AYNI GÜÇ ÜRETİMİ İÇİN TERMAL VE RÜZGÂR BARALARININ YAKIT MALİYETİ VE EMİSYON AÇISINDAN KARŞILAŞTIRILMASI

Transkript

1 3. İzmr Rüzgâr Sempozyumu // 8-10 Ekm 2015 // İzmr 49 AYNI GÜÇ ÜRETİMİ İÇİN TERMAL VE RÜZGÂR BARALARININ YAKIT MALİYETİ VE EMİSYON AÇISINDAN KARŞILAŞTIRILMASI Mehmet Güçyetmez 1, Ertuğrul Çam 2 1 Ah Evran Ünverstes, 1 Kırıkkale Ünverstes 1 mgucuyetmez@ahevran.edu.tr, 2 cam@kku.edu.tr ÖZET Rüzgar, güneş enerjs gb dağıtık üretm brmlernn geleneksel güç sstemne her geçen gün artan oranlarda eklenmes le brlkte oluşan yen enterkonnekte sstem yakıt malyet ve çevre emsyonu bakımından analz edlmeye htyaç duymaktadır. Geleneksel br enerj üretm kaynağının dağıtık ve yenleneblr br enerj kaynağına dönüştürülmes yakıt malyet, küresel ısınma gb çevresel etkler ve özellkle ülke ekonomsne olan etkler açısından oldukça önemldr. Tüm dünyada olduğu gb ülkemzde de rüzgar enerjs hızla gelşmekte olan br enerj türüdür. Türkye nn kurulu gücü göz önüne alındığında mevcut 5000 MW a yaklaşan rüzgar gücü ve hedeftek MW toplam güç anlam kazanmaktadır. Enerj sstemlernn toplam yakıt malyet ve dğer etkler güç akış programları ya da algortmalar tarafından hesaplanmaktadır. Bu çalışmada, geleneksel termal enerj üretm brmlernden oluşan br sstemn kapastesne eşdeğer br rüzgâr üretm olması durumunda yakıt malyet ve emsyon mktarlarındak değşmler hesaplanmıştır. Böylece rüzgâr enerjsnn geleneksel güç sstemn ne şeklde etkledğ görülmüştür. Bu amaçla etkn br güç akış analz algortması olan Öğrenme-Öğretme Optmzasyon Algortması (Teachng Learnng Based Optmzaton (TLBO) Algorthm) kullanılmıştır. Sonuçlar geleneksel sstemlern etklernn yenleneblr enerj kaynakları le karşılaştırılması ve yenleneblr enerj kaynaklarından özellkle rüzgâr enerjsnn önemnn farklı açılardan anlaşılması açısından önemldr. 1. GİRİŞ Son yıllarda rüzgâr, güneş, jeotermal gb yenleneblr enerj kaynaklarının teknolojsnn gelşmes, bu alanlara yapılan yatırımlar ve çevreye olan duyarlılık enerjnn yenleneblr kaynaklardan üretlmesnn önemn gündeme getrmştr. Özellkle rüzgâr potansyelnn yüksek olduğu bölgelerde rüzgârdan üretlen elektrğn brm malyetnn düşük olması nedenyle yen rüzgâr türbnler kurulmaya başlanmıştır [1]. Enerj çeştllğ ve potansyellerne göre rüzgâr-güneş gb yenleneblr kaynaklar brlkte de tess edleblmektedr. Enterkonnekte güç sstemler elektrk enerjsnn santrallerdek üretm aşamasından son alıcı olan tüketclere kadar kesntsz, kaltel, düşük malyetl ve çevreye zarar vermeyen şeklde üretmn sağlamaya çalışan sstemlerdr. Elektrk enerjsnn daha düşük malyetle ve çevreye daha az zararla üretlmes, santrallern üretm malyet, yatırım malyet, şçlk malyet, bakım onarım malyet gb gderler açısından son derece önemldr. Tüm bu malyetler göz önüne alındığında geleneksel enerj üretm brmlernn yenleneblr olanlara dönüştürülmes önem kazanmaktadır. Elektrk enerjsnn yakıt malyetnn hesaplanmasında ve bu malyet temel alınarak sera gazı emsyonu hesaplamalarında optmzasyon algortmaları kullanılmaktadır. Bu hesaplamalar sonucunda güç sstemndek yenleneblr enerj kaynaklarının etkler tespt edlmektedr [2].

