A szélenergia helyzete Magyarországon Magyar Elektrotechnikai Egyesület, Nyugdíjasok KKP Szervezete Dr. Hartmann Bálint, egyetemi adjunktus hartmann.balint@vet.bme.hu Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Villamos Energetika Tanszék Villamos Művek és Környezet Csoport
Megújuló energetikai kutatások 2
BME VET VM csoport Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Villamos Energetika Tanszék Nagyfeszültségű Technika és Berendezések Csoport Villamos Gépek és Hajtások Csoport Villamos Művek és Környezet Csoport 3
BME VET VM csoport Villamosművek Tanszék (1931-1937) Verebélÿ László Villamos Művek és Vasutak Tanszék (1937-1949-1961) Villamos Művek Tanszék (1961-1971) Erősáramú Intézet (1971-1991) Villamos Művek Tanszék (1991-2001) Villamos Energetika Tanszék (2001-) Villamos Művek és Környezet Csoport 4
Oktatás Villamosmérnök BSc, MSc Energetikai mérnök BSc, MSc Magyar, angol, német kurzusok Megújulókhoz kapcsolódó tantárgyak A jövő energetikája víziók és valóság Energiahatékonyság a gyakorlatban Hálózati áramellátás és feszültségminőség Intelligens villamosenergia-rendszer Villamos energetika Villamos energia és környezetvédelem Villamosenergia-piac és minőségszabályozás Laboratóriumok 5
Oktatás Önálló hallgatói munka BSc önálló laboratórium, szakdolgozat MSc önálló laboratórium 1-2, diplomatervezés 1-2 ~60 hallgató/félév Aktuális témák Kiserőművek hálózati csatlakozásának feltételei Tanya energiaellátása megújuló források alkalmazásával Napelem életciklusának vizsgálata, környezeti hatása Szélerőművek üzeme, szabályozása Megújuló energiaforrások energiatermelésének vizsgálata Odoo passzívház energetikai rendszerének elemzése, továbbfejlesztése Együttműködő megújuló energiaforrások alkalmazásának modellezése Megújuló energia park fogyasztóinak vezérlése Megújuló energiaforrások hatásának valószínűségi alapú vizsgálata Időjárásfüggő kiserőművek termelésének előrejelzése Megújuló energiaforrások adatközpont specifikus alkalmazása 6
Kutatás Kereskedelmi szabályzat módosítása az új VET szerint, a kötelező átvételi rendszer kereskedelmi működtetési szabályrendszerének kidolgozása Dinamikus modellek létrehozása mikrogridek (szigetüzemi) vizsgálatára Szélerőmű és energiatároló együttműködését szimuláló szoftver fejlesztése Kiserőművek hálózati visszahatásának vizsgálata Ágens szoftvertechnológia alkalmazása a kiserőművek központi terhelésirányító rendszerbe való bevonására Solar Decathlon projekt Funkció és feladat specifikáció a Fóti Lovasterápiás Központ területén létesülő Megújuló Energia Farm energiafelügyeleti rendszeréhez 7
#1 Terhelésbecslő eljárások Feladat: a villamosenergia-rendszer (részhálózat) terhelésének előrejelzése 1-3 napos horizonton Erősen időjárásfüggő paraméter Meteorológiai előrejelzések figyelembe vétele Hőmérséklet, megvilágítás, szélsebesség Nemlineáris összefüggések, sztochasztikus jelenségek, alkalmazásspecifikus eljárások Statisztikai analízis Mesterséges intelligencia Legkisebb hibák minimum likelihood módszerrel identifikált ARMA idősorok és a radiális bázisfüggvényeket (RBF) alkalmazó neurális hálózatok esetén 8
#1 Terhelésbecslő eljárások Legtöbb esetben éves mintákra van szükség Beszerzésük bonyolult (megvilágítás, szélsebesség) A módszerek tesztelésénél historikus (mért) adatok kerültek felhasználásra Meteorológiai előrejelzés pontosságának hatása? 9
