Statistical processing of wind and solar PV generation variability for assessment of additional power system flexibility
To solve the actual task of assessing additional flexible generation needed to smooth variable renewable energies (VRE) disturbances in the Power Systems worldwide the original method for statistical processing of wind and solar PV generation variability data was proposed in the article. The propose...
Gespeichert in:
| Datum: | 2021 |
|---|---|
| Автори та афіліації: |
|
| Ключові слова: | keywords |
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Ukrainisch |
| Veröffentlicht: |
General Energy Institute of the National Academy of Sciences of Ukraine
2021
|
| Schlagworte: | |
| Online Zugang: | https://systemre.org/index.php/journal/article/view/770 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | System Research in Energy |
| Завантажити файл: |
|
Institution
System Research in Energy| _version_ | 1871104281394806784 |
|---|---|
| author | Shulzhenko S.V. |
| author_facet | Shulzhenko S.V. |
| author_institution_txt_mv | [
{
"author": "Shulzhenko S.V.",
"institution": null
}
] |
| author_sort | Shulzhenko S.V. |
| baseUrl_str | https://systemre.org/index.php/journal/oai |
| collection | OJS |
| datestamp_date | 2026-07-18T12:57:46Z |
| description | To solve the actual task of assessing additional flexible generation needed to smooth variable renewable energies (VRE) disturbances in the Power Systems worldwide the original method for statistical processing of wind and solar PV generation variability data was proposed in the article. The proposed method allows processing the historical data of VRE day-by-day and hour-to-hour generation and assessing the levels of potential disturbances this type of generation could cause. These disturbances should be smoothened in the Power System by others, usually conventional generators at least to ensure grid stability and electricity quality. Currently, at the stage of the power systems starts transformation, the sources of power system flexibility basically are the power plants whose individual flexibility is characterized by three dimensions: adjustability, ramping and lead time. Lack of flexible generation causes VRE curtailments that negatively affect economic efficiency of such clean generation. From the other hand, the improvement of existing power plants flexibility requires an essential investments and time to retrofit them, and because of that the important question - what is the required level of power system flexibility is needed to smooth current and future VRE generation.The results of statistical data processing for wind and solar PV hour-by-hour power output changes allow accepting the hypothesis about the normal distribution of these data sets. The article presents the key parameters of theoretical normal distributions are calculated for wind and solar PV data sets for 2019 and 2020 as a whole, and also for winter and summer seasons, which allow obtaining a more precise assessment of variability levels for renewables, especially for solar PV hour-by-hour generation changes.The assessments obtained in the article also could be used as the first step for more efficient management of the electricity market, for instance, forecasting the required level of flexible generation or ancillary services market for intraday power system balancing. |
| doi_str_mv | 10.15407/pge2021.01.014 |
| first_indexed | 2026-03-24T02:02:59Z |
| format | Article |
| fulltext |
14
С.В. ШУЛЬЖЕНКО
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
Розвиток відновлюваної енергетики, зокрема,
мінливих вітрової та сонячної генерації, які зазви-
чай мають назву мінливі відновлювані джерела
енергії (МВДЕ), підтримується в Україні низкою
законодавчих та нормативних актів [1‒3]. Станом
на кінець 2020 р. очікувалось, що до Об’єднаної
енергосистеми (ОЕС) України буде під’єднано
більше 1,1 ГВт вітрової та більше 5 ГВт соняч-
ної генерацій, також очікувалось подальше зрос-
тання встановленої потужності такої генерації і
в майбутньому. Протягом 2020 р. НЕК «Укренер-
го», оператор системи передачі України, час від
часу обмежував відпуск електричної потужності
МВДЕ, підтримуючі баланс між споживанням та
генерацією електроенергії задля забезпечення ста-
більності режимів функціонування мережі та на-
явності достатнього обсягу резервів потужності.
Ці обмеження пояснюються наявним браком
гнучкості, які виникають внаслідок неадекватних
обсягів традиційної генерації, що здійснює ба-
лансування, і здатної згладжувати збурення, які
спричиняються мінливістю відпуску електричної
потужності в мережу вітровими та сонячними
електростанціями.
Гнучкість енергосистеми є достатньо новим
загально використовуваним терміном. Відпо-
відно до визначення Міжнародного агентства з
відновлюваної енергетики [4], яке, в свою чергу,
посилається на [5] як джерело: «Гнучкість енер-
госистеми визначається як здатність енергосис-
теми надійно та економічно-ефективно контр-
олювати мінливість та невизначеність рівнів
споживання та генерації у будь-які раціональ-
но-визначені проміжки часу» («Power system
fl exibility is defi ned as the ability of a power
system to reliably and cost-eff ectively manage the
МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ
ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ І СИСТЕМ
ISSN 2522-4344 (Online), ISSN 1562-8965 (Print). The problems of general energy, 2021, 1(64): 14–28
doi: https://doi.org/10.15407/pge2021.01.014
УДК 621.3:519.8 С.В. ШУЛЬЖЕНКО, канд. техн. наук, ст. наук. співр., ORCID: 0000-0002-7720-0110
Інститут загальної енергетики НАН України, вул. Антоновича, 172, м. Київ, 03150, Україна
СТАТИСТИЧНА ОБРОБКА ДАНИХ МІНЛИВОСТІ ГЕНЕРАЦІЇ ВІТРОВИХ ТА СОНЯЧНИХ
ЕЛЕКТРОСТАНЦІЙ ДЛЯ ОЦІНКИ ДОДАТКОВОЇ ГНУЧКОСТІ ЕНЕРГОСИСТЕМИ
Стале майбутнє зростання встановленої потужності мінливих вітрових та сонячних
електростанцій в енергетичних системах всього світу вимагає точного прогнозу-
вання режимів генерації для кожної доби та кожної години в межах доби, а також
оцінки рівнів потенційних небалансів генерування потужності, які цей тип генерації
може спричинити. Такі небаланси мають бути згладжені в енергосистемі іншими,
зазвичай традиційними генеруючими потужностями щонайменше для забезпечен-
ня стабільного режиму функціонування мережі та нормативної якості електроенер-
гії. Одним з основних питань, що виникають в процесі експлуатації енергосистеми,
а також планування її розвитку – який обсяг додаткової гнучкої генерації необхід-
ний для згладжування збурень, що спричиняється відновлюваними генеруючими
потужностями із мінливим характером відпуску потужності у мережу? Внаслідок
стохастичної природи генерування потужності вітровими та сонячними електро-
станціями очевидним методом оцінювання обсягу додаткової гнучкої генерації є
статистична обробка історичних даних профілів генерації відновлюваних генеру-
ючих потужностей, який був застосований для даних 2019 та частково 2020 років
(результати для 2020 р. були актуалізовані у статті для року вцілому, коли дані сталі
доступні на початку 2021 р.). Результати статистичної обробки даних показують
що в залежності від встановленої потужності мінливої відновлюваної генерації, а
також прийнятного рівня ймовірності додаткова гнучка генерація в обсязі декількох
сотень МВт має активно функціонувати в енергосистемі, щоб згладжувати стрибки
потужності, спричинені відновлюваними джерелами.
К л ю ч о в і с л о в а: м інлива відновлювана генерація, об’єднана енергетична сис-
тема, гнучкість, профіль генерації, статистична обробка даних.
