You are on page 1of 6

www.ijep.

org                                                                 International Journal of Energy and Power (IJEP) Volume 2 Issue 2, May 2013    

Impact of Integrating Tidal Power Generation  on the Reliability of Bangladesh Power  System 
Shohana Rahman Deeba1, Nahid‐Al‐Masood2 
Department of Electrical and Electronic Engineering, Bangladesh University of Engineering and Technology  Dhaka‐1000, Bangladesh 
1

shohanadeeba@yahoo.com; 2 nam_039@yahoo.com, nahid@eee.buet.ac.bd  Although  tidal  power  has  the  disadvantage– intermittent  production,  its  advantages  are  clearly  predominant:  no  potential  risk,  no  pollution  to    human  environment,  free  and  endless  “fuel”,  2  or  3  times  longer  life  than  that  of  other  types  of  power  stations.  Moreover  tidal  power  based  electrical  plant  can  be  integrated  into  the  grid  too.  Therefore  it  is  one  of the most ideal energy sources in the world.  Many  researches  have  showed  that  ocean  energy  has  the potential of providing a substantial amount of new  renewable  energy  around  the  world.  A  multi‐arrayed  tidal  current  energy  farm  and  the  integration  method  of  the  power  transportation  is  presented  in  (Chul  Hee  Jo,  2012)  where  the  application  of  tidal  current  power  (TCP)  on  the  west  and  south  coastal  region  in  Korea  with  the  maximum  current  speed  of  up  to  6.5m/s  is  analyzed.  In  (Chul  Hee  Jo,  2012),  the  interaction  effect  and  the  power  connection  methods  for  each  turbine  unit  and  the  integration  method  for  200MW  tidal  current  farm  are  conceptually  introduced  with  the  offshore  power  integration  platform.  Design  and  stability  analyses  of  floating  tidal  current  power  generation  test  platform  is  described  in  (Shujie,  W.,  2010)  where  a  floating  tidal  current  power  generation  test  platform  to  study  flexible  blades  turbine,  a  novel  ocean  tidal  current  energy  convert  equipment,  is  proposed.  Both  dynamic  simulations  and  steady‐state  performance of a tidal power generation system (TPGS)  containing  a  permanent‐magnet  synchronous  generator  (PMSG)  driven  by  a  tidal  turbine  through  a  gearbox  are  presented  in  (Wang,  L.,  2011).  Hybrid  power  generation  system  using  offshore‐wind  turbine  and  tidal  turbine  for  power  fluctuation  compensation  is proposed in (Rahman, M.L., 2010). 

Abstract  This  paper  presents  the  impact  of  integration  of  tidal  power  generation  on  the  reliability  of  Bangladesh  Power  System  (BPS).  Energy  crisis  is  considered  as  one  of  the  major  issues  all  over  the  world  in  recent  times.  In  this  critical  stage  renewable  energy  (RE)  is  regarded  as  the  most  important  alternative  energy  source.  With  the  crisis  of  global  energy  sources  and  severe  environment  pollution,  distributed  generation  (DG)  based  RE  has  become  a  development  trend  for  electric  power  industry.  Power  generation  from  RE  sources  like  photo  voltaic  (PV),  wind,  tidal,  biomass  and  geothermal  has  been  gaining  momentum  in  many  countries.  Bangladesh  with  a  long  coastal  area  of  710  km  with  about  2‐ 8  m  tidal  height  has  some  large  tidal  sites  and  many  channels  of  low  tidal  range  in  a  large  number  of  deltaic  islands,  where  barrages  and  sluice  gates  already  exist.  Tides  in  these  sites  can  generate  about  440  MW  of  electricity.  Integration  of  this  tidal  generation  into  BPS  improves  the  reliability  of  the  system.  To  observe  the  impact,  reliability  index,  loss  of  load  probability  (LOLP)  of  BPS  is  evaluated  with  and  without  tidal  generation  for  the  period  of  last  five  years.  Keywords  Load model; Reliability; Renewable Energy; Tidal Power  

