasztási struktúra – a hálózatirányító diszpécseri munka körülményeit is nehezíti. 1.3. A VER irányítása

A hagyományos diszpécseri munkát telefoni és analóg távmérések segítették. Ma már a rendszerirányítást is bonyolult számítástechnikai háttér segíti. A hierarchiába szervezett irányítóközpontokban SCADA rendszerek (supervisory control and data acquisition), EMS funkciók (Energy Management System) és OTS/DTS (Operator/Dispatcher Training Simulator) rendszerek segítik a munkát. A SCADA rendszer tartalmaz séma-, állásjelzés- és mérés megjelenítést, távműködtetést, alarmot, annak nyugtázását, szabályozásokat, archiválást, határérték-figyelést, naplózást, trendképzést, kommunikációt, stb. Az EMS rendszerek többsége állapotbecslést, topológia számítást, load-flowt, kontingencia analízist, zárlatszámítást, hibaértékelést, stb. A szimulátorok a tervezést, a rutin üzemvitelt és a hibakezelésre való felkészülést segítik. 1.4. Smart trend

A villamos energia ellátáshoz való hozzáférést „állampolgári jogként” éljük meg. A jelenlegi energiaellátási problémákra adható válaszok közül ma még főként az extenzív megoldások kapnak szerepet, amelyben a jelenlegi struktúra bővítésével enyhítik a napi gondokat (pl. az energiaigény-növekedést a konvencionális termelői források, szállítói- és tározó kapacitások bővítésével elégítjük ki). A világban megindult egy olyan irányú kutatás, amely keresi, hogy lokális struktúraváltoztatásokkal és adaptív irányítási módszerekkel hogyan lehet kisléptékű, 3


2011. szeptember

új termelési lehetőségeket bekapcsolni az ellátásba, hogyan lesz a rendszer fogyasztóbarát, hogyan lesz a fogyasztó „energiatudatos” (Microgrid – Virtual microgrid - Smart grid – Fogyasztás-befolyásolás). A korszerű Informatikai Technológiák (IT) és az új energetikai eljárások a termelők és fogyasztók bonyolult rendszerének összehangolt működését valósítják meg, a termelést és ellátást biztonságosabbá, a helyi lehetőségekhez jobban illeszkedővé és a környezet szempontjából fenntarthatóbbá teszik. 1.5. Intelligencia az energiarendszerben

Az intelligencia az energiarendszerben egyes központokba koncentráltan és elosztottan is elhelyezkedhet. Rendszerirányítási szinten az irányítástechnikai paletta az utóbbi évtizedekben számos mesterséges intelligencia (AI) eszközzel bővült [1], mint pl. a vészjelzésszűrés és -feldolgozás, a hibaanalízis és készülékdiagnosztika [3], a rendszer helyreállítás, a biztonsági számítások, kontingencia analízis, Terhelés- és termelés előrejelzés, Terhelés és termelés tervezés, Villamosenergia-piaci rendszerek, Diszpécseri szimulátorok, Optimalizációs technikák [2], Karbantartás szervezés, Döntéstámogató rendszerek, stb. A deregulált piaci környezetben újabb intelligens funkciókat fejlesztettek, mint pl. a tőzsdei ajánlattételt támogató eszközök, árelőrejelzés, congestion (torlódás) kezelés, portfolió kezelése, Piaci folyamatok előrejelzése, stb. A funkciók megvalósításához különböző intelligens technikákat alkalmaznak, köztük a mesterséges neurális hálózatokat (Artificial Neural Networks – ANN), fuzzy halmazokat, szakértői rendszereket, Multi agent systems, Constraint programming, Mintaillesztés, stb. Mindezen funkciók a jól működő adatgyűjtő –felügyelő rendszer (SCADA) kiépítését feltételezik. A központi intelligens alkalmazások mellett a fejlesztések a hálózatra elosztott és lokális, akár a kisfogyasztóknál is lehetséges megoldásokat is keresik. Az Intelligens Energia és Smart Grid fogalmak kis helyi fogyasztók és termelők alacsony szintű agregációját jelentik. Ezek a készülékek tipikusan a megújuló és elosztott termelő berendezések, mint a mikroturbina, napelem, szélturbina, vagy mint az intelligens, önszabályozó terhelések, mint pl. a légkezelők, szárítók, hűtőberendezések, vagy akár a kenyérsütő gép. Ezek a részhálózatok, virtuális mikrogridek mint intelligens hálózatrészek képesek együttműködni a nagy hálózattal. A terhelési oldalán mindezek ellenére évtizedek óta csak a HKV-t használják, ami egy durva, lokális szinten intelligensnek nem mondható távkapcsolási lehetőség, amely a maga korlátain belül hasznosan és megbízhatóan működik. [4] Fogyasztói oldalon két csoport tehető intelligenssé:  Középméretű koncentrált fogyasztók, mint a bevásárlóközpontok, irodatornyok, lakóparkok, a maguk 0,5-3 MW-os terhelésével, illetve  Kisléptékű fogyasztók, tipikusan a háztartások 3-20 kW-os csúcsterheléssel. Egy háztartás nem számottevő, de többszázezer lakás már ezer MW-os nagyságrendbe esik. Ezért érdemes ezzel foglakozni. 1.6. Hivatkozások [1.] Z. A. Vale, Intelligent Power System in Wiley Encyclopaedia on Computer and Software Engineering [2.] O. Geyrisman, Optimum distribution switching in TD World September, 2007, p 46. [3.] I. Szén, Transformer Diagnostics, Hungarian Electrotechnical Association – 53th Conference, Szeged, August 23-25. 2006. [4.] Grabner P., Rendszerszintű szolgáltatások kínálatának bővítési lehetőségei, A rendszerszintű szolgáltatások piaca, HTM-ekkel való kapcsolata és jövője konferencia, Budapest, 2007 október 17.

