Optimalan Razmještaj Distribuirane Proizvodnje U Srednjenaponskim Elektroenergetskim Mrežama

FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA
RENE PRENC
OPTIMALAN RAZMJEŠTAJ DISTRIBUIRANE

PROIZVODNJE U SREDNJENAPONSKIM
ELEKTROENERGETSKIM MREŽAMA
DOKTORSKI RAD
Zagreb, 2014.
FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA
Rene Prenc
OPTIMALAN RAZMJEŠTAJ DISTRIBUIRANE

PROIZVODNJE U SREDNJENAPONSKIM
ELEKTROENERGETSKIM MREŽAMA
DOKTORSKI RAD
Mentor:
Prof. dr. sc. Davor Škrlec
Zagreb, 2014.
FACULTY OF ELECTRICAL ENGINEERING AND COMPUTING
Rene Prenc
OPTIMAL ALLOCATION OF DISTRIBUTED

GENERATION IN MEDIUM VOLTAGE DISTRIBUTION
NETWORKS
DOCTORAL THESIS
Supervisor:
Professor Davor Škrlec, PhD
Zagreb, 2014
Doktorski rad izrađen je na Sveučilištu u Zagrebu Fakultetu elektrotehnike i računarstva, na Zavodu
za visoki napon i energetiku.
Mentor: prof.dr.sc. Davor Škrlec
Doktorski rad ima: 362 stranice
Doktorski rad br.:__________
O MENTORU
Davor Škrlec je rođen 1. siječnja 1963. godine u Vinkovcima, Republika Hrvatska. Na

Elektrotehničkom fakultetu u Zagrebu diplomirao je 1986. godine na smjeru Energetika, i na
smjeru Nuklearna energetika. Magistrirao je i doktorirao u polju elektrotehnike (mentor
prof.dr.sc. Slavko Krajcar) na Sveučilištu u Zagrebu Fakultetu elektrotehnike i računarstva,
1990. odnosno 1996. godine.
Od siječnja 1987. godine zaposlen je na Zavodu za visoki napon i energetiku FER-a. Od
siječnja do srpnja 2012. godine bio je pomoćnik ministra u Ministarstvu zaštite okoliša i
prirode. U ožujku 2012. godine izabran je za redovitog profesora u trajnom zvanju.
Sudjelovao je na pet znanstvenih projekata Ministarstva znanosti, obrazovanja i sporta
Republike Hrvatske, na jednom od njih voditelj, i bio je voditelj domaćeg industrijskog
znanstvenog projekta. Bio je voditelj jednog međunarodnog projekta i suradnik na dva
međunarodna bilateralna projekta. Trenutačno je suradnik na dva FP7 projekta (Smartgrids
ERA-Net i ACROSS). Objavio je više od 80 radova u časopisima i zbornicima konferencija iz
područja planiranja i pogona elektroenergetskih mreža, integracije obnovljivih izvora energije
i distribuirane proizvodnje u elektroenergetski sustav, te primjenu geoinformacijskih sustava u
elektrotehnici i računarstvu.
Profesor Škrlec je član nekoliko stručnih organizacija u kojima obavlja ili je obavljao
upravne funkcije: IEEE Hrvatska sekcija, HRO CIGRE, HO CIRED, Hrvatsko nuklearno
društvo. Sudjeluje u 5 međunarodnih programskih odbora znanstvenih konferencija, član je
uredničkog odbora znanstvenog časopisa te sudjeluje kao recenzent u većem broju inozemnih
časopisa i konferencija. Odlukom Fakultetskog vijeća od 18. prosinca 1996. godine
dodijeljena mu je srebrna plaketa "Josip Lončar" za posebno istaknutu doktorsku disertaciju.
ABOUT THE MENTOR
Davor Škrlec was born in Zagreb on 1st of January, in 1963. He graduated at the University
of Zagreb, Electrotechnical Faculty, in 1986 in the field of Electrical Power Engineering and
in the field of Nuclear Power Engineering. He received M.Sc. and Ph.D. degrees in electrical
engineering (mentor prof. Slavko Krajcar) from the University of Zagreb, Faculty of
Electrical Engineering and Computing (FER), Zagreb, Croatia, in 1990 and 1996 respectively.
From January 1987 he is working at the Department of Energy and Power Systems at FER.
From Janury 2012 until July 2012 he was assistant minister in the Ministry of Environmental
and Nature Protection. In March 2012 he was promoted to Full Professor with tenure.
He participated in 5 scientific projects financed by the Ministry of Science, Education and
Sports of the Republic of Croatia, he was a project coordinator in one industrial research
project and one international project and participated in two bilateral research projects.
Currently he is a involved in 2 EU FP7 projects. He published more than 80 papers in journals
and conference proceedings in the area of planning and operation of electrical networks,
integration of renewable and distributed resources, and application of geoinformation systems
in power engineering.
Professor Škrlec is a member of IEEE, CIGRE, CIRED and Croatian Nuclear Society. He
participated in 5 conference international program committees, he is a member of a journal
editorial board and he serves as a technical reviewer for various international journals and
conferences. He received a silver medal "Josip Lončar" from FER for an outstanding Ph.D.
thesis in 1996.
ZAHVALA
Zahvaljujem svome mentoru, prof. sr. sc. Davoru Škrlecu, na ukazanome povjerenju,
podršci i prenesenom znanju kroz sve godine doktorskog studija. Hvala mu na svoj slobodi
koju mi je davao cijelo vrijeme, ali i na svim savjetima kojima me vraćao na "pravi put" kada
sam se zbog te slobode izgubio.
Zahvaljujem i svome direktoru, dr. sc. Vitomiru Komenu, na velikoj podršci i
razumijevanju tijekom mojeg studiranja. Hvala na savjetima i prilici da svoje teorijsko znanje
potkrijepim primjerima iz prakse.
Zahvaljujem kolegama sa Zavoda za visoki napon i energetiku na nesebičnoj pomoći
tijekom studija, a naročite zahvale idu kolegama iz HEP ODS Elektroprimorja Rijeka. Znanje
i iskustvo koje sam dobio u ovih gotovo 6 godina rada uvelike su mi olakšali rad na
doktorskoj disertaciji.
Posebne zahvale idu kolegi Nikoli Bogunoviću na savjetima i prenesenom znanju iz
područja programiranja.
Također hvala i prof. dr. sc. Dubravku Vučetiću sa Pomorskog fakulteta u Rijeci na
svesrdnoj pomoći i idejama.
Konačno, zahvaljujem svojim roditeljima, Jadranki i Franju, djedu Antonu i bakama Mariji
i Dolores, te djevojci Viktoriji na ljubavi i vjeri u mene.
SAŽETAK
Traženje optimalnoga razmještaja distribuirane proizvodnje u srednjenaponskim

elektroenergetskim mrežama predstavlja nelinearan kombinatorički optimizacijski problem
koji se u znanstvenoj literaturi javlja početkom 90-tih godina prošloga stoljeća.
Ovisno o funkciji cilja koju se optimizira, prisutan je niz interpretacija optimizacijskoga
problema. Također je do sada razvijen i čitav set metoda za njegovo rješavanje, uključujući
egzaktne i heurističke metode.
U doktorskoj disertaciji se pristupilo formulaciji takve funkcije cilja koja će istovremeno
zadovoljiti interese investitora distribuiranih izvora i interese Operatora distribucijskog
sustava. Cilj je, procjenom investicijskih projekata svih distribuiranih izvora i procjenom
ušteda Operatora distribucijskog sustava, pronaći optimalan razmještaj distribuiranih izvora u
srednjenaponskoj mreži. Potonje podrazumijeva odabir njihove optimalne snage i mjesta
priključenja. Pritom u obzir moraju biti uzeta naponska i strujna ograničenja mreže, godišnji
rast tereta te moguća ograničenja na lokaciju i priključnu snagu svakog distribuiranog izvora.
Istraživanje je usmjereno na primjenu genetskih algoritama pri rješavanju ovog
optimizacijskog problema, i tu je svrhu razvijen i implementiran računalni model u
programskome paketu Matlab.
Ključne riječi:
Optimalan razmještaj, distribuirani izvori, planiranje distribucijskih mreža, genetski
algoritmi, metode procjene investicijskih projekata.
SUMMARY
OPTIMAL ALLOCATION OF DISTRIBUTED GENERATION IN MEDIUM

VOLTAGE DISTRIBUTION NETWORKS
For the last 7 years the Republic of Croatia has been witnessing a sudden increase of
distributed energy resources connecting to its power system. However, a significant problem
is how to find the financial equilibrium which will satisfy the Independent Power Producers
on one side and the Distribution System Operator on the other. In his scientific research the
author has used capital budgeting analysis for solving the distributed generation allocation
problem. The evaluation of net present values was the central tool for finding the optimal
position and size of distributed generation units in the medium voltage distribution network.
By simultaneously maximizing the profit of distributed generation projects and minimizing
the active power losses of the medium voltage network, the interests of Independent Power
Producers and the Distribution System Operator were both included in the algorithm. The
power production of distributed generation and power consumption of network loads was
modeled with characteristic average daily power curves with discrete hour intervals. The
problem was solved using genetic algorithm, and implemented in Matlab programming
environment.
In the second chapter of the thesis the author has described the reasons for rapid research,
development and implementation of distributed generation in many countries of the world,
especially focusing on the EU. The chapter contains a brief description of different distributed
generation technologies and the financial and legislative framework for their integration in the
Croatian power system.
The third chapter is about the transition of the once traditional and passive distribution
networks into active networks containing both consumers and producers (i.e. prosumers). The
underlying statement is that the voltage/thermal parameters of the network significantly
change with the presence of distributed generation, making their integration an extremely
complex task with many variables. The chapter stresses the importance of using the average
daily power consumption/production curves, which enable the distribution network planners a
more detailed and thorough perspective on distribution network operation.
Capital budgeting is elaborated in the fourth chapter. Terms relevant for project
management such as discounting and weighted average cost of capital are explained in detail.
Also, the chapter describes the main financial characteristics of the projects and their risks.
Since the capital budgeting projects are expected to generate cash flows over several years,
the decision to accept or reject a project depends on the analysis of the cash flows generated
by the projects and its costs. The basic formal methods in capital budgeting analysis are
covered in the chapter, especially focusing on the net present value which is used as a central
evaluation tool for the objective function.
The fifth chapter describes the optimization problems and thier solving techniques. The
exact and heuristic methods are explained along with their pros & cons. Since the genetic
algorithm is used for solving the distributed generation allocation problem, its general
description is the main part of this chapter.
Many papers addressing the DG allocation issue are in the focus of the following chapter.
Different types of objective functions have been presented. The past research based on single-
criteria and multi-criteria optimization has been explained, compared and analysed. As a
conclusion the compliance of voltage and thermal constraints is often not enough for
distributed generation allocation, because non-optimally allocated production units may cause
increased losses, voltages, reverse power flows thus effectively sterilizing the network for
future connections.
For that reason, the distributed generation allocation problem needs to be approached
thoroughly, with all the daily/monthly/yearly network statistical measurement data taken into
consideration. Renewable sources like sun and wind cannot guarantee that the nominal power
output from solar parks and wind farms will be maintained in a 24 hour period. As they are
stochastic primary sources, their intermittent nature must be taken into consideration while
planning their integration in the network. In that way, the average daily power
consumption/production curves can be formed, giving the planner a more precise and correct
output results. The objective must be the simultaneous maximization of the investors' and
Distribution System Operator's financial gains. The aforementioned premises are in the core
of the seventh chapter. The central part of the thesis is to simultaneously maximize the net
present values of distributed generation projects and loss savings in the medium voltage
distribution network. The objective function consists of two parts, one involving distributed
generation projects and the other involving loss savings. The net present values of distributed
generation projects are calculated by discounting the annual cash flows to the present value.
The time period under consideration is equal to the number of years in which the feed-in
tariffs are guaranteed by the subordinate legislation. The net present value for a Distribution
System Operator is calculated by discounting the annual savings to the present value. The
annual savings consider the difference between annual network energy losses of the existing
network and after allocation of new production units. A modified genetic algorithm was used
for solving the distributed generation allocation problem. The algorithm was tested on a 20
kV distribution network consisting of 30 nodes. The results have been presented and
explained at the end of the chapter.
The application of the new algorithm is covered in the eight chapter. The algorithm was
tested on a 20 kV distribution network without previously connected distributed generaton
units. Then the algorithm was tested on the same network but with a previously connected
production unit. Finally, the algorithm was tested on a network with identical input data but
operated on a 10 kV level. The results have been presented, analysed and compared at the end
of each subchapter.
In his research the author has presented an algorithm for the allocation of distributed
generation units based on financial evaluation of distributed generation projects and
Distribution System Operator's savings. The allocation criterion was the maximization of the
sum of their net present values based on the average daily power consumption/production
curves. The algorithm presents the decision making part of project management which
involves choosing the optimal size and position of future power sources prior to their
connection in the network. Since the algorithm targets the overall benefits for the Independent
Power Producers and the Distribution System Operator, the author hopes it will be applied for
the integration of new production units in real distribution networks.
Key words:
Optimal allocation, distributed generation, distribution network planning, genetic
algorithms, capital budgeting.
Sadržaj
SADRŽAJ
1. UVOD .....................................................................................................................1
2. OPĆENITO O DISTRIBUIRANIM IZVORIMA ELEKTRIČNE ENERGIJE .........3

2.1. Pojam distribuirane proizvodnje električne energije.........................................................3
2.2. Integracija distribuiranih izvora unutar Europske unije...................................................6
2.3. Vrste distribuiranih izvora koji se mogu priključiti na distribucijsku mrežu Hrvatske....11
2.3.1. Sunčane elektrane ...................................................................................................11
2.3.2. Hidroelektrane........................................................................................................13
2.3.3. Vjetroelektrane.......................................................................................................16
2.3.4. Elektrane na biogorivo ............................................................................................19
2.3.5. Geotermalne elektrane.............................................................................................22
2.3.6. Kogeneracijska postrojenja koja kao pogonsko gorivo ne koriste obnovljive izvore
energije..................................................................................................................24
2.3.7. Procjena troškova izgradnje i održavanja različitih vrsta elektrana ...............................27
2.4. Zakonodavni okvir i regulativa Republike Hrvatske za područje obnovljivih izvora
energije i kogeneracije .............................................................................................................30
2.5. Postupak izgradnje postrojenja OIEK-a u Hrvatskoj .....................................................41
2.6. Stanje priključenja OIEK u hrvatskome EES-u..............................................................42
3. PROBLEMATIKA PLANIRANJA SREDNJENAPONSKIH MREŽA U

UVJETIMA PRIKLJUČENJA DISTRIBUIRANIH IZVORA ELEKTRIČNE
ENERGIJE............................................................................................................ 46
3.1. Planiranje distribucijskih mreža.....................................................................................46
3.1.1. Podjela i ciljevi planiranja distribucijskih mreža ........................................................47
3.1.2. Tehnički kriteriji planiranja tradicionalnih distribucijskih mreža .................................51
3.1.3. Tehnički kriteriji planiranja aktivnih distribucijskih mreža..........................................53
3.2. Utjecaj distribuiranih izvora na planiranje distribucijskih mreža ...................................55
3.2.1. Tokovi snaga i padovi napona u tradicionalnim distribucijskim mrežama.....................55
3.2.2. Tokovi snaga i padovi napona u aktivnim distribucijskim mrežama .............................57
3.3. Tehničko rješenje priključka distribuiranih izvora na srednjenaponsku distribucijsku
mrežu ......................................................................................................................................71
4. METODE PROCJENE INVESTICIJSKIH PROJEKATA..................................... 76

4.1. Vremenska vrijednost novca, diskontiranje i diskontna stopa ........................................78
4.1.1. Financijska diskontna stopa .....................................................................................80
4.1.2. Društvena diskontna stopa .......................................................................................81
4.1.3. Nominalna i realna diskontna stopa ..........................................................................82
4.2. Trošak kapitala ..............................................................................................................83
4.3. Karakteristike projekata i projektni rizici ......................................................................87
4.3.1. Dugoročni karakter investicijskih projekata...............................................................88
4.3.2. Vremenski raskorak između ulaganja i učinaka ulaganja.............................................89
4.3.3. Međuovisnost investiranja i financiranja ...................................................................91
4.3.4. Rizik i neizvjesnost.................................................................................................92
4.3.5. Metode financijskoga odlučivanja ............................................................................93
I
Optimalan razmještaj distribuirane proizvodnje u srednjenaponskim elektroenergetskim mrežama
4.3.6. Temeljne metode ....................................................................................................94

4.3.7. Dodatne metode......................................................................................................94
4.3.8. Posebne metode......................................................................................................94
4.4. Metoda čiste sadašnje vrijednosti ...................................................................................95
4.5. Analiza osjetljivosti procjene projekta s obzirom na rizike..............................................97
5. OPTIMIZACIJA GENETSKIM ALGORITMIMA.............................................. 100

5.1. Definicija optimizacijskoga problema ...........................................................................101
5.2. Opis genetskoga algoritma............................................................................................107
5.2.1. Prikaz rješenja, križanje i mutacija u genetskim algoritmima.....................................111
5.2.2. Selekcija u genetskim algoritmima .........................................................................121
6. DOSADAŠNJA ISKUSTVA U RJEŠAVANJU PROBLEMA OPTIMALNOG

RAZMJEŠTAJA DISTRIBUIRANE PROIZVODNJE ......................................... 132
6.1. O problemu optimalnog razmještaja distribuirane proizvodnje u distribucijskim
mrežama ...............................................................................................................................132
6.2. Neke funkcije cilja korištene za problem optimalnog razmještaja distribuiranih izvora 135
6.2.1. Gubici snage u distribucijskoj mreži .......................................................................135
6.2.2. Pad napona i varijacija napona u mreži ...................................................................138
6.2.3. Povećanje struja kratkoga spoja..............................................................................140
6.2.4. Stabilnost napona..................................................................................................141
6.2.5. Povećanje kapaciteta vodova mreže........................................................................143
6.2.6. Odlaganje ulaganja u pojačanje i/ili izgradnju mreže ................................................144
6.2.7. Poboljšanje THD faktora .......................................................................................144
6.2.8. Pouzdanost mreže .................................................................................................146
6.2.9. Troškovi distribuiranih izvora ................................................................................147
6.2.10. Emisije stakleničkih plinova ..................................................................................147
6.3. Primjeri rješavanja problema optimalnog razmještaja distribuiranih izvora ................148
6.3.1. Jednokriterijska optimizacija..................................................................................148
6.3.2. Višekriterijska optimizacija ...................................................................................154
7. OPIS NOVOG ALGORITMA ZA RJEŠAVANJE PROBLEMA OPTIMALNA

RAZMJEŠTAJA DISTRIBUIRANIH IZVORA ................................................... 176
7.1. Osnovni koncept novog algoritma.................................................................................176
7.2. Funkcija cilja ...............................................................................................................178
7.3. Metoda proračuna tokova snaga...................................................................................183
7.3.1. Modeliranje mreže ................................................................................................185
7.3.2. Modeliranje vodova i proračun tokova snaga...........................................................189
7.4. Definicija ulaznih podataka ..........................................................................................194
7.4.1. Ulazni podaci srednjenaponske mreže.....................................................................194
7.4.2. Ulazni podaci prosječnih dnevnih krivulja opterećenja .............................................199
7.4.3. Ulazni podaci prosječnih dnevnih krivulja proizvodnje.............................................210
7.4.4. Ulazni financijski podaci .......................................................................................217
7.5. Parametri genetskog algoritma.....................................................................................220
7.5.1. Način zapisivanja varijabli rješenja.........................................................................221
7.5.2. Veličina populacije ...............................................................................................222
7.5.3. Inicijalizacija........................................................................................................222
7.5.4. Evaluacija funkcije cilja ........................................................................................222
7.5.5. Selekcija ..............................................................................................................222
II
Sadržaj
7.5.6. Križanje...............................................................................................................223
7.5.7. Mutacija ..............................................................................................................223
7.5.8. Elitizam ...............................................................................................................225
7.5.9. Zaustavljanje algoritma .........................................................................................225
7.6. Opis optimizacijskoga algoritma...................................................................................225
7.7. Rezultati ......................................................................................................................232
8. PRIMJENA NOVOG ALGORITMA ................................................................... 239

8.1. Ulazni podaci mreže i opterećenja ................................................................................239
8.2. Ulazni parametri genetskog algoritma ..........................................................................256
8.3. Ulazni podaci budućih proizvodnih jedinica .................................................................257
8.3.1. Buduća sunčana elektrana......................................................................................257
8.3.2. Prvi projekt buduće elektrane na biomasu ...............................................................260
8.3.3. Drugi projekt buduće elektrane na biomasu .............................................................264
8.4. Optimalan razmještaj DI-a u 20 kV mreži bez prethodno priključenih proizvodnih
jedinica..................................................................................................................................267
8.5. Optimalan razmještaj DI-a u 20 kV mreži s prethodno priključenom proizvodnom
jedinicom...............................................................................................................................273
8.6. Optimalan razmještaj DI-a u 10 kV mreži bez prethodno priključenih proizvodnih
jedinica..................................................................................................................................279
9. ZAKLJUČAK...................................................................................................... 285
LITERATURA............................................................................................................. 288
PRILOG ...................................................................................................................... 296
ŽIVOTOPIS................................................................................................................. 360
CURRICULUM VITAE ............................................................................................... 362
III
POPIS SLIKA
Slika 2.1. Primjer elektroenergetskoga sustava s distribuiranim izvorima.........................................4

Slika 2.2. Ciljevi energetske politike EU-a 20-20-20 do 2020. godine...............................................6
Slika 2.3. Instalirana snaga svih elektrana u EU-u tijekom 2012. godine........................................10
Slika 2.4. Primjer fotonaponske elektrane Kukuljanovo ................................................................13
Slika 2.5. Primjer mini hidroelektrane Pleternica.........................................................................16
Slika 2.6. Primjer vjetroparka Trtar-Krtolin ................................................................................19
Slika 2.7. Primjer kogeneracijskoga postrojenja na biomasu Lika Energo Eko ...............................20
Slika 2.8. Primjer kogeneracijskoga postrojenja na plin u sklopu bazenskoga kompleksa Kantrida u
Rijeci .......................................................................................................................................26
Slika 3.1. Podjela i kriteriji planiranja distribucijskih mreža.........................................................50
Slika 3.2. Primjer naponskih prilika na SN izvodu bez priključene proizvodne jedinice....................57
Slika 3.3. Primjer mogućih tokova snaga u SN mreži s priključenom vjetroelektranom ....................57
Slika 3.4. Primjer promjene naponskih prilika i povećanja gubitaka na SN izvodu s priključenom
proizvodnom jedinicom čija trenutna snaga premašuje snagu tereta ..............................................59
Slika 3.5. Primjer utjecaja solarne elektrane na dnevni dijagram izvoda SN distribucijske mreže na
kojem je ona priključena............................................................................................................60
Slika 3.6. Primjer utjecaja DI-a na tokove radnih i jalovih snaga te na strujne i naponske prilike na
izvodu SN mreže .......................................................................................................................61
Slika 3.7. Primjer pozitivnog utjecaja proizvodne jedinice na naponske prilike duž voda .................64
Slika 3.8. Primjer regulacije napona u priključnoj točki elektrane [42]..........................................68
Slika 3.9. Primjer povoljnog utjecaja DI-a na smanjenje gubitaka snage i energije u mreži .............69
Slika 3.10. Ovisnost gubitaka u distribucijskoj mreži Pogona Pag o snazi VE Ravne 1 za 3..............70
karakteristična opterećenja distribucijske mreže ..........................................................................70
Slika 3.11. Primjer povoljnoga utjecaja proizvodne jedinice na rasterećenje vodova u mreži ...........71
Slika 3.12. Načelni prikaz priključka elektrane na SN mrežu [43]..................................................72
Slika 3.13. Načelna jednopolna shema susretnog postrojenja pri interpolaciji DI-a u vod 10(20) kV sa
zajedničkim OMM-om za proizvodnju i vlastitu potrošnju [43]......................................................75
Slika 4.1. Načelni primjer ukamaćivanja i diskontiranja ...............................................................78
Slika 4.2. Prikaz razdoblja investiranja i efektuiranja projekta......................................................90
Slika 4.3. Okvirni prikaz analize osjetljivosti ...............................................................................99
Slika 5.1. Podjela optimizacijskih algoritama ............................................................................104
Slika 5.2. Prikaz gena, kromosoma i populacije .........................................................................108
Slika 5.3. Korak genetskog algoritma........................................................................................109
Slika 5.4. Prikaz rada općenitog genetskog algoritma ................................................................110
Slika 5.5. Križanje s jednom točkom prekida binarno zapisanih rješenja ......................................114
Slika 5.6. Križanje s t-točaka prekida binarno zapisanih rješenja ................................................115
Slika 5.7. Primjer uniformnoga križanja....................................................................................115
Slika 5.8. Primjer mutacije potomka .........................................................................................116
Slika 5.9. Primjer mutacije premještanjem za permutacijski prikaz rješenja..................................118
Slika 5.10. Primjer mutacije zamjenom za permutacijski prikaz rješenja ......................................118
Slika 5.11. Primjer jednostavne mutacije inverzijom za permutacijski prikaz rješenja....................118
Slika 5.12. Primjer djelomično-preslikanog križanja za permutacijski prikaz rješenja ...................119
Slika 5.13. Primjer križanja ciklusa za permutacijski prikaz rješenja ..........................................120
Slika 5.14. Podjela operatora selekcije [62] ..............................................................................123
Slika 5.15. Primjer jednostavne generacijske proporcionalne selekcije ........................................124
Slika 5.16. Selekcija svih N jedinki u jednom koraku uporabom stohastičke univerzalne selekcije ...125
Slika 5.17. Razdioba vjerojatnosti selekcije za generacijsku linearno sortirajucu selekciju ............127
Slika 5.18. Generacijska k-turnirska selekcija............................................................................129
Slika 5.19. Eliminacijska k-turnirska selekcija ...........................................................................130
Slika 5.20. Prikaz jednostavne turnirske selekcije.......................................................................131
IV
Popis slika
Slika 6.1. Primjer profila napona i raspona varijacije napona čvorova jednog izvoda u distribucijskoj
mreži nakon priključenja DI-a..................................................................................................138
Slika 6.2. Primjer naponskih prilika pri varijaciji potrošnje od minimalne do maksimalne, uz
održavanje konstantnog napona na sekundaru TS 110/10 kV.......................................................140
Slika 6.3. Primjer utjecaja struje kratkoga spoja DI-a na potrebu povećanja rasklopne moći prekidača
u mreži...................................................................................................................................140
Slika 6.4. Primjer P – U krivulje...............................................................................................142
Slika 6.5. P – U krivulje s različitim faktorom snage...................................................................143
Slika 6.6. Prikaz harmonički izobličenoga vala i njegovih sinusnih komponenti ............................145
Slika 6.7. Prikaz diskretizirane krivulje trajanja opterećenja.......................................................151
Slika 6.8. Prikaz kodiranja rješenja genetskim algoritmom .........................................................151
Slika 6.9. Uz određivanje indeksa stabilnosti čvora j ..................................................................153
Slika 6.10. Uz određivanje optimalne veličine DI-a u čvorištu s najvećom vrijednosti indeksa
stabilnosti ..............................................................................................................................154
Slika 6.11. Primjer podjele mreže na 4 zone ..............................................................................155
Slika 6.12. Uz kodiranje kromosoma.........................................................................................156
Slika 6.13. Kodiranje kromosoma matričnim zapisom.................................................................166
Slika 6.14. Pareto fronta nedominirajućih rješenja u primjeru ....................................................167
Slika 6.15. Linearna funkcija pripadnosti ..................................................................................167
Slika 7.1. Primjer općenite SN distribucijske mreže s integriranim distribuiranim izvorom električne
energije..................................................................................................................................184
Slika 7.2. Primjer numeriranja konkretne distribucijske mreže s integriranim DI-om za proračun
tokova snaga i padova napona .................................................................................................185
Slika 7.3. Model nadomjesnog π voda distribucijske mreže .........................................................190
Slika 7.4. Dijagram tijeka za opisani proračun tokova snaga ......................................................194
Slika 7.5. Ograničenja na lokaciju priključenja distribuiranih izvora na primjeru mreže od 30 čvorišta
.............................................................................................................................................199
Slika 7.6. Primjer prosječne dnevne krivulje opterećenja za potrošače tipa kućanstvo priključene na
čvorove 2, 19 i 29 ...................................................................................................................209
Slika 7.7. Primjer prosječne dnevne krivulje opterećenja za industrijske potrošače priključene na
čvorove 11 i 25 .......................................................................................................................210
Slika 7.8. Primjer prosječne dnevne krivulje proizvodnje za postojeću 500 kW sunčanu elektranu
priključenu na čvor 29.............................................................................................................212
Slika 7.9. Primjer prosječne dnevne postotne krivulje proizvodnje za buduću hidroelektranu .........214
Slika 7.10. Primjer prosječne dnevne postotne krivulje proizvodnje za buduću vjetroelektranu.......215
Slika 7.11. Primjer prosječne dnevne postotne krivulje proizvodnje za buduću kogeneracijsku
elektranu................................................................................................................................217
Slika 7.12. Primjer kodiranja individualnog rješenja u vektor kromosoma....................................221
Slika 7.13. Primjer križanja cjelobrojnih vektora roditelja..........................................................223
Slika 7.14. Primjer općenite mutacije kromosoma ......................................................................224
Slika 7.15. Dijagram toka algoritma optimalnog razmještaja DI-a ..............................................227
Slika 7.16. Dijagram toka drugog estimacijskog proračuna tokova snaga ....................................227
Slika 7.17. Dijagram toka modificiranog genetskog algoritma ....................................................231
Slika 7.18. Dijagram toka evaluacije funkcije cilja za svaki dekodirani kromosom ........................231
Slika 7.19. Dijagram toka optimizacijskoga proračuna tokova snaga...........................................232
Slika 7.20. Konvergencija dobrote funkcije cilja ........................................................................232
Slika 7.21. Usporedba godišnjih gubitaka djelatne električne energije za promatranu mrežu prije i
poslije optimalnoga razmještaja novih DI-ova ...........................................................................235
Slika 7.22. Usporedba satnih gubitaka djelatne električne snage promatrane mreže prije i poslije
priključenja novih DI-ova za prosječan dan posljednje godine planiranja ....................................236
Slika 7.23. Usporedba djelatne snage izvoda promatrane mreže prije i poslije priključenja novih DI-
ova za prosječan dan posljednje godine planiranja ....................................................................237
Slika 7.24. Usporedba napona čvora 17 promatrane mreže prije i poslije priključenja novih DI-ova za
prosječan dan posljednje godine planiranja ..............................................................................238
Slika 8.1. Primjer distribucijske mreže korištene za demonstraciju učinkovitosti algoritma ............239
V
Slika 8.2. Podjela potrošača distribucijske mreže u primjeru.......................................................244

Slika 8.3. Prikaz napajanja potrošača distribucijske mreže u primjeru .........................................245
Slika 8.4. Primjer prosječne dnevne krivulje opterećenja za potrošače tipa kućanstvo priključene na
čvorove 2, 19 i 29 ...................................................................................................................254
Slika 8.5. Primjer prosječne dnevne krivulje opterećenja za potrošače vikendica priključene na
čvorove 13 i 15 .......................................................................................................................255
Slika 8.6. Primjer prosječne dnevne krivulje opterećenja za industrijske potrošače priključene na
čvorove 18 i 21 .......................................................................................................................256
Slika 8.7. Primjer prosječne dnevne postotne krivulje proizvodnje za buduću sunčanu elektranu ....258
Slika 8.8. Primjer prosječne dnevne postotne krivulje proizvodnje za prvi projekt buduće elektrane na
biomasu .................................................................................................................................261
Slika 8.9. Primjer prosječne dnevne postotne krivulje proizvodnje za drugi projekt buduće elektrane
na biomasu.............................................................................................................................265
priključenja novih DI-ova, za prosječan dan posljednje godine planiranja ...................................271
ova, za prosječan dan posljednje godine planiranja ...................................................................272
Slika 8.14. Usporedba napona čvora 17 promatrane mreže prije i poslije priključenja novih DI-ova, za
Slika 8.15. Primjer prosječne dnevne krivulje proizvodnje za postojeću 2,5 MW vjetroelektranu
priključenu na čvor 10.............................................................................................................275
poslije optimalnoga priključenja novih DI-ova ..........................................................................277
VI
Popis tablica
POPIS TABLICA
Tablica 2.1. Usvojeni nacionalni akcijski planovi zemalja članica EU-a ..........................................7
Tablica 2.2. Troškovi izgradnje, te fiksni i varijabilni troškovi održavanja nekih tipova distribuiranih
izvora ......................................................................................................................................29
Tablica 2.3. Očekivani instalirani kapaciteti OIEK u hrvatskome EES-u prema Strategiji energetskog
razvoja RH ...............................................................................................................................31
Tablica 2.4. Očekivani instalirani kapaciteti OIEK u hrvatskome EES-u do 2020. godine prema
Nacionalnom akcijskom planu....................................................................................................32
Tablica 2.5. Otkupne cijene DI-ova koji se mogu priključiti na SN mrežu Hrvatske do instalirane
snage uključivo 5 MW ...............................................................................................................36
Tablica 2.6. Otkupne cijene DI-ova koji se mogu priključiti na SN mrežu Hrvatske instalirane snage
veće od 5 MW ...........................................................................................................................37
Tablica 2.7. Otkupne cijene za kogeneracijska postrojenja koja kao gorivo ne koriste obnovljive izvore
energije....................................................................................................................................37
Tablica 2.8. Broj i instalirana snaga svake grupe proizvodnih postrojenja koji su priključeni na
hrvatski EES, stanje na dan 30.09.2013.......................................................................................42
Tablica 2.9. Broj i instalirana snaga svake grupe proizvodnih postrojenja koji imaju sklopljen Ugovor
o otkupu električne energije, ali još nisu priključeni na hrvatski EES, stanje na dan 30.09.2013.......43
Tablica 6.1. Razina tereta i pripadajuća tržišna cijena električne energije ...................................163
Tablica 6.2. Podaci o tipovima distribuiranih izvora ..................................................................175
Tablica 7.1. Numeracija grana u primjeru distribucijske mreže...................................................185
Tablica 7.2.Podaci električnoga kabelskog voda korišteni u primjeru distribucijske mreže ............195
Tablica 7.3.Podaci vršnih djelatnih i jalovih snaga svakog čvorišta i duljina dionica u primjeru
distribucijske mreže ................................................................................................................195
Tablica 7.4.Podaci vršne i minimalne snage izvoda iz SCADA sustava.........................................197
Tablica 7.5. Podaci procijenjenih satnih djelatnih opterećenja promatrane mreže (čvorovi 1 – 15) 201
Tablica 7.6. Podaci procijenjenih satnih djelatnih opterećenja promatrane mreže (čvorovi 16 – 30)
.............................................................................................................................................203
Tablica 7.7. Podaci procijenjenih satnih jalovih opterećenja promatrane mreže (čvorovi 1 – 15) ...205
Tablica 7.8. Podaci procijenjenih satnih jalovih opterećenja promatrane mreže (čvorovi 16 – 30) .207
Tablica 7.9. Podaci procijenjene satne djelatne proizvodnje postojeće sunčane elektrane ..............210
Tablica 7.10. Podaci procijenjene satne postotne proizvodnje buduće hidroelektrane....................213
Tablica 7.11. Podaci procijenjenih postotaka satne proizvodnje buduće vjetroelektrane ................214
Tablica 7.12. Podaci procijenjenih postotaka satne proizvodnje buduće kogeneracijske elektrane ..216
Tablica 7.13. Troškovi izgradnje te fiksni i varijabilni troškovi održavanja budućih distribuiranih
izvora ....................................................................................................................................218
Tablica 7.14. Otkupne cijene električne energije budućih DI-ova do instalirane snage uključivo 5 MW
za trenutni primjer distribucijske mreže ....................................................................................219
Tablica 7.15. Otkupne cijene električne energije budućih DI-ova instalirane snage veće od 5 MW za
trenutni primjer distribucijske mreže.........................................................................................219
Tablica 7.16. Procijenjene diskontne stope investitora i ODS-a...................................................220
Tablica 7.17. Procijenjena tržišna cijena električne energije i njezina godišnja stopa porasta........220
Tablica 7.18. Optimalne lokacije i priključne snage novih DI-ova ...............................................233
Tablica 7.19. Čiste sadašnje vrijednosti svakog projekta DI-a i ušteda ODS-a te njihova suma ......233
Tablica 8.1.Numeracija grana u primjeru distribucijske mreže....................................................240
Tablica 8.2.Podaci vršnih djelatnih i jalovih snaga svakog čvorišta u primjeru distribucijske mreže, te
godišnje stope porasta tereta....................................................................................................241
Tablica 8.3.Podaci vršne i minimalne snage izvoda iz SCADA sustava.........................................243
Tablica 8.4.Podaci o dionicama promatrane mreže....................................................................243
Tablica 8.5. Podaci procijenjenih satnih djelatnih opterećenja promatrane mreže (čvorovi 1 – 13) 246
VII
Tablica 8.6. Podaci procijenjenih satnih djelatnih opterećenja promatrane mreže (čvorovi 14 –25 )
.............................................................................................................................................248
Tablica 8.7. Podaci procijenjenih satnih jalovih opterećenja promatrane mreže (čvorovi 1 – 13) ...250
Tablica 8.8. Podaci procijenjenih satnih jalovih opterećenja promatrane mreže (čvorovi 14 – 25) .252
Tablica 8.9. Procijenjena tržišna cijena električne energije, njezina godišnja stopa porasta i diskontna
stopa ODS-a za uštede gubitaka električne energije ...................................................................256
Tablica 8.10. Parametri genetskog algoritma ............................................................................256
Tablica 8.11. Podaci procijenjene satne postotne proizvodnje buduće sunčane elektrane...............257
Tablica 8.12. Granice priključne snage za buduću sunčanu elektranu ..........................................258
Tablica 8.13. Dozvoljene lokacije za buduću sunčanu elektranu ..................................................259
Tablica 8.14. Troškovi izgradnje buduće sunčane elektrane ........................................................259
Tablica 8.15. Stalni troškovi održavanja buduće sunčane elektrane .............................................259
Tablica 8.16. Varijabilni troškovi održavanja buduće sunčane elektrane......................................259
Tablica 8.17. Procijenjene diskontne stope buduće sunčane elektrane..........................................260
Tablica 8.18. Podaci procijenjene satne postotne proizvodnje prvog projekta buduće elektrane na
biomasu .................................................................................................................................260
Tablica 8.19. Granice priključne snage za prvi projekt buduće elektrane na biomasu....................262
Tablica 8.20. Dozvoljene lokacije za prvi projekt buduće elektrane na biomasu ............................262
Tablica 8.21. Ukupna godišnja učinkovitost prvoga projekta buduće elektrane na biomasu ...........262
Tablica 8.22. Troškovi izgradnje prvog projekta buduće elektrane na biomasu .............................262
Tablica 8.23. Stalni troškovi održavanja prvog projekta buduće elektrane na biomasu ..................263
Tablica 8.24. Varijabilni troškovi održavanja prvog projekta buduće elektrane na biomasu...........263
Tablica 8.25. Procijenjene diskontne stope prvog projekta buduće elektrane na biomasu...............263
Tablica 8.26. Podaci procijenjene satne postotne proizvodnje drugog projekta buduće elektrane na
biomasu .................................................................................................................................264
Tablica 8.27. Granice priključne snage za drugi projekt buduće elektrane na biomasu..................265
Tablica 8.28. Dozvoljene lokacije za drugi projekt buduće elektrane na biomasu ..........................265
Tablica 8.29. Ukupna godišnja učinkovitost drugoga projekta buduće elektrane na biomasu .........266
Tablica 8.30. Troškovi izgradnje drugog projekta buduće elektrane na biomasu ...........................266
Tablica 8.31. Stalni troškovi održavanja drugog projekta buduće elektrane na biomasu ................266
Tablica 8.32. Varijabilni troškovi održavanja drugog projekta buduće elektrane na biomasu.........266
Tablica 8.33. Procijenjene diskontne stope drugog projekta buduće elektrane na biomasu.............267
Tablica 8.36. Podaci procijenjene satne djelatne proizvodnje postojeće vjetroelektrane ................273
VIII
1. Uvod
1. UVOD
Tradicionalni distribucijski elektroenergetski sustavi donedavno su bili planirani i