#2 Fogyasztói vezérlés megújulók kiegyenlítésére Feladat: vezérelhető villamosenergia-fogyasztók ütemezése a volatilis megújuló villamosenergia-termelés követésére Alapjel-követő vezérlési algoritmus kialakítása a vezérlési csoportok kapcsolási programjára tetszőleges előre ismert igények Tetszőleges előre nem ismert igények Ipari kutatás: E.On A fogyasztó vezérlésében rejlő potenciál kiaknázása Nehézséget jelent a szélerőművi termelésre hangolás A modell teljesítmény, és nem szélsebesség adatokat használ 10
#3 Elosztott energiatermelés modellezése Feladat: kapcsolt és megújuló alapú elosztott villamosenergia-termelés rendszerszintű szabályozásba való bevonása Ágensalapú modell, intelligens algoritmusokkal A kutatás fő vonala kapcsolt kiserőművekre fókuszál Szélerőművi termelés modellezéséhez sztochasztikus szélsebesség adatok generálása Piaci időegységhez (15 perc) igazodva Valós statisztikai jellemzőkkel Leképezve az előrejelzési bizonytalanságot 11
#3 Elosztott energiatermelés modellezése 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 Distribution functions 0.1Original data Simulated data (MAPE=2.0343%) 0.0 0 0.5 1 Power, MW Partial autocorrelation functions 1.0 Simulated data -0.2 0 5 AR10 15 20 Lag D.Divényi, J.Divényi: Wind Speed Simulator Based on Wind Generation Using Autoregressive Statistical Model, Electrotehnica Electronica Automatica, vol. 60. nr. 2., 2012 0.8 0.6 0.4 0.2 0.0 Original data Probléma: Adott szélturbina magasságában, vagy szélfarmra aggregált Megoldás: Szélerőművek termeléséből visszaszámolva Weibull-eloszlás illesztése Normalizálás AR idősor illesztése 12
#4 Odooproject, Solar Decathlon Részvétel a Solar Decathon Europe versenyen 2012-ben Odoo szolárház Nettó napelemes termelő BME villamosmérnök hallgatók feladata Épület napelemes rendszere Épület villamos hálózata Innováció Termelés előrejelzés pontosítása (szórt sugárzás nem ideálisan tájolt napelemnél) Hőelvezetés hatásfoknövelése 2012. szeptember, Madrid, 6. helyezés (19 résztvevő) 13
#4 Odooproject, Solar Decathlon 14
#5 Szélerőművek integrálása a villamosenergia-rendszerbe Feladat Szélerőművek menetrendi hibájának és gradiens viselkedésének csökkentésére használható energiatárolók méretezése, vezérlése Új menetrendadási eljárás kidolgozása a szabályozási tartalékok csökkentésére Döntési fán alapuló szimulációs eljárás Szélerőművi termelési adatok Aggregáltan hozzáférhető 15
#6 Beágyazott informatikai rendszer fejlesztése energia-pozitív közvilágítás optimalizálására Feladat: napenergiát használó intelligens közvilágítási rendszer kidolgozása (E+grid projekt) Energiamenedzsment, a rendszer energiafelhasználásának optimalizálása, energiatárolási kérdések, okos mérés és infokommunikációs rendszerfejlesztés támogatása, szigetüzemi feltételek vizsgálata, zavarvédelem 16
#7 Elosztott energiatermelés és elektromos közlekedési infrastruktúra települési szintű integrációja Feladat: elosztott energiatermelés, valamint az egyéni és közösségi közlekedés VER-be integrálásának támogatása Számítógépes szimulációs modell, sztochasztikus vizsgálatok 15 perces felbontású megújuló termelési görbék Egymástól elkülöníthető időjárási viszonyok és a hozzájuk tartozó termelési viselkedés definiálása 17
#8 Szélerőművek termelés-előrejelzési módszereinek pontosítása Feladat: termelés-előrejelzési módszerek áttekintése, fejlesztési javaslat készítése Meteorológiai és szélerőmű termelési adatok felhasználása Napközbeni menetrendadás támogatása 18
#8 Szélerőművek termelés-előrejelzési módszereinek pontosítása Javaslatok Szélerőmű szélsebesség-teljesítmény görbék validálása Felhasznált adatok normálása Levegősűrűség figyelembe vétele Autoregresszív szűrés Előrejelzés pontosságának javítása Hosszabb tanító adatsor 19