4


2011. szeptember

2. Vizsgálatok és eredmények Az utóbbi másfél évtized során végzett szakmai munkámat a következőkben mutatom be. 2.1. Intelligens megoldások a diszpécseri munka támogatására

2.1.1. Szakértői rendszerek

A [Kadar, AF96]-ban a demonstrációs fázisba eljutott, a hazai VER irányításba javasolt szakértői rendszer megoldásaimat ismertettem, mint a Cause-effect networkre alapozott Komplex hibafelismerő rendszert; a logikai védelmi szimulációt tartalmazó oktatási és tesztcélú MultiPurpose Substation Simulator Shell-t és a konkurrens Prolog-ban programozott védelmi készülékek együttműködését szimuláló módszert (The Simulation of the Dynamic Interaction of the short circuits and the protection operation). A VER irányító központokban igen nagy mennyiségű adat gyors áttekintése, bonyolult online és off-line számítások eredményeként lehet döntéseket hozni. Megterveztünk egy olyan magas szintű szakértői rendszert (CORES – Continuous Restoration System), mely a probléma és a problémás készülék alapján helyreállítási stratégiát nyújt, majd az egyes végrehajtandó lépések előtt automatikus ellenőrzéseket végez. [KadarMergl, ISAP96] A védelmi működések automatikus hibatűrő analízisére a toleráns mintaillesztésre alapozott védelmi kiértékelési módszert fejlesztettük tovább, melynek alapelvét dolgoztam ki. Ennek lényege, hogy a különböző időpontban elvárt beérkezésű jelekből egy n-dimenzós vektort készítettünk, melyben a vektorok az egyes jelzéseket, míg a vektorok hossza a beérkezési időt jelentette. A tényleges jelsorozatból képzett vektor és a mintavektor vektoriális közelsége adta a valószínűsíthető esemény azonosságot. A mintegy tucatnyi beérkezett jel alapján a rendszer a diszpécsernek egymondatos eseményértékelést ad, mint pl.: „Sikeres lassú visszakapcsolási automatika a működés a R fázisban”. [KadarBudMerglKov, ET96; KadarMerglKovacs, ISAP97] A rendszer továbbfejlesztése implementálásra került az ELMÜ-nél [KadarKovMaj, ET00], illetve az OVT-ben, az Xgram SCADA-ban és az ELMÜ TMOK automatikában. Javaslatot tettünk a hagyományos SCADA funkcionalitás kibővítésére a védelmi értékeléssel, kapcsolási szimulációval és alert state felismeréssel. [KadarKovMohSzab, PT99; KadarKovacs, CIG00] 2.1.2. Neurális hálózatok alkalmazása

Csak a villamosenergia-rendszer irányításban is számos feladatra alkalmazzák a neurális hálózatokat, mint pl. terhelésbecslésre, szélerőmű-termelés előre becslésre, kontingencia analízisre, stb. A védelmi működések analízise, az eseményfelismerés egy fontos szegmense az irányítást segítő szoftvereknek. Erre egy eszköz lehet a Neurális hálózat, mert képes nem egzakt esetekben is megfelelő orientációjú válaszok megfogalmazására (hibatűrő képesség). A szekvenciális jelsorozatokkal leképzett védelmi működések adathalmazához illesztettem Back Propagation, Hopfield és Kohonen hálózatokat, majd a saját REcognition PErformance COmparison szoftverrel hasonlítottam össze működésüket. Az időeltéréseket a Kohonen leképzés, míg a jelek hiányát a BP leképzés tolerálta legjobban. [Kadar, NA96] Magyarországon elsőként készítettük el a Quick Propagation (Radial Basis Function) alapú neurális hálózatos terhelésbecslési alkalmazást, amely az ÉMÁSZ Körzeti Diszpécser Központjában futott valós időben, és rövidtávú (3 órás) előrebecslést végzett. [KadarMergl, ET97]

5


2011. szeptember

Egy másik alkalmazásban a határokat keresztező villamosenergia-kereskedelem számára fontos határkeresztezési díjak becslésére szolgáló rendszert vázoltunk. Ez öt évvel a hazai kereskedelem liberalizációja előtt történt. [KadarBertalan, PQ98; KadarBert, ET00] A neurális hálózatok alkalmazásának egyik kulcskérdése, hogy a világosan struktúrált hálózatba mely bemenő jeleket, milyen súllyal szerepeltetünk, illetve a kimenet befolyásolásában ezek a tanítókészlet tanulsága alapján mennyire vesznek részt (szignifikancia vizsgálat). Ehhez készítettünk egy Rough Set classification eljárást. [KadarBert, MEL00] 2.1.3. Diszpécseri munkahelyek

Munkám során sokat jártam villamosenergia-rendszer irányító központokban. A diszpécseri feladatokat, illetve az ahhoz kapcsolódó eszközrendszert megismerve a következő megállapításra jutottam: - Míg az elmúlt évtizedben az áramszolgáltató vállalatok kiépítették adatgyűjtő SCADA rendszereiket, melynek segítségével a hálózatról és alállomásokból több ezer mérés és jelzés érkezik az irányító központokba közel valós időben, és ezzel teljesült az üzemi felügyelet feltétele, az adatok rendelkezésre állása, - addig a nagy adattömeg, az állomáscentrikus sémakép szervezés nem teszi lehetővé az áttekintő információszerzést pl. a védelmi működésekről, a feszültség és terheltségi viszonyokról. A szabad piaci gyorsan változó környezet, a változó áramlások és tranzit okozta problémák is igénylik az üzemelőkészítési és üzemviteli hálózatszámítás alkalmazását, de a jelenleg alkalmazott eszközök rendszerint táblázatos formában, vagy részletes sémaképeken adnak eredményeket. A fenti problémákra ad megoldást az eredményeknek az újszerű, geográfiai alapú, hőtérképes, grafikus megjelenítése: - védelmi jelzések megjelenítése védelmi működések esetén [Kadar, OV05] - állapotbecslés és load-flow kimenetek esetén a jól áttekinthető hőtérkép összehasonlíthatóvá teszi a különböző változatokat, kontingencia analízis és zárlatszámítás esetén pedig a túlterhelődést okozó elemek, valamint a túl nagy zárlati teljesítményt okozó zárlati helyekre hívja fel a figyelmet. A térkép alapú grafikus felületen a diszpécser nem csak "száraz" számokat lát, hanem időben felismeri az alarmot még nem okozó (80-90%) alatti terheltségi szinteket, csökkenő üzembiztonságot, ezzel is hozzájárulva a kiegyensúlyozottabb energiaellátáshoz. [KadarBes, ET05; KadarBesOr, CIG06] Az akkor hazánkban újszerű hőtérkép alapú megoldás most válik az energiarendszer irányító szoftverrendszerek standard eszközévé. 2.2. Megújuló energiaforrások