projektirani za jednosmjerne tokove snaga, pri čemu im je osnovna svrha bila usmjeriti
energiju iz napojne transformatorske stanice, preko serije distribucijskih transformatora, kroz
srednjenaponsku i niskonaponsku distribucijsku mrežu prema kupcima na nižem naponu.
Devedesetih godina prošloga stoljeća pojavilo se više utjecaja čija je sinergija dovela do
izrazito brzoga povećanja zanimanja za distribuiranu proizvodnju električne energije. Neki od
navedenih utjecaja su smanjenje emisije CO2, programi energetske učinkovitosti i
racionalnoga korištenja energije, deregulacija i liberalizacija elektroenergetskoga sustava,
otvaranje tržišta električne energije, diverzifikacija energetskih izvora te zahtjevi za
samoodrživost nacionalnih energetskih sustava. Stjecanjem iskustva u priključenju
distribuiranih izvora diljem svijeta, počeli su se javljati problemi vezani uz složenost
planiranja i vođenja pogona distribucijskih mreža zbog realne mogućnosti masovnoga
uvođenja nereguliranih i neupravljivih izvora u distribucijsku mrežu.
Navedeni se problem na razini cijeloga elektroenergetskog sustava jedne države može
riješiti uvođenjem kvota za svaki tip distribuiranoga izvora. Time se može ograničiti
penetracija veće snage određenih tipova distribuiranih izvora, što se primarno odnosi na
intermitirane izvore. Na taj se način efektivno sprečava utjecaj većih proizvodnih
intermitiranih jedinica na prijenosnu mrežu i posljedično se smanjuju ulaganja u rezervne
konvencionalne elektrane. No, uvođenje kvota može stopirati provođenje europskih direktiva
o povećanju udjela obnovljivih izvora električne energije u krajnjoj potrošnji.
Također navedeni problemi na razini pojedinih dijelova distribucijske mreže zahtijevaju
novi pristup s obzirom na to da se radi o manjim proizvodnim jedinicama. Njihovi se
investitori (pravne ili fizičke osobe) prema Operatoru distribucijskog sustava najčešće javljaju
sa zahtjevima za priključenjem elektrana unaprijed određene lokacije i priključne snage.
Navedena se problematika za sada rješava tako da Operator distribucijskoga sustava daje
tehničke uvjete za priključenje distribuiranih izvora u mrežu, što znači da pojačanja mreže
financira investitor, a njihov vlasnik postaje Hrvatska elektroprivreda (HEP d.d.). No
pojačanja mreže u kombinaciji s troškovima susretnog postrojenja i uvođenja u sustav
daljinskog vođenja mogu predstavljati financijski izdatak na razini troška samog proizvodnog
postrojenja, što je svakako destimulirajuće za investitore.
Konačno, ne smije se zanemariti ni međusoban utjecaj investitora, kao vlasnika
distribuiranih izvora, i Operatora distribucijskog sustava, kao vlasnika infrastrukture mreže.
1
Naime sa stajališta planiranja, priključenje distribuiranih izvora ne predstavlja samo tehničku

kategoriju, već i financijsku. Navedeno implicira da je prilikom planiranja nužno pomiriti, s
jedne strane težnje investitora za povećanjem profita i što bržom otplatom investicije, a s
druge strane težnje Operatora distribucijskog sustava za povećanjem ušteda u mreži.
Navedene činjenice znatno usložnjavaju rad planerima mreža koji moraju u postupku
planiranja voditi istovremeno računa o više faktora. U ovome je radu opisana problematika
optimalnoga razmještaja distribuiranih izvora električne energije, odnosno odabira njihove
optimalne lokacije i priključne snage u srednjenaponskoj distribucijskoj mreži. Osnovna je
misao vodilja korištenjem heurističkih algoritama riješiti optimizacijski problem
maksimizacije istovremene financijske koristi za investitore i Operatora distribucijskoga
sustava. Pritom Operator distribucijskoga sustava može biti i investitor postrojenja za
proizvodnju električne energije.
U drugom su poglavlju ove radnje ukratko opisani razlozi pojave interesa za distribuiranim
izvorima, zatim pregled i trenutno stanje razvoja njihove tehnologije. Također su opisani i
financijski i zakonodavni okviri njihove integracije u hrvatski elektroenergetski sustav. U
trećem poglavlju je opisana problematika planiranja srednjenaponskih distribucijskih mreža u
uvjetima priključenja distribuiranih izvora električne energije. Četvrto poglavlje daje na uvid
postojeće metode procjene investicijskih projekata koje će se koristiti kao osnovni kriterij
vrednovanja optimizacijskog algoritma. Peto poglavlje definira osnovne pojmove optimizacije
i genetskog algoritma koji će se u ovoj radnji koristiti za rješavanje problema optimalnoga
razmještaja distribuiranih izvora. U šestom je poglavlju opisan problem optimalnoga
razmještaja distribuiranih izvora, te je dan opis i kritički osvrt prethodnih istraživanja. U
sedmom je poglavlju prikazan autorov znanstveni doprinos rješavanju problema optimalnoga
razmještaja distribuiranih izvora. Između ostaloga, definirana je nova funkcija cilja i opisan je
novi optimizacijski algoritam za odabir optimalnog smještaja i priključne snage distribuiranih
izvora u srednjenaponskim elektroenergetskim mrežama. Testiranje predloženog algoritma na
nekoliko primjera srednjenaponske mreže provedeno je u osmom poglavlju, kako bi se
dokazala njegova robusnost i točnost. Konačno, deveto poglavlje rezimira osnovne hipoteze
ove radnje, daje uvid u značaj algoritma i njegov znanstveni doprinos te predlaže prostor na
kojemu se mogu temeljiti buduća istraživanja.
2
2. Općenito o distribuiranim izvorima električne energije
2. OPĆENITO O DISTRIBUIRANIM IZVORIMA

ELEKTRIČNE ENERGIJE
2.1. Pojam distribuirane proizvodnje električne energije

U samim počecima elektroenergetski sustavi su se sastojali od malih elektrana smještenih u
neposrednoj blizini potrošača. Postupnim razvojem visokonaponske tehnologije zbog potrebe
prevladavanja velikih prirodnih udaljenosti, elektroenergetski sustavi su se počeli vrlo brzo
razvijati oko koncepta velikih centralnih elektrana povezanih na prijenosnu mrežu. U tom
okruženju, prijenosni sustav je odgovoran za prijenos električne energije na velike udaljenosti
jer zbog ogromne snage omogućava korištenje vodiča manjih presjeka dok je primarna uloga
distribucijskoga sustava razdjela električne energije na nižim naponima.
Osnovni razlozi zbog kojih se danas dominantno koriste velike i centralizirane proizvodne
jedinice su ekonomija razmjera, efikasnost, raspoloživost goriva i životni vijek. Općenito se
može reći da se povećanjem snage proizvodnih objekata povećava njihova efikasnost, a
smanjuje trošak izgradnje po jedinici instalirane snage. Osim toga veliki proizvodni objekti u
pravilu imaju dugi životni vijek (u rasponu od 25 do 50 godina). Pridoda li se tomu i manji
trošak dobave za veće količine goriva, jasno je da još dugo vremena velike elektrane neće
imati konkurenciju u obavljanju zadatka osnovnog snabdijevanja električnom energijom.
Ipak, posljednjih nekoliko desetljeća, distribuirana proizvodnja u malim elektranama
počinje zauzimati sve veći značaj za cjelokupnu proizvodnju električne energije. Postoji više
definicija i objašnjenja pojma distribuiranih izvora (DI), ovisno od države do države i
njihovih zakonodavnih uređenja elektroenergetskoga sustava (EES) te različitih tehnoloških
standarda. Općenito se uvriježio termin da distribuirana proizvodnja električne energije
predstavlja sva proizvodna postrojenja priključena na distribucijsku mrežu, iako se npr.
vjetroparkovi i kogeneracijska postrojenja većih snaga često priključuju i na prijenosnu
mrežu. Distribuirana proizvodnja podrazumijeva elektrane na obnovljive izvore energije
(OIE) i fosilna goriva, ali je dominantan utjecaj okrenut ka tehnologijama OIE.
3
Slika 2.1. Primjer elektroenergetskoga sustava s distribuiranim izvorima
Ne postoji samo jedan razlog zbog kojeg je došlo do pojave zanimanja za distribuiranu
proizvodnju, radi se o spletu više razloga i okolnosti. Između ostalog, pojava energetske krize
u svijetu, nastale zbog veoma malih preostalih rezervi fosilnih goriva, izazvala je aktualizaciju
korištenja obnovljivih izvora energije. Povećanje ekološke svijesti na globalnom nivou i
pokušaji da se smanji emisija stakleničkih plinova imaju također dominantan utjecaj na razvoj
tehnologije distribuiranih izvora. Još jedan razlog pojave interesa za distribuiranom
proizvodnjom je trend liberalizacije tržišta električne energije i deregulacije
elektroenergetskih sektora diljem svijeta. Napuštanjem klasičnog vertikalno integriranog
elektroenergetskoga sustava i prijelazom na horizontalni koncept, stvorili su se preduvjeti za
prihvat jedinica distribuirane proizvodnje. Vlasnik tih jedinica ne mora nužno biti državna
elektroenergetska tvrtka koja je donedavno imala monopol u pružanju javne usluge opskrbe
električnom energijom. Konačno, diverzifikacija energetskih izvora, te zahtjevi za
samoodrživosti nacionalnih energetskih sustava predstavljaju dodatni motiv za brzi razvoj i
veću integraciju distribuiranih izvora u EES-ima mnogih država.
4
Neki od ekonomskih preduvjeta koji stimuliraju povećanje udjela distribuiranih izvora u

proizvodnji električne energije su vezani uz činjenicu da takva postrojenja imaju znatno niže
ukupne investicijske troškove u usporedbi s velikim centraliziranim proizvodnim objektima.
Danas su tehnologije OIE poznate i stalno se usavršavaju, što omogućuje daljnje snižavanje
njihovih investicijskih troškova, kao i pogonskih troškova vođenja. Troškovi održavanja
manjih postrojenja su znatno niži od održavanja centraliziranih proizvodnih objekata s
trendom daljnjeg smanjenja. Nadalje sve češće subvencije i potpore za ove čiste tehnologije,
osobito u zemljama Europske Unije (EU), pokazuju se presudnima pri donošenju odluka u
njihovo investiranje. Također je za manja postrojenja lakše pronaći lokacije i ishoditi potrebne
dozvole za izgradnju. Sukladno tome, u većini slučajeva znatno je manji otpor lokalne sredine
njihovoj izgradnji, naročito za postrojenja OIE1. Konačno, energija se u takvim sustavima
proizvodi na samom mjestu potrošnje, što dovodi do smanjenja gubitaka snage i energije u
prijenosnoj i distribucijskoj mreži [1].
Nedostaci korištenja distribuirane proizvodnje podrazumijevaju još uvijek relativno visoke
kapitalne troškove po jedinici instalirane snage i činjenicu da distribucijska mreža nije
inicijalno građena za prihvat proizvodnih objekata. Potonje implicira da Operator
distribucijskoga sustava (ODS) mora izdati posebne tehničke uvjete s obzirom na njihovu
lokaciju izgradnje, što često predstavlja teret za investitora. Nepredvidljivost proizvodnje i
posljedično veći troškovi uravnoteženja sustava (naročito za EES s velikim udjelom
intermitiranih DI-ova), predstavljaju nezaobilazan problem pri integraciji distribuiranih
izvora. Konačno, ograničene mogućnosti korištenja na razini sustava, odnosno potreba za
odgovarajućom rezervom u konvencionalnim izvorima, zasada koče prodor veće količine
distribuirane proizvodnje na razini EES-a. Općenito se smatra da 20 % razine penetracije
distribuirane proizvodnje u odnosu na vršno opterećenje može biti prihvaćeno u
elektroenergetski sustav bez značajnijih strukturnih promjena. Naravno, mnoge države poput
Njemačke i Danske imaju znatno viši prihvat DI-ova u svojim sustavima, no i snažnije
interkonekcijske vodove kojima se dozvoljava evakuacija viška snage u susjedne države.
1
Ipak, ima i drugačijih iskustava. Vjetroelektrana Fužine, snage 56 MW (I. faza 36 MW) primjer je otpora
lokalne sredine prema izgradnji elektrana na OIE. Namjeravani zahvat na području Fužina, zbog kojeg je
sredinom travnja 2013. održan neuspješni lokalni referendum o stopiranju investicije, ipak je zaustavljen
odlukom Ministarstva zaštite okoliša i prirode 2. kolovoza 2013. godine.
5
2.2. Integracija distribuiranih izvora unutar Europske unije

Kronološki gledano, integracija distribuiranih izvora u zemljama EU-a počela je 2001.
godine kada je Europska Unija usvojila Direktivu o obnovljivim izvorima (2001/77/EC), s
ciljem povećanja njihova udjela u proizvodnji električne energije. U ukupnoj proizvodnji
električne energije u 1997. godini prosječni udio OIE bio je 13,9 %, a do 2010. godine trebalo
ga se prosječno podići na 22,1 %. U ukupne udjele prema toj direktivi uključene su i velike
hidroelektrane (HE) iako se radi o konvencionalnom izvoru električne energije. Nakon
prijema 10 novih članica Europske unije u 2004. godini, došlo je do nadopune Direktive
2001/77/EC obuhvatom i tih zemalja. Sveukupno u 25 zemalja-članica EU-a s udjelom od
12,9 % u 1997. godini trebalo je postići udio od 21 % u 2010. godini.
Ubrzo se počelo razmišljati o prijedlogu nove direktive. Cilj prijedloga bio je uspostaviti
udio od 20 % obnovljivih izvora energije u bruto krajnjoj energetskoj potrošnji2 (ne samo
električnoj) i minimalan udio od 10 % biogoriva u prijevozu unutar EU-a. Nova direktiva
Europskoga parlamenta i Vijeća Europe o promociji iskorištavanja obnovljivih izvora energije
2009/28/EZ usvojena je 23. travnja 2009. i dio je Energetskoga i klimatskog paketa Europske
Unije. Veliku važnost pridaje obnovljivim izvorima energije te potvrđuje ciljeve 20-20-20 o
povećanju udjela energije iz obnovljivih izvora s 8,5 % na 20 % u bruto krajnjoj potrošnji
energije, o povećanju energetske učinkovitosti za 20 % i o smanjenju emisije stakleničkih
plinova za 20 % do 2020. godine [2].
Slika 2.2. Ciljevi energetske politike EU-a 20-20-20 do 2020. godine
2
Bruto krajnja potrošnja energije je ukupna energija koju su potrošili krajnji korisnici kao što su domaćinstva,
industrija i poljoprivreda, uključujući i energiju koju je potrošio energetski sektor (gubici u transportu i
transformaciji energije, te transformaciji goriva u energiju).
6
Svaka zemlja članica EU-a ima vlastitu strategiju razvoja OIE, definiranu svojim
Nacionalnim akcijskim planom za obnovljive izvore električne energije (engl. National
Renewable Energy Action Plan – NREAP). EU je 2010. godine imala 12,5 % udjela OIE u
bruto krajnjoj potrošnji energije [3].
U Tablici 2.1. prikazani su usvojeni nacionalni ciljevi udjela OIE u bruto krajnoj potrošnji
energije, prije primitka Hrvatske kao 28. članice EU-a.
Tablica 2.1. Usvojeni nacionalni akcijski planovi zemalja članica EU-a

Udio OIE u Udio OIE u
Zemlja krajnjoj potrošnji krajnjoj potrošnji
2005. (%) 2020. (%)
Belgija 2,2 13
Bugarska 9,4 16
Češka 6,1 13
Danska 17,0 30
Njemačka 5,8 18
Estonija 18,0 25
Irska 3,1 16
Grčka 6,9 18
Španjolska 8,7 20
Francuska 10,3 23
Italija 5,2 17
Cipar 2,9 13
Latvija 34,9 42
Litva 15,0 23
Luksemburg 0,9 11
Mađarska 4,3 13
Malta 0,0 10
Nizozemska 2,4 14
Austrija 23,3 34
Poljska 7,2 15
Portugal 20,5 31
Rumunjska 17,8 24
7
Slovenija 16,0 25
Slovačka 6,7 14
Finska 28.5 38
Švedska 39,8 49
Velika Britanija 1,3 15
Ukupno EU-27 8,5 20
Pritom je očigledno da su zadaće pojedinih zemalja različite i ovise o zatečenom udjelu te

objektivnim mogućnostima za njegovu bržu ili sporiju primjenu. U nizu inače razvijenijih
zemalja zatečeni udio OIE je vrlo nizak (u Belgiji, Irskoj, Nizozemskoj, donekle Njemačkoj i
izrazito u Ujedinjenom Kraljevstvu).
Ipak, jasno je da bez gospodarskih poticaja na razini pojedinih država nije moguće ostvariti
zacrtane ciljeve u korištenju OIE. Na razini EU-a dva su osnovna pristupa u poticanju
proizvodnje električne energije iz OIE: sustav zajamčenih cijena i sustav obvezujućih kvota
[4]. Osim navedenih postoje i dodatni mehanizmi poput investicijskih potpora i poreznih
olakšica, a očekuje se i uvođenje ekoloških naknada koje će biti postavljene na temelju
stvarnih troškova zaštite i sanacije okoliša uzrokovanih radom elektrana na fosilne izvore
energije.
Sustav zajamčenih cijena (engl. feed-in tariff system – FIT) definira obvezu operatora
prijenosnog sustava (OPS) i operatora distribucijskoga sustava da priključe povlaštenog
proizvođača na elektroenergetsku mrežu, s napomenom da se njegova energija mora u
potpunosti otkupiti prema primijenjenom tarifnom sustavu za proizvodnju električne energije
iz obnovljivih izvora energije (i kogeneracije). Ovaj sustav je trenutno najzastupljeniji u
Europi, i to u državama koje imaju najviše instaliranih postrojenja koja koriste obnovljive
izvore energije (npr. Njemačka, Španjolska, Danska, Nizozemska, Francuska, Portugal).
Sustav obvezujućih kvota (engl. system quota obligations) je zakonom definirana obveza
energetskih subjekata da proizvedu ili preuzmu određenu količinu električne energije
podrijetlom iz obnovljivih izvora energije prodajom/kupnjom tzv. zelenih certifikata.
Dostizanje obvezujuće kvote nadzire nadležno tijelo koje je ovlastila i registrirala država.
Obvezujuće kvote su dostignute kada subjekt dokaže nadležnom tijelu da je kupio
odgovarajući broj zelenih certifikata. Tržište zelenim certifikatima odvija se paralelno s
tržištem električne energije. Proizvođač električne energije iz obnovljivih izvora energije
prodaje proizvedenu energiju po tržišnoj cijeni, ali uz nju također prodaje i zelene certifikate
8
dobivene za svaki MWh proizvedene električne energije iz OIE. Ovaj dodatni prihod od
prodaje zelenih ceritifikata omogućava pokrivanje njegovih većih troškova proizvodnje koje
ima u odnosu na ostale proizvođače. Ovakav sustav je tržišno orijentiran i primjenjuje ga
samo šest država u Europi: Velika Britanija, Švedska, Belgija, Italija, Rumunjska i Poljska.
Zemlja predvodnica u korištenju OIE i mjera energetske učinkovitosti u Europi je
Republika Njemačka koja je već 2007. ostvarila zacrtane ciljeve razvoja OIE propisane
Direktivom 2001/77/EC. Njemačka strategija razvoja OIE ambiciozno je zacrtala cilj od 35 %
udjela OIE u proizvodnji električne energije do 2020. i od 80 % udjela do 2050. godine, a
predviđena je i ušteda od 50 % ukupne potrošnje energije do 2050. godine. Njemačka Vlada
je za 2011. godinu dala izvještaj o proizvodnji 123 TWh električne energije, što predstavlja
oko 20 % od 603 TWh ukupno proizvedene električne energije. U 2012. godini taj se iznos
podigao na 21,9 %, pri čemu je instalirana snaga svih vjetroelektrana bila oko 32 GW, a
solarnih fotonaponskih sustava oko 33 GW. No gledano iz drugoga kuta, kupci električne
energije su morali snositi teret prikupljanja subvencija za OIE, i to ponajprije građanstvo.
Pritom iako navedeni doprinosi kontinuirano rastu, veliki dio njemačke industrije uopće ih ne
plaća, premda se radi o tvrtkama koje u svojem proizvodnom procesu troše velike količine
električne energije. Dakle, u Njemačkoj se doprinos obračunava na količinu potrošene
električne energije i plaćaju ga građani i male tvrtke, a 2008. je iznosio 1,12 Euro centa po
kWh. U 2013. udio OIE doprinosa je iznosio 5,3 Euro centa po kWh, a 2014. godine trebao bi
koštati potrošače između 6,2 i 6,5 Euro centa po kWh-u. Radi se dakle o porastu visine
doprinosa od oko 600 % u samo šest godina.
Zaključno, zanimljivo je promotriti kakav je godišnji udio novih instaliranih kapaciteta
OIE u odnosu na sve nove instalirane elektrane u Europskoj Uniji. Slikom 2.3. prikazana je
instalirana snaga svih tipova elektrana u 2012. godini unutar EU-a [5 – 8].
9
Slika 2.3. Instalirana snaga svih elektrana u EU-u tijekom 2012. godine
Ukupan kapacitet od 44,9 GW novih elektrana predstavljao je porast za 1,3 GW u odnosu

na 2011. godinu, što je ujedno i rekord za EU u izgrađenim kapacitetima. Najveći udio u
novim elektranama su imale solarne fotonaponske elektrane sa 16,750 GW, što čini 37,5 %
ukupnih novih kapaciteta 2012. godine. Vjetroelektrane su s 11,895 GW činile 26,5 %
ukupnih novih kapaciteta, i na drugom su mjestu. Treće su elektrane na plin s 10,535 GW, što
čini 23 %. Za usporedbu, elektrane na ugljen su sa 6,065 GW činile svega 7 % novih
kapaciteta, elektrane na biomasu s 1,338 GW su činile 3 % novih kapaciteta, a solarne
termoelektrane (STE) s 833 MW svega 2 % udjela. Ukupno 5,441 GW postojećih elektrana
na ugljen i 5,495 GW elektrana na plin je zatvoreno unutar EU-a, što zbog starosti (najviše
ugljen), što zbog neisplativosti (ponajviše plin)3. Očito je da su nakon nesreće u Fukushimi4 i
zaokreta mnogih država EU-a od nuklearne energije (napose Njemačke) stali projekti novih
nuklearnih elektrana (NE). Čak štoviše, osim moratorija na gradnju novih NE, pojačano je i
zatvaranje postojećih kapaciteta NE, pa je u 2012. zatvoreno 1,205 GW postojećih NE. No u
posljednje vrijeme ipak se ponovno pokreću projekti nuklearnih elektrana, tim više što se
znatno polaže pozornost na aspekt sigurnosti. Na primjer, za razliku od Njemačke, Francuska
i Velika Britanija se zalažu za razvoj novih, pa čak i produljenje životnog vijeka svojih
postojećih NE. Tako francuski EdF (franc. Électricité de France) u Velikoj Britaniji planira
3
Njemački RWE (njem. Rheinisch-Westfälisches Elektrizitätswerk) planira zatvoriti gotovo petinu svojih
plinskih kapaciteta u Njemačkoj. Ukupno 954 MW plinskih elektrana u Njemačkoj neće biti u pogonu do kraja
2014. godine.
4
Nesreća u nuklearnoj centrali Fukushima 1 obuhvaća seriju nuklearnih nesreća i otkazivanje uređaja u
nuklearnoj elektrani Fukushima 1, kod grada Okuma, Japan. Havarija je nastala kao posljedica katastrofalnog
potresa Tōhoku 11. ožujka 2011. godine te tsunamija koji je potom pogodio obale Japana.
10
izgraditi prvo nuklearno postrojenje u Europi od tragedije u japanskoj Fukushimi. Projekt

Hinkley Point bi trebao koštati oko 16 milijardi £.
Zaključno, u energetskom miksu EU-a 2012. godine OIE su činili gotovo 70 %, s 31,3 GW
novih kapaciteta. To je peta godina zaredom da su OIE činili više od 50 % udjela u novim
elektranama. Za usporedbu, 2000. godine OIE su s instaliranih 3,5 GW činili svega 20,7 %
novih kapaciteta unutar EU-a. Od 2000. godine do kraja 2012. godine ukupno je instalirano
353 GW elektrana na obnovljive izvore energije. Navedena činjenica govori mnogo o
važnosti OIE za energetsku politiku EU-a.
2.3. Vrste distribuiranih izvora koji se mogu priključiti na

distribucijsku mrežu Hrvatske
Osnovni izvori energije koji se nalaze u prirodi su energija Sunca, energija Zemlje i
energija gravitacije. S obzirom na vremensku mogućnost njihova iscrpljivanja, prirodni
(primarni) oblici energije dijele se na neobnovljive i obnovljive oblike energije. Neobnovljivi
oblici energije su fosilna goriva (ugljen, nafta, zemni plin, uljni škriljci), nuklearna goriva i
unutarnja toplina Zemlje (geotermalna energija). Obnovljivi izvori energije su vodne snage
(energija vodotokova, morskih struja i valova, plime i oseke), biomasa (i bioplin, uključujući i
drvo i otpatke), energija Sunčeva zračenja i energija vjetra. Prema uobičajenosti uporabe,
prirodni oblici energije mogu se podijeliti na konvencionalne (fosilna goriva, vodne snage,
nuklearna goriva) i nekonvencionalne (svi ostali). U nastavku su prikazani tipovi DI-ova koji
se mogu priključiti na distribucijsku mrežu Hrvatske, a definirani su važećim Tarifnim
sustavom za proizvodnju električne energije iz obnovljivih izvora energije i kogeneracije (NN
br. 133/13).
2.3.1. Sunčane elektrane
Sunčeva energija je obnovljivi izvor energije, a Sunce je, neposredno ili posredno, izvor
gotovo sve raspoložive energije na Zemlji. Sunčeva energija potječe od nuklearnih reakcija u
njegovu središtu, gdje temperatura doseže 15 milijuna °C. Sunčeva energija je dio energije
proizvedene na Suncu koji stiže do Zemlje5 i ona se može direktno pretvarati u toplinsku
energiju (sunčani kolektori) ili u električnu energiju. Energija Sunčeva zračenja se
5
Snaga Sunčeva zračenja na ulazu u Zemljinu atmosferu, pri srednjoj udaljenosti od Sunca, iznosi 1.370 W/m2,
pri čemu do površine Zemlje stigne otprilike polovica.
11
rasprostranjuje po površini Zemlje ovisno o zemljopisnoj širini, godišnjemu dobu i dužini

dana.
Noću i za vrlo oblačnih dana sunčeva energija nije potpuno dostupna i potrebni su sustavi
za spremanje energije koji se pune kada je energija dostupna. Sunčeva je energija vrlo čisti
izvor energije nakon instalacije jer nema štetnih emisija ili zagađenja nastalog zbog upotrebe
solarnih panela.
Električna energija se proizvodi iz energije Sunca na dva različita načina: posredno preko
toplinskog kružnog procesa i direktno korištenjem fotoefekta. Shodno tomu razlikuju se dva
osnovna tipa sunčanih elektrana koje se mogu priključiti na distribucijsku mrežu: mala
toplinska elektrana (eng. solar termal) i mala fotonaponska elektrana (engl. photovoltaic).
Male elektrane na sunčevu energiju grade se na područjima gdje ima puno sunčanih dana u
godini. Za izgradnju ovakvih izvora električne energije potrebno je najprije obaviti
preliminarna mjerenja sunčeva potencijala (npr. korištenjem piranometra) i na temelju toga
izraditi kartu s označenim područjima specifičnih snaga sunčeva zračenja (izraženim u
W/m2). Na osnovi navedenih podataka te ostalih posebnih uvjeta koji se postavljaju pri
gradnji, može se odrediti lokacija gradnje ovakvih postrojenja. Budući da su važećim tarifnim
sustavom pokrivene samo fotonaponske elektrane, samo će se njih opisati u ovome
potpoglavlju.
Fotonaponska elektrana je tip sunčane elektrane (SE) koja iskorištava energiju Sunca
upotrebom poluvodičkih elemenata i radi na principu fotonaponskog efekta u fotonaponskoj
ćeliji. Ćelija transformira Sunčevu svjetlost u istosmjernu struju, a za priključak
fotonaponskoga modula na izmjeničnu mrežu potrebno je instalirati pretvarač istosmjernoga u
izmjenični napon (izmjenjivač). Za dobivanje željene ukupne snage fotonaponskoga sustava
potrebno je veći broj ćelija spojiti u module. Iako je tehnologija izrade fotonaponskih ćelija
još uvijek relativno skupa, posljednjih 20 godina specifična cijena proizvodnje fotonaponskih
panela (€/kW) je drastično pala zbog napretka tehnologije proizvodnje6.
Postoji više tipova fotonaponskih ćelija i tehnologija proizvodnje istih, od kojih su
najrasprostranjenije ćelije s monokristalnim, polikristalnim i amorfnim silicijem. U novije
vrijeme sve veći zamah dobivaju galij arsenidne (GaAs) ćelije i kadmij telurijeve (CdTe)
ćelije.
6
U lipnju 1979. godine, kada je američki predsjednik Jimmy Carter postavio fotonaponski sustav na krov Bijele
kuće, cijena fotonaponskih ćelija kretala se oko 40 $/W. Sedam godina kasnije predsjednik Regan je skinuo
panele, a kada je predsjednik Obama pokrenuo u kolovozu 2013. godine ponovnu instalaciju solarnih panela na
Bijelu kuću, njihova je cijena iznosila samo 0,74 $/W. Dakle, u 30-ak godina cijena fotonaponske ćelije spustila
se za čak 98%.
12
Fotonaponski sustavi su modularnoga tipa, s jedinicama snage od 50 W do 300 W, koji se

vrlo jednostavno kombiniraju u povezane sustave čime instalirana snaga može doseći i više
stotina kW, pa čak i MW. Unatoč visokoj cijeni instalacije, korištenje fotonaponskoga sustava
je u naglome porastu (oko 30 % godišnje) zahvaljujući tomu što su tihi, pouzdani, veličinom
se lako prilagođavaju bilo kojem sustavu, korisnika štite od rizika porasta cijene energenata i
predmet su raznih državnih financijskih poticaja. Za razliku od ostalih tehnologija
distribuirane proizvodnje, fotonaponski sustavi su kapitalno intenzivna obnovljiva tehnologija
s vrlo niskim troškovima pogona. Učinkovitost im se kreće do 20 % [9].
U Republici Hrvatskoj su do 30. rujna 2013. na elektroenergetsku mrežu priključena, u
sustavu povlaštenih proizvođača električne energije, 423 pogona (solarnih elektrana) ukupne
instalirane snage gotovo 10 MW. Primjer fotonaponske elektrane Kukuljanovo, puštene u
pogon u ožujku 2012. godine u Industrijskoj zoni Kukuljanovo nedaleko Rijeke, ukupne
snage 283 kWp, prikazan je Slikom 2.4.
Slika 2.4. Primjer fotonaponske elektrane Kukuljanovo
2.3.2. Hidroelektrane
Energija vode je najznačajniji obnovljivi izvor energije, a ujedno i jedini koji je ekonomski
konkurentan fosilnim gorivima i nuklearnoj energiji. Hidroelektrane (HE) su energetska
postrojenja u kojima se potencijalna energija vode pretvara najprije u mehaničku energiju
(preko hidrauličnih turbina), a potom generatorima u električnu energiju. Energetske
karakteristike svake HE zavise od vodotoka na kojemu se ona gradi, odnosno od protoka i
pada, ukupne raspoložive vode i njezine raspodjele tijekom godine. Protok, pad i količina
vode ne mogu se birati po volji jer su to inherentne karakteristike svakog riječnog toka i
položaja elektrane. Međutim konstrukcijskim mjerama mogu se poboljšati uvjeti za korištenje
13
prirodna vodnoga potencijala, u prvom redu pregrađivanjem vodnoga toka branom i

