再⽣可能エネルギー⼤量導⼊時代に向けた需給解析 …...2016/10/19 ·...

http://www.ogimotolab.iis.u-tokyo.ac.jp/

東京⼤学⽣産技術研究所荻本研究室〒153-8505 東京都⽬⿊区駒場4-6-1 東京⼤学駒場Ⅱキャンパス As棟2階 210

Copyright © 2015 Ogimoto Laboratory All Rights Reserved.

再⽣可能エネルギー⼤量導⼊時代に向けた需給解析とIntegration Study Production Cost Simulation and Integration Study with High Shares of Variable Renewable Energy

再⽣可能エネルギー⼤量導⼊時代に向けた需給解析とIntegration Study Production Cost Simulation and Integration Study with High Shares of Variable Renewable Energy

1

東京⼤学⽣産技術研究所特任研究員宇⽥川佑介

The University of TokyoProject ResearcherYusuke UDAGAWA

2016.10.19 (wed) 25th CEE symposium with NEDO 「電⼒需給解析と Integration Study」

東京⼤学⽣産技術研究所荻本研究室 Copyright © 2016 Ogimoto Laboratory All Rights Reserved.

イントロダクションIntroduction

イントロダクションIntroduction

今、現在、起きていることWhatʼs going on in Japanese power system 持続可能な低炭素社会構築に向けて、設備形成、市場設計・運営、需給計画・調整・制御が複雑化。

1. VREの⼤量導⼊2. 家庭⽤蓄電池、EV、HP給湯器、燃料電池などの超分散エネルギーシステムの導⼊3. DRという需要家側の制御可能・不可能な応答4. ⾃由化に伴う新規プレイヤーの増加

Low-carbon electricity systems tend to be complex due to highly installed Variable RenewableEnergy sources and unlocking demand response and storage potential which change thedesign of electricity markets.

持続可能な低炭素社会構築に向けて、我々が必要とすることWhat we need to establish Low-carbon electricity systems 個別の技術、電⼒システム、各種制度、取引市場等を制約条件と課した上で、

各技術の性能やコスト等の特徴を考慮しつつ、燃料費低減やＣＯ2排出量低減などの⽬的に応じて全体最適を達成できる電⼒システム運⽤を⾏うこと

Total optimization is needed at improvements in more areas (thermal, pumped, battery, DR,policy, market, etc.) with cost. そのために、各要素が与える影響を把握するための、電⼒需給解析を⾏うことさらには、全体最適を議論するための統合的な電⼒需給解析・評価技術を開発すること

2

電⼒需給システムは複雑な現実に直⾯


本研究の⽬的Purpose

本研究の⽬的Purpose

現在出来ていること（今⽇の⽬的①）What we done （Todayʼs purpose 1） VRE（PV）の⼤量導⼊が電⼒システムへ及ぼす影響について This project sought to evaluate the impacts of high PV penetrations and analyze how different

forecast accuracy may affect these impacts. VRE（PV）の予測技術が電⼒システムへ及ぼす影響についてさらなるVREの適切な受け⼊れと、そのために必要な出⼒制御について

今後、進めるべきこと（今⽇の⽬的②）What we should do（Todayʼs purpose 2） VREの⼤量導⼊について議論するための電⼒需給解析について Production simulation and Integration study are needed.

3


目次目次

1. はじめにIntroduction

2. 本研究の背景，⽬的Background

3. ⽇本の再エネの状況Current situation about variable renewable energy in Japan

4. 電⼒需給解析についてProduction cost simulation (Unit Commitment)

5. VRE（PV）の⼤量導⼊が電⼒システムへ及ぼす影響についてthe impacts of VRE(PV) on the power system

• VRE（PV）の予測技術が電⼒システムへ及ぼす影響についてUnderstand the impacts of forecast accuracy on the power system

• さらなるVREの適切な受け⼊れと、そのために必要な出⼒制御についてUnderstand how much curtailment is affected by penetration of PV

4


⽇本の再エネの状況Current situation about variable renewable energy in Japan


再エネ⼤量導⼊時代に向けた進み 2012年に開始された固定価格買取制度/FITにより設定された再エネの⾼い買取価格は，再エネの系統接続

申込と導⼊が特定の地域におけるPV（特にメガソーラー）に集中する結果を⽣んでいる。買取価格は全国で⼀律であることから，電⼒需要（以下，需要）が⽐較的⼩さく，事業者の費⽤の削減のため⽐較的⼟

地価格の安い，都市部を離れたエリアにメガソーラーが⼤量に設置されるという需給運⽤の観点からはいびつな導⼊状況 New Feed-in Tariff (FIT) programs launched in July 2012. Owing to the high FIT prices

for PV, the amount of installed PVs reached 27.7 GW and approved PVs reached 84.7 GWin July 2015.