2.2.1. Elosztott termelő eszközök

A kisléptékű energiaforrások tekintetében a Budapesti Műszaki Főiskola Kandó Kálmán Villamosmérnöki Kar Villamosenergetikai Intézetében vezetésemmel létrehoztunk egy demonstrációs energiaparkot, mely többek között napelemeket, napkollektorokat, szélturbinát, vízerőmű modellt és tüzelőanyag-cellát tartalmaz. A munka célja a megújuló energiatermelő eszközök gyakorlati bemutatása, üzemviteli tapasztalatok szerzése illetve új típusú hálózati struktúrák tesztelése. Az egyes berendezésekhez mérő rendszerek, mérési útmutatók is készültek. [Kadar, SACI06; Kadar, KVK06} jelenleg a mikroCHP modell építése folyik. 6


2011. szeptember

2.2.2. Elosztott termelés irányítása

Az elosztott és megújuló energiatermelés menetrendjének optimalizálására, szigetüzemű ütemezésére fejlesztettünk ki megoldásokat közösen az ISEP (Porto, Portugália) kutatóival. Ez az egyszerű menetrend tervezéstől többek között abban is eltér, hogy az erőforrások korlátozottan és időjárásfüggően állnak rendelkezésre, illetve a szigetüzemű rendszer energiaegyensúlyát is meg kell oldani. [MoraisKadarFariaValeKhodr, EL09; ValeMoraisFariaKhodrFerreiraKadar, MEL10; ValeMoraisFariaKhodrSilvaKadar, PES10; KhodrValeRamosSoaresMoraisKadar, PES10] 2.2.3. Szélerőművek

A szélerőművek technikája lényegében letisztult, a készülékeket katalógus alapján lehet rendelni. A kérdés, hogy nagyléptékben, az energiarendszer szinten hogyan integrálható az időjárás (és nem fogyasztás) -függő termelés. A szélenergetika területén számos tanulmányban foglalkoztam a hazai széljárással, a szélenergia termelés becslésével. Mérések korrelációanalízise révén felismertem, hogy a szélenergia termelés egy nappal előbbi mennyiségi becslése nagyon pontosan megtehető a vizsgált szélerőműtől távolabbi szélmérésekre alapozva is (átskálázási tényező). A finom felbontású (néhány perces) termelési görbe viszont lokális sztochasztikus fizikai folyamatoktól függ (turbulenciák), amelyet pontosan más módszerekkel sem lehetséges megbecsülni bizonyos pontosságnál jobban. [Kadar, CINTI07] A nagyléptékű integrálás kérdésére számos megoldást alkalmaznak, illetve számos tévhit kering, miért nem lehet hazánkban fejleszteni a szélparkot. Pl.: a szivattyús tározós erőmű, vízerőművek kérdése; le-irányú szabályozási kapacitás; költségesség; rendszer szabályozhatatlansága; adminisztratív korlátok; hirtelen leállás. Konkrét megoldásokat javasoltam, statisztikai számításokkal alátámasztva, mint pl. a szélerőművi termelés szabályozása és korlátozása; területi diverzifikáció; lokális irányítószabályozó központok; tőzsdei ügyletek; innovatív tárolási módszerek. A javaslatok egy része kezd beépülni a hazai szabályozásba, mint pl. a termelés szabályozása és korlátozása, illetve a területi diverzifikáció. [Kadar, ET10; Kadar, ENER11] 2.3. Fogyasztás befolyásolás és smart hálózatok

Napjainkban a természeti erőforrások, az energiahálózatok és a környezetterhelés határaihoz érkeztünk. Egy energetikai paradigmaváltással szembesülünk, melyben a nehezen tervezhető fogyasztások feltétel nélküli kielégítése helyett egyrészt a fogyasztások csökkentését, másrészről a fogyasztások átmenetrendezhetőségét kívánják elérni, hogy olcsóbb, környezetkímélőbb erőműveket lehessen üzemeltetni. Ezt a témakört DSM-nek nevezik (Demand Side Management). A termelési és elosztási oldalon nagy kapacitás tartalékok lennének kiaknázhatóak, ha a csúcsterhelés/völgyterhelés aránya az 1-hez közelítene (azaz ha az éjjeli időszakra terelődne át több fogyasztás a csúcsidőszakból). Fogyasztói befolyásolás nélkül (DSM) ez az arány a 2höz közeli. Bár számos befolyásolási technika létezik (tarifaszabályozás, energiatakarékossági kampányok, menetrendezési technikák), mégis csak a Hangfrekvenciás KörVezérlés van szélesebb körben elterjedve. 2.3.1. Intelligens fogyasztók

Munkám során azt kerestem, hogyan lehetne a fogyasztást és termelést nagyobb együttműködésre, összhangra bírni. Ehhez az energiarendszert aktívabbá és intelligensebbé kell tenni. 7


2011. szeptember

A passzív energiafogyasztók mindenkori maximális energiaigényének kielégítése helyett a fogyasztóknak együtt kell működnie a termelőkkel. Ehhez megfelelő lokális intelligenciát javasoltam (intelligens termelő/tároló/fogyasztó), de ehhez megfelelő kommunikációs hálózat és szabályozási környezet is szükséges lenne. [Kadar, IE07; Kadar, ICREP008; Kadar, EI08] 2.3.2. Fogyasztók viselkedése

Hallgatókkal több méréssorozatot végeztünk (közelítő eljárások és monitorozás) annak céljából, hogy a háztartási illetve kommunális fogyasztók milyen menetrenddel, milyen berendezésekkel fogyasztanak villamos energiát. A fogyasztás szerkezetének pontos megismerése képezhet alapot arra, hogy a fogyasztás átmenet-rendezhetőségére javaslatot tegyünk. Feltártam, hogy a villamos energia rendszerben a szúk kapacitásbővítési és tárolási lehetőségekkel szemben igen nagy DSM átmenet-rendezhetőségi kapacitás áll rendelkezésre. A központi szabályozás mellett javaslatot tettem a lokális autonóm megoldásokra is: Időzítés alapú megoldás, Alacsony szintű központok; Lokális szabályozó; Frekvenciamérésre alapozott szabályozó. [Kadar, TYDLA08; Kadar, IE07; Kadar, EI08; Kadar, DSM08] Az épületfelügyeleti és informatikai rendszerek (pl. KNX rendszer) az aktív energiagazdálkodás részét képezhetik. [KadarKemeny, MEE08; Kadar, EI10] 2.3.3. Smart hálózatok