formiranjem akumulacijskih jezera.
Iako se turbine i generatori za HE proizvode u široku rasponu snaga, oni zanimljivi
distribuiranoj proizvodnji kreću se od nekoliko desetaka kW do 10 MW. Male hidroelektrane
(MHE) obično pokreće vodni tok, tj. nije potrebno značajnije dovođenje vode, kao ni
izgradnja velikih brana i akumulacijskih jezera (iako pomaže ako oni postoje i ako se mogu
jednostavno upotrijebiti). Ne postoji općenita međunarodna suglasnost o definiciji MHE jer se
gornja granica kreće između 2,5 i 25 MW u različitim zemljama. Uglavnom se prihvaća
granična vrijednost između malih i velikih HE od 10 MW. MHE se nadalje mogu podijeliti na
mini hidroelektrane, snage do 500 kW te mikro hidroelektrane, snage do 100 kW.
Sustav male hidroelektrane se sastoji od svih objekata i dijelova koji služe za skupljanje,
dovođenje i odvođenje vode, za pretvaranje mehaničke u električnu energiju, te za
transformaciju i razvod električne energije. Razlikuju se brana ili pregrada, zahvat, dovod,
vodna komora ili vodostan, tlačni cjevovod, strojarnica (u kojoj se nalaze turbina i generator),
te konačno odvod vode. Prema tipu hidroelektrane neki od ovih dijelova mogu potpuno
izostati, a u drugim slučajevima isti dio može preuzeti više funkcija.
MHE mogu biti izvedene (ovisno o padu) kao niskotlačne (do 20 m), srednjotlačne (od 20
do 100 m) i visokotlačne (preko 100 m). Prema tomu kako su postavljene u odnosu na riječni
tok, MHE mogu biti protočne i derivacijske. Ova podjela je identična kao i za velike HE.
Mala hidroelektrana jedna je od najekonomičnijih i najpouzdanijih energetskih tehnologija
koje se mogu uzeti u obzir za proizvodnju električne energije bez zagađenja. Glavne prednosti
malih hidroelektrana su mali utjecaj na okoliš, visoka efikasnost (70 % – 90 %), visoka razina
predvidljivosti koja se mijenja u skladu s godišnjim modelom padalina i spora promjena
izlazne snage (mijenja se samo postupno od dana do dana, a ne svake minute). Također
tehnologija razvoja omogućava izvođenje jedinica životnoga vijeka 50 ili više godina [10].
Nedostaci korištenja hidroenergije su visoki kapitalni troškovi po instaliranom kW, veliki
troškovi istraživanja u odnosu na ukupne investicije i činjenica da proizvodnja ovisi o
varijabilnosti protoka rijeke tijekom godine.
Planiranje ima važnu ulogu u razvoju postrojenja za eksploataciju hidroenergije. Kako
količina hidroenergije na određenome mjestu ovisi o vodnome padu na turbini i
odgovarajućoj stopi protoka, tako je za efikasno iskorištavanje hidroenergije potrebno što
točnije procijeniti vodne resurse na određenim lokacijama. Precizna i pouzdana procjena
vodnih resursa ključ je uspješna planiranja. Povijesni podaci o protoku koji odgovaraju
određenoj lokaciji tradicionalno se koriste za procjenu vodnoga potencijala, pa se zbog toga te
14
informacije uzimaju kao referenca pri planiranju. Ministarstva okoliša, agencije za zaštitu
voda i/ili okoliša (državne/lokalne) ili meteorološki zavodi obično su izvor podataka o
mjerenjima protoka (godišnji hidrogrami i krivulje trajanja protoka) u najvažnijim rijekama i
potocima europskih zemalja. Podaci se mogu iskoristiti za procjenu toka tekućice na
određenome mjestu ako se uzme u obzir odnos stvarne lokacije i mjerne stanice (uzvodno ili
nizvodno). Ipak, u većini slučajeva podaci o dostupnosti vode za prošla razdoblja specifični su
samo za određenu lokaciju. Zbog složenosti same hidrologije kao prirodne pojave, buduća
procjena temeljena na podacima specifičnima za lokaciju iz prošlih razdoblja dovodi u pitanje
točnost i pouzdanost procjene. Pojavom novih računalnih alata kao što su geografski
informacijski sustav (GIS) i hidrološki modeli, gore navedene prepreke mogu se sustavno
rješavati. Stvarne slike postojećeg terena, složenih hidroloških pojava, te utjecaj promjenjive
klime sada je moguće integrirati pomoću prostornih alata i tehnika modeliranja. Hidrološki
modeli općenito koriste matematičke i statističke koncepte za povezivanje određenih unosa
(na primjer, količine kiše, temperature, itd.) s rezultatima modela (na primjer, količina
otjecanja).
U Republici Hrvatskoj na dan 30. rujna 2013. na elektroenergetsku mrežu priključene su, u
sustavu povlaštenih proizvođača električne energije, četiri hidroelektrane ukupne instalirane
snage 1,34 MW. Primjer mini hidroelektrane Pleternica na rijeci Orljavi, instalirane snage 220
kW, prikazan je Slikom 2.5.
15
Slika 2.5. Primjer mini hidroelektrane Pleternica
2.3.3. Vjetroelektrane
Sva obnovljiva energija dolazi od Sunca. Oko 1 % do 2 % te energije pretvara se u energiju

vjetra. Vjetroelektrane (VE) rade po principu da ulaznu snagu vjetra pretvaraju u okretnu silu
koja djeluje na elise rotora, te preko generatora proizvode i predaju električnu energiju u
mrežu. Količina energije koju vjetar prenosi na rotor vjetroturbine ovisi o površini kruga koji
čini rotor u vrtnji, brzini vjetra i gustoći zraka. Vjetroturbina iskrivljuje putanju vjetra i prije
nego što vjetar dođe do elisa rotora, što znači da se ne može iskoristiti sva energija iz vjetra.
Maksimalna snaga koja se može dobiti pogonom pomoću vjetroturbine iz konstrukcijskih
razloga iznosi 59,3 % od teoretske maksimalne moguće snage vjetra. U realnim okolnostima,
uzme li se u obzir i maksimalni stupanj djelovanja zračne turbine 0,65 te stupanj djelovanja
generatora 0,8, iskoristi se samo 31 % kinetičke energije vjetra za proizvodnju električne
energije u vjetroelektranama [11].
Na visinama od približno 1 km površina zemlje ne utječe previše na vjetar, dok u nižim
slojevima atmosfere trenje o površinu zemlje znatno utječe na brzinu vjetra. Pri većim
nepravilnostima terena, vjetar je više usporen. Zbog stalnog variranja brzine vjetra, količina
energije stalno se mijenja. Promjena ovisi o vremenskim prilikama, o uvjetima na tlu i
16
preprekama. Budući da je snaga vjetra ovisna o trećoj potenciji brzine vjetra, čak i mala
promjena brzine vjetra može značajno utjecati na izlaznu snagu vjetroelektrane. Vjetroturbine
su općenito dizajnirane tako da počnu raditi pri brzini vjetra između 3 do 5 m/s, a turbina se
programira tako da prestane raditi pri velikoj brzini vjetra, pri otprilike 25 m/s da se ne bi
oštetila.
Općenito se vjetroelektrane dijele prema tome imaju li okomiti ili vodoravni rotor.
Vjetroelektrane s okomitim rotorom se rjeđe koriste. Većina vjetroturbina s vodoravnom
osovinom koriste mehanizam koji pomoću elektromotora i prijenosa drži turbinu zakrenutu
prema smjeru dolaska vjetra. Tornjevi za velike turbine mogu biti okrugli čelični, rešetkasti,
ili betonski. S obzirom na mjesto postavljanja, vjetroelektrane se dijele na one koje se
postavljaju na kopnu (engl. onshore wind farms) i one na morskoj pučini (engl. offshore wind
farms). S obzirom na snagu jedinice, uobičajena je podjela na male (1 do 30 kW), srednje i
velike, (30 do 1.500 kW), koje se grupiraju u vjetroparkove, te vjetroelektrane na pučini
(>1.500 kW).
Proizvodne jedinice u vjetroelektranama su uobičajeno sinkroni ili asinkroni generatori. S
obzirom na vrstu priključenja na mrežu česta je podjela na vjetroelektrane u izvedbi sa
stalnom brzinom vrtnje, koje se izravno priključuju na mrežu, i na vjetroelektrane s
promjenjivom brzinom vrtnje, koje se priključuju preko pretvarača frekvencije. Iako je
najskuplji dio vjetroelektrane njezina turbina, veličina i cijena generatora uz uključenu
efikasnost i učinkovitost regulacijskoga sustava neosporno čine značajan investicijski trošak.
Neophodna je pažljiva financijska analiza kojom bi se odredila opravdanost uvođenja pogona
s promjenjivom brzinom vrtnje. Prema nekim statistikama, pogon s promjenjivom brzinom
vrtnje na godinu postiže za trećinu veći iznos predane električne energije od pogona sa
stalnom brzinom vrtnje. Ako je cijena isporučene energije dovoljno visokoga iznosa, moguće
je postići ekonomsku isplativost i uz veće početne investicijske troškove pogona s
promjenjivom brzinom vrtnje.
Priključenje vjetroelektrana na elektroenergetsku mrežu je značajan problem s obzirom na
to da vjetroelektrane mogu bitno utjecati na stabilnost sustava i kvalitetu električne energije u
mreži. Kriteriji priključenja se definiraju u obliku Mrežnih pravila za vjetroelektrane (eng.
wind grid codes), pri čemu je za hrvatski EES HEP Operator prijenosnog sustava (danas
Hrvatski operator prijenosnog sustava – HOPS) 31. prosinca 2008. donio "Dodatne tehničke
uvjete za priključak i pogon vjetroelektrana na prijenosnoj mreži". Dakle, postoji više
tehničkih kriterija priključenja vjetroelektrana na mrežu koji se uzimaju u obzir radi što
kvalitetnije integracije vjetroelektrana u elektroenergetski sustav, kao što su iznos frekvencije,
17
napona, stanje u uvjetima kvara, kvaliteta isporučene električne energije i zahtjevi s obzirom
na signale, komunikaciju i upravljanje. Iako vjetroelektrane mogu smanjiti potrošnju goriva u
konvencionalnim izvorima7, ipak ne mogu smanjiti njihovu izgradnju jer ne mogu jamčiti
proizvodnju električne energije u kritičnim razdobljima. Iz toga se razloga ne koriste kao
vršni izvori energije.
Za odabir same lokacije VE vrlo je važno da mjesto izgradnje ima što više vjetrovitih dana
i da je vjetar ujednačen tijekom vremena. Mjerenje prosječnih satnih vrijednosti brzine vjetra
koje prethodi izgradnji VE mora trajati najmanje godinu dana (teoretski bi se, zbog mogućih
većih godišnjih oscilacija, mjerenja trebala obavljati duži niz godina), te se na osnovi tog
mjerenja radi vjerojatnosna razdioba brzine vjetra u dužemu vremenskome razdoblju.
Razdioba prikazuje vrijeme trajanja vjetra određene brzine za promatrani vremenski period.
Najčešće brzina vjetra uglavnom odgovara Weibullovoj, dok energija vjetra odgovara
Gaussovoj razdiobi vjerojatnosti. Na osnovu takvih krivulja dobiva se vjerodostojno
predviđanje količine energije koju je moguće dobiti iz vjetra na promatranomu prostoru.
Svakako najvažniji pozitivni aspekt VE je da prilikom njihova rada ne dolazi ni do kakvih
emisija ispušnih plinova ili krutih čestica, ni do drugih oblika zagađenja okoline. Prednost
vjetroelektrana je i u tome što se mogu smjestiti podjednako na neobradivim površinama,
morskoj pučini ili poljoprivrednom zemljištu, a posebnost im je što se prostor između stupova
generatora i dalje može koristiti.
Negativni utjecaji na okolinu su buka koju VE stvaraju prilikom vrtnje elisa i pogonskoga
mehanizma generatora i moguć negativan utjecaj na životinje koje žive u području
vjetroparka, prvenstveno ptice i šišmiše.
U Republici Hrvatskoj je do 30. rujna 2013. u pogonu 14 vjetroelektrana ukupne
instalirane snage oko 255 MW. Primjer vjetroparka Trtar-Krtolin kod Šibenika, instalirane
snage 11,2 MW prikazan je Slikom 2.6.
7
Često uključivanje VE u vozni red elektrana posljedično smanjuje predanu energiju konvencionalnih elektrana,
pri čemu potonje postaju neprofitabilne na otvorenom tržištu električne energije.
18
Slika 2.6. Primjer vjetroparka Trtar-Krtolin
2.3.4. Elektrane na biogorivo
Biogoriva se dijele na tri vrste: biomasu, bioplin i biodizel. Ugljik u gorivu potječe iz
atmosferskoga CO2 apsorbiranog u biljkama. Izgaranjem biogoriva emitira se ista količina
CO2 koja je preuzeta iz atmosfere kako bi se proizvelo to isto biogorivo. Dakle, iskorištavanje
biogoriva ne povećava koncentraciju CO2 u atmosferi [12].
2.3.4.1. Biomasa
Biomasa je gorivo koje se dobiva od proizvoda biljnoga porijekla, poput drva, slame i
ostalih biljnih otpada koji se dobivaju u poljoprivredi, odnosno u industriji (drvnoj ili
prehrambenoj)8. Može se direktno pretvarati u energiju izgaranjem te tako proizvesti vodena
para za grijanje u industriji i domaćinstvima ili dobivati električna energija u malim
termoelektranama. Iskorištavanje biomase danas dobiva sve više na značaju zato što je emisija
CO2 u atmosferu iz ovakvoga izvora energije ispod dozvoljene granice. Međutim
spaljivanjem biomase stvaraju se i ostali zagađujući plinovi te otpadne vode. Osim toga
prikupljanje, transport i skladištenje biomase vrlo je skupo, što je još jedan nedostatak ove
8
Pri obradi drveta gubi se oko 35 % – 40 % od ulazne sirovine u procesu proizvodnje, a količina otpada za neke
proizvode kao što su parketi iznosi i do 65 %.
19
tehnologije. Danas se primjena biomase za proizvodnju energije potiče uvažavajući načelo

održiva razvoja. Najčešće se koristi drvna masa koja je nastala kao sporedni proizvod ili
otpad, te ostaci koji se više ne mogu iskoristiti. Takva se biomasa koristi kao gorivo u
postrojenjima za proizvodnju električne i toplinske energije. Zbog većeg udjela vlage i
hlapivih sastojaka (do 80 %), energetska vrijednost drvne mase je znatno niža u odnosu na
fosilna goriva i iznosi od 8,2 do 18,7 MJ/kg (za usporedbu, kameni ugljen ima energetsku
vrijednost 24 – 37,7 MJ/kg, mrki ugljen između 12,7 – 23,9 MJ/kg, a lignit do 12,6 MJ/kg), a
i dizajn peći mora biti različit u odnosu na onoga za ugljen. Smanjenjem vlažnosti biomase
ogrjevna vrijednost se uvelike povećava. Iz toga je razloga za što bolje iskorištenje energije
korisno sušiti biomasu. Na ogrjevne vrijednosti nedrvne biomase (kukuruzovina, oklasak,
stabljike suncokreta, slama, ljuske, koštice višanja, ostaci pri rezidbi vinove loze i maslina,
kore od jabuka) podjednako utječe udio vlage i pepela. Udio pepela u nedrvenim biljnim
ostacima može iznositi i do 20 % pa značajno utječe na ogrjevnu moć. Općenito, supstance
koje čine pepeo nemaju nikakvu energetsku vrijednost.
U Republici Hrvatskoj do 30. rujna 2013. na elektroenergetsku mrežu priključene su
ukupno, u sustavu povlaštenih proizvođača električne energije, tri elektrane na biomasu čija je
ukupna instalirana snaga 6,69 MW. Primjer kogeneracijskoga postrojenja na biomasu Lika
Energo Eko u Udbini, instalirane snage 950 kW, prikazan je Slikom 2.7.
Slika 2.7. Primjer kogeneracijskoga postrojenja na biomasu Lika Energo Eko
20
2.3.4.2. Bioplin
Bioplin je mješavina plinova koja nastaje fermentacijom biorazgradivog materijala u
okružju bez kisika, pri čemu se postrojenje za proizvodnju bioplina naziva digestor. Bioplin je
mješavina metana (40 % – 75 %), ugljičnog dioksida (25 % – 60 %) i otprilike 2 % ostalih
plinova (vodika, sumporovodika i ugljikova monoksida). Bioplin je otprilike 20 % lakši od
zraka i bez mirisa je i boje. Temperatura zapaljenja mu je između 650 i 750 °C, a gori čisto
plavim plamenom. Bioplin se dobiva iz organskih materijala. Podrijetlo sirovina može
varirati, od stočnih otpadaka, žetvenih viškova, ostataka ulja od povrća sve do organskih
otpadaka iz kućanstava. Osim tih materijala, za proizvodnju bioplina može se koristiti i trava,
pri čemu fermentacijska postrojenja za travu moraju ispunjavati više tehničkih zahtjeva od
konvencionalnih bioloških bioplinskih postrojenja koja koriste čvrsto ili tekuće gnojivo. Za
distribuiranu proizvodnju električne energije pogodan je deponijski plin koji se sastoji
većinom od metana i CO2, a dobiva se iz deponijskoga otpada na suvremeno uređenim
deponijima procesom takozvane anaerobne hladne obrade otpada. Deponijski plin s
prosječnim sadržajem metana od 50 % ima donju ogrjevnu vrijednost 5 kWh/Nm3, što ga čini
dobrim gorivom za pogon plinskih motora specijalno razvijenih za ovu namjenu. Zaključno,
bioplin se koristi za dobivanje toplinske i/ili električne energije izgaranjem u kotlovima,
plinskim motorima ili turbinama. Gorenje bioplina ne uzrokuje onečišćenje. Za podizanje
učinkovitosti korištenja bioplina može se primijeniti kogeneracija.
U Republici Hrvatskoj je do 30. rujna 2013. na elektroenergetsku mrežu priključeno
ukupno 9 elektrana na bioplin ukupne instalirane snage 8,135 MW. Također je priključena
jedna elektrana na deponijski plin ME Centralnog uređaja za pročišćavanje otpadnih voda
grada Zagreba, instalirane snage 2,5 MW.
2.3.4.3. Biodizel
Biodizel je tekuće nemineralno gorivo dobiveno procesom esterifikacije iz biljnog ulja,
životinjske masti, algi ili recikliranog jestivog ulja. Koristi se kao zamjena za mineralni dizel
ili u određenoj smjesi s njim. Primjena u motorima s unutarnjim izgaranjem znatno smanjuje
proizvodnju stakleničkih plinova (CO, CO2 i SO2). Transport biodizela gotovo je potpuno
neopasan za okoliš, jer se, dospjevši u tlo, razgradi nakon 28 dana. Ako nafta tijekom
manipulacije ili transporta dospije u vodu, jedna litra zagadi gotovo milijun litara vode, dok
korištenjem biodizela takvo zagađenje ne postoji jer se on u vodi potpuno razgradi već nakon
nekoliko dana. Osim što je po svojim energetskim svojstvima jednak običnom dizelu, biodizel
21
ima puno bolju mazivost pa značajno produžava radno trajanje motora. Neki od nedostataka
biodizela uključuju mogućnost začepljenja injektora motora, miris prženoga ulja iz ispuha,
visoku viskoznost te manju energetsku vrijednost (37,2 MJ/l, a nafta ima 42 MJ/l).
U Republici Hrvatskoj do 30. rujna 2013. na elektroenergetsku mrežu nije priključena
elektrana na tekuće biogorivo.
2.3.5. Geotermalne elektrane
Geotermalna energija je toplinska energija koja se nalazi u Zemljinoj kori. Svrstavanje

geotermalne energije u obnovljive izvore opravdano je u širem smislu, jer iako energija
unutrašnjosti Zemlje nije obnovljiva, ima je toliko da za praktične primjene njezino
eventualno iscrpljivanje nije važno. Gravitacijska energija i zaostala toplina od formiranja
Zemlje te radioaktivni raspad rezultirali su golemom unutrašnjom kaloričnom energijom
Zemlje. Procijenjena temperatura unutrašnje jezgre od oko 4.000 °C na dubini od 6.370 km,
postupno opada do samo nekoliko stupnjeva na površini zemlje. Za korištenje geotermalne
energije važna je samo Zemljina kora i to posebno na mjestima gdje se dodiruju tzv. tektonske
ploče. To je stoga što ne postoji tehnološka mogućnost pristupa većim dubinama. Granice
tektonskih ploča predstavljaju mjesta velikoga rizika od aktivnih vulkana, potresa, ali i dobar
potencijal za korištenje geotermalne energije [13].
Geotermalna energija se koristi za grijanje i za proizvodnju električne energije. Za
praktično iskorištavanje geotermalne energije potrebno je iskoristiti prirodnu cirkulaciju vode
ili stvoriti uvjete za takvu cirkulaciju. Temeljni princip sastoji se u tome da se voda dovodi s
površine u dublje slojeve Zemlje, u njima se ugrije i tako ugrijana ponovno pojavljuje na
površini, gdje se iskorištava za proizvodnju toplinske i/ili električne energije. Povezanost
geotermalne energije s krutim, tekućim i plinovitim štetnim tvarima zahtjeva zatvoreni pristup
korištenju da bi se osigurao relativno mali štetni utjecaj na okoliš. Količine geotermalne
energije su velike, ali iskorištavanje pojedinoga izvora može dovesti do privremenoga pada
temperature tog istog izvora.
Potencijal nekog područja za korištenje geotermalne energije grubo se može ocijeniti preko
temperaturnoga gradijenta ispod površine zemlje. Prosječan porast temperature je manji od 30
°C/km. Područje s posebno dobrim potencijalom za korištenje geotermalne energije ima
porast temperature oko 100 °C/km. Međutim dobri izvori na kojima se geotermalna energija i
koristi mogu imati i viši porast temperature. Korištenjem podataka dobivenih bušenjem,
satelitskim snimanjem i modeliranjem, moguće je dobro procijeniti geotermalne resurse. Pri
22
tome su najvažniji podaci o temperaturama, količini vode/pare i o sastavu tla na nekom

području. Geotermalne se resurse može klasificirati prema temperaturi: nisko temperaturni
(ispod 90 °C), srednje temperaturni (između 90 °C i 150 °C), te visoko temperaturni (preko
150 °C). Temperature određuju mogućnosti korištenja i načine primjene. Samo se visoko
temperaturni izvori smatraju ekonomičnima i praktičnima za proizvodnju električne energije.
Proizvodnja električne energije korištenjem geotermalnoga izvora u principu je slična
klasičnoj konverziji unutrašnje kalorične energije iz konvencionalnih izvora toplinske energije
(npr. ugljen). Sličnost prestaje kada je riječ o činjenici da treba otkriti dobro geotermalno
nalazište i da je za to potrebno napraviti bušotinu (ili više njih) od nekoliko kilometara.
Razlikuju se tri vrste geotermalnih elektrana: elektrane na suhu paru (rijetko se koriste i
rezervirane su isključivo za velike centralne jedinice), elektrane s isparavanjem (T>200 °C) i
elektrane s binarnim ciklusom (T<200 °C). Distribuirana proizvodnja pokazuje interes za
samo posljednjim dvjema tehnologijama.
Kod geotermalnih elektrana (GE) namijenjenih distribuiranoj proizvodnji mogu se javiti
problemi u vidu male učinkovitosti procesa (kod izvora niske temperature učinkovitost je
manja od 10 %), potrebe za velikom količinom geotermalne vode, visokih početnih troškova
(trošak za nabavljanje opreme iznosi između 1.500 $/kW i 3.000 $/kW, ako se ne računa
trošak istraživanja i bušenja), te posljedično visoke cijene proizvedene energije. Ipak, ovi
izvori električne energije nisu intermitirani i to je razlog zašto je električna energija nastala iz
geotermalne energije vrlo pouzdana.
U Republici Hrvatskoj do 30. rujna 2013. u sustavu povlaštenih proizvođača električne
energije još uvijek ne postoji ni jedan instalirani geotermalni kapacitet za proizvodnju
električne energije. Sa stajališta sklopljenih ugovora o otkupu električne energije, a čija
postrojenja još uvijek nisu puštena u pogon, tvrtka Geoen d.o.o. nositelj je projekta
Geotermalna elektrana Marija 1 planirane snage 4,71 MW prema Tarifnom sustavu iz 2007.
godine. U nastavku će se opisati elektrane s isparavanjem i s binarnim ciklusom.
2.3.5.1. Geotermalna elektrana s isparavanjem

Elektrana s isparavanjem (eng. flash steam) koristi se ako je geotermalni izvor vode visoke
temperature (iznad 200 °C) ili ako je izvor mješavina vode i pare. Voda visoke temperature i
tlaka ubacuje se u spremnik niskoga tlaka što uzrokuje isparavanje. Tako nastala para pušta se
na lopatice turbine. Ako nakon prvog isparavanja ostane vode i ako je ta voda dovoljno vruća,
može je se prebaciti u spremnik još nižeg tlaka i dobiti dodatnu paru. Eventualni višak pare se
ispušta u okoliš. Iskorištena voda se vraća u izvor. Ove elektrane su tipično manje snage i
23
prilagođenije su distribuiranoj proizvodnji. Elektrana s isparavanjem je jeftinija i

jednostavnija za upravljanje. No, zahtijeva dublje bušenje i radi na višoj temperaturi.
2.3.5.2. Geotermalna elektrana s binarnim ciklusom

Većina geotermalnih izvora sadrži vodu temperature ispod 200 °C. Geotermalna voda u
izmjenjivaču topline prolazi pokraj sekundarnog fluida čija je točka vrelišta relativno niska.
Sekundarni fluid isparava i pokreće turbinu. Nakon korištenja, geotermalna voda se vraća u
izvor. Tehnologija binarnoga ciklusa najčešća je u geotermalnim elektranama. To je zatvoren
ciklus (nema ispuštanja pare u okoliš) s najmanjim utjecajem na okolinu. Takve su elektrane
snage od 200 kW do 1.000 kW. Geotermalna elektrana s binarnim ciklusom je kompleksnija,
skuplja i kompliciranija za upravljanje od GE s isparavanjem.
2.3.6. Kogeneracijska postrojenja koja kao pogonsko gorivo ne

koriste obnovljive izvore energije
Budući da se u hrvatskom tarifnom sustavu potiče proizvodnja električne energije iz

kogeneracijskih postrojenja koja ne koriste OIE, ona će se ovdje ukratko opisati.
Kombiniranom proizvodnjom električne i toplinske energije (eng. Combined Heat and Power
– CHP), odnosno kogeneracijom, postiže se najviši stupanj iskoristivosti fosilnih goriva, čak
do 89 % učinkovitosti pretvorbe u korisnu energiju u usporedbi s 55 % učinkovitosti
konvencionalnih postrojenja. Pri izgaranju goriva dobiva se toplina koja se zatim koristi u
termodinamičkom procesu za proizvodnju električne energije. Male kogeneracijske elektrane
su višenamjenski objekti koji iz fosilnih goriva postupkom kogeneracije proizvode električnu
i toplinsku energiju, a u određenim slučajevima proizvodi se i hladna voda za potrebe
hlađenja. Goriva za pogon malih kogeneracijskih elektrana su plinovita, tekuća i kruta.
Odgovarajuće toplinske snage ovise o vrsti energetskoga agregata i kreću se u rasponu od 20
do 20.000 kWe. Najveći dio pogonskoga goriva u proizvodnji električne energije troši se na
otpadnu toplinu. Korištenjem te topline za grijanje prostora, zagrijavanje vode ili proizvodnju
pare u nekom proizvodnom procesu smanjit će se količina preostale potrebne topline iz
drugog izvora [14].
Pored prednosti kogeneracijske proizvodnje energije, korištenjem malih kogeneracijskih
elektrana otpada prijenos energije na veće udaljenosti jer se toplina i struja proizvode okolišno
prihvatljivo u težištima potrošnje. Toplina se predaje izravno u objekt ili u obližnju toplinsku
mrežu. Električna energija se također koristi u objektu, a višak se isporučuje u postojeću
24
lokalnu distribucijsku mrežu. Prednost malih kogeneracijskih elektrana je i u modularnoj

izvedbi pa se veličina malih kogeneracijskih objekata može prilagoditi porastu potrošnje
električne i toplinske energije stupnjevitom izgradnjom odnosno dodatnim modulima.
Postojeće toplane i rezervni električni agregati mogu se dograditi i rekonstruirati u male
kogeneracijske elektrane. U prednosti malih kogeneracijskih postrojenja (KGP) mogu se još
ubrojiti relativno mala dodatna ulaganja isplativa već kroz nekoliko godina, lokacija koja je
redovito u okviru industrijskoga ili javnog objekta što olakšava ishođenje dozvola te kratak
rok izgradnje zbog modularne izvedbe. Međutim kogeneracija nije isplativa u svim uvjetima.
Ona je isplativa za odgovarajuću kombinaciju potrošnje električne i toplinske energije, pri
čemu bi toplinsko opterećenje moralo biti osnovni kriterij za isplativost malih kogeneracijskih
elektrana. Isplativost kogeneracije se očekuje ako toplinsko opterećenje traje više od 3.000 –
5.000 sati godišnje. Najzanimljiviji objekti za primjenu kogeneracije su oni u kojima se
toplinska energija troši što stalnije i što duže tijekom dana, tjedna i godine.
U Republici Hrvatskoj do 30. rujna 2013. na elektroenergetsku mrežu priključena su
ukupno, u sustavu povlaštenih proizvođača električne energije, četiri kogeneracijska
postrojenja, čija je ukupna instalirana snaga 11,493 MW. Postoji više tipova kogeneracija:
plinskoturbinska, termomotorna i parnoturbinska.
2.3.6.1. Plinskoturbinska kogeneracija

Plinskoturbinska kogeneracija zasniva se na plinskim turbinama otvorenoga ciklusa, koje u
sprezi s generatorom proizvode električnu energiju. Plinska turbina primjenjuje se pri
koncipiranju malih kogeneracijskih elektrana najčešće za veće snage, iznad 1 MWe. Plinske
turbine odlikuju se velikom učinkovitošću, niskim zagađenjem okoliša, velikom pouzdanošću,
niskom cijenom izgradnje, malim potrebnim prostorom, mogućnošću modularne izvedbe i
kratkim vremenom do postizanja pune snage.
Primjer kogeneracijskoga postrojenja na plin uz dvoransko plivalište Kantrida u Rijeci,
instalirane snage 460 kW, prikazan je Slikom 2.8.
25
Slika 2.8. Primjer kogeneracijskoga postrojenja na plin u sklopu bazenskoga kompleksa

Kantrida u Rijeci
2.3.6.2. Termomotorna kogeneracija

Termomotorna kogeneracija zasnovana je na motorima s unutarnjim izgaranjem (benzinski
i dizel motor), koji u sprezi s generatorima proizvode električnu energiju, a korištenjem
otpadne topline ispušnih plinova i rashladne vode proizvode i toplinu u obliku vrele vode i/ili
pare. Termomotori se primjenjuju u širokome rasponu snaga od 10 kWe do nekoliko MWe.
Temperaturna razina korisne topline za primjenu termomotora je do maksimalnih 115 °C, a
najpovoljnija je oko 80 °C. Pozitivne osobine su visoka učinkovitost (do 50 %), velika
pouzdanost, lako održavanje, mala težina i potrebni prostor, paketna izvedba, dobro ponašanje
pri smanjenom opterećenju te kratko vrijeme do postizanja pune snage. Kombinacija
navedenih čimbenika dovela je do brzog prodora termomotora u područje kogeneracije.
Termomotori za male kogeneracijske elektrane pojavljuju se u dvije osnovne izvedbe:
plinski motori i dizel motori. Plinski motori najčešće se primjenjuju za manje jedinice, a
koriste sve vrste plinovitih goriva od prirodnoga plina do raznih vrsta bioplina. U malim
kogeneracijskim elektranama se primjenjuju dvije vrste plinskih motora: modificirani
automotori i industrijski plinski motori. Kogeneracijski moduli na bazi dizel motora izvode se
u širokome rasponu električnih snaga od 25 kWe do 5.000 kWe. U području manjih snaga
obično su paketne izvedbe.
26
2.3.6.3. Parnoturbinska kogeneracija

Parnoturbinska kogeneracija zasniva se na protutlačnim parnim turbinama ili parnim
turbinama s reguliranim oduzimanjem pare koje u sprezi s električnim generatorom proizvode
toplinsku i električnu energiju. Za proizvodnju toplinske energije koristi se toplina od
kondenzacije pare koja bi se inače morala odvesti rashladnom vodom.
Iako su protutlačne turbine najčešći tip postrojenja prisutan u industriji, relativno jeftine
tehnologije i jednostavne za održavanje i upravljanje, mana im je da režim rada postrojenja
određuje isključivo potreba za toplinskom energijom u pogonu. Količina proizvedene
električne i toplinske energije ne može se bilancirati što predstavlja najveći problem.
S druge strane za pogon parnih turbina s reguliranim oduzimanjem pare potrebno je imati
na raspolaganju turbinu s dva stupnja: visokotlačnim i niskotlačnim. U visokotlačnom dijelu
turbine ekspandira sva para koja se dovodi iz kotla; nakon ekspanzije dio nje se odvodi
toplinskim potrošačima, a dio u niskotlačni dio turbine. Pred ulazom u niskolačni dio nalazi se
protočni ventil kojim se regulira količina pare za ekspanziju do kondenzatorskoga tlaka. No
iako početno skuplji, ovaj pogon je povoljniji jer postoje dva stupnja rada: čisti
kondenzatorski i čisti protutlačni. Čisti kondenzatorski pogon znači da ne postoji potreba za
toplinom pa se proizvodi samo električna energija. U suprotnom primjeru čistog protutlačnog
slučaja, potreba za toplinskom energijom je toliko velika da uopće nema protoka pare u
niskotlačnom dijelu turbine. Realno, protutlačni (čisti) režim se ne može voditi i niskotlačni
dio turbine ne može ostati bez pare. Parnoturbinska kogeneracija ima opravdanja za korištenje
krutog goriva, poput ugljena.
2.3.7. Procjena troškova izgradnje i održavanja različitih vrsta

elektrana
Prije nego se započne okvirna procjena aktualnih troškova izgradnje i održavanja različitih
tipova distribuiranih jedinica koje se mogu priključiti na distribucijsku mrežu Hrvatske,
potrebno je najprije ukratko objasniti neke osnovne pojmove.
Investicijski troškovi proizvodnih postrojenja se sastoje od njihovih troškova izgradnje.
Troškovi izgradnje elektrana (engl. overnight capital costs) obično su karakterizirani
specifičnim investicijskim troškovima trizg po jedinici instalirane snage (n.j./kW). Troškovi
izgradnje (investicije) TRizg iznose dakle:
27
TRizg  trizg  Pnaz (2.1)
gdje je Pnaz nazivna (instalirana) snaga elektrane.

Troškovi izgradnje proizvodnih postrojenja odnose se na samu izgradnju elektrana, ne
uzimajući pritom u obzir moguće kamate na posuđeni kapital. Često ih se može jednostavno
opisati kao jednokratni trošak koji bi se platio unaprijed da se sagradi čitava elektrana "preko
noći". Preko troškova izgradnje mogu se dobro opisivati i uspoređivati cijene različitih
tehnologija distribuiranih izvora.
Ukupni godišnji troškovi (n.j./god.) mogu se u elektranama podijeliti na dva dijela. Prvi su
troškovi proporcionalni instaliranoj snazi, a zovu se još i stalni ili fiksni troškovi (engl. fixed
operation & maintenance costs). Drugi su troškovi proporcionalni proizvedenoj energiji, a
zovu se još i varijabilni troškovi pogona (engl. variable operation & maintenance costs).
U troškove proporcionalne instaliranoj snazi pripadaju: kamate na osnovna sredstva,
amortizacija, otpisi, troškovi uprave, održavanje neovisno o proizvodnji i plaće. Ti se troškovi
mogu opisati sljedećom formulom:
TRsto  trsto  Pnaz (2.2)
gdje trsto označava specifične stalne troškove (n.j./kW).