© С.В. ШУЛЬЖЕНКО, 2021
15
Cтатистична обробка даних мінливості генерації вітрових та сонячних електростанцій для оцінки додаткової гнучкості енергосистеми
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
variability and uncertainty of demand and supply
across all relevant timescales»). Необхідність під-
вищення гнучкості енергосистеми викликана
значними обсягами впровадження чистої, але
мінливої відновлюваної генерації в електрич-
ні мережі, що є загальносвітовою тенденцією і
тому [6]: «В міру того як енергосистеми у світі
трансформуються, гнучкість енергосистем є сві-
товим пріоритетом» («As power systems around
the world transform, power system fl exibility has
become a global priority»). Існує багато заходів
для підвищення рівня гнучкості енергосистеми
[7], але основним та найбільш надійним є ви-
користання гнучких електростанцій, які можуть
гарантовано змінювати режими експлуатації,
тобто гнучко змінювати відпуск електричної
потужності в мережу. Наразі, на етапі початку
трансформації енергосистем, джерелом гнуч-
кості енергосистеми є електростанції, індивіду-
альна гнучкість яких характеризується трьома
складовими: точність регулювання потужності,
діапазон регулювання потужності та швидкість
зміни потужності [8]. Вдосконалення складо-
вих гнучкості існуючих електростанцій вима-
гає значних інвестицій та часу на здійснення
модернізації, і тому важливим питанням є ви-
значення необхідного рівня гнучкості в енерго-
системи, щоб згладити збурення МВДЕ відпо-
відно до поточного і майбутнього рівнів її вста-
новленої потужності. Цей необхідний рівень
гнучкості енергосистеми, що є відповідним до
встановленої потужності МВДЕ, є індивідуаль-
ним для кожної енергосистеми і залежить не
тільки від встановленої потужності МВДЕ, але і
кліматичних та погодних умов кожної країни. В
статті представлені оцінки додаткового обсягу
гнучкості, який розрахований з використанням
методів статистичної обробки історичних да-
них щодо генерації електроенергії МВДЕ в ОЕС
України протягом 2019 та 2020 рр.
Наразі загальноприйнята офіціальна націо-
нальна методологія оцінки необхідного обсягу
гнучкості, що виникає внаслідок впровадження
МВДЕ в ОЕС України, відсутня. Більш того, на-
разі в Україні не існує загального розуміння на-
укових підходів, які можуть бути використані
для оцінки необхідного обсягу встановленої по-
тужності гнучкої генерації, яка має надійно ком-
пенсувати збурення генерації МВДЕ. Інтуїтивно
зрозуміло – оскільки МВДЕ генерують потуж-
ність стохастично, то доцільно застосувати ме-
тоди статистичного аналізу, що запропоновано у
статті.
В Україні протягом останніх двох років спо-
стерігається швидке зростання встановленої по-
тужності вітрової та сонячної, так встановлена
потужність сонячних електростанцій на кінець
2020 р. сягне рівня більшого, ніж 5 ГВт, порів-
няно із 1,3 ГВт на початку 2019 р., а встановлена
потужність вітрової для аналогічних періодів ста-
новить більше, ніж 1,1 ГВт та 389 МВт. Порівня-
но із загальною встановленою, потужність елек-
тростанцій ОЕС України (атомні електростанції
– 13,8 ГВт, гідроелектростанції – більше 5,5 ГВт,
вугільні теплові електростанції – більше 25 ГВт і
інші), встановлена потужність МВДЕ до 2019 р.
була відносно незначною і тому статистичні дані
щодо генерації МВДЕ були не дуже надійні. Через
це фактичні дані щодо встановленої потужності
МВДЕ (табл. 1) та профілі генерації ними потуж-
ності були використані для 2019 та 2020 рр.
Як вхідні дані були використані профілі ге-
нерації електроенергії вітровими та сонячними
електростанціями з інтервалом одна година за
2019 р. – 8760 вимірювань, а також за 2020 р. –
8784 вимірювань. З використанням цих даних
Таблиця 1. Встановлена потужність вітрових та сонячних електростанцій в ОЕС України [9], МВт
Місяць Вітрові Сонячні
2019 2020 2019 2020
Січень 389 1036,5 1310,4 3792,8
Лютий 441,3 1036,5 1629,6 3966,8
Березень 510,6 1036,5 1692,1 4231,3
Квітень 579,5 1050 1777,8 4368,3
Травень 611,9 1064,7 1925,4 4515,4
Червень 611,9 1064,7 2161,6 4593,3
Липень 628,6 1070,7 2312,4 4683,8
Серпень 636,6 1070,7 2371,2 4911
Вересень 697,9 1070,7 2514,8 4938,3
Жовтень 831,7 1070,7 3038,2 5005,7
Листопад 1013,5 1070,7 3145,4 5061,6
Грудень 1025 1111,2 3555,4 5362,6
16
С.В. ШУЛЬЖЕНКО
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
були розраховані щогодинні рівні зміни генеро-
ваної потужності, але для сонячних електростан-
цій враховані лише дані, коли генерація фактично
відбувалась, тобто дані за нічні години не врахо-
вувались, тому для сонячних електростанцій для
обробки використовувались 4829 вимірювань для
2019 р., та 4944 – для 2020 р.
Статистичні дані профілів генерації МВДЕ
містять абсолютні щогодинні дані генерації по-
тужності, яка залежить від фактичного рівня вста-
новленої потужності вітрової та сонячної генера-
ції для кожного періоду, тому, щоб забезпечити
порівнянність (сумісність) даних для різних пері-
одів 2019 та 2020 рр. абсолютні рівні генерування
потужності були розділені на рівні встановленої
потужності відповідного періоду. Таким чином,
фактичні ряди були приведені до обсягів генера-
ції, що здійснюється 1 МВт встановленої потуж-
ності для кожної години, що розглядалась. Це дає
можливість застосуванням оберненої операції
оцінювати необхідний рівень гнучкості, відповід-
но до можливого певного рівня встановленої по-
тужності вітрової та сонячної генерації.
Обробка статистичних даних (приведених до
1 МВт встановленої потужності вітрових та со-
нячних електростанцій) здійснювалась за таким
алгоритмом:
1) розрахунок різниці між сусідніми проміж-
ками часу:
( ; 1) ( 1) ; ,t t t tP P P t T де T – за гальна кіль-
кість даних, що обробляється; ( ; 1)t tP – різниця ге-
нерації потужності між сусідніми часовими періо-
дами, МВт; tP , ( 1)tP – рівень генерації електричної
потужності для поточного періоду часу t та попе-
реднього періоду часу ( 1)t , МВт;
2) визначення абсолютного максимального та
мінімального значення для рядів даних, отрима-
них на кроці 1);
3) розділення, отриманого на кроці 2) діапазо-
ну на 20 рівних інтервалів;
4) розрахунок частоти потрапляння значень ряду,
отриманого на кроці 1) у відповідний інтервал.
Також цей алгоритм був застосований і для
ряду, який був побудований об’єднанням рядів за
2019 та 2020 рр. в один («2019 та 2020 разом» в
табл. 2)
Результати обробки даних щогодинних змін
потужності вітрових та сонячних електростанцій
(табл. 2 та рис. 1 відповідно) дозволяють сформу-
лювати гіпотезу щодо нормального розподілу для
кожного з цих рядів даних.
Для розрахунку значень дисперсії (щодо мате-
матичного сподівання прийнята гіпотеза, що воно
дорівнює середньому значенню) використаний
Таблиця 2. Частоти потрапляння значень щогодинної зміни генерації потужності вітровими
та сонячними електростанціями, MВт
Інтервал №
Вітрові Сонячні
Значення,
МВт 2019 2020 2019 та
2020 разом
Значення,
МВт 2019 2020 2019 та
2020 разом
1 (абс. мінімум) ‒0,387 1 0 1 ‒0,229 1 0 1
2 ‒0,343 0 1 1 ‒0,204 1 0 1
3 ‒0,299 1 4 5 ‒0,179 6 9 15
4 ‒0,255 8 8 16 ‒0,153 58 59 117
5 ‒0,211 31 27 58 ‒0,128 182 149 331
6 ‒0,167 55 47 102 ‒0,103 320 262 582
7 ‒0,123 172 126 298 ‒0,078 331 348 679
8 ‒0,079 436 377 813 ‒0,052 437 401 838
9 ‒0,035 1137 1095 2232 ‒0,027 463 515 978
10 0,009 3418 3745 7163 ‒0,002 397 554 951
11 0,053 2265 2258 4523 0,024 865 956 1845
12 0,097 771 718 1489 0,049 468 473 941
13 0,141 281 229 510 0,074 353 345 698
14 0,185 113 79 192 0,100 295 258 553
15 0,229 47 36 83 0,125 288 288 576
16 0,273 12 21 33 0,150 227 158 385
17 0,317 9 8 17 0,175 96 124 220
18 0,361 1 2 3 0,201 34 40 74
19 0,404 2 0 2 0,226 4 5 9
20 0,448 0 0 0 0,251 2 0 2
21 (абс. максимум) 0,492 0 3 3 0,277 1 0 1
17
Cтатистична обробка даних мінливості генерації вітрових та сонячних електростанцій для оцінки додаткової гнучкості енергосистеми
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
метод найменших квадратів, який забезпечує най-
кращу відповідність між статистичними даними
гістограми та теоретичним нормальним розподі-
лом. Для даних зміни потужності вітрової станції
отримані значення параметрів нормального роз-
поділу, які майже ідеально співпадають зі фак-
тичним статистичними даними гістограми. Для
даних, що характеризують щогодинну зміну по-
тужності сонячної електростанції внаслідок їх ва-
ріабельності, принаймні дві теоретичні криві, що
забезпечують максимальне співпадіння нормаль-
ного розподілу з фактичним даними, можуть бути
побудовані. Таким чином, параметри теоретично-
го нормального розподілу, які забезпечують най-
меншу похибку за методом найменших квадратів
для вітрової генерації за 2019 та 2020 рр. разом
(рис. 1, а), крива «Теор.-19&20») становлять: ма-
тематичне сподівання – 0,02, дисперсія – 0,042.
