Techno-economic Energy Management of Water-Integrated Multi- microgrid System using Dynamic Demand Response Programs

In de moderne wereld worden elektriciteit en water vaak behandeld als afzonderlijke nutsvoorzieningen, die via afzonderlijke leidingen en kabels naar onze huizen en bedrijven stromen. Toch zijn ze diep met elkaar verweven; het opwekken van elektriciteit vereist vaak enorme hoeveelheden water voor koeling, terwijl het pompen en behandelen van water aanzienlijke elektrische energie vereist. Deze verbinding, bekend als de water-energie-nexus, betekent dat het beheren van de ene hulpbron onvermijdelijk invloed heeft op de andere. Nu gemeenschappen steeds meer vertrouwen op lokale energiebronnen zoals zonnepanelen en windturbines om massale centrale elektriciteitscentrales te vervangen, verschuift de uitdaging van het simpelweg genereren van voldoende energie naar het balanceren van vraag en aanbod in realtime. Wanneer de zon niet schijnt of de wind niet waait, kunnen lokale netten moeite hebben, wat leidt tot black-outs of een dure afhankelijkheid van verre stroomlijnen. Om dit op te lossen, ontwikkelen ingenieurs "microgrids" — kleine, zelfstandige energienetwerken die onafhankelijk kunnen functioneren. Het doel is om deze lokale systemen slimmer te maken, zodat ze hun verbruik kunnen aanpassen op basis van wat beschikbaar is, vergelijkbaar met hoe een huishouden de lichten kan uitzetten om geld te besparen, maar dan op een schaal die een hele buurt soepel laat draaien.

Hamid Karimi, een onderzoeker aan de Qom University of Technology in Iran, pakte deze complexe evenwichtsoefening aan door een nieuw managementsysteem te ontwerpen voor een netwerk van drie dergelijke microgrids die ook verantwoordelijk zijn voor het leveren van drinkwater. In zijn studie simuleerde hij een scenario waarin deze lokale netten waren uitgerust met zonnepanelen, windturbines, dieselgeneratoren en batterijopslag, naast waterputten, ontziltingsmachines en opslagtanks. De kern van zijn werk was een tweetraps planningsproces dat ontworpen is om zowel de financiële als de technische realiteiten van het runnen van een dergelijk systeem aan te pakken. De eerste stap richtte zich puur op economie en berekende de goedkoopste manier om het systeem te exploiteren door te beslissen wanneer er stroom gekocht moet worden van het hoofdnet, wanneer lokale generatoren gebruikt moeten worden en wanneer de waterproductie verplaatst kan worden naar momenten waarop elektriciteit goedkoop is. De tweede stap nam dit goedkoopste plan en paste het aan om een specifieke maatstaf voor onafhankelijkheid te verbeteren, de "self-sufficiency measure index" (zelfvoorzieningsindex). Deze index beloont het systeem in feilen essentie voor het lokaal opwekken van eigen stroom in plaats van te vertrouwen op het hoofdnet, wat hels bij het verminderen van energieverliezen en het stabiel houden van de lokale spanning.

Een cruciale innovatie in Karimi's aanpak was de manier waarop hij "demand response" (vraaggestuurde sturing) aanpakte, een strategie waarbij consumenten ermee instemmen hun elektriciteitsverbruik aan te passen als reactie op signalen. Eerdere studies gingen er vaak van uit dat een microgrid simpelweg een vast percentage van zijn belasting op elk gewenst moment kon verlagen of verhogen, vergelijkbaar met de aanname dat een persoon exact dezelfde hoeveelheid extra voedsel zou kunnen eten, ongeacht of diegene al vol zit of juist uitgehongerd is. Karimi betoogde dat dit onrealistisch was. In plaats daarvan ontwikkelde hij een dynamisch programma dat naar de werkelijke dagelijkse gewoonten van de microgrids kijkt. Hij erkende dat tijdens daluren, wanneer elektriciteit goedkoop is en de vraag laag is, een microgrid veel ruimte heeft om de waterpomp te verhogen of zijn batterijen op te laden. Daarentegen is er tijdens piekuren, wanneer iedereen stroom gebruikt, zeer weinig ruimte om de belasting te verhogen, maar is er wel aanzienlijke ruimte om te reduceren. Door deze limieten uur per uur te berekenen, kon het systeem veel slimmere beslissingen nemen. Zo bepaalde het model dat de microgrids tijdens de vroege ochtenduren hun waterpompen met maximaal 20 procent konden verhogen, terwijl ze tijdens de avondpiek hun verbruik met een vergelijkbare marge konden verminderen, een flexibiliteit die een rigide, vast tarief systeem simpelweg niet kon bereiken.

Toen Karimi zijn simulaties draaide waarbij hij deze nieuwe dynamische methode vergeleek met een traditionele, vaste methode, waren de resultaten opmerkelijk. Het dynamische systeem verminderde de totale operationele kosten van de drie microgrids met ongeveer 20 procent, wat in de gesimuleerde dag meer dan $700 bespaarde ten opzichte van de standaardmethode. Belangrijker nog, het verbeterde de betrouwbaarheid van het systeem drastisch. De hoeveelheid elektriciteit die niet werd geleverd, ook wel "energy not supplied" genoemd, daalde met twee derde, van meer dan 1.300 kilowattuur naar net onder de 440 kilowattuur. Dit kwam doordat het dynamische model de microgrids in staat stelde om hun waterproductie en het opladen van batterijen te verschuiven naar momenten waarop de lokale hernieuwbare energie overvloedig was en de prijzen laag waren, in plaats van te worstelen om aan de vraag te voldoen tijdens dure, stressvolle piekuren. Het systeem werd ook zelfvoorzienender, waarbij de self-sufficiency measure index steeg van ongeveer 79 procent naar 86 procent, wat betekent dat de lokale netten meer van hun eigen behoeften konden vervullen zonder stroom te trekken uit het hoofdnet.

De studie onthulde ook hoe de water- en energiesystemen elkaar op onverwachte manieren beïnvloedden. De simulatie toonde aan dat de microgrids prioriteit gaven aan het pompen van water uit ondergrondse putten omdat dit minder elektriciteit vereist dan het laten draaien van de ontziltingsunits. Echter, wanneer de wind- en zonne-output hoog waren, stuurde het systeem automatisch die overtollige schone energie naar de ontziltingsmachines om de watertanks met vers water te vullen voor later gebruik. Deze coördinatie vlakt het dagelijkse lastprofiel af, waardoor de curve van het elektriciteitsverbruik efficiënter en vlakker wordt. De onderzoekers introduceerden een nieuwe metriek genaamd de "soft load profile index" om deze regelmaat te meten, en het dynamische model verbeterde deze score met ongeveer 4 procent vergeleken met de statische aanpak. Aan het einde van de simulatie hadden de microgrids succesvol aangetoond dat het behandelen van water en elektriciteit als één gecoördineerd systeem, beheerd door een flexibele en intelligente reactie op realtime condities, lokale energienetwerken goedkoper, betrouwbaarder en veel onafhankelijker kan maken. De bevindingen suggereren dat, naarmate gemeenschappen overgaan op gedecentraliseerde energie, het succes niet alleen ligt in het hebben van meer zonnepanelen of batterijen, maar in het begrijpen van het precieze, uur-tot-uur potentieel om de vraag te verschuiven op een manier die de fysieke grenzen van het systeem respecteert.