2 3. İzmr Rüzgâr Sempozyumu // Ekm 2015 // İzmr GELENEKSEL VE YENİLENEBİLİR ENERJİ SİSTEMLERİ İÇİN GÜÇ AKIŞ ANALİZİ İLE YAKIT MALİYETİ VE EMİSYON HESABI Geleneksel br güç sstem çn yakıt malyet n g 2 ( ) $/ (1) F P P h cost g g 1 şeklnde hesaplanmaktadır. Burada katsayıları ve, Pg,. generator çn aktf güç ve g ve termal generatörler çn yakıt malyet n sstemdek generatörlern sayısıdır. Rüzgar türbnlern sürekl ortalama güç le çalıştıkları kabul edlerek güç sstemne rüzgâr türbnlernn eklenmes le yakıt malyet n g w 2 ( ) ( )) $/ (2) F P P d w h cost g g j j 1 j1 n olmaktadır [3]. Burada d j j. rüzgar generatörü çn doğrudan malyet katsayısı ve w j j. rüzgar generatöründen elde edlen planlanan rüzgar gücü ve n w sstemdek rüzgar generatörlernn sayısıdır. d değer rüzgar turbne kazanç katsayısıdır ve genellkle 1 olarak alınmaktadır. Çzelge 1. Termal kaynaklardan oluşan 8 baralı br güç sstem P mn P max Gen Power Fuel No. Plant Type ($) ($/MW) ($/MW 2 ) (MW) (MW) 1 Hamtabat N. Gas Ambarlı Fuel Ol Dgaz N. Gas Seytömer Coal SomaB Coal Yenköy Coal Kemerköy Coal Yatağan Coal Çzelge 1 de 8 baralı termal br güç sstem vers verlmştr [4]. Geleneksel güç sstemnde buhar türbnl termal sstemlern malyet hesaplamasında kullanılan katsayılardan katsayısı klask olarak 1000 ve katları gb oldukça yüksek olmasına karşın rüzgâr güç sstemnde bu değer 1 olarak alınmaktadır. Bu se rüzgâr enerjsnn şletme malyetnn neden daha az olduğunu açıklamaktadır. Yakıt malyet formüller ncelendğnde geleneksel br güç sstem yerne rüzgâr enerjl br güç sstem kullanmanın brçok avantajları olduğu görülmektedr. Bu avantajların bell başlıcaları şunlardır: Yakıt malyet hesabı daha basttr. 3 farklı yakıt katsayısı yerne tek kazanç katsayısı le şlem yapılmaktadır. Optmum güç değer hesaplama süres daha azdır. Daha az adımlı ve küçük br optmzasyon algortması le hesaplama yapılmaktadır.