Napjaink energetikai világát a „smart” gyűjtőfogalom itatja át, mely többek közt intelligens méréseket, energiaminőség-centrikusságot, fogyasztó befolyásolást, automatikus rekonfigurációt, elosztott termelést, kisléptékű megújuló termelést, intelligens fogyasztókat is jelent. Kidolgoztam a ’virtuális mikrogrid’ fogalmat (a smart grid hazai köztudatba ágyazódása előtt), amely alapján a hazai energiapolitikába is bevonult a „Mavirka” ill. „Mikrovirka” fogalom, melynek keretében kistérségi komplex energiatermelő rendszerek jönnek létre, az energiatermelésnél sokkalta szélesebb körű célokkal, pl. foglalkoztatás, hulladékkezelés, erdő-karbantartás, stb. [Kadar, SM06; KadarNagy, EF10] A számos elosztott kiserőmű irányítása nehezen megoldható egyenként. Néhány éve megfogalmazódott az iparágban a „Virtuális erőmű” fogalma, ami ezeket a kis egységeket agregálja országos léptékű egységekké. Ezekkel lehet már számolni, szabályozni – bár fizikailag térben el vannak osztva. A szigetüzemben működő virtuális erőművek energiatermelési menetrendezésére fejlesztettünk ki közösen algoritmust az ISEP (Porto, Portugália) kutatóival. [MoraisKadarCardosoVale, PES08] Laboratóriumi mérőpaneleket terveztem meg és valósítottam meg hallgatókkal, amelyeken a mikrogrid modellezhető, illetve a smart hálózat több tulajdonsága modellezhető (hangfrekvenciás és rádiófrekvenciás körvezérlés, szigetüzem vezérlő, smart mérő, energia minőség mérő) [Kadar, ICREPQ07; Kadar, SISY10] Az „intelligens” lakásban az intelligens fogyasztó berendezések kommunikálhatnak a helyi központtal, illetve a távoli szolgáltatóval. Az egyes készülékek (pl. mosógép, mosogatógép, szárítógép, vízmelegítő) viszont nem könnyen kapcsolható össze fizikai adatkábelen. Megoldást javasoltam lokális ZigBee adatkapcsolatra. [Kadar, INES09] A már említett „minden smart” világban nehéz tájékozódni, hogy valóban egy hálózat a ’smart’-ságnak mely fokára jutott, érdemes-e további elemekkel bővíteni. Eljárást fejlesztettem ki a „smartság” mérésére, ennek megjelenítésére, hogy két hálózatot össze lehessen hasonlítani. Érdekes felismerés, hogy akár a hazai hálózatok is, már húsz éve is rendelkeztek a smartság bizonyos fokával. [Kadar, SAMI11]

8


2011. szeptember

A smart mérőkből áradó adattömeg nem csak a szolgáltatónak hasznos a fogyasztói szokások megismerésében, de ugyanúgy fogyasztó számára is adhat támpontokat a megtakarításhoz. Az átlagfogyasztók viszont sem energetikai szaktudással, sem pedig hardverrel nem rendelkeznek, hogy otthon energiafelügyeleti rendszert használjanak. Felvázoltam egy hazai, központi energiamenedzsment rendszer lehetőségét, amely a fogyasztót támogatja. [Kadar, ICREPQ11] 2.4. Optimalizáció

A villamosenergia-rendszer fejlesztését, üzemét érintő komplex feladatok többségét optimalizációs problémaként kezelhetjük. 2.4.1. Beruházási döntéshozatal

A villamosenergia-termelési, -szállítási, -szolgáltatási projekteket az egzakt műszaki szempontokon túl alapvetően befolyásolják a társadalmi-gazdasági aspektusok. Az alábbiakban bemutatásra kerül egy olyan módszertan, amely közelebb viheti a döntéshozókat az optimális megoldások megtalálásához. A példákat a villamosenergia-piaci modellkeresésből, illetve erőmű beruházási területről hoztam. A módszerek számos heurisztikus elemet tartalmaznak, mint pl. a kvalitatív függvénykapcsolatokra alapozott kulcstényezők meghatározását (Key Performance Indicators), vagy az összetett eredményességi mutatót. A módszer analitikusan nehezen leképezhető mennyiségek komplex döntésekben való kezelésére ad egy megoldást. A módszer számos szubjektív és heurisztikus elemet tartalmaz, mégis a döntések adott környezetben gyakorolt hatását, illetve a döntések “érzékeny pontjait” (sensitivity) jól megmutatja. A munka alapján az alábbi megállapításokat tehetjük: Az energetikai döntések minősítése nem lehetséges csak a műszaki, illetve csak a klasszikus műszaki – gazdasági – politikai hármas szempontrendszer alapján. A komplex értékelés egyik megközelítően jó sémája a STEPLE, de további szempontokat is figyelembe lehet venni. Az energetikai döntések során nem az önmagában optimális megoldást választják, hanem az adott helyzetben a relatívan legmegfelelőbbet. A módszer elemeinek demonstrálására kérdőíves vizsgálatot is folytattam, amely a módszert teszteli egy új hazai erőműépítés vonatkozásában. Itt a szenes / gázüzemű / nukleáris / hidro és szél opciókat hasonlítjuk össze. [Kadar, SAMI06; Kadar, EG07] 2.4.2. Lineáris programozási alkalmazások

Optimalizáció esetén valamely szempont szerint, valamilyen számokkal kifejezhető értékeket szeretnénk valamilyen határok közé beállítani. Az értékek beállítása egyszerűbb esetben minimum vagy maximum kereséssé fordítható. Egyszerűbb esetben egy értékre keressük az optimumot (Single Objective Optimisation – SOO), más esetben több értékre együttesen (Multi Objective Optimisation – MOO). Komplex esetekben, mint pl. az energetikai stratégia, tipikusan MOO problémáról van szó. Szerencsére ma már számos számítógépes, numerikus matematikai eszköz hozzáférhető, amelyekkel az MOO problémákat szinte gombnyomással meg lehet oldani.1 A következőkben azt demonstráljuk, hogy a fentebbi fejezetekkel kialakított adatsorokkal is igen hatékonyan lehet jövőbeli alternatívákat vizsgálni. A demonstrációban SOO optimalizációkat végeztem. a)

1

Megújuló energiaforrások üzemének optimalizációja

Az optimalizálásra az Archer Tool Linear Programming programcsomagot használtuk 9


2011. szeptember

Járműveken, űreszközökön, de szigetüzemű energiarendszerekben előre ismert a fogyasztási menetrend minimuma és maximuma és ennek kielégítésére korlátozott energiaforrások állnak rendelkezésre (pl. napelemek, tüzelőanyag cella, szélerőmű, akkumulátor). Ezek a berendezések számos korláttal rendelkeznek, pl. minimális-maximális töltési képesség, előre jelzett termelési potenciál, stb. Az optimalizációnál a célfüggvény az energiaigény kielégítése volt a minimális költségek mellett, pl. amennyiben napelemes vagy szélturbinás termelés várható, akkor lehetőleg a tüzelőanyag cellás üzemet minimalizálni kell. A kifejlesztett algoritmus képes egy másnapi termelési menetrend megbecslésére. [Kadar, SAMI07] b)