U drugoj grupi troškova proporcionalnih proizvedenoj električnoj energiji daleko najveći
dio čine troškovi za gorivo (engl. fuel costs), a u tu grupu uključeni su još troškovi transporta
goriva, troškovi analize osnovnoga goriva, troškovi pomoćnoga goriva, troškovi ostalih
materijala proizvodnje, troškovi investicijskoga i tekućeg održavanja i ostali troškovi pogona.
Za te troškove može se pretpostavljati da su proporcionalni proizvedenoj energiji, pa oni tada
iznose:
TRvto  trvto  W god (2.3)
gdje trvto označava srednje specifične varijabilne troškove (najvećim dijelom za gorivo) po
jedinici energije (n.j./kWh), a Wgod je godišnja proizvedena električna energija proizvodnoga
postrojenja.
28
U tablici 2.2. navedena je procjena troškova izgradnje i održavanja različitih tipova

elektrana u svijetu, temeljena na dostupnim informacijama s otvorenih baza podataka [15 –
17].
Tablica 2.2. Troškovi izgradnje, te fiksni i varijabilni troškovi održavanja nekih tipova
distribuiranih izvora
Fiksni Varijabilni
Troškovi
troškovi troškovi
Tip distribuiranoga izvora izgradnje
održavanja održavanja
($/kW)
($/kW) ($/MWh)
Fotonaponski sustavi 2.500 – 9.500 6,44 – 110 0
Male hidroelektrane 500 – 4.500 12,72 – 130 0
Vjetroelektrane (na kopnu) 1.113 – 2.600 10,95 – 60 0
Elektrane na biogorivo 360 – 7.600 12 – 369,28 0,01 – 29,12
Geotermalne elektrane 1.630 – 5.940 68,33 – 229 0
Kogeneracijska postrojenja
510 – 1.680 5,50 – 45,60 49,69 – 56,49
na plin9
Potrebno je napomenuti da su varijabilni troškovi fotonaponskih elektrana, malih

hidroelektrana, geotermalnih i vjetroelektrana pojednostavljeno uzeti kao 0 n.j./kWh. U
praksi, ovaj se iznos bez veće greške može uzeti kao točna aproksimacija. No očigledno je da
je raspon troškova veoma širok za gotovo sve vrste distribuiranih izvora i ovisi o mnogo
faktora, poput kretanja cijene energenata na tržištu (nafta, plin, ugljen, biomasa, bioplin),
transportnih troškova (koji su značajni za dopremanje biogoriva u proizvodna postrojenja) i
samih troškova izgradnje. Potonji također značajno variraju ovisno o omjeru ponude i
potražnje. Primjerice objavom nove energetske politike EU-a 2007. godine koja se u
značajnoj mjeri oslanja na OIE, došlo je, s jedne strane do velike potražnje i posljedičnoga
porasta cijene vjetroturbina. S druge strane početkom financijske krize u SAD-u u drugoj
polovici 2008., došlo je do nagle obustave izgradnje velikoga broja VE u SAD-u pri čemu je
nekoliko tisuća turbina jednog europskog proizvođača vraćeno u Europu. Posljedično, uočena
je tendencija pada cijena i smanjenje rokova isporuke vjetroturbina u Europi. Također na sve
9
Pretpostavlja se da se troškovi uzimaju po kWe i MWhe. To znači da se troškovi izgradnje i održavanja
kogeneracijskih postrojenja na OIE ili fosilna goriva vežu isključivo uz proizvodnju električne energije.
Posljedično, ukupni troškovi KGP se još sastoje i od komponente vezane uz toplinsku energiju i toplinski
kapacitet (izgradnja vrelovoda, toplovoda, itd.)
29
vrste troškova značajno utječu i tipovi ugovora koje investitori (engl. Independent Power
Producers – IPP) sklope s dobavljačima opreme (npr. Vestas, General Electric, itd.) i goriva
te projektantima i izvođačima radova. Uza sve navedeno, i doprinosi lokalnim jedinicama
samouprave nisu zanemarivi (komunalne naknade se mogu popeti na visoke iznose), kao niti
davanja državi (porez na dobit koji u Hrvatskoj iznosi 20 %).
Zaključno, troškovi izgradnje i održavanja se određuju zasebno za svaki slučaj izgradnje i
eksploatacije DI-a (engl. case by case). Ovisno o trenutačnome stanju na tržištu i
menadžerskim sposobnostima investitora, može se dogoditi da dva ista tipa DI-ova sličnih
instaliranih snaga imaju različite troškove izgradnje i održavanja.
2.4. Zakonodavni okvir i regulativa Republike Hrvatske za

područje obnovljivih izvora energije i kogeneracije
Korištenje obnovljivih izvora energije i kogeneracije ima široku deklarativnu potporu u
strateškim dokumentima razvoja energetskoga sektora i zaštite okoliša u Republici Hrvatskoj.
Hrvatski je sabor donio sljedeće zakone koji određuju zakonodavni okvir integracije
obnovljivih izvora energije i kogeneracije (OIEK) u elektroenergetski sustav Hrvatske:
 Zakon o energiji (NN br. 120/12) i
 Zakon o tržištu električne energije (NN br. 22/13).
Zakon o energiji (ZOE) kao temeljni energetski zakon regulira razvitak energetskoga
sektora Hrvatske te definira Strategiju energetskog razvitka kao osnovni akt kojim se utvrđuje
energetska politika Republike Hrvatske. Zakon o energiji izričito izražava pozitivno stajalište
Republike Hrvatske prema obnovljivim izvorima energije i kogeneraciji. U članku 13. stavku
1. Zakona izrijekom se kaže da je korištenje obnovljivih izvora i kogeneracije u interesu
Republike Hrvatske. Isto tako, u članku 29, stavku 2, navodi se da "tarifni sustavi trebaju
poticati mehanizme za poboljšanje energetske učinkovitosti i upravljanje potrošnjom,
uključujući i povećano korištenje obnovljivih izvora energije i kogeneracije" [18].
Zakon o tržištu električne energije (ZOTEE), između ostaloga, navodi da elektroenergetski
subjekt ili druga pravna ili fizička osoba koja istodobno proizvodi električnu i toplinsku
energiju, koristi otpad ili obnovljive izvore energije za proizvodnju električne energije,
neovisno o snazi proizvodnoga postrojenja, može steći status povlaštenog proizvođača
električne energije. Pritom se status povlaštenog proizvođača električne energije stječe na
temelju rješenja Hrvatske Energetske Regulatorne Agencije (HERA). Zakon definira da
30
povlašteni proizvođači električne energije mogu steći pravo na poticajnu cijenu koja se
određuje primjenom tarifnoga sustava za proizvodnju električne energije iz obnovljivih izvora
energije i kogeneracije. Također ZOTEE napominje kako Vlada Republike Hrvatske uredbom
određuje naknadu za poticanje proizvodnje električne energije iz obnovljivih izvora energije i
kogeneracije čija se proizvodnja potiče, a koju prikuplja Hrvatski operator tržišta električne
energije (HROTE) od opskrbljivača krajnjih kupaca, uključujući i opskrbljivače krajnjih
kupaca koji obavljaju opskrbu električnom energijom koja se obavlja kao javna usluga. Dakle,
HROTE prikuplja naknadu od krajnjih kupaca električne energije, ali i njihovih opskrbljivača
koji moraju preuzeti udio električne energije iz postrojenja OIEK. Operator prijenosnog ili
operator distribucijskoga sustava dužan je osigurati preuzimanje ukupno proizvedene
električne energije od povlaštenih proizvođača električne energije [19].
Na temelju članka 80. Ustava Republike Hrvatske i članka 5. stavka 3. Zakona o energiji
donesena je 16. listopada 2009. Strategija energetskog razvoja Republike Hrvatske (NN br.
130/09). Ona usvaja cilj da će u 2020. godini udio bruto neposredne potrošnje energije iz
obnovljivih izvora energije u bruto neposrednoj potrošnji energije iznositi 20 %. Taj će se cilj
postići ispunjavanjem sljedećih sektorskih ciljeva za 2020. godinu:
 35 % će iznositi udio električne energije iz obnovljivih izvora energije, uključivo
velike hidroelektrane, u ukupnoj potrošnji električne energije;
 10 % će iznositi udio obnovljivih izvora energije korištenih u svim oblicima prijevoza
u odnosu na potrošnju benzina, dizelskoga goriva, biogoriva u cestovnom i
željezničkom prijevozu te ukupne električne energije korištene u prijevozu;
 20 % će iznositi udio bruto neposredne potrošnje energije za grijanje i hlađenje iz
obnovljivih izvora energije u bruto neposrednoj potrošnji energije za grijanje i
hlađenje [20].
Prema inicijalnim predviđanjima Ministarstva gospodarstva Republike Hrvatske (MINGO)

struktura novih proizvodnih kapaciteta OIEK u elektroenergetskom sektoru Hrvatske do 2020.
i 2030. trebala se temeljiti na podacima iz tablice 2.3.
Tablica 2.3. Očekivani instalirani kapaciteti OIEK u hrvatskome EES-u prema Strategiji
energetskog razvoja RH
Instalirani kapacitet do Instalirani kapacitet do
Tip OIEK
2020. godine (MW) 2030. godine (MW)
31
Elektrane na biomasu 140 420

Elektrane na komunalni otpad 40 60
Vjetroelektrane 1.200 2.000
Male hidroelektrane 100 140
Velike hidroelektrane10 300 /11
Geotermalne elektrane 20 30
Sunčeve elektrane 45 250
Ukupno OIEK 1.875 3.055
No, u listopadu 2013. godine donesen je Nacionalni akcijski plan (NAP) za proizvodnju
energije iz obnovljivih izvora, koji u biti predstavlja sastavni dio programa provedbe
Strategije energetskog razvoja. U njemu su revidirani ciljevi Strategije energetskog razvoja,
pri čemu je zanemarena njezina pretpostavka gospodarskoga rasta i rasta neposredne
potrošnje energije12. Prema predviđanjima NAP-a, struktura novih proizvodnih kapaciteta
OIEK u elektroenergetskom sektoru Hrvatske do 2020. će se temeljiti na podacima iz tablice
2.4. Pritom, elektrane na bioplin uključuju i plin dobiven iz deponija i pročistača.
Tablica 2.4. Očekivani instalirani kapaciteti OIEK u hrvatskome EES-u do 2020. godine
prema Nacionalnom akcijskom planu
Instalirani kapacitet do
Tip OIEK
2020. godine (MW)
Elektrane na biomasu 85
Elektrane na komunalni otpad 40
Vjetroelektrane 400
Male hidroelektrane 100
Velike hidroelektrane 300
Geotermalne elektrane 10
Sunčeve elektrane 52
Ukupno OIEK 987
10
Odnosi se na izgradnju novih ili porast snage u postojećim hidroelektranama.
11
Nema podataka.
12
U razdoblju od 2006. do 2011. godine zabilježen je pad potrošnje energije za prosječnih 1,3 % godišnje.
32
Nacionalni akcijski plan (ali i Strategija energetskog razvoja RH) nisu u potpunosti
dorečeni dokumenti i podliježu izmjenama svake dvije godine. Zanimljivo je da oba
dokumenta ne uzimaju u obzir integraciju hidroelektrana manjih od 1 MW instalirane snage u
distribucijsku mrežu. Iako NAP u odnosu na Strategiju povećava kvotu za solarne elektrane
do 2020. godine za 7 MW, trenutno se vodi žestoka rasprava o tome koliko hrvatski
distribucijski sustav može prihvatiti energije i snage iz fotoelektrana. No prijepori su najveći
na polju vjetroelektrana jer dio stručne javnosti smatra da se hrvatski EES NAP-om
sterilizirao od vjetroenergije, dok drugi dio smatra da je 400 MW vjetroelektrana krajnji limit
s obzirom na regulacijske mogućnosti hrvatskoga EES-a (potrebe za sekundarnom i
tercijarnom regulacijom u konvencionalnim elektranama). Činjenica je da bi 1.200 MW
vjetroelektrana činio znatan udio u vršnoj snazi hrvatskoga EES-a, koja je 2012. godine
iznosila 3.193 MW, neovisno o njezinom eventualnom rastu do 2020. godine. Međutim naglo
smanjenje kvote VE-a za 3 puta znači da je već u 2013. godini završena integracija
vjetroelektrana u hrvatski elektroenergetski sustav. Naime na dan 30.09.2013. godine već su
poznati ukupni kapaciteti za svih 404,25 MW iz VE, uključujući one koje su u pogonu i one
koje još nisu spojene na mrežu, ali imaju sklopljen Ugovor o otkupu električne energije s
HROTE-om. Pored navedena kapaciteta postoji još oko 700 MW projekata s izdanim
lokacijskim dozvolama od kojih oko 120 MW posjeduje građevinsku dozvolu, a preko
dodatnih 500 MW nalazi se u visokom stupnju pripreme. Obustavljanje radova na
spomenutim projektima uzrokovat će velike gubitke nositeljima projekata, uključujući i
domaće proizvođače koji time gube mogućnost stjecanja reference na hrvatskome tržištu, bez
koje će izlazak na inozemno tržište biti otežan. Dakle, očito je da je zakonodavni okvir
integracije OIEK u hrvatski EES vrlo aktualna problematika kojoj se ne može i ne smije
jednoznačno pristupiti.
Gledajući kronološki, najznačajniji pomak na području obnovljivih izvora energije i
kogeneracije u Hrvatskoj dogodio se 22. ožujka 2007. kada je Vlada usvojila paket
podzakonskih akata koji reguliraju to područje. Značajnije izmjene i dopune većine propisa
dogodile su se 2012. i 2013. godine, a izgledno je i kako će se trend promjena nastaviti i u
2014. godini. Završetkom 2013. godine, podzakonski akti koji reguliraju područje integracije
obnovljivih izvora energije i kogeneracije u Hrvatski EES su:
 Pravilnik o korištenju obnovljivih izvora energije i kogeneracije (NN br. 88/12);
 Pravilnik o stjecanju statusa povlaštenog proizvođača električne energije (NN br.
132/13);
33
 Tarifni sustav za proizvodnju električne energije iz obnovljivih izvora energije i

kogeneracije (NN br. 132/13, 151/13);
 Uredba o naknadi za poticanje proizvodnje električne energije iz obnovljivih izvora
energije i kogeneracije (NN br. 128/13);
 Uredba o minimalnom udjelu električne energije proizvedene iz obnovljivih izvora
energije i kogeneracije čija se proizvodnja potiče (NN br. 33/07, 8/11);
 Opći uvjeti za opskrbu električnom energijom (NN br. 14/06);
 Mrežna pravila elektroenergetskoga sustava (NN br. 36/06);
 Pravila djelovanja tržišta električne energije (NN br. 135/06, 146/10, 90/12);
 Pravilnik o naknadi za priključenje na elektroenergetsku mrežu i za povećanje
priključne snage (NN br. 28/06).
Pravilnikom o korištenju obnovljivih izvora energije i kogeneracije utvrđuju se postrojenja

koja koriste obnovljive izvore energije i kogeneracijska postrojenja koja se koriste za
proizvodnju energije, propisuju uvjeti i mogućnosti korištenja obnovljivih izvora energije i
kogeneracijskih postrojenja te uređuju druga pitanja značajna za korištenje obnovljivih izvora
energije i kogeneracije. Također pravilnikom se propisuje oblik, sadržaj i način vođenja
Registra projekata i postrojenja za korištenje obnovljivih izvora energije i kogeneracije te
povlaštenih proizvođača (Registar OIEKPP) [21].
Pravilnikom o stjecanju statusa povlaštenog proizvođača električne energije propisuju se
uvjeti za stjecanje statusa povlaštenog proizvođača električne energije koji može steći nositelj
projekta ili proizvođač koji u pojedinačnom proizvodnom objektu istodobno proizvodi
električnu i toplinsku energiju, koristi otpad ili obnovljive izvore energije za proizvodnju
električne energije na gospodarski primjeren način usklađen sa zaštitom okoliša. Status
povlaštenog proizvođača stječe se temeljem rješenja o stjecanju statusa povlaštenog
proizvođača električne energije koje donosi Hrvatska energetska regulatorna agencija.
Rješenje o stjecanju statusa povlaštenog proizvođača električne energije iz OIEK-a izdaje se
na maksimalno vremensko razdoblje od 25 godina [22].
Pravomoćnošću rješenja proizvođač sklapa Ugovor o otkupu električne energije s HROTE-
om, a već tijekom pokusnog rada elektrane počinje se obračunavati proizvedena električna
energija prema Tarifnom sustavu za proizvodnju električne energije iz obnovljivih izvora
energije i kogeneracije. Tarifnim sustavom se određuju visine poticaja za unaprijed definirane
34
tipove elektrana koje se mogu priključiti na hrvatski EES. Novi Tarifni sustav koji je stupio
na snagu 1. siječnja 2014. godine ima nekoliko izmjena u odnosu na prethodne verzije [23].
Prva je izmjena u podjeli snage proizvodnih postrojenja. U prethodnom tarifnom sustavu
granica je bila 1 MW, a u ovome je 5 MW. Pritom se za sve tipove postrojenja instalirane
snage iznad 5 MW otkupna cijena postavlja na iznos referentne cijene (RC)13, odnosno
tehnologije tih snaga se zapravo ne potiču.
Jedan od nagovještaja napretka tarifnog sustava se odnosi na integrirane14 fotonaponske
sustave do ukupne snage 300 kW. Pritom se definira način isplate poticaja za takva
postrojenja tako da se poticajna cijena isplaćuje isključivo u slučaju kada je količina
proizvedene električne energije manja ili jednaka mjesečnoj potrošnji na mjestu proizvodnje.
U slučaju kada je količina proizvedene električne energije veća od mjesečne potrošnje na
mjestu proizvodnje, poticajna cijena se isplaćuje za količinu električne energije koja je
jednaka mjesečnoj potrošnji, a višak energije koji se predaje u mrežu obračunava se s 80 % od
poticajne cijene. Na taj se način zapravo potiče vlastito podmirenje potrošnje s fotonaponskim
sustavima do 300 kW instalirane snage, čime se umanjuje njihov povratni utjecaj na mrežu.
Nadalje članak 12., stavak 5. donosi i kvote za sunčane elektrane, pri čemu je limit 7 MW
za integrirane sustave, 2 MW isključivo za objekte u vlasništvu lokalne uprave, a 5 MW za
neintegrirane sustave. Za neintegrirane fotonaponske sustave15, vjetroelektrane i elektrane na
tekuća goriva, pri čemu navedena postrojenja pripadaju grupi snage do 5 MW, otkupna cijena
postavlja se na RC, odnosno te se tehnologije ne potiču. Elektrane na biomasu i bioplin,
sukladno najavama u NAP-u, dobile su nešto veću otkupnu cijenu za postrojenja snage do 5
MW.
Neizravan način poticanja kogeneracije u postrojenjima na biomasu se pojavio u obliku
korekcijskoga faktora na njihovu učinkovitost proizvodnje. Naime korekcijski faktor iznosi 1
za učinkovitost između 45 % i 50 %, 0,9 za manje od 45 % učinkovitosti te 1,2 za
učinkovitost veću od 50 %. Kogeneracijskim postrojenjima na fosilna goriva ostao je isti uvjet
da će ostvariti otkupnu cijenu isključivo ako im je učinkovitost u korištenju primarne energije
13
Referentna cijena električne energije je cijena jednaka iznosu važeće tarifne stavke za radnu energiju po
jedinstvenoj dnevnoj tarifi za opskrbu električnom energijom u okviru univerzalne usluge, tarifni model Plavi.
Njen je iznos određen člankom 39. stavkom 2. točkom 1. Metodologije za određivanje iznosa tarifnih stavki za
opskrbu električnom energijom u okviru univerzalne usluge (NN, br. 116/2013), sukladno kojoj su opskrbljivači
dužni otkupiti električnu energiju iz obnovljivih izvora energije i kogeneracije od operatora tržišta. Iznos RC
prema Metodologiji iznosi 0,53 kn/kWh.
14
Integrirana sunčana elektrana je sunčana elektrana smještena na površini zgrade (krovovima, pokrovima,
sjenilima, balkonima, terasama, balustradama, fasadama, prozorima, vratima…) i infrastrukturnog objekta
(trafostanice, mostovi i sl. građevine).
15
Neintegrirana sunčana elektrana je sunčana elektrana smještena kao samostojeća građevina.
35
za dobivanje korisne električne energije i toplinske energije veća ili jednaka 50 %. Budući da
im je otkupna cijena jednaka RC neovisno o veličini postrojenja, njihova se izgradnja također
ne potiče.
Budući da ova disertacija obuhvaća problematiku odabira optimalne priključne snage i
smještaja distribuiranih izvora u srednjenaponskoj (SN) distribucijskoj mreži, promatrat će se
dio tarifnoga sustava vezan uz priključak DI-ova na SN mrežu. Naime u Hrvatskoj je
Mrežnim pravilima elektroenergetskoga sustava (točka 5.3.5.1., stavak 2. i 3.) regulirano da se
na SN mrežu (10, 20, 30, 35 kV) priključuju elektrane ukupne snage veće od 500 kW do
najviše 10 MW, ali se mogu priključiti i elektrane manjih snaga. U tablicama 2.5., 2.6. i 2.7.
prikazane su otkupne cijene (CPOT) DI-ova koji se mogu priključiti na SN mrežu Hrvatske:
Tablica 2.5. Otkupne cijene DI-ova koji se mogu priključiti na SN mrežu Hrvatske do
instalirane snage uključivo 5 MW
Visina poticajne
Grupa proizvodnih postrojenja cijene, CPOT
(kn/kWh)
a. sunčane elektrane
a.4. neintegrirane sunčane elektrane RC
b. hidroelektrane
b.2. hidroelektrane instalirane snage veće od 300 kW do
0,97
uključivo 2 MW
b.3. hidroelektrane instalirane snage veće od 2 MW 0,88
c. vjetroelektrane RC
d. elektrane na biomasu, uključujući biorazgradive dijelove
industrijskoga i komunalnog otpada
d.2. elektrane na biomasu instalirane snage veće od 300 kW
1,25
do uključivo 2 MW
d.3. elektrane na biomasu instalirane snage veće od 2 MW 1,20
e. geotermalne elektrane 1,20
f. elektrane na bioplin iz poljoprivrednih kultura te
organskih ostataka, otpada biljnog i životinjskog podrijetla,
biorazgradivog otpada, deponijski plin i plin iz postrojenja
za pročišćavanje otpadnih voda
36
f.2. elektrane na bioplin instalirane snage veće od 300 kW

1,26
do uključivo 2 MW
f.3. elektrane na bioplin instalirane snage veće od 2 MW 1,18
g. elektrane na tekuća biogoriva RC
Tablica 2.6. Otkupne cijene DI-ova koji se mogu priključiti na SN mrežu Hrvatske instalirane
snage veće od 5 MW
Visina poticajne
(kn/kWh)
b. hidroelektrane RC
c. vjetroelektrane RC
d. elektrane na biomasu, uključujući biorazgradive dijelove
RC
industrijskog i komunalnog otpada
e. geotermalne elektrane RC
f. elektrane na bioplin iz poljoprivrednih kultura te
organskih ostataka, otpada biljnog i životinjskog podrijetla,
RC
biorazgradivog otpada, deponijski plin i plin iz postrojenja
za pročišćavanje otpadnih voda
g. elektrane na tekuća biogoriva RC
Tablica 2.7. Otkupne cijene za kogeneracijska postrojenja koja kao gorivo ne koriste
obnovljive izvore energije
Visina poticajne
(kn/kWh)
kogeneracijska postrojenja instalirane električne snage veće
RC
od 30 kW do uključivo 1 MW, tzv. male kogeneracije
kogeneracijska postrojenja instalirane električne snage veće
od 1 MW do uključivo 35 MW, tzv. srednje kogeneracije RC
priključene na distribucijsku ili prijenosnu mrežu
37
Da bi HROTE mogao isplatiti proizvođačima otkupnu cijenu za postrojenja OIEK prema

Ugovoru o otkupu električne energije, potrebno je bilo iznaći mehanizam za prikupljanje
financijskih sredstava. U skladu s rečenim temeljem stavka 5. članka 11. Zakona o tržištu
električne energije donesena je Uredba o naknadi za poticanje proizvodnje električne energije
iz obnovljivih izvora energije i kogeneracije [24]. Njome se određuje način korištenja, visina,
obračun, prikupljanje, raspodjela i način plaćanja naknade za poticanje proizvodnje električne
energije iz OIEK postrojenja. Sredstva naknade za poticanje koriste se za isplatu poticajne
cijene povlaštenim proizvođačima za isporučenu električnu energiju sukladno odredbama
tarifnoga sustava. Naknadu za poticanje plaćaju svi kupci na teritoriju RH u obliku dodatka na
utrošenu električnu energiju koji mora biti naznačen na računu ukupnim iznosom naknade.
Iznos naknade za poticanje je propisan, ali Operator tržišta ima mogućnost izmjene iznosa
zbog mogućih promjena na tržištu električne energije, a ovisno o ugovorima koji su sklopljeni
s povlaštenim proizvođačima električne energije.
Od 1. studenog 2013. cijena poticaja je 0,035 kn/kWh. Operator tržišta prikuplja naknadu
za poticanje od opskrbljivača, a koju opskrbljivač naplaćuje svojim kupcima sukladno
ugovoru o opskrbi krajnjega kupca. Također Operator tržišta sa svakim pojedinim
opskrbljivačem sklapa ugovor kojim će se detaljno urediti obveze vezane uz preuzimanje,
obračun i naplatu pripadajućeg udjela električne energije proizvedene iz OIEK. To znači da
Operator tržišta utvrđuje udio električne energije koji je obvezan preuzeti pojedini
opskrbljivač sukladno njegovu, u postotku izraženom, udjelu u ukupnoj opskrbi električnom
energijom u Republici Hrvatskoj i taj se udio utvrđuje na mjesečnoj razini. Dakle, HROTE
dobiva naknade za OIE od svakog kupca električne energije, ali i od svakog opskrbljivača.
Naknada od 0,035 kn/kWh je čak 7 puta veća od naknade uređene prethodnom Uredbom, a
razlog je u nedostatku financijskih sredstava HROTE-a za podmirenje isplata poticaja
povlaštenim proizvođačima električne energije. Naime u 2012. godini na ime naknade je
prikupljeno 76.608.346,10 kn od kupaca i 190.065.457,98 kn od opskrbljivača. Međutim
isplaćena sredstva povlaštenim proizvođačima električne energije su iznosila 331.748.777,98
kn. Dodatno su isplaćena sredstva za energiju uravnoteženja od 19.006.545,80 kn16. To znači
da je u 2012., za pokrivanje svih troškova povlaštenih proizvođača nedostajalo 84.081.519,70
kn. Ako se uzme u obzir ograničenje kvota definirano NAP-om, a naročito kvota
16
Sukladno staroj Uredbi o naknadi za poticanje proizvodnje električne energije iz OIEK, troškove
uravnoteženja nastale zbog odstupanja u vrijednostima planirane i proizvedene električne energije u proizvodnim
postrojenjima povlaštenih proizvođača snosio je HROTE. Iznos tih troškova HROTE je plaćao HOPS-u, koji je
odgovoran za održavanje ravnoteže EES-a Hrvatske u stvarnom vremenu. Prema novoj Uredbi, teret troškova
uravnoteženja ne snosi HROTE, već HOPS.
38
vjetroelektrana koje čine 86 % ukupne instalirane snage OIEK u hrvatskom EES-u (na dan 30.
rujna 2013. godine ukupna instalirana snaga VE je bila 254,250 MW, a ukupna snaga svih
OIEK je iznosila 294,19 MW), postavlja se pitanje opravdanosti ovako visoke naknade u
godinama koje dolaze.
Nadalje važno je još napomenuti i Uredbu o minimalnom udjelu električne energije
proizvedene iz obnovljivih izvora i kogeneracije čija se proizvodnja potiče (NN br. 33/07,
8/11), koja propisuje minimalni udio električne energije proizvedene iz OIEK postrojenja
[25]. Člankom 4. propisuje da će minimalni udio električne energije čija se proizvodnja potiče
u ukupnoj neposrednoj potrošnji električne energije do 31. prosinca 2020. godine iznositi:
 iz postrojenja koja koriste obnovljive izvore energije 13,6 %,
 iz kogeneracijskih postrojenja, čija se proizvodnja električne energije isporučuje u
prijenosnu, odnosno distribucijsku mrežu 4 %.
Ova Uredba se ne primjenjuje na električnu energiju proizvedenu u hidroelektranama

instalirane snage veće od 10 MW, te na električnu energiju proizvedenu u kogeneracijskim
postrojenjima u kategoriji javnih toplana koja proizvode električnu i toplinsku energiju radi
opskrbe kupaca, a ne za vlastite potrebe. Prema Uredbi, sustav poticanja postojat će do
stvaranja uvjeta za prodaju električne energije iz OIE na otvorenom tržištu električne energije.
Također HROTE će sklapati ugovore o otkupu električne energije s povlaštenim
proizvođačima za poticanu proizvodnju, sve dok udio OIEK u neposrednoj potrošnji
električne energije ne dosegne propisani minimalni udio.
Tehničke uvjete koje moraju zadovoljiti proizvodna postrojenja koja se priključuju na
distribucijsku mrežu provjerava i utvrđuje ODS, prema Mrežnim pravilima
elektroenergetskoga sustava (poglavlje 5.3. Priključenje na distribucijsku mrežu). Navedeni
dokument definira minimalne uvjete koje mora zadovoljiti proizvodno postrojenje ako želi
raditi paralelno s distribucijskom mrežom. Dakle, propisanim tehničkim uvjetima sprečava se
nedopušteno povratno djelovanje na mrežu i ostale korisnike mreže (odstupanje frekvencije,
odstupanje napona, valni oblik napona, nesimetrija napona, pogonsko i zaštitno uzemljenje,
razina kratkoga spoja, razina izolacije, zaštita od kvarova i smetnji te faktor snage). Operator
distribucijskoga sustava, po zaprimljenomu zahtjevu za priključenje od strane korisnika
mreže, treba ispitati jesu li u postojećemu ili planiranomu novom čvorištu distribucijske
mreže uvjeti zadovoljavajući u smislu da se postrojenje korisnika može priključiti bez
opasnosti za mrežu i njezine ostale korisnike [26].
39
Konačno, potrebno je još i spomenuti Pravilnik o naknadi za priključenje na

elektroenergetsku mrežu i za povećanje priključne snage, kojim se u dijelu koji se odnosi na
OIEK propisuje metodologija utvrđivanja naknade za priključenje, kao i za povećanje
priključne snage građevine proizvođača na prijenosnu ili distribucijsku mrežu [27]. Naknadu
za priključenje proizvođač je dužan platiti u postupku stjecanja prava na priključenje na
mrežu ili povećanje priključne snage, a namjena joj je financiranje izgradnje priključka, kao i
stvaranja dijela tehničkih uvjeta u mreži. Osim općih odredbi pravilnika, posebno je važan
Članak 26. koji se odnosi na priključenje građevine proizvođača. Naime naknada za
priključenje građevine proizvođača obuhvaća stvarne troškove izgradnje priključka na mrežu i
stvarne troškove stvaranja tehničkih uvjeta u mreži za preuzimanje proizvedene električne
energije, uključujući troškove ugradnje zaštitne opreme koja štiti mrežu od povratnih utjecaja.
Stvaranje tehničkih uvjeta u mreži obuhvaća sve zahvate u postojećoj mreži koji su nužni
za prihvat proizvedene električne energije iz elektrane (te opskrbu elektrane kao kupca). Ovi
zahvati najčešće su zahvati na povećanju prijenosne moći dionica postojećih vodova (često se
lokacija elektrane nalazi na kraju postojeće elektroenergetske mreže gdje su i presjeci vodova
manji nego u početnim dionicama izvoda), izgradnji novih dionica unutar postojeće mreže ili
zahvati u napojnim transformatorskim stanicama (ugradnja usmjerene nadstrujne zaštite,
zamjena energetskog transformatora većim, promjena načina uzemljenja zvjezdišta
transformatora, izmjene plana podfrekventnog rasterećenja sustava, zamjene prekidača
automatske naponske regulacije energetskog transformatora). Ponekad su potrebni složeni
zahvati kao što je prelazak dijela mreže na drugu naponsku razinu (s 10 kV na 20 kV), dok je
ponekad potrebno provesti vrlo složene analize jer je potrebna promjena normalnog uklopnog
stanja čitave lokalne mreže koja često obuhvaća više trafopodručja, a ponekad i više
distribucijskih područja.
Naknadu za priključenje dužan je platiti proizvođač, a u slučaju priključenja na
niskonaponsku i srednjenaponsku mrežu proizvođač u cijelosti financira stvaranje tehničkih
uvjeta u mreži (model dubokog pristupa, engl. deep connection charge principle). Također
tehničke uvjete i troškove priključenja građevine proizvođača na srednjenaponsku mrežu
operator distribucijskoga sustava utvrđuje na temelju elaborata optimalnoga tehničkog
rješenja priključenja (EOTRP)17.
17
Prema postojećoj proceduri HEP ODS-a za priključenje elektrane na SN distribucijsku mrežu potrebno je na
samom početku postupka izraditi EOTRP. Naime nakon obraćanja investitora ODS-u i podnošenja Zahtjeva za
izdavanje tehno-ekonomskih podataka za potrebe preliminarne analize priključenja na distribucijsku mrežu,
ODS obavještava investitora o potrebi izrade EOTRP-a, te mu dostavlja ugovor o njegovoj izradi. Nakon
potpisivanja ugovora i uplate troškova izrade EOTRP-a, ODS izrađuje navedeni dokument. Tek po njegovu
40
2.5. Postupak izgradnje postrojenja OIEK-a u Hrvatskoj

U proceduri izgradnje proizvodnih objekata koji koriste OIEK postoji znatan broj koraka
koji se moraju obaviti između donošenja odluke o izgradnji i same isporuke električne
energije u mrežu nakon priključenja i dobivanja Uporabne dozvole. Može se okvirno reći
kako redoviti postupak pripreme projekata i izgradnje OIEK-a u Hrvatskoj obuhvaća 16
koraka, u kojima investitori trebaju ishoditi odgovarajuće upravne akte/ugovore od 6 različitih
subjekata/institucija:
 Ministarstva gospodarstva,
 Hrvatske energetske regulatorne agencije,
 Hrvatskog operatora prijenosnog sustava, odnosno HEP Operatora distribucijskog
sustava,
 Hrvatskog operatora tržišta energije,
 Središnjeg državnog ureda za upravljanje imovinom (ukoliko je predmetna lokacija
vlasništvo RH), odnosno pripadnog privatnog vlasnika zemljišta,
 za postrojenja snage do 20 MW
o nadležnog upravnog tijela županije na čijem se području planira zahvat u
prostoru ako se nalazi izvan područja velikog grada, te ako je zahvat u prostoru
planiran na području dviju ili više jedinica lokalne samouprave,
o Grada Zagreba za zahvat u prostoru planiran na njegovu području, ili
o velikog grada na čijem je području planiran zahvat u prostoru,
 za postrojenja snage iznad 20 MW
o Ministarstva graditeljstva i prostornog uređenja.
U općenitom slučaju dokumenti koje je potrebno ishoditi u postupku razvoja projekata

OIEK koji će se priključiti na distribucijsku elektroenergetsku mrežu su:
 Prethodno odobrenje za izgradnju proizvodnog objekta,
 Odluka/isprava o uređenju imovinsko pravnih odnosa na predmetnoj lokaciji (npr. za
istraživanje vjetropotencijala),
 Prethodna elektroenergetska suglasnost (PEES),
 Lokacijska dozvola,
završetku investitor može podnijeti zahtjev za izdavanje Prethodne elektroenergetske suglasnosti, čiji će se uvjeti
priključenja bazirati na EOTRP-u.
41
 Ugovor o priključenju na elektroenergetsku mrežu,

 Odobrenje za izgradnju proizvodnog objekta,
 Dozvola za obavljanje energetske djelatnosti proizvodnje električne energije,
 Odluka/isprava o uređenju imovinsko pravnih odnosa na predmetnoj lokaciji (za
izgradnju objekta),
 Građevinska dozvola,
 Prethodno rješenje o stjecanju statusa povlaštenog proizvođača,
 Ugovor o otkupu električne energije proizvedene iz objekata koji koriste OIEK,
 Potvrdu o provedenim verifikacijskim ispitivanjima,
 Elektroenergetska suglasnost (EES),
 Ugovor o korištenju mreže,
 Potvrda o provedenom tehničkom pregledu i uporabna dozvola,
 Rješenje o stjecanju statusa povlaštenog proizvođača.
2.6. Stanje priključenja OIEK u hrvatskome EES-u

Prema Nacionalnom akcijskom planu na dan 30.09.2013. godine u Republici Hrvatskoj, u
sustavu poticaja je bilo 458 elektrana na OIEK koje isporučuju energiju u mrežu ukupne
instalirane snage 294,19 MW. Energija koju isporučuju OIEK u mrežu kreće se na razini od
oko 450 GWh što nije zanemarivo u odnosu na ukupnu neposrednu potrošnju hrvatskog EES-
a od 16,6 TWh u 2012. godini. Tip i snaga svih grupa proizvodnih postrojenja priključenih na
mrežu su prikazani u tablici 2.8.
Tablica 2.8. Broj i instalirana snaga svake grupe proizvodnih postrojenja koji su priključeni
na hrvatski EES, stanje na dan 30.09.2013.
Grupa proizvodnih Broj Instalirana

postrojenja elektrana snaga (kW)
Hidroelektrane 4 1.340,00
Vjetroelektrane 14 254.250,00
Elektrane na biomasu 3 6.690,00
Elektrane na bioplin 9 8.135,00
Sunčane elektrane 423 9.781,69
Kogeneracijska postrojenja 4 11.493,00
42
Elektrane na deponijski plin 1 2.500,00

Ukupno 458 294.189,69
Iz podataka je jasno da vjetroelektrane čine većinu proizvodnog miksa u Hrvatskoj, no po

samome broju priključenih postrojenja daleko je najviše sunčanih elektrana. Zanimljivo je
vidjeti koji su projekti na dan 30.09.2013. godine u tijeku, odnosno imaju sklopljene ugovore
o otkupu električne energije s HROTE-om, ali nisu još priključeni na mrežu. Takvih je
projekata ukupno 740, a planirana snaga im je 247,23 MW. Tip i snaga svih grupa navedenih
planiranih proizvodnih postrojenja prikazani su tablicom 2.9.
Tablica 2.9. Broj i instalirana snaga svake grupe proizvodnih postrojenja koji imaju sklopljen
Ugovor o otkupu električne energije, ali još nisu priključeni na hrvatski EES, stanje na dan
30.09.2013.
Grupa proizvodnih Broj Instalirana

postrojenja elektrana snaga (kW)
Hidroelektrane 2 142,00
Vjetroelektrane 14 150.000,00
Elektrane na biomasu 9 51.659,00
Elektrane na bioplin 4 3.299,00
Sunčane elektrane 720 37.420,86
Geotermalne elektrane 1 4.710,00
Ukupno 740 247.230,86
Kumulativno gledajući, ukupni kapaciteti, i u pogonu i oni koji još nisu spojeni na mrežu,
već gotovo popunjavaju kvote NAP-a. To se najviše odnosi na vjetroelektrane. Samim time
ostaje pitanje opravdanosti alokacije distribuiranih izvora u distribucijsku mrežu Hrvatske.
No, mnogi su razlozi zbog kojih će problem odabira optimalne priključne snage i smještaja
distribuiranih izvora još dugo ostati aktualna tema, a neki od njih su navedeni u nastavku:
 NAP se revidira svake 2 godine ovisno o stanju gospodarskog rasta i potrošnji
energije, što znači da ukoliko uslijedi oporavak i samim time porast potrošnje, utoliko
se kvota može promijeniti i mora.
 Kvota se može promijeniti uslijed pojačanja kapaciteta hrvatskoga EES-a, pri čemu se
već planira izgradnja ili dogradnja sljedećih proizvodnih postrojenja:
43
o U TE Sisak 2009. godine započela je izgradnja plinskog kombi

kogeneracijskog postrojenja BLOK C 230 MWe + 50 MWt.
o Za projekt zamjenskog bloka od 500 MW (3,6 TWh/god.) na ugljen u TE
Plomin (TEP C) tijekom 2012. godine ishođeno je rješenje o objedinjenim
uvjetima zaštite okoliša i lokacijska dozvola, te je pripremljen postupak
odabira strateškog partnera s kojim će HEP financirati projekt te izgraditi,
opremiti, održavati i upravljati elektranom. Tijekom 2013. nastavlja se
postupak izbora strateškog partnera i aktivnosti na pripremi lokacije za
izgradnju.
o Za HE Ombla (68 MW, 223 GWh/god.) proveden je postupak informiranja
javnosti o planu upravljanja bioraznolikošću područja Ombla koji je izrađen
tijekom 2012. godine. Provode se i planiraju ostale aktivnosti u pripremi
izgradnje.
o Prema razini pripremljenosti slijede ostali kapitalni investicijski projekti, od
kojih se izdvaja druga faza HE Dubrovnik (300 MW, 318 GWh/god.) i druga
faza izgradnje HES Senj (412 MW, 450 GWh/god.) koja obuhvaća izgradnju
HES Kosinj i HE Senj 2, za koje HEP priprema dokumentaciju i provodi
postupke procjene utjecaja na okoliš te priprema ostalu tehničku
dokumentaciju potrebnu za ishođenje lokacijskih dozvola i pripremu
investicije.
o Crodux energetika planira graditi kombi kogeneracijsku plinsku elektranu
snage 600 MW u Slavonskom Brodu, čija je studija utjecaja na okoliš upućena
na javnu raspravu u lipnju 2013. godine. Projektna dokumentacija u većem je
dijelu završena, a u tijeku je projektiranje priključka na magistralnu
infrastrukturu tako da se već do kraja 2013. godine očekuje ishođenje
lokacijske dozvole, a početak izgradnje u prvoj polovici 2014. godine nakon
dobivanja građevinske dozvole.
o HEP razvija projekt gradnje nove moderne plinske kombi kogeneracijske
elektrane (KKE) u Osijeku, snage 450 MW električne i 160 MW toplinske
energije, čija je procijenjena vrijednost projekta 450 milijuna eura. Početak
izgradnje se očekuje 2014. godine, a puštanje u pogon 2017. godine.
 Proizvodna postrojenja koja su priključena na mrežu mogu, uslijed raznih razloga
(npr. bankrot tvrtke investitora), zaustaviti svoju proizvodnju i isključiti se s mreže.
Pritom se dio kvote oslobađa.
44
 Nakon isteka od 14 godina perioda otkupa (definirano Tarifnim sustavom) investitor

može zaključiti da mu proizvodno postrojenje nije rentabilno s obzirom na referentnu
otkupnu cijenu koja će tada važiti te može isključiti svoje postrojenje iz mreže. Pritom
će se dio kvote osloboditi.
 Kvota se može povećati uslijed novih Direktiva EU-a vezanih uz OIEK, a obvezujućih
za zemlje članice.
Zaključno, OIEK predstavljaju novo razdoblje u elektroenergetici Hrvatske (i svijeta), pri