Szélerőművek integrálása a villamosenergia-rendszerbe 20
Szélerőművek integrálása a villamosenergia-rendszerbe Szélenergia Energiatárolás A szélerőművek termelési gradiensének vizsgálata A szélerőművek menetrendi hibájának vizsgálata A szélerőművek által igényelt szabályozási tartalékok csökkentése 21
A szélerőművek termelési gradiensének vizsgálata 22
Relatív gyakoriság Leadott [%] teljesítmény [kw] Lefelé kumulált relatív gyakoriság [%] A szélerőművek termelési gradiensének vizsgálata a probléma A szélerőművek jó közelítéssel sztochasztikus Le irány Fel jellegű irány 100 termelők A kinyerhető teljesítmény a szélsebesség 60 harmadik hatványával arányos 200040 20 A gyors szélsebesség-változás 1500 eredménye gradiens 0 esemény 1250 750 100 500 90 A villamosenergia-rendszer gradiens 250 80 szabályozási 70 600 képességei nem mindig elégségesek 50 1750 1000 40 30 20 10 0 80 0 Le irány 5 10 15 20 Fel 25irány 30 35 40 45 50 Le irány Gradiens 1000 MWtartomány Fel irány [MW/perc] 1000 0 5 10 15 20 25 Szélsebesség [m/s] 0-2,5 2,5-5 5-7,5 7,5 - Szélerőművek gradiense [MW/perc] 23
A szélerőművek termelési gradiensének vizsgálata a módszerek A rendelkezésre álló adatok feldolgozása 24
A szélerőművek termelési gradiensének vizsgálata a módszerek Statisztikai kiértékelés: Hány időegységnyi hosszúságúak az energiatároló által végzendő egyes le- illetve fel irányú gradiens kisegítési periódusok? Átlagosan hány időegységnyi hosszúságúak az energiatároló által végzendő le- illetve fel irányú gradiens kisegítési periódusok? Milyen eloszlásfüggvény jellemzi az energiatároló által végzendő leilletve fel irányú gradiens kisegítési periódusok hosszát? Mekkora gradiens kisegítést kell az energiatárolónak biztosítania az egyes le- illetve fel irányú szabályozási periódusok alkalmával? Milyen eloszlásfüggvény jellemzi a szabályozási periódusokban az energiatároló által biztosítandó le- illetve fel irányú gradiens kisegítést? 25
Szélerőmű termelt és hálózatra adott tlejesítménye [MW] Energiatároló töltöttsége [MWh] Szélerőmű termelt és hálózatra adott tlejesítménye [MW] Energiatároló töltöttsége [MWh] A szélerőművek termelési gradiensének vizsgálata a módszerek 220 Számítógépes szimuláció MATLAB 210 Szélerőmű és energiatároló kooperációját modellező program Energiatároló 200 Termelés Eladott Energiatároló 10 8 5 190 P névleges, E névleges, P max, η, psoc, T tároló Technológiák Termelés Eladott Energiatároló 3 220 10 210 8 200 5 180 0 0:00 190 3:00 6:00 9:00 3 12:00 15:00 18:00 21:00 0:00 A szimuláció időtartama 180 0 0:00 3:00 6:00 9:0012:0015:0018:0021:000:00 A szimuláció időtartama 26
Kumulált Gradiens relatív kisegítések gyakoriság száma [%] A szélerőművek termelési gradiensének vizsgálata az eredmények 100 25 000 90 A felhasznált adatsor 20 80000 70 Gradiens kisegítések száma 400 MW 700 MW 1000 1000 MW MW Gradiens kisegítések hossza [perc] Gradiens kisegítések kisegítések 2009-2011 közötti szélerőművi termelési adatok (MAVIR) átlagos hossza Gradiens eloszlásának Gradiens kisegítések nagyságának eloszlásának 95%-a 15 perc alatt igénybe vehető forgó tartalék [perc] mennyiségéből 95%-a [perc] képezett gradiens (MAVIR) 15 60000 [MW/perc] 330 MW 11 793 19 762 1,68 4 19 50400 1 MW perces felbontás 13 179 1 576 21 704800 adatpont 1,65 4 21 500 MW 15 228 24 623 1,62 4 22,5 10 40000 Szélerőművi termelési adatok átskálázása 330, 400-500- -1000 600 MW 17 484 27 828 1,59 4 22,5 700 MW-ra 19 814 31 081 1,57 4 23 30 800 MW 22 331 34 604 1,55 4 24 900 MW 24 948 38 270 1,54 4 24,5 20 5 000 1 000 MW 27 616 42 049 1,52 3 25 10 0 0 0 1 10 2 2 3 20 43-5 30 5 6-10 6 40 7 11-50 8 Gradiens Gradiens kisegítés kisegítések nagysága hossza hossza [MW/perc] [perc] [perc] 27