2015年7⽉でPVの系統申請量は，・2010年6⽉に設定された政府の当初の⽬標値（53GW，2010年エネルギー基本計画）・2014年春に設定された政府の新しい⽬標値（64GW，2015年のエネルギー⻑期需給⾒通し）

を⼤きく超過しており，全国で80GWを超えるペースとなっている。 These values are higher than what was targeted in the Plan !

設備容量Capacity

導⼊量Installed

申請量（導⼊量含）Installed+applied

ルーフトップRooftop(〜10kW) 8.22 GW 8.88 GW

メガソーラーGround(10kW〜) 19.55 GW 75.84 GW

合計Total 27.77GW 84.72GW

5

価格Prices/kWh

FY 2012(July -) FY 2014 FY 2015 FY2016

ルーフトップRooftop

(〜10kW)For 10 yrs.

42 cent 37 cent 33-35 cent

31-33cent

メガソーラーGround

(10kW〜)For 20 yrs.

40 cent 32 cent 27-29 cent 24 cent


再エネ⼤量導⼊時代が電⼒システムへ与える影響 Impact of the VRE in power system operation

従来の⽕⼒発電が担う需要量が⼤きく減少 (small residual load) 再エネの変動性と予測誤差の発⽣（Variability and Uncertainty）

“柔軟性”の不⾜ (shortage of Flexibility) 信頼性を維持するための従来電源からの出⼒確保により余剰PV出⼒が発⽣ Balancing of VRE and load may be impossible without curtailment



2010, 2020, 2030年における残余需要（需要－再エネ出⼒）＠東京電⼒Duck curve in 2010, 2020, 2030 @Tokyo Electric Power Company area

6


目次目次








7


電⼒需給解析についてProduction cost simulation (Unit Commitment)

電⼒需給解析についてProduction cost simulation (Unit Commitment)

8

運⽤計画モデルとしてのUnit Commitment（Whatʼ Unit Commitment） Unit Commitmentは電⼒需給解析の根幹技術実際の電⼒システムの⽇々の運⽤計画策定、需給運⽤に使われている（オンラインモデル）。⼀⽅で、ユーザが想定する将来シナリオに基づいた需要予測、発電機構成・性能パラメータを⼊⼒値として与え、⼀定期

間シミュレーションを実施することで、将来の電⼒システム運⽤だけでなく、想定した発電機群の稼働状況評価（事業性評価）が可能になることから、 UCはオフラインの運⽤計画モデルとしても利⽤可能。


目次目次








9


モデル化Modeling

モデル化Modeling

10

将来の電⼒システム運⽤イメージ (power system operation in the near future)

24Hours

システム (System) 電⼒系統サイズ（TEPCO area）（系統ネットワークは⾮考慮）(not considering network) ⽕⼒発電機、揚⽔発電機 (Thermal and Pumped storage hydro units)

分析期間 (Analysis period) 1年間 (1 year)

Weather forecast Service

Utility company

ISO

Day Ahead Unit Commitment Real Time Economic Dispatch

Preparing power generators

12:00 18:00 00:00 00:00

PV forecast


定式化Formulation


11

定式化（混合整数計画問題） Formulation (Mixed Integer Programming）

⽬的関数 Objective function

⽕⼒発電機の起動コストと発電コストの総和の最⼩化 The model minimizes the expected value of the system production costs consisting of

fuel costs and start-up costs without variable operation and maintenance costs. 変数 Variable

⽕⼒発電機(Thermal generator) : on/off，出⼒(output) 揚⽔発電機(Pumped storage hydro) : on/off，出⼒(output) PV出⼒(PV curtailment)

制約条件 Constraints

PV出⼒(PV curtailment) 出⼒制御を⾏うことで当⽇におけるPVは前⽇予測値以下に制御可能とする。

（出⼒制御ルールは⾮考慮）(not considering govt., curtailment rule )




12


需給均衡制約 (Supply-Demand balance) ⽕⼒発電機の出⼒と正味の揚⽔発電機の出⼒とPV出⼒の総和が需要と等しい

, , ,

上げ代・下げ代（運転予備⼒）制約 (Regulation reserve) 需要の予測値，PVの予測値の下側信頼区間の幅に応じた値を⽕⼒発電機による

出⼒調整のための運転予備⼒（ regulation reserve ）として確保する。上側信頼区間は出⼒制御を⾏うので考慮しない。

, , , 0

, ,

Thermal Pumped storage PV Demand

Regulation reserve 5% of Peak load +max(PV forecast – PV forecast w/ lower case)

東京⼤学⽣産技術研究所荻本研究室 Copyright © 2016 Ogimoto Laboratory All Rights Reserved. 13


⽕⼒発電機発電出⼒上下限制約 Upper and lower limits of thermal power

最⼤出⼒

最⼤運転出⼒（変数）

出⼒（変数）

最低運転出⼒

最低出⼒

0〜最⼤出⼒×0.05(最適化対象)

上側LFCリザーブと同量

上側LFCを除く上げ余⼒が上げ代

下側LFCを除く下げ余⼒が下げ代

variablevariable

Schematic image of LFC(Load Frequency Control, regulation) and spinning reserves.

