Otevřené modely energetických systémů - Open energy system models

Otevřené modely energetických systémů jsou energetický systém modely to jsou otevřený zdroj.^[A] Někteří z nich však mohou jako součást svých pracovních postupů používat pro vstup, zpracování nebo výstup dat proprietární software třetích stran. Výhodně tyto modely používají otevřená data, což usnadňuje otevřená věda.

Modely energetických systémů se používají k prozkoumání budoucích energetických systémů a často se používají při řešení otázek energie a politika v oblasti klimatu. Samotné modely se velmi liší svým typem, designem, programování, aplikace, rozsah, úroveň podrobností, propracovanost a nedostatky. U mnoha modelů nějaká forma matematická optimalizace slouží k informování o procesu řešení.

Obecné úvahy

Organizace

Zde uvedené projekty modelování otevřené energie spadají výhradně do paradigmatu zdola nahoru, ve kterém je model relativně doslovným vyjádřením základního systému.

Několik ovladačů upřednostňuje vývoj otevřených modelů a otevřených dat. O výrobu je stále větší zájem veřejná politika energetické modely transparentnější, aby se zlepšilo jejich přijetí ze strany tvůrců politik a veřejnosti.^[1] Existuje také touha využít výhod, které otevřená data a otevřený vývoj softwaru může přinést, včetně sníženého zdvojování úsilí, lepšího sdílení nápadů a informací, lepší kvality a širšího zapojení a přijetí.^[2] Vývoj modelu je tedy obvykle a týmové úsilí a představovaly buď akademický projekt, komerční akci nebo skutečně inkluzivní komunitní iniciativu.

Tento článek se nezabývá projekty, které jednoduše vytvářejí zdrojový kód nebo tabulky k dispozici pro veřejné stahování, ale které vynechávají rozpoznané bezplatná a open-source softwarová licence. Absence a licenční smlouva vytváří stav právní nejistoty, kdy potenciální uživatelé nemohou vědět, jaká omezení může vlastník v budoucnu chtít uplatnit.^[3]:1 Projekty zde uvedené jsou považovány za vhodné pro zahrnutí tím, že mají připravenou nebo publikovanou akademickou literaturu nebo jsou uvedeny v sekundárních zdrojích.

Dokument z roku 2017 uvádí výhody otevřených dat a modelů a pojednává o důvodech, proč mnoho projektů zůstává uzavřeno.^{[4]:211–213} Příspěvek uvádí řadu doporučení pro projekty, které chtějí přejít k otevřenějšímu přístupu.^[4]:214 Autoři také dospěli k závěru, že z hlediska otevřenosti zaostával energetický výzkum za jinými obory, zejména fyzikou, biotechnologií a medicínou.^{[4]:213–214}

Růst

Modelování otevřených energetických systémů dospělo v roce 2010. V článku z roku 2011 byly na toto téma citovány pouze dva projekty: OSeMOSYS a TEMOA.^[5]:5861 Balmorel v té době také aktivní, protože byla zveřejněna v roce 2001.^[b] Od března 2017^{[Aktualizace]}, tento článek uvádí 25 takových podniků (dalších šest čeká na schválení) přidané).

Transparentnost, srozumitelnost a reprodukovatelnost

Použití modelů otevřeného energetického systému a údajů o otevřené energii představuje jeden pokus o zlepšení transparentnosti, srozumitelnosti a reprodukovatelnosti modelů energetického systému, zejména těch, které se používají k podpoře rozvoje veřejné politiky.^[1]

Dokument z roku 2010 týkající se modelování energetické účinnosti tvrdí, že „otevřený proces vzájemného hodnocení může výrazně podpořit ověřování a validaci modelů, které jsou pro vývoj modelů zásadní“.^[6]:17[7] Dále ctít proces peer review Vědci argumentují v článku z roku 2012, že je nezbytné umístit oba zdrojový kód a datové sady pod veřejně přístupným ovládání verze aby třetí strany mohly spouštět, ověřovat a zkoumat konkrétní modely.^[8] Dokument z roku 2016 tvrdí, že studie energetických scénářů založené na modelech, které se snaží ovlivnit subjekty s rozhodovací pravomocí ve vládě a průmyslu, musí být srozumitelnější a transparentnější. Za tímto účelem článek poskytuje a kontrolní seznam kritérií transparentnosti, která by měli modeláři vyplnit. Autoři však uvádějí, že „přístupy otevřeného zdroje považují za extrémní případ transparentnosti, který automaticky neumožňuje srozumitelnost studií pro politické poradenství.“^[9]:4

Jednostránkový názorový článek z roku 2017 pokrývá využití otevřených energetických dat a modelování k budování důvěry veřejnosti v analýzu zásad. Článek to také tvrdí vědecké časopisy mají odpovědnost požadovat, aby údaje a kód byly předloženy spolu s textem pro peer review.^[10]

Státní projekty

Státem podporované open source projekty v jakékoli doméně jsou relativně novým fenoménem.

Od roku 2017^{[Aktualizace]}, Evropská komise nyní podporuje několik projektů modelování energetických systémů s otevřeným zdrojovým kódem na podporu přechodu na nízkouhlíkový energetický systém pro Evropu. Projekt Dispa-SET (níže ) modeluje evropskou elektroenergetickou soustavu a hostí její základnu kódů GitHub. V únoru 2016 se uskutečnilo zahajovací setkání projektu MEDEAS, který navrhne a implementuje nový model energetické ekonomiky s otevřeným zdrojem energie pro Evropu.^[11]:6[12] Od února 2017^{[Aktualizace]}, projekt ještě nezveřejnil žádný zdrojový kód. Zavedený projekt OSeMOSYS (níže ) vyvíjí pro Evropu víceodvětvový energetický model s financováním Komise na podporu dosahu zúčastněných stran.^[13] Vlajková loď JRC-EU-TIMES model však zůstává uzavřeným zdrojem.^[14]

Spojené státy NEMS národní model je k dispozici, ale přesto se obtížně používá. NEMS se neklasifikuje jako projekt open source v přijatém smyslu.^[10]

Modely sektoru elektřiny

Otevřené modely odvětví elektřiny se omezují pouze na odvětví elektřiny. Tyto modely mají vždy dočasné rozlišení jednu hodinu nebo méně. Některé modely se soustředí na technické vlastnosti systému, včetně dobrého vyobrazení vysokonapěťové přenosové sítě a Tok střídavého proudu. Jiné modely zobrazují elektřinu spotové trhy a jsou známé jako modely odeslání. Zatímco ostatní modely vkládají autonomní agenti zachytit například rozhodnutí o dražení pomocí technik z omezená racionalita. Schopnost zvládnout variabilní obnovitelná energie, přenosové systémy a skladování mřížky se stávají důležitými úvahami.

DIETER

DIETER znamená Dispatch and Investment Evaluation Tool with Endogenous Renewables. DIETER je expediční a investiční model. Poprvé byl použit ke studiu role skladování energie a další možnosti flexibility v budoucnu zelené pole prostředí s vysokými podíly obnovitelné energie. DIETER je vyvíjen na Německý institut pro ekonomický výzkum (DIW), Berlín, Německo. The kódová základna a datové sady pro Německo lze stáhnout z webových stránek projektu. Základní model je plně popsán v pracovním dokumentu DIW a v časopiseckém článku.^[15][16] Je napsán DIETER HRY a byl vyvinut pomocí CPLEX komerční řešitel.