A szélerőművek termelési gradiensének vizsgálata I. tézis: Kidolgoztam két, egymást kiegészítő, de módszerében egymástól eltérő eljárást, melyek segítségével meghatározhatóak annak a villamosenergia-rendszerrel kooperációban üzemelő energiatároló eszköznek a paraméterei (teljesítmény, kapacitás), mely alkalmas a villamosenergia-rendszerrel szinkron üzemelő szélerőművek termelésének változása által okozott gradiens szabályozási igények kiszolgálására, amennyiben a villamosenergia-rendszer ilyen képességei részben vagy teljesen elégtelenek. 28
A szélerőművek termelési gradiensének vizsgálata I. tézis 1. altézise: Az általam kidolgozott statisztikai kiértékelés, mivel figyelmen kívül hagyja a bemeneti adatsorok időbeliségét, minden esetben a legkisebb paraméterekkel (teljesítmény, kapacitás) rendelkező, de az energiatároló által kiszolgálandó összes gradiens szabályozási igények arányaként kitűzött célt teljesíteni képes energiatárolót fogja eredményezni. 29
A szélerőművek termelési gradiensének vizsgálata I. tézis 2. altézise: Az általam kidolgozott szimulációs program figyelembe veszi a bemeneti adatsorok időbeliségét, mely az adott bemeneti adatsort (szélerőművet és villamosenergiarendszert) karakterisztikusan jellemző többlet információt hordozhat magában. Az így elvégzett vizsgálat jó közelítéssel felső becslést fog adni az energiatároló által kiszolgálandó összes gradiens szabályozási igények arányaként kitűzött célt teljesíteni képes energiatároló paramétereire (teljesítmény, kapacitás). A fejezetben bemutatott kutatásokhoz kapcsolódó saját publikációk: [S9], [S17-S18] 30
A szélerőművek menetrendi hibájának vizsgálata 31
Relatív gyakoriság [%] -100-90 -80-70 -60-50 -40-30 -20-10 0 10 20 30 40 50 60 70 80 90 100 Negyedórák száma Negyedórák száma A szélerőművek menetrendi hibájának vizsgálata a probléma A szélerőművek Szélerőművi leszabályozási termelésének igény előrejelzése annak Leszabályozási tartalék sztochasztikus jellege miatt nehéz 80 000 A szélsebesség előrejelzésének 60 hibája 000 Gauss eloszlású, a termelésé nem az 40 000 60 000 40 000 20 000 A nem megfelelő előrejelzés eredménye menetrendi hiba 0 0 100 200 300 400 500 Rendelkezésre álló és igényelt teljesímények [MW] 14 12 10 8 A villamosenergia-rendszer szabályozási képességei nem 6 mindig elégségesek 4 2 0 80 000 20 000 Szélerőművi felszabályozási tartalék Felszabályozási tartalék 0 0 100 200 300 400 500 Tény kapacitás 330 MW-ra extrapolált kapacitás Rendelkezésre álló és igényelt teljesímények [MW] Forrás: M. Lange, U. Focken, Physical Approach to Short-Term Wind Power Prediction Menetrendtől való eltérés [MW] 32
A szélerőművek menetrendi hibájának vizsgálata a módszerek A rendelkezésre álló adatok feldolgozása 33
A szélerőművek menetrendi hibájának vizsgálata a módszerek Statisztikai kiértékelés: Hány időegységnyi hosszúságúak az energiatároló által végzendő egyes le- illetve fel irányú szabályozási periódusok? Átlagosan hány időegységnyi hosszúságúak az energiatároló által végzendő le- illetve fel irányú szabályozási periódusok? Milyen eloszlásfüggvény jellemzi az energiatároló által végzendő leilletve fel irányú szabályozási periódusok hosszát? Mekkora energiaigényt jelentenek az energiatároló által végzendő egyes le- illetve fel irányú szabályozási periódusok? Átlagosan mekkora energiaigényt jelentenek az energiatároló által végzendő le- illetve fel irányú szabályozási periódusok? Milyen eloszlásfüggvény jellemzi az energiatároló által végzendő leilletve fel irányú szabályozási periódusok energiaigényét? Mekkora eltérést kell az energiatárolónak kiszabályoznia az egyes leilletve fel irányú szabályozási periódusok alkalmával? Milyen eloszlásfüggvény jellemzi a szabályozási periódusokban az energiatároló által kiszabályozandó le- illetve fel irányú eltérést? 34