Upward spinning reserve

⽕⼒上げ代

スピニングリザーブ

Downward spinning reserve

Upward LFC reserve

Upward LFC

(regulation) reserve

Downward LFC

(regulation) reserve

下側LFCリザーブ

⽕⼒下げ代

スピニングリザーブ

上側LFCリザーブ



Y. Udagawa, K. Ogimoto, T. Oozeki, H. Ohtake, T. Ikegami, and S. Fukutome : “Development of Unit Commitment Model Considering Confidence Intervals of Photovoltaics Forecast and Analysis of a Large Scale Power System”, IEEJ Trans. EIS, Vol. 136，No.5, pp.484-496 (2016)宇田川佑介・荻本和彦・大関崇・大竹秀明・池上貴志・福留潔：「太陽光発電出力予測に基づく起動停止計画モデルの開発と実規模系統の解析」，電学論B，Vol.136，No.5, pp.484-496 (2016)



LFC (regulation) reserve 需要とPVの短時間変動に対する負荷周波数制御（LFC）量を確保する。

LFC 調整⼒の必要量が⼩さい場合は，発電コストの安い⽯炭⽕⼒発電機はLFC 調整⼒を供給しない傾向が得られる。

発電機種別毎にLFC の負荷追従能⼒が異なる点が模擬可能

揚⽔中pumping

発電中generate

⽕⼒（⽯炭,LNG,⽯油）Thermal (coal, LNG, oil) ― 定格の±5%

±5% of rated value

揚⽔Pumpedstorage hydro

定速機Constant speed ― 定格の±16.5%

±16.5% of rated value

可変速機Variable speed

定格の±10%±10% of rated value

定格の±16.5%±16.5% of rated value

最⼤maximum

変動要因variable

必要LFC調整⼒required reserve

需要 (load) 予測値 (prediction)×3%

PV 制御後PV出⼒(curtailed PV output)×20%




解析データData

解析データData

15

解析対象 Target system

2030年においてPVシステムが⼤量に導⼊され，かつ，⾵⼒発電導⼊量が⼩さいと想定される東京電⼒管内の電⼒システム（東京系統）を解析対象とした。

TEPCO area was chosen because it is the largest balancing area in Japan and has highpotential for PV deployment.

電⼒システムデータ Data

当該モデルのパラメータである⽕⼒発電機の燃料費，起動費，最低出⼒，定格出⼒，揚⽔発電機の最低揚⽔/発電電⼒，最⼤揚⽔/発電電⼒，最少貯⽔電⼒量，最⼤貯⽔電⼒量，発電効率は荻本研で進めてきた需給分析でのデータを⽤いた。（荻本ほか）

fuel cost, starting cost, minimum (maximum) output of thermal and pumped stagedhydro, minimum (maximum) SOC and efficient of pumped staged hydro

供給⼒Supply

合計定格容量Total capacity

機数# of gen.

内訳Detail

⽕⼒Thermal 42.56[GW] 92

⽯炭 (coal): 15LNG (LNG): 57⽯油 (oil): 20

揚⽔Pumped storage hydro 13.68 [GW] 52 可変速型 (variable): 11

定速型 (constant): 41

ベースBase load 13.71[GW] 1 原⼦⼒ (nuclear)

⼀般⽔⼒ (hydroelectric)


解析データData

解析データData

16

期間 Period

24時間48タイムステップ（30分時間解像度）×365⽇ Optimization 24hours, 30min resolution ×365days

太陽光発電データ PV data

気象庁・数値予報モデル（メソスケールモデル）の前⽇12時（⽇本時間）を初期値時刻とする33時間先・予報データ（空間解像度5km，東京電⼒システムエリアには約1500グリッド）のうち，気温などの物理量データに対してサポートベクター回帰（学習期間は予測対象⽇の過去60⽇間）を利⽤して作成された⽇射量予測データを⽤いた。（フォンセカほか）予測対象時間帯は6時から19時まで各電⼒システムの年間需要電⼒量に⽐例して全国PV導⼊量（パラメータ）を配分した設備容量値と

変換係数（0.8）を本データに乗じ，2030年における毎時の発電データに換算 The forecasts of regional PV power generation for TEPCO were done using a

method based on support vector regression, SVR, and numerical weatherprediction data from the GPV-MSM data set [1].

