O Grid Designer é um simulador gratuito que permite projetar e testar uma grade de carbono zero para o Reino Unido e testá-la usando demanda do mundo real e dados climáticos. Este artigo explica como o modelo funciona e o que ele pode nos ensinar sobre nossas escolhas energéticas.
Você já se perguntou como será difícil fazer a transição para a energia verde? 🌍
Com energia e clima raramente fora do ciclo de notícias, comecei a me fazer essas perguntas. À medida que aprendia mais, comecei a pensar em como nosso sistema de energia e nossas escolhas poderiam ser modelados em software.
O resultado dessa exploração é o Grid Designer – um jogo simples que permite projetar sua rede de energia verde ideal e testá-la usando a demanda real de energia do Reino Unido e dados climáticos. Funciona melhor em dispositivos móveis e você pode experimentá-lo aqui .
A coisa divertida sobre a criação de software para resolver um problema é que ele exige que entendamos o problema profundamente o suficiente para descrevê-lo em código. Este artigo explica como o sim foi construído e como podemos pensar com mais clareza sobre as fontes de energia: seus benefícios, compensações e custos.
Se quisermos atender às nossas ambições climáticas, precisamos que nosso sistema elétrico seja zero carbono . Não principalmente verde , não quase zero – zero .
Portanto, o modelo se concentra exclusivamente em fontes de energia de carbono zero escaláveis:
Solar ☀️ (Fotovoltaica)
Vento 💨 (onshore e offshore),
Nuclear ⚛️ (Fissão)
Baterias / Armazenamento 🔋
Outras fontes, como energia hidrelétrica e geotérmica, só podem ser implantadas em locais muito selecionados e, portanto, são excluídas. O mesmo se aplica a tecnologias teóricas como Fusion – por mais empolgantes que sejam, meu foco está nas soluções mais plausíveis para a crise climática.
Também precisamos de 100% de uptime de nossa rede . A civilização não deve e não tolerará um retrocesso nos padrões de vida. Se nosso sistema de energia verde não puder atender à demanda, devemos esperar um retorno aos combustíveis fósseis e uma falha em atingir zero CO2. As comunidades não tolerarão blecautes ou racionamento. Devemos otimizar para a abundância.
Dadas as rápidas flutuações na demanda e a intermitência de algumas fontes renováveis, quis modelar o sistema em alta resolução. Isso significa cada hora durante um ano inteiro.
O simulador é focado no Reino Unido, mas o software pode ser aplicado a qualquer país ou grupo de países (nações importam e exportam energia).
O sim inclui um orçamento imaginário de £ 400 bilhões. Esse número é bastante arbitrário e seu objetivo é garantir que os jogadores considerem a restrição de capital. O Reino Unido não pode gastar um trilhão em sua rede! Tópicos financeiros complexos como amortização, vida útil da unidade e custos de reciclagem estão além de seu escopo.
Sempre que possível, inclinei-me para o otimismo - seja no custo ou na produção de energia. Este sim é focado apenas na produção e consumo de energia, o que significa que tópicos avançados como transmissão eficiente de eletricidade não estão incluídos.
O objetivo não é criar um modelo de fidelidade ultra-alta, mas algo que seja preciso o suficiente para ser instigante e informativo!
Vamos começar…. ⚡️
De quanta energia precisamos? Consegui obter um arquivo csv contendo 10 anos de dados da grade nacional registrados em intervalos de 5m. O arquivo era muito grande para o Excel (>1 milhão de linhas), então usei o Python para isolar o ano de 2021 e calculei a demanda média a cada hora. Convertido em JS fica mais ou menos assim:
export const uk_grid_demand_2021 = [ // Jan 1st - each value is avg demand by hour, starting at 00:00. (MWs) [28956, 28183, 27092, 26254, 25416, 25050, 25632, 25740, 26609, 28927, 31482, 33423, 34821, 35424, 35540, 36051, 38430, 40352, 39044, 36578, 34266, 32093, 29887, 27168], // Jan 2... etc ]
A demanda varia ao longo do ano e ao longo do dia:
Em seguida, veremos como podemos modelar fontes de energia individuais: Energia Solar, Eólica, Nuclear, Armazenamento e Combustíveis Fósseis….
solar: { name: 'Solar', unit: 'hectares', unitToMw: 1.2, // 1.2 hectares = 1 MWp capex_per_mw: 0.92, // Million USD per MWp opex_per_mw: 0.017, }
A área é a unidade chave a ser considerada ao dimensionar a energia solar. À medida que desenhamos a nossa rede, vamos definindo a quantidade de painéis solares que queremos em hectares .