DIETER je koncipován jako čistý lineární (žádné celočíselné proměnné) problém s minimalizací nákladů. V počáteční formulaci zahrnují rozhodovací proměnné investice do a odeslání výroby, skladování a DSM kapacity na německých velkoobchodních a vyrovnávacích trzích s elektřinou. Novější rozšíření modelu zahrnují vozidlo k síti interakce a prosumage solární elektřiny.^[17][18]

První studie používající DIETER zkoumá požadavky na skladování energie pro využití obnovitelných zdrojů v rozmezí od 60% do 100%. Podle základního scénáře 80% (dolní hranice německé vlády do roku 2050), skladování mřížky požadavky zůstávají mírné a další možnosti na straně nabídky i poptávky nabízejí flexibilitu při nízkých nákladech. Skladování nicméně hraje důležitou roli při zajišťování rezerv. Skladování se stává výraznějším při vyšších podílech obnovitelných zdrojů, ale silně závisí na nákladech a dostupnosti dalších možností flexibility, zejména dostupnosti biomasy.^[19]

Dispa-SET

Ve vývoji na Evropská komise je Společné výzkumné středisko (SVS), Petten, Nizozemí, Dispa-SET je model závazku a odeslání jednotky určený primárně pro Evropu. Je napsán v Krajta (s Pyomo ) a HRY a pro zpracování dat používá Python. Je vyžadována platná licence GAMS. Model je formulován jako a smíšené celé číslo problém a JRC používá proprietární CPLEX sover, i když mohou být také nasazeny knihovny s otevřeným zdrojovým kódem. U verzí jsou k dispozici technické popisy 2.0 ^[20] a 2.1.^[21] Dispa-SET je hostitelem dne GitHub, spolu se souborem zkušebních dat a příspěvky třetích stran jsou podporovány. The kódová základna byl testován na Windows, macOS a Linux. Online dokumentace je k dispozici.^[22]

SET v názvu projektu odkazuje na Evropský strategický plán energetických technologií (SET-Plan), který usiluje o to, aby se Evropa stala lídrem v oblasti energetických technologií, které mohou splnit budoucí (2020 a 2050) energetické a klimatické cíle. Klíčem k tomu je modelování energetických systémů v různých formách Evropská komise iniciativa.^[23]

48 optimalizace klouzavého horizontu hodin pro libovolných 24 hodinový den

Modelový energetický systém je řízen jediným operátorem s úplnou znalostí ekonomických a technických charakteristik výrobních jednotek, zátěží v každém uzlu a výrazně zjednodušené přenosové sítě. Poptávka je považována za plně neelastický. Systém podléhá mezioperačnímu a mezioperačnímu období jednotka závazek omezení (druhá se z velké části týká jaderné a tepelné výroby) a fungovala pod ekonomická expedice.^[21]:4 Používají se hodinová data a horizont simulace je obvykle jeden rok. Ale aby se zajistilo, že model zůstane ovladatelný, používá se dvoudenní optimalizace postupného horizontu. Model postupuje v krocích jednoho dne a optimalizuje dalších 48 hodiny dopředu, ale zachování výsledků pouze za prvních 24 hodin.^[21]:14–15

Dvě související publikace popisují úlohu a zastoupení opatření flexibility v energetických systémech, kterým čelí stále větší podíl variabilní obnovitelná energie (VRE).^[24][25] Tato opatření flexibility zahrnují: odesílatelnou generaci (s omezeními na účinnost, rychlost rampy, částečné zatížení a doby provozu a vypnutí), konvenční úložiště (převážně přečerpávací vodní ), přeshraniční propojovací vedení, řízení na straně poptávky, omezování obnovitelných zdrojů, poslední možnost odlehčení zátěže a rodící se power-to-X řešení (kde X je plyn, teplo nebo mobilita). Modelář může nastavit cíl pro obnovitelné zdroje a umístit na něj čepice CO
2 a další znečišťující látky.^[21] Plánovaná rozšíření softwaru zahrnují podporu pro zjednodušený tok střídavého proudu^[C] (přenos je v současné době považován za dopravní problém ), nová omezení (jako chladící voda zásobování), stochastický scénáře a zahrnutí trhů pro vedlejší služby.^[22]

Dispa-SET byl nebo je aplikován na případové studie v Belgii, Bolívii, Řecku, Irsku a Nizozemsku. Studie z roku 2014 v Belgii zkoumá co když scénáře pro různé směsi výroby jaderné energie, elektrárny s kombinovaným cyklem s plynovou turbínou (CCGT) a VRE a zjišťuje, že elektrárny s CCGT podléhají agresivnějším cyklům, jak proniká obnovitelná výroba.^[27]

Studie z roku 2020 zkoumala kolektivní dopad budoucích klimatických podmínek na 34 evropských energetických systémů, včetně možných variací solárního, větrného a vodního výkonu a poptávky po elektřině v rámci různých projektovaných meteorologických scénářů pro evropský kontinent.^[28]

EMLab-Generation

EMLab-Generation je agent-based model pokrývající dva vzájemně propojené trhy s elektřinou - ať už jsou to dvě sousední země nebo dvě skupiny zemí. Tento software je vyvíjen na Laboratoř energetického modelování, Technologická univerzita v Delftu, Delft, Nizozemí. Informační list je k dispozici.^[29] A je k dispozici dokumentace k softwaru.^[30] EMLab-Generation je napsán v Jáva.

EMLab-Generation simuluje akce energetické společnosti investuje do výrobní kapacity a využívá ji k prozkoumání dlouhodobých účinků různých energie a ochrana klimatu opatření. Tyto politiky se mohou zaměřit na výrobu obnovitelných zdrojů, CO
2 emise, bezpečnost dodávek a / nebo cenová dostupnost energie. Energetické společnosti jsou hlavními agenty: přihazují na energetické trhy a investují na základě čistá současná hodnota (NPV) budoucích projektů elektráren. Mohou přijmout různé technologie pomocí scénářů z roku 2011 IEA Světový energetický výhled.^[31] Metodika založená na agentech umožňuje testování různých souborů předpokladů, jako je heterogenita aktérů, důsledky nedokonalých očekávání a chování investorů mimo ideální podmínky.

EMLab-Generation nabízí nový způsob modelování dopadů veřejné politiky na trhy s elektřinou. Může poskytnout vhled do chování aktérů a systémů v průběhu času - včetně takových věcí, jako jsou investiční cykly, cykly snižování emisí, zpožděné reakce a účinky nejistoty a rizika na investiční rozhodnutí.

Studie z roku 2014 využívající EMLab-Generation zkoumá účinky zavedení cen podlah a stropů pro CO
2 pod EU ETS. A zejména jejich vliv na dynamickou investiční cestu dvou vzájemně propojených trhů s elektřinou (volně Velká Británie a střední a západní Evropa). Studie shledává běžné, mírné CO
2 aukční rezervní cena vede k plynulejšímu procesu dekarbonizace a snižuje se CO
2 cenová volatilita. Přidání stropní ceny může chránit spotřebitele před extrémními cenovými šoky. Taková cenová omezení by neměla z dlouhodobého hlediska vést k překročení emisních cílů.^[32]

EMMA

EMMA je model evropského trhu s elektřinou. Jedná se o technoekonomický model pokrývající integrovaný severozápadní evropský energetický systém. EMMA vyvíjí poradenská společnost pro energetickou ekonomiku Neon Neue Energieökonomik, Berlín, Německo. The zdrojový kód a datové sady lze stáhnout z webových stránek projektu. K dispozici je příručka.^[33] EMMA je napsán v HRY a používá CPLEX komerční řešitel.

EMMA modeluje distribuci elektřiny a investice a minimalizuje celkové náklady s ohledem na investice, výrobu a obchody mezi oblastmi trhu. Z ekonomického hlediska je EMMA klasifikována jako a částečná rovnováha model velkoobchodu trh s elektřinou se zaměřením na stranu nabídky. EMMA identifikuje krátkodobá nebo dlouhodobá optima (nebo rovnováhy) a odhaduje odpovídající skladbu kapacit, hodinové ceny, odeslání a přeshraniční obchodování. Technicky je EMMA čistá lineární program (bez celočíselných proměnných) s přibližně dvěma miliony nenulový proměnné. Od roku 2016^{[Aktualizace]}, model pokrývá Belgii, Francii, Německo, Nizozemsko a Polsko a podporuje konvenční výrobu, výrobu obnovitelné energie a kogenerace.^[33][34]

EMMA byla použita ke studiu ekonomických účinků rostoucí penetrace variabilní obnovitelná energie (VRE), konkrétně solární a větrná energie, v severozápadní evropské energetické soustavě. Studie z roku 2013 zjistila, že zvyšující se podíly VRE sníží ceny, a v důsledku toho bude konkurenceschopné rozsáhlé zavádění výroby z obnovitelných zdrojů obtížnější, než mnozí očekávají.^[35] Studie z roku 2015 odhaduje welfare-optimální podíl na trhu pro větrnou a solární energii. U větru je to 20%, třikrát více než v současnosti.^[36]

Nezávislá studie z roku 2015 hodnotí model EMMA a komentuje vysoké předpokládané specifické náklady na investice do obnovitelných zdrojů.^[15]:6

GENESYS

GENESYS znamená Genetická optimalizace evropského systému zásobování energií. Tento software vyvíjí společně Institute of Power Systems and Power Economics (IAEW) a Institut pro výkonovou elektroniku a elektrické pohony (ISEA), oba RWTH Aachen University, Cáchy, Německo. Projekt udržuje webovou stránku, kde mohou potenciální uživatelé požadovat přístup k internetu kódová základna a datová sada pouze pro základní scénář do roku 2050.^[37] Podrobný popis softwaru je k dispozici.^[38][39] GENESYS je napsán v C ++ a použití Zvýšit knihovny, MySQL relační databáze, Qt 4 aplikační rámec a volitelně CPLEX řešitel.