需要データ load

⼀般に公開されている2013年度東京電⼒の毎時需要を需要予測値として使⽤した。 Available data in public (FY 2013 in TEPCO)

[1] J. G. da S. Fonseca, T. Oozeki, T. Takashima, G. Koshimizu,Y. Uchida, and K. Ogimoto, “Use of support vector regressionand numerically predicted cloudiness to forecast power outputof a photovoltaic power plant in Kitakyushu, Japan”, Progress inPhotovoltaics: Research and Applications, vol. 20, no. 7, pp.874–882 (2012)


分析シナリオscenario

分析シナリオscenario

17

検討ケース Scenario

計算条件（例） Computational condition (example)

変数(variable)：45,850（連続変数(continuous) ：18,294, 0-1変数(binary) ：27,556）制約条件(constraints) ：410,839 MipGap 1%（平均 average 0.6%） DELL PowerEdge R820（Intel Xeon E5-4657L 2.4GHz × 2，1.5TB memory）最適化ソルバー(solver)はGurobi Optimizer を使⽤

# PV導⼊量PV capacity in Japan

東京システムPV導⼊量PV Capacity in TEPCO

出典Reference

1 53GW 17.5GW2010年旧エネルギー基本計画The Strategic Energy Plan for the next decade in 2010

2 75GW 24.8GW #1と#2の中間Middle scenario between #1 and #2

3 100GW 33.1GW JPEAポテンシャル評価JPEA potential estimation

JPEA : Japan Photovoltaic Energy Association,太陽光発電協会

13


解析結果Results (scenario #1)


特徴(features) 6時〜15時（需要ピーク）は再エネ出⼒が⼤きく、⽕⼒出⼒が最⼩ PV output is large during day-time, while total output of thermal is small.

豊富な再エネ出⼒を原資とした揚⽔運転（現状とは⼤きく異なる運⽤） 15時〜21時（残余需要ピーク）は再エネ出⼒がないため、⽕⼒出⼒・最⼤、揚⽔発電 Pumped storage hydro generates power in evening using surplus PV during day time.

宇⽥川佑介・荻本和彦・福留潔・池⽥裕⼀：「再⽣可能エネルギー発電の予測誤差を考慮した電⼒需給計画⼿法の予備検討」，第29回エネルギーシステム・経済・環境コンファレンス，pp.71-74 (Jan. 29-30, 2013)

発電出⼒の積み上げCumulative output

PV PS:pumpingPS:generation Wind

ThermalLoad

Baseload


⼗分な⽕⼒が準備されたため供給⼒不測はわずか

前⽇予測を使⽤した実運⽤

当⽇予測を使⽤した実運⽤

Day ahead UC

Day ahead UC w/ improved forecast

Shortage of energy is decreased thanks to improved forecast




不⾜供給⼒を25円/kWhで補填

Value of unserved energy =

25cent/kWh

＊ベースロードのコストは含まずNot including baseload cost

4.95%

0.8%

信頼区間を⼤きくすると、1機あたりの発電出⼒が減少し、稼働台数が増加することで、燃費効率が悪化し発電コストは⾼くなる

①需給均衡達成時のみのコスト①Production cost

②需給均衡“⾮”達成時の補填コスト②Cost of unserved energy

合計コスト（①＋②）Total cost （①＋②）



Pers

iste

nce

No

conf

iden

ce

inte

rval

(CI)

80%

CI

90%

CI

95%

CI

UC w/ persistence

forecast

UC w/ DA forecast

UC w/ DA improved forecast

Minimum cost


分析事例（ケース1〜ケース3） Scenario #1-#3

最⼩残余需要時間断⾯（最⼤PV出⼒時間断⾯）（他スライドも同期間）極端な事例から特徴を把握

解析結果Results (scenario #1-#3)


21

需要Load

残余需要Residual

load

PV

MW

Maximum PV output in 2013


分析事例（scenario #1 - #3）需給バランス(supply and demand balance)