Аналогічні значення для сонячної генерації ста-
новлять: відповідно до теоретичного розподілу
№1 (рис. 1, б), крива «Теор.1-19&20») математич-
не сподівання – 0,024, дисперсія – 0,082, а відпо-
відно до теоретичного розподілу № 2 (рис. 1, б),
крива «Теор.2-19&20») математичне сподівання –
0,024, дисперсія – 0,062.
Результати, наведені вище, отримані з викорис-
танням даних за весь рік (фактично за два роки)
без урахування сезонних змін у генерації елек-
тричної енергії вітровими та сонячними електро-
станціями, хоча очевидно, що для сонячних елек-
тростанцій сезонні зміни мають бути значними і
певна нерівномірність притаманна також і вітро-
вим електростанціям (табл. 3, рис. 2). Для ураху-
вання нерівномірності генерації данні для кожно-
го року в цілому були розділені на два діапазони
(6 місяців кожен), які відповідають опалювально-
му та неопалювальному сезонам в Україні – 1-й
сезон зимовий (охоплює час з жовтня до березня
включно), 2-й сезон літній (починаючи з квітня і
до вересня включно).
Для обробки даних зміни потужності генера-
ції вітровими та сонячними електростанціями
б)
Рис. 1. Гістограми щогодинної зміни потужності вітрових (а) та сонячних (б) електростанцій
0
2000
4000
6000
8000
-0.5 -0.4 -0.3 -0.2 0.2 0.3 0.4 0.5-0.1 0 0.1
Зміна потужності, МВт
Частота
Вітрова-2019 Вітрова-2020 Вітрова-19&20 Теор.-19&20
a)
0
500
1000
1500
2000
-0.3 -0.2 -0.1 0.1 0.2 0.30
Зміна потужності, МВт
Частота
Сонячна-2019 Сонячна-2020 Сонячна-19&20
Теор.1-19&20 Теор.2-19&20
а)
18
С.В. ШУЛЬЖЕНКО
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
б)
Рис. 2. Генерація електроенергії вітровими (a) та сонячними (б) електростанціями умовною
встановленою потужність 1 МВт протягом року за відповідні місяці, МВт·год
Таблиця 3. Генерація електроенергії вітровими та сонячними електростанціями умовною
встановленою потужність 1МВт протягом року за відповідні місяці, МВт‧год
Місяць
Вітрові Сонячні
2019 2020 2019 & 2020
(середнє) 2019 2020 2019 & 2020
(середнє)
Січень 347 259 303 25 35 30
Лютий 275 328 302 44 53 48
Березень 281 348 315 104 94 99
Квітень 248 250 249 131 133 132
Травень 215 201 208 128 109 118
Червень 239 158 199 144 126 135
Липень 153 171 162 145 150 147
Серпень 229 164 196 151 159 155
Вересень 258 193 226 106 116 111
Жовтень 135 251 193 78 71 75
Листопад 324 203 263 41 31 36
Грудень 265 374 320 24 15 20
Всього за рік 2970 2901 2936 1121 1092 1107
для відповідних сезонів був застосований такий
же вище наведений алгоритм, як і для даних за
рік (або за два роки) вцілому. Результати обробки
даних для відповідних сезонів (рис. 3 та 4) по-
казують, що для сонячних електростанцій прита-
манне більш високе значення стандартного від-
хилення (дисперсії) для періоду з більш високим
рівнем генерації – протягом літнього сезону дис-
персія більша, ніж удвічі порівняно із зимовим
періодом (рис. 4).
За результатами застосування методу наймен-
ших квадратів отримані такі параметри теоретич-
0
100
200
300
400
1 2 3 4 5 6 7 8 9 10 11 12
Місяць
МВт год. Вітрова-2019 Вітрова-2020 Вітрова-19&20 (середнє)
a)
0
20
40
60
80
100
120
140
160
180
1 2 3 4 5 6 7 8 9 10 11 12Місяць
МВт год. Сонячна-2019 Сонячна-2020 Сонячна-19&20 (середнє)
а)
19
Cтатистична обробка даних мінливості генерації вітрових та сонячних електростанцій для оцінки додаткової гнучкості енергосистеми
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
б)
Рис. 4. Гістограми щогодинної зміни потужності сонячних електростанцій
для зимового (a) та літнього (б) сезонів
а)
б)
Рис. 3. Гістограми щогодинної зміни потужності вітрових електростанцій
для зимового (a) та літнього (б) сезонів
0
1000
2000
3000
4000
-0.5 -0.4 -0.3 -0.2 0.2 0.3 0.4 0.5-0.1 0 0.1
Зміна потужності, МВт
Вітрова зимою 19&20 Теор. Зима 19&20
0
1000
2000
3000
4000
-0.5 -0.4 -0.3 -0.2 0.2 0.3 0.4 0.5-0.1 0 0.1
Зміна потужності, МВт
Вітрова літом 19&20 Теор. Літо 19&20
0
500
1000
1500
2000
-0.3 -0.2 -0.1 0.1 0.2 0.30
Зміна потужності, МВт
Частота
Сонячна зимою 19&20 Теор.Зима 1 Теор.Зима 2
a)
0
500
1000
-0.3 -0.2 -0.1 0.1 0.2 0.30
Зміна потужності, МВт
Частота
Сонячна літом 19&20 Теор.Літо 1 Теор.Літо 2
а)
Частота
Частота
20
С.В. ШУЛЬЖЕНКО
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
ного нормального розподілу для вітрової гене-
рації для даних за 2019 та 2020 рр.: для зимового
сезону (рис. 3, а) – математичне сподівання 0,022,
дисперсія – 0,044, а для літнього сезону (рис. 3, б) –
математичне сподівання 0,022, дисперсія – 0,046.
Обробка даних зміни потужності генерації
електроенергії сонячними електростанціями для
зимового та літнього сезонів 2019 та 2020 рр. та
застосування методу найменших квадратів дає
такі результати: для зимового сезону (рис. 4, а)
відповідно до гіпотези 1 – математичне сподівання
0,022, дисперсія – 0,0445, а відповідно до гіпоте-
зи 2 – математичне сподівання 0,022, дисперсія –
0,032; для літнього сезону (рис. 4, б) відповідно
до гіпотези 1 – математичне сподівання 0,18, дис-
персія – 0,0926, а відповідно до гіпотези 2 – мате-
матичне сподівання 0,18, дисперсія – 0,0794.