3 3. İzmr Rüzgâr Sempozyumu // Ekm 2015 // İzmr 51 Şebekedek geleneksel güç sstem yükünü azaltmasından dolayı şebeke frekansını düzenleyc yönde etks vardır. Emsyon hesabı geleneksel ve rüzgârla üretm güç sstemler çn ele alındığında genş çaplı hesaplamalar gerektren br alandır. Rüzgarla enerj üretmnde karbon emsyonu ve emsyon malyet rüzgar güç sstemn oluşturan kurulum, kule, rotor ve naşel gb parçalar ve bu parçaların yapıldığı beton, demr, fberglas, paslanmaz çelk, bakır, alümnyum gb malzemelern toplam malyetnden oluşmaktadır. Ayrıca rüzgar türbn kurulacak bölgenn kapaste faktörü ve türbn ömürler de emsyon ve emsyon malyetn etklemektedr [5, 6, 7, 8]. Bu çalışmada rüzgar enerjs le emsyon malyetnde sadece enerj üretm le lgl malyetler ele alınmıştır. İlerleyen yıllarda teşvkler ve ser üretm gb faktörler göz önüne alındığında üretm dışı malzemelern malyetlernde değşmler olması durumunda toplam CO 2 emsyon malyet de azalacaktır. 3. TLBO ALGORİTMASI Güç akış analznde çok sayıda optmzasyon algortmaları kullanılmaktadır [9, 10, 11, 12]. Bu algortmalardan brs de TLBO algortmasıdır. TLBO algortması br sınıftak öğrencler ve öğretmen arasındak etkleşme dayanan br sosyal tabanlı optmzasyon algortmasıdır [13]. Öğrenclern öğrenme kablyet öğretmenn kapastes le yakından lşkldr. Algortmanın her safhasında başarılı öğrencler seçlerek en y öğrenclern tespt yapılır. TLBO algortması sınıftak öğrenclern sayısı, sınıfların sayısı ve terasyon sayısı olmak üzere üç temel parametreye sahptr. Algortma öğretmen ve öğrenc safhası olmak üzere k aşamadan oluşmaktadır. Öğretmen safhasında öğrencler öğretmenlernden blgy taklt etmek suretyle öğrenmektedrler. Öğretmen, öğrenclere blgy vermekte ve sınıfının ortalama blg düzeyn artırmaya çalışmaktadır. Öğretmen sınıftak en deneyml ve en blgl nsandır dolayısıyla öğrencler en fazla öğretmen kadar öğreneblmektedrler. Öğretmen ve öğrenclern öğrenme kapastes arasında ortalama fark olarak adlandırılan ve (3) le tanımlanan br fark bulunmaktadır, j, j, kbest, f j, Dfference _ Mean r T M (3) Burada r 0 ve 1 arasında br rastgele sayı, jkbest,, öğretmenn sonucu (en y sonuç) ve Tf 1 le 2 arasında alınan öğretme faktörüdür. T f, (4) dek gb tanımlanmaktadır. Tf round 1rand 0,1 1,2 (4) Eğer ortalama fark halhazırdak sonuçtan daha y se, (3), (5) dek gb düzenlenr, Dfference _ Mean (5) j, k, jk,, jk,, burada kabul edlen en y sonuçtur. jk,,

4 3. İzmr Rüzgâr Sempozyumu // Ekm 2015 // İzmr 52 Öğretmen safhasından sonra, tüm en y fonksyon sonuçları öğrenc safhasında kullanılmak üzere kaydedlr. Öğrenc safhasında, öğrencler blgy brbrler le tartışarak ve etkleşme grerek öğrenrler. Eğer br öğrenc daha blgl se dğer kendsn etkleşm le günceller. P ve Q rasgele öğrencler olmak üzere, ve total P, total Q, (6) totalp, totalq, Burada ve total P, total Q, total P, ve total nn güncellenmş sonrak değerlerdr. Q, Eğer totalp, totalq, se, jp,,(7) dek gb elde edlr. r( ) (7) j, P, jp,, jp,, jq,, ve eğer totalq, totalp, se jp,,(8) dek gb hesaplanır. r( ) (8) j, P, jp,, jq,, jp,, en y fonksyon değer olarak hesaplanmaktadır [14]. jp,, 4. TERMAL ENTERKONNEKTE SİSTEME GÜÇ AKIŞ ANALİZİ UYGULAMASI 8 baralı toplam olarak 7172 MW kurulu güce sahp br termal güç sstemnn yakıt malyet çıkartılmıştır. Aynı sstem bara sayısının aynı olduğu rüzgâr çftlkler kabulü le 2 MW lık rüzgâr türbnler göz önüne alınarak yenden analz edlmştr. Bunun sonucunda termal ve rüzgâr baralarından oluşan sstemler çn yakıt malyet grafkler Şekl 1 ve 2 de verlmştr. Ayrıca 7172 MWh güç değer çn emsyon mktarı hesaplanmıştır. Sonuçlar Çzelge 2 ve 3 de özetlenmştr. Çzelge 2 de emsyon hesabında 2 CO değerler ortalama olarak alınmıştır. Bu değerler kömür çn 820 g/kwh, doğalgaz çn (kombne) 490 g/kwh, rüzgâr çn 11 g/kwh dr [15, 16]. Toplam 7172 MWh çn hesaplama yapılmış olup bu gücün 3902 MWh doğalgaz, 3270 MWh kömür kaynaklı olarak hesaba dâhl edlmştr. Bu malyetler enerj üretm malyetler olup nşaat gb malyetler hesaplamaya dâhl edlmemştr.