22

揚発揚⽔需要PV#1

#2

#3

出⼒制御

5/55/45/3

PS:generationPS:pumping Load

PS : Pumping Storage hydro

PV curtailment

Y. Udagawa, Y. Nishitsuji, K. Ogimoto, J. Fonseca, H. Ohtake, T. Oozeki, T. Ikegami, and S. Fukutome : “Analysis of Photovoltaic Power Yield Curtailment in Day-ahead Unit Commitment”, The Papers of Joint Technical Meeting on Frontier Technology and Engineering and Metabolism Society and Environmental Systems, IEEE of Japan, FTE-16-004，MES-16-004，23-29(2015) (in Japanese)宇田川佑介・西辻裕紀・荻本和彦・ジョアンガリダシルバフォンセカジュニア・大竹秀明・大関崇・池上貴志・福留潔：「出力予測を考慮したユニットコミットメントによる太陽光発電出力制御必要量の分析」，電気学会新エネルギー・環境メタボリズム社会・環境システム合同研究会，FTE-16-4，MES-16-4，23-29(2015)




23

結果 Results

発電コストを最⼩化するために必要なPVの出⼒制御量（年間） Total curtailment is approximately 70 GWh to 1855 GWh, depending on

how much PV is installed.

⽇本全国に53GWのPVシステムが導⼊された場合（ケース1）では，年間のPV出⼒制御率（計画値）は年間のPV発電電⼒量に対して約0.34%。

PVシステムの⼤量導⼊がさらに進むことで，そのPV出⼒制御率はケース3で約4.83%まで増える。

# 制御量(amount)

[GWh/year]

出⼒制御率(ratio)

[%/PV energy]

実施時間数(hour)

[Hour/year]

実施時間⽐率(hour)

[%/year]1 70 GWh 0.34 % 257 Hour 0.03 %2 318 GWh 1.10 % 601.5 Hour 0.07 %3 1855 GWh 4.83 % 1034.5 Hour 0.12 %

Table shows the PV curtailment for each case, sorted by how much PV is installed.


解析結果Results

解析結果Results

24

結果 Results

発電コストを最⼩化するために必要なPVの出⼒制御量（各⽉） Curtailment by month

ケース1では年間を通じて，その出⼒制御率は⼀定に低い。ケース2では，3⽉から6⽉までは相対的に⼤きいが，7⽉から2⽉まででは，

その出⼒制御率はケース1と同様に低い値となっている。ケース3では，3⽉から7⽉までと9⽉と10⽉は⾮常に出⼒制御率が⼤きい。

1⽉，2⽉，8⽉，11⽉，12⽉での出⼒制御率はケース1とケース2に近い値となっている。

Case Installed capacity

#1 17.5GW

#2 24.8GW

#3 33.1GW


まとめConclusion

まとめConclusion

25

PVシステムが⼤量導⼊された電⼒システムにおいて、需給均衡と（LFC）調整⼒のco-optimaizeを模擬できるUCモデルをベースに、予測技術の影響評価と、系統運⽤の信頼性を確保しつつ発電コストを最⼩にするPV出⼒制御について分析を⾏った。

Based on UC model which can co-optimize energy and reserve with high penetration levels of PV systems, we analyzed the value of PV forecast. Also we discuss how an accurate forecast will affect real time dispatch and the mechanism that accurate PV forecast can make economic benefit.

予測技術の改良（予測精度の向上）の影響は、不⾜供給⼒の補填費⽤が⾼い場合ほど、⼤きくなること、予報技術の改良は、再エネ⼤量導⼊時の電⼒システム運⽤に⼤きく資することが定量的に分析できた。

The impact of improvements in forecast techniques (accuracy) could be large and depends on penalties from unserved load.

夏季と冬季といった需要の⼤きい時期における出⼒制御率は，PVの⼤量導⼊が想定以上に進む前と同じ⽔準だが、需要が⼩さくPVが⼤きい時期では，さらなるPVの⼤量導⼊が進展するに従って必要なPV出⼒制御率は増加することがわかった。

需要が⼩さい時期においてのみPV出⼒制御を⾏うことで，年間を通じて⾮常に⼤きなPV導⼊状況下でも経済的，安定的な電⼒システム運⽤ができる可能性を⽰している。

We provide a comparison of the amount of PV curtailment in each month. In summer and winter season, theamount of the curtailment is almost same between three different PV penetration levels. The impact,however, is getting bigger in spring season.

安定的な電⼒システムを維持しつつも，さらなる再⽣可能エネルギー電源の導⼊のためにも，PVの出⼒制御は重要であり、継続的な分析が必要である。

With the increasing presence of VRE such as PV and wind, there is a need for more flexible model andanalysis that can discuss curtailment to accommodate more VRE with uncertainty and variability.

再⽣可能エネルギー⼤量導⼊時代に向けた需給解析 …...2016/10/19 ·...

Documents

Transcript of 再⽣可能エネルギー⼤量導⼊時代に向けた需給解析 …...2016/10/19 ·...