Розраховані параметри теоретичного нор-
мального розподілу для щогодинної зміни потуж-
ності вітровими та сонячними електростанціями
можуть бути використані для оцінки доцільних
режимів експлуатації гнучкої генерації енерго-
системи відповідно до встановленої потужності
МВДЕ. Очевидно, що в нічні години обсяг необ-
хідної гнучкої генерації для згладжування нерів-
номірності МВДЕ має відповідати лише обсягам
вітрової генерації оскільки сонячна генерація
відсутня, і цей необхідний рівень гнучкості енер-
госистеми буде нижчим за денні години, оскіль-
ки сонячна генерація додає нерівномірність до
вітрової. Таким чином, окреме визначення варі-
абельності вітрової та сонячної генерації є до-
цільним, оскільки дозволяє більш адекватно оці-
нити вимоги до наявного в енергосистемі обсягу
гнучкості протягом всієї доби.
Використовуючи алгоритм визначення пара-
метрів нормального розподілу зміни потужності
вітрових та сонячних електростанцій, можливо
зробити попередні оцінки необхідних діапазонів
гнучкої генерації в ОЕС України, відповідно до
прогнозованої встановленої потужності МВДЕ,
який, наприклад, наведений у «Звіті з відповід-
ності (достатності) генеруючих потужностей
(Проєкт)» [10]. Відповідно до [10], встановлена
потужність вітрових електростанцій прогнозу-
ється на рівні 4300 МВт у 2025 р. та 6300 МВт у
2030 р., встановлена потужність сонячних елек-
тростанцій прогнозується на рівні 7888 МВт у
2025 р. та 10013 МВт у 2030 р. Використовуючи
розраховані параметри нормального розподілу
можливо розрахувати діапазони варіабельності
потужності, що генерується вітровими та соняч-
ними електростанціями із наперед заданою ймо-
вірністю шляхом множення значення встановле-
ної потужності на розраховані значення матема-
тичного сподівання та/або дисперсії.
З теорії ймовірностей відомо, що випадкова
величина розподіл якої є нормальним буде зна-
ходитись у межах [‒σ; + σ] із ймовірністю 0,68,
отже для вітрової генерації необхідний рівень
гнучкості із ймовірністю 0,68 буде знаходитись
в інтервалі [‒94,6; 266,6] МВт з математичним
сподіванням 86 МВт для 2025 р. та в інтервалі
[‒138,6; 390,6] МВт з математичним сподіванням
126 МВт для 2030 р., а для сонячної генерації від-
повідні інтервали будуть такими: відповідно до
параметрів нормального розподілу відповідно до
гіпотези 1 – [‒299,7; 678,4] МВт, математичне спо-
дівання 189,3 МВт для 2025 р. та [‒380,5; 861,1]
МВт із математичним сподіванням 240,3 МВт для
2030 р.; відповідно до гіпотези 2 – [‒478,4; 857,04]
МВт, математичне сподівання 189,3 МВт для
2025 р. та [‒607,3; 1087,9] МВт з математичним
сподіванням 240,3 МВт для 2030 р.
Відповідні діапазони для зимового та літнього
сезону:
- зимовий сезон:
- вітрова генерація: діапазон – [‒94,6; 283,8]
МВт, математичне сподівання 94,6 МВт для
2025 р. та [‒138,6; 415,8] МВт з математичним
сподіванням 138,6 МВт для 2030 р.;
- сонячна генерація відповідно до гіпотези 1:
математичне сподівання – 173,5 МВт, діапазон ‒
[‒177,48; 524,55] МВт для 2025 р. та математич-
не сподівання – 220,3 МВт, діапазон – [‒225,29;
665,86] МВт для 2030 р.;
- сонячна генерація відповідно до гіпотези 2:
математичне сподівання – 173,5 МВт, діапазон –
[‒78,88; 425,95] МВт для 2025 р. та математич-
не сподівання – 220,3 МВт, діапазон – [‒100,13;
540,72] МВт для 2030 р.;
- літній сезон:
- вітрова генерація: діапазон – [‒124,7; 262,2]
МВт, математичне сподівання 94,6 МВт для
2025 р. та [‒182,7; 384,3] МВт з математичним
сподіванням 138,6 МВт для 2030 р.;
- сонячна генерація відповідно до гіпотези 1:
математичне сподівання – 142 МВт, діапазон ‒
[‒588,61; 872,58] МВт для 2025 р. та математич-
не сподівання – 180,2 МВт, діапазон – [‒747,18;
1107,65] МВт для 2030 р.;
- сонячна генерація відповідно до гіпотези 2:
математичне сподівання – 173,5 МВт, діапазон ‒
[‒484,35; 768,31] МВт для 2025 р. та математич-
не сподівання – 220,3 МВт, діапазон – [‒614,83;
975,3] МВт для 2030 р.
ВИСНОВКИ
1. Стале очікуване майбутнє зростання вста-
новленої потужності мінливих вітрової та со-
нячної генерацій у світі потребує більш точного
прогнозування обсягів генерування ними потуж-
21
Cтатистична обробка даних мінливості генерації вітрових та сонячних електростанцій для оцінки додаткової гнучкості енергосистеми
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
ності для кожного дня та у межах однієї доби з
часовим інтервалом одна година, а також оцінки
рівнів збурень, який притаманний цьому типу
генеруючих потужностей. Ці збурення мають
згладжуватись на рівні енергосистеми іншими,
зазвичай традиційними, типами генерації при-
наймні щоб забезпечити показники надійності
електричної мережі та належну якість електро-
енергії. Важливим питанням є визначення необ-
хідного рівня гнучкості в енергосистеми, щоб
згладити збурення МВДЕ, відповідно до поточ-
ного і майбутнього рівнів її встановленої по-
тужності. Недостатній обсяг гнучкої генерації
призводить до необхідності обмеження обсягів
генерування електроенергії МВДЕ, що негатив-
но впливає на економічну ефективність об’єктів
генерації чистої електроенергії. З іншого боку,
вдосконалення складових гнучкості існуючих
електростанцій вимагає значних інвестицій та
значного часу на здійснення модернізації, і тому
важливим питанням є визначення необхідного
рівня гнучкості в енергосистеми, щоб згладити
збурення МВДЕ, відповідно до поточного і май-
бутнього рівнів її встановленої потужності.
2. Наразі загальноприйнята офіціальна наці-
ональна методологія оцінки необхідного обсягу
гнучкості, що виникає внаслідок впроваджен-
ня МВДЕ в ОЕС України відсутня. Більш того,
наразі в Україні не існує загального розуміння
наукових підходів, які можуть бути використа-
ні для оцінки необхідного обсягу встановленої
потужності гнучкої генерації, яка має надійно
компенсувати збурення генерації МВДЕ. Інтуї-
тивно зрозуміло – оскільки МВДЕ генерують по-
тужність стохастично, то доцільно застосувати
методи статистичного аналізу. В статті представ-
лені оцінки додаткового обсягу гнучкості, який
розрахований з використанням методів статис-
тичної обробки історичних даних щодо генерації
електроенергії МВДЕ в ОЕС України протягом
2019 та 2020 рр.
3. Результати обробки даних щогодинних змін
потужності вітрових та сонячних електростан-
цій дозволяють сформулювати гіпотезу щодо
нормального розподілу для кожного з цих рядів
даних. У статті наведені результати розрахунку
параметрів нормального розподілу для фактич-
них даних генерації вітрової та сонячної електро-
енергії за 2019 та 2020 рр. вцілому, а також для
опалювального (зима) та неопалювального (літо)
сезонів в Україні. Розраховані параметри дозволя-
ють зробити більш точну оцінку сезонних рівнів
варіабельності МВДЕ, що особливо важливо для
сонячної генерації.
4. Запропонована в статті методологія дозволяє
попередньо оцінити режими експлуатації гнучкої
генерації, відповідно до встановленої потужнос-
ті МВДЕ. У нічні години обсяг необхідної гнучкої
генерації для згладжування нерівномірності МВДЕ
має відповідати лише обсягам вітрової генерації че-
рез те, що сонячна генерація відсутня, і цей необхід-
ний рівень гнучкості енергосистеми буде нижчим за
денні години, оскільки сонячна генерація додає не-
рівномірність до вітрової. Таким чином, окреме ви-
значення варіабельності вітрової та сонячної генера-
ції є доцільним, оскільки дозволяє більш адекватно
оцінити вимоги до наявного в енергосистемі обсягу
гнучкості протягом всієї доби для сезонів зима/літо.