Simulační nástroj GENESYS je navržen tak, aby optimalizoval budoucnost EUMENA (Evropa, Střední východ a severní Afrika) energetický systém a předpokládá vysoký podíl obnovitelné energie. Je schopen najít ekonomicky optimální rozdělení kapacity generátoru, úložiště a přenosu v rámci 21 region EUMENA. Umožňuje optimalizaci tohoto energetického systému v kombinaci s evoluční metodou. Optimalizace je založena na a strategie evoluce adaptace kovarianční matice (CMA-ES), zatímco provoz je simulován jako hierarchické nastavení systémových prvků, které vyvažují zátěž mezi různými regiony při minimálních nákladech pomocí síťový simplexní algoritmus. GENESYS se dodává se sadou vstupních časových řad a sadou parametrů pro rok 2050, které může uživatel upravit.

Budoucí systém dodávek energie EUMENA ​​s vysokým podílem obnovitelných zdrojů energie (OZE) bude vyžadovat silně propojenou energetickou přepravní síť a významné kapacity pro skladování energie. GENESYS byl použit k dimenzování ukládání a přenosu mezi 21 různých regionech. Za předpokladu 100% vlastního zásobování asi 2500 GW celkem OZE a skladovací kapacita cca 240000 GWh jsou zapotřebí, což odpovídá 6% roční spotřeby energie, a přenosovou síť HVDC ve výši 375000 GW · km. Kombinovaný odhad nákladů na výrobu, skladování a přenos, s výjimkou distribuce, je 6,87 ¢ / kWh.^[38]

Studie z roku 2016 zkoumala vztah mezi skladovací a přenosovou kapacitou při vysokém podílu obnovitelných zdrojů energie (OZE) v energetickém systému EUMENA. Zjistil, že do určité míry se přenosová kapacita a skladovací kapacita mohou navzájem nahrazovat. Pro přechod na systém plně obnovitelné energie do roku 2050 jsou nutné zásadní strukturální změny. Výsledky naznačují optimální alokaci fotovoltaiky a větrné energie, výslednou poptávku po skladovacích kapacitách různých technologií (baterie, přečerpávací vodní a vodíkové skladování) a kapacitu přenosové sítě.^[39]

NEMO

NEMO, národní optimalizátor trhu s elektřinou, je chronologický expediční model pro testování a optimalizaci různých portfolií konvenčních a obnovitelných technologií výroby elektřiny. Platí pouze pro Austrálii Národní trh s elektřinou (NEM), která je navzdory svému názvu omezena na východní a jižní Austrálii. NEMO je ve vývoji na Centrum pro trhy s energií a životním prostředím (CEEM), University of New South Wales (UNSW), Sydney, Austrálie od roku 2011.^[40] Projekt udržuje malou webovou stránku a provozuje seznam e-mailů. Je napsáno NEMO Krajta. Samotné NEMO je popsáno ve dvou publikacích.^{[41]:sec 2[42]:sec 2} Rovněž jsou zaznamenány zdroje dat.^{[41]:sek 3.} Optimalizace se provádějí pomocí funkce vyhodnocení s jedním objektem s penalizací. Prostor řešení kapacit generátoru je prohledáván pomocí CMA-ES (strategie evoluční adaptace kovarianční matice). Časový krok je libovolný, ale obvykle se používá jedna hodina.

NEMO bylo použito k prozkoumání možností výroby energie pro rok 2030 v rámci různých scénářů technologie obnovitelných zdrojů energie (RE) a snížených fosilních paliv. Studie z roku 2012 zkoumá proveditelnost použití plně obnovitelného systému koncentrovaná solární energie (CSP) s tepelným zásobníkem, větrné farmy, fotovoltaika, existující hydroelektřina, a biopalivo plynové turbíny. Je identifikována řada potenciálních systémů, které rovněž splňují kritéria spolehlivosti NEM. Hlavní výzvou je obsluha špičkové poptávky v zimních večerních hodinách po zatažených dnech a obdobích slabého větru.^[41] Studie z roku 2014 zkoumá tři scénáře využívající uhelnou tepelnou výrobu s zachycování a skladování uhlíku (CCS) a plynové plynové turbíny se zachycením i bez něj. Tyto scénáře jsou porovnány s analýzou z roku 2012 s využitím plně obnovitelné výroby. Studie zjišťuje, že „pouze za několik málo a zdánlivě nepravděpodobných kombinací nákladů může kterýkoli ze scénářů fosilních paliv ekonomicky konkurovat stoprocentně obnovitelné elektřině ve světě s omezeným obsahem uhlíku“.^[43]:196 Studie z roku 2016 hodnotí přírůstkové náklady na zvyšování podílu energie z obnovitelných zdrojů v rámci rozsahu stropů skleníkových plynů a cen uhlíku. Studie zjistila, že přírůstkové náklady rostou lineárně z nuly na 80% RE a poté mírně rostou. Studie dospěla k závěru, že toto zvyšování nákladů není dostatečným důvodem k tomu, aby se zabránilo 100% cílům v oblasti obnovitelných zdrojů.^[42]

OnSSET

OnSSET je sada OpeN Source Spatial Electrification Toolkit. OnSSET je vyvíjen divizí Energetické systémy, KTH Royal Institute of Technology, Stockholm, Švédsko. Tento software se používá k prozkoumání oblastí, které nejsou obsluhovány elektrickou sítí, a k identifikaci technologických možností a investičních požadavků, které zajistí přístup k elektrickým službám za nejnižší náklady. OnSSET je navržen tak, aby podporoval Spojené národy ' SDG 7: poskytování cenově dostupné, spolehlivé, udržitelné a moderní energie pro všechny. Sada nástrojů je známá jako OnSSET a byla vydána 26. června Listopad 2016. OnSSET nedodává s daty, ale vhodné datové sady jsou k dispozici od energydata.info. Projekt udržuje webovou stránku a pořádá fórum na https://groups.google.com/forum/#!forum/onsset.^[44][45]</ref>^[46]

Mapování elektrifikace s nejnižšími náklady pro Tanzanii

OnSSET dokáže odhadnout, analyzovat a vizualizovat nákladově nejefektivnější možnosti přístupu k elektrifikaci, ať už jsou to konvenční mřížka, mini-mřížka nebo samostatně.^[47] Sada nástrojů podporuje řadu konvenčních technologií a technologií obnovitelných zdrojů energie, včetně fotovoltaiky, větrných turbín atd malá vodní generace. Od roku 2017^{[Aktualizace]}, bioenergie a hybridní technologie, jako např vítr-nafta, jsou přidávány.

OnSSET využívá energetické a geografické informace, které mohou zahrnovat velikost a umístění osídlení, stávající a plánovanou infrastrukturu přenosu a výroby, ekonomickou činnost, obnovitelné zdroje energie, silniční sítě a potřeby nočního osvětlení. The GIS informace lze podpořit pomocí proprietárního ArcGIS balíček nebo ekvivalent otevřeného zdroje, jako je TRÁVA nebo QGIS.^[48]

OnSSET byl použit pro případové studie v Afghánistán,^[49] Bolívie,^[50] Etiopie,^[47][51] Nigérie,^[47][52] a Tanzanie.^[48] OnSSET byl také použit v Indie, Keňa, a Zimbabwe. Kromě toho byly provedeny kontinentální studie Subsaharská Afrika a Latinská Amerika.^[53] Od roku 2017^{[Aktualizace]}, existují plány na použití OnSSET v rozvojové Asii, zvýšení rozlišení analýzy a rozšíření podpory pro různé produktivní využití elektřiny.

