ÁRAM MINŐSÉG OPTIMALIZÁLÁSA

Átírás

1 ÁRAM MINŐSÉG OPTIMALIZÁLÁSA KISFESZÜLTSÉGŰ NEMLINEÁRIS TORZÍTOTT HÁLÓZATOKBAN MEGÚJULÓ ENERGIAFORRÁSOK KOMPLEX INTEGRÁCIÓJÁVAL doktori (PhD) értekezés tézisei készítette GÖRBE PÉTER Konzulens: Dr Hangos Katalin egyetemi tanár Informatikai Tudományok Doktori Iskola Villamosmérnöki és Információs Rendszerek Tanszék Pannon Egyetem Veszprém 2013

2 1. Célkitűzés, motiváció A tudományos és a közéletben folyamatos a vita a fosszilis üzemanyag készletek kimerülésével és az egész bolygónkat érintő klímaváltozással kapcsolatban. A klímaváltozás hatásaiért a jelenleg elfogadott tudományos nézetek alapján elsősorban a légkörbe juttatott természetes és mesterséges forrásból származó üvegház hatású gázok (Green House Gases, GHG) a felelősek. Ezek a napsugárzás hatásait befolyásolva meghatározó tényezőként befolyásolják a globális időjárást. A folyamatosan növekvő fosszilis energiafelhasználás korlátos voltát senki sem vitatja, viszont optimista becslésekkel élnek az új tudományos eredmények és technológiai fejlesztések következtében fellelhetővé és hozzáférhetővé váló fosszilis energiakészletek mennyiségével és elérhetőségével kapcsolatban. Különböző irodalmi hivatkozásokban találkozhatunk a jelenlegi fosszilis energia felhasználási trend előrevetítéseivel és ennek hatásával a készletek kimerülésére, a légköri CO 2 koncentrációra és az ennek hatására bekövetkező további klímaváltozási hatásokra a következő 200 éves időintervallumban [1, 2, 3, 4]. Az üvegház hatású gázok koncentrációját előrejelző modellek szerint a CO 2 koncentráció jelentősen emelkedik aminek hatására emelkedő középhőmérsékleti értékkel kell számolnunk. A helyzetet tovább rontja hogy a világgazdaság növekedéséből és a hamarosan kitermelhetővé váló fosszilis energiaforrásokból (elsősorban mélytengeri olaj és gáz lelőhelyek) a jelenleginél nagyobb mennyiség kibocsátása várható [2]. Beavatkozás hiányában már a 21. század közepétől jelentős antropogenikus hatásokkal kell számolnunk. A jelenlegi gazdasági- technikai- és szociális életszínvonalunk megőrzése érdekében ezt a folyamatot mindenképpen befolyásolnunk kell, ezt a antropogenikus hatást el kell kerülnünk! A kibocsátás csökkentése érdekében csökkentenünk kell azon erőforrások felhasználását, melyek előállítása üvegház hatású gázok keletkezését vonja maga után. A felmérések alapján a CO 2 kibocsátásért felelős szektorok az Európai Unióban csökkenő sorrendben az alábbiak: energia- és hőtermelés (32%), közúti közlekedés (22%),lakossági fogyasztás (11%), gyártó és építő üzemek (15%) és egyéb szektorok (20%) [5]. Ezek közül a két legjelentősebb kibocsátó ágazat fontos a dolgozat témája szempontjából: az energia és hő előállítása valamint a közlekedés. A fosszilis energiaforrásokkal kapcsolatos fenti problémák súlyossá válásával egyidőben bekövetkezett fukusimai nukleáris baleset óta az Európai Unió radikálisan megváltoztatta eddigi energia politikáját. Sok atomerőműnek felfüggesztették a működését és sok erőmű fejezi be a működését a következő években. Ezek a változások radikálisan átrendezik az energiaterme- 2