Os painéis solares têm uma 'capacidade nominal' definida pela unidade Megawatt peak (MWp)
. Um painel solar de 1 MWp pode gerar 1 MW de energia elétrica em condições ideais . A saída real dependerá de fatores como latitude, orientação e clima. Destes, a latitude é mais significativa ao projetar uma grade : um painel colocado no sul da França chegará muito mais perto de seu desempenho 'avaliado' do que o mesmo painel colocado na Escócia.
No Grid Designer, presumi que colocaríamos nossos painéis solares exclusivamente no sul da Inglaterra, onde a maior parte da energia solar está disponível. Com base nos números do governo, assumimos que 1,2 ha de terra é necessário para cada 1 MWp de painéis.
Solar Rated Capacity (MW) = Area in Hectares * 1.2
Para calcular a saída a cada hora, usamos dados do Global Solar Atlas
Você notará como a saída de energia varia ao longo do dia e ao longo do ano. Nos curtos dias de dezembro, nossas fazendas solares produzirão apenas um décimo da energia que fornecem no verão. No auge do verão, nossos painéis solares produzirão cerca de metade de sua capacidade nominal ao meio-dia.
Nota: Nossos dados de referência solar são agrupados por mês em vez de dia real. Isso significa que o modelo solar é menos granular do que para outras fontes: todos os dias em janeiro são considerados iguais, depois mudam para fevereiro e assim por diante. Também ignoramos o clima, assumindo generosamente as condições ideais em todos os momentos .
O simulador usa os dados acima para calcular a produção horária para cada dia do ano: Output = solarOutput[month][hour] * MWp
NB: Você pode visualizar a produção solar do Reino Unido em tempo real no site Solar da Universidade de Sheffield .
O custo dos painéis solares fotovoltaicos caiu vertiginosamente nos últimos 20 anos e a energia solar é celebrada por seus custos operacionais muito baixos. Nossos números de Capex e Opex são retirados das previsões do National Renewable Energy Lab para 2025.
Observe que consideramos apenas instalações solares de grande escala como viáveis. A energia solar na cobertura é pelo menos duas vezes mais cara por MWp do que as fazendas solares em escala de serviços públicos, e não há espaço adequado suficiente na cobertura disponível para atender à demanda em escala nacional. Da mesma forma, os painéis colocados em latitudes mais altas são muito menos econômicos do que os do sul.
Finalmente, as estimativas financeiras para a Solar excluem os custos do terreno , o que será significativo dadas as áreas necessárias em lugares como Kent e Cornwall! O modelo também não leva em consideração os custos ecológicos e de biodiversidade do reaproveitamento de terras agrícolas e cercas vivas para painéis.
wind_l: { name: 'Onshore Wind', unit: 'Turbines', unitToMw: 4, // ie 4MW Turbines capex: 1.7, // Million USD per MW opex: 0.02, } wind_os: { name: 'Offshore Wind', unit: 'Turbines', unitToMw: 15, // ie 15 MW Turbines capex_per_mw: 6.04, // Million USD per MW opex_per_mw: 0.12, }
Para modelar o vento, definiremos o número de turbinas eólicas terrestres e marítimas que gostaríamos de construir. O simulador os distribui em locais existentes em todo o Reino Unido e usa dados climáticos históricos para modelar a produção de energia. Isso é feito a cada hora durante um ano inteiro.
Nossas turbinas onshore e offshore são modeladas com base em informações de código aberto do Laboratório Nacional de Energia Renovável.
Os dados históricos da velocidade do vento por hora foram coletados usando a API meteorológica do Visual Crossing. Esses dados foram processados em python e são disponibilizados para o sim em um arquivo JSON separado.
Os dados meteorológicos indicam a velocidade do vento registrada a uma altura de 10m. No entanto, a velocidade do vento aumenta com a distância do solo e será maior na altitude de uma turbina eólica. É por isso que as turbinas (e os veleiros) têm mastros tão altos: quanto mais alto o mastro, mais energia disponível . O aumento da velocidade do vento depende da fricção da superfície circundante, chamada de ' rugosidade ' ( veja aqui um explicador ).
