Ключевые слова
Как цитировать
Аннотация
Введение. В статье развивается ранее обоснованная схема электроснабжения промышленного холодильного предприятия с сетевой фотоэлектрической станцией мощностью 297 кВт путём интеграции аккумуляторной системы накопления энергии LiFePO₄ и прогнозного управления холодильной нагрузкой на основе SCADA/MPC. Предлагаемый подход рассматривает фотоэлектрическую станцию, электрическую сеть, систему накопления энергии (BESS) и холодильные камеры как единую энергетико-технологическую систему.
Материалы и методы. Исследование выполнено методом имитационного моделирования. Сравнивались пять сценариев: S0 — электроснабжение только от сети, S1 — фотоэлектрическая станция, S2 — фотоэлектрическая станция и BESS, S3 — фотоэлектрическая станция и MPC, S4 — фотоэлектрическая станция, BESS и MPC. В расчётах учитывались фотоэлектрическая станция мощностью 297 кВт, система накопления энергии LiFePO₄ ёмкостью 400–650 кВт·ч, профиль холодильной нагрузки, степень заряда BESS, тепловая инерция холодильных камер и условия хранения яблок.
Результаты. В интегрированном сценарии S4 использование локальной фотоэлектрической энергии достигло 419,9 МВт·ч/год, а потребление электроэнергии из сети сократилось до 968,2 МВт·ч/год. По сравнению со сценарием S1 потребление электроэнергии из сети уменьшилось на 94,4 МВт·ч/год, что при тарифе 1000 сум/кВт·ч обеспечивает расчётную годовую экономию около 94,4 млн сум. Кроме того, снизилась вечерняя пиковая нагрузка на электрическую сеть и увеличилась доля собственного потребления солнечной энергии.
Заключение. Совместное применение фотоэлектрической станции, системы накопления энергии LiFePO₄ и управления SCADA/MPC обеспечивает более высокий системный эффект по сравнению с раздельным использованием накопителя энергии или управления нагрузкой. Для рассматриваемого предприятия технически целесообразной является конфигурация BESS приблизительно 500 кВт·ч / 200 кВт, обеспечивающая резервное электроснабжение критической холодильной нагрузки, сглаживание вечерних пиков потребления из сети и организацию цифрового контура управления холодильным предприятием.
Библиографические ссылки
[1] Avezova N. R., Rakhimov E. Yu., Frid S. E., et al. Assessment of the technical potential of photovoltaic convertors: The case of the Fergana Valley. Part I: Dynamics of climate data changes in the region // Applied Solar Energy. 2022. Vol. 58. P. 697–707. DOI: 10.3103/S0003701X22600977.
[2] Matchanov N. A., Kulmatov Kh. Kh., Muminov Sh. A., Dekhkonova M. Kh., Shodiev B. T. Power supply of an industrial refrigeration enterprise based on a grid-connected photovoltaic power plant (Fergana Valley). Part 1. Schematic solutions and operational assessment // Alternative Energy. 2026. Vol. 2(23). P. 101–111.
[3] International Energy Agency Photovoltaic Power Systems Programme. A methodology for the analysis of PV self-consumption policies. IEA PVPS, 2016.
[4] FAO. Small-scale postharvest handling practices: A manual for horticultural crops. Food and Agriculture Organization of the United Nations, 2004.
[5] Ghafoor A., Munir A. Worldwide overview of solar thermal cooling technologies // Renewable and Sustainable Energy Reviews. 2015. Vol. 43. P. 763–774. DOI: 10.1016/j.rser.2014.11.073.
[6] Otanicar T., Taylor R. A., Phelan P. E. Prospects for solar cooling: An economic and environmental assessment // Solar Energy. 2012. Vol. 86(5). P. 1287–1299. DOI: 10.1016/j.solener.2012.01.020.
[7] Han Y., Li M., Wang Y., Li G., Ma X., Wang R. Impedance matching control strategy for a solar cooling system directly driven by distributed photovoltaics // Energy. 2019. Vol. 168. P. 953–965. DOI: 10.1016/j.energy.2018.11.160.