čemu za njihovu uspješnu implementaciju u EES postoji niz izazova koje treba uspješno
savladati. Oprečni ciljevi Operatora distribucijskog sustava i investitora proizvodnih
postrojenja moraju se pomiriti kako bi restrukturirani EES mogao nesmetano obavljati svoju
funkciju i pouzdano isporučivati električnu energiju svojim kupcima. Razvojem naprednih
mreža i tehnologija spremanja električne energije većina će izazova biti riješena. No, sigurno
je da će u svim scenarijima razvoja elektroenergetskih sustava diljem svijeta distribuirana
proizvodnja imati vitalnu ulogu.
45
3. PROBLEMATIKA PLANIRANJA
SREDNJENAPONSKIH MREŽA U UVJETIMA
PRIKLJUČENJA DISTRIBUIRANIH IZVORA
ELEKTRIČNE ENERGIJE
3.1. Planiranje distribucijskih mreža

Planiranje distribucijske mreže je zemljopisna, tehnička i ekonomska analiza različitih
rješenja pružanja pouzdane i ekonomski prihvatljive usluge korisnicima mreže. Pritom se
moraju predvidjeti njihove potrebe u budućnosti, kako po pitanju zahtjeva za snagom i
energijom, tako i po pitanju kvalitete usluge. Dok su kvaliteta napona i pouzdanost opskrbe
važni za krajnjega kupca, u tržištu s razdvojenim elektroenergetskim djelatnostima pojavljuju
se novi elementi kojima se razmatra usluga, sukladno ulozi i potrebama sudionika na tržištu te
njihovoj interakciji na razini distribucijske mreže.
Planiranje srednjenaponskih razdjelnih mreža predstavlja dio cjelokupnoga postupka
planiranja elektroenergetskoga sustava, no zbog svoje prostorne rasprostranjenosti, visoke
specifične cijene polaganja vodova, visokih specifičnih gubitaka električne energije, visokih
specifičnih troškova održavanja, odgovarajuće planiranje razdjelnih mreža u znatnoj mjeri
pridonosi zadovoljenju temeljnih ciljeva pri isporuci električne energije [28].
Distribucijske mreže predstavljaju dio elektroenergetskog sustava koji električnom
energijom opskrbljuju transformatorske stanice zadnjeg stupnja transformacije i tzv. izravne
kupce električne energije [29]. U hrvatskom elektroenergetskom sustavu to su mreže
naponske razine 35, 20, 10 i 0,4 kV. Srednjenaponske mreže u hrvatskom elektroenergetskom
sustavu odnose se na dio distribucijskih mreža naponskih razina 35, 20 i 10 kV. Veći dio
srednjenaponskog sustava distribucije električne energije u Hrvatskoj u prošlosti se temeljio
na dva stupnja transformacije (110/35(30) kV i 35(30)/10 kV), te dvije mreže srednjeg napona
(35(30) kV i 10 kV). Od sedamdesetih godina prošloga stoljeća, cilj je transformirati postojeći
sustav u sustav s jednom razinom srednjeg napona (20 kV) i jednom izravnom
transformacijom (110/20 kV).
Suvremeno planiranje razvoja distribucijskih mreža mora zadovoljiti veliki broj ciljeva,
koji često predstavljaju kompromis kriterija ekonomičnosti koji je u interesu ODS-a, kriterija
kvalitete opskrbe električnom energijom koji je u interesu kupca te kriterija maksimalne
46
3. Problematika planiranja srednjenaponskih mreža u uvjetima priključenja distribuiranih izvora električne energije
isporuke električne energije koji je u interesu proizvođača. Kriterij ekonomičnosti

distribucijskoga sustava podrazumijeva optimalnu izgradnju i pogon sustava dok kriterij
kvalitete podrazumijeva kvalitetu električne energije, pouzdanost opskrbe i zaštitu okoliša.
Kriterij preuzimanja ukupno proizvedene električne energije povlaštenog proizvođača od HEP
Operatora distribucijskog sustava je reguliran Zakonom o tržištu električne energije, članak
11., stavak 7. Svi ciljevi se moraju, pored toga, postići uz transparentan i nepristran odnos
spram svih subjekata na otvorenom tržištu električnom energijom.
Također je planiranje uvjetovano podacima čije su vrijednosti neizvjesne ili su pak
slučajne i to kako po vrijednosti tako i po vremenu. Stoga se zadatak planera u takvim
uvjetima dodatno usložnjava jer on mora odrediti ne samo optimalnu već i robusnu strategiju
razvoja sustava iz skupa velikog broja mogućih varijantnih planova, a sve s ciljem
minimiziranja pogreške u pogledu neizvjesne budućnosti. Iz tih razloga, čak i kada je riječ
samo o pojedinim dijelovima elektroenergetskoga sustava, modeli planiranja su vrlo složeni
uz velik broj nepoznanica i niz tehničkih ograničenja.
Posljednje desetljeće karakteriziraju značajne promjene u elektroenergetskomu sustavu, pa
tako i u razdjelnim mrežama [30]. Deregulacija, otvoreno tržište električnom energijom,
obnovljivi i ostali distribuirani izvori električne energije, razvoj komunikacijske tehnologije,
faktori su koji s jedne strane pojačavaju neodređenost, a s druge strane pružaju i cijeli niz
novih opcija prilikom rješavanja problema planiranja [31, 32].
Većina komercijalne programske potpore koja se koristi za planiranje srednjenaponskih
razdjelnih mreža (kako u svijetu tako i u Hrvatskoj) temelji se na tzv. varijantnom pristupu. U
takvom pristupu planer na temelju svog znanja i iskustva definira moguća rješenja, a
programski alati ta rješenja analiziraju, vrednuju i međusobno uspoređuju. Tijekom
posljednjih nekoliko desetljeća razvijen je velik broj računalom podržanih metoda za
planiranje distribucijskih mreža, a daljnjim razvojem računala rabe se sve složeniji modeli,
koji su sve bliži egzaktnosti [33]. No s obzirom na nemogućnost da ih se riješi u realnom
vremenu, još uvijek nalažu uporabu aproksimativnih i/ili heurističkih postupaka.
3.1.1. Podjela i ciljevi planiranja distribucijskih mreža
Planiranje je postupak donošenja odluka kojime planer najprije određuje skup mogućih
rješenja (planova) problema, a potom između njih odabire ono najbolje. Ishodišna točka
planiranja razdjelnih mreža uvijek je postojeće stanje u razdjelnoj mreži, kao i analiza
potencijala takve opskrbe svih čvorišta opterećenja kvalitetnom električnom energijom
47
(zadovoljavajući pri tome zadana tehnička ograničenja), i to u nekom promatranom razdoblju.

Zbog pojave distribuiranih izvora električne energije mora se u obzir uzeti i analiza mreže u
svrhu mogućnosti njihova priključenja i trajnog rada. Ako se analizom utvrdi da mreža ne
može ostvariti navedene ciljeve kao i zadovoljiti propisana ograničenja, potrebno je pristupiti
postupku planiranja razdjelnih mreža.
Sasvim općenito, planiranje distribucijskih mreža mogu potaknuti sljedeći interni i eksterni
činioci [34 – 36]:
 promjena opterećenja u postojećim čvorištima opterećenja,
 pojava novih čvorišta opterećenja u razdjelnoj mreži, kada je dosegnuto dozvoljeno
opterećenje pojedinih elemenata mreže,
 pojava novih distribuiranih izvora u razdjelnoj mreži, kada je dosegnuto dozvoljeno
opterećenje pojedinih elemenata mreže,
 kod manjeg opterećenja elemenata od dozvoljenog, kako bi se poboljšale naponske
prilike, smanjili gubici u razdjelnoj mreži ili povećala kvaliteta opskrbe u slučaju
izvanrednog pogonskog stanja,
 kada elementima u razdjelnoj mreži dolazi kraj (ekonomskog) životnog vijeka.
Planiranje distribucijskih mreža moguće je podijeliti u dvije funkcionalne grupe:

 pogonsko planiranje i
 planiranje pojačanja i izgradnje.
Pogonsko planiranje obuhvaća planiranje aktivnosti kojima se poboljšava rad distribucijske

mreže u okvirima osnovne aktualne izgrađenosti, odnosno postojećeg broja transformatorskih
stanica i vodova. Toj grupi planiranja pripadaju:
 kompenzacija jalove snage i energije (npr. ugradnja kondenzatorskih baterija),
 optimiranje gubitaka djelatne snage i energije (npr. određivanje optimalnog uklopnog
stanja postojeće razdjelne mreže), povećanje kvalitete opskrbe (npr. automatizacijom
sklopnih aparata), itd.
S druge strane promjena opterećenja u postojećim čvorištima opterećenja, pojava novih

čvorišta opterećenja kao i distribuiranih izvora, zatim promjene zakona, tehnologije i cijena,
uvođenje novih naponskih razina te starenje postojećih elemenata u distribucijskoj mreži,
zahtijevaju periodičko planiranje pojačanja i izgradnje distribucijske mreže. Postupci
48
planiranja pojačanja i izgradnje uvelike se razlikuju ovisno od prostornog obuhvata te

vremenskog razdoblja planiranja. Tako prostorni obuhvat može zahvatiti područje jedne
transformatorske stanice zadnjeg stupnja transformacije ali i cjelokupnu mrežu Operatora
distribucijskog sustava. Prema vremenskom razdoblju planiranje pojačanja i izgradnje
distribucijske mreže dijeli se na kratkoročno, srednjoročno i dugoročno planiranje [37]:
 Kratkoročno planiranje obuhvaća razdoblje do 3 godine. Cilj kratkoročnog planiranja
je određivanje objekata čija izgradnja ili zamjena i rekonstrukcija treba odmah
započeti. Postupak kratkoročnog planiranja u pravilu se provodi svake godine.
 Srednjoročno planiranje obuhvaća razdoblje od 3 do 10 godina. Cilj srednjoročnog
planiranja je određivanje objekata za čiju je izgradnju ili zamjenu i rekonstrukciju
potrebno trenutno započeti sve nužne početne aktivnosti (idejna rješenja, studije,
projekti, određivanje prostora/trasa, pribavljanje dozvola i dr.).
 Dugoročno planiranje obuhvaća razdoblje od 10 do 30 godina. Cilj dugoročnog
planiranja je postavljanje globalnih (strateških) smjernica razvoja mreže s obzirom na
njenu konfiguraciju, razvoj pojedinih naponskih razina, primjenu novih tehnologija,
izgradnju novih vodova na približno određenim trasama te formiranje novih
transformatorskih stanica visokoga napona ovisno o porastu opterećenja te određivanje
njihove makro lokacije. Objekti sadržani u kratkoročnim i srednjoročnim planovima
moraju biti usklađeni s dugoročnim planovima izgradnje distribucijske mreže.
Planiranje pojačanja i izgradnje distribucijske mreže važno je započeti dovoljno unaprijed

kako bi se sagledale sve raspoložive opcije (alternativna rješenja) vodeći računa da je za
svaku pojedinu opciju potrebno izvjesno vrijeme za pripremu, izgradnju i ulazak u pogon
(engl. lead time). Ukoliko razdoblje planiranja ne uključuje dovoljan broj godina u
budućnosti, utoliko je i raspoloživi broj opcija za rješavanje problema manji. Rješenja kojima
je raspoloživi broj opcija sužen redovito podrazumijevaju veće troškove. Stoga je, kada je
riječ o planiranju izgradnje u sustavu, preporučljivo razdoblje planiranja prilagoditi problemu
koji se rješava kako bi se mogle sagledati sve raspoložive opcije.
Slika 3.1. prikazuje općenite kriterije, odnosno pripadajuće ciljeve koji se uobičajeno
koriste u postupcima planiranja distribucijskih mreža. Osim prikazanih ciljeva, ponekad se
koriste i neki dodatni kriteriji poput kvalitete napona ili utjecaja na okoliš.
49
Slika 3.1. Podjela i kriteriji planiranja distribucijskih mreža
Sasvim općenito, kriterije koje prikazuje Slika 3.1. moguće je podijeliti u sljedeće tri
grupe:
 Troškovni (investicijski troškovi, troškovi održavanja, troškovi uslijed gubitaka
djelatne snage i energije, troškovi uslijed neisporučene električne energije),
 Gubici (gubici djelatne snage i energije),
 Raspoloživost (engl. availability) ili pouzdanost (engl. reliability) opskrbe
(neisporučena električna energija).
U ovome će radu biti opisan jednokriterijski model planiranja integracije projekata

distribuiranih izvora u distribucijske mreže s ciljem maksimizacije njihovih financijskih
pokazatelja isplativosti.
50
3.1.2. Tehnički kriteriji planiranja tradicionalnih distribucijskih

mreža
Donedavno su se distribucijske mreže razvijale isključivo po principu porasta potrošnje

električne energije. Pritom su bile planirane i građene za jednosmjerne tokove snage od viših
naponskih razina do nižih. U posljednjim desetljećima su distribucijske mreže širom svijeta
suočene sa značajnim promjenama, prvenstveno zbog nagle i značajne penetracije
distribuiranih izvora u njihovu strukturu i pogon. Do pojave distribuiranih izvora,
distribucijske mreže bile su isključivo pasivne i nisu podržavale dvostruke tokove snaga i
mogućnost povećanja napona s porastom udaljenosti od napojne trafostanice, osim u
iznimnim slučajevima (prekapacitiranost mreže i reverzni tokovi jalovih snaga).
Međutim srž planiranja distribucijske mreže ostala je nepromijenjena, a obuhvaća izradu
različitih varijanti i odabir optimalne varijante pružanja pouzdane usluge korisnicima mreže s
obzirom na njihove buduće potrebe [38]. Cilj planiranja je definirati niz i redoslijed zahvata
koje je potrebno provesti u mreži kako bi se kroz čitavo promatrano razdoblje osigurao
pouzdan pogon mreže. Zahvati koji proizlaze iz planiranja distribucijske mreže su:
 izgradnja novog voda,
 izgradnja nove transformatorske stanice VN/SN ili SN/SN za napajanje mreže
srednjeg napona,
 povećavanje prijenosne moći postojećih vodova ili transformatora kroz prijevremenu
ili nužnu rekonstrukciju,
 prijelaz dijela mreže na pogon na drugoj naponskoj razini,
 daljnji razvoj pomoćnih sustava (npr. automatizacija mreže – daljinski upravljive
rastavne naprave ili prekidači, linijski regulatori napona i dr.),
 promjena uklopnog stanja mreže u kombinaciji s vremenskim odlaganjem nekog od
gore navedenih rješenja.
Planove razvoja i izgradnje te planove zamjena i rekonstrukcija distribucijske mreže treba

međusobno usklađivati da bi se odredilo najpovoljnije rješenje razvoja mreže (npr. povećanje
prijenosne moći postojećeg voda kroz zamjene i rekonstrukcije može otkloniti potrebu za
izgradnjom novog voda). Pri odabiru osnovnih (strukturnih) rješenja tehnički kriteriji
propisuju vrste rješenja, a ekonomski kriteriji nalaze najprikladnije (najpovoljnije) rješenje.
51
Tehnički kriteriji planiranja distribucijske mreže odnose se na preopterećenja električnih

komponenti mreže, kvalitetu napona i pouzdanost opskrbe potrošača. Točnije, pogonske
veličine za koje se kriteriji propisuju su:
 dopušteno opterećenje transformatora, nadzemnih vodova i kabela,
 dopušteno odstupanje napona,
 pouzdanost opskrbe.
Propisani kriteriji planiranja trebaju biti zadovoljeni za dvije vrste pogonskih stanja:
 Normalni pogon distribucijske mreže ("n" stanje), odnosno stanje mreže u kojem su
svi kupci opskrbljeni, naponi se održavaju u rasponu između dopuštenog maksimalnog
i minimalnog napona, opterećenja svih elemenata distribucijske mreže su manja od
nazivnih vrijednosti, struje kratkog spoja u svim čvorištima distribucijske mreže manje
su od rasklopne moći pripadajućih prekidača, postoje dovoljne rezerve u prijenosnoj
mreži i elektranama priključenim na distribucijsku mrežu te se ostvaruju sve usluge i
planski radovi u distribucijskoj mreži.
 Izvanredni pogon distribucijske mreže ("n-1" stanje) koji nastupa prilikom
neplaniranog zastoja, tj. neraspoloživosti pojedine komponente mreže. Kriterij "n-1" je
zadovoljen ako je nakon zastoja uspostavljeno novo pogonsko stanje u kojemu se
naponi i opterećenja elemenata mreže održavaju u dopuštenim okvirima bez smanjenja
potrošnje, odnosno trajanja prekida napajanja većih od dopuštenih.
Dakle, distribucijska mreža mora biti dimenzionirana tako da su u slučaju nastanka

poremećaja značajnije vjerojatnosti isključeni sljedeći učinci:
 trajno narušavanje graničnih vrijednosti pogonskih veličina u distribucijskoj mreži
(napon, struja) koje dovodi u opasnost siguran pogon ili uzrokuje oštećenje, odnosno
nedopušteno skraćivanje životne dobi opreme distribucijske mreže ili uređaja u
vlasništvu korisnika mreže,
 broj i trajanje prekida napajanja korisnika veći od dopuštenih vrijednosti unatoč
iskorištenju rezervnih prijenosnih kapaciteta u mreži ako je na ekonomski opravdan
način moguće izvesti odgovarajuće pojačanje mreže,
 širenje poremećaja, odnosno daljnje isključivanje djelovanjem uređaja zaštite dijelova
distribucijske mreže koji nisu izravno zahvaćeni poremećajem.
52
Kao moguće dispečerske mjere, odnosno korektivne akcije radi zadovoljenja kriterija
pouzdanosti ("n-1") u distribucijskoj mreži smatraju se:
 promjena uklopnog stanja mreže primjenom automatskih, daljinski ili ručno
upravljivih rastavnih uređaja,
 korištenje automatske uzdužne regulacije transformatora 110/35 kV, 110/20 kV i
110/10 kV te ručne uzdužne regulacije transformatora 35/10 kV i 35/20 kV,
 regulacija, odnosno uključenje i isključenje kompenzacijskih uređaja u mreži.
Kao što je već navedeno, primjenom ranije opisanih kriterija u promatranoj mreži dolazi se
do varijanti rješenja distribucijske mreže koje zadovoljavaju definirane tehničke kriterije.
Ekonomskim analizama optimalnih varijanti razvoja odabire se ona koja u promatranome
razdoblju zahtijeva najmanje troškove ulaganja. Osim ulaganja u izgradnju i pojačanje mreže,
u obzir se uzimaju i troškovi gubitaka energije i snage, troškovi neisporučene energije i snage
te troškovi pogona mreže.
3.1.3. Tehnički kriteriji planiranja aktivnih distribucijskih mreža
Distribuirani izvori postupno ali sigurno pasivnu distribucijsku mrežu pretvaraju u aktivnu
mrežu, koja se zbog svoje potrebe za snažnom informatičkom podrškom i automatizacijom,
često naziva i Naprednom mrežom (eng. Smart Grid). Napredna mreža je mreža koja može na
inteligentan način integrirati aktivnosti svih korisnika spojenih na nju, uključujući
proizvođače, kupce i one subjekte koji objedinjuju te dvije funkcije i pritom osigurati
učinkovitu, održivu i sigurnu dobavu električne energije.
Novonastali uvjeti predstavljaju izazov konvencionalnom planiranju distribucijske mreže,
dok ostale funkcionalnosti Naprednih mreža (npr. automatizacija mreže, napredna mjerenja,
upravljanje potrošnjom i visoka razina informatizacije i izgradnje telekomunikacijske
infrastrukture) omogućuju Operatoru distribucijskoga sustava integraciju novih korisnika uz
minimalne zahvate u mreži. Zbog navedenog, potrebno je uspostaviti novi pristup planiranju
distribucijske mreže koji će na ekonomski prihvatljiv način omogućiti porast udjela
distribuirane proizvodnje i implementaciju ostalih funkcionalnosti Napredne mreže, uz
poštivanje općeprihvaćenih tehničkih i ekonomskih kriterija planiranja.
Zasada se u Hrvatskoj distribuirani izvori priključuju na distribucijsku mrežu razmatrajući
zasebno svaki pojedini slučaj, pri čemu se utjecaj na okolnu mrežu promatra u
53
najnepovoljnijemu slučaju, pretpostavljajući maksimalnu proizvodnju DI-a uz minimalno

lokalno opterećenje kako priključak DI-a ne bi narušio postojeće prilike u mreži.
Između ostalog, povećanje udjela distribuirane proizvodnje utječe na pogon distribucijske
mreže kroz:
 dvosmjerne tokove snaga i moguće preopterećenje elemenata sustava,
 utjecaj na naponske prilike i odstupanje od dopuštenih iznosa,
 porast struja kratkog spoja,
 utjecaj na gubitke u mreži,
 utjecaj na sustave zaštite.
Uz promijenjene uvjete u mreži, stabilnost pogona može se zadržati povećanjem kapaciteta

mreže, no i primjenom ekonomski prihvatljivijih inovativnih rješenja planiranja i vođenja
mreže. Konvencionalno planiranje pasivnih mreža ima standardnu proceduru koja
podrazumijeva predviđanje opterećenja, zatim planiranje zahvata na postojećim objektima i
izgradnju novih objekata po naponskim razinama. Pri planiranju aktivnih distribucijskih
mreža, u obzir treba uzeti mogućnost pojave DI-a na svim naponskim razinama, u bilo kojoj
točki mreže, pri čemu su snaga i proizvodnja DI-a nepredvidive.
Konvencionalno planiranje na ove pretpostavke odgovara značajnim ulaganjima u
povećanje kapaciteta mreže, što, uz neizvjesnost priključenja DI-a, Operatoru distribucijskoga
sustava predstavlja znatan financijski rizik.
Pojednostavljena procedura planiranja aktivnih distribucijskih mreža slijedi korake:
 analizu postojećeg stanja i pogona mreže, određivanje slabih točaka mreže (bez DI-a),
 prognozu opterećenja (bez DI-a),
 izradu osnovnih modela razvoja mreže (konvencionalno planiranje bez DI-a),
 izradu alternativnih modela razvoja mreže (planiranje s DI-ovima),
 odabir optimalnog modela razvoja mreže.
Da bi se smanjio rizik, a istovremeno osigurala buduća stabilnost sustava, osim pojačanja

mreže pri planiranju treba razmotriti i:
 alternativne strukture mreže,
 nove načine vođenja,
 razmjenu informacija s nadređenom mrežom,
54
 korištenje širokog opsega podataka o mreži prikupljenih zahvaljujući novim

tehnologijama.
3.2. Utjecaj distribuiranih izvora na planiranje distribucijskih

mreža
3.2.1. Tokovi snaga i padovi napona u tradicionalnim distribucijskim
mrežama
Toploška i pogonska struktura distribucijske mreže se od početka elektrifikacije nije

mijenjala, temeljeći se isključivo na bazi praćenja potreba rastućeg konzuma. Dnevni
dijagram opterećenja je u načelu bio poznat (iako su intervalna kombi brojila s mogućnošću
spremanja krivulje opterećenja bila vezana isključivo za poduzetništvo) te, osim na razini
uobičajenih tjednih i sezonskih razlika, nije bilo značajnih promjena ni iznenađenja.
Današnji sustav planiranja i vođenja distribucijske mreže rezultat je provođenja
provjerenih načela planiranja, projektiranja i vođenja distribucijskih elektroenergetskih mreža.
Dosada je distribucijski sustav funkcionirao stabilno i pouzdano, pri čemu su bile poznate sve
moguće izvanredne situacije te su za njih razvijeni sustavi zaštite kao i razrađeni manevri u
izvanrednim situacijama.
Distribucijska mreža je donedavno bila isključivo pogonski radijalna, s jednosmjernim
tokom energije od prijenosne mreže (koja je predstavljala jedini izvor energije za
distribucijsku mrežu) do krajnjih korisnika, odnosno kupaca električne energije.
Distribucijska mreža je topološki gledano zamkaste, odnosno povezne strukture (osim u
ruralnim sredinama gdje je radijalne strukture), ali je u pogonskom smislu radijalnog
karaktera. Povezna struktura zapravo znači da su distribucijske trafostanice (TS SN/NN) dio
povezne mreže između napojnih trafostanica (TS VN/SN i TS SN/SN) što u biti omogućava
njihovo rezervno napajanje u slučaju kvara. Međutim u takvim mrežama uvijek se prekida
strujni krug na poveznoj mreži između dvije napojne trafostanice (mjesto prekida se zove
rasklopno mjesto ili granica napajanja) da bi se onemogućio njihov paralelan pogon. U skladu
s takvom praksom, u topološki radijalnim distribucijskim mrežama uobičajeno je da su struje,
a i presjek zračnih vodova i kabela, veći u blizini napojne transformatorske stanice, dok se
prema kraju voda smanjuju. No zbog polaganja unificiranih presjeka SN kabela, u čisto
kabelskim poveznim mrežama, presjeci kabela su isti za cijelu mrežu, osim za prve dionice
napojnih trafostanica.
55
Dakle, strujno naponske okolnosti za tradicionalnu distribucijsku mrežu su bile bazirane na

činjenici da je najopterećenija dionica ona najbliža napojnoj TS, a najveća odstupanja napona
su se zbivala na kraju voda. Budući da su napojne x/SN trafostanice HEP-a uglavnom
opremljene sustavom daljnskog vođenja (SDV), temeljem mjerenih vrijednosti električkih
veličina na početku vodova te uz poznatu konfiguraciju vodova i podatke o izmjerenim
opterećenjima distribucijskih trafostanica, moglo se vrlo kvalitetno analizirati bilo koje
opskrbno područje mreže [39]. Korištenjem postojećih programskih paketa za analizu mreža
nije bio problem procijeniti strujno naponske okolnosti duž čitavih izvoda te planirati
pogonske izmjene mreže (npr. promjenu granica napajanja, tj. rekonfiguraciju) i/ili pojačanje,
odnosno izgradnju mreže. Također, obje prethodno navedene kategorije planiranja
podrazumijevaju i prijelaz dijela mreže s naponske razine 10 kV na naponsku razinu 20 kV,
kao temeljni cilj HEP ODS-a. U svakom slučaju, sve donedavno su se planeri suočavali s dva
ekstremna stanja mreže. Prvo je bilo pri maksimalnom opterećenju, kada se na kraju voda
javlja maksimalni pad napona, te pri minimalnom opterećenju kada je napon na kraju voda
relativno najviši. Potonji slučaj je kod dugih neopterećenih kabelskih mreža sa značajnim
tokovima jalovih snaga mogao predstavljati značajan problem. Isti problem se mogao javiti u
prekompenziranim postrojenjima koja su naglo obustavila rad, ali ne i uklonila kondenzatore
za kompenzaciju jalove snage.
Zaključno, prilikom priključenja potrošača dolazi do povećanja struje od napojne
transformatorske stanice do potrošača, a napon proporcionalno opada porastom impedancije
vodova i snage koja teče kroz njih. Promjena djelatne komponente snage utječe na promjenu
napona preko djelatnog otpora mreže, a jalova komponenta snage uzrokuje promjenu napona
preko induktivne komponente impedancije mreže. To znači, kako u dominantno induktivnim
mrežama promjena samo djelatne komponente snage ne uzrokuje, odnosno zanemarivo utječe
na promjenu napona, tako promjena jalove komponente snage (preuzimanje ili predaja jalove
snage) znatno utječe na promjenu napona. Nadzemni vodovi prijenosne mreže imaju izrazito
induktivni karakter, omjer X/R je uglavnom veći od 10. U odnosu na nadzemne vodove
prijenosne mreže, kabelska mreža se znatno razlikuje u omjeru reaktancije i radnog otpora.
Raspon koji vrijedi u slučaju kabelske mreže je od prevladavajućeg radnog otpora (X/R < 0,1)
u slučaju tankog podzemnog kabela, do miješano induktivno/radnog (X/R ≈ 1) za deblje
kabele srednjeg napona. SN i NN distribucijska mreža Republike Hrvatske koja se uglavnom
sastoji od podzemnih kabelskih vodova, ali i izrazito induktivnih transformatora kao i izrazito
djelatne potrošnje, miješano je induktivnog/radnog (X/R ≈ 1) karaktera. Slijedi zaključak da
pad napona, kao i fazni pomak napona uzrokuju djelatna i jalova snaga.
56
Slika 3.2. Primjer naponskih prilika na SN izvodu bez priključene proizvodne jedinice
3.2.2. Tokovi snaga i padovi napona u aktivnim distribucijskim

mrežama
Pojavom distribuirane proizvodnje drastično se mijenja koncepcija planiranja, vođenja

pogona i održavanja distribucijske mreže. Distribucijska mreža gubi svoju osnovnu značajku
radijalnog pogona i jednosmjernih tokova snaga, a izvori u dubini distribucijske mreže
pretvaraju dionice izvoda koje su projektirane za smanjene tokove snaga u dominantne pojne
pravce za razdjelu električne energije [40]. Posljedično, distribucijska mreža postaje vrlo
dinamičan dio elektroenergetskoga sustava, mijenjajući svoj status (od tereta do izvora na
nadređenoj mreži) više puta tijekom istoga dana. Distribuirani izvori unose dodatnu
nesigurnost u dosadašnji pristup razvoju, planiranju i vođenju distribucijske mreže, koja je to
izraženija što je naponska razina mreže niža. Primjer mogućih tokova snaga u SN
distribucijskoj mreži na koju je priključena vjetroelektrana prikazan je Slikom 3.3.
Slika 3.3. Primjer mogućih tokova snaga u SN mreži s priključenom vjetroelektranom
57
Za razliku od prijenosne mreže, potrošačke točke distribucijske mreže (TS SN/NN) u

najvećemu broju slučajeva nisu daljinski upravljive, te stoga nema aktualnih informacija (u
realnom vremenu) o tokovima snaga ili promjenama napona u dubini distribucijske mreže.
Prilikom izgradnje pasivne distribucijske mreže sklopna oprema, zaštita i upravljanje bilo je
usuglašeno s navedenom praksom radijalnoga pogona i jednosmjernoga toka snage.
Priključkom elektrane na distribucijsku mrežu dolazi do promjena tokova snaga u
distribucijskoj mreži, što između ostaloga mijenja i naponske prilike u distribucijskoj mreži te
traži provjeru podešenja postojeće zaštite.
Distribucijska mreža mogla bi u načelu bez većih problema pratiti kroz svoj razvoj i
tehnološka unapređenja dinamiku normalnoga postepenog procesa integracije distribuiranih
izvora, no zbog poticajnih zakonskih akata snažno raste broj zahtjeva za priključenje DI-ova u
mrežu. To posljedično znači da se distribucijska mreža i tehničko osoblje ODS-a moraju vrlo
brzo prilagoditi novonastaloj situaciji. Idealna bi situacija bila da je tehnološko unapređenje
distribucijske mreže (npr. osuvremenjivanje distribucijske mreže i uvođenje SDV-a po dubini
mreže) bilo završeno prije početka integracije DI-ova. Isto tako, bilo bi idealno da je poticanje
novih tehnologija (npr. skladišta energije) na istom stupnju razvoja kao tehnologija DI-a, čime
bi se itekako uravnotežila intermitiranost DI-a i ograničio njihov utjecaj na mrežu. Nažalost,
sada se u vrlo kratkom periodu mora pristupiti simultanom rješavanju navedenih problema,
što je utoliko teže u svijetlu svjetske ekonomske krize koja neizravno koči brzi razvoj
distribuiranih mreža zbog smanjenog obima investicija.
Mnogo je novih izazova u planiranju razvoja mreže na koje se mora obratiti pozornost.
Jedan od njih je da uobičajena procjena stope rasta potrošnje više nije mjerodavna za
planiranje tokova snaga u distribucijskoj mreži. Naime, budući da je iznimno teško predvidjeti
odnos između lokalne potrošnje i proizvodnje koji se stalno mijenja, planiranje postaje složen
problem s mnogo varijabli. Poseban je izazov procijeniti utjecaj DI-a na dnevni dijagram
opterećenja analiziranog dijela mreže jer se krivulja proizvodnje DI-a (ovisna o tipu DI-a)
superponira na krivulju opterećenja svih potrošača na izvodu na kojemu se DI planira
priključiti.
Sljedeći je izazov pojava značajnog porasta opterećenja u prethodno neopterećenim
dijelovima mreže. Iako se generalno može izjaviti da za razliku od priključenja potrošača,
priključenjem elektrana na distribucijsku mrežu u pravilu dolazi do rasterećenja distribucijske
mreže, potonje nije uvijek slučaj. Ukoliko na nekom području distribucijske mreže trenutna
snaga distribuiranih izvora premašuje teret na tom području, utoliko se može očekivati povrat
snage iz distribucijske mreže u prijenosnu mrežu. Posljedica je da se time povećavaju strujna
58
opterećenja prethodno neopterećenih dijelova mreže i drastično rastu gubici radne snage koji
ovise o kvadratu struje kroz dionicu kojom ona teče. Često je posljedica i preveliki porast
napona u točki priključenja elektrane.
Slika 3.4. Primjer promjene naponskih prilika i povećanja gubitaka na SN izvodu s