5. Оцінки, отримані в статті, можуть бути ви-
користані як перший крок для більш ефективного
управління ринком електричної енергії, напри-
клад, за рахунок більш точного прогнозування
необхідного обсягу гнучкої генерації або допо-
міжних послуг в енергосистеми для її внутріш-
ньодобової збалансованості.
1. Про Цілі сталого розвитку України на період до 2030
року: Указ Президента України від 30.09.2019 №722/2019.
URL: https://zakon.rada.gov.ua/laws/show/722/2019 (дата
звернення: 22.11.2020).
2. Цілі сталого розвитку: Україна: Національ-
на доповідь 2017. URL: http://un.org.ua/images/SDGs_
NationalReportUA_Web_1.pdf (дата звернення: 22.11.2020).
3. Про ринок електричної енергії: Закон України
від 13.04.2017 № 2019-VIII. Відомості Верховної Ради
(ВВР), 2017, № 27-28, ст. 312.
4. IRENA (2018), Power System Flexibility for the
Energy Transition, Part 1: Overview for policy makers,
International Renewable Energy Agency, Abu Dhabi.
5. Status of Power System Transformation 2018:
Advanced Power Plant Flexibility, International Energy
Agency, Paris. https://doi.org/10.1787/9789264302006-en.
6. Status of Power System Transformation 2019: Power
system fl exibility, OECD Publishing, Paris, https://doi.
org/10.1787/7c49400a-en.
7. Akrami, A., Doostizadeh, M. & Aminfar, F. Power
system fl exibility: an overview of emergence to evolution.
J. Mod. Power Syst. Clean Energy. 2019. Vol. 7. P. 987–
1007. https://doi.org/10.1007/s40565-019-0527-4
8. Status of Power System Transformation 2017:
System Integration and Local Grids, International Energy
Agency, Paris. https://doi.org/10.1787/9789264278820-en.
9. Installed capacity of the IPS of Ukraine values. URL:
https://ua.energy/installed-capacity-of-the-ips-of-ukraine/
(дата звернення: 05.01.2021).
10. Adequacy Report 2020. URL: https://
ua.energy/wp-content/uploads/2020/12/Proyekt-zvitu-
z-otsinky-vidpovidnosti-dostatnosti-generuyuchyh-
potuzhnostej-2020.pdf (дата звернення: 22.11.2020).
Надійшла до редколегії: 11.01.2021
22
S.V. SHULZHENKO
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
ISSN 2522-4344 (Online), ISSN 1562-8965 (Print). The problems of general energy, 2021, 1(64): 14–28
doi: https://doi.org/10.15407/pge2021.01.014
The development of renewable energy, includ-
ing variable wind and solar PV electricity genera-
tion, which is commonly named variable renewable
energy (VRE) is supported in Ukraine by several
legislative acts [1-3]. There are more than 1.1 GW
of wind and more than 5 GW of solar PV expected
to be connected to the Ukrainian Integrated Power
System (IPS) by the end of 2020, also expected fur-
ther growth of installed VRE capacity. During 2020
NPC “Ukrenergo”, Ukrainian Transmission System
Operator sometimes has curtailed VRE generation,
maintaining the balance between electric power con-
sumption and generation ensuring grid stability and
enough volume of operating reserves. These curtail-
ments are explained by the actual lack of fl exibility,
which occurs due to the inadequate volume of con-
ventional balancing generators capable of smoothing
disturbances caused by the variability of wind and
solar PV electric power output.
The fl exibility of the Power System is a new com-
monly used term. According to the IRENA [4] which
refers to [5] as a source: “Power system fl exibility is
defi ned as the ability of a power system to reliably
and cost-eff ectively manage the variability and un-
certainty of demand and supply across all relevant
timescales”. The need to increase power system fl ex-
ibility is induced by the high penetration of clean but
variable renewable generation into the power grids,
which is a global trend and hence [6]: “As power
systems around the world transform, power system
fl exibility has become a global priority”. There are a
number of approaches to improve power system fl ex-
ibility [7], but basic and one of the most reliable ones
is to operate fl exible power plants with controlled op-
eration modes. Currently, at the stage of the power
systems starts transformation, the sources of power
system fl exibility basically are the power plants
whose individual fl exibility is characterized by three
dimensions: adjustability, ramping and lead time [8].
The improvement of existing power plants fl exibility
requires an essential investments and time to retro-
fi t them, and because of that the important question
- what is the required level of power system fl exibil-
ity is needed to smooth current and future VRE gen-
eration. This, required power system fl exibility level
caused by VRE penetration is individual for each
national power system and depends not only on the
installed capacity of VRE but also on each country’s
climatic and weather conditions. The article presents
assessments of the additional fl exible capacity vol-
UDC 621.3;519.8 S.V. SHULZHENKO, PhD (Engin), Senior Research Scientist, ORCID: 0000-0002-7720-0110
Institute of General Energy, National Academy of Sciences of Ukraine, Antonovicha St., 172,
Kyiv, 03150, Ukraine
STATISTICAL PROCESSING OF WIND AND SOLAR PV GENERATION VARIABILITY
FOR ASSESMENT OF ADDITIONAL POWER SYSTEM FLEXIBILITY
Stable future growth of variable wind and solar PV installed capacity in power systems
worldwide critically requires accurate forecasting of its day-by-day and hour-to-
hour generation mode and assessing the levels of potential disturbances this type
of generation could cause. These disturbances should be smoothened in the Power
System by others, usually conventional generators at least to ensure grid stability
and electricity quality. One of the key questions for any Power System operation and
development planning what additional flexible generation needed to smooth variable
renewable energies (VRE) disturbances? Because of the stochastic nature of VRE
generation, the obvious method to assess the volume of additional flexible capacity
is statistical processing of historical VRE generation data, which was applied to the
2019 and initially partially 2020 data (the results for 2020 have been updated and
presented in the article for a whole year as statistical data became available). The
results of statistical processing show that depending on VRE installed capacity and
accepted level of probability of VRE generation variability the additional several
hundred MW of flexible generation should operate in the Power System to abate
disturbances caused by VRE.
K e y w o r d s: variable renewable energy, power system, flexibility, generation
profile, statistical data processing.
© S.V. SHULZHENKO, 2021
23
Statistical processing of wind and solar pv generation variability for assesment of additional power system flexibility
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
ume which was calculated using statistical processing
of historical VRE generation data for 2019 and 2020
of the Ukrainian Power System.
There is no offi cial or commonly accepted national
methodology to assess the required amount of fl exi-
ble capacity due to the high penetration of variable re-
newables in the Ukrainian Power System. Moreover,
there is no common understanding in Ukraine about
scientifi c approach(es) that could be used to assess
the amount of reserve capacity to reliably compen-
sate fl uctuations of renewables. Intuitively clear that
because of stochastic nature of renewable (wind and
solar) generation then some sort of stochastic analysis
will be reasonable to apply.
The rapid growth of wind and solar installed ca-
pacity is observed in Ukraine during the last two
years, the installed capacity of photovoltaic solar sta-
tions (PV) has reached 5.4 GW by the end of 2020
compared to 1.3 GW at the beginning of 2019, the in-
stalled capacity of Wind reached 1.1 GW by the end of
2020 compared to 389 MW at the beginning of 2019.
Compare to the overall installed capacity of genera-
tors of Ukrainian Power System (nuclear – 13.8 GW,
hydro – more than 5.5 GW, coal thermal power plants
– more than 25 GW and some other generations) the
level of renewables before 2019 was comparatively
small, hence the statistics about renewable’s genera-
tion before 2019 was not very reliable. That is why
the actual data about wind and PV installed capaci-
ties (table 1) and generation profi les were used for the
2019 and 2020 years.
There are 8760 hourly measurements available for
2019, and 8784 – for 2020. The data for wind and
solar PV generation were processed to calculate the
hour-by-hour change power output. The zero-power
generation by PV during the night time was not ac-
counted for processing, thus for PV there are 4829
values were processed for 2019 and 4944 – for 2020.