Výsledky systému OnSSET přispěly k IEA Světový energetický výhled zprávy za rok 2014^[54] a 2015,^[55] zpráva Světové banky o globálním rámci pro sledování v roce 2015,^[56] a IEA Výhled Afriky na energii zpráva v roce 2019.^[57] OnSSET je také součástí rodící se platformy GEP.^[58]

pandapower

pandapower je program pro analýzu a optimalizaci energetického systému vyvíjený společně výzkumnou skupinou Energy Management and Power System Operation, University of Kassel a ministerstvo provozu distribučního systému, Fraunhoferův institut pro energetickou ekonomiku a technologii energetických systémů (IEE), oba Kassel, Německo. Codebase je hostován na GitHub a je také k dispozici jako balík. Projekt udržuje webové stránky, an e-mailový seznam a online dokumentace. pandapower je napsán v Krajta. Využívá pandy knihovna pro manipulaci a analýzu dat a knihovna PYPOWER^[59] vyřešit tok energie. Na rozdíl od některých energetických nástrojů open source nezávisí pandapower na proprietárních platformách, jako je MATLAB.

pandapower podporuje automatizovanou analýzu a optimalizaci rozdělení a přenosové sítě. To umožňuje prozkoumat velké množství scénářů na základě různých budoucích konfigurací mřížky a technologií. pandapower nabízí kolekci prvků energetického systému, včetně: vedení, transformátorů se dvěma vinutími, transformátorů se třemi vinutími a ekvivalentů obvodů. Obsahuje také model přepínače, který umožňuje modelování ideálních přepínačů sběrnice-sběrnice i přepínačů sběrnice-linka / sběrnice-komunikace. Software podporuje topologické vyhledávání. Samotnou síť lze vykreslit pomocí geografických informací nebo bez nich matplotlib a zápletka knihovny.

Publikace z roku 2016 hodnotí užitečnost softwaru provedením několika případových studií s hlavními provozovateli distribučních systémů (DSO). Tyto studie zkoumají integraci zvyšujících se úrovní fotovoltaika do stávajících distribučních sítí. Studie dospěla k závěru, že schopnost důkladně otestovat velké množství podrobných scénářů je pro robustní plánování sítě nezbytná. Bez ohledu na to budou problémy s dostupností údajů a dimenzionálností problémů nadále představovat výzvy.^[60]

Dokument z roku 2018 popisuje balíček a jeho design a poskytuje příklad případové studie. Článek vysvětluje, jak uživatelé pracují s modelem založeným na prvcích (EBM), který je interně převeden na model větve sběrnice (BBM) pro výpočet. Balíček podporuje simulaci energetického systému, výpočty optimálního toku energie (jsou vyžadovány informace o nákladech), odhad stavu (pokud by charakteristice systému chyběla věrnost) a graf - síťová analýza na základě. Případová studie ukazuje, jak může několik desítek řádků skriptování komunikovat s pandapower, aby bylo možné posunout design systému podléhajícího různým provozním požadavkům. Přidružený kód je hostován na GitHubu jako notebooky jupyter.^[61]

Od roku 2018^{[Aktualizace]}, BNetzA Německý regulátor sítě používá pandapower pro automatizovanou analýzu sítě.^[62] Energetické výzkumné ústavy v Německu rovněž sledují vývoj pandapower.^[63]:90

PowerMatcher

Software PowerMatcher implementuje a inteligentní mřížka koordinační mechanismus, který vyvažuje distribuované energetické zdroje (DER) a flexibilní zatížení prostřednictvím autonomního dražení. Projekt je řízen sítí Flexiblepower Alliance Network (FAN) v roce Amsterdam, Nizozemí. Projekt udržuje webové stránky a zdrojový kód je hostitelem dne GitHub. Od června 2016^{[Aktualizace]}, stávající datové sady nejsou k dispozici. PowerMatcher je napsán v Jáva.

Každé zařízení v systému inteligentní sítě - ať už jde o pračku, větrný generátor nebo průmyslovou turbínu - vyjadřuje ochotu spotřebovávat nebo vyrábět elektřinu formou nabídky. Tyto nabídky jsou poté shromážděny a použity k určení rovnovážné ceny. Software PowerMatcher tak umožňuje integraci vysokého podílu obnovitelné energie do stávajících elektrických systémů a měl by také zabránit jakémukoli místnímu přetížení v případném stárnutí distribučních sítí.^[64]

Napájení TAC

Power TAC znamená Power Trading Agent Competition. Power TAC je agent-based model stále více simuluje výkon maloobchodních trhů prosumer - a elektrické prostředí ovlivněné obnovitelnou energií. První verze projektu Power TAC začala v roce 2009, kdy byla platforma open source vydána jako open-source multiagent konkurenční herní platforma pro simulaci výkonu maloobchodního trhu s elektřinou ve scénářích inteligentních sítí. Zahajovací každoroční turnaj se konal ve španělské Valencii v roce 2012.

Autonomní strojové učení obchodní agenti nebo „zprostředkovatelé“ přímo soutěží jako agregátoři maximalizující zisk mezi velkoobchodními trhy a maloobchodními zákazníky. Zákaznické modely představují domácnosti, malé a velké podniky, obytné budovy, větrné parky, majitelé solárních panelů, majitelé elektrických vozidel, sklady chladírenských skladů atd. Zprostředkovatelé se snaží dosáhnout zisku prostřednictvím nabídky tarifů elektřiny zákazníkům a obchodování s elektřinou ve velkoobchodu trhu, přičemž pečlivě vyvažuje nabídku a poptávku.

Soutěž zakládají a organizují profesoři Wolfgang Ketter a John Collins a software platformy vyvíjejí společně výzkumní pracovníci na Rotterdamské škole managementu, Erasmus University Center for Future Energy Business, Institute for Energy Economics na univerzitě v Kolíně nad Rýnem a Oddělení informatiky na University of Minnesota. Platforma využívá řadu reálných dat o počasí, tržních cenách a agregátní poptávce a chování zákazníků. Zprostředkovatelské agenty vyvíjejí výzkumné týmy z celého světa a účastní se každoročních turnajů. Data z těchto turnajů jsou veřejně dostupná a lze je použít k hodnocení výkonu agenta a jeho interakcí. Platforma využívá konkurenční benchmarking k usnadnění výzkumu mimo jiné v oblasti designu tarifů na maloobchodních trzích s elektřinou, nabídkových strategií na velkoobchodních trzích s elektřinou, výkonnosti trhů jako nárůstu nebo poklesu pronikání udržitelných zdrojů energie nebo elektrických vozidel, účinnosti strojového učení přístupy a alternativní politické přístupy k regulaci trhu. Tento software přispěl k výzkumným tématům, od využití vozových parků elektrických vozidel jako virtuálních elektráren až po to, jak lze systém podpory zákazníků při rozhodování o elektřině (DSS) použít k navrhování efektivních programů reakce na poptávku pomocí metod, jako je dynamická tvorba cen.

přestoupit

renpass je zkratka pro simulační systém cest obnovitelné energie. renpass je simulační model elektřiny s vysokým regionálním a časovým rozlišením, navržený k zachycení stávajících systémů a budoucích systémů s až 100% obnovitelnou výrobou. Tento software vyvíjí Centrum pro systémy udržitelné energie (CSES nebo ZNES), University of Flensburg, Německo. Projekt provozuje webovou stránku, ze které kódová základna lze stáhnout. renpass je napsán v R a odkazy na a MySQL databáze. K dispozici je příručka ve formátu PDF.^[65] renpass je také popsán v disertační práci.^[66] Od roku 2015^{[Aktualizace]}, renpass se rozšiřuje jako renpassG! S, na základě oemof.

renpass je model expedice elektřiny, který minimalizuje systémové náklady pro každý časový krok (optimalizace) v mezích dané infrastruktury (simulace). Časové kroky jsou volitelně 15 minut nebo jedna hodina. Metoda předpokládá dokonalou předvídavost. renpass podporuje elektrické systémy nalezené v Rakousku, Belgii, České republice, Dánsku, Estonsku, Francii, Finsku, Německu, Lotyšsku, Litvě, Lucembursku, Nizozemsku, Norsku, Polsku, Švédsku a Švýcarsku.