3 lési struktúrát a közeljövőben. A nukleáris energiatermelés jelentős csökkentése vagy leállítása miatt kieső termelés kapacitást minél nagyobb részben megújuló energia forrásokból (Renewable Energy Source (RES)) kívánják fedezni, elsődlegesen szél és napenergia hasznosítás napelemek (Photo Voltaic (PV)) illetve szélgenerátorok (Wind Generator (WG)) révén. Ezen cél eléréséhez nem elégséges nagy kapacitású központosított erőművek létesítése, hanem jelentős részben kívánnak támaszkodni a jövőben nagy számban megjelenő háztartási kiserőművekre (1-5KW). Sajnos azonban ezen megújuló energiaforrások nagymértékű bizonytalan volta nagyon megnehezíti ezen megtermelt villamos teljesítmény integrálását a jelen villamos teherelosztó rendszerbe, ha az ilyen forrásból termelt energia eléri vagy meghaladja a teljes termelés 10%-át [6]. Lehetőségként felmerül ezen erőművek integrálása egy európai szintű intelligens hálózatba (Smart GRID) [7]. Mindemellett a jelentősen emelkedő olajárak és a CO 2 kibocsátás csökkentés jelentősen érinti a közlekedési infrastruktúrát is. A lehetséges jármű hajtási alternatívák között egyre gyakrabban merül fel a teljesen elektromos hajtású járművek (Electrical Vehicle (EV)) elterjedése. Az EV-k elterjedésének csak részben akadálya a lítium akkumulátorok ma még igen jelentős tömege és költsége. Sajnos még nem teljesen megoldott a lemerült akkumulátorok gyorstöltése és a szélsőséges hőmérsékleti viszonyok között üzemeltetett akkumulátorok (-30 C - 80 C ) működési paramétereinek becslése és modellezése. A különböző valós időjárási viszonyoknak kitett akkumulátorok pillanatnyi kapacitásának és az adott hőmérsékleten még hasznosítható tárolt töltésének modell alapú becslése, valamint a hőmérsékletre szabályozott gyorstöltési eljárások szimulációja pontos hőmérsékletfüggő villamos két-pólus modelleket igényelnének. Az energiatakarékosság folyományaként számos országban törvényi eszközökkel is próbálják kikényszeríteni a nem energiatakarékos fogyasztók kivonását a piacról. Az Európai Unió jogi szabályozással tereli a fogyasztókat az energiatakarékos világítási megoldások (hidegkatódos kompakt fényforrások (CCFL) és világító diódás (LED) fényforrások) vásárlására. Ennek és a növekvő számú kapcsoló üzemű tápegységek alkalmazásának következményeként kisfeszültségű hálózatokban megjelent a nemlineáris torzítás (egyes országokban már a középfeszültségű hálózatokon is jelentős mértékben). Egyrészről ennek veszteségnövelő hatásai, másrészről a teherelosztó infrastruktúra üzembiztonságát veszélyeztető hatásai vannak. Ez a nemkívánatos hatás egyre jelentősebb, és már a villamos hálózatok üzemeltetőinek figyelmét is felkeltette. 3

4 A fenti előzmények alapján logikus következtetés az említett, alapvetően energia hatékonysági problémák integrált komplex megközelítése. Célom egy olyan komplex rendszermodell felépítése amely egységesen kezeli a fluktuáló megújuló energiaforrások nagy arányú integrációját a már meglévő villamos infrastruktúrába és az elektromobilitás megvalósíthatóságát lokálisan előállított megújuló energiaforrásokból, miközben a megújuló energia integrációjához felhasználja az éppen nem úton lévő elektromos járművek akkumulátor kapacitását a termelési-fogyasztási egyensúly fenntartásához és a hálózatba betáplált áram jelalak módosításával alkalmas a nemlineáris elemek által létrehozott torzító hatás csökkentésére, kompenzálására az áramminőség javításához. 4