priključenom proizvodnom jedinicom čija trenutna snaga premašuje snagu tereta
Može se općenito konstatirati da, ako je instalirana snaga elektrana na nekom području
manja od iznosa tereta potrošača na tom području, priključak elektrana pozitivno utječe na
naponske prilike u distribucijskoj mreži. Povećanjem snage elektrana u odnosu na snagu
potrošača dolazi do povećanja tokova snaga u mreži, reverziranja smjera energije prema višim
naponskim razinama i povećanja gubitaka u tom dijelu distribucijske mreže.
Navedeni se problem mogućeg preopterećenja dionica u blizini DI-a može riješiti
povećanjem prijenosne moći (presjeka vodiča) preopterećenih dionica. Međutim osnovno je
pitanje isplati li se raditi takav zahvat u mreži samo radi evakuacije energije koja se lokalno
ne može potrošiti, tim više što se svrha ove investicije gubi u slučaju prestanka rada elektrane
(npr. nakon završetka perioda garantirane otkupne cijene električne energije ili uslijed
bankrota investitora elektrane).
Zanimljiv je slučaj priključka solarne elektrane na distribucijsku mrežu, koji pokazuje
njezin utjecaj na dnevni dijagram opterećenja, prikazan Slikom 3.5.
59
Slika 3.5. Primjer utjecaja solarne elektrane na dnevni dijagram izvoda SN distribucijske
mreže na kojem je ona priključena
Vršno opterećenje (potrošnja) koje nastupa u večernjim satima kada nema proizvodnje
energije iz sunčane elektrane, i dalje ostaje visoko kao i prije priključenja distribuiranog
izvora. Ako je potrošnja manja od proizvodnje (što se najčešće zbiva tijekom vršne
proizvodnje u podnevnim satima), dolazi do promjene smjera energije i izvod daje snagu i
energiju na niženaponske sabirnice napojne trafostanice. Ta se snaga najprije evakuira u
ostale izvode napojne TS i pokriva njihovu potrošnju, a tek onda, ako preostane dovoljno
snage ili ostali izvodi imaju već priključene DI-ove većih instaliranih snaga od njihove
potrošnje, energija putuje kroz transformator napojne TS u nadređenu mrežu. U tom slučaju
čitava TS postaje izvor nadređenoj mreži. Vidljivo je sa slike da u slučaju priključenja samo
jedne solarne elektrane snaga na izvodu tijekom dana varira u širem rasponu nego prije
njezina priključenja. S većim brojem izvora različitih tipova i karakteristika situacija se
značajno usložnjuje.
Ova vrsta oscilacije dnevnog dijagrama opterećenja u velikom broju slučajeva dugoročno
povećava tehničke gubitke u mreži. To dovodi operatora u poziciju da na tržištu mora
kupovati veće količine energije od planiranih, uslijed povećanja tehničkih gubitaka koji nisu
mogli biti predviđeni studijama razvoja mreže jer je operator zakonski obvezan priključiti
distribuirani izvor (OIEK) na mrežu i preuzeti njegovu energiju. Iz tog je razloga neophodno
poticati priključenje distribuiranih izvora na optimalnim lokacijama u mreži i s optimalnim
priključnim snagama, što je i tema ove disertacije.
Vezano uz dozvoljena odstupanja napona u normalnom i izvanrednom pogonu, od 2008.
godine Hrvatski zavod za norme preuzeo je normu CENELEC-a u izvornoj verziji EN
60
50160:2007, pod imenom HRN EN 50160:2008 (Službeno glasilo HZN 6/2008). U skladu s
normom EN 50160 (Europska norma o kvaliteti električne energije), na niskom i srednjem
naponu je dozvoljeno odstupanje napona od ± 10 % nazivnog napona kroz 95 % vremena
desetminutnih mjerenja u roku od tjedan dana, dok je u 5 % preostalog perioda preporučeno
odstupanje +10/-15 %. Sadržaj prikazane norme je preslikan na Mrežna pravila
elektroenergetskoga sustava.
Slikom 3.6. prikazan je konkretan primjer priključka elektrane na radijalni vod [41]. Ako je
elektrana priključena na radijalni vod, uz struje vodiča mijenjaju se i naponske prilike u
distribucijskoj mreži. Gledajući tokove snaga po granama izvoda bez priključene elektrane,
vidi se da opterećenje grana opada s većom udaljenošću od napojne TS. Općenito se
priključkom DI-a može očekivati znatna promjena tokova snaga do mjesta priključka, te
nikakva iza mjesta priključka elektrane.
Slika 3.6. Primjer utjecaja DI-a na tokove radnih i jalovih snaga te na strujne i naponske
prilike na izvodu SN mreže
61
Ako se priključi elektrana na izvod, uz pretpostavku da njezina trenutna snaga točno

pokriva teret potrošačkih trafostanica TS x/0,4 kV, napojna trafostanica uopće ne daje
djelatnu snagu iz prijenosne mreže u izvod. Dakle, prva dionica iza TS VN/SN, koja je inače
podložna najvećem opterećenju (zbog sume snaga svih potrošačkih trafostanica još
uvećanima za gubitke snage po ostalim dionicama), u tom primjeru uopće nije opterećena
djelatnom snagom, već samo jalovom. Strujno opterećenje pojedinih dionica mreže rezultat je
navedene promjene tokova snaga, tako da redovita situacija sada postaje povećano strujno
opterećenje (u prosjeku) dionica mreže najbližih mjestu priključka elektrane. Čak se i jalova
snaga može u potpunosti kompenzirati, ili podešavanjem faktora snage DI, ili ugradnjom
kondenzatorskih baterija na niženaponsku stranu napojne TS, kao i potrošačkih TS.
U tom slučaju planeru se stvara lažni dojam da je mreža sigurna i da se ne treba više
ulagati novac u povećanje presjeka dionica izvoda (napose njegovih prvih grana). Kada se
tereti i distribuirani izvori modeliraju sa samo jednim iznosom snage javlja se problem ako je
DI po prirodi primarnog energenta intermitiran. U tom će slučaju, npr. vjetroelektrana po
instaliranoj snazi teoretski moći pokriti snagu izvoda na koji se priključuje. No, s obzirom da
njena snaga varira u rasponu od gotovo 0 % do 100 %, i s obzirom na to da je prosječna
izlazna snaga rijetko veća od 40 %, vrlo brzo će biti jasno da za većinu dana u godini
vjetroelektrana sama ne može pokriti teret izvoda na koji je priključena. Ako se porast
opterećenja mreže ne kompenzira ulaganjem u prijenosnu moć prvih dionica izvoda,
korisnicima prijeti mogućnost gubitka napajanja (eng. blackout).
Drugo se pitanje javlja u slučaju da je distribuirana jedinica konstantne izlazne snage,
odnosno pogonjena neintermitiranim izvorom primarne energije (elektrana na biomasu,
bioplin, kogeneracija, itd.). Teoretski bi se tada navedeni izvod mogao ostaviti sa smanjenim
presjekom i teoretski bi DI pridonio uštedi ODS-a zbog smanjenog ulaganja u mrežu. Ako
teret izvoda ima tendenciju brzog porasta (otvaranje gospodarske zone, industrijalizacija,
apartmanizacija, itd.) vrlo lako će se dogoditi slučaj da će teret premašiti snagu npr.
kogeneracijske elektrane. Zbog vjerojatnosti njezina kvara i ispada s mreže te bankrota
investitora, riskira se zagušenje u distribucijskoj mreži i pojava gubitka napajanja korisnika.
Vrlo je opasna situacija sa zatvaranjem proizvodnog postrojenja uslijed bilo kojih razloga (ne
mora biti samo bankrot, može se dogoditi da investitor procjeni da mu se nakon isteka perioda
zagarantiranog otkupa, s obzirom na troškove goriva, ne isplati više proizvoditi električnu
energiju). Naime ako se u međuvremenu uslijed povećanja tereta nije povećao presjek prve
dionice izvoda, rezerva snage za taj dio mreže postaje nemoguća. Planeri tada moraju izdati
62
projektni zadatak, projektanti napraviti tehničku dokumentaciju rješenja polaganja

zamjenskog voda, moraju se dobiti sve upravne dozvole i riješiti imovinsko-pravni odnosi.
Tek onda se može pristupiti građenju, odnosno fizičkom polaganju kabela u rov i/ili gradnji
nadzemnog voda. Za sve to vrijeme potrošači bi morali biti bez napajanja. Budući da se
sukladno članku 54. Općih uvjeta za opskrbu električnom energijom, u pokazatelje
pouzdanosti napajanja električnom energijom na jednom obračunskom mjernom mjestu
(OMM-u) u jednoj kalendarskoj godini računaju prekidi koji traju duže od 3 minute,
evidentno je koliko bi se drastično pogoršali ti isti pokazatelji. Kada HERA uvede penale na
neisporučenu električnu energiju, kvalitetna integracija DI-a će imati ključni utjecaj na ODS-
ovo poslovanje.
U svakom slučaju, distribucijska se mreža s uključenim DI-om ne smije i ne može planirati
na način da se DI i tereti modeliraju s konstantnim iznosima snaga. Čak i ako se promatraju
sve kombinacije maksimalnih i minimalnih iznosa snaga tereta i proizvodnje, opet se neće
steći uvid u to kako mreža "diše" tijekom dana, odnosno neće se moći prognozirati gubitke u
mreži. Planiranje se mora provesti u dvije etape. Prva, kontrolna etapa bi se ticala provjere
naponsko-strujnih ograničenja pri smještaju DI-a određene snage u mrežu i eliminirala bi sve
slučajeve s kršenjem navedenih ograničenja. Druga, preciznija etapa bi smještala DI u mrežu
na lokacijama i s priključnim snagama s ciljem simultanog postizanja najvećeg benefita za
investitora i ODS (težilo bi se evakuaciji maksimalne prihvatljive snage DI-a ali i
istovremenom smanjenju gubitaka na izvodu). Tome će se pokušati pristupiti u ovome radu.
Također je uz tokove snaga jednako važno spomenuti i promjenu naponskih prilika u
mreži. Naponske prilike u mreži, tj. padovi napona i stacionarne varijacije napona u slučaju
priključka male elektrane redovito su najveći ograničavajući faktori pri priključivanju na
mrežu. Bez elektrane, naponi opadaju od početka izvoda prema kraju u ovisnosti o
opterećenju mreže. Sva naponska stanja u mreži egzistiraju između dvaju graničnih naponskih
profila koji odgovaraju maksimalnom i minimalnom opterećenju mreže. Kada je elektrana u
pogonu, tokovi radne snage od elektrane prema pojnoj TS x/10(20) kV su suprotnoga smjera,
što rezultira povećanjem napona najviše na mjestu priključka, uz ostatak mreže. Zbog toga se,
pogotovo na slabo opterećenim dugim zračnim vodovima, čak i injektiranjem relativno male
snage iz elektrane u mrežu (u odnosu na nazivnu snagu SN voda) može očekivati znatno
povećanje napona. U ovome slučaju, naponska stanja u mreži egzistiraju između dvaju
graničnih naponskih profila koji odgovaraju maksimalnom opterećenju mreže bez angažiranja
elektrane i minimalnom opterećenju mreže s angažiranom nazivnom snagom elektrane (Slika
3.6.).
63
Naponske prilike u čvorištima distribucijske mreže ovise o karakteristikama mreže, kao i o

opterećenjima, odnosno proizvodnji elektrana priključenih na mrežu. Uz poznate podatke
distribucijske mreže, naponske se prilike u distribucijskoj mreži mogu vrednovati pomoću
izračuna tokova snaga. U velikomu broju slučajeva distribuirani izvor može popraviti
naponske prilike duž voda, a naročito u primjerima kada zbog velikoga pada napona (bilo
zbog dužine voda, jakosti struje kroz vod ili lošijih parametara kabela/zračnog voda), napon
na kraju voda pada ispod minimalne vrijednosti. Tada se uključivanjem DI-a iznos napona na
kraju voda može vratiti u granice dozvoljenoga napona (prema normi EN 50160), kao što je
prikazano Slikom 3.7. Pritom je crnom crta-točka linijom prikazan napon duž voda bez DI-a,
a tamnoplavom punom linijom je prikazan napon duž voda s priključenom distribuiranom
jedinicom.
Slika 3.7. Primjer pozitivnog utjecaja proizvodne jedinice na naponske prilike duž voda
U analizama statičke stabilnosti napona u postupku priključenja proizvodnih postrojenja na

distribucijsku mrežu, a vezano uz željenu priključnu snagu proizvodnog postrojenja na
određenom priključnom mjestu u distribucijskoj mreži, operator mreže je dužan voditi računa
i o svojim obvezama spram drugih korisnika mreže. Potonje zahtijeva provedbu složenijih
analiza tokova snaga i padova napona u mreži koje između ostalog uvažavaju sva moguća
opterećenja (poglavito najmanje i najveće) te načine i količinu proizvodnje ili preuzimanja
jalove snage i energije iz proizvodnih postrojenja.
Transformatori 35/10(20) kV i 10(20)/0,4 kV uobičajeno imaju mogućnost regulacije
napona (u nenaponskome stanju) od ± 2 x 2,5 %. Regulacija napona pod teretom (automatska
regulacija napona) uobičajeno se izvodi samo na transformatorima 110/x kV, i to u rangu ± 10
x 1,5 %.
64
Korištenjem regulacije napona u 110/x kV u zavisnosti o teretu (snižavanjem napona u

priključnom čvorištu 110/x kV) moguće je kompenzirati porast napona koji uzrokuje sama
elektrana. Prilikom donošenja odluke o tome hoće li se mogući nedozvoljeni porast napona u
distribucijskoj mreži uslijed priključka elektrane poništiti regulacijom jalove snage iste,
automatskom regulacijom 110/x kV transformatora u zavisnosti o teretu ili investicijama u
pojačanje mreže, potrebno je uvažavati tehno-ekonomske kriterije.
Ako je mreža opremljena automatskom regulacijom napona ovisnom o teretu, kao
posljedica rada elektrane dolazi do smanjenja napona na srednjenaponskim sabirnicama.
Razlog tome leži u činjenici da regulator napona registrira manji iznos tereta (za iznos snage
elektrane) te smanjuje podešenu vrijednost napona na sabirnicama. Dakle, priključkom
elektrane dolazi do porasta napona u priključnom čvorištu, ali može doći do problema s
niskim naponima u ostalim izvodima distribucijske mreže na koje nije priključena elektrana
(mora se imati na umu da u općenitom slučaju iz napojne TS izlazi više izvoda, pa ako
automatski regulator napona smanji napon sekundarnih sabirnica zbog prisustva proizvodne
jedinice na samo jednom izvodu, taj će smanjeni napon biti početni napon svih ostalih izvoda
koji izlaze iz spomenute TS). Upravo iz tog razloga regulacija napona bez ovisnosti o
opterećenju pojednostavljuje planiranje i rad srednjenaponske mreže.
Jedan od praktičnih primjera na kojemu se zorno mogu ilustrirati naponski problemi koji se
javljaju nakon priključenja različitih tipova DI-a predstavlja slučaj kada je pri kraju jednog
izvoda priključena neintermitirana elektrana (npr. bioplinska) priključne snage približno 50 %
maksimalnoga konzuma izvoda. Ova elektrana smanjuje pad napona duž izvoda, što povoljno
djeluje na mrežu tijekom maksimuma potrošnje izvoda. Međutim tijekom minimalne
potrošnje izvoda (neka ona u navedenome primjeru iznosi oko 30 % maksimalne potrošnje)
zbog utjecaja elektrane dolazi do pojave porasta napona, koji može nadići normu ± 10 %. Za
drugi primjer može poslužiti intermitirani izvor električne energije (npr. solarna elektrana) s
vršnom proizvodnjom čiji je iznos približno jednak maksimalnomu opterećenju izvoda. U
izvodu na koji je takva elektrana priključena dolazi do značajnoga smanjenja opterećenja u
podnevnim satima (ali samo za sunčana vremena), dok se dnevni maksimum opterećenja i
dalje pojavljuje u večernjim satima i ostaje nepromijenjen (elektrana ne utječe na njega). Ovaj
izvod nema novih problema s porastom napona jer tijekom minimuma potrošnje (koji nastupa
u noćnim satima, kada sunčana elektrana ne proizvodi energiju) nema utjecaja elektrane na
povišenje napona, ali na ovome izvodu i dalje ostaje uobičajeni problem pada napona duž
izvoda radi opterećenja u maksimumu potrošnje.
65
Uz fiksnu ručnu regulaciju na razini TS SN/NN i TS SN/SN i automatsku regulaciju na

razini TS VN/SN, i same elektrane mogu pridonijeti regulaciji napona na dijelu mreže na koji
su priključene, bilo vlastitom proizvodnjom ili potrošnjom jalove snage. Prilikom
vrednovanja o tome u kojem opsegu proizvodno postrojenje treba pridonositi održavanju
napona u stacionarnim prilikama u distribucijskoj mreži, potrebno je voditi računa o tipu i
pogonskim karakteristikama postrojenja. To se poglavito odnosi na zadane vrijednosti jalove
snage proizvodnih postrojenja. Na primjer, kada je priključni vod elektrane dugačak i
smanjenog presjeka, tada se javlja potreba za regulacijom jalove snage elektrane (da bi se
smanjio povišeni napon elektrane cilj je jalovu snagu injektirati od SN sabirnica napojne TS
prema elektrani), kao i potreba za ograničenjem djelatne snage elektrane (zato jer smanjeni
presjek uzrokuje smanjenu prijenosnu moć voda).
Distribuirani izvori, u dogovoru s ODS-om mogu raditi s fiksnim i varijabilnim faktorom
snage (cosφ). Ako je napon u mreži prenizak zbog velikoga opterećenja mreže, DI s
rotacijskim strojevima i regulacijom napona u priključnoj točki (engl. Point of Common
Coupling – PCC) može davati jalovu snagu u mrežu (s ciljem rasterećenja izvoda i podizanja
napona u čvorovima mreže) i njegov sinkroni stroj tada prelazi u naduzbuđeni režim rada
(povećava se uzbudna struja na rotoru). Naduzbuđeni sinkroni stroj se ponaša kao
kondenzator i popravlja induktivni faktor snage mreže. DI s izmjenjivačkim sučeljem
automatskim uređajem za regulaciju jalove snage stvara faznu razliku napona i struje i, u
slučaju kada napon prethodi struji, DI daje jalovu snagu u mrežu.
Ako je napon u mreži previsok zbog malog opterećenja mreže, DI s rotacijskim strojevima
i s regulacijom napona u priključnoj točki uzima jalovu snagu iz mreže (s ciljem da optereti
izvod i sruši napon u čvorovima mreže) i njegov sinkroni stroj prelazi u poduzbuđeni režim
rada (smanuje se uzbudna struja na rotoru). Poduzbuđeni sinkroni stroj se ponaša kao
induktivno trošilo (prigušnica). DI s izmjenjivačkim sučeljem sustavom regulacije injektiranja
jalove snage stvara faznu razliku napona i struje i, u slučaju kada napon kasni za strujom, DI
preuzima jalovu snagu iz mreže.
Varijabilna primopredaja jalove snage proizvodnih postrojenja iz distribucijske mreže i u
distribucijsku mrežu služi njihovoj boljoj integraciji u mrežu i podrazumijeva važan doprinos
učinkovitijemu korištenju postojećih kapaciteta elemenata u distribucijskoj mreži. Radi
minimiziranja djelatnih gubitaka u distribucijskoj mreži poželjan je rad proizvodnog
postrojenja s cosφ = 1. Naime tokovi jalove snage u funkciji upravljanja (kontrole) naponskih
prilika povezani su s povećanjem gubitaka električne energije u distribucijskoj mreži.
66
U Hrvatskoj Mrežna pravila elektroenergetskog sustava napominju da uz proizvodnju i

isporuku radne energije, elektrana treba proizvoditi i u mrežu isporučivati i dovoljno jalove
energije. Proizvodnja jalove energije treba biti u granicama od cosφ = 0,85 induktivno do
cosφ = 1, osim za sunčane elektrane, kojima se takav zahtjev ne postavlja, i vjetroelektrane s
asinkronim generatorima kojima vrijedi da trebaju imati vlastitu kompenzaciju tako da
prosječan faktor snage bude 1 uz maksimalno odstupanje od 0,1 u induktivnom i
kapacitivnom smjeru. Dakle, generatorima se ne nadoknađuju troškovi proizvodnje jalove
snage, barem ne kada izvode pogon unutar granica. Od generatora se traži posjedovanje
specificirane minimalne sposobnosti proizvodnje jalove snage kao uvjet za priključenje na
sustav, a generatori trebaju snositi sve troškove održavanja te sposobnosti kao i troškove
proizvodnje jalove snage. Moguće je primijetiti kako postojeća Mrežna pravila EES u RH u
općenitom slučaju ne dozvoljavaju rad proizvodnih postrojenja s preuzimanjem (potrošnjom)
jalove snage.
Jedinice distribuirane proizvodnje mogu sudjelovati u regulaciji napona proizvodnjom
jalove snage, pod uvjetom da se uspostavi sustav nadzora koji bi sprečavao neovisan rad više
regulatora napona. Za takav pristup obavezna je uspostava komunikacijske strukture, koja
trenutno, u većini distribucijskih mreža, još uvijek ne postoji. Problem je također kako
rasporediti regulator napona DI, odnosno hoće li se regulacija napona provoditi:
 redukcijom radne snage ili
 regulacijom jalove snage
Također ključna je informacija hoće li proradna veličina za aktivaciju regulatora napona

biti:
 napon točke priključenja distribuiranog izvora (Slika 3.8.) ili
 napon najslabije točke u mreži.
67
Slika 3.8. Primjer regulacije napona u priključnoj točki elektrane [42]
Prva opcija podrazumijeva proračun tokova snaga u mreži u ekstremnim stanjima mreže
prije i poslije priključenja DI-a (engl. offline load flow), i određivanje kritičnih stanja s
aspekta kršenja naponskih normi. Potom se definira koliku se vrijednost napona u priključnoj
točki ne smije prijeći, kako se u ekstremnom slučaju ne bi izašlo van okvira naponskih
ograničenja. Konačno, na tu se vrijednost postavlja regulator napona DI-a koji reducira
djelatnu snagu i/ili preuzima jalovu snagu s ciljem održavanja napona ispod proradne
vrijednosti (za slučaj opasnosti od nedozvoljenoga porasta napona).
Druga opcija je tehnički najzahtjevnija jer zahtjeva opremanje velikoga dijela mreže u
sustav daljinskoga vođenja, odnosno međusobno komunikacijsko povezivanje regulatora
napona napojne TS, regulatora napona svih DI-ova i konstantna mjerenja napona najslabije
točke u pogonu (engl. online load flow). Naime najslabija točka u mreži po pitanju pada ili
porasta napona mora se unaprijed utvrditi proračunima tokova snaga u mreži u ekstremnim
stanjima mreže prije i poslije priključenja DI-a. U slučaju da naponski najslabija točka nije
sabirnica elektrane (koja se po pravilu uvijek mora uvesti u SDV prilikom priključenja na
SN), već potrošačka TS SN/NN koja najvjerojatnije nije u SDV-u, potonja će se morati uvesti
u daljinsko vođenje (pitanje je tko će financirati taj zahvat).
U slučaju povezne mreže, gdje se granice napajanja često mijenjaju zbog promjene
konfiguracije mreže uslijed priključenja novih potrošača i proizvođača, postavlja se pitanje
opravdanosti takve investicije. Naime promatrani se izvod može u kratkome roku proširiti za
još jednu TS (uslijed promjene granice napajanja ili izgradnje nove TS) energetski smještenu
nakon procijenjene naponski najslabije točke. Na taj način nova točka može postati naponski
najslabija točka i postoji mogućnost potrebe njezinog uvođenja u SDV. Samim time,
prethodna se investicija pokazuje neopravdanom.
68
U svakom slučaju, koju god proradnu veličinu izabrali (bilo da je to napon točke
priključenja DI-a ili napon najslabije točke u mreži), regulatori napona svakog DI-a morat će
biti priključeni po načelu ravnopravnosti, tj. u istom postotku priključne djelatne i/ili jalove
snage svake elektrane. Kao zaključak se nameće činjenica da je potrebno detaljno promatrati
utjecaj DI-a na regulaciju napona mreže za svaki slučaj pojedinačnog ili grupnog priključenja
novih DI-ova.
Jedan od utjecaja koji je zbog vremenske promjenjivosti tereta i strujno-naponskih prilika u
mreži teško precizno odrediti je utjecaj rada elektrane na gubitke u distribucijskoj mreži.
Promjene tokova snaga praćene su promjenama gubitaka u mreži. Općenito se smatra da se
distribuiranom proizvodnjom, tj. proizvodnjom u blizini potrošnje smanjuju gubici na razini
sustava. Uz mali udio proizvodnje, gubici u mreži se smanjuju. Navedeno definitivno
predstavlja rasterećenje vodova u vlasništvu ODS-a (i HOPS-a), te povećanje ušteda uslijed
nabavljanja električne energije za pokriće gubitaka na otvorenom tržištu električne energije.
Na Slici 3.9. je vidljivo da se priključenjem DI-a struja u glavnome vodu smanjila s iznosa I
na iznos I-I', što znači da je glavni vod rasterećen i samim time se manje toplinskih gubitaka
generira na njegovu uzdužnom otporu. Plavo područje ispod krivulje tereta voda predstavlja
smanjenje gubitaka energije nakon priključenja elektrane koja svoju snagu predaje direktno
potrošaču.
Slika 3.9. Primjer povoljnog utjecaja DI-a na smanjenje gubitaka snage i energije u mreži
No, gubici u mreži se povećavaju kada distribuirana proizvodnja uvelike premašuje iznos
lokalnog opterećenja. Nadalje gubici se povećavaju kada je faktor snage u distribuiranoj
pojnoj točki potrebno udesiti s izrazitim induktivnim karakterom (generator preuzima jalovu
snagu) kako bi se osiguralo postojanje prihvatljivih pogonskih uvjeta u mreži (posebice
dozvoljeni raspon napona).
69
Gubici u mreži nisu predmetom pogonskih ograničenja, ali ih je potrebno minimizirati. U

praksi se najčešće susreću slučajevi u kojima gubici u početku opadaju povećanjem omjera
snage elektrane i tereta distribucijske mreže, dostižu minimum pri omjeru snaga od oko 0,2 do
0,4 te se nakon toga postupno povećavaju i, kada je snaga elektrane približno jednaka snazi
tereta, polako premašuju gubitke bez elektrane.
Utjecaj DI-a na gubitke djelatne snage može se sagledati na primjeru mreže Pogona Pag za
tri karakteristična stanja tereta u ovisnosti o snazi vjetroelektrane Ravne 1, na Slici 3.10. U
prikazanome primjeru gubici stvaraju najnepovoljniju situaciju kada je teret minimalan, a
snaga elektrane maksimalna. Tada gubici rastu za više od 5 puta u odnosu na mrežu bez
elektrane. U svim ostalim pogonskim slučajevima (kada je teret mreže veći) taj je iznos manji.
Slika 3.10. Ovisnost gubitaka u distribucijskoj mreži Pogona Pag o snazi VE Ravne 1 za 3
karakteristična opterećenja distribucijske mreže
Gubici na razini distribucijske mreže iznose oko 8 % – 10 %, te se pokrivaju iz mrežarine

koju plaćaju isključivo kupci. Sam izračun gubitaka na godišnjoj razini koji Operator
prijenosnog i distribucijskog sustava navode u godišnjem izvješću temelji se na preuzetoj
energiji i mjesečnim fakturama prema kupcima. Trenutno na razini Operatora distribucijskoga
sustava ne postoji metodologija za proračun gubitaka, niti pravna osnova za nagrađivanje ili
kažnjavanje kupaca i proizvođača ovisno o njihovu utjecaju na gubitke.
Osim smanjenja gubitaka snage, rasterećenje vodova je važan aspekt koji ide u prilog
distribuiranim izvorima. Naime ako je opterećenje voda jako blizu graničnoj prijenosnoj moći
70
voda (crvena iscrtkana linija na Slici 3.11.), priključivanje distribuirane jedinice će smanjiti
krivulju opterećenja voda P=f(t) za iznos snage te jedinice i to u vremenu u kojemu ona
predaje snagu u mrežu (na Slici 3.10. u vremenu od cca 8 h do cca 21 h).
Slika 3.11. Primjer povoljnoga utjecaja proizvodne jedinice na rasterećenje vodova u mreži
Osim utjecaja na promjenu tokova snaga i padova napona, DI-ovi imaju još čitav niz
utjecaja na vođenje pogona distribucijske mreže, poput mogućeg odstupanja frekvencije,
valnog oblika napona, nesimetrije napona, razine kratkih spojeva, pouzdanosti opskrbe,
stabilnosti napona, itd. Budući da se ovaj rad prvenstveno odnosi na problem optimalnoga
razmještaja DI-ova u distribucijskoj mreži, u sljedećim će se poglavljima obraditi prvenstveno
oni utjecaji koji se u znanstvenoj literaturi koriste kao kriteriji za rješavanje problema
optimalnoga razmještaja (alokacije) DI-ova.
3.3. Tehničko rješenje priključka distribuiranih izvora na

srednjenaponsku distribucijsku mrežu
Tehničko rješenje priključka elektrane definira izvedbu poveznice mjesta predaje energije s
postojećom elektroenergetskom mrežom Operatora distribucijskoga sustava. Budući da
zakonski okvir danas definira samo naznake tehničkih rješenja priključka elektrana na SN
mrežu, u ovome će se poglavlju dati okvirni način priključenja DI-ova na temelju iskustava
HEP ODS-a [43].
Važno je napomenuti da, budući da je HEP ODS obvezan preuzimati svu proizvedenu
električnu energiju od povlaštenoga proizvođača, priključak proizvođača u pravilu treba
71
zadovoljiti i kriterij "n-1" (treba osigurati osnovni i pričuvni smjer evakuacije električne
energije u mrežu). U tu se svrhu susretno postrojenje redovito interpolira u postojeću mrežu
preko dvaju vodnih polja i dvaju priključnih vodova (po principu ulaz-izlaz).
Priključak čine elektroenergetski objekti od (uključivo) obračunskoga mjernog mjesta
(OMM) i prekidača za odvajanje do postojeće elektroenergetske mreže. Priključak se sastoji
od priključnoga voda i susretnog postrojenja. Slikom 3.12. dan je prikaz načelnog priključka
elektrane s navedenim razgraničenjem vlasništva opreme između HEP-a i proizvođača
električne energije.
Slika 3.12. Načelni prikaz priključka elektrane na SN mrežu [43]
Priključni vod povezuje susretno postrojenje s postojećom elektroenergetskom mrežom.

Priključni vod može biti:
 radijalan (susretno postrojenje je krajnja točka priključnoga voda) i
 interpolacija (susretno postrojenje je prolazna točka jer je interpolirano u postojeću
mrežu po principu ulaz-izlaz na postojeći vod).
Susretno postrojenje je krajnja točka priključka u kojem je smještena priključno-mjerna

oprema. Građevina za smještaj opreme susretnog postrojenja je u načelu samostojeća HEP-
ova građevina na vlastitoj građevinskoj čestici (parceli). Susretno postrojenje se, između
ostalog, sastoji od OMM-a i uređaja za odvajanje mreže od elektrane (prekidač za odvajanje).
OMM je na mjestu primopredaje električne energije. Iza OMM-a prema elektrani, na mjestu
72
razgraničenja vlasništva, nalazi se prekidač za odvajanje i služi za odvajanje

elektroenergetske mreže od elektrane. Susretno postrojenje za priključak elektrane oprema se
primarnim i sekundarnim postrojenjem.
Primarno postrojenje sastoji se od vodnih polja (VP) prema SN mreži, transformatorskoga
polja (TP), i konfiguracije:
 spojno polje + strujno-naponsko mjerno polje + vodno polje prema elektrani ili
 naponsko mjerno polje + vodno polje prema elektrani (VP sadrži strujni mjerni
transformator).
Za napajanje električnom energijom vlastite potrošnje elektrane, ovisno o zahtjevima

proizvođača, može se koristiti OMM proizvođača u suprotnome smjeru, što ne mijenja
osnovnu konfiguraciju, ili se oprema zasebno OMM na SN-u (kupac na srednjem naponu), ili
može biti potrebna ugradnja distribucijskoga energetskog transformatora umjesto kućnoga
transformatora susretnoga postrojenja (kupac na niskom naponu)18. Navedeni podaci se
odnose samo na slučaj vlastite potrošnje elektrane. Ako je vlasnik elektrane ujedno i kupac za
vlastite potrebe, mora dati poseban zahtjev za Prethodnu elektroenergetsku suglasnost (PEES)
kupca.
Vodno polje za priključenje postrojenja proizvođača mora biti opremljeno prekidačem za
odvajanje. Prekidač za odvajanje je izvršni element na koji djeluju zaštite koje jamče
paralelan pogon postrojenja proizvođača s distribucijskom mrežom bez nepoželjnih pojava i
događaja.
Zaštita vodnog polja prema elektrani sadržana je u terminalu polja, a svojim djelovanjem
treba isključivati prekidač za odvajanje prema propisanim zaštitnim funkcijama, s ciljem
zaštitnoga odvajanja mreže od elektrane u slučaju kvara (u mreži ili elektrani) ili
neprimjerenoga pogona (mreže ili elektrane). Uobičajena razina zaštite je: podnaponska,
nadnaponska, podfrekventna, nadfrekventna, nadstrujna, kratkospojna, zemljospojna i
usmjerena. Zaštita na prekidaču za odvajanje treba biti selektivno raspoređena sa zaštitom u
elektrani, kao i s ostalom zaštitom u SN mreži.
Zajedničke značajke svih tehničkih rješenja priključka elektrana na SN mrežu su da
susretno postrojenje treba biti prilagođeno uključenju u sustav daljinskoga vođenja.
18
Ako je povlašteni proizvođač spojen na mrežu preko jednog OMM-a, tada mjerenje na tom OMM-u obuhvaća
energiju predanu u mrežu umanjenu za vlastitu potrošnju. Ako je povlašteni proizvođač spojen na mrežu preko
više od jednog OMM-a, tada se primjenjuje pravilo zbirnog mjernog mjesta, po kojemu se isporučena električna
energija određuje kao zbroj mjerenja po pojedinim OMM-ovima, uvažavajući njezin smjer (proizvodnja ili
vlastita potrošnja).
73
Minimalni zahtjev je da u SDV bude uključeno vodno polje s prekidačem za odvajanje

elektrane od mreže, no najčešće se i ostala vodna polja u susretnome postrojenju opremaju
motornim pogonom te se osigurava daljinsko upravljanje svim SN sklopnim uređajima. To
posljedično uvjetuje ugradnju kućnog transformatora u jednu transformatorsku komoru snage
50 kVA s odgovarajućim izmjeničnim i istosmjernim razvodom te pripadajuće sekundarno
postrojenje. Daljinsko upravljanje mora biti u isključivoj nadležnosti HEP ODS-a.
Obračunsko mjerno mjesto elektrane je uvijek dvosmjerno, pri čemu se koriste univerzalna
intervalna kombi komunikacijska brojila, s neizravnim mjerenjem, modulom za daljinsko
očitanje, mjerenjem vršne snage i pohranjivanjem krivulje opterećenja.
Osnovna podjela najzastupljenijih tehničkih rješenja priključka elektrane dana je prema
mjestu i načinu priključenja susretnog postrojenja u postojeću SN mrežu:
 interpolacija u postojeći vod (kabelski ili nadzemni, interpolacija sustavom ulaz-izlaz),
 radijalni priključak na nadzemni vod,
 priključak na SN sabirnice postojeće TS.
Navedene kombinacije s varijantama ovisno o broju OMM-a te mjestu priključenja

potrošnje elektrane čine veći skup kombinacija koje se moraju normirati granskim normama.
U ovoj će se radnji ilustrativno prikazati tehničko rješenje priključka elektrane interpolacijom
susretnog postrojenja u postojeću 10(20) kV kabelsku mrežu sustavom ulaz-izlaz, pri čemu se
za SN priključak susretnog postrojenja polažu novi tipski SN kabeli. Primarni dio susretnog
postrojenja je u ovom slučaju opremljen najučestalijom konfiguracijom susretnog postrojenja:
s dvama vodnim poljima, jednim poljem kućnog transformatora te spojnim + strujno-
naponskim mjernim poljem + vodnim poljem prema elektrani, kao što je prikazano Slikom
3.13. Priključak postrojenja proizvođača izvodi se iz vodnog polja s prekidačem za odvajanje
te je ono granica vlasništva između operatora i proizvođača.
74
Slika 3.13. Načelna jednopolna shema susretnog postrojenja pri interpolaciji DI-a u vod
10(20) kV sa zajedničkim OMM-om za proizvodnju i vlastitu potrošnju [43]
75
4. METODE PROCJENE INVESTICIJSKIH