The available hourly power generation statistics
for wind and solar PV consist of absolute levels of
power outputs, which obviously depend on the actual
wind and solar PV installed capacity for each period,
to provide comparability of processed data for diff er-
ent periods the absolute values of power output from
wind and solar PV were divided by appropriate (wind
or solar PV) installed capacity. Thus, we get power
output per 1 MW of installed capacity during each
hour for any time periods considered. And vice versa,
multiplying fi gures of power output from 1 MW on
(projected) installed capacity We will get the absolute
generation levels, which could be used to assess ab-
solute levels of required amounts of fl exible capacity.
The data processing procedure for wind and solar
PV power generation data set (related to the 1 MW of
installed capacity) includes such steps:
1) calculations of the diff erence between levels of
power generation for neighboring time periods:
( ; 1) ( 1) ; ,t t t tP P P t T where T – t otal
number of statistical observations for processing;
( ; 1)t tP – diff erence between neighboring time peri-
ods, MW; tP , ( 1)tP – power output during time slice
t and ( 1)t , MW;
2) calculation of absolute minimum and maximum
values for data sets calculated at step 1);
3) dividing the obtained at step 2) range into 20
equal intervals;
4) calculation the frequencies of appearing each
value within an appropriate interval.
Also, the additional data processing was made for
the data set which was constructed unifying two data
sets into one (“2019 & 2020 together” in table 2).
The results of hour-by-hour power output
change for wind and solar PV (table 2 and appro-
priate histograms – fi g. 1) are allowed to make a
hypothesis about the normal distribution for each
of these data sets.
Тable 1. Installed capacity of Wind and PV generation embedded to the Ukrainian Power System [9], MW
Month Wind PV Solar PV
2019 2020 2019 2020
January 389 1036,5 1310,4 3792,8
February 441,3 1036,5 1629,6 3966,8
March 510,6 1036,5 1692,1 4231,3
April 579,5 1050 1777,8 4368,3
May 611,9 1064,7 1925,4 4515,4
June 611,9 1064,7 2161,6 4593,3
July 628,6 1070,7 2312,4 4683,8
August 636,6 1070,7 2371,2 4911
September 697,9 1070,7 2514,8 4938,3
October 831,7 1070,7 3038,2 5005,7
November 1013,5 1070,7 3145,4 5061,6
December 1025 1111,2 3555,4 5362,6
24
S.V. SHULZHENKO
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
The method of least squares was used to fi nd the
value of dispersion (the hypothesis that statistical av-
erage is equal to theoretical mean was accepted) pro-
viding the best fi t between a statistical histogram and
normal distribution. For wind data, the near-ideal fi t
is obtained, but for solar PV data due to its variabil-
ity, at least two theoretical normal distribution curves
could be constructed with the near-equal diff erence
between statistical data and theoretical normal distri-
bution. Hence, the parameters for normal distribution
that provide the best fi t of statistical wind curve (fi g.
1 a) for 2019 and 2020 with theoretical one is mean -
0.02, dispersion – 0.042. The parameters for normal
distribution that provide the best fi t of statistical PV
curve (fi g. 1 b) for 2019 and 2020 with theoretical
one are: option 1 - mean - 0.024, dispersion – 0.084;
option 2 – mean - 0.024, dispersion – 0.062.
The above-mentioned results have been obtained
for a whole year and do not take into consideration the
seasonal variation of electricity production or power
output of wind and solar PV generation, though it is
absolutely obvious for solar PV generation, and some-
how for wind generation too (table 3, fi g. 2). Based on
this the data for wind and solar PV generation were
split into 2 ranges (6 months each), which are corre-
sponding to a duration of a heating/no-heating seasons
in Ukraine - 1-st for winter (October - March), 2-nd
one for Summer (April - September).
The same, above-mentioned data processing pro-
cedure for wind and solar PV average generation
during winter and summer seasons was used. The re-
sults (fi g. 3 and fi g.4) of data processing shows that
for solar PV data set a higher standard deviation (dis-
persion) value is corresponding to the seasons with
higher generation levels – during a summer season
the dispersion value more than 2 times larger com-
pared to a winter one (fi g. 4).
The parameters for normal distribution that provide
the best fi t of statistical wind curve for winter season
(fi g. 3 a) using data for 2019 and 2020 with theoretical
one is mean - 0.022, dispersion – 0.044, and for sum-
mertime (fi g. 3 b) – mean 0.022, dispersion – 0.046.
The parameters for normal distribution that pro-
vide the best fi t of statistical solar PV curve for win-
ter season (fi g. 4 a) using data for 2019 and 2020
with theoretical one are: option 1 - mean - 0.022, dis-
persion – 0.0445; option 2 – mean - 0.022, dispersion
– 0.032, and for summer season (fi g. 4 b): option 1
– mean – 0.18, dispersion – 0.0926; option 2 – mean
– 0.18, dispersion – 0.0794.
Table 2. The frequencies of wind and solar PV hour-by-hour power output changes, MW
Interval #
Wind PV Solar PV
Interval
of power
output
change
2019 2020
2019 &
2020
together
Interval
of power
output
change
2019 2020
2019 &
2020
together
1 (Abs. Min value) ‒0,387 1 0 1 ‒0,229 1 0 1
2 ‒0,343 0 1 1 ‒0,204 1 0 1
3 ‒0,299 1 4 5 ‒0,179 6 9 15
4 ‒0,255 8 8 16 ‒0,153 58 59 117
5 ‒0,211 31 27 58 ‒0,128 182 149 331
6 ‒0,167 55 47 102 ‒0,103 320 262 582
7 ‒0,123 172 126 298 ‒0,078 331 348 679
8 ‒0,079 436 377 813 ‒0,052 437 401 838
9 ‒0,035 1137 1095 2232 ‒0,027 463 515 978
10 0,009 3418 3745 7163 ‒0,002 397 554 951
11 0,053 2265 2258 4523 0,024 865 956 1845
12 0,097 771 718 1489 0,049 468 473 941
13 0,141 281 229 510 0,074 353 345 698
14 0,185 113 79 192 0,100 295 258 553
15 0,229 47 36 83 0,125 288 288 576
16 0,273 12 21 33 0,150 227 158 385
17 0,317 9 8 17 0,175 96 124 220
18 0,361 1 2 3 0,201 34 40 74
19 0,404 2 0 2 0,226 4 5 9
20 0,448 0 0 0 0,251 2 0 2
21 (Abs. Max value) 0,492 0 3 3 0,277 1 0 1
Total number of
observations (hours) 8760 8784 17544 4829 4944 9797
25
Statistical processing of wind and solar pv generation variability for assesment of additional power system flexibility
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
Table 3. Monthly electricity generation by wind and solar PV reduced to 1MW
of installed capacity, MWh
Month
Wind PV Solar PV
2019 2020 2019 & 2020
(average) 2019 2020 2019 & 2020
(average)
January 347 259 303 25 35 30
February 275 328 302 44 53 48
March 281 348 315 104 94 99
April 248 250 249 131 133 132
May 215 201 208 128 109 118
June 239 158 199 144 126 135
July 153 171 162 145 150 147
August 229 164 196 151 159 155
September 258 193 226 106 116 111
October 135 251 193 78 71 75
November 324 203 263 41 31 36
December 265 374 320 24 15 20
Sum 2970 2901 2936 1121 1092 1107
0
2000
4000
6000
8000
-0.5 -0.4 -0.3 -0.2 -0.1 0.1 0.2 0.3 0.4 0.50
Power change, MW
Frequency
Wind-2019 Wind-2020 Wind-19&20 Theory-19&20
a)
0
500
1000
1500
2000
-0.3 -0.2 -0.1 0.1 0.2 0.30
Power change, MW
Frequency
PV-2019 PV-2020 PV-19&20 Theory1-19&20 Theory2-19&20
Fig. 1. The histograms of wind (a) and solar PV (b) hour-by-hour power output changes
а)
b)
26
S.V. SHULZHENKO
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
b)
Fig. 2. Monthly electricity generation by wind (a) and solar PV (b) reduced
to 1MW of installed capacity, MWh
0
100
200
300
400
1 2 3 4 5 6 7 8 9 10 11 12
Month
MWh Wind-2019 Wind-2020 Wind-19&20 Average
a)
0
20
40
60
80
100
120
140
160
180
1 2 3 4 5 6 7 8 9 10 11 12Month
MWh PV-2019 PV-2020 PV-19&20 Average
а)
0
1000
2000
3000
4000
-0.5 -0.4 -0.3 -0.2 -0.1 0.1 0.2 0.3 0.4 0.50
Power change, MW
Frequency
Wind-Winter 19&20 Theory
а)
0
1000
2000
3000
4000
-0.5 -0.4 -0.3 -0.2 -0.1 0.1 0.2 0.3 0.4 0.50
Power change, MW
Frequency
Wind-Summer 19&20 Theory
б)
Fig. 3. The histograms of wind (during a winter season –
a), and for summertime -b) hour-by-hour power output changes
27
Statistical processing of wind and solar pv generation variability for assesment of additional power system flexibility
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
The parameters of theoretical normal distribu-
tions (mean and dispersion) which were calculated
for hour-by-hour wind and solar PV generation
changes could be used to assess operation modes of
fl exible generators in the power system depending
on levels of wind and solar PV installed capacities.