5 2. Felhasznált eszközök és módszerek A villamos jármű akkumulátorok kisfeszültségű hálózatba integrálásával létrehozott gyors átmeneti tároló kapacitás a villamos energia termelési csúcsainak elnyelésére, és a fogyasztási csúcsok kielégítésére szolgál [8], így ezek annál nagyobb arányú sztochasztikusan változó megújuló energiaforrást tesznek még tolerálhatóan kiépíthetővé, minél nagyobb összkapacitású tárolót tudunk a villamos hálózatba integrálni. Mivel a jármű alapvető célja a mobilitás, a jármű tárolt töltését teljesen nem használhatjuk fel a villamos rendszerirányítás céljára. Jelenleg a villamos járművekben leggyakrabban lítium-ion akkumulátorokat [9] alkalmaznak 40 Ah-tól 200 Ah kapacitásig. A kapacitás növelhető, ha pontosan tudjuk becsülni a jármű akkumulátorban éppen tárolt maradék töltést. Mivel ezek a járművek a kültéri parkoló állásokban szélsőséges hőmérsékleti viszonyoknak vannak kitéve (-30C C ), ezért egy pontos, valós mérési adatokon alapuló hőmérséklet függő modellre van szükségünk a maradék töltés pontos becslésére. Ez a modell a gyorstöltési eljárások szimulációs támogatására is alkalmazható. Töltöttségi állapot becslése matematikai statisztikai módszerekkel. A modell készítéséhez a kiválasztott TS-LFP60AHA LiFePO 4 60Ah kapacitású lítium-ion akkumulátor különböző hőmérsékleten rögzített töltési/kisütési ciklusainak mérési eredményei használhatóak fel. A kapott mérési eredmények alapján polinomiális összefüggés írható fel 95% konfidencia szinttel az U kapocsfeszültség és a T hőmérséklet növekedés mértékének leírására a töltésmennyiség (Q) és a környezeti hőmérséklet (T env ) függvényében az (1) illetve (2) egyenletek alakjában: U(Q,T env ) = p 00 + p 10 Q + p 01 T env + p 20 Q 2 + p 11 Q T env +p 02 Tenv 2 + p 30 Q 3 + p 21 Q 2 T env + p 12 Q Tenv 2 +p 03 Tenv 3 + p 40 Q 4 + p 31 Q 3 T env + p 22 Q 2 T 2 +p 13 Q Tenv 3 + p 04 Tenv 4 + p 50 Q 5 + p 41 Q 4 T env +p 32 Q 3 Tenv 2 + p 23 Q 2 Tenv 3 + p 14 Q Tenv 4 +p 05 Tenv 5 T (Q,T env ) = q 00 + q 10 Q + q 01 T env + q 20 Q 2 + q 11 Q T env +q 02 Tenv 2 + q 30 Q 3 + q 21 Q 2 T env + q 12 Q Tenv 2 +q 03 Tenv 3 + q 40 Q 4 + q 31 Q 3 T env + q 22 Q 2 Tenv 2 (2) +q 13 Q Tenv 3 + q 04 Tenv 4 A regressziós közelítésre a legkisebb négyzetek módszerét (LKN) választottam, a felület polinomiális illesztéséhez pedig a MATLAB Surface Fitting env (1) 5

6 Tool [10] eszközét használtam fel. Háztartási kiserőmű szabályozó struktúrája. A fenti akkumulátor modell integrálható egy komplex energetikai rendszer modelljébe ami a célkitűzésnek megfelel. Ez a komplex szabályozó a megújuló energiaforrásként üzemeltetett háztartási kiserőmű szabályozó struktúrájából alakítható ki, amely több együttműködő szabályozóból áll: 1. Maximális teljesítmény szabályozó Feladata az adott időpillanatban rendelkezésre álló megújuló energiaforrásból az adott pillanatban maximálisan kinyerhető energia kivonása. 2. Töltésvezérlő Feladata a lítium akkumulátor adott értékű töltő/kisütő áramának szabályozása. 3. Közbensőköri feszültség szabályozó Feladata az inverter belső töltésegyensúlyának fenntartása 4. Felharmonikus szabályozó A komplex szabályozási struktúra innovatív eleme eleme a felharmonikus szabályozó. A bemenete a csatlakozási pont feszültségének 3., 5., 7., 9. és 11. felharmonikusok amplitúdó értékei, kimenete a kimeneti áram 3., 5., 7., 9. és 11. felharmonikusok amplitúdó és fázis értékei. Ezek a komponensek kompenzálják a nemlineáris torzítást. A hiba függvény: Error = (U i ampl U i amplsp ) 2 (3) i=3,5,7,9,11 5. Effektív feszültség szabályozó Feladata a kisfeszültségű hálózat effektív feszültségének szabályozása az energiaáramlás irányításával. Optimalizálási módszerek a felharmonikus szabályozó működtetésére. A felhasznált gradiens módszer egy többváltozós függvényekre ( f (x) alkalmazható elsőrendű optimalizációs algoritmus. A lokális minimum megtalálásához az adott pontban számítható vagy becsülhető negatív gradiens ( f (x)) értékének és irányának megfelelő lépést tesz a paraméter térben. Következő lépésként szintén az adott előjelű gradiens irányába lép tovább. Ez a lépés sorozat 6