PROJEKATA
Odluke vezane uz investiranje od ključne su važnosti za strateško upravljanje tvrtkom i

time predstavljaju izazov za strateško menadžersko računovodstvo koje treba osigurati
potrebne informacije za donošenje takvih odluka. Pojam investicije koristi se najčešće na
području ekonomske teorije, poslovnih financija i menadžmenta. Investicija je ulaganje
novčanih sredstava u pothvat uz očekivanje ekonomske koristi (zarade). Investicije mogu biti
financijske ili realne.
Kada se govori o investiciji u smislu poslovnih financija, tada se pod investicijom smatra
kupovina vrijednosnih papira na tržištu kapitala kao što su obveznice19, dionice20, udjeli u
mirovinskim i investicijskim fondovima21, itd. Njih karakterizira visok stupanj likvidnosti22
jer se radi o lako utrživim instrumentima, tj. lako ih se pretvara u novac. Karakteristični
prinosi od financijskih investicija su kamate, dividende23 ili druge naknade.
Realne investicije obuhvaćaju ulaganja u dodirljivu materijalnu imovinu, čime se
transformiraju novčana sredstva u nenovčana te se investiranjem povećava imovina poduzeća.
Jedna od skupina najsloženijih financijskih odluka svakako je ona o dugoročnome
investiranju, po pravilu u realnu poslovnu imovinu. Najveći dio dugoročnih financijskih
odluka ocjenjuje se primjenom tehnike budžetiranja kapitala. Budući da se budžetiranje
kapitala odnosi samo na određeni skup dugoročnih financijskih odluka, potrebno je preciznije
odrediti njegov pojam. Dugoročne financijske odluke temelje se na specifičnoj aparaturi
donošenja financijskih odluka. Radi se o novčanim tokovima i oportunitetnim troškovima24
koji svoj puni izraz dobivaju u konceptu troškova kapitala poduzeća. U skladu s
19
Obveznica je isprava koja sadrži priznanje postojanja neke obveze, a služi vjerovniku kao dokaz da je dužnik
obvezu preuzeo. Obveznice mogu izdavati države, velike bankovne, prometne ili industrijske tvrtke, a svrha
izdavanja je prikupljanje financijskih sredstava, najčešće u znatnim iznosima. Obveznice, za razliku od dionica,
donose unaprijed utvrđenu kamatu.
20
Dionica je vlasnički vrijednosni papir, tj. idealan udio u vlasništvu tvrtke izdavatelja istog. Koliki udio
predstavlja, ovisi o ukupnom broju izdanih dionica.
21
Investicijski fondovi su financijske organizacije koje prikupljaju sredstva od svojih ulagača te ih plasiraju u
kratkoročne i dugoročne investicije, odnosno u različite financijske oblike.
22
Likvidnost je svojstvo imovine ili njezinih pojedinih dijelova da se mogu pretvoriti u gotovinu dostatnu za
pokriće preuzetih obveza. Likvidnost poduzeća nerijetko se definira kao njegova sposobnost da pravovremeno
podmiruje svoje obveze.
23
Dividenda je dio dobitka društva koji se dodjeljuje vlasniku dionice, tj. dioničaru kao naknada/plaćanje za
njegov kapital. Odluka o isplati dividende donosi se na godišnjoj skupštini izdavatelja glasanjem prisutnih
dioničara, tj. vlasnika.
24
Oportunitetni troškovi predstavljaju fiktivni dobitak, odnosno gubitak koji nastaje ulaganjem sredstava upravo
u jedan određeni, a ne u neki drugi projekt.
76
4. Metode procjene investicijskih projekata
karakteristikama dugoročnih investicija i analitičkim aparatom ocjene njihove financijske

efikasnosti, može se razraditi i postupak budžetiranja kapitala [44].
Budžetiranje kapitala (engl. capital budgeting) je postupak donošenja odluka o
dugoročnim investicijama u realnu poslovnu imovinu poduzeća. Riječ je o postupku
donošenja odluka o tzv. dugoročnim investicijskim projektima. Postupak budžetiranja kapitala
uključuje prognozu novčanih tokova projekata i ocjenu njihove financijske efikasnosti
primjenom kriterija financijskog odlučivanja ugrađenih u brojne metode budžetiranja kapitala.
Investicija započinje nakon procjene menadžmenta o potrebi za povećanjem kapaciteta i
produktivnosti proizvodnje. Često se investicijski pothvat organizira kao projekt. Pod
projektom se smatra skup povezanih aktivnosti usmjerenih ostvarenju postavljenih ciljeva, a
ograničena trajanja.
U okviru projektnog investiranja postoje tri vrste investicija:
 u novo postrojenje ili pogon za nove proizvode i usluge,
 proširenje kapaciteta za zadovoljavanje potražnje, ili
 zamjena imovine u svrhu smanjenja troškova proizvodnje ili poboljšanja kvalitete
proizvoda i usluga.
Profitabilna upotreba fiksne imovine nemoguća je bez angažiranja tekuće imovine (obrtna
sredstva). Zbog rizika transformacije tekuće imovine u poslovnim procesima poduzeća, često
je nužno osigurati njezinu raspoloživost za poslovanje u dugom vremenu. Stoga i budžetiranje
kapitala mora uključiti u račun i potrebno angažiranje kapitala za osiguranje tzv. permanentne
tekuće aktive, odnosno trajnih obrtnih sredstava. Riječ je o uključivanju potrebnog povećanja
neto obrtnog kapitala koji će omogućiti normalno kontinuirano ostvarivanje novčanih tokova
od investicija u fiksnu imovinu.
Budžetiranje kapitala karakterizira ispitivanje ekonomske i osobito financijske efikasnosti
dugoročnih investicijskih projekata poduzeća. U tu svrhu koriste se razni ekonomski i
posebno financijski kriteriji odlučivanja. Većina kriterija financijskog odlučivanja temelji se
na tehnici vremenske vrijednosti novca, dakle na tehnici izračunavanja sadašnje vrijednosti
očekivanih novčanih učinaka projekata (diskontnoj tehnici).
77
4.1. Vremenska vrijednost novca, diskontiranje i diskontna

stopa
Koncept vremenske vrijednosti novca ili analize diskontiranih novčanih tokova je temeljni
koncept financija. On govori da novac koji se prima ili plaća u različitim vremenskim
razdobljima ima različitu vrijednost. Npr. jedna kuna (ili jedinica druge valute) vrednija je
danas nego u budućnosti zbog cijene čekanja (suzdržavanje od potrošnje) i zbog rizika (od
nepovoljnoga događaja, inflacije25 i sl.).
Usporedivost kune u različitim vremenskim točkama moguće je svođenjem novčanih
iznosa na isti vremenski trenutak. Izračun se svodi na dva procesa:
 diskontiranje – svođenje novčanog iznosa koji dospijeva u budućnosti na sadašnji
datum (izračun sadašnje vrijednosti)
 ukamaćivanje – svođenje novčanog iznosa ili novčanog toka na neki budući datum
(izračun buduće vrijednosti)
Diskontiranje i ukamaćivanje su dvije strane iste medalje, koje su matematički povezane

kamatnim ili diskontnim stopama (k ili d) i brojem razdoblja (n). Ovi procesi grafički se
prikazuju vremenskom linijom na kojoj nula označava sadašnjost, a svi iznosi odnose se na
kraj razdoblja.
Slika 4.1. Načelni primjer ukamaćivanja i diskontiranja
Ukamaćivanje predstavlja postupak povećavanja vrijednosti osnovnoga uloga u sadašnjosti

s ciljem utvrđivanja buduće vrijednosti osnovnoga uloga. Vrijednost osnovnoga uloga
povećava se s obzirom na primijenjenu kamatnu stopu. Primjerice ako se danas uloži 100
novčanih jedinica (sadašnja vrijednost) uz kamatnu stopu od 10 % godišnje, nakon godinu
dana vrijednost uloga će se povećati za 10 novčanih jedinica (buduća vrijednost). U tom
smislu, buduća vrijednost sadašnje vrijednosti od 100 novčanih jedinica iznosi 110 novčanih
25
Inflacija je povećanje opće razine cijena, odnosno pad vrijednosti (kupovne moći) novca.
78
jedinica. Pri ukamaćivanju sadašnja vrijednost osnovnoga uloga (100 novčanih jedinica)
množi se s tzv. kamatnim faktorom koji iznosi (1+k), gdje je k kamatna stopa. Kamate se
mogu računati kao jednostavne i složene. Jednostavne kamate uvijek se obračunavaju samo na
originalni iznos (glavnicu), a složene kamate su izračunate na glavnicu i na kamate zarađene u
prethodnim razdobljima. Jednadžba za općeniti izračun buduće vrijednosti uz primjenu
složenih kamata je:
BV  SV  1  k 
n
(4.1)
gdje BV označava buduću vrijednost novčanih jedinica, a SV označava sadašnju vrijednost

novčanih jedinica.
Suprotno ukamaćivanju, diskontiranje je iskazivanje sadašnje vrijednosti neke buduće
poznate vrijednosti. U postupku diskontiranja primjenjuje se također određena kamatna stopa
koja se u ovom slučaju naziva diskontnom stopom. Suprotno navedenomu primjeru, sadašnja
vrijednost buduće vrijednosti od 110 novčanih jedinica iznosi 100 novčanih jedinica, ako se
primijeni diskontna stopa od 10 % godišnje. Pri diskontiranju se buduća vrijednost (110
novčanih jedinica) množi s tzv. diskontnim faktorom koji iznosi 1/(1+d), gdje je d diskontna
stopa. Jednadžba za općeniti izračun sadašnje vrijednosti je:
1
SV  BV  (4.2)
1  d n
Novčani tok (engl. cash flow) predstavlja niz novčanih isplata ili primitaka tijekom
određenoga razdoblja. Novčani tokovi mogu biti jednoliki ili nejednoliki (mješoviti). Neki od
njih mogu biti beskonačni pa isplate ili primici nikad ne prestaju (vječni povrat).
Nejednoliki novčani tok obuhvaća niz plaćanja različitih novčanih iznosa (primjerice za
investicijske projekte). Izračun sadašnje/buduće vrijednosti svodi se na višestruke procese
diskontiranja/ukamaćivanja jednokratnih novčanih iznosa. Buduća vrijednost nejednolikog
novčanog toka izračunava se pomoću jednadžbe:
79
n
BVn   I t  1  k n t (4.3)
t 0
gdje je It novčani primitak/isplata u godini t.

Sadašnja vrijednost nejednolikog novčanog toka dobiva se zbrajanjem pojedinačnih
diskontiranih iznosa. Jednadžba za izračun sadašnje vrijednosti nejednolikog novčanog toka
glasi:
t
n  1 
SV   I t    (4.4)
t 0 1 d 
Kod procjene investicijskih projekata, ključnu će ulogu imati diskontiranje jer će cilj
menadžmenta biti procjena budućih novčanih tokova projekta i njihovo svođenje na sadašnju
vrijednost. Pritom će od tog diskontiranog iznosa morati oduzeti vrijednost početne investicije
za izgradnju proizvodnog postrojenja. U skladu s tim potrebno je podrobnije opisati kako se
određuje diskontna stopa d.
U ekonomsko-financijskoj praksi najčešća je podjela diskontnih stopa s obzirom na
predmet diskontiranja (financijska i društvena diskontna stopa) te na vrstu iskazanih cijena
(nominalna i realna diskontna stopa) [45].
4.1.1. Financijska diskontna stopa
Financijskom diskontnom stopom izražava se oportunitetni trošak kapitala. Oportunitetni

trošak kapitala trošak je koji nastaje zbog odluke o ulaganju u jedan projekt umjesto u neki
drugi, odnosno alternativni. Gubitak na prvom projektu u odnosu na alternativni predstavlja
oportunitetni trošak. Inverzno, dobitak na drugom projektu u odnosu na prvi predstavlja
oportunitetni dobitak kapitala. Dakle, financijska diskontna stopa koristi se u postupcima
ocjene koristi od određene investicijske opcije. S time je u vezi i značaj financijske diskontne
stope koja će se koristiti u postupku ocjene prihvatljivosti investiranja u određenu
investicijsku opciju. Tako je moguće odabrati:
 prosječni ponderirani trošak kapitala (engl. Weighted Average Cost of Capital –
WACC), tj. prosječni ponderirani trošak ukupnih izvora financiranja konkretnog
projekta. Odabirom ove diskontne stope preferira se obveza namirenja očekivanih
80
stopa prinosa na tuđe (kredit, obveznice) i vlastite (kapital) izvore financiranja

ponderirano relativnim učešćem pojedinoga izvora financiranja. Budući da gradnju
elektrana u Hrvatskoj, uz javne tvrtke, najvećim udjelom financiraju privatna
poduzeća, u sljedećem poglavlju će se detaljnije objasniti trošak kapitala. Pa čak i u
slučaju javnih poduzeća, poput HEP d. d.-a, čiji je 100 %-tni vlasnik država, ne može
se govoriti o društvenoj diskontnoj stopi jer se uvođenjem Trećeg energetskog paketa
financiranje HEP-a ne može staviti u isti kontekst kao i financiranje npr. gradova ili
općina;
 minimalna granična stopa povrata od investicije (engl. hurdle rate ili Minimum
Acceptable Rate of Return – MARR) koju je potrebno postići investiranjem u određenu
investicijsku opciju. Npr, menadžement može procijeniti da će ulaganjem novaca u
siguran izvor poput državnih obveznica (država garantira povrat nova uz određenu,
najčešće fiksnu kamatnu stopu) ili nekog projekta javno-privatnog vlasništva26 koji
nema značajnijega rizika, postići siguran prinos u određenome iznosu. Mendažment će
se jedino u slučaju da neki drugi projekt garantira veće prinose, odlučiti za
alternativno financiranje.
4.1.2. Društvena diskontna stopa
Posljednjih pedesetak godina u ekonomskoj teoriji i praksi postoje prijepori i različiti

stavovi u vezi s određivanjem metode za izračun društvene diskontne stope. S druge strane
sasvim je logično da se u postupku ocjene javnih investicijskih alternativa primijeni određena
diskontna stopa kako bi javni menadžment, na temelju analize koristi i troškova, donio
optimalnu odluku o javnoj investiciji.
Javne investicije imaju utjecaj na bruto društveni proizvod, a vrijednost društvene
diskontne stope usmjerava pozornost na potrebnu (ili ciljanu) razliku budućih priljeva i
odljeva koju treba postići eksploatacijom javne investicije. U tom smislu većom vrijednošću
društvene diskontne stope zahtijeva se veća razlika budućih javnih priljeva i odljeva za dokaz
opravdanosti javne investicije, dok se manjom vrijednošću društvene diskontne stope
zahtijeva manja buduća razlika javnih priljeva i odljeva.
26
Projekti javno-privatnog partnerstva dugoročni su projekti suradnje javnog i privatnog sektora u okviru kojega
privatni sektor preuzima rizike izgradnje i financiranja te održavanja ili potražnje (ulaganje u državnu
infrastrukturu, poput cesta, željeznica i elektroenergetike). Npr. privatna tvrtka svojim sredstvima može izgraditi
autocestu, a zatim je uzeti u koncesiju na određeni period bez naknade državi. Pritom tvrtka, a ne država,
određuje cijene korištenja autoceste motornim vozilima, ali je i odgovorna za njezino održavanje i vođenje.
Nakon navedenoga perioda koncesije tvrtka vraća autocestu državi u vlasništvo i upravljanje.
81
Različite zemlje primjenjuju različite društvene diskontne stope, ali većina se slaže da je u
razvijenim zemljama potrebno primijeniti njezinu manju vrijednost, dok je zemljama u
razvoju potrebna veća vrijednost diskontne stope.
U Europskoj Uniji prihvaćena je metoda koja se temelji na dugoročnoj stopi rasta
gospodarstva, a za izračun se uzimaju sljedeći parametri:
 stopa rasta javnih rashoda (g);
 elastičnost potražnje (n);
 stopa vremenske preferencije novca (p);
Temeljem njih se društvena diskontna stopa (engl. Social Discount Rate – SDR) računa
kao:
SDR  n  g  p (4.5)
4.1.3. Nominalna i realna diskontna stopa
Realna diskontna stopa je u biti nominalna diskontna stopa korigirana prema stopi
inflacije, relativnom povećanju cijene energije i drugim mogućim relevantnim povećanjima
cijena. Formula za korekciju nominalne diskontne stope prema stopi inflacije se računa prema
izrazu:
kn  i
k (4.6)
1 i
gdje kn predstavlja nominalnu kamatnu stopu, i predstavlja stopu inflacije, a k predstavlja

realnu kamatnu stopu.
Ako, na primjer, investitor kupi obveznice s 5 % kamate za sljedeću godinu, a očekuje 2 %
rasta inflacije, može očekivati oko 3 % realnih prinosa, prema formuli (4.6). Naravno, svaki
investitor može drugačije procijeniti buduću inflaciju, s time da će se pogreška procjene
direktno reflektirati na stupanj prinosa investicije.
82
4.2. Trošak kapitala

Kao što je već napomenuto, vremensku vrijednost budućih novčanih učinaka za javno ili
privatno poduzeće određuje njegov trošak kapitala (TK). Riječ je o ponderiranom prosječnom
trošku kapitala, odnosno o kompozitnom ili ukupnom trošku kapitala. Stoga i proces
budžetiranja kapitala uključuje i problematiku određivanja troškova kapitala poduzeća koji se
zasnivaju na međuovisnosti rizika i neizvjesnosti [46].
Naime da bi poduzeće uopće moglo investirati, mora najprije dobaviti kapital. Osim u
idealnom slučaju, kada je tvrtka dovoljno financijski neovisna i likvidna da može investiciju u
djelo sprovesti samo i isključivo svojim sredstvima, poduzeće će se u realnom slučaju, uz
korištenje svojih sredstava, morati okrenuti ka zaduživanju.
Ukratko, poduzeće može pribavljati potrebna financijska sredstva za projekte na neki od
sljedećih osnovnih načina:
 korištenjem vlastitog raspoloživog novca;
 korištenjem novca (su)vlasnika (dioničara) poduzeća, što znači emisijom27 novih
dionica;
 zaduživanjem (podizanjem kredita) kod komercijalnih banaka;
 zaduživanjem emisijom vlastitih korporacijskih obveznica28.
Sva četiri načina su legitimna i, u uvjetima slobodne tržišne ekonomije, načelno dostupna
poduzećima. Udio u ukupnoj količini pribavljenog kapitala koji se odnosi na neki od
navedenih načina njegova prikupljanja ovisi o financijskom menadžmentu poduzeća. U
Hrvatskoj prevladava zaduživanje kod komercijalnih banaka podizanjem kredita, no i ostali
oblici prikupljanja kapitala sve se učestalije koriste.
Trošak kapitala najlakše je opisati pomoću jednog sasvim očiglednog troška korištenja
bankovnih kredita, a to je kamata. Kamatu se može pojednostavnjeno shvatiti kao dobit koju
ostvaruje banka u poslu posuđivanja novca nekom poduzeću. Naravno, u bankovnim
kreditima kamatna stopa ovisi o tome koliko banka smatra dužnika rizičnim, odnosno njegov
projekt. Prilikom kreditiranja rizičnih projekata banke će tražiti znatna kolateralna jamstva
27
Emisija vrijednosnih papira (obveznica, dionica) je postupak izdavanja i stavljanja u promet dionica. Može biti
javna i interna. Javna emisija je emisija vrijednosnih papira ponuđena širokom krugu potencijalnih investitora,
odnosno cjelokupnoj investicijskoj javnosti. Interna emisija je emisija vrijednosnih papira koja je usmjerena na
postojeće dioničare i ne dovodi svježi novac u poduzeće.
28
Korporativne obveznice su dužnički vrijednosni papiri kojima se poduzeće (korporacija) kao izdavatelj
obavezuje da će u određenom roku vratiti pozajmljena sredstva uz određenu (fiksnu ili promjenjivu) kamatu.
83
(npr. hipoteku29 na neku imovinu koja već nije opterećena drugom hipotekom), i zaračunavat
će visoke kamatne stope kako bi naplatila preuzimanje većeg rizika. Štoviše, smatra li banka
poduzeće i/ili njegov projekt suviše rizičnim, moguće je da mu uopće ni pod kojim uvjetima
neće odobriti kredit. Nasuprot tome, daje li banka kredit nekom poduzeću koje je u dobroj i
stabilnoj poslovnoj i financijskoj situaciji i koje se sprema uložiti u projekt niskog rizika,
kamatna će stopa možda biti i znatno niža.
Trošak kapitala nije deterministička kategorija i nikad ne može biti procijenjen bez
uzimanja u obzir rizičnosti poduhvata i/ili poduzeća čija se financijska konstrukcija zatvara.
Naravno, i ostali oblici pribavljanja kapitala imaju svoje specifične troškove. Korporacijske
obveznice su dužnički instrumenti najsličniji kreditima. Prinos obveznice pojmovno je
ekvivalentan kamatnoj stopi, samo što ovdje dobavljači kapitala nisu (isključivo) banke, nego
to mogu biti i druge institucije i poduzeća, pa i fizičke osobe, odnosno građani. I u ovom
slučaju, prinos obveznice predstavlja dobit pravnih i/ili fizičkih osoba koje su izvor kapitala.
Kada poduzeće emitira nove dionice, njihovi kupci prilikom primarne emisije poduzeću za
dionice daju novac30. Oni ulažu novac u dionice kako bi zaradili određenu dividendu i pritom
očekuju da će, s obzirom na industriju u kojoj poduzeće djeluje, opću rizičnost poduzeća,
rizičnost pojedinih projekata, itd., ostvariti određenu stopu povrata na svoje ulaganje. Kada
poduzeće ne posluje uspješno i ne može iz svoje dobiti dioničarima isplatiti očekivani povrat,
oni se počinju rješavati tih dionica čija tržišna vrijednost pada, a šanse poduzeća da emisijom
novih dionica pribavi dostatnu količinu novog ulagačkog kapitala bivaju sve manje. Iako
posjedovanje dionice njezinom vlasniku ne jamči nikakav povrat, poduzeće ipak mora brinuti
da posluje s dovoljnom dobiti da može isplatiti očekivane dividende kako bi ulagači i dalje
htjeli ulagati. Stoga očekivani povrat na dionice, premda strogo gledajući neobavezan, također
ima karakter troška kapitala. To je dobit ulagača koji su vlasnici dionica poduzeća.
Ako poduzeće posluje dobro i stabilno, ono može biti u situaciji da jedan dio potreba za
kapitalom namiruje izravno iz novca koji mu pritječe iz vlastitih poslovnih prihoda (a ne od
banaka, vlasnika obveznica, ili prodaje novoemitiranih dionica). Takav novac ne nosi sa
sobom nikakav trošak kapitala jer ga poduzeće (ako dovoljno dobro posluje) već ima samo po
sebi.
29
Hipoteka je instrument osiguranja naplate kojime banka u slučaju neredovite otplate kredita može zaplijeniti
imovinu klijenta da bi naplatila svoja potraživanja.
30
Dionice kupci mogu potom slobodno preprodavati na burzi drugim zainteresiranim stranama. No preprodaja
tih dionica na burzi ne donosi poduzeću nikakav dodatan novac, već tržišna cijena dionice na burzi signalizira
kolika je tržišna vrijednost i disperzija (rizičnost) vrijednosti poduzeća, što je također važno za dobavu kapitala.
84
Zaključno, kada god poduzeće pribavlja kapital iz vanjskih izvora, dakle od dioničara,
banaka, drugih institucija ili poduzeća te građana, ono mora osigurati isplatu njihove dobiti, a
ta dobit vanjskih dobavljača kapitala predstavlja za promatrano poduzeće trošak kapitala.
Temeljni koncept troška kapitala može se prikazati na sljedećem primjeru, uz zanemarenje
da vrijednost novca u vremenu sama od sebe pada (inflacija). Time će se računati samo
nominalne (a ne realne) stope dobiti koje poduzeće mora ostvariti za namirivanje svih izvora
financiranja.
Npr. poduzeću za investiranje u jednogodišnje proširenje proizvodnje treba 20 milijuna €.
Pretpostavka je da je poduzeće pribavilo sredstva na sljedeći način:
 9 milijuna € emisijom dionica;
 7 milijuna € zaduživanjem u banci s kamatom od 5 %;
 4 milijuna € emisijom obveznica s povratom od 7,5 %.
Stopa povrata od poduzete investicije mora biti dovoljna da banci i vlasnicima obveznica
namiri redom: 7×0,05 + 4×0,075 = 0,65 mil. €. Sav profit preko tog iznosa predstavlja povrat
dioničarima. Koliki bi on trebao biti? Neka je očekivana stopa povrata dionica sličnog stupnja
rizika jednaka 10 %, što znači da dioničari očekuju povrat od: 9 × 0,10 = 0,9 mil. €. Dakle,
potrebno je ukupno osigurati 0,65 + 0,9 = 1,55 mil. €, odnosno efektivnu stopu povrata od
[(9×0,1 + 7×0,05 + 4×0,075) / (9 + 7 + 4)] × 100 % = 7,75 %. Sve što premašuje taj postotak
pripada dioničarima koji će zbog toga biti još zadovoljniji. No, povrat ispod 7,75 %
demotivirat će dioničare s obzirom na veličinu rizika koju podnose.
Potrebna stopa povrata izračunata je kao ponderirana srednja vrijednost pojedinih stopa
povrata koje treba osigurati za svakog pojedinog vjerovnika i vlasnika obveznica, odnosno
dionica. Ta je srednja vrijednost ponderirana udjelom svakog izvora financiranja u ukupnoj
sumi prikupljenih sredstava. Zbog toga se potrebna stopa povrata u najvećem dijelu literature
naziva prosječnim ponderiranim troškom kapitala (engl. WACC).
Kada se opisani pojednostavnjeni proračun precizira tako da se uračuna učinak
korporativnog poreza31 (tj. poreza na dobit kompanije), izraz za trošak kapitala prije
oporezivanja postaje:
31
Dobit predstavlja razliku prihoda i rashoda poduzeća. Ako tvrtka ostvaruje dobit, odnosno ima pozitvnu
bilancu, mora platiti državi porez na dobit. Porezna stopa po kojoj se oporezuje dobit u Repubulici Hrvatskoj
iznosi 20 %, a npr. u Austriji 25%, Kajmanskim otocima 0%, Francuskoj 33.33%, Njemačkoj 29,8%, Sloveniji
20%, Srbiji 15%, itd.
85
D E 1
TK   CD   CE  (4.7)
DE DE 1 t
gdje je D tržišna vrijednost angažiranog duga (krediti, obveznice), E tržišna vrijednost

angažiranih dionica, CD granični trošak duga u postocima (najčešće kamatna stopa), CE
očekivani granični prinos dioničarskog kapitala u postocima (ovisi o rizičnosti pothvata) i t
granična stopa korporativnog poreza (relativna vrijednost između 0 i 1, u Hrvatskoj je to
trenutno 20 %, što znači da je t = 0,2).
Naznaka da su gornje stope granične znači da se one primjenjuju upravo na razmotreni
novoangažirani dug i dioničarski kapital. Ipak, to još uvijek ne znači nužno da se one ne
primjenjuju i na stare dugove i dionice. Trošak kapitala u pravilu je karakteristika poduzeća, a
ne individualnog projekta, zbog toga što složena poduzeća najčešće imaju centralizirano
financijsko upravljanje, pa donosioci kapitala prvenstveno promatraju rizičnost čitavog
poduzeća. Stoga se trošak kapitala različito definira za različita poduzeća i za različite
projekte.
Jedan od troškova (rashoda) koji se odbija od ostvarenih poslovnih prihoda poduzeća jesu i
kamate. Istoj kategoriji pripadaju i prinosi vlasnicima obveznica. Poslovni prihodi generiraju
se prodajom proizvoda. Nakon odbijanja kamata i svih drugih troškova računa se dobit prije
oporezivanja. Na taj se iznos primjenjuje stopa poreza t, pa se iznos poreza oduzima od dobiti
prije oporezivanja da bi se time dobio iznos čiste dobiti, odnosno dobiti nakon oporezivanja.
Na primjer, neka dobit prije oporezivanja iznosi 100 milijuna kn, a stopa poreza na dobit je
jednaka 20 %, tj. t = 0,2. Čista dobit, koja pripada dioničarima, očigledno iznosi: 100 – 0,2 ×
100 = 80 mil. kn. Neka se problem pogleda s druge strane. Pretpostavka je da se dioničarima
kroz novčane tokove projekta moraju osigurati dividende od ukupno 80 mil. kn te da je stopa
poreza na dobit jednaka t = 0,2. Iz gornjega primjera vidi se da je za to potrebno imati 100
milijuna kn dobiti, a to upravo odgovara iznosu od 80 mil. kn/(1 – 0,2). Odatle se u zadnjem
članu gornje jednadžbe pojavljuje faktor 1/(1 – t).
Dakle, u formuli za trošak kapitala član za angažirani dug i član za angažirane dionice
imaju različiti tretman zato što se kamate tretiraju kao trošak poslovanja, umanjujući time
dobit, odnosno osnovicu za obračun poreza na dobit, dočim dividende same po sebi jesu dobit
te su oporezive porezom na dobit. Stoga poduzeće u svojim aktivnostima mora osigurati i
svotu potrebnu za uplatu poreza na dobit, koja također doprinosi trošku kapitala.
86
Naravno da poduzeće može prikupiti kapital iz više različitih izvora bilo koje vrste. Na
primjer, ono može uzeti tri kredita u trima različitim bankama po različitim kamatnim
stopama. U takvim slučajevima formula (4.7) se nadopunjava potrebnim brojem pribrojnika
za svaki korišteni izvor financiranja. Prema tome ona može imati i više od dva pribrojnika, pri
čemu svi koji se odnose na dug ostaju slobodni, a svi koji se odnose na dionice imaju uza sebe
korektivne faktore za korporativni porez, 1/(1 – t).
Određivanje diskontne stope po kojoj se diskontiraju budući novčani tijekovi projekta na
sadašnje vrijeme presudno utječe na ocjenu isplativosti svakog projekta, pa tako i na njegovo
prihvaćanje. Rizik je također važan faktor koji se dodaje (ili oduzima) trošku kapitala. Pritom,
ako je menadžment procijenio projekt rizičnim, TK se uvećava za određeni postotak.
Suprotno, ako ga je procijenio manje rizičnim, TK se umanjuje za određeni postotak. Pristup
tom problemu nije jednostavan. S jedne strane opća menadžerska i računovodstvena načela
nalažu konzervativan pristup, pri čemu se projekt ne bi smio ocijeniti suviše optimistički. S
druge strane organizacijski dijelovi koji predlažu projekt trude se da on najvišemu
menadžmentu poduzeća "izgleda" što bolje kako bi osigurali da njihov projekt "prođe".
Postoji čak i rizik da potencijalno dobar projekt ne bude usvojen zato što su procjene njegovih
performansi lošije od procjena drugih projekata. Pritom, procjene su uvijek samo procjene.
Veliki promašaji u određivanju diskontnih stopa vode ka velikim promašajima u financiranju
projekta, što je vrlo opasno za njegovo uspješno izvođenje.
Stoga je čest pristup da poduzeće diskontira novčane tijekove projekata na pragmatičan
način, koristeći stopu troška kapitala. Štoviše, od poduzeća koja su podložna regulatornoj
kontroli u principu se zahtjeva da novčane tijekove svojih investicijskih projekata diskontiraju
stopom troška kapitala. Često puta su to poduzeća koja uvijek obavljaju investicijska ulaganja
istog tipa i stupnja rizičnosti (npr. u ceste, pruge, ili električne mreže), tako da to u osnovi,
samo po sebi, ne može proizvesti velike pogreške u procjenama.
Zaključno, trošak kapitala je određeni postotak (ili pak relativna vrijednost između 0 i 1)
koji govori o tome koliki prinos mora ostvariti poduzeće kako bi namirilo sve zahtjeve i/ili
očekivanja ulagača kapitala.
4.3. Karakteristike projekata i projektni rizici

Projekt je planirani poslovni poduhvat koji ima unaprijed isplaniran fizički opseg, troškove
i vrijeme izvršenja, pri čemu su svi navedeni parametri konačnoga iznosa. Naravno, ni jedan
plan se ne mora nužno ispuniti u cijelosti. Riječ je o ulaganjima novca i drugih sredstava na
87
dugi rok s ciljem izvođenja određenih profitabilnih poslovnih aktivnosti. Projekti su podložni
različitim projektnim rizicima, od toga da je opseg projekta (npr. što točno treba sagraditi ili
kakvu točno programsku podršku treba implementirati) pogrešno isplaniran ili da su troškovi
pogrešno procijenjeni, ili da je potrebno vrijeme za izvršenje podcijenjeno pa sve do opasnosti
da projekt u cjelini propadne zbog velikih promašaja u planiranju ili zbog neplaniranih
okolnosti, kao što su npr. prirodne nesreće, propast ključnih dobavljača, promjena zakona32
itd.
Uzimajući u obzir različite karakteristike projekata, ovisno o tipovima i vrstama
investicijskih odluka, ovdje će se naglasiti one koje su zajedničke svim investicijskim
projektima poduzeća [47]. To su sljedeće četiri značajke:
 dugoročni karakter investicijskih projekata,
 vremenski raskorak između ulaganja i efekata ulaganja,
 međuovisnost investiranja i financiranja, i
 rizik i neizvjesnost.
4.3.1. Dugoročni karakter investicijskih projekata
Bez obzira na to ulaže li se novac u nove investicije ili pak u zamjenu postojeće fiksne
imovine, temeljna je karakteristika investicijskih projekata da je posrijedi dugoročno
vezivanje novca u nenovčane oblike fiksne imovine i u povećanje permanentne tekuće
imovine poduzeća. Na taj način i analiza takvih dugoročnih financijskih odluka mora
temeljito proučavati učinke koji će nastati kao posljedice eventualnog dugoročnog vezivanja
novca u realne projekte.
Dugoročni aspekt tih investicijskih odluka karakterizira relativno niska likvidnost tako
vezanih novčanih sredstava u realnim imovinskim oblicima, iz čega proizlazi i dugoročno
opredjeljenje buduće profitne snage poduzeća. Naime realna poslovna imovina u pravilu se ne
može pretvoriti u novac prijevremenom prodajom bez znatnijih gubitaka. Na taj je način bitno
otežana i preorijentacija na druge realne imovinske oblike. To je pogotovo izraženo u
uvjetima suvremene tehničko-tehnološke revolucije koja rezultira visokospecijaliziranom
opremom i zgradama potrebnim za profitabilno iskorištavanje takve opreme. Visok stupanj
specijalizacije poslovne imovine poduzeća određuje i mali broj potencijalnih kupaca takve
imovine, tako da je njezino pretvaranje u novčani oblik izvan profitabilnog korištenja u
32
Npr. donošenjem novog tarifnog sustava kojim su smanjeni poticaji za vjetroelektrane na iznos referentne
cijene te donošenjem NAP-a kojim se njihova kvota smanjila na 400 MW, propali su brojni projekti ulaganja u
vjetroenergiju.
88
poslovnim procesima diskutabilno, barem sa stajališta mogućnosti postizanja fer tržišne

vrijednosti takve imovine. Sasvim izuzetno će neki dijelovi realne fiksne imovine poduzeća
imati aktivno tržište, kao što može biti slučaj s nekretninama rezidencijalnoga karaktera.
Zbog dugoročnoga karaktera investicijskoga ulaganja kao i zbog njegove niske likvidnosti
realizirani projekti dugoročno određuju financijski položaj i poslovne performanse poduzeća,
a time i buduće struje novčanih tokova koje može stvarati poduzeće. Sukladno s ekonomskim
konceptom vrijednosti, projekti na taj način dugoročno određuju kretanje poduzeća ka
osvajanju maksimalne vrijednosti za svoje vlasnike.
4.3.2. Vremenski raskorak između ulaganja i učinaka ulaganja
Dugoročni karakter investicijskih ulaganja u realnu poslovnu imovinu poduzeća

karakterizira i vremenski raskorak između nastajanja investicijskih ulaganja i pritjecanja
(novčanih) efekata ulaganja. Taj vremenski raskorak bitno određuje profitnu snagu svakog
projekta.
Razdoblje investiranja označava vrijeme potrebno da se investicija osposobi za generiranje
profita i novčanih tokova. Proces investiranja u realnu imovinu obično karakterizira značajno
vrijeme potrebno da se ona osposobi za profitabilnu upotrebu, pogotovo ako je posrijedi
izgradnja novih pogona, naručivanje, izrada i montaža specijalizirane opreme i sl. Ako se
tome doda i vrijeme potrebno da se zaposlenici obuče za rukovanje takvim sredstvima,
razdoblje investiranja postaje važan čimbenik koji određuje samu efikasnost projekta. Kroz to
vrijeme poduzeće samo ulaže u investiciju koja još ne daje efekte. Razdoblje investiranja
karakterizira nastajanje znantnih novčanih izdataka koji se nazivaju investicijskim izdacima,
odnosno češće investicijskim troškovima. Što je to razdoblje duže, projekt će kasnije stvarati
potrebne novčane tokove za povećanje vrijednosti poduzeća, pa će i novčani tokovi projekta
imati manju sadašnju vrijednost. Zato ne začuđuje da je ubrzanje investicijskih ulaganja i
skraćenje razdoblja investiranja jedan od ključnih čimbenika povećanja efikasnosti investicija.
Tako i manje profitabilni projekti s kratkim vijekom investiranja mogu postati atraktivniji od
profitabilnijih projekata s pretjerano dugim razdobljem investiranja.
Razdoblje efektuiranja opisuje stvaranje novčanih primitaka od prodaje izrađenih
proizvoda i/ili izvršenih usluga projekta. Da bi se proizvodili i prodavali proizvedeni učinci,
potrebno je kontinuirano opskrbljivanje proizvodnje materijalima, energijom i drugim
proizvodnim ulaznim veličinama, kao i kontinuirana isplata plaća zaposlenima te isplate
preuzetih obveza za usluge trećih osoba u okviru procesa proizvodnje i realizacije
89
proizvedenih učinaka. Tu je riječ o tzv. tekućim novčanim izdacima potrebnim za osiguranje

nastajanja novčanih primitaka, odnosno za neometano odvijanje poslovnih procesa unutar
projekta. Razdoblje efektuiranja osigurava ekonomsku i financijsku efikasnost investicijskog
projekta. U tom razdoblju investicijski projekt stvara profite i novčane tokove koji se mogu
tretirati kao njegova kontribucija povećanju vrijednosti poduzeća. Što je razdoblje
efektuiranja duže i sama financijska efikasnost investicijskog projekta bit će veća. Razlika
tekućih novčanih primitaka i tekućih novčanih izdataka koji nastaju tijekom perioda
efektuiranja projekta naziva se tekućim čistim novčanim tokom od poslovanja projekta (engl.
cash flow).
Slika 4.2. Prikaz razdoblja investiranja i efektuiranja projekta
Podjela životnog vijeka projekta na razdoblje investiranja i razdoblje efektuiranja ne mora