Para nossos locais de turbinas terrestres, assumimos uma rugosidade de 0,055 m e ajustamos a velocidade do vento para uma altura do cubo da turbina de 110 m. Para offshore, assumimos uma rugosidade de 0,0002m e ajustamos a velocidade do vento para uma altura de hub de 150m. Todos os valores foram convertidos para m/s.
O desempenho operacional de uma turbina eólica é descrito por sua curva de potência.
Abaixo da velocidade cut-in
do vento, as pás não podem girar e nenhuma energia é gerada. Acima desse limite, a potência segue uma curva até a potência máxima da turbina. O valor no qual uma turbina atinge sua potência máxima é a rated wind speed
. As turbinas continuarão a operar perto de sua potência máxima até atingirem sua velocidade cut-out
– ou seja, a velocidade do vento na qual o rotor deve aplicar freios para evitar danos.
Para criar o simulador, simplifiquei a curva da curva de potência para uma linha reta :
Para velocidades do vento acima do valor cut-in
, calculamos a potência de saída usando a fórmula para uma linha reta: y = mx + c
, onde y
é a saída em MW, m
é o gradiente, x
é a velocidade do vento e c
é o y -interceptar.
Os dados da curva de potência para nossas turbinas terrestres e marítimas simuladas foram obtidos do GitHub do NREL . Os valores são definidos no código da seguinte forma:
// Onshore Turbine 4MW, 110m const wl_power_curve = { cut_in: 3.25, // m/s rated: 9.75, cut_out: 25, } // Off-Shore Turbine 15MW, 150m const ws_power_curve = { cut_in: 4, rated: 11, cut_out: 25, }
Uma rajada de vento é um curto período de aumento da velocidade do vento. Os dados de origem da API incluem valores para rajadas que duraram pelo menos 25 segundos e, em muitos casos, são maiores que a velocidade do vento cut-out
da turbina. No entanto, não consegui encontrar dados consistentes dos fabricantes sobre como exatamente as turbinas respondem às rajadas e, portanto, as excluí de nosso modelo. O tempo de inatividade para manutenção das turbinas é pequeno (~ 24 horas por ano) e também foi excluído.
As turbinas modernas são capazes de virar de frente para o vento em qualquer direção, então assumimos que elas fazem isso de forma imediata e perfeita. Quando o ar passa pela superfície de uma pá, cria turbulência ou esteira , o que reduz a energia disponível para qualquer turbina a jusante. Os parques eólicos são projetados para minimizar isso, posicionando as turbinas para otimizar a direção do vento predominante (mais comum). Portanto, esses efeitos são geralmente pequenos e não os incluí no modelo.
No decorrer deste trabalho, fiquei surpreso ao saber que os valores da velocidade do vento não são médias . Em vez disso, eles são a maior velocidade do vento sustentada naquele período de tempo . Portanto, se a API disser que a velocidade do vento foi de 15 m/s na terça-feira, só podemos ter certeza de que esse limite foi registrado uma vez durante todo o dia. A velocidade média do vento pode ter sido muito menor.
Isso tem implicações importantes para qualquer modelagem, uma vez que o uso de valores diários de velocidade do vento leva a superestimativas da potência de saída . Considere o seguinte exemplo real:
Na linha vermelha, podemos ver a velocidade do vento 'diária' de 5,3 m/s. Se utilizada para todas as horas do dia, a turbina opera a 30% de sua potência nominal (área sombreada em vermelho). No entanto, se observarmos os dados horários do mesmo dia em azul, podemos ver que, na maioria das horas, a velocidade máxima do vento registrada não atingiu o limite de corte das turbinas e a energia total produzida foi muito menor (área sombreada em azul ).
O vento é intermitente, então a resolução de granulação fina é essencial para entender o desempenho das turbinas.