7 (lásd (4) egyenlet) ideális esetben a többváltozós függvény lokális szélső értékéhez konvergál [11, 12, 13]. x (k) = x (k 1) t k f (x (k 1) ), k = 1,2,3,... (4) Jelen alkalmazásban sajnos a teljes villamos rendszer matematikai leírása egy sokváltozós nemlineáris differenciálegyenlet rendszer, melyből származtatott hibafüggvény differenciálása nem megoldható. Ezért a differenciáláson alapuló módszerek itt nem jöhetnek szóba. Ilyen esetekben, illetve a nagy számítási kapacitást, hosszú szimulációs időt igénylő szimulációknál alkalmazott APPS (Asynchronous Parallel Pattern Search ) módszert használtam. A mintakeresés alapja a függvény mintavételezése egy "rács" alapján amely változók, vagy változó részhalmazok alapján felvett paraméter pontokhoz tartozó függvény értékek könnyen, esetleg egyidejűleg egymástól függetlenül is kiszámíthatók. Ha a lépésköz állandó az iterációs lépés: f (x (k) + k d i ) f (x (k) ), k = 1,2,3,... (5) ahol a paraméter x (k) R n, a keresések mintája p D = {d 1,...d n } amit egy előre definiált véges halmazon alapul. Ebben az esetben a hibafüggvény értékét a D összes p minden egyes mintájára ki kell számítanunk. Ha a függvény érték nem csökken egyik irányban sem, a lépésközt csökkenteni kell (pl. a felére). Mivel a konkurens részfeladatok időben eltérnek, vagy nem áll minden p vektor irányára szabad számítási kapacitás rendelkezésre, a szinkronitás nem tartható. Ebben az esetben beszélünk aszinkron esetről [14]. A felharmonikus szabályozó esetében minden egyes kimeneti változónak saját p vektort definiáltam, és az optimalizációt minden tengely irányában aszinkron módon végeztem el. Jelen alkalmazásban az állapottér modell nem áll rendelkezésemre, valamint a rendszert leíró differenciálegyenlet rendszer nemlineáris. A rendszer lineariázálása egy adott munkapont környezetében nem jöhet szóba, mert a szabályozási célként kompenzálandó nemkívánatos működési jellemzőket pont a rendszer nemlineáris volta (az ezáltal okozott nemlineáris torzítás) hozza létre. A rendszer linearizálásával ez a hatás megszűnik, a teljes szabályozás kompenzálandó hatás hiányában értelmetlenné válik. Vélhetőleg az adott beavatkozási módon csak egy lehetséges ideális összetartozó amplitúdó és fázis értékek esetén érhető el a hibafüggvény (Error) lokális minimuma. Ezen szélső érték megközelítéséhez a szabályozó a hiba függvénnyel arányosan csökkenő lépésközű adaptív gradiens módszert használ fel. A komponensek közötti kiszámíthatatlan egymásra hatás miatt a szabályozó egyszerre 7