Problémem optimalizace pro každý časový krok je minimalizace nákladů na dodávku elektřiny pomocí stávajícího parku elektráren pro všechny regiony. Po tomto regionálním odeslání probíhá výměna mezi regiony a je omezena kapacitou sítě. Tento druhý problém je řešen spíše heuristickým postupem, než vypočítán deterministicky. Vstupem je zásluhová objednávka, mezní elektrárna, přebytečná energie (obnovitelná energie, která by mohla být zkrácena) a přebytečná poptávka (poptávka, kterou nelze dodat) pro každý region. Algoritmus výměny usiluje o nejnižší náklady pro všechny regiony, takže cílovou funkcí je minimalizace celkových nákladů všech regionů, vzhledem k existující infrastruktuře sítě, úložišti a kapacitám generování. Celková cena je definována jako zbytkové zatížení vynásobené cenou v každém regionu, sečteno ve všech regionech.

Studie z roku 2012 využívá renpass ke zkoumání proveditelnosti 100% systému obnovitelné energie pro EU Baltské moře regionu (Dánsko, Estonsko, Finsko, Německo, Lotyšsko, Litva, Polsko a Švédsko) v roce 2050. Základní scénář předpokládá konzervativní obnovitelný potenciál a vylepšení sítě, 20% pokles poptávky, mírné využití možností skladování a zavádění biomasy pro flexibilní výrobu. Studie zjistila, že je možný 100% obnovitelný elektrický systém, i když s občasným dovozem ze sousedních zemí, a že biomasa hraje klíčovou roli ve stabilitě systému. Náklady na tento přechod se odhadují na 50 € / MWh.^[67] Studie z roku 2014 využívá odchod k modelování Německa a jeho sousedů.^[68] Diplomová práce z roku 2014 využívá renpass ke zkoumání výhod nového kabelu mezi Německem a Norskem a nového přečerpávací zařízení kapacita v Norsko, s ohledem na 100% obnovitelné elektrické systémy v obou zemích.^[69] Další studie z roku 2014 využívá pro zkoumání němčiny renpass Energiewende, přechod na udržitelný energetický systém pro Německo. Studie rovněž tvrdí, že důvěru veřejnosti potřebnou k podpoře takového přechodu lze vybudovat pouze pomocí transparentních energetických modelů s otevřeným zdrojem.^[70]

SciGRID

SciGRID, zkratka pro Scientific Grid, je otevřený zdrojový model německého a evropského elektrické přenosové sítě. Výzkumný projekt je řízen DLR Ústav síťových energetických systémů nacházející se v Oldenburg, Německo. The project maintains a website and an email newsletter. SciGRID is written in Krajta a používá a PostgreSQL databáze. The first release (v0.1) was made on 15 Červen 2015.

SciGRID aims to rectify the lack of otevřený výzkum data on the structure of electricity transmission networks within Europe. This lack of data frustrates attempts to build, characterise, and compare high resolution energy system models. SciGRID utilizes transmission network data available from the OpenStreetMap project, available under the Licence na otevřenou databázi (ODbL), to automatically author transmission connections. SciGRID will not use data from closed sources. SciGRID can also mathematically decompose a given network into a simpler representation for use in energy models.^[71][72]

A related project is GridKit, released under an Licence MIT. GridKit is being developed to investigate the possibility of a 'heuristic' analysis to augment the route-based analysis used in SciGRID. Data is available for network models of the European and North-American high-voltage electricity grids.^[73]

SIRÉNA

SIREN stands for SEN Integrated Renewable Energy Network Toolkit. The project is run by Sustainable Energy Now, an Nevládní organizace sídlící v Perth, Austrálie. The project maintains a website. SIREN runs on Windows and the zdrojový kód je hostitelem dne SourceForge. Software je napsán v Krajta and uses the SAM model (System Advisor Model) from the US Národní laboratoř pro obnovitelné zdroje energie to perform energy calculations. SIREN uses hourly datasets to model a given geographic region. Users can use the software to explore the location and scale of renewable energy sources to meet a specified electricity demand. SIREN utilizes a number of open or publicly available data sources: maps can be created from OpenStreetMap tiles and weather datasets can be created using NASA MERRA-2 satellite data.^[d][74]

A 2016 study using SIREN to analyze Western Australia's South-West Interconnected System (SWIS) finds that it can transition to 85% renewable energy (RE) for the same cost as new coal and gas. In addition, 11.1 million tonnes of CO
2eq emissions would be avoided. The modeling assumes a carbon price of AUD $30/tCO
2. Further scenarios examine the goal of 100% renewable generation.^[75]

PŘEPÍNAČ

SWITCH is a loose acronym for solar, wind, conventional and hydroelectric generation, and transmission. SWITCH is an optimal planning model for power systems with large shares of renewable energy. SWITCH is being developed by the Department of Electrical Engineering, University of Hawai'i, Mānoa, Havaj, USA. The project runs a small website and hosts its kódová základna a datové sady na GitHub. SWITCH is written in Pyomo, an optimization components library programmed in Krajta. It can use either the open source GLPK solver or the commercial CPLEX a Gurobi řešitelé.

SWITCH is a power system model, focused on renewables integration. It can identify which generator and transmission projects to build in order to satisfy electricity demand at the lowest cost over a several year period while also reducing CO
2 emise. SWITCH utilizes multi-stage stochastic linear optimization with the objective of minimizing the present value of the cost of power plants, transmission capacity, fuel usage, and an arbitrary per-tonne CO
2 charge (to represent either a carbon tax or a certificate price), over the course of a multi-year investment period. It has two major sets of decision variables. First, at the start of each investment period, SWITCH selects how much generation capacity to build in each of several geographic load zones, how much power transfer capability to add between these zones, and whether to operate existing generation capacity during the investment period or to temporarily mothball it to avoid fixed operation and maintenance costs. Second, for a set of sample days within each investment period, SWITCH makes hourly decisions about how much power to generate from each dispatchable power plant, store at each pumped hydro facility, or transfer along each transmission interconnector. The system must also ensure enough generation and transmission capacity to provide a planning reserve margin of 15% above the load forecasts. For each sampled hour, SWITCH uses electricity demand and renewable power production based on actual measurements, so that the weather-driven correlations between these elements remain intact.

Following the optimization phase, SWITCH is used in a second phase to test the proposed investment plan against a more complete set of weather conditions and to add backstop generation capacity so that the planning reserve margin is always met. Finally, in a third phase, the costs are calculated by freezing the investment plan and operating the proposed power system over a full set of weather conditions.

A 2012 paper uses Kalifornie from 2012 to 2027 as a případová studie for SWITCH. The study finds that there is no ceiling on the amount of wind and solar power that could be used and that these resources could potentially reduce emissions by 90% or more (relative to 1990 levels) without reducing reliability or severely raising costs. Furthermore, policies that encourage electricity customers to shift demand to times when renewable power is most abundant (for example, though the well-timed charging of elektrická vozidla ) could achieve radical emission reductions at moderate cost.^[76]

SWITCH was used more recently to underpin consensus-based power system planning in Havaj.^[77] The model is also being applied in Chile, Mexiko a jinde.^[78]

Hlavní verze 2.0 was released in late‑2018.^[78] An investigation that year favorably compared SWITCH with the proprietary General Electric MAPS model using Hawaii as a case study.^[79]

URBS

URBS, latinský for city, is a lineární programování model for exploring capacity expansion and unit commitment problems and is particularly suited to distributed energy systems (DES). It is being developed by the Institute for Renewable and Sustainable Energy Systems, Technická univerzita v Mnichově, Německo. The kódová základna je hostitelem dne GitHub. URBS is written in Krajta a používá Pyomo optimization packages.