[MW], [MWh] [MW], [MWh] A szélerőművek menetrendi hibájának vizsgálata a módszerek 50 Számítógépes szimuláció 40 30 MATLAB Szélerőmű és energiatároló kooperációját modellező program Energiatároló Menetrend Termelés Eladott Energiatároló 20 P névleges, E névleges, P max, η, psoc, T tároló Technológiák 10 50 40 Menetrend Termelés Eladott Energiatároló 30 0 0:00 20 3:00 6:00 9:00 12:00 15:00 18:00 21:00 0:00 A szimuláció időtartama 10 0 0:00 3:00 6:00 9:00 12:00 15:00 18:00 21:00 0:00 A szimuláció időtartama 35
Nem kiszolgált le irányú szabályozási igények aránya [%] A szélerőművek menetrendi hibájának vizsgálata a módszerek 40 Az adatok időbelisége nagy mértékben befolyásolja a szimuláció eredményét 35 30 Bemenő adatsor feldarabolása és véletlenszerű összerendezése 25 400 MW P100 P99 P95 Eredeti Statisztikai 700 MW P100 P99 P95 Eredeti Statisztikai 1000 MW P100 P99 P95 Eredeti Statisztikai 20 15 10 5 0 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 Szabályozások átlagos hossza [x15 perc] 36
Kumulált relatív gyakoriság [%] A szélerőművek menetrendi hibájának vizsgálata az eredmények 100 400 MW 700 MW 1000 MW 99 A felhasznált adatsor Szabályozások Szabályozások Szabályozandó Szabályozások Szabályozások 80 98 eloszlásának energiaigényének eltérések átlagos hossza energiaigényének 2009-2011 közötti szélerőművi 95%-a termelési adatok eloszlásának (MAVIR) eloszlásának [x15 perc] átlaga [MWh] 97 [x15 perc] 95%-a [MWh] 95%-a [MW] 15 perc alatt igénybe vehető forgó tartalék mennyisége (MAVIR) 330 MW 2,36 7 19,74 75 90 400 60 96 MW 15 perces 2,55 felbontás 772 000 adatpont 25,34 100 110 500 MW 2,78 8 34,25 150 130 95 600 MW Szélerőművi 3,09 termelési 10 adatok átskálázása 44,26 330, 400-500- -1000 210 155 700 MW-ra 3,39 11 55,50 255 180 40 94 800 MW 3,71 13 68,69 325 200 900 93 MW 3,98 14 82,27 405 225 1 000 MW 4,22 15 95,80 470 245 20 92 91 90 0 50 5 100 10 150 15 200 250 20 Kiszabályozandó Szabályozási periódus energiaigény eltérés hossza nagysága [x15 [MWh] [MW] perc] 37
A szélerőművek menetrendi hibájának vizsgálata II. tézis: Kidolgoztam két, egymást kiegészítő, de módszerében egymástól eltérő eljárást, melyek segítségével meghatározhatóak annak a villamosenergia-rendszerrel kooperációban üzemelő energiatároló eszköznek a paraméterei (teljesítmény, kapacitás), mely alkalmas a villamosenergia-rendszerrel szinkron üzemelő szélerőművek által leadott menetrend és a tényleges termelés közti eltérés által okozott szabályozási igények kiszolgálására, amennyiben a villamosenergia-rendszer ilyen képességei részben vagy teljesen elégtelenek. 38
A szélerőművek menetrendi hibájának vizsgálata II. tézis 1. altézise: Az általam kidolgozott statisztikai kiértékelés, mivel figyelmen kívül hagyja a bemeneti adatsorok időbeliségét, minden esetben a legkisebb paraméterekkel (teljesítmény, kapacitás) rendelkező, de az energiatároló által kiszolgálandó összes, menetrendi hibából származó szabályozási igények arányaként kitűzött célt teljesíteni képes energiatárolót fogja eredményezni. 39