A cada hora, calculamos a produção de vento da seguinte maneira para cada local:
// installed_mw = number of turbines * MW rating of turbine. const m = 1 / (power_curve.rated - power_curve.cut_in) const c = -1 * m * power_curve.cut_in let output; if (windData[d][h] < power_curve.cut_in) { output = 0 } else if (windData[d][h] > power_curve.cut_out) { output = 0 } else if (windData[d][h] >= power_curve.rated) { output = installed_mw } else { // y = mx + c; x=wind speed, y=power output, c = y-intercept let y = m * windData[d][h] + c // Fraction of rated output output = y * installed_mw } return output
Esse código encontra o gradiente ( m ) e a interceptação y ( c ) de nossa curva de potência simplificada. Se a velocidade do vento estiver acima do limite de corte e abaixo do limite nominal, ele calcula a fração de saída máxima ( y ) com base na velocidade do vento e usa isso para retornar a saída em MW.
Atualmente, o simulador fornece dados para apenas 1 parque eólico onshore e 1 offshore ( Scout Moor & Hornsea ), e isso certamente é uma limitação! Ao adicionar mais locais, poderíamos mitigar o risco de dias de vento fraco na grade simulada: se o vento não estiver soprando em Hornsea, pode estar soprando na costa de Kent ou Aberdeenshire. Essa estratégia é válida, mas exige que construamos em excesso em cada local para compensar os outros, aumentando os custos e não ajudaria em dias em que a velocidade do vento é baixa em um grande número de locais .
As suposições de custo são retiradas da Agência de Informação de Energia dos Estados Unidos .
Definimos o número de turbinas que desejamos construir onshore e offshore.
Localizamos nossas turbinas em parques eólicos existentes em todo o Reino Unido e usamos dados meteorológicos reais de 2022 para calcular a produção.
No momento, apenas 2 sites estão disponíveis para simulação.
A velocidade do vento é ajustada para a altura de cada turbina e a 'rugosidade' da terra/mar ao redor.
Usamos uma curva de potência simplificada para calcular o desempenho da turbina.
A produção é modelada por hora, 365 dias por ano.
Os efeitos das rajadas e da esteira da turbina são ignorados.
nuclear: { capacity_factor: 0.9, capex_per_mw: 7.0, opex_per_mw: 0.13, }
A energia nuclear é um tema divisivo e, infelizmente, nem todas as críticas feitas a ela são apoiadas por evidências. Entrarei em detalhes em uma postagem diferente, mas acho que um resumo justo da tecnologia seria observar o seguinte:
Nuclear é geralmente mais caro e demorado para construir em relação a outras fontes. No entanto, produz enormes quantidades de energia de carbono zero, com tempo de atividade extremamente alto, a baixos custos marginais por MW.
O Grid Designer modela o nuclear em termos de 'estações de energia', usando o Sizewell C recentemente comissionado como referência. Usando um projeto PWR bem estabelecido, seus dois reatores fornecerão um total de 3.200 MW de energia ao longo de sua vida útil de 60 anos.
Existem outros projetos de reatores nucleares com diferentes perfis de custo e produção. Isso inclui pequenos reatores modulares (SMRs) e reatores de sal fundido (MSRs), no entanto, nenhum deles é tão bem estabelecido quanto os PWRs e, portanto, não estão incluídos como uma opção em nosso simulador.
A energia nuclear tem um fator de capacidade extremamente alto. A única vez que um reator não produz energia é quando ele é desligado para manutenção programada ou reabastecimento. Dado que esses desligamentos são eventos planejados, adotaremos uma abordagem simplista de como modelá-los: assumindo um fator de capacidade de 90% e aplicando esse desconto à produção durante todo o ano.
Hourly output = 3200 * Number of Stations * 0.9
As usinas nucleares fornecem energia de linha de base previsível:
Um padrão estável semelhante é visto nos dados reais do Grid do Reino Unido.
O custo de construir e operar uma usina nuclear é muito debatido, com alguns projetos infames ultrapassados. Os detratores argumentam que isso prova a inviabilidade da tecnologia, enquanto os defensores apontam a importância de investimentos consistentes. A Coréia do Sul é frequentemente citada como um exemplo de nação que conseguiu construir sua frota nuclear com velocidade crescente e custos decrescentes . As estimativas de custo do Grid Designer são novamente retiradas da Agência de Informação de Energia dos EUA , e deve ser entendido que os custos operacionais incluem combustível e o descarte seguro de resíduos .