URBS classes as an energy modeling framework and attempts to minimize the total discounted cost of the system. A particular model selects from a set of technologies to meet a predetermined electricity demand. It uses a time resolution of one hour and the spatial resolution is model-defined. The decision variables are the capacities for the production, storage, and transport of electricity and the time scheduling for their operation.^[80]:11–14

The software has been used to explore cost-optimal extensions to the European transmission grid using projected wind and solar capacities for 2020. A 2012 study, using high spatial and technological resolutions, found variabilní obnovitelná energie (VRE) additions cause lower revenues for conventional power plants and that grid extensions redistribute and alleviate this effect.^[81] The software has also been used to explore energy systems spanning Europe, the Middle East, and North Africa (EUMENA)^[80] and Indonesia, Malaysia, and Singapore.^[82]

Energy system models

Open energy system models capture some or all of the energy commodities found in an energy system. Typicky models of the electricity sector are always included. Some models add the heat sector, which can be important for countries with significant dálkové vytápění. Other models add gas networks. S příchodem emobility, other models still include aspects of the transport sector. Indeed, coupling these various sectors using power-to-X technologies is an emerging area of research.^[38]

Balmorel

Balmorel is a market-based energy system model from Denmark. Development was originally financed by the Danish Energy Research Program in 2001.^[66]:23 The codebase was made public in March 2001.^[83] The Balmorel project maintains an extensive website, from where the kódová základna a datové sady can be download as a zip file. Users are encouraged to register. Documentation is available from the same site.^[84][85][86] Balmorel is written in HRY.

The original aim of the Balmorel project was to construct a částečná rovnováha model of the electricity and CHP odvětví v Baltské moře region, for the purposes of policy analysis.^[87] These ambitions and limitations have long since been superseded and Balmorel is no longer tied to its original geography and policy questions.^[85] Balmorel classes as a dispatch and investment model and uses a time resolution of one hour. It models electricity and heat supply and demand, and supports the intertemporal storage of both. Balmorel is structured as a pure lineární program (no integer variables).

Od roku 2016^{[Aktualizace]}, Balmorel has been the subject of some 22 publikace. A 2008 study uses Balmorel to explore the Nordic energy system in 2050. The focus is on renewable energy supply and the deployment of hydrogen as the main transport fuel. Given certain assumptions about the future price of oil and carbon and the uptake of hydrogen, the model shows that it is economically optimal to cover, using renewable energy, more than 95% of the primary energy consumption for electricity and district heat and 65% of the transport.^[88] A 2010 study uses Balmorel to examine the integration of plug-in hybridní vozidla (PHEV) into a system comprising one quarter wind power and three quarters thermal generation. The study shows that PHEVs can reduce the CO
2 emissions from the power system if actively integrated, whereas a hands-off approach – letting people charge their cars at will – is likely to result in an increase in emissions.^[89] A 2013 study uses Balmorel to examine cost-optimized wind power investments in the Nordic-Germany region. The study investigates the best placement of wind farms, taking into account wind conditions, distance to load, and the generation and transmission infrastructure already in place.^[90]

Calliope

Calliope is an energy system modeling framework, with a focus on flexibility, high spatial and temporal resolution, and the ability to execute different runs using the same base-case dataset. The project is being developed at the Department of Environmental Systems Science, ETH Curych, Curych, Švýcarsko. The project maintains a website, hosts the kódová základna na GitHub, operates an issues tracker, and runs two e-mailové seznamy. Calliope is written in Krajta a používá Pyomo knihovna. It can link to the open source GLPK solver and the commercial CPLEX a Gurobi řešitelé. PDF documentation is available.^[91]

A Calliope model consists of a collection of structured text files, in YAML a CSV formats, that define the technologies, locations, and resource potentials. Calliope takes these files, constructs a pure lineární optimalizace (no integer variables) problem, solves it, and reports the results in the form of pandy datové struktury pro analýzu. The framework contains five abstraktní base technologies – supply, demand, conversion, storage, transmission – from which new concrete technologies can be derived. The design of Calliope enforces the clear separation of framework (code) and model (data).

A 2015 study uses Calliope to compare the future roles of jaderná energie a CSP v Jižní Afrika. It finds CSP could be competitive with nuclear by 2030 for baseload and more competitive when producing above baseload. CSP also offers less investment risk, less environmental risk, and other co-benefits.^[92] A second 2015 study compares a large number of cost-optimal future power systems for Velká Británie. Three generation technologies are tested: renewables, nuclear power, and fossil fuels with and without zachycování a skladování uhlíku (CCS). The scenarios are assessed on financial cost, emissions reductions, and energy security. Up to 60% of variable renewable capacity is possible with little increase in cost, while higher shares require large-scale úložný prostor, imports, and/or dispatchable renewables such as přílivový rozsah.^[93]

DESSTinEE

DESSTinEE stands for Demand for Energy Services, Supply and Transmission in EuropE. DESSTinEE is a model of the European energy system in 2050 with a focus on the electricity system. DESSTinEE is being developed primarily at the Imperial College Business School, Imperial College London (ICL), Londýn, Spojené království. The software can be downloaded from the project website. DESSTinEE is written in Vynikat /VBA and comprises a set of standalone tabulky. A flier is available.^[94]

DESSTinEE is designed to investigate assumptions about the technical requirements for energy transport – particularly electricity – and the scale of the economic challenge to develop the necessary infrastructure. Forty countries are considered in and around Europe and ten forms of primary and secondary energy are supported. The model uses a predictive simulation technique, rather than solving for either částečný nebo obecná rovnováha. The model projects annual energy demands for each country to 2050, synthesizes hourly profiles for electricity demand in 2010 and 2050, and simulates the least-cost generation and transmission of electricity around the region.^[95]

A 2016 study using DESSTinEE (and a second model eLOAD) examines the evolution of electricity load curves in Germany and Britain from the present until 2050. In 2050, peak loads and ramp rates rise 20–60% and system utilization falls 15–20%, in part due to the substantial uptake of tepelná čerpadla a elektrická vozidla. These are significant changes.^[96]

Energy Transition Model

The Energy Transition Model (ETM) is an interactive web-based model using a holistic description of a country's energy system. It is being developed by Quintel Intelligence, Amsterdam, Nizozemí. The project maintains a project website, an interactive website, and a GitHub úložiště. ETM is written in Rubín (na Kolejnice ) and displays in a webový prohlížeč. ETM consists of several software components as described in the documentation.

ETM is fully interactive. After selecting a region (France, Germany, the Netherlands, Poland, Spain, United Kingdom, EU-27, or Brazil) and a year (2020, 2030, 2040, or 2050), the user can set 300 sliders (or enter numerical values) to explore the following:

• targets: set goals for the scenario and see if they can be achieved, targets comprise: CO
  2 reductions, renewables shares, total cost, and caps on imports
• demands: expand or restrict energy demand in the future
• costs: project the future costs of energy carriers and energy technologies, these costs do not include taxes or subsidies
• supplies: select which technologies can be used to produce heat or electricity

ETM is based on an energy graph (digraf ) where nodes (vrcholy ) can convert from one type of energy to another, possibly with losses. The connections (směrované hrany ) are the energy flows and are characterized by volume (in megajoulů ) and carrier type (such as coal, electricity, usable-heat, and so forth). Given a demand and other choices, ETM calculates the primary energy use, the total cost, and the resulting CO
2 emise. The model is demand driven, meaning that the digraph is traversed from useful demand (such as space heating, hot water usage, and car-kilometers) to primary demand (the extraction of gas, the import of coal, and so forth).

EnergyPATHWAYS

EnergyPATHWAYS is a bottom-up energy sector model used to explore the near-term implications of long-term deep decarbonization. The lead developer is energy and climate protection consultancy, Evolved Energy Research, San Francisco, USA. The code is hosted on GitHub. EnergyPATHWAYS is written in Krajta and links to the open source Cbc řešitel. Případně GLPK, CPLEX nebo Gurobi solvers can be employed. EnergyPATHWAYS utilizes the PostgreSQL object-relational database management system (ORDBMS) to manage its data.