Introduction It  has  been  realized  for  long  time  that  tide  contains  a  huge  amount  of  energy.  The  rise  and  fall  of  the  tide  result  in  a  dissipation  of  energy  roughly  equivalent  to  3 ×109 kW  of which  one  thirds are  produced in shallow  sea (Salman, S.K., 2008, Bryans, A.G., 2005). As early as  the  12th  century,  tidal  mills  had  come  into  existence  on  the  west  European  coast.  Because  of  the  development  of  powerful  turbines  and  the  improvement of harnessing technology, France, China,  Canada  and  Russia  etc.  are  the  countries  where  this  power  has  been  successfully  started  to  exploit. 

38

 

International Journal of Energy and Power (IJEP) Volume 2 Issue 2, May 2013                                                                 www.ijep.org                    

Due  to  integration  of  RE  sources,  the  reliability  assessment  of  the  power  system  has  become  more  challenging.  It  is  mainly  due  to  intermittent  characteristics  of  RE sources.   It  is  well known  that  the  primary  objective  of  a  power  system  is  to  provide  electrical  energy  to  its  customers  as  economically  as  possible  with  an  acceptable  margin  of  quality.  Reliability of power system is one of the major features  of  power  quality.  The  two  constraints  of  economics  and  reliability,  competitive  because  the  increase  in  reliability  of  supply  generally  requires  increased  capital  investment  are  balanced  in  many  different  ways in various countries and by different utilities (Do,  M.T.,  2011,  Du,  Xun,  2011).  The  appropriate  incorporation and representation of the implications of  uncertainty  are  widely  accepted  and  utilized  as  fundamental  components  in  the  analyses  of  complex  systems  (Guest  Editorial,  2004).  There  are  two  fundamentally  different forms  of uncertainty  in  power  system  reliability  analysis  (Hoffman,  F.,  1994).  Two  uncertainties,  aleatory  and  epistemic  are  considered  in  power  system  reliability  evaluation  in  (Billinton,      R,  2008)  where  aleatory  uncertainty  arises  because  the  system  can  potentially  behave in  many different  ways.  The  method  of  incorporation  of  the  failures  due  to  aging  in  power  system  reliability  evaluation  is  presented  in  (Li,  W.,  2002)  which  documents  the  developed  calculation  approach  with  two  possible  probability  distribution  models  for  the  unavailability  of  aging  failures  and  implementation  in  reliability  evaluation.  Another  important  topic  contributive  to  power  system  reliability  analysis  is  weather.  Adverse  weather  such  as  hurricanes  can  have  significant  effect  on power system reliability (Davidson, R. A., 2003, Liu,  H.,  2005).    In  present  time  power  system  engineers  face  the  challenge  of  weather  effect.  That  is  why  the  challenges  of  incorporation  of  weather  effects  into  power  system  reliability  evaluation  are  to  assess  how  adverse  weather  affects  the  reliability  parameters  of  system  components.  A  fuzzy  inference  system  (FIS)  built  by  using  fuzzy  clustering  method  is  analyzed  in  combination  with  the  regional  weather  model  to  solve  the  preceding  problem  (Liu,  Y.,  2007).  State  enumeration  approach,  a  new  computationally  efficient  methodology,  to  calculate  the  reliability  indices  of  a  bulk  power  system  is  described  in  (Jonnavithula, S., 1997). 