Also is clear that during nighttime the fl exible gen-
eration is needed to smooth only wind generation be-
cause of the absence of power output from solar PV,
and this level of fl exibility will be lower compared to
the daytime as solar PV generation fl uctuations are
added to the wind. Therefore, the separate assess-
ments of wind and solar PV variation are important
as this allows more adequately assess required levels
of power system fl exibility during a whole day.
Taking into account above stated approach and re-
sults the preliminary ranges of fl exible generation’s
operation modes according to the installed capacities
of VRE generation projected in «Adequacy Report
2020 (Project)» [10] could be assessed. The installed
capacity of renewable energy sources according to
the «Adequacy Report 2020 (Project)» are forecasted
at levels: 4300 MW in 2025 and 6300 MW in 2030
for wind, and for PV - 7888 in 2025 and 10013 MW
in 2030. Using the parameters of the theoretical nor-
mal distributions, we obtained as a result of process-
ing statistics, we can estimate the range of variation
of the output power with an acceptable probability
multiplying the value of installed capacity by calcu-
lated mean and/or dispersion.
It is known that for events distributed according to
the normal distribution law the random value will be
within the range of [-σ;+ σ] with probability 0.68, hence
for wind the required level of fl exibility with probability
0.68 will be within the range [-94.6;266.6] with mean 86
MW for 2025 and [-138.6;390.6] with mean 126 MW
for 2030, and for solar PV appropriate ranges will be:
using parameters of theoretical distribution according
to the option 1) – [-299.7;678.4] with mean 189.3 MW
for 2025 and [-380.5;861.1] with mean 240.3 MW for
2030, and according to the option 2) – [-478.4;857.04]
with mwan 189.3 MW for 2025 and [-607.3;1087.9]
with mean 240.3 MW for 2030.
The appropriate ranges for:
- winter season are:
- wind generation: [-94.6;283.8] with mean
94.6 MW for 2025, and [-138.6;415.8] with mean
138.6 MW for 2030;
- solar PV generation, mean and dispersion ac-
cording to the Option 1: mean – 173.5 MW, range
- [-177.48;524.55] for 2025, and mean - 220.3 MW,
range - [-225.29;665.86] for 2030;
- solar PV generation, mean and dispersion ac-
cording to the Option 2: mean – 173.5 MW, range
b)
Fig. 4. The histograms of solar PV (during a winter season –
a), and for summertime -b) hour-by-hour power output changes
0
500
1000
1500
2000
-0.3 -0.2 -0.1 0.1 0.2 0.30
Power change, MW
Frequency
PV-Winter 19&20 Theory-1 Theory-2
0
500
1000
-0.3 -0.2 -0.1 0.1 0.2 0.30
Power change, MW
Frequency
PV-Summer 19&20 Theory-1 Theory-2
а)
28
S.V. SHULZHENKO
ISSN 1562-8965. The Problems of General Energy, 2021, issue 1(64)
- [-78.88;425.95] for 2025, and mean – 220.3 MW,
range - [-100.13;540.72] for 2030;
- summer season are:
- wind generation: [-124.7;262.2] with mean 94.6
MW for 2025, and [-182.7;384.3] with mean 138.6
MW for 2030;
- solar PV generation, mean and dispersion ac-
cording to the Option 1: mean – 142 MW, range –
[-588.61;872.58] for 2025, and mean – 180.2 MW,
range – [-747.18;1107.65] for 2030;
- solar PV generation, mean and dispersion ac-
cording to the Option 2: mean – 142 MW, range –
[-484.35;768.31] for 2025, and mean – 180.2 MW,
range – [-614.83;975.3] for 2030.
CONCLUSIONS
1. Stable future growth of variable wind and so-
lar PV installed capacity in power systems worldwide
critically requires accurate forecasting of its day-by-
day and hour-to-hour generation mode and assessing
the levels of potential disturbances this type of gen-
eration could cause. These disturbances should be
smoothened in the Power System by others, usually
conventional generators at least to ensure grid stabil-
ity and electricity quality. One of the key questions
for any Power System operation and development
planning what additional fl exible generation needed
to smooth variable renewable energies (VRE) distur-
bances? Lack of fl exible generation causes VRE cur-
tailments that negatively aff ect economic effi ciency of
such clean generation. From the other hand, the im-
provement of existing power plants fl exibility requires
an essential investments and time to retrofi t them, and
because of that the important question - what is the
required level of power system fl exibility is needed to
smooth current and future VRE generation.
2. There is no offi cial or commonly accepted na-
tional methodology to assess the required amount
of reserve capacity due to the high penetration of
variable renewables in the Ukrainian Power Sys-
tem. Moreover, there is no common understanding
in Ukraine about scientifi c approach(es) that could
be used to assess the amount of fl exible capacity to
reliably compensate fl uctuations of renewables. In-
tuitively clear that because of stochastic nature of re-
newable (wind and solar) generation then some sort
of stochastic analysis will be reasonable to apply. The
article presents assessments of the additional fl exible
capacity volume which was calculated using statisti-
cal processing of historical VRE generation data for
2019 and 2020 of the Ukrainian Power System.
3. The results of statistical data processing for
wind and solar PV hour-by-hour power output chang-
es allow accepting the hypothesis about the normal
distribution of these data sets. The key parameters
of theoretical normal distributions are calculated for
wind and solar PV data sets for 2019 and 2020 as
a whole, and also for winter and summer seasons,
which allow obtaining a more precise assessment of
variability levels for renewables, especially for solar
PV hour-by-hour generation changes.
4. The methodology proposed in the article allows
the preliminary ranges of fl exible generation’s opera-
tion modes according to the installed capacities of VRE
in the power system could be assessed. Because during
nighttime the fl exible generation is needed to smooth
only wind generation due to the absence of power out-
put from solar PV, separate assessments for wind and
solar PV variability are needed. Therefore, the separate
assessments of wind and solar PV variation were calcu-
lated and this allows more adequately assess required
levels of power system fl exibility during a whole day
and according to the winter/summer season.
5. The assessments obtained in the article also could
be used as the fi rst step for more effi cient management
of the electricity market, for instance, forecasting the re-
quired level of fl exibile generation or ancillary services
market for intraday power system balancing.
1. Pro Tsili staloho rozvytku Ukrainy na period do 2030
roku: Ukaz Prezydenta Ukrainy vid 30.09.20 No. 722/2019.
URL: https://zakon.rada.gov.ua/laws/show/722/2019 (Last
accessed: 22.11.2020) [in Ukrainian].
2. Tsili staloho rozvytku: Ukraina: natsionalna dopovid
2017. URL:http://un.org.ua/images/SDGs_NationalRepor-
tUA_Web_1.pdf (Last accessed: 22.11.2020) [in Ukrainian].