EnergyPATHWAYS is a comprehensive accounting framework used to construct economy-wide energy infrastructure scenarios. While portions of the model do use lineární programování techniques, for instance, for electricity dispatch, the EnergyPATHWAYS model is not fundamentally an optimization model and embeds few decision dynamics. EnergyPATHWAYS offers detailed energy, cost, and emissions accounting for the energy flows from primary supply to final demand. The energy system representation is flexible, allowing for differing levels of detail and the nesting of cities, states, and countries. The model uses hourly least-cost electricity dispatch and supports power-to-gas, short-duration energy storage, long-duration energy storage, and reakce na poptávku. Scenarios typically run to 2050.

A predecessor of the EnergyPATHWAYS software, named simply PATHWAYS, has been used to construct policy models. The California PATHWAYS model was used to inform Californian state climate targets for 2030.^[97] And the US PATHWAYS model contributed to the OSN Deep Decarbonization Pathways Project (DDPP) assessments for the United States.^[98] Od roku 2016^{[Aktualizace]}, the DDPP plans to employ EnergyPATHWAYS for future analysis.

ETEM

ETEM stands for Energy Technology Environment Model. The ETEM model offers a similar structure to OSeMOSYS but is aimed at urban planning. The software is being developed by the ORDECSYS company, Chêne-Bougeries, Switzerland, supported with European Union and national research grants. The project has two websites. The software can be downloaded from first of these websites (but as of July 2016^{[Aktualizace]}, this looks out of date). A manual is available with the software.^[99] ETEM is written in MathProg.^[E] Presentations describing ETEM are available.^[100][101]

ETEM is a bottom-up model that identifies the optimal energy and technology options for a regional or city. The model finds an energy policy with minimal cost, while investing in new equipment (new technologies), developing production capacity (installed technologies), and/or proposing the feasible import/export of primary energy. ETEM typically casts forward 50 years, in two or five year steps, with time slices of four seasons using typically individual days or finer. The spatial resolution can be highly detailed. Electricity and heat are both supported, as are dálkové vytápění networks, household energy systems, and grid storage, including the use of plug-in hybridní elektrická vozidla (PHEV). ETEM-SG, a development, supports reakce na poptávku, an option which would be enabled by the development of Inteligentní sítě.

The ETEM model has been applied to Luxembourg, the Geneva and Basel-Bern-Zurich cantons in Switzerland, and the Grenoble metropolitan and Midi-Pyrénées region in France. A 2005 study uses ETEM to study climate protection in the Swiss housing sector. The ETEM model was coupled with the GEMINI-E3 world computable general equilibrium model (CGEM) to complete the analysis.^[102] A 2012 study examines the design of Inteligentní sítě. As distribution systems become more intelligent, so must the models needed to analysis them. ETEM is used to assess the potential of smart grid technologies using a případová studie, roughly calibrated on the Ženeva canton, under three scenarios. These scenarios apply different constraints on CO
2 emissions and electricity imports. A stochastic approach is used to deal with the uncertainty in future electricity prices and the uptake of electric vehicles.^[103]

fikus

ficus is a smíšené celé číslo optimization model for local energy systems. It is being developed at the Institute for Energy Economy and Application Technology, Technická univerzita v Mnichově, Mnichov, Německo. The project maintains a website. Projekt je hostován na GitHub. ficus is written in Krajta a používá Pyomo knihovna. The user can choose between the open source GLPK solver or the commercial CPLEX a Gurobi řešitelé.

Na základě URBS, ficus was originally developed for optimizing the energy systems of factories and has now been extended to include local energy systems. ficus supports multiple energy commodities – goods that can be imported or exported, generated, stored, or consumed – including electricity and heat. It supports multiple-input and multiple-output energy conversion technologies with load-dependent efficiencies. The objective of the model is to supply the given demand at minimal cost. ficus uses exogenous cost time series for imported commodities as well as peak demand charges with a configurable timebase for each commodity in use.

oemof

oemof stands for Open Energy Modelling Framework. The project is managed by the Reiner Lemoine Institute, Berlín, Germany and the Center for Sustainable Energy Systems (CSES or ZNES) at the University of Flensburg a Flensburg University of Applied Sciences, oba Flensburg, Německo. The project runs two websites and a GitHub úložiště. oemof is written in Krajta a použití Pyomo a COIN-OR components for optimization. Energy systems can be represented using spreadsheets (CSV ) which should simplify data preparation. Version 0.1.0 was released on 1 Prosinec 2016.

oemof classes as an energy modeling framework. Skládá se z a lineární nebo smíšené celé číslo optimization problem formulation library (solph), an input data generation library (feedin-data), and other auxiliary libraries. The solph library is used to represent multi-regional and multi-sectoral (electricity, heat, gas, mobility) systems and can optimize for different targets, such as financial cost or CO
2 emise. Furthermore, it is possible to switch between dispatch and investment modes. In terms of scope, oemof can capture the European power system or alternatively it can describe a complex local power and heat sector scheme.

A masters project in 2020 compared oemof and OSeMOSYS.^[104]

OSeMOSYS

OSeMOSYS stands for Open Source Energy Modelling System. OSeMOSYS is intended for national and regional policy development and uses an intertemperal optimization framework. The model posits a single socially motivated operator/investor with perfect foresight. The OSeMOSYS project is a community endeavor, supported by the Energy Systems Analysis Group (dESA), KTH Royal Institute of Technology, Stockholm, Švédsko. The project maintains a website providing background. The project also offers several active internetová fóra na Reddit. OSeMOSYS was originally written in MathProg, na vysoké úrovni matematické programování Jazyk. It was subsequently reimplemented in HRY a Krajta and all three codebases are now maintained. The project also provides a test model called UTOPIA.^[105] A manual is available.^[106]

OSeMOSYS provides a framework for the analysis of energy systems over the medium (10–15 years) and long term (50–100 years). OSeMOSYS uses pure lineární optimalizace, with the option of smíšené celočíselné programování for the treatment of, for instance, discrete power plant capacity expansions. It covers most energy sectors, including heat, electricity, and transport. OSeMOSYS is driven by exogenously defined energetické služby Požadavky. These are then met through a set of technologies which draw on a set of resources, both characterized by their potentials and costs. These resources are not limited to energy commodities and may include, for example, water and využívání půdy. This enables OSeMOSYS to be applied in domains other than energy, such as water systems. Technical constraints, economic restrictions, and/or environmental targets may also be imposed to reflect policy considerations. OSeMOSYS is available in extended and compact MathProg formulations, either of which should give identical results. In its extended version, OSeMOSYS comprises a little more than 400 řádky kódu.

Simplified results for a fictitious country called Atlantis used for training purposes

A key paper describing OSeMOSYS is available.^[5] A 2011 study uses OSeMOSYS to investigate the role of household investment decisions.^[107] A 2012 study extends OSeMOSYS to capture the salient features of a inteligentní mřížka. The paper explains how to model variability in generation, flexible demand, and skladování mřížky and how these impact on the stability of the grid.^[108] OSeMOSYS has been applied to village systems. A 2015 paper compares the merits of stand-alone, mini-grid, and grid electrification for rural areas in Východní Timor under differing levels of access.^[109] In a 2016 study, OSeMOSYS is modified to take into account realistic consumer behavior.^[110] Another 2016 study uses OSeMOSYS to build a local multi-regional energy system model of the Lombardie region v Itálii. One of the aims of the exercise was to encourage citizens to participate in the energy planning process. Preliminary results indicate that this was successful and that open modeling is needed to properly include both the technological dynamics and the non-technological issues.^[111] A 2017 paper covering Alberta, Canada factors in the risk of overrunning specified emissions targets because of technological uncertainty. Among other results, the paper finds that solar and wind technologies are built out seven and five years earlier respectively when emissions risks are included.^[112] Another 2017 paper analyses the electricity system in Kypr and finds that, after European Union environmental regulations are applied post-2020, a switch from oil-fired to natural gas generation is indicated.^[113]

OSeMOSYS has been used to construct wide-area electricity models for Afrika, comprising 45 zemí^[114][115] a Jižní Amerika, comprising 13 zemí.^[116][117] It has also been used to support United Nations' regional climate, land, energy, and water strategies (CLEWS)^[118] pro Sava river basin, central Europe,^[119] the Syr Darya river basin, eastern Europe,^[120]:29 a Mauricius.^[121] Models have previously been built for the Pobaltské státy, Bolívie, Nikaragua, a Švédsko.