5 3. İzmr Rüzgâr Sempozyumu // Ekm 2015 // İzmr 53 Şekl 1. Termal kaynaklarla elde edlen yakıt malyet eğrs Şekl 2. Rüzgâr enerjs le elde edlen yakıt malyet eğrs

6 3. İzmr Rüzgâr Sempozyumu // Ekm 2015 // İzmr 54 Çzelge 2. Termal ve rüzgâr enerj sstemlernn yakıt malyet açısından karşılaştırılması Enerj Sstem (7172 MW) En İy Yakıt Malyet ($/h) Termal Enerj Sstem 53882,97 Rüzgâr Enerj Sstem 1793,02 Yakıt Malyetndek Tasarruf 52089,95 Çzelge 3. Termal ve rüzgâr enerj sstemlernn emsyon açısından karşılaştırılması [7-8] Enerj Sstem (7172 MW) Emsyon Mktarı (ton) Termal Enerj Sstem (Kömür ve Doğalgaz) Rüzgâr Enerj Sstem 78,9 Emsyon Mktarındak Azalma SONUÇ Bu çalışmada aynı kurulu güç değer çn termal ve rüzgar enerjl güç sstemlernn yakıt malyet ve emsyon açısından hesaplaması yapılmıştır. Bu hesaplamalarda rüzgâr enerjsnn neden geleneksel enerj kaynaklarından termal enerjye göre daha uygun malyetl ve çevreye daha az zararlı br üretm şekl olduğu açıklanmıştır. Rüzgâr enerjs ve rüzgârdan enerj elde etmenn avantajları ve geleneksel enerj üretm kaynaklarından yenleneblr br kaynak olan rüzgâr enerjsne dönüşümün gerekllğnden bahsedlmştr. Küresel ısınma ve artan dünya nüfusu göz önüne alındığında bu dönüşümün yapılması gerektğ hesaplamalarla ortaya konulmuştur. Rüzgar enerjsnn emsyon mktarı ve karbon malyet enerj üretm aşaması çn dğer kaynaklara kıyasla çok düşük olmasına karşın ek malyetler emsyon ve emsyon malyetler açısından rüzgar enerjsnn önünde oluşan br sınırlama olmaktadır. Geleneksel enerj üretm kaynaklarından rüzgâr enerjsne geçşn dğer malyetler düzenlenerek en kısa zamanda yapılması gerektğ görülmektedr. KAYNAKLAR [1] Gökçınar R. E., Uyumaz A., Rüzgar Enerjs Malyetler ve Teşvkler VII. Ulusal Temz Enerj Sempozyumu, UTES İstanbul s [2] Pazher, F.R., Othman, M.F., Malk, N.H., Al-Ammar, E.A., Rohkaa, M.R., Optmzaton of Fuel Cost and Transmsson Loss n Power Dspatch wth Renewable Energy and Energy Storage, IEEE Internatonal Conference on Green Technologes, Proc. of ICGT 2012, s [3] Hetzer J., Yu C. D., Bhattara K., An economc dspatch model ncorporatng wnd power, IEEE Transactons on Energy Converson, Vol. 23, s [4] Başaran, Ü Türkye dek 380 kv luk Enterkonnekte Güç Sstemnde Çeştl Güç Akışı ve Ekonomk Dağıtım Analzler, Y. Lsans Tez, Anadolu Unverstes. Fen Blmler Ensttüsü, [5] Abelots K., Pactt Despna., Assessment of the Envronmental Impacts of a Wnd Farm n Central Greece durng ts Lfe Cycle, Internatonal Journal of Renewable Energy Research, Vol.4(3), s [6] Peter Lang, A report of Cost and Quantty of Greenhouse Gas Emssons Avoded by Wnd Generaton, s [7] Leung Denns Y.C., Caramanna G., Valer Maroto Mercedes M., An Overvew of Current Status of Carbondoxde Capture and Storage Technologes, Renewable and Sustanable Energy Revews, Vol. 39, s