8 csak egy paramétert változtat, még az adott komponens amplitúdó és fázis értékét is külön időszeletben módosítja. Az algoritmus tíz változó tengely mentén lépésenként külön időszeletben közelíti a hibafüggvény lokális minimumát. Szimulációs eszközök. A nemlineáris torzított hálózat modellje Matlab Simulink környezetben készült a Power Electronics Toolbox felhasználásával [15]. A modell az irányítástechnikai struktúrának megfelelően tartalmazza az említett szabályozókat, a megújuló energiaforrást, a nemlineáris hálózat tipikus elemeit (transzformátor, vezetékek, fogyasztók), a villamos jármű akkumulátort és a szinkron üzemű hálózati invertert. A tervezett szabályozók értékelése. A szimuláció során a komplex szabályozó performanciájának vizsgálatához jellemezni kell a kompenzálandó és kompenzált torzítás mértékét, amit általában az összesített meddő teljesítménnyel ((6)-es egyenlet) szokás megtenni. Q B = n n ˆV s (k) Î Q k = l (k) sinφ(k) k=1 k=1 2 ahol a pozitív n a (legmagasabb) vizsgált felharmonikus indexe, Q k a meddő teljesítmény, ˆV s (k) a forrás (s) feszültség csúcsértéke, Î l (k) a terhelés (l) áramának csúcsértéke és φ(k) a feszültség és áram fázisszög eltérés k- adik harmonikus esetén. Szükségünk van még a forrás teljesítmény tényezőjének (PF) definíciójára [16]: PF = V s,i s V s I s ahol P = V s,i s a hatásos teljesítmény és az S = V s I s szorzat a feszültség és áram effektív értékekből számított látszólagos teljesítmény. A Cauchy-Schwartz egyenlőtlenség alapján: P S. Tehát a PF [ 1, 1] egy dimenzió nélküli mennyiség amely az energia átvitel hatékonyságát jellemzi. A teljes harmonikus torzítás (THD) a következőképpen definiálható [17]: k=2 T HD = ( V k 2 ) V 1 2 (8) ahol V 1 a feszültség alapharmonikus komponensének effektív értéke és V n a feszültség n-edik magasabb rendű harmonikus komponensének effektív értéke. Az esetünkben vizsgált kapacitív bemeneti fokozatú alkalmazásokban a T HD > 0. (6) (7) 8

9 A szimuláció során sor került a rendszer robosztusságának vizsgálatára két szempontból is: Robusztusság vizsgálat. Parametrikus bizonytalansággal szembeni robusztusság (Robustness bounds for systems with parametric uncertainty) Robusztus zavarelnyomás (Robust rejection of disturbances) A parametrikus bizonytalansággal szembeni robusztusság esetén definiálható a maximális robosztussági tartomány, ahol a konkrét szabályozó választásától függetlenül garantálható, hogy a stabilitási és a performancia kritérium kielégíthető. Lineáris esetben MIMO rendszert feltételezve: ẋ(t) = [A + A(t)]x(t) + [B + B(t)]u(t), u(t) = Kx(t) (9) ahol x(t) R n az állapot vektor, u(t) R m a control input vektor és K a teljes állapot visszacsatoló szabályozó. A(t) és B(t) a parametrikus bizonytalanságot megtestesítő időfüggő mátrixok, amelyek az alábbi körülhatárolt tartományba esnek: { } Ea Λ = a F a δ(λ a (t)) µ (10) E b Λ b F b δ(λ a (t)) µ ahol δ a maximális szinguláris értéket jelöli, E a, F a, E b, F b a bizonytalanság struktúráját leíró konstans mátrixok. Így a bizonytalansági tartomány egyetlen µ paraméterrel jellemezhető, ezt nevezzük robusztussági paraméternek (robustness parameter). A rendszer performanciája egy egyszerű kvadratikus költségfüggvénnyel jellemezhető: J(t) = α t {x T Qx + u T Ru}dt (11) ahol Q > 0 és R > 0. A parametrikus bizonytalansággal rendelkező függvény performanciája általában csak a rendszer részletes ismerete alapján definiálható, de megadható egy performancia határ J b (t) ahol J b (t) J(t) minden megengedhető eltérésre a bizonytalansági tartományon belül. Definiálhatjuk β-t mint performancia paramétert, ahol a megengedett tartományon belül az alábbi költség kritérium tartható: J b (t) βj 0 (t) (12) ahol J 0 (t) az optimális performancia A(t) = 0 és B(t) = 0 esetén. Egy adott szabályozót használva egy megadott performancia paraméter (β) eléréséhez meghatározható µ k határ µ-re, amely bizonytalansági paraméter határon belül az adott performancia paraméter tartható. Bizonyíthatóan µ k a β 9