In 2016, work started on a prohlížeč -based interface to OSeMOSYS, known as the Model Management Infrastructure (MoManI). Lead by the UN Department of Economic and Social Affairs (DESA), MoManI is being trialled in selected countries. The interface can be used to construct models, visualize results, and develop better scenarios. Atlantis is the name of a fictional country case-study for training purposes.^{[122][123][124]}

The OSeMBE reference model covering western and central Europe was announced on 27 April 2018.^[125][126] The model uses the MathProg implemention of OSeMOSYS but requires a small náplast za prvé. The model, funded as part of Horizon 2020 and falling under work package WP7 of the REEEM project, will be used to help stakeholders engage with a range of sustainable energy futures for Europe.^[127] The REEEM project runs from early-2016 till mid-2020.

PyPSA

PyPSA stands for Python for Power System Analysis. PyPSA is a free software toolbox for simulating and optimizing electric power systems and allied sectors. It supports conventional generation, variable wind and solar generation, electricity storage, spojka to the natural gas, hydrogen, heat, and transport sectors, and hybrid alternating and direct current networks. Moreover, PyPSA is designed to scale well. Projekt je řízen Institute for Automation and Applied Informatics (IAI), Technologický institut v Karlsruhe (KIT), Karlsruhe, Germany, although the project itself exists independently under its own name and accounts. The project maintains a website and runs an email list. PyPSA itself is written in Krajta a používá Pyomo knihovna. The zdrojový kód je hostitelem dne GitHub and is also released periodically as a PyPI balík.

Simulované locational marginal prices přes Německo under conditions of high wind and low load. Bottlenecks in north/south power transmission elicit the large differences.^[128]:11

The basic functionality of PyPSA is described in a 2018 paper. PyPSA sits between traditional steady-state power flow analysis software and full multi-period energy system models. It can be invoked using either non-linear power flow equations for system simulation or linearized approximations to enable the joint optimization of operations and investment across multiple periods. Generator ramping and multi-period up and down-times can be specified, DSM is supported, but demand remains price inelastic.^[128]

A 2018 study examines potential synergies between sector coupling a přenos reinforcement in a future European energy system constrained to reduce uhlík emise o 95%. The PyPSA-Eur-Sec-30 model captures the řízení na straně poptávky potenciál bateriová elektrická vozidla (BEV) as well as the role that power-to-gas, dlouhodobý skladování tepelné energie, and related technologies can play. Results indicate that BEVs can smooth the daily variations in solar power while the remaining technologies smooth the synoptický and seasonal variations in both demand and renewable supply. Podstatné buildout of the electricity grid is required for a least-cost configuration. More generally, such a system is both feasible and affordable. The underlying datasets are available from Zenodo.^[129]

Od ledna 2018^{[Aktualizace]}, PyPSA is used by more than a dozen research institutes and companies worldwide.^[128]:2 Some research groups have independently extended the software, for instance to model integer transmission expansion.^[130] 9 January 2019, the project released an interactive web-interfaced "toy" model, using the Cbc solver, to allow the public to experiment with different future costs and technologies. Each run takes about 40 s.^[131][132]

TEMOA

TEMOA stands for Tools for Energy Model Optimization and Analysis. The software is being developed by the Department of Civil, Construction, and Environmental Engineering, Státní univerzita v Severní Karolíně, Raleigh, Severní Karolína, USA. The project runs a website and a forum. The zdrojový kód je hostitelem dne GitHub. The model is programmed in Pyomo, an optimization components library written in Krajta. TEMOA can be used with any solver that Pyomo supports, including the open source GLPK řešitel. TEMOA uses ovládání verze to publicly archive zdrojový kód a datové sady a tím umožnit třetím stranám ověřit všechny publikované práce na modelování.^[8]

Třídy TEMOA jako modelovací rámec a slouží k provádění analýz pomocí modelu energetického systému zdola nahoru a bohatého na technologie. Cílem modelu je minimalizovat celosystémové náklady na dodávky energie nasazením a využitím energetických technologií a komodit v průběhu času, aby bylo možné splnit soubor exogenně specifikované požadavky na konečné použití.^[133] TEMOA je „silně ovlivněna dobře zdokumentovanými MARKAL / TIMES generátory modelů ".^[134]:4

Statistiky projektu

Statistiky pro 25 uvedených projektů modelování otevřené energie jsou následující:^{[potřebuje aktualizaci ]}

The HRY jazyk vyžaduje proprietární prostředí a jeho významné nákladově efektivní omezení účasti na ty, kteří mají přístup k institucionální kopii.^[135]

Programovací komponenty

Komponentní modely

Řada modelů technických komponentů je nyní také otevřeným zdrojovým kódem. I když tyto modely komponent nepředstavují systémové modely zaměřené na rozvoj veřejné politiky (zaměření této stránky), přesto je třeba je zmínit. Komponentní modely mohou být propojeny nebo jinak upraveny do těchto širších iniciativ.

• Model výkonu fotovoltaického pole Sandia^[136]

Byla napsána řada modelů aukcí elektřiny HRY, AMPL, MathProg a další jazyky.^[G] Tyto zahrnují:

• EPOC uzlové ceny Modelka^[137]

• vSPD uzlové ceny Modelka^[138]

• Australan Národní trh s elektřinou příklady použití MathProg najdete na wikibooks: GLPK / Electricity markets

Otevřete řešitele

Mnoho projektů se spoléhá na a čistě lineární nebo smíšené celé číslo řešitel provést klasickou optimalizaci, uspokojení omezení nebo nějakou kombinaci těchto dvou. I když existuje několik projektů řešících open source, nejčastěji se používá řešitel GLPK. GLPK byl přijat Calliope, ETEM, fikus, OSeMOSYS, PŘEPÍNAČ, a TEMOA. Další alternativou je řešič Clp.^[139][140] Proprietární řešitelé překonávají řešitele otevřených zdrojů se značnou rezervou (možná desetkrát), takže výběr otevřeného řešiče omezí výkon, pokud jde o rychlost i spotřebu paměti.^[141]

Viz také

Všeobecné

• Energetická simulace budovy - modelování energetických toků v budovách
• Scénáře zmírňování změny klimatu
• Energetické modelování - proces vytváření počítačových modelů energetických systémů
• Energetický systém - výklad energetického sektoru z hlediska systému
• Otevřená iniciativa pro modelování energie - evropská komunita pro modelování energie
• Otevřené databáze energetických systémů - databázové projekty, které shromažďují, čistí a znovu publikují soubory údajů o energii
• Problém závazku jednotky při výrobě elektrické energie

Software

• Seznam bezplatných a otevřených řešení optimalizace optimalizace
• Cbc (COIN-OR Branch and Cut) - řešič optimalizace otevřeného zdroje
• Clp (COIN-OR LP) - otevřený zdroj řešení lineární optimalizace
• Model klimatického systému Společenství - převážně otevřený globální globální klimatický model
• ESMF (Earth System Modeling Framework) - open source software pro stavbu klima, numerická předpověď počasí, a asimilace dat aplikace
• GHGProof - otevřený model využití půdy
• GLPK (GNU Linear Programming Kit) - řešič optimalizace lineárních a smíšených celých čísel s otevřeným zdrojovým kódem

Poznámky

Reference

Další informace

• Open energy models wiki spravuje Otevřená iniciativa pro modelování energie

externí odkazy

• Expertní systém pro inteligentní dodávku tepelné energie v průmyslu (EINSTEIN) - projekt pro analýzu jednoho zařízení
• Informační přehledy platformy OpenEnergy - strukturovaná shrnutí pokrývající řadu modelů otevřených a uzavřených energetických systémů
• OpenEnergyMonitor - projekt monitorování spotřeby energie s otevřeným zdrojem
• Otevřete Data systému napájení - otevřený projekt s údaji o elektřině pro Německo i mimo něj
• SAM Solar Advisor Model - projekt hodnocení fotovoltaické instalace
• TRNSYS - nástroj pro simulaci přechodného systému