3200*0.9
storage: { name: 'Battery Storage (Li-Ion)', unit: 'MWh', capex_per_mw: 0.2, // Million USD per MWh opex_per_mw: 0.025 }
O armazenamento de eletricidade é essencial para as redes que dependem de fontes renováveis – os apagões não são aceitáveis, por isso as baterias são necessárias para compensar qualquer déficit causado pelo vento e pela intermitência solar.
Os sistemas de bateria têm uma saída nominal - a quantidade máxima de energia que podem fornecer a qualquer momento ( Megawatts ) e um valor de capacidade separado ( Megawatts-hora ). Um sistema de bateria de 60MW/240MWH totalmente carregado pode, portanto, fornecer 60MW por 4 horas ou 30MW por 8 horas, etc.
Para simplificar, decidi ignorar a saída nominal e focar apenas na capacidade. Isso significa que assumimos que nossas baterias sempre podem atender à demanda de saída e são limitadas apenas por sua capacidade (em MHW) . Também ignoramos fatores como tempo de ciclo e superaquecimento.
Como nossa rede requer cerca de 30 GW de energia por hora, isso significa que precisaríamos de uma instalação de 30.000 MWh para atender 1 hora de demanda apenas com armazenamento - isso é muito!
Nossas baterias são carregadas ou descarregadas conforme haja ou não déficit ou excesso de energia disponível para aquela hora. O código do simulador por hora se parece com isto:
let d = demand[day][hour]; let s = solar_output + wind_l_output + wind_os_output + nuclear_output; let balance; //demand exceeds supply if (d >= s) { const deficit = ds // ...code to drain batteries } //supply exceeds demand else if (d < s) { const surplus = s - d // ...code to charge batteries with the surplus } return balance
O custo das baterias e seu custo futuro previsto são debatidos. O modelo usa previsões do Laboratório Nacional de Energia Renovável e assume um valor muito otimista de US$ 200 por KWH para o íon de lítio. Na realidade, é duvidoso que tal preço possa ser mantido se comprar e implantar baterias em escala de rede. Por exemplo, abastecer o Reino Unido por apenas 12 horas (em nosso nível de demanda atual) exigiria uma solução de armazenamento de aproximadamente 420 GWHs – mais do que a produção global anual de baterias de íon de lítio! Finalmente, também vale a pena notar que qualquer bateria desse tipo provavelmente precisaria ser substituída a cada 5 anos.
Tecnologias alternativas de armazenamento em escala de rede, como baterias de fluxo redox de vanádio (VRBF), têm etiquetas de preço projetadas semelhantes, e nosso modelo é simples o suficiente para que possam ser consideradas intercambiáveis. As baterias Iron Air são uma tecnologia que se prevê ser significativamente mais barata, mas ainda não entraram em produção em larga escala.
Vale lembrar que cada centavo gasto em armazenamento é um centavo que poderia ser gasto na produção de energia.
fossil_co2_mwh = 233 // Kg CO2
Sempre que nossa rede de energia verde não puder atender à demanda, recorreremos aos combustíveis fósseis . Assumimos um valor otimista de 233kg de CO2 por MWH de eletricidade de combustível fóssil usando gás natural ( fonte ). NB: A média atual do Reino Unido é >500kg.
O Grid Designer considera qualquer liberação de CO2 como um fracasso – em outras palavras, queremos desativar completamente a infraestrutura de combustível fóssil do Reino Unido. Embora a missão abrangente seja líquida zero , o custo de remoção de CO2 da atmosfera, uma vez emitido, é muito alto ($ 100-300 milhões por Mt), portanto, é melhor não queimá-lo em primeiro lugar.
O simulador gera um gráfico de 'tempo de atividade verde' (inspirado no github!). Ele mostra todos os dias do ano e fornece uma referência visual para mostrar muitas horas em que a rede funcionou com energia de carbono zero:
O sim também fornece um resumo do desempenho da sua grade, incluindo uma opção para análises diárias.
Ao avaliar o desempenho, o sim está avaliando a produção de energia efetiva .
Este foi um mergulho profundo no pensamento técnico por trás do simulador. Vou guardar minhas conclusões de política para outro post. Por enquanto, tendo pesquisado o assunto por algum tempo, simplesmente observarei o seguinte:
Comentários, opiniões, refutações, correções e contrafactuais são bem-vindos nos comentários!