7 3. İzmr Rüzgâr Sempozyumu // Ekm 2015 // İzmr 55 [8] Kherfane N., Kherfane R.L., Younes M., Khodja F., Economc and Emsson Dspatch wth Renewable Energy Usng HSA, Energy Proceda, Proc. of TMREES14. Vol. 50, s [9] Arabal A., Ghofran M., Etezad-Amol M., Cost Analyss of a Power System Usng Probablstc Optmal Power Flow wth Energy Storage Integraton and Wnd Generaton, Internatonal Journal of Electrcal Power & Energy Systems, Vol. 53, s [10] Mandal B., Roy K. P., Optmal Reactve Power Dspatch Usng Quas- Oppostonal Teachng Learnng Based Optmzaton, Internatonal Journal of Electrcal Power & Energy Systems, Vol. 53, s [11] Kılıç U., Ayan K., Optmzng Power Flow of AC-DC Power Systems Usng Artfcal Bee Colony Algorthm, Internatonal Journal of Electrcal Power & Energy Systems, Vol. 53, s [12] Osman M.S., Abo-Snna M.A., Mousa A.A., A Soluton to the Optmal Power Flow Usng Genetc Algorthm, Appled Mathematcs and Computaton, Vol. 155(2), s [13] Rao R.V, Patel V An Eltst Teachng-Learnng-Based Optmzaton Algorthm for Solvng Complex Constraned Optmzaton Problems, Internatonal Journal of Industral Engneerng Computatons, s [14] Bouchekara H.E.R.H, Abdo A. M, Boucherma M., Optmal Power Flow Usng Teachng-Learnng-Based Optmzaton Technque. Electrc Power System Research Vol. 114, s [15] Schlömer S., Bruckner T., Fulton L., Hertwch E., McKnnon A., Perczyk D., Roy J., Schaeffer R., Sms R., Smth P., Wser R., Annex III: Technology-specfc cost and performance parameters. In: Clmate Change 2014: Mtgaton of Clmate Change. Contrbuton of Workng Group III to the Ffth Assessment Report of the Intergovernmental Panel on Clmate Change, Edtors: Edenhofer, O., R. Pchs-Madruga, Y. Sokona, E. Farahan, S. Kadner, K. Seyboth, A. Adler, I. Baum, S. Brunner, P. Eckemeer, B. Kremann, J. Savolanen, S. Schlömer, C. von Stechow, T. Zwckel and J.C. Mnx. Cambrdge Unversty Press, Cambrdge, Unted Kngdom and New York, NY, USA, s [16] Krey V., O. Masera., Blanford G., Bruckner T., Cooke R., Fsher-Vanden K., Haberl H., Hertwch E., Kregler E., Mueller D., Paltsev S., Prce L., Schlömer S., Ürge- Vorsatz D., Van Vuuren D., Zwckel T., Annex II: Metrcs & Methodology. In: Clmate Change 2014: Mtgaton of Clmate Change. Contrbuton of Workng Group III to the Ffth Assessment Report of the Intergovernmental Panel on Clmate Change, Edtors: Edenhofer, O., Pchs-Madruga R., Sokona Y., Farahan E., Kadner S., Seyboth K., Adler A., Baum I., Brunner S., Eckemeer P., Kremann B., Savolanen J., Schlömer S., Von Stechow C., Zwckel T., Mnx J.C., Cambrdge Unversty Press, Cambrdge, Unted Kngdom and New York, NY, USA, s

8 3. İzmr Rüzgâr Sempozyumu // Ekm 2015 // İzmr 56