Energiatározási optimalizáció

A villamosenergia-piacon független termelők, fogyasztók és kereskedők operálnak. Megjelenik egy új szolgáltatás, az energiatározás is. A vizsgált összeállításban megújuló energiatermelők, tározó és piaci villamos energiával foglalkoztam. Az alapkérdés, hogy adott piaci ár és tározó töltöttségnél érdemes-e a megújuló termelést közvetlenül piacra dobni, vagy érdemes eltárolni, és későbbi időpontban magasabb áron értékesíteni. [Kadar, SAMI09] c)

Hálózati struktúra optimalizálása

A hálózatok „Smart” tulajdonságok többek között megújuló energiaforrásokat, adaptív védelmeket, vonali kapcsolókészülékeket, intelligens fogyasztásmérőket, speciális vonali mérőberendezéseket is tartalmaz. De mennyi berendezést érdemes felszerelni? Melyik hogyan térül meg? Meghatároztam, hogy az egyes smart típusú bővítések mennyiben járulnak hozzá az üzembiztonság növeléséhez. Ezek után egy rendelkezésre álló pénzösszegre optimalizáltam a fejlesztéseket, melyik típusú megoldások kombinációja hozza a maximális üzembiztonság javulást. Általános eredménynek tekinthetjük, hogy a teljes vezetéki rekonstrukció (vezetékcsere) értékének mintegy 10%-ából a „smart gauge”-ok telepítésével hasonló üzembiztonsági szint érhető el, mint a teljes rekonstrukcióból. [Kadar, ISAP09] d)

Energia mix meghatározása

Módszert dolgoztam ki az erőműpark/mix összeállítására vonatkozóan. A vizsgálatot csak villamos energiatermelésre végeztem, de pontos bemeneti adatok és világos cél struktúra esetén az optimalizációt tovább lehet finomítani, illetve hő és közlekedési területre is ki lehet terjeszteni. A demonstráció arra is felhívja a figyelmet, hogy a durva, sematikus, leegyszerűsített SOO szempontok alapján történő tökéletes matematikai optimumok egymástól igen eltérő szcenáriókat javasolnak. Ezek szerint nem javasolható, hogy a megújuló erőforrások 13%-os részarányának későbbi meghatározásakor kizárólag egy-egy szempont alapján adjanak aránykiosztást („legolcsóbb – legkisebb kibocsátású – legjobb társadalmi hatású” szcenáriók). [Kadar, SAMI10; Kadar, AE10; Kadar, Intech11] 2.5. Villamos energia piac

2.5.1. Internet alapú szimuláció

A villamosenergia-rendszer deregulációja a 90-es évek elején kezdődött, többek között Angliában, lényegében azóta beszélhetünk villamosenergia-piacról. Azóta Európa országainak többsége deregulálta a szektort, Magyarországon lényegében 2004-ben indult meg ez a folyamat, a gázpiac két évvel később követte. A 2000-es évre készült el terveim alapján a Magyar Energiakereskedelmi Szimulátor (MEKSZ) amellyel messze megelőzve a reálfolyamatokat a hazai hálózati környezetben lehet fogyasztási menetrendeket kezelni, hosszú távú-, bilaterális- és spot(azonnali)- szerződéseket kötni a „day ahead” (másnapi) 10


2011. szeptember

piacon. A szimulátor az előkészítési és az elszámolási fázist mutatja be. A szimulációs játékban termelők, kereskedők, közüzemi- és feljogosított fogyasztók vesznek részt. A szimuláció a hálózati adatok betöltésével, a hosszú távú szerződésállomány generálásával kezdődik, majd a még ki nem elégített piaci igényekre lehet bilaterális szerződéseket kötni. Az így le nem fedett igényeket a „spot” piacról lehet beszerezni, ahol az ár tőzsdei illesztési mechanizmus alapján alakul ki. A hálózati túlterhelések elkerülése végett a tervezett szállításokat load-flow számítás ellenőrzi automatikusan. A szimulált kereskedési nap végén a szereplők számláján megjelennek az egyes tranzakciók közvetlen és közvetett költségei. A MEKSZ szimulátor alapvetően oktatási feladatokra használható, amelyben a hallgatók az energiapiac folyamataival ismerkedhetnek meg. Kiemelnénk, hogy az energiapiacot, mint működő egészt mutatja be a rendszer, lehetőség van pl. a tervezett kereskedelmi menetrendek és a fizikai hálózat korlátainak együttes bemutatására, a nem hálózatszámító mérnökök számára is. A MEKSZ-el demonstrálható, tipikus oktatási szcenáriók: - Szabályozás/hálózat/elszámolás ismertetése - Bilaterális szerződéskötés; Spotpiac befolyásolása ajánlatokkal - Spotárképzési és hálózathasználati díjszámítási módszerek bemutatása - Piacmodellek (monopóliumok; California típus; NordPool típus) - Energiarendszer fejlesztése (pl. új atomerőmű; új szenes erőmű; új gázturbinák) - Normál energiakereskedelem (kereskedői szerződések; olcsó import; a piac az erőmű szemével; jelentős export; É-D irányú tranzit; K-NY irányú tranzit) - Nem tervezhető események (hirtelen kiesések; belső részleges "black-out", azaz ellátási hiány) - Rossz tervezésből adódó események (túlzott mértékű tranzit; kötelező átvétel; Belső congestion; határkeresztezés túlterhelése) - Nem etikus üzleti magatartások (dömping ár; mesterséges "congestion", azaz torlódás) - Megújuló erőforrások (szélerőmű farm; nagy vízerőmű; napelem farm; biomassza; elosztott termelés) Az Internet alapú szimulátor a villamosenergia-ipari piacnyitás kapcsán felmerülő szabályozási – pénzügyi – műszaki problémahármast együttesen vizsgálja. A piacszabályozást szabályalapú rendszerrel, a pénzügyi rendszert elszámolási szabályokkal, a műszaki korlátokat pedig load-flow számítással képeztem le. A modellek a központi szerveren futnak, míg a játékosok interneten keresztül, távolról jelentkezhetnek be. [KadarCsap, ISAP01; KadarCsap, BPC02; KadarCsap, BPC03; Kadar, PSCO03; Kadar, AF04; Kadar, ET04] 2.5.2. Optimalizációra épített kereskedelmi szimuláció