The  reliability  index  “LOLP”  is  defined  as  the  probability  that  the  available  generation  capacity  of  a  system  will  be  insufficient  to  meet  the  demand.  There  are  several  techniques  to  evaluate  LOLP  of  a  system,  namely  i)  state  enumeration  technique,  ii)  recursive  method,  iii)  cumulant  method,  iv)  capacity  outage  table  building  algorithm,  iv)  segmentation  method  etc  among  which,  segmentation  method  is  considered  as  the  best  one  for  its  wide  range  of  load  data  consideration and efficient calculation.  This  paper  evaluates  LOLP  of  BPS  for  the  period  of  last  5  years,  using  segmentation  method,  with  and  without tidal power generation.  Prospect of Tidal Power in Bangladesh Bangladesh,  a  country  with  low  use  of  electricity  (per  capita  consumption  of  95  Kw.hr)  and  considerable  need for development along its coastal area, has a long  coastal  area  (710  km)  with  2  to  8  m  tidal  height/head  rise  and  fall  as  well  as  some  large  tidal  sites  and  many  channels  of  low  tidal  range  in  a  large  number  of  deltaic  islands,  where  barrages  and  sluice  gates  already  exist.  Therefore,  the  potential  for  tidal  power  to  be  harnessed  is  significant,  because  the  barrages  necessary    to  create  controlled  flow  through  turbines  (to  tap  tidal  power)  are  also  needed  for  flood  control,  which  avoids  the  problem  of  high  capital  cost  as  the  engineering  is  either  already  there  or  needed  for  cyclone protection.  The  energy  available  from  a  barrage  is  dependent  on  the  volume  of  water.  The  potential  energy  contained  in a volume of water is (Bryans, A.G., 2005), 

E
Where,  

1 A g h 2 2

(1) 

h = Vertical tidal range  A = Horizontal area of the barrage basin  ρ = Density of water and  g = Acceleration due to the Earthʹs gravity  Input power, P = E / 86400 (sec)                                      (2)  Output Power, P/ = P x Turbine efficiency                    (3)     Using  (3),  total  power  generated  at  different  station  is  shown in Table 1. 

 

 

39

www.ijep.org                                                                 International Journal of Energy and Power (IJEP) Volume 2 Issue 2, May 2013    

TABLE 1 POWER GENERATION FROM TIDE IN BANGLADESH  Name of the  Tidal Range  Station  (m)  Sandwip  5.53  Mongla  4.27  Sadarghat(cht)  3.94  Coxʹs Bazar  3.54  Hiron point  2.90  Golachipa  3.55  Patuakhali  3.54  Barishal  3.9  Chandpur  3.8  Sundorikota  4.78  Mongla  4.8  Khal No. 10  5.21  Shahapuri Island  4.65  Sandwip  8.56  Char Changa  5.6  Char ramdasour  4.8  Nalmuri  3.58  Narayanganj  2.4  Khepupara  5.69  Potuakhali  4.87  Barishal  3.67  Galachipa  4.1                                                           Total  Output Power  (MW)  28.83  17.19  14.64  11.82  7.93  11.88  11.82  14.34  13.61  21.54  21.72  25.59  20.39  69.09  29.57  21.72  12.08  5.43  30.53  22.36  12.70  15.85  440.63 MW  Gen  No.  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  67  68  69  70  71  72  73  74  75  76 

TABLE 2 GENERATORS OF BPS  Capacity  (MW)  210  50  109  55  55  210  210  210  210  64  64  150  150  150  56  56  30  100  210  210  60  28  28  12  12  12  15  15  15  15  35  35  21  50  50  50  50  50  50  50  50  50  50  FOR 0.16  0.113  0.07  0.185  0.185  0.095  0.019  0.08  0.08  0.116  0.116  0.013  0.014  0.014  0.321  0.321  0.15  0.3  0.197  0.197  0.117  0.6  0.6  0.15  0.15  0.15  0.15  0.15  0.15  0.15  0.1  0.1  0.122  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  Gen  No.  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  77  78  79  80  81  82  83  84  85  86  Capacity  (MW)  120  77  100  125  125  110  60  28  28  20  20  20  20  60  8  450  235  125  142  45  45  110  110  50  50  50  50  50  50  50  50  50  50  50  50  50  50  50  50  50  50  50  50  FOR 0.04  0.101  0.04  0.1  0.1  0.301  0.402  0.5  0.5  0.045  0.2  0.2  0.119  0.5  0.3  0.07  0.07  0.07  0.07  0.07  0.07  0.11  0.07  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1  0.1 