A szélerőművek menetrendi hibájának vizsgálata II. tézis 2. altézise: Az általam kidolgozott szimulációs program figyelembe veszi a bemeneti adatsorok időbeliségét, mely az adott bemeneti adatsort (szélerőművet és villamosenergiarendszert) karakterisztikusan jellemző többlet információt hordozhat magában. Az így elvégzett vizsgálat jó közelítéssel felső becslést fog adni az energiatároló által kiszolgálandó összes, menetrendi hibából származó szabályozási igények arányaként kitűzött célt teljesíteni képes energiatároló paramétereire (teljesítmény, kapacitás). 40
A szélerőművek menetrendi hibájának vizsgálata II. tézis 3. altézise: Kidolgoztam egy eljárást, mely alkalmas a bemeneti adatsorok feldarabolására, majd a részek újbóli, véletlenszerű összerendezésére. Az így kapott új adatsorok felhasználása átmenetet teremt a statisztikai kiértékelés és a számítógépes szimuláció módszere között, kölcsönösen enyhítve a két eljárás hátrányait. Az így elvégzett vizsgálat a részekre osztás felbontásának megfelelő megválasztásával reális becslést fog adni az energiatároló által kiszolgálandó összes, menetrendi hibából származó szabályozási igények arányaként kitűzött célt teljesíteni képes energiatároló paramétereire (teljesítmény, kapacitás). A fejezetben bemutatott kutatásokhoz kapcsolódó saját publikációk: [S1-S17] 41
A szélerőművek által igényelt szabályozási tartalékok csökkentése 42
A szélerőművek által igényelt szabályozási tartalékok csökkentése a probléma A szélerőművek menetrendi hibája következtében nagy szabályozási tartalékigények lépnek fel A magyarországi szélerőművek menetrendi hibája nagyobb a külföldi egységek hasonló adatainál A szabályozási pótdíj bevezetése nem bizonyult kellő ösztönzőnek a folyamat megfordítására 43
[MW] A szélerőművek által ±99% igényelt ±95% ±90% szabályozási tartalékok csökkentése a módszerek 80 70 Lehetséges egyszerű eljárás a szabályozási tartalékok tervezésére a szélerőművek menetrendi hibájának felhasználásával 60 50 40 30 20 10 0 0:00 3:00 6:00 9:00 12:00 15:00 18:00 21:00 A szimuláció időtartama 44
A szélerőművek által igényelt szabályozási tartalékok csökkentése a módszerek Új típusú menetrendadási és átvételi rendszer Determinisztikus helyett hibasávval jellemzett menetrendadás Jutalmazó-büntető jellegű helyett differenciáltan jutalmazó árrendszer (Alapár és Bónuszár) A vállalt pontosságtól függő Bónuszár meghatározásához szükséges Célbevétel függvény Szabályozási tartalékok lekötése csak a szélerőművek által vállalt hibasávon belüli hibák kezelésére 45
[MW] A szélerőművek által ±99% igényelt ±95% ±90% szabályozási tartalékok csökkentése az eredmények 80 70 Magyarországi szélerőműpark menetrendi és termelési adatai 60 50 40 4 db 2-2 hónapos periódus RMS hiba nagysága 22, 18, 16 és 17% 30 20 10 0 0:00 3:00 6:00 9:00 12:00 15:00 18:00 21:00 A szimuláció időtartama 46
A szélerőművek által igényelt szabályozási tartalékok csökkentése III. tézis: Kidolgoztam egy olyan kötelező átvételi és menetrendadási rendszert, mely lehetőséget nyújt a szélerőművek által leadott menetrend és a tényleges termelés közti eltérés által okozott szabályozási igények kiszolgálására fenntartott szabályozási tartalékok csökkentésére. A rendszer két új eleme a hibasávval jellemzett menetrendadás, és a két árelemből (Alapárból és Bónuszárból) álló, differenciáltan jutalmazó átvételi ár. Az árrendszer a termelőkre gyakorolt ösztönző hatása mellett a Bónuszár kifizetésének metódusával biztosítja az előzetesen le nem kötött szabályozási tartalékok igénybevételének pénzügyi fedezetét is. A fejezetben bemutatott kutatásokhoz kapcsolódó saját publikációk: [S1], [S5-S7], [S10-S14] 47
Energiatároló Forrás: MEH 48
Köszönöm a figyelmet! hartmann.balint@vet.bme.hu 49