biti tako stroga. Moguće je, naime da se investira u fazama tako da određene završene
investicijske faze mogu davati učinke i dok se investira u naredne faze. Isto tako, čest je slučaj
da je poslovanje investicije početkom efektuiranja nisko i da se onda postupno povećava. U
tom slučaju bit će potrebno investirati u povećanje neto obrtnog kapitala tijekom povećanja
poslovne aktivnosti u razdoblju efektuiranja investicije. Zbog svega toga granica između
razdoblja investiranja i razdoblja efektuiranja ne mora biti jedna vremenska točka već
određeno vrijeme u kojem će usporedo nastajati čisti novčani tokovi od efektuiranja i
investicijski izdaci u dogradnju investicije ili u povećanje neto obrtnog kapitala.
Na kraju razdoblja efektuiranja projekta obično ostaje stanovita fiksna imovina s
određenom likvidacijskom vrijednošću ili pak s mogućnosti alternativne upotrebe. Primjer je
likvidacijske vrijednosti prodaja dijelova istrošene opreme, a vrijednosti alternativne upotrebe
90
građevinski objekti koji se mogu prodati ili pak koristiti u novim projektima. Ta vrijednost
fiksne imovine koja ostaje nakon isteka efektuiranja projekta zove se rezidualnom
vrijednošću. Rezidualnu vrijednost fiksne imovine projekta treba tretirati kao njegove
novčane primitke koji će se realizirati prodajom takve imovine ili pak njezinim profitabilnim
korištenjem u druge poslovne svrhe. Ti primici za projekt nastaju potkraj vijeka efektuiranja
pa im je vremenska vrijednost relativno mala.
Osim rezidualne vrijednosti fiksne imovine, prestankom efektuiranja investicije dolazi do
oslobađanja neto obrtnog kapitala33 koji je bio vezan u njezinim poslovnim operacijama.
Imajući u vidu konvencionalne novčane tokove smanjenjem obujma poslovne aktivnosti s
približavanjem završetka razdoblja efektuiranja projekta, dolazit će periodično do oslobađanja
dijela neto obrtnog kapitala i prije isteka razdoblja efektuiranja. To oslobađanje neto obrtnog
kapitala dovodi do stvaranja slobodnih novčanih sredstava za poduzeće. Stoga i oslobađanje
neto obrtnog kapitala znači novčane primitke projekta koji se mogu tretirati kao dio njegove
rezidualne vrijednosti. Pri tome se dio te rezidualne vrijednosti oslobađa iz poslovanja i prije
samog isteka vijeka efektuiranja, a dio istekom vijeka efektuiranja projekta tako da je i
pravilno određivanje vremena njihova nastajanja važan čimbenik planiranja u procesu
budžetiranja kapitala.
4.3.3. Međuovisnost investiranja i financiranja
Ulaganja u realne projekte povezana su s njihovim financiranjem, ali i s financiranjem

cjelokupnog poslovanja poduzeća. To je posebno izraženo na području dugoročnog
financiranja. Svako realno povećanje fiksne i permanentne tekuće imovine izaziva i potrebu
dugoročnoga financiranja toga povećanja resursa poduzeća. Na taj način dugoročne
investicijske odluke izazivaju i potrebe za povećanjem dugoročnog kapitala poduzeća.
Financiranje poduzeća, a posebno stvaranje dugoročnog kapitala je pod utjecajem
ograničenja financijske okoline, posebno tržišta kapitala. Mogućnost profitabilnog
dugoročnog investiranja kapitala ne mora biti usklađena s mogućnostima jeftinog dugoročnog
financiranja poduzeća. Štoviše, vrijeme najpogodnije za investiranje može se bitno razlikovati
od vremena u kojemu su odnosi na financijskim tržištima, posebno na tržištu kapitala, takvi
da najbolje odgovaraju utemeljenoj politici strukture kapitala poduzeća. Konačno, investicije
33
Neto obrtna sredstva ili radni kapital predstavlja razliku između kratkotrajne imovine ili obrtnih sredstava i
kratkotrajnih obveza. Ako je ta razlika pozitivna, odnosno ako su raspoloživa kratkotrajna imovina ili obrtna
sredstva veća od kratkotrajnih obveza, to pokazuje da je riječ o likvidnom i solventnom poduzeću. Naravno
vrijedi i obratno, ako su kratkoročne obveze veće od kratkotrajne imovine ili obrtnih sredstava, riječ je o
nelikvidnom i nesolventnom poduzeću.
91
mogu promijeniti i optimalnu strukturu kapitala koju je poduzeće imalo prije pokretanja novih
profitabilnih poslovnih aktivnosti. Zbog toga investicijske odluke mogu mijenjati i strukturu
kapitala poduzeća pa tako i standarde profitabilnosti koji se zahtijevaju od poduzeća, a koji
svoj puni izraz dobivaju u konceptu troškova kapitala tvrtke.
Vremenski raskorak ulaganja i efekata ulaganja važan je za izbor oblika i metoda
financiranja ulaganja i dinamičko upravljanje strukturom kapitala tvrtke. Naime vrijeme
investiranja, po pravilu, označava razdoblje povećanja imovine angažirane u poduzeću koje
ne rezultira povećanjem profita i novčanih tokova sve dok investicija ne počne davati učinke,
odnosno dok ne počne davati učinke primjerene veličini povećanja imovine. Ako je to
povećanje imovine financirano znatnom eksternom emisijom glavnice poduzeća, realno je
očekivati privremeni pad cijena običnih dionica na tržištu, a time i privremeni pad vrijednosti
poduzeća i bogatstva njegovih vlasnika. Tek kada investicije započnu davati efekte
primjerene veličini investicijskog ulaganja i kada to uoče investitori na tržištu, doći će do
oporavka cijena dionica i njihova povećanja u odnosu na stanje prije investiranja.
4.3.4. Rizik i neizvjesnost
Ulaganje u sadašnjosti radi ostvarivanja određenih efekata u budućnosti karakteristično za

sve projekte nužno je povezano s određenim stupnjem rizika i neizvjesnosti hoće li se
očekivani efekti analiziranoga projekta ostvariti, odnosno hoće li se ostvarivati s određenim
stupnjem varijabilnosti rezultata prema onima planiranima, odnosno očekivanima. Budući da
je ovdje riječ o ulaganjima za ostvarivanje učinaka u dugom budućem razdoblju koje nužno
karakterizira postojanje određenoga stupnja nesigurnosti u prognoziranju očekivanih novčanih
tokova, rizik i neizvjesnost su temeljna obilježja procjene projekata, a time i sastavni dio
budžetiranja kapitala. Na taj je način i analiza rizika i neizvjesnosti temeljna komponenta
postupka budžetiranja kapitala.
Stupanj rizika i neizvjesnosti određenih projekata razlikuje se prema karakteru tih
projekata. Ako je riječ o investicijama u zamjenu, rizik će biti manji nego ako je riječ o novim
projektima, pogotovo onima koji obuhvaćaju osvajanje potpuno novih proizvoda i potpuno
novih tržišta te potpuno novih tehnologija i proizvodnih postupaka. Dok je kod investicija u
zamjenu riječ o ulaganjima u postojeću poslovnu aktivnost za koju postoji povijesna
dokumentiranost i čija je buduća efikasnost relativno izvjesna sa stajališta spoznajnih
mogućnosti menadžmenta tvrtke, kod potpuno novih investicija te su spoznajne mogućnosti
znatno sužene pa je i izvjesnost ostvarivanja očekivanih efekata relativno niskog stupnja.
92
Rizik i neizvjesnost projekata potrebno je uočiti, predvidjeti i kvantificirati, kao što je

potrebno uočiti i kvantificirati moguće pravce djelovanja u slučaju da se uočeni rizici pokažu
u vremenu efektuiranja projekta. Drugi je problem promotriti kako se ta rizičnost uklapa u
ukupan rizik poduzeća kao cjeline, dakle svih njegovih investicija koje se efektuiraju.
Konačno, potrebno je razmotriti i kako će investitori na tržištu dionica reagirati na uklapanje
rizika investicije u rizičnost svojih investicija.
Portfeljni učinak rizika svojstven svakomu projektu zahtijeva provođenje analize njegova
relevantnoga rizika za poduzeće i za dionice poduzeća držane u dobro diverzificiranome
portfelju34. Pritom treba imati na umu da je situacija s portfeljima projekata bitno složenija od
situacije s portfeljima vrijednosnica. Naime dok je relativne omjere vrijednosti individualnih
vrijednosnica u ukupnom portfelju moguće namještati praktički proizvoljno jer je pojedinačna
vrijednost npr. jedne dionice vrlo mala u odnosu na ukupnu vrijednost portfelja, portfelji
projekata mogu sadržavati ili samo čitave projekte, ili eventualno veće dijelove pojedinačnih
projekata, ako se radi o zajedničkim poduhvatima s drugim ulagačima (engl. joint venture).
Iako je teoretski moguće imati i vrlo male udjele u zajedničkim investicijskim poduhvatima, u
pravilu to nije slučaj i prostor za optimizaciju portfelja projekata utoliko je skučeniji i manje
fleksibilan od prostora za optimizaciju portfelja likvidnih vrijednosnih papira [48].
Zaključno, rizičnost projekta može se raščlaniti na sljedeće komponente:
 vlastitu rizičnost, koja ne ovisi ni od samoga poduzeća, ni od industrijskoga konteksta
u kojemu poduzeće radi;
 rizičnost za poduzeće, kojom se izriče djelovanje vlastite rizičnosti projekta na
rizičnost poduzeća, kao i interakcija rizičnosti projekta s rizičnošću ostalih projekata u
portfelju te poduzeća u cjelini;
 tržišnu rizičnost projekta, koja opisuje njegovu rizičnost u odnosu i u interakciji s
rizičnošću tržišta kapitala na kojemu djeluje poduzeće koje izvodi projekt.
4.3.5. Metode financijskoga odlučivanja
Odlučivanje o odabiru strateški važnih projekata zadaća je vrhovnog menadžmenta

poduzeća, koji je po definiciji svojega posla zadužen za donošenje strateških odluka.
Intuitivno je samo po sebi jasno da će poduzeće odlučiti ući u one investicijske projekte koji:
 imaju najpovoljniji očekivani povrat ulaganja uz danu stopu rizičnosti, te
34
Portfelj je skup financijskih sredstava koje neki pojedinac ili poduzeće posjeduje. Može se sastojati od novca
(gotovina, depoziti...) i od vrijednosnih papira (dionice, obveznice...).
93
 "stanu" u budžetski okvir poduzeća, naime u okvir ograničene svote novca koju
poduzeće može utrošiti na kapitalna ulaganja.
Postoji više metoda financijskoga odlučivanja po kojima je moguće različite projekte svesti
na zajednički nazivnik i usporediti ih s ciljem odabira onih čijoj će se realizaciji uistinu i prići.
Razlikuju se temeljne, dodatne i posebne metode financijskoga odlučivanja [49].
4.3.6. Temeljne metode
Dvije su osnovne metode financijskoga odlučivanja. To su metoda čiste (neto) sadašnje

vrijednosti i metoda interne stope profitabilnosti. Ove dvije metode temeljne su u svim
postupcima kvantifikacije financijskih odluka, pa tako i u postupcima odlučivanja o
dugoročnim projektima poduzeća. Metoda čiste sadašnje vrijednosti i metoda interne stope
profitabilnosti ujedno su ključne i za primjenu ekonomskoga koncepta vrijednosti.
4.3.7. Dodatne metode
Proces financijskoga odlučivanja često je povezan s problemom izbora između više

varijanti. To je jedan od temeljnih razloga zašto su uz navedene dvije temeljne metode
financijskoga odlučivanja razvijene i druge metode kojima se nastoji poboljšati kvaliteta
donesene odluke. Tako se često koriste i metoda perioda povrata i metoda diskontiranog
perioda povrata, zatim metoda indeksa profitabilnosti i metoda anuiteta.
4.3.8. Posebne metode
Intenzivnim razvojem upravljačkoga pristupa financijama poduzeća razvijen je i čitav niz

specifičnih metoda financijskoga odlučivanja. Pri rangiranju projekata mogući su i različiti
rangovi primjenom temeljnih metoda financijskoga odlučivanja. Da bi se upotpunio
instrumentarij analize financijskih odluka, razvijene su i posebne metode financijskoga
odlučivanja u uvjetima rangiranja projekata. To su metoda diferencije i metoda modificirane
interne stope profitabilnosti. Uz metode koje predstavljaju dodatna pravila budžetiranja
kapitala koristi se i niz drugih metoda, odnosno pravila financijskoga odlučivanja.
94
4.4. Metoda čiste sadašnje vrijednosti

Budući da će se u ovoj radnji koristiti metoda čiste sadašnje vrijednosti kao kriterij ocjene
financijske isplativosti projekata ulaganja u distribuirane izvore i ušteda energije u
distribucijskoj mreži, potrebno ju je pobliže opisati.
Kao što je već rečeno, novac nema istu vrijednost u različitim vremenskim trenucima.
Tako će zbog inflacije 1.000 kn obično vrijediti manje u 2013. negoli je vrijedilo u 2012.
godini. Da bi se sumirale diskontirane vrijednosti godišnjih novčanih ušteda/dobitaka,
potrebno je definirati referentnu godinu na koju se svode sve investicije i čisti novčani tokovi.
Uobičajeno se za referentnu godinu uzima godina u kojoj se investiralo u projekt.
Čista sadašnja vrijednost (oznaka ČSV, engl. net present value – NPV) je sadašnja
vrijednost svih budućih ušteda ili čistih novčanih tokova ostvarenih tijekom vremena
efektuiranja projekta (od godine 1 do godine T), umanjena za investicijske troškove (u godini
0).
Neka se pretpostavi da je pozitivan nominalan novčani tijek (priljev) ostvaren u trenutku
vremena t, t  [0,T] označen s Pt, te da je negativan nominalan novčani tijek (odljev) u nekom
vremenskom trenutku označen sa Zt. Priljevi i odljevi ne moraju se nužno događati u istom
trenutku, no analiza financijske efikasnosti planiranih projekata uobičajeno se obavlja na
temelju godišnjih novčanih efekata. U stvarnosti se novčani tokovi pojavljuju tijekom cijele
godine, odnosno tijekom godine se investira i pristižu novčani tokovi. Međutim tehnikama
budžetiranja kapitala svi investicijski troškovi izvršeni tijekom određene godine kao i svi čisti
novčani tokovi primljeni tijekom određene godine tretiraju se kao da su nastali potkraj te
godine. Zbog toga se može govoriti o godišnjim novčanim tokovima kao o kvantitativnoj
osnovici tehnike metode čiste sadašnje vrijednosti.
Nadalje pretpostavlja se da je u svakoj godini t u kojoj se dogodi bilo kakav novčani tijek
(pozitivan, negativan, ili oba), definiran čisti (neto) nominalni novčani tijek, Vt = Pt – Zt. Ako
se svi takvi novčani tijekovi diskontiraju na sadašnje vrijeme, pa se zbroje, dobit će se
vrijednost koja se naziva čistom sadašnjom vrijednošću projekta:
T Pt  Z t T Vt
ČSV    (4.8)
i 0 1  d 
t
i 0 1  d t
95
pri čemu je d diskontna stopa kojom se svode svi novčani tijekovi na sadašnje vrijeme, a T je
vrijeme pretpostavljenog životnog vijeka projekta.
Istu jednadžbu može se napisati i u malo drugačijem obliku, koji je ekvivalentan, i često se
susreće:
 T Vt 
ČSV      I0
 (4.9)
 i 1 1  d 
t

pri čemu je s I0 označen novčani tijek početne investicije, koji se dogodio u sadašnjemu
vremenu, pa nije diskontiran. Stoga i sumacija u izrazu ne ide od 0 do T, nego od 1 do T, što
simbolizira izostavljanje početnoga trenutnog ulaganja.
Ovaj je izraz sadržan u prethodnome koji ima potpuno općenit i sveobuhvatan karakter.
Osim toga ulaganje općenito ne mora biti koncentrirano u jednom trenutku vremena, već
može biti distribuirano kroz čitavu fazu investiranja.
Što se tiče diskontne stope koju treba primijeniti, već je navedeno da ona može u načelu
biti nešto manja ili veća od troška kapitala, ovisno o rizičnosti projekta u odnosu na poduzeće,
odnosno u odnosu na tržište kapitala. Također sam trošak kapitala ovisi i o rizičnosti
poduzeća. Sigurno je, međutim da pogreške u određivanju te stope mogu dovesti do golemih
pogreški u ocjeni profitabilnosti projekta. To je zato što stopa d stoji u bazi eksponencijalne
funkcije. Njezina prevelika vrijednost učinit će da projekt izgleda manje profitabilan, a
premala će vrijednost dovesti do precjenjivanja vrijednosti projekta. Pogreške u ocjeni ove
stope imaju u pravilu mnogo veće posljedice od pogrešaka u ocjeni priljeva i odljeva.
Što se tiče samih priljeva i odljeva, činjenica je da priljevi, kao prihodi od prodaje
proizvoda ili usluge, ovise o budućim tržišnim okolnostima, koje mogu biti vrlo promjenjive
u vremenu i na koje poduzeće najčešće može utjecati vrlo teško i ograničeno. Stoga je
procjena prihoda vrlo rizična, i također može izazvati velike greške. Primjerice ako poduzeće
izradi suviše optimističnu procjenu prodaje, projekt će po ČSV kriteriju izgledati vrednijim
nego što ustvari jest. Procjene troškova (odljeva) također sadrže svoje rizike, ali su oni u
načelu znatno manji nego što je to slučaj s prihodima. Za projekte ulaganja u distribuirane
izvore procjene prihoda od poticaja na prodanu električnu energiju bit će točne za cijeli period
trajanja otkupne cijene jer je ona zagarantirana važećim tarifnim sustavom.
Ukratko, svi su parametri o kojima ovisi procjena čiste sadašnje vrijednosti na neki način
rizični i volatilni u vremenu. Stoga se može postaviti pitanje kvalitete ČSV kao kriterija. Kao i
96
u svemu, i ovdje vrijedi jedno opće načelo: poduzeća koja su vještija u procjenjivanju ČSV-a
imaju bolje izglede za donošenje kvalitetnih odluka o strateškim investicijama i u dugom roku
imaju veće šanse za preživljavanje na tržištu. Stoga metodu ocjene čiste sadašnje vrijednosti
koju koriste najbolja poduzeća u svojoj branši treba prihvatiti kao zdravorazumsku
aproksimaciju korektnog postupka.
Čista sadašnja vrijednost je najobuhvatniji kriterij procjene projekata, koji je ujedno
temeljen na onome što ulagače najviše zanima, a to je neto zarada novca. Štoviše, ČSV
obuhvaća i fenomen gubitka vrijednosti novca u vremenu kroz diskontiranje stopom d koja
odgovara preferencijama ulagača u dani projekt s obzirom na njegovu rizičnost.
Stoga se ČSV smatra najpotpunijom mjerom očekivanih performansi projekta i upravo ova
metoda služi većini poduzeća kao superioran kriterij za odabir investicijskih projekata. Ako
poduzeće razmatra investiranje u više projekata, ono će donositi odluke na sljedećim
temeljnim postavkama:
 prihvatljivi su samo oni projekti kojima je ČSV > 0, i
 projekti s većom ČSV se ocjenjuju boljima i imaju prioritet u odabiru za investiranje.
Svi potencijalni projekti rangiraju se po kriteriju ČSV, a izvršavaju se oni na vrhu liste, koji
kumulativno stanu u ukupan budžet raspoloživ za kapitalna ulaganja. Pritom projekt s većom
ČSV ima prednost. Izuzetak se može dogoditi u slučaju kada poduzeće ima dovoljan budžet za
servisiranje, na primjer, tri projekta s najvećom ČSV, dok preostali dio budžeta nije dovoljan
za četvrtorangirani projekt. Tada se može eventualno uzeti neki manji projekt, koji "stane" u
preostali dio budžeta, a koji je također visoko plasiran po kriteriju ČSV.
Zaključno, glavne odlike metode čiste sadašnje vrijednosti su da ona uključuje vremensku
vrijednost novca kroz trošak kapitala, da promatra cijeli period efektuiranja, a ne samo do
trenutka povrata kapitala i da realno procjenjuje vrijednosti različitih projekata. Pozitivna
čista sadašnja vrijednost ukazuje na povećanje vrijednosti tvrtke (dionica), no osjetljiva je na
izbor diskontne stope.
4.5. Analiza osjetljivosti procjene projekta s obzirom na rizike

Na kraju je potrebno spomenuti još i osnovne pojmove specifičnoga područja u analizi
projekata i njihovih rizika, a to je analiza osjetljivosti projekata na stohastičke varijacije
ulaznih varijabli temeljem kojih se izračunavaju veličine poput čiste sadašnje vrijednosti,
97
interne stope profitabilnosti, perioda povrata, indeksa profitabilnosti, itd. Temeljem analize
osjetljivosti donose se strateške odluke o odabiru projekata.
Naime jasno je da prilikom izračunavanja ČSV-a svi parametri, a to su priljevi i odljevi
novca, kao i diskontna stopa, sadrže u sebi određenu mjeru rizika u procjeni. Zbog toga je i
sam ČSV rizičan podatak. Na parametre za izračun ČSV-a djeluju različiti realni faktori.
Primjerice prilikom ulaganja u novu vjetroelektranu, jedan od ključnih faktora je statistika
puhanja vjetra na lokaciji vjetroelektrane. O njoj presudno ovise predviđanja prihodovne
strane jer je energija koju elektrana proizvede i isporuči u sustav ujedno i izvor prihoda
poduzeća koje vodi elektranu. Prilikom razvoja projekta, statistika vjetra ocjenjuje se
temeljem jednogodišnjih mjerenja brzine vjetra na propisanoj visini (npr. 80 metara iznad tla).
Iako su ta mjerenja vrlo indikativna, uvijek je moguće da je njima obuhvaćena atipična godina
i da vjetra zapravo ima bitno više ili bitno manje. Sličan je problem pri procjeni prihoda nove
hidroelektrane, s obzirom na statistiku protoka vode rijekom na kojoj se elektrana gradi.
Velike hidroelektrane, za razliku od vjetroelektrana, nemaju zajamčene subvencije za
isporuku energije u sustav i njihovi prihodi su dodatno neizvjesni zbog volatilnosti cijena na
tržištu električne energije, pri čemu je vrlo teško predvidjeti kako će se te cijene kretati u
budućnosti. S obzirom na to da svaka investicijska studija, ili studija izvedivosti projekta
(engl. feasibility study), mora poći od nekih pretpostavki o statistici vjetra ili vode, ili pak o
statistici cijena na tržištu električne energije, uobičajena metoda analize podrazumijeva dva
distinktna koraka:
 ekspertna procjena očekivanih srednjih iznosa relevantnih parametara fizikalnog i
realnog ekonomskog svijeta koji utječu na parametre za ocjenu projekta, te izrada
osnovnog scenarija studije isplativosti investicije;
 modeliranje stohastičkih varijacija tih parametara i izračunavanje rezultantnih
varijacija parametara relevantnih za odabir projekta.
Na taj način menadžment poduzeća dobiva pregled očekivanih iznosa parametara

uspješnosti projekta i njihove disperzije te nakon toga može ući u dublju analizu individualne
rizičnosti projekta. Ocjena individualne rizičnosti projekta u smislu odnosa očekivane neto
zarade i njezine statističke devijacije kao mjere rizika tek je nulti korak u ocjeni potencijalnih
projekata. Ako u toj fazi projekt bude ocijenjen nepovoljnim, on će time biti po hitnom
postupku osuđen na propast jer poduzeće više neće trošiti resurse na njegovu daljnju analizu i
razvoj.
98
Za analizu osjetljivosti, kao i za svaku statističku analizu, postoji mnogo metoda i alata. U
novije vrijeme, zbog naglog povećanja računalne moći široko dostupne računalne opreme, sve
veću popularnost imaju metode koje se oslanjaju na brutalnu računarsku silu, u kojima se
koristi moć računala da u vrlo kratkom vremenu izvrši milijune pojedinačnih izračuna. Jedna
od metoda bliskih toj ideji je i tzv. metoda Monte Carlo. Taj generički naziv obuhvaća široku
klasu postupaka koje karakterizira jednostavno uvrštavanje ogromna broja stohastički
generiranih vrijednosti više utjecajnih varijabli u formule za izračun relevantnih pokazatelja,
nakon čega se provode jednostavne rutine za deskriptivnu statističku analizu tako generiranih
rezultata. Taj proces je ilustriran Slikom 4.3.
Slika 4.3. Okvirni prikaz analize osjetljivosti
Monte Carlo simulacijska analiza dobila je ime po tome što se vrijednosti varijabli, kao u
kockarnici, određuju slučajno, u stohastičkim procesima koji generiraju varijable prema
zadanim funkcijama gustoće razdiobe.
99
5. OPTIMIZACIJA GENETSKIM ALGORITMIMA
U svim poljima ljudske djelatnosti donošenje odluka svakodnevna je aktivnost, a težnja ka

najboljem rješenju jedno je od temeljnih svojstava razumnog i racionalnog ponašanja. U
nekim je situacijama čovjekova inventivnost dostatna za iznalaženje rješenja, no u složenijim
situacijama sa značajnim posljedicama, čovjek se mora okrenuti ka metodama optimiranja.
Optimizacija (lat. optimus, što znači najbolji) je postupak potrage za najboljim rješenjima i
odlukama, pri čemu je u užem smislu optimizacija grana matematike i računarske znanosti.
Razvojem elektroničkih računala, sve veći broj složenih problema postalo je moguće rješavati
dosad neviđenom uspješnošću i brzinom. Ipak, i uz eksponencijalan rast procesne snage
računala, teoretska računarska znanost identificirala je razrede problema koji se danas
poznatim algoritmima ne mogu rješavati u razumnom vremenu.
Postupci optimiranja bitan su alat u znanstvenome odlučivanju i u analizi fizikalnih
sustava. Da bi se uopće moglo govoriti o optimiranju, najprije je potrebno identificirati cilj,
odnosno kvantitativnu mjeru ponašanja sustava koji se proučava. Cilj može biti zarada,
vrijeme, energija ili neka druga veličina ili kombinacija veličina koja se može predstaviti
numeričkom vrijednošću. Cilj ovisi o određenim karakteristikama sustava koje se nazivaju
varijablama. Zadatak u postupku optimiranja je odrediti kombinaciju vrijednosti varijabli koje
će najbolje ispunjavati cilj. Često su vrijednosti varijabli na neki način ograničene. To je
posljedica toga što stvarne veličine predstavljene varijablama poprimaju vrijednosti iz
određena raspona.
Proces definiranja cilja, varijabli i eventualnih ograničenja datog problema naziva se
postupkom modeliranja. Oblikovanje dobra modela je prvi korak, a vrlo često i najvažniji u
procesu optimiranja. Ako je model prejednostavan tada neće dobro opisati sustav koji se želi
optimirati, a ako je model presložen, postupak optimiranja može postati pretežak za
rješavanje.
Nakon što se definirao model mogu se koristiti postupci optimiranja kako bi se pronašlo
rješenje problema. Postupci optimiranja se u praksi ostvaruju implementacijom algoritama
optimiranja na računalima. Ne postoji jedan općeniti algoritam optimiranja koji je prikladan
za sve probleme. U praksi postoji veliki broj algoritama, od kojih je svaki prikladan za
određenu skupinu optimizacijskih problema.
100
5. Optimizacija genetskim algoritmima
5.1. Definicija optimizacijskoga problema

Svim optimizacijskim problemima su zajedničke sljedeće karakteristike:
 prostor rješenja (engl. solution space). Rješenja se definiraju kao točke u prostoru
rješenja. Prostor rješenja može biti jednodimenzijski ili višedimenzijski.
 prostor ciljnih funkcija (engl. objective space). Prostor funkcija cilja (ili kriterijskih
funkcija) može biti jednodimenzijski ili višedimenzijski. Funkcije cilja koje je
potrebno minimizirati često se prevode u komplementarne funkcije koje je potrebno
maksimizirati. U tom slučaju govori se o funkcijama dobrote35 (engl. fitness functions)
koje po defniciji daju to veću vrijednost što je rješenje bolje.
 prostor rješenja može biti kontinuiran ili diskretan. Kontinuirani problemi optimizacije
sastoje se od varijabli iz skupa realnih brojeva ili funkcija, dok diskretni optimizacijski
problemi sadrže diskretne varijable (npr. iz skupa cijelih brojeva). Problemi s
diskretnim varijablama još se nazivaju problemima kombinatoričke optimizacije. Te
dvije vrste problema u načelu se znatno razlikuju u nizu specifičnih svojstava te su i
tehnike rješavanja za svaku od te dvije vrste problema postale prilično različite.
 problem može imati postavljena ograničenja (engl. constraints). Ograničenja mogu
proizlaziti iz ograničene domene funkcije cilja ili iz eksplicitno zadanih granica koje
se ne smiju prekoračiti.
 ograničenja mogu biti tvrda (engl. hard) ili meka (engl. soft). Tvrda ograničenja su
ograničenja koja moraju biti zadovoljena da bi rješenje bilo prihvatljivo. Ako ona za
neko rješenje ne vrijede, to je rješenje neprihvatljivo. Tvrda ograničenja dijele prostor
rješenja u dva podprostora: prostor prihvatljivih rješenja (engl. feasible solutions) te
prostor neprihvatljivih rješenja (engl. unfeasible solutions). Zadaća optimizacijskoga
algoritma jest pronaći prikladno prihvatljivo rješenje. Meka ograničenja su
ograničenja koja definiraju poželjna svojstva rješenja i ona mogu biti zadovoljena u
određenoj mjeri (dakako, što više, to bolje).
Optimizacijski problemi dijele se u dvije velike porodice:

 problemi jednokriterijske optimizacije (engl. single-objective optimization), te
35
Numerička vrijednost funkcije cilja često se koristi kao međukorak u određivanju relativne dobrote jedinke,
osobito kod genetskih algoritama. Druga funkcija, koju se naziva funkcijom dobrote, koristi se za transformaciju
vrijednosti funkcije cilja u mjeru relativne dobrote. Dva su osnovna razloga navedene transformacije. Prvi je da
je vrijednost dobrote nenegativan broj s najvećom vrijednošću danoj najboljem rješenju (jedinki). Drugi je
zahtjev da su opseg i raspored vrijednosti dobrote takvi da se osigura ispravan rad odabranog mehanizma
selekcije.
101
 problemi višekriterijske optimizacije (engl. multi-objective optimization).
Kod problema jednokriterijske optimizacije prostor funkcija cilja je jednodimenzijski,

odnosno svako se rješenje može direktno preslikati u broj koji govori o kvaliteti tog rješenja.
U problemu višekriterijske optimizacije prostor funkcija cilja je višedimenzijski: svako
rješenje preslikava se u vektor brojeva (svaki element vektora je iznos jedne od definiranih
funkcija cilja). Problem s višekriterijskom optimizacijom jest taj što rješenja ne moraju nužno
biti međusobno usporediva; kriteriji u pravilu mogu biti međusobno konfliktni, a jedinice
mjere neusporedive.
Općeniti problem jednokriterijske optimizacije definira se tako da se minimizira ili
maksimizira funkcija cilja:

min/ max f ( x ) (5.1)
Općeniti problem višekriterijske optimizacije definiran je na sljedeći način:

min/ max f m ( x ), m  1,2,.., M (5.2)
pri čemu je i u prvom i u drugom slučaju rješenje prikazano kao vektor varijabli odluke:
 x1 
 
  x2 
x (5.3)
 
 
 xn 
Uz funkciju cilja potrebno je u velikom broju slučajeva zadati i skup ograničenja:

g j ( x )  0, j  1,2,.., J (5.4)

hk ( x )  0, k  1,2,.., K (5.5)
102
xiD  xi  xiG , i  1,2,.., n (5.6)
Prvi i drugi skup ograničenja predstavljaju skup nejednakosti, odnosno jednakosti koje
moraju biti zadovoljene za sva prihvatljiva rješenja, a treći skup ograničenja definira donju i
gornju granicu vrijednosti koje varijable odluke smiju poprimiti. Navedena tri skupa

ograničenja definiraju prostor prihvatljivih rješenja. U tom je prostoru svako rješenje x jedna
točka.
Funkcije cilja u dopuštenome području mogu imati više od jednog minimuma ili
maksimuma, s time da je samo jedan minimum/maksimum globalni, a ostali su lokalni.
Postojanje višestrukih ekstrema u dopuštenome području unosi dodatne teškoće u algoritme
pronalaženja optimalnih točaka. Naime ne postoje postupci koji pouzdano vode do globalnog
optimuma, već se za određivanje globalnoga optimuma najčešće koriste postupci za
pronalaženje lokalnoga minimuma koji se višestruko ponavljaju s različitim početnim
uvjetima.

Kod jednokriterijske optimizacije, rješenje x * naziva se globalnim optimumom ako i samo

ako rješenje x * pripada prostoru prihvatljivih rješenja S i ako za svako drugo rješenje iz
prostora prihvatljivih rješenja vrijedi:
  
x  S : f ( x * )  f ( x ) (5.7)
za problem minimizacije, i
  
x  S : f ( x * )  f ( x ) (5.8)
za problem maksimizacije.
Kod višekriterijske optimizacije, tzv. savršeno rješenje (engl. utopian point) jest ono koje
istovremeno daje optimalnu vrijednost funkcije cilja [50, 51]. Budući da će se ova radnja
baviti jednokriterijskom optimizacijom, fokus će se usmjeriti definiranju modela rješavanja
jednokriterijskih optimizacijskih problema.
103
Općenito se rješavanje optimizacijskih problema susreće s cijelim skupom različitih

optimizicijskih metoda [52, 53]. Optimizacijski problemi se mogu klasificirati na više načina,
ovisno o funkciji cilja, funkcijama ograničenja, varijablama odluke ili tipu ulaznih
parametara.
Problemi u kojima su funkcija cilja i ograničenja linearni nazivaju se problemima
linearnoga programiranja, dok se problemi u kojima su funkcija cilja i ograničenja nelinearni
nazivaju problemima nelinearnoga programiranja (optimizacije). Kada funkcija cilja i/ili
ograničenja nema svojstvo linearnosti govori se još i o:
 kvadratnom programiranju (funkcija cilja kvadratna, ograničenja linearna),
 geometrijskom programiranju (funkcija cilja i ograničenja sastoje se od izraza koji
sadrže produkt varijabli odluka),
 cjelobrojnom programiranju (varijable odluke su cjelobrojne),
 dinamičkom (ograničenja se mijenjaju tijekom vremena),
 mješovitom (neke varijable odlučivanja su cjelobrojne, a neke pripadaju skupu realnih
brojeva), itd.
Ukratko, metode rješavanja optimizacijskih problema (funkcija cilja) dijele se u dvije

velike skupine (Slika 5.1.):
 egzaktne metode, koje daju točno rješenje, ali u slučaju složenijega problema ne mogu
pronaći optimum u prihvatljivome vremenu, čak ni uz pomoć računala, i
 približne metode, koje daju približno rješenje u realnome vremenu (koje ne mora biti
optimalno), ali ga mogu mnogo brže izračunati, što predstavlja značajnu prednost.
Slika 5.1. Podjela optimizacijskih algoritama
104
Ako metoda rješavanja funkcije cilja koja se koristi daje samo jedno, i to najbolje rješenje,
govori se o općoj ili egzaktnoj metodi, odnosno o općem ili egzaktnom rješenju. Egzaktne
metode rješavanja problema sastoje se u tome da se prebroje sva moguća stanja problema ili
odstrane ona stanja koja sigurno ne sadržavaju optimum. Za svako preostalo stanje se
izračuna funkcija cilja i na kraju izabere stanje s minimalnom/maksimalnom vrijednošću
funkcije cilja.
Razvojem računarstva i povećanjem procesne moći računala mogli su se rješavati izuzetno
kompleksni problemi koji su do tada bili nerješivi, i to naprosto tehnikom grube sile (engl.
brute-force, koristi se još i termin iscrpna pretraga), tj. pretraživanjem cjelokupnoga prostora
rješenja. Da bi se pretraga ubrzala, razvijena je i porodica algoritama usmjerenoga
pretraživanja, kojoj pripadaju algoritmi koji su u pretraživanju vođeni informacijama o
problemu koji rješavaju i procjeni udaljenosti od trenutnoga pa do ciljnoga rješenja koje se
traži. Ove se informacije uzimaju u obzir kako bi se pretraga usmjerila i time prije završila.
Primjeri ovakvih algoritma su algoritmi grananja i ograđivanja (engl. branch & bound),
dinamičko programiranje, itd. Ipak, navedene metode su dobre samo za probleme malih
dimenzija, dok su problemi u realnome svijetu često toliko složeni da bi ovakvo rješenje bilo
teško ili nemoguće dobiti u prihvatljivome vremenu računanja.
Da bi se jasnije ilustrirala ova tvrdnja, neka se promotri problem trgovačkog putnika (engl.
Traveling Salesman Problem – TSP). Taj problem pripada problemima kombinatoričke
optimizacije koju karakteriziraju diskretne varijable odluke, konačan prostor rješenja te
činjenica da funkcija cilja može biti svakakva (linearna, nelinearna, neanalitička, itd.). Pritom
je zadan broj gradova (n) i njihova međusobna udaljenost, a potrebno je pronaći najkraću rutu
koja svaki grad posjećuje jednom i samo jednom (Hamiltonov ciklus) te se vraća u polaznu
točku. Ako početni grad nije fiksno zadan, problem obilaska npr. četiri čvora može se riješiti
na 4!, odnosno 24 načina. Za dvadeset čvorova kompleksnost problema bi se