The  power  generation  from  tide  is  not  constant,  rather  it  is  time  varying.  The  energy  is  not  always  available;  which  depends  on  the  environmental  factor  like  weather.  Moreover  the  availability  of  tidal  itself  is  of  statistical uncertainty.  To  incorporate  the  above  uncertainty  into  the  availability  of  tidal  power,  an  uncertainty  factor  of  30%  is  introduced  which  is  chosen  to  investigate  the  historical  time  series  data  of  tide  at  different  locations  of Bangladesh.  Generator and Load Model of BPS This  section  presents  the  statistical  model  of  generators and daily peak loads of BPS.  Generator Model  Simply, a generating unit for continuous operation is a  Run‐Fail‐Repair‐Run  cycle    stating  that  every  generator  has  two  states  i)  Unit  availability  and  ii)  Unit  unavailability  or  forced  outage  rate  (FOR).  The  unit  availability  means  the  long  term  probability  that  the  generating  unit  will  reside  in  on  state  and  unit  unavailability  or  FOR  means  the  long  term  probability  that the generating unit will reside in off state.  Mathematically FOR can be defined as, 

Where,  FOH = Forced outage hours  SH  =  Service  hours  or  operating  hours  at  full  availability     Unit availability of a generating unit can be defined as,  
Unit availabili ty , p  SH FOH  SH

(5) 

FOR , q 

FOH FOH  SH

(4) 

Consider  a  generating  unit  with  capacity  of  C  MW  FOR  of  q  and  unit  availability  of  p,  the  probability  density  function  (PDF)  of  forced  outage  capacity  is 

40

 

International Journal of Energy and Power (IJEP) Volume 2 Issue 2, May 2013                                                                 www.ijep.org                    

shown in Fig.1. 

Step 2: Formation of Segments:  i)  If  there  are  N  no.  of  generating  units,  segment  size,  ΔC = HCF(C1, C2, C3, … … … … Cn)  Where,  HCF= Highest common factor  Ci = Capacity of the i‐th generating unit    ii) Number of segments, 

FIG. 1 GENERATOR MODEL 

It  is  evident  form  Fig.1  that  when  the  capacity  outage  is 0 MW, the generator is at on state and its probability  is  p.  On  the  contrary,  when  the  capacity  outage  is  C  MW, the generator is at off state and its probability is q.  The  individual  capacity  and  FOR  of  the  generating  units of BPS are shown in Table 2.  As  30%  uncertainty  factor  is  considered,  the  FOR  and  the  availability  of  tidal  generation  are  0.3  and  0.7,  respectively.  Load Model  In  order  to  calculate  the  load  model  of BPS, daily  peak  loads  are  collected  from  National  Load  Dispatch  Center  (NLDC)  of  Bangladesh.  The  occurrence  probability  of  a  specific  load  is  then  calculated  for  a  specific  year.  The  probability  of  occurrence  of  a  specific load is calculated as, 

NS 

C
i 1

N

i

C

 1                                   (7) 

Step 3: Place the load PDF in the segments.  Step 4: Convolution with the generating units:  i)  Multiplying  the  original  load  distribution  with  the  availability (p) of a unit.  ii)  Right  shift  the  original  distribution  of  the  load  by  the capacity of that unit.  iii)  Multiply  the  shifted  distribution  with  the  FOR  (q)  of that unit.  iv)  Complete  the  convolution  by  summing  up  the  probabilities of (i) and (iii)  Step  5:  Repeat  the  above  process  for  all  the  generating  units.  Step  6:  Compute  LOLP.  The  probability  of  the  last  segment  of  finally  obtained  distribution  represents  the  LOLP of the system.  Graphically it is shown in Fig. 2. 