A Regionális Energiakereskedelmi Szimulátor célja (Regional Energy Trade SIMulation – RETSIM) annak a vizsgálata, hogy a tőzsdei ármozgások milyen kereskedelmi áramlásokat generálnak a régióban. A szűk keresztmetszetek figyelembevételével meghatározzuk a villamosenergia-piacok összekapcsolásából, az árkülönbségek kiegyenlítődési mechanizmusából fakadó kereskedelmi energiaáramlások várható irányát. A szimuláció során keressük a minimális árat – illetve, az egyes országok törekednek a minimális (átlag)ár elérésére. Az első lépésben a teljes rendszer összes költségeinek minimalizálására törekszünk, a peremfeltételek (constraints) figyelembevételével. Az ideális megoldást a helyi üzleti érdekek és működések torzítják. Az ideális, legolcsóbb energia helyszínre szállítását több korlát nehezíti (constraints), mint a termelési kapacitások korlátai vagy a határkeresztezési kapacitás korlátok. A modell MATLAB-ban készült. [Kadar, ISAP11] 11


2011. szeptember

3. Tézisek 3.1. Intelligens megoldások a diszpécseri munka támogatására

Kidolgoztam a szekvenciális mintaillesztésen alapuló toleráns esemény-felismerés alapjait. Ezek számos ipari alkalmazásba beépítésre kerültek. [KadarBudMerglKov, ET96] Az előbbi feladatra neurális hálózatokkal működő megoldásokat készítettem. [Kadar, NA96] A hagyományos sémaképen és szöveglistákon történő diszpécseri információ megjelenítés kiegészítésére hőtérképes megjelenítést dolgoztam ki. [KadarBesOr, CIG06] 3.2. Megújuló energiaforrások

Menetrendezési optimalizációs eljárásokat fejlesztettem ki elosztott termelő eszközök termelésének irányítására. [Kadar, SAMI07] Feltártam a szélenergia hazai rendszerbe integrálásának valós akadályait és konkrét megoldási lehetőségeket fogalmaztam meg, melyekből ma már többet is alkalmaznak. [Kadar, ENER11] 3.3. Fogyasztás befolyásolás és smart hálózatok

A fogyasztás szerkezetének elemzésével és kvantitatív mérések alapján a lakossági áramfogyasztásban mintegy 50% ’átmenetrendezhetőségi’ tartalékot mutattam ki, amely tartalék csúcserőművek kiváltására is felhasználható. [Kadar, TYDLA08] Megbízhatósági modell alapján kiszámítottam, hogy az elöregedő hálózatok smart eszközökkel történő kiegészítésével az elöregedésből és a növekvő terhelésekből adódó üzembiztonság csökkenés-helyreállítást a teljes rekonstrukció költségének töredékéből el lehet végezni (– természetesen az egyes berendezések gyakorlati élettartamán belül). [Kadar, ISAP09] 3.4. Optimalizáció

Egységes módszertant alkottam az energetikai beruházási döntéshozatali szempontrendszer kezelésére. [Kadar, SAMI09] A lineáris programozási eszköz felhasználásával optimalizációs eljárást fejlesztettem ki, mellyel az erőmű-mix összeállítást lehet az externáliák vagy a kibocsátás minimalizálása mellett elvégezni. [Kadar, AE10] 3.5. Villamos energia piac

Kifejlesztettem egy internet alapú, illetve optimalizációra épített villamos energia kereskedelmi szimulátort. [Kadar, ISAP11]

4. Továbbkutatási irányok Jelenlegi kutatásaim során azt vizsgálom, hogy a hagyományos extenzív villamosenergiatermelő kapacitások mellett milyen kisebb léptékű, nagy darabszámú megoldásokkal lehetséges az ellátást fenntarthatóbbá tenni. Ilyen megoldások a koordinált üzemű háztartási erőművek, intelligens háztartások, új típusú energiakereskedelem és rendszerirányítás.

12


2011. szeptember

5. hivatkozott publikációk jegyzéke 5.1. Szakértői rendszerek

KadarMergl, ISAP96

A. Mergl - P. Kádár CORES - the Continuous Restoration Expert System IEEE ISAP96, Orlando Fla. USA Jan.28-Feb.2.1996

KadarEissa, PAP96

M.M.Eissa - P. Kádár Off-Line Simulation Tools for the Investigation of the Operation of a New Digital Relaying Scheme Practical Application of Prolog, London, UK, April 23-25, 1996 p.77-92

Kadar, AF96

P. Kádár New Solutions in the Control of the Hungarian Power System IEEE AFRICON’96 24-27th Sept. 1996, Stellenbosch, Rep. of South Africa, pp 816-821.

KadarBudMerglKo v, ET96

Dr. Kádár P. - Buday L. - Dr. Mergl A. - Kovács A. A toleráns védelmi kiértékelés Elektrotechnika, 1996/10. p.491-494.

KadarMerglKovacs , ISAP97

P. Kádár - A. Kovács. - A. Mergl A tolerant Event Recogniser and Alarm Filter based on Sequential Pattern Matching under Introduction into the National Dispatching Centre Proceedings of IEEE Intelligent System Application to Power System (ISAP’97) pp. 142-146, Seoul, Korea, July 6-10, 1997,

KadarKovMerglKi ssDecsBenk, ICP97

P. Kádár - A. Kovács. - A. Mergl - L. Kiss - G. Decsi - I. Benkó Power System State Monitoring and Restoration Advisory Expert System International Colloquium of Power System 18-19. November 1997., Prague, Czech Republic

KadarKovacs, SP98

P. Kádár - A. Kovács: Vyvoj technické pracovní stanice ochran, komunikujiící s digitálními ochranami (Development of Protection Engineering Workstation - Communicating with Digital Protection Devices) Rízení napétí a jalovych vykonu v elektrizacni soustave Ceske Republiky; Aktuálni otázky elektroenergetiky 3. rocník 12-13. November 1998., Seminar Podebrady’98, Czech Republic, pp. 38-42.