10 szigorúan monoton növekedő és korlátos függvénye, ha β végtelenhez tart. Csak ez a határ biztosít számunkra stabilitást, ezt nevezzük stabilitási robusztussági határnak(stability robustness bound). A vizsgált rendszer robusztusságát csak ellenőrizni lehetett szimulációk segítségével. A parametrikus bizonytalanság esetén a gyakorlatban előforduló paraméter tartomány jelentős túlbecslésével, a zavarelnyomás vizsgálat esetén a lehetséges zavarások nagyságbeli és gyakoriságbeli túlbecslésével biztosított a valós működési feltételek melletti robusztusság. 10

11 3. Új tudományos eredmények 1. tézis Villamos jármű hőmérsékletfüggő akkumulátor modell (2. Fejezet) ([P6], [P8]) TS-LFP60AHA LiFePO 4 lítium-ion akkumulátor szimulációjához alkalmazható hőmérsékletfüggő modellt készítettem Matlab Simulink környezetben. A modell paramétereit a hőmérsékleti működési tartományban elosztott töltési és kisütési folyamatok mérési adataiból határoztam meg. A modellt szimuláció segítségével validáltam, és beillesztettem egy komplex energetikai rendszer szimulációs modelljébe. Az általam elkészített modell az irodalomban alkalmazott kémiai-matematikai iontranszport és villamos kétpólus modelleknél egyszerűbben és pontosabban képes az adott típusú, adott geometriai és anyag kialakítású és szenzorpozíciójú cella feszültség, maradék töltés és felületi hőmérséklet viszonyait a hőmérséklet függvényében modellezni. A modell nem ad választ a cella öregedése során változó paraméterek követésére, de ez a probléma az irodalomban található modelleknél szintén fenn áll. Az általam leírt mérési és modell kialakítási módszer alkalmas bármely más adott típusú villamos kétpólus energiatároló elem hőmérsékletfüggő matematikai modelljének kialakítására is. 2. tézis Háztartási kiserőművi méretekben termelt megújuló energia integrációja a kisfeszültségű villamos hálózatba áram minőség javításával (3. Fejezet) ([P1], [P2], [P3], [P7]) Kidolgoztam egy új szabályozási struktúrát, ami lehetővé teszi a háztartási kiserőművi méretben termelt megújuló forrásból származó energia betáplálását a kisfeszültségű hálózatba a hálózat áramminőségének jelentős javítása mellett. Az irodalomban található időtartományban működő, áram ellenőrző jelet felhasználó áramminőség javító eljárásokkal ellentétben az általam kidolgozott szabályozási struktúra ellenőrző jelként a csatlakozási pont feszültség-idő függvényét használja, és a hálózat nemlineáris torzítását a frekvenciatartományban kompenzálja. Az szimuláció során általam elért THD 9.31%-ra csökkentése elmarad ugyan az irodalmi alkalmazások által elért 2.42%-ra csökkentéstől, azonban ezekkel szemben az új szabályozási struktúra alkalmas energia betáplálására is a hálózatba, és a harmonikus torzítást nem csak a csatlakozási pont mögötti torzító elemeken, hanem a kisfeszültségű transzfor- 11