Pg 
Where, 

Ng Nt

(6) 

Pg = Probability of occurrence of a load  Ng  =  No.  of  occurring  days  of  that  load  in  the  observation period of 1 year  Nt = Total no. of days in the observation period  Segmentation Method Segmentation  method  is  based  on  modified  convolution  technique.  LOLP  is  calculated  using  segments  and  the  starting  point  for  the  method  is  the  sampling  of  the  daily  or  hourly  chronological  load  curves  for  the  period  under  study.  In  this  regard,  the  segment  size  must  also  be  defined.  The  computational  steps  for  the  calculation  of  the  segmentation  method  are given below:  Step 1: Load PDF is obtained from historical load data. 

 
FIG.2 GRAPHICAL ILLUSTRATION OF SEGMENTATION  METHOD 

 

 

41

www.ijep.org                                                                 International Journal of Energy and Power (IJEP) Volume 2 Issue 2, May 2013    

Simulation Results and Observations BPS  has  total  installed  capacity  of  6545  MW.  Using  segmentation  method,  LOLP  of BPS,  with  and  without  tidal  generation,  is  evaluated  from  year  2008  to  2012.  Table 3 presents the results. 
TABLE 3 LOLP OF BPS  LOLP with out tidal  generation (%)  5.97  5.88  5.87  5.63  5.72  LOLP with tidal generation  (%)  5.12  5.02  5.03  4.82  4.85 

reliability increases by 0.846% due to the incorporation  of tidal power generation. 
REFERENCES

Billinton,  R.  and  Huang,  Dange,  “Aleatory  and  Epistemic  Uncertainty  Considerations  in  Power  System  Reliability  Evaluation”,  Proc.  Inst.  Probabilistic  Methods  Applied  to 

Year  2012  2011  2010  2009  2008 

Power Systems, pp. 1‐8, May 2008.  Bryans,  A.G.,  Fox,  B.,      Crossley,  P.A.  and      OʹMalley,  M.,  “Impact  of  tidal  generation  on  power  system  operation  in  Ireland”,  IEEE  Transactions  on  Power  Systems,  pp.  2034‐2040, 2005.  Chul  Hee  Jo,  Lee,  K.H.,  Lee,  J.H.  and  Nichita,  C.,  Multi‐ arrayed  tidal  current  energy  farm  and  the  integration  method  of  the  power  transportation”,  International 

Fig.3 shows the increase in reliability of BPS due to the  integration of tidal power generation. 
0.88 0.87 0.86 Increase in reliability (%) 0.85 0.84 0.83 0.82 0.81 0.8 0.79 0.78 2012 2011 2010 Year 2009 2008

Symposium  on  Power  Electronics,  Electrical  Drives,  Automation and Motion, pp. 1428‐1431, 2012.  Davidson,  R.  A.,  Liu,  H.,  Sarpong,  I.  K.,  Sparks,  P.  and  Rosowsky,  D.  V.,  “Electric  Power  Distribution  System  Performance in Carolina Hurricanes,” Nat. Haz. Rev., vol.  4, no. 1, pp. 36–45, Feb. 2003.  Do,  M.T.,  Sprooten,  J.,  Clenet,  S.  and  Robyns,  B.,  “Reliability  evaluation  of  power  system  with  large‐scale  wind  farm  integration  using  first‐order  reliability  method”,  14th  European  Conference  on  Power  Electronics  and  Applications, pp. 1‐10, 2011.  Du,  Xun  and  Liu,  Wenying,  “Evaluation  of  power  system  reliability  based  on  the  maintenance  state”,  4th  International  Conference  on  Electric  Utility  Deregulation  and  Restructuring  and  Power  Technologies,pp.  1016‐ 1020, 2011.  Guest  Editorial,  “Alternative  Representations  of  Epistemic  Uncertainty”,  Reliability  Engineering  and  System  Safety  85 (2004), pp. 1‐10.  Hoffman,  F.,  and  Hammonds,  Jana  S.,  “Propagation  of  Uncertainty  in  Risk  Assessments:  The  Need  to  Distinguish  Between  Uncertainty  Due  to  Lack  of  Knowledge  and  Uncertainty  Due  to  Variability”,  Risk  Analysis, vol. 14, no. 5, pp. 707‐712, 1994.  Jonnavithula,  S.,  and  Billinton,  R.,  “Topological  Analysis  in  Bulk  Power  System  Reliability  Evaluation”,  IEEE  Transaction on Power Systems, vol. 12, no. 1, pp. 456‐463,  1997. 