KadarKovMohSza b, PT99

P. Kádár - A. Kovács – A.Mohácsi – E.Szabó: Extension of the standard SCADA functionality with AI tools IEEE Powertech’99 conference Budapest, Hungary, 29 August – 2 September 1999, pp.27-31

KadarKovacs, CIG00

P. Kádár - A. Kovács: Recognition of alert state at bulk substations CIGRÉ Session – 2000, 29 August – 1 September, 2000, Paris, France Vol. Report on SC’39 paper no. 39-106

KadarKovMaj, ET00

P.Kádár – A.Kovács – P.Major: Intelligens alarmfeldolgozó rendszer az ELMŰ Rt-nél Elektrotechnika, 2000/9. p.

13


2011. szeptember

5.2. Neurális hálózatok Kadar, IC95

P. Kádár Survey of relay system's modeling methodologies IEEE First International Conference on Digital Power System Simulators (ICDS95), College Station TX, USA April 5-7, 1995 p.315-321

KadarMerglKovacs , ISAP97

P. Kádár - A. Kovács. - A. Mergl A tolerant Event Recogniser and Alarm Filter based on Sequential Pattern Matching under Introduction into the National Dispatching Centre Proceedings of IEEE Intelligent System Application to Power System (ISAP’97) pp. 142-146, Seoul, Korea, July 6-10, 1997,

Kadar, NA96

P. Kadar Neural Network Based Pattern Matching Application to Power System Signal Processing 2nd Word Congress of Nonlinear Analysts; Athen, Greece July 10-17. 1996.; Vol. 30. Part 3., pp. 1655-1661

KadarMergl, ET97

A. Mergl - P. Kádár Rövidtávú on-line terhelésbecslés az ÉMÁSZ KDSZ-ben (Short Term Load-Forecast in the Regional Center of the ÉMÁSZ) Elektrotechnika 1997/2. p. 55-60.

KadarBertalan, PQ98

P. Kádár - Zs. Bertalan: Neural Net Supports the utility in the deregulated power system Power Quality’98 conference Santa Clara, California, USA, November 10-12, 1998, pp.351-359

KadarBert, ET00

Zs.Bertalan- P.Kádár: A neurális hálózatok alkalmazása a liberalizált energiakereskedelemben (Application of neural nets in the deregulated market environment) Elektrotechnika, 2000/2. p.47-51.

KadarBert, MEL00

Zs.Bertalan- P.Kádár: Application of rough set theory for determining the significant inputs of an ANN; IEEE MELECON 2000,29-31 May; Lemesos, Cyprus; vol. II p. 582-585

5.3. Diszpécseri munkahelyek KadarBes, ET05

Kádár Péter – Bessenyei Tamás: Nagytömegű hálózati adat hőtérképes megjelenítése Elektrotechnika, 2005/10. pp 265-267

Kadar, OV05

Péter Kádár: On-line visualisation of signals of protection devices Conference on “Overvoltage and reliability of electrical equipment maintenance” Budapest, Hungary, November 14-18, 2005

KadarBesOr, CIG06

P. Kádár – T. Bessenyei – L. Oroszki: Enhancement of the visualisation of an existing SCADA systems CIGRÉ Session – 2006, 27 August – 1 September, 2006, Paris, France SC C2 – paper No.303

14


2011. szeptember

5.4. Fogyasztás befolyásolás Kadar, ET02

Kádár P.: Új követelmények az energiatermelők és szolgáltatók informatikai rendszereivel szemben Elektrotechnika, 2002/7-8. pp 215-217

Kadar, IE07

Kádár Péter: Intelligencia az erősáramú hálózatokban Intelligens Energiarendszerek 2007 konferencia, Budapest, 2007. nov. 27. pp 9-20.

Kadar, ICREP008

Péter Kádár: Making the power system intelligent ICREPQ’08 International Conference on Renewable Energy and Power Quality Santander, Spain, March 12-14, 2008

Kadar, EI08

Kádár Péter: A háztartás, mint intelligens fogyasztó Elektro Installateur folyóirat, 2008/1, p16-18

Kadar, TYDLA08

Péter Kádár: Understanding customer behaviour Proceedings of IEEE TYDLA 2008, Bogota, Colombia, 13-15 August, 2008-09-08

KadarKemeny, MEE08

Kádár Péter – Kemény József Intelligens Office Building – áramszolgáltató és koncentrált fogyasztó együttműködése MEE 55. Vándorgyűlés, 2008. szeptember 10-12., Eger

Kadar, DSM08

Kádár Péter A fogyasztói és áramszolgáltatói együttműködés célja és lehetőségei Fogyasztói együttműködés - DSM konferencia, Budapest, 2008. nov. 25. pp 9-19.

Kadar, EI10

Kádár Péter – Dr. Kemény József: Épületinformatika az energiagazdálkodásban 2010/11–12 Elektroinstallateur pp20-21

5.5. Megújuló energiaforrások Kadar, SACI06

Péter Kádár: Energy on the roof 3rd Romanian-Hungarian Joint Symposium on Applied Computational Intelligence Timisoara, Romania, May 25-26, 2006; SACI Proceedings pp 343-352

Kadar, KVK06

Kádár Péter: Megújuló energiaforrásokat bemutató energiapark „Innovációs K + F a Kandó Kálmán Villamosmérnöki Főiskolai Karon” Szimpózium, Budapest, 2006. november 16.; ISBN: 978-963-7154-57-7

Kadar, CINTI07

P. Kadar: Evaluation of Correlation the wind speed measurements and wind turbine characteristics 8th International Symposium of Hungarian Researchers on Computational Intelligence and Informatics, CINTI 2007, 2007. nov. 15-17, Budapest, Hungary pp 429-440

MoraisKadarFaria ValeKhodr, EL09

Hugo Morais, Péter Kádár, Pedro Faria, Zita A. Vale, H.M. Khodr: Optimal scheduling of a renewable micro-grid in an isolated load area using mixed-

15


2011. szeptember

integer linear programming Elsevier Editorial System(tm) for Renewable Energy Magazine Volume 35, Issue 1, Pages 151-156; April, 2009 ValeMoraisFariaK hodrFerreiraKadar, MEL10

Vale, Z. - Morais, H. - Faria, P. - Khodr, H. - Ferreira, J. - Kadar, P.: Distributed Energy Resources Management with Cyber-Physical SCADA in the Context of Future Smart Grids MELECON 2010 – The 15th IEEE Mediterranean Electrotechnical Conference; Valletta, Malta; 25 - 28 April 2010 pp 431 - 436

ValeMoraisFariaK hodrSilvaKadar, PES10

Zita Vale - Pedro Faria - Hugo Morais - Hussein Khodr - Marco Silva - Peter Kadar: Scheduling Distributed Energy Resources in an isolated grid – An Artificial Neural Network Approach 2010 IEEE PES General Meeting, July 25 - 29, 2010, Minneapolis, Minnesota, USA