12 mátor körzet összes fogyasztóján képes kompenzálni. A megújuló energiaforrásokból nyert energia elosztott betáplálásából származó veszteség csökkenés számításaim szerint elérheti az 5 %-ot, a torzítás kompenzációból származó további veszteség csökkenés pedig a %-ot. 3. tézis Komplex szabályozó rendszer megvalósítása háztartási kiserőművi méretekben termelt megújuló energia integrációjának, a villamos járműakkumulátorok villamos hálózathoz történő többcélú csatlakoztatásának és a kisfeszültségű transzformátorkörzet áramminőségének javítása céljából (4. Fejezet) ([P4], [P5], [P7]) Továbbfejlesztettem az általam kidolgozott módszert és létrehoztam egy új komplex szabályozási struktúrát melynek segítségével lehetővé válik a villamos járművek akkumulátorainak integrálása a meglévő szabályozási struktúrába. Az új komplex struktúra alkalmas a megújuló energiaforrásból kinyerhető maximális teljesítmény kinyerésére, a hálózat teljesítmény egyensúlyának fenntartására fluktuáló megújuló energiaforrások esetén, a villamos jármű akkumulátorok feltöltésére "tiszta" megújuló energiával, aktív teljesítmény tényező kompenzálásra és a harmonikus torzítás kompenzálására. A szabályozó frekvencia tartományi kompenzáló részének továbbfejlesztésével további THD csökkenést értem el 5.04%-ra. Ez az érték már az irodalomban elért 2.42%-ra csökkentéshez közeli, és ezzel szintén a teljes transzformátor körzet THD csökkentését éri el az irodalmi alkalmazásoktól eltérően. A THD csökkentés növelésével a torzítás kompenzáció következtében 0.28 %-os villamos veszteség csökkentést értem el. A komplex szabályozási struktúra a kisfeszültségű transzformátor körzet feszültség szintjének stabilizálásával további növeli a villamos energia minőségét. 4. További kutatási lehetőségek, irányok A fentiekben bemutatott eredmények és a megfogalmazott tézisek természetesen nem tekinthetőek a kutatási munka végeredményeinek. Így a jövőben a kutatást a következő főbb irányokban lehet folytatni: 1. Villamos jármű akkumulátorok modellezése: A mérések több különböző áramú töltési és kisütési ciklusokkal történő kiegészítéssel a T polinomiális összefüggésének az áram be- 12

13 meneti változóval történő kiegészítésével lehetővé tenné a hőmérséklet szabályozott gyors töltési algoritmusok (20 perc) szimulációját. 2. Megújuló energiaforrások hálózati integrációja : A rendszer modell Smart Grid Interface-el történő kiegészítésével lehetővé válhatna a rendszerirányítás számára az áramminőség paramétereinek központi irányítása. A rendszer modell Smart Grid Interface-el történő kiegészítésével lehetővé válna az energiaáramlás központi irányítása, a kiserőművi csoportokat egyetlen virtuális erőműként (Virtual Power Plant, VPP) lehetne irányítani Azonos, vagy közeli kisfeszültségű transzformátor körzetekbe elhelyezett komplex szabályozók egymásra hatását lehetne vizsgálni 5. Publikációk Dolgozatom főbb eredményeit és a javasolt téziseket bemutattam több nemzetközi konferencián és közzétettem szakfolyóiratban és kutatási jelentésben. Az első csoportban azokat a publikációimat sorolom fel, amelyek közvetlenül a tézisekben megfogalmazott eredményeimet tartalmazzák (zárójelben az ismertetett tézis sorszáma szerepel): [P1] Péter Görbe, Attila Magyar, Katalin M. Hangos: Line Conditioning with Grid Synchronized Inverter s Power Injection of Renewable Sources in Nonlinear Distorted Mains, International PhD Workshop on Systems and Control (Sept 2009) ISBN: , on CD (2. Tézis) [P2] Péter Görbe, Attila Magyar, Katalin M. Hangos:Power Conditioning with Electric Car Battery Charging from Renewable Sources,11th International PhD Workshop on Systems and Control a Young Generation Viewpoint 1-3 of September, 2010 Veszprém, ISBN: pp on CD (2. Tézis) [P3] Péter Görbe, Attila Magyar, Katalin M. Hangos: THD Reduction with Grid Synchronized Inverter s Power Injection of Renewable Sources, 20th International Symposium on Power Electronics, Electrical Drives, Automation and Motion June Pisa Italy, Issue Date : June 2010, pp: , Location: Pisa (2. Tézis) 13