FIG. 3 INCREASE IN RELIABILITY 

It  is  observed  from  Fig.3  that  reliability  of  BPS  increases  by  0.85%,  0.86%,  0.84%,  0.81%  and  0.87%  in  2012, 2011, 2010, 2009 and 2008, respectively due to the  integration  of  tidal  power  generation.  On  the  average,  system  reliability  increases  by  0.846%  due  to  the  incorporation of tidal power generation.  Conclusions This  paper  presents  the  impact  of  integration  tidal  power  generation  on  the  reliability  of  Bangladesh  Power  System.  Bangladesh  with  a  long  coastal  area  of  710  km  with  about  2‐8  m  tidal  height  has  some  large  tidal  sites  and  many  channels  of  low  tidal  range  in  a  large  number  of  deltaic  islands,  where  barrages  and  sluice  gates  already  exist.  Tides  in  these  sites  can  generate  about  440  MW  of  electricity.  An  effective  simulation  of  the  system,  with  and  without  tidal  generation,  using  segmentation  method  is  carried  out  during  last  five  years.  It  is  observed  that  system 

42

 

International Journal of Energy and Power (IJEP) Volume 2 Issue 2, May 2013                                                                 www.ijep.org                    

Li,  W.  “Incorporating  Aging  Failures  in  Power  System  Reliability Evaluation”, IEEE Power Engineering Review,  vol. 22, no. 7, pp. 59, July 2002.  Liu,  H.,  Davidson,  R.  A.    Rosowsky,  D.  V.  and  Stedinger,  J.  R.,  “Negative  Binomial  Regression  of  Electric  Power  Outages  in  Hurricanes,”  Journal  of  Infrastructure.  Systems, vol. 11, no. 4, pp. 258–267, Dec. 2005.  Liu,  Y.,  and  Singh,  C.A,  “Methodology  for  Evaluation  of  Hurricane  Impact  on  Composite  Power  System  Reliability”,  IEEE  Transaction  on  Power  Systems,  vol.  9,  no. 9, pp. 1‐8, 2007.  Rahman,  M.L.,  Oka,  S.  and  Shirai,  Y.  ,  “Hybrid  Power  Generation  System  Using  Offshore‐Wind  Turbine  and  Tidal  Turbine  for  Power  Fluctuation  Compensation   

(HOT‐PC)”,  IEEE  Transactions  on  Sustainable  Energy,  vol. 1, no. 2, pp. 92‐98, 2010.  Salman,  S.K.,  Gibb,  J.  and      Macdonald,  I.,  “Integration  of  tidal  power  based‐electrical  plant  into  a  grid”,  43rd  International Universities Power Engineering Conference,  pp. 1‐4, 2008.  Shujie,  W.,  Kejin,  Y.,  Peng,  Y.,  Huajun,  L.  and  Shuyi,  L,  “Design  and  Stability  Analyses  of  Floating  Tidal  Current  Power  Generation  Test  Platform”,  Asia‐Pacific  Power  and Energy Engineering Conference, pp. 1‐4, 2010.  Wang,  L.  and  Chao‐Nan,  L.,  “Dynamic  Stability  Analysis  of  a  Tidal  Power  Generation  System  Connected  to  an  Onshore  Distribution  System”,  IEEE  Transactions  on  Energy  Conversion,  vol.  26,  no.  4,  pp.  1191‐1197,  2011.

 

 

43