KhodrValeRamosS oaresMoraisKadar, PES10

Khodr, H.M.; Vale, Zita A.; Ramos, Carlos; Soares, J.P.; Morais, H.; Kadar, Peter: Optimal methodology for renewable energy dispatching in islanded operation Transmission and Distribution Conference and Exposition, 2010 IEEE PES Digital Object Identifier: 10.1109/TDC.2010.5484411

Kadar, ET10

Kádár Péter: Elfújta a szél… - A hazai szélerőművek támogatása Elektrotechnika 2010 / 9 pp17-19

Kadar, ENER11

Peter Kadar: Solutions for the large scale wind energy integration to the power system ELEKTROENERGETIKA 2011, 6th International Scientific Symposium on Electrical Power Engineering, 21.-23. 9. 2011, High Tatras, Slovakia

Kadar, ICREPQ09

Péter Kádár: Pumped Storage Hydro Plant model for educational purposes ICREPQ’09 International Conference on Renewable Energy and Power Quality; Valencia, Spain, April 15-17, 2009

5.6. Smart hálózatok Kadar, SM06

Dr. Kádár Péter: Új struktúrák az energiaellátásban – a Smart Grid Smart Grid Hungary 2006 konferencia Budapest, 2006. November 30.

Kadar, ICREPQ07

Péter Kádár: Testbed for virtual microgrid control strategy development ICREPQ’07 International Conference on Renewable Energy and Power Quality Sevilla, Spain, March 28-30, 2007

MoraisKadarCardo soVale, PES08

Hugo Morais – Péter Kádár – Marílio Cardoso – Zita A. Vale: VPP Operating in the Isolated Grid Proceedings of IEEE 2008 PES General Meeting, 20 - 24 July, 2008 in Pittsburgh, PA USA

Kadar, INES09

Péter Kádár: ZigBee controls the household appliances International Conference on Intelligent Engineering Systems, INES2009 Barbados, April 16-18, 2009

16


2011. szeptember

KadarNagy, EF10

Dr. Nagy József - Dr. Kádár Péter: Vidékfejlesztési közösség smart grid rendszere Energiafogyasztók lapja 2010. 3. szám, pp 18-19

Kadar, SISY10

Dr. Péter Kádár Small scale balance manager for household energy system management 8th IEEE International Symposium on Intelligent Systems and Informatics, September 10-11, 2010 Subotica, Serbia

Kadar, SAMI11

Péter Kádár: Measure of smartness 9th International Symposium on Applied Machine Intelligence and Informatics (SAMI 2011) Smolenice, Slovakia January 27-29, 2011

Kadar, ICREPQ11

Peter Kadar: Smart meter based energy management system International Conference on Renewable Energy and Power Quality; Las Palmas, Spain, 13-15 April, 2011

5.7. Optimalizáci Kadar, SAMI06

Péter Kádár: Seeking for the optimal market 4th Slovakian – Hungarian Joint Symposium on Applied Machine Intelligence; Herl’any, Slovakia January 20-21, 2006, proceedings pp 234-246

Kadar, SAMI07

Péter Kádár: Scheduling of the generation of Renewable Power Sources 5th Slovakian – Hungarian Joint Symposium on Applied Machine Intelligence Poprad, Slovakia January 25-26, 2007, proceedings pp 255-263

Kadar, SAMI09

Dr. Péter Kádár: Storage optimization in a liberalized energy market 7th International Symposium on Applied Machine Intelligence and Informatics (SAMI 2009) Herl’any, Slovakia January 30-31, 2009

Kadar, ISAP09

Peter Kadar: Multi Objective Optimalisation of Smartgrid Structure 15th International Conference on Intelligent Systems Application to Power Systems; Curitiba, Brasilia, November 8-12 2009,

Kadar, SAMI10

Péter Kádár: Multi Objective Power Mix Optimization 8th International Symposium on Applied Machine Intelligence and Informatics (SAMI 2010) Herl’any, Slovakia January 28-30, 2010

Kadar, AE10

Peter Kadar: Power generation portfolio optimisation by externality minimization Acta electrotechnica et informatica; Faculty of Electrical Engineering and Informatics, Technical University of Kosice, SK; April-June 2010, vol.10. No.2, 2010, ISSN 13358243, pp5-9

Kadar, EG07

Kádár Péter: Döntési módszerek az energetikában

17


2011. szeptember

Energiagazdálkodás 48. évf. 2007/1 sz. pp 3-8 Kadar, Intech11

Peter Kadar: The Climate Change and the Power Industry chapter in book Climate Change - Research and Technology for Adaptation and Mitigation ISBN 978-953-307-621-8; Edited by: Juan Blanco; Publisher: InTech, September 2011

5.8. Villamos energia piac KadarCsap, ISAP01

P. Kádár – M. Csapodi: MASI – MArket SImulator for deregulated energy markets proceedings of IEEE Intelligent System Application to Power Systems, ISAP 2001; Budapest, Hungary, 18-21 June 2001 pp 213-218

KadarCsap, BPC02

P. Kádár – M. Csapodi: Planning an Internet based Market Simulator IEEE Balkan Power Conference BPC 2002 Beograd, Yugoslavia 2002 June 19-21 BPC proceedings, Vol.2,2002 pp295-299

KadarCsap, BPC03

P. Kádár – M.Csapodi: Scenarios for Energy Market Simulator IEEE Balkan Power Conference BPC 2003, Bucharest, Romania, 11-13 June 2003 BPC proceedings, Vol.3,2003 pp171-176

Kadar, PSCO03

P. Kádár: Playing and gambling with an Internet based Market Simulator Advances in Power System Control, Operation and Management Hong Kong, 11-14 November 2003

Kadar, AF04

P.Kádár: Simulating trade with renewable energy IEEE AFRICON2004, Gaborone, Botswana 15-17. September 2004. AFRICON 2004 proceedings, pp 1043-1047

Kadar, ET04

Kádár Péter: A villamosenergiapiaci kereskedelem szimulációja a piacszabályozás és a fizikai korlátok figyelembevételével Elektrotechnika, 2004/6. pp 182-184

Kadar, ISAP11

Peter Kadar: Regional power trade modeling 16th International Conference on Intelligent Systems Application to Power Systems; Hersonissos, Crete, Greece, September 27-29 2011,

18

Korszerű számítási módszerek a villamosenergia-rendszer irányításában

Recommend Documents