14 [P4] Péter Görbe, Attila Magyar, Katalin M. Hangos: Power Conditioning with Electric Car Battery Charging from Renewable Sources, Hungarian Journal of Industrial Chemistry, Vol. 38(1) pp (2010) HU ISSN: (3. Tézis) [P5] Péter Görbe, Attila Magyar, Katalin M. Hangos: Low Voltage Grid Optimization with Power Injection of Renewable Sources and EV batteries, PRES 11, Chemical Enginnering Transactions Volume 25, 2011 pp ISBN: , ISSN: , DOI: /CET (3. Tézis) [P6] Attila Göllei, Péter Görbe, Attila Magyar: Model-based Investigation of Vehicle Electrical Energy Storage Systems, PRES 11, Chemical Enginnering Transactions Volume 25, 2011 pp ISBN: , ISSN: , DOI: /CET (1. Tézis) [P7] Péter Görbe, Attila Magyar, Katalin M. Hangos, Reduction of power losses with smart grids fueled with renewable sources and applying EV batteries, Journal of Cleaner Production, Volume 34, October 2012, Pages , ISSN , /j.jclepro ( (IF:2.727) (2-3. Tézis) [P8] Attila Göllei, Péter Görbe, Attila Magyar, Modeling and optimization of electrical vehicle batteries in complex clean energy systems, Journal of Cleaner Production, Volume 34, October 2012, Pages , ISSN , /j.jclepro ( science/article/pii/s ) (IF:2.727) (1. Tézis) Hivatkozások [1] Luca Chiari and Antonio Zecca. Constraints of fossil fuels depletion on global warming projections. Energy Policy, 39(9): , [2] Willem P. Nel and Christopher J. Cooper. Implications of fossil fuel constraints on economic growth and global warming. Energy Policy, 37(1): , [3] L. Mark W. Leggett and David A. Ball. The implication for climate change and peak fossil fuel of the continuation of the current trend in wind and solar energy production. Energy Policy, 41(0): , [4] G.P. Glasby. Potential impact on climate of the exploitation of methane hydrate deposits offshore. Marine and Petroleum Geology, 20(2): ,

15 [5] Guzay Pasaoglu, Michel Honselaar, and Christian Thiel. Potential vehicle fleet co2 reductions and cost implications for various vehicle technology deployment scenarios in europe. Energy Policy, 40(0): , [6] A. Battaglini, J. Lilliestam, A. Haas, and A. Patt. Development of supersmart grids for a more efficient utilisation of electricity from renewable sources. Journal of Cleaner Production, 17: , [7] A. Purvins, H. Wilkening, G. Fulli, E. Tzimas, G. Celli, S. Mocci, F. Pilo, and S. Tedde. A european supergrid for renewable energy: local impacts and far-reaching challenges. Journal of Cleaner Production, 19(17): , [8] H. Mousazadeh, A. Keyhani, H. Mobli, U. Bardi, G. Lombardi, and T. el Asmar. Technical and economical assessment of a multipurpose electric vehicle for farmers. Journal of Cleaner Production, 17: , [9] M. Zackrisson, L. Avellán, and J. Orlenius. Life cycle assessment of lithium-ion batteries for plug-in hybrid electric vehicles - Critical issues. Journal of Cleaner Production, 18(15): , [10] Mathworks. Matlab Surface Fitting Tool. Online: Accessed: , [11] Mordecai Avriel. In Nonlinear programming : analysis and methods. Dover Publications, Mineola, NY, [12] Jan A Snyman. In Practical mathematical optimization : an introduction to basic optimization theory and classical and new gradient-based algorithms. Springer, New York, [13] Boris T. Polyak. In Introduction to optimization. Optimization Software, Publications Division, New York, [14] Tamara G. Kolda Patricia D. Hough and Virginia J. Torczon. Asynchronous parallel pattern search for nonlinear optimization. Society for Industrial and Applied Mathematics: Journal on Scientific Computing, 23(1): , [15] Mathworks. Matlab Simulink SimPowerSystems Toolbox. Online: Accessed: , [16] E. Garcd ż a-canseco, R.Grino, R.Ortega, M.Salichs, and A.M. Stankovic. Powerfactor compensation of electrical circuits: A framework for analysis and design in the nonlinear nonsinusoidal case. IEEE Control Systems Magazine, 27(2):46 49, [17] A. Cerdeira, M.A. Alema, M. Estrada, and D. Flandre. Integral function method for determination of nonlinear harmonic distortion. Solid-State Electronics, 48(12): ,