3. Pro rynok elektrychnoi enerhii: Zakon Ukrainy
vid 13.04.2017 №2019-VIII. Vidomosti Verkhovnoi Rady
(VVR), 2017, № 27-28, st.312.
4. IRENA (2018), Power System Flexibility for the En-
ergy Transition, Part 1: Overview for policy makers, Inter-
national Renewable Energy Agency, Abu Dhabi.
5. Status of Power System Transformation 2018: Ad-
vanced Power Plant Flexibility, International Energy Agen-
cy, Paris. https://doi.org/10.1787/9789264302006-en.
6. Status of Power System Transformation 2019: Pow-
er system fl exibility, OECD Publishing, Paris, https://doi.
org/10.1787/7c49400a-en.
7. Akrami, A., Doostizadeh, M. & Aminfar, F. (2019).
Power system fl exibility: an overview of emergence to evo-
lution. J. Mod. Power Syst. Clean Energy, 7, 987–1007.
https://doi.org/10.1007/s40565-019-0527-4
8. Status of Power System Transformation 2017: Sys-
tem Integration and Local Grids, International Energy
Agency, Paris. https://doi.org/10.1787/9789264278820-en.
9. Installed capacity of the IPS of Ukraine values. URL:
https://ua.energy/installed-capacity-of-the-ips-of-ukraine/
(Last accessed: 05.01.2021) [in Ukrainian].
10. Adequacy Report 2020. URL: https://ua.energy/wp-
content/uploads/2020/12/Proyekt-zvitu-z-otsinky-vidpo-
vidnosti-dostatnosti-generuyuchyh-potuzhnostej-2020.pdf
(Last accessed: 22.11.2020) [in Ukrainian].
Resived to the Editorial Board: 11.01.2021
|
| id | systemreorg-article-770 |
| institution | System Research in Energy |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-07-19T01:21:36Z |
| publishDate | 2021 |
| publisher | General Energy Institute of the National Academy of Sciences of Ukraine |
| record_format | ojs |
| resource_txt_mv | systemreorg/8a/86c150872e85eab0ebd1e2ddc9fd2d8a.pdf |
| spelling | systemreorg-article-7702026-07-18T12:57:46Z Statistical processing of wind and solar PV generation variability for assessment of additional power system flexibility Статистична обробка даних мінливості генерації вітрових та сонячних електростанцій для оцінки додаткової гнучкості енергосистеми Shulzhenko S.V. variable renewable energy, power system, flexibility, generation profile, statistical data processing мінлива відновлювана генерація, об’єднана енергетична система, гнучкість, профіль генерації, статистична обробка даних To solve the actual task of assessing additional flexible generation needed to smooth variable renewable energies (VRE) disturbances in the Power Systems worldwide the original method for statistical processing of wind and solar PV generation variability data was proposed in the article. The proposed method allows processing the historical data of VRE day-by-day and hour-to-hour generation and assessing the levels of potential disturbances this type of generation could cause. These disturbances should be smoothened in the Power System by others, usually conventional generators at least to ensure grid stability and electricity quality. Currently, at the stage of the power systems starts transformation, the sources of power system flexibility basically are the power plants whose individual flexibility is characterized by three dimensions: adjustability, ramping and lead time. Lack of flexible generation causes VRE curtailments that negatively affect economic efficiency of such clean generation. From the other hand, the improvement of existing power plants flexibility requires an essential investments and time to retrofit them, and because of that the important question - what is the required level of power system flexibility is needed to smooth current and future VRE generation.The results of statistical data processing for wind and solar PV hour-by-hour power output changes allow accepting the hypothesis about the normal distribution of these data sets. The article presents the key parameters of theoretical normal distributions are calculated for wind and solar PV data sets for 2019 and 2020 as a whole, and also for winter and summer seasons, which allow obtaining a more precise assessment of variability levels for renewables, especially for solar PV hour-by-hour generation changes.The assessments obtained in the article also could be used as the first step for more efficient management of the electricity market, for instance, forecasting the required level of flexible generation or ancillary services market for intraday power system balancing. Для вирішення актуальної задачі визначення необхідного рівня гнучкості енергосистеми, достатнього для згладжування збурень генерації електричної потужності вітровими та сонячними електростанціями відповідно до поточного і майбутнього рівнів їх встановленої потужності в статті запропоновано методику статистичної обробки фактичних даних. Наразі, на етапі початку трансформації енергосистем, джерелом їх гнучкості є електростанції, індивідуальна гнучкість яких характеризується трьома складовими: точність регулювання потужності, діапазон регулювання потужності та швидкість зміни потужності. Недостатній обсяг гнучкої генерації призводить до необхідності обмеження обсягів генерування електроенергії мінливими відновлюваними джерелами енергії (МВДЕ), що негативно впливає на економічну ефективність об’єктів генерації чистої електроенергії. З іншого боку вдосконалення складових гнучкості існуючих електростанцій вимагають значних інвестицій та часу на здійснення модернізації, і тому важливим питанням є визначення необхідного рівня гнучкості в енергосистеми, щоб згладити збурення МВДЕ відповідно до поточного і майбутнього рівня її встановленої потужності.Результати обробки даних щогодинних змін потужності вітрових та сонячних електростанцій дозволяють сформулювати гіпотезу щодо нормального розподілу для кожного з цих рядів даних. В статті наведені результати розрахунку параметрів нормального розподілу для фактичних даних генерації вітрової та сонячної електроенергії за 2019 та 2020 рр. вцілому, а також для опалювального (зима) та неопалювального (літо) сезонів в Україні. Розраховані параметри дозволяють зробити більш точну оцінку сезонних рівнів варіабельності МВДЕ, що особливо важливо для сонячної генерації.Оцінки, отримані в статті, можуть також бути використаними як перший крок для більш ефективного управління ринком електричної енергії, наприклад, за рахунок більш точного прогнозування необхідного обсягу гнучкої генерації або допоміжних послуг в енергосистеми для її внутрішньодобової збалансованості. General Energy Institute of the National Academy of Sciences of Ukraine 2021-03-29 Article Article application/pdf https://systemre.org/index.php/journal/article/view/770 10.15407/pge2021.01.014 System Research in Energy; No. 1 (64) (2021): The Problems of General Energy; 14-28 Системні дослідження в енергетиці; № 1 (64) (2021): Проблеми загальної енергетики; 14-28 2786-7102 2786-7633 uk https://systemre.org/index.php/journal/article/view/770/664 Copyright (c) 2021 Shulzhenko S.V. https://creativecommons.org/publicdomain/zero/1.0 |
| spellingShingle | variable renewable energy power system flexibility generation profile statistical data processing Shulzhenko S.V. Statistical processing of wind and solar PV generation variability for assessment of additional power system flexibility |
| title | Statistical processing of wind and solar PV generation variability for assessment of additional power system flexibility |
| title_alt | Статистична обробка даних мінливості генерації вітрових та сонячних електростанцій для оцінки додаткової гнучкості енергосистеми |
| title_full | Statistical processing of wind and solar PV generation variability for assessment of additional power system flexibility |
| title_fullStr | Statistical processing of wind and solar PV generation variability for assessment of additional power system flexibility |
| title_full_unstemmed | Statistical processing of wind and solar PV generation variability for assessment of additional power system flexibility |
| title_short | Statistical processing of wind and solar PV generation variability for assessment of additional power system flexibility |
| title_sort | statistical processing of wind and solar pv generation variability for assessment of additional power system flexibility |
| topic | variable renewable energy power system flexibility generation profile statistical data processing |
| topic_facet | variable renewable energy power system flexibility generation profile statistical data processing мінлива відновлювана генерація об’єднана енергетична система гнучкість профіль генерації статистична обробка даних |
| url | https://systemre.org/index.php/journal/article/view/770 |
| work_keys_str_mv | AT shulzhenkosv statisticalprocessingofwindandsolarpvgenerationvariabilityforassessmentofadditionalpowersystemflexibility AT shulzhenkosv statističnaobrobkadanihmínlivostígeneracíívítrovihtasonâčnihelektrostancíjdlâocínkidodatkovoígnučkostíenergosistemi |