[8] Seyednezhad M., Najafi H. Solar-powered thermoelectric-based cooling and heating system for building applications: A parametric study // Energies. 2021. Vol. 14. DOI: 10.3390/en14175573.
[9] Bozorgi M., Tasnim S. H., Mahmud S. Enhancing indoor thermal comfort and sustainability: A solar-driven desiccant cooling and adsorption chiller system with environmental impact assessment // Solar Energy. 2024. Vol. 271. Article 112440.
[10] Belyaev A., Ivanova T. Integration of photovoltaic systems with industrial refrigeration loads: Control strategies and power quality issues // Journal of Renewable and Sustainable Energy. 2022. Vol. 14(6). Article 062302.
[11] Mirzabaev A. M., Shodiev B. T., Kulmatov Kh. Kh. Assessment of economic and ecological effectiveness of solar cooling systems under conditions of Uzbekistan // Informatika va energetika muammolari. 2025. No. 4. P. 57–70.
[12] International Electrotechnical Commission. IEC 61724-1:2017 Photovoltaic system performance — Part 1: Monitoring. IEC, 2017.
[13] IEEE. IEEE Std 1547-2018: Standard for interconnection and interoperability of distributed energy resources with associated electric power systems interfaces. IEEE Standards Association, 2018.
[14] Rybakov I. P., Nikiforov S. A. Energy consumption and management of refrigeration loads at industrial enterprises // Izvestiya vuzov. Elektromekhanics. 2021. Vol. 64(3). P. 42–49.
[15] NASA Langley Research Center. NASA POWER: Hourly API documentation. 2026.
[16] UzHydromet. Climatic data summary 2005–2024. Hydrometeorological Service of Uzbekistan, 2024.
[17] Ahmed N., Patel M. Energy management algorithms for PV integrated industrial microgrids using SCADA systems // Renewable Energy and Power Quality Journal. 2021. Vol. 19(1). P. 185–192.
[18] Lund H., Østergaard P. A., Connolly D., et al. Smart Energy Systems and the transition to 100% renewable energy systems // Energy. 2017. Vol. 137. P. 556–565. DOI: 10.1016/j.energy.2017.05.123.
[19] U.S. Department of Energy. Energy storage grand challenge: Energy storage market report. U.S. DOE, 2020.
[20] National Renewable Energy Laboratory. Understanding solar photovoltaic system performance: An assessment of 75 federal photovoltaic systems. NREL, 2022.
[21] Hafez F. S., Safa-Gamal M., Taufiq-Yap Y. H., Alfiabey M., Seyedmahmoudian M., Stojcevski A., Horan B., Mekhilef S. Energy efficiency in sustainable buildings: A systematic review // Energy Strategy Reviews. 2023. Vol. 45. Article 101013. DOI: 10.1016/j.esr.2022.101013.
[22] Simonetti R., Moretti L., Molinaroli L., Manzolini G. Energetic and economic optimization of the yearly performance of solar-assisted heat pump systems // Energy Conversion and Management. 2020. Vol. 206. Article 112446. DOI: 10.1016/j.enconman.2019.112446.
[23] Salata F., Falasca S., Ciancio V., Curci G., Gignaffini S., de Wilde P. Estimating building cooling energy demand through the Cooling Degree Hours in a changing climate: A modeling study // Sustainable Cities and Society. 2022. Vol. 76. Article 103518. DOI: 10.1016/j.scs.2021.103518.
[24] Tian S., Shao S., Liu B. Investigation on transient energy consumption of cold storages: Modeling and a case study // Energy. 2019. Vol. 180. P. 1–9. DOI: 10.1016/j.energy.2019.04.217.
[25] Parisio A., Rikos E., Glielmo L. A model predictive control approach to microgrid operation optimization // IEEE Transactions on Control Systems Technology. 2014. Vol. 22(5). P. 1813–1827. DOI: 10.1109/TCST.2013.2295737.
[26] Luthander R., Widén J., Nilsson D., Palm J. Photovoltaic self-consumption in buildings: A review // Applied Energy. 2015. Vol. 142. P. 80–94. DOI: 10.1016/j.apenergy.2014.12.028.
[27] Quoilin S., Kavvadias K., Mercier A., Pappone I., Zucker A. Quantifying self-consumption linked to solar home battery systems: Statistical analysis and economic assessment // Applied Energy. 2016. Vol. 182. P. 58–67. DOI: 10.1016/j.apenergy.2016.08.077.
[28] Hannan M. A., Lipu M. S. H., Hussain A., Mohamed A. A review of lithium-ion battery state of charge estimation and management system in electric vehicle applications: Challenges and recommendations // Renewable and Sustainable Energy Reviews. 2017. Vol. 78. P. 834–854. DOI: 10.1016/j.rser.2017.05.001.
[29] Schimpe M., Naumann M., Truong N., Hesse H. C., Santhanagopalan S., Saxon A., Jossen A. Energy efficiency evaluation of a stationary lithium-ion battery container storage system via electro-thermal modeling and detailed component analysis // Applied Energy. 2018. Vol. 210. P. 211–229. DOI: 10.1016/j.apenergy.2017.10.129.
[30] Hu X., Li S., Peng H. A comparative study of equivalent circuit models for Li-ion batteries // Journal of Power Sources. 2012. Vol. 198. P. 359–367. DOI: 10.1016/j.jpowsour.2011.10.013.
[31] Barré A., Deguilhem B., Grolleau S., Gérard M., Suard F., Riu D. A review on lithium-ion battery ageing mechanisms and estimations for automotive applications // Journal of Power Sources. 2013. Vol. 241. P. 680–689. DOI: 10.1016/j.jpowsour.2013.05.040.
[32] East A. R., Smale N. J., Trujillo F. J. Potential for energy cost savings by utilising alternative temperature control strategies for controlled atmosphere stored apples // International Journal of Refrigeration. 2013. Vol. 36(3). P. 1109–1117. DOI: 10.1016/j.ijrefrig.2012.10.028.
[33] Leducq D., Vende P. E., Hoang H. M. Demand response in refrigerated warehouses and thermal energy storage // 4th IIR International Conference on Sustainability and the Cold Chain. 2016. DOI: 10.18462/iir.iccc.2016.0038.
[34] Khorsandnejad E., Malzahn R., Oldenburg A.-K., Mittreiter A., Doetsch C. Analysis of flexibility potential of a cold warehouse with different refrigeration compressors // Energies. 2024. Vol. 17(1). Article 85. DOI: 10.3390/en17010085.
[35] Hovgaard T. G., Larsen L. F. S., Jørgensen J. B., Boyd S. Fast nonconvex model predictive control for commercial refrigeration // IFAC Proceedings Volumes. 2012. Vol. 45(17). P. 514–521. DOI: 10.3182/20120823-5-NL-3013.00082.
[36] Oldewurtel F., Parisio A., Jones C. N., Gyalistras D., Gwerder M., Stauch V., Lehmann B., Morari M. Use of model predictive control and weather forecasts for energy efficient building climate control // Energy and Buildings. 2012. Vol. 45. P. 15–27. DOI: 10.1016/j.enbuild.2011.09.022.
[37] Bejarano G., Lemos J. M., Rico-Azagra J., Rubio F. R., Ortega M. G. Energy management of refrigeration systems with thermal energy storage based on non-linear model predictive control // Mathematics. 2022. Vol. 10(17). Article 3167. DOI: 10.3390/math10173167.
[38] Tang R., Wang S. Model predictive control for thermal energy storage and thermal comfort optimization of building demand response in smart grids // Applied Energy. 2019. Vol. 242. P. 873–882. DOI: 10.1016/j.apenergy.2019.03.038.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Copyright (c) 2026 Mirzabayev, A.M., Matchanov, N.A., Kulmatov, X.X., Muminov, S.A., Dekhkonova, M.X., Shodiev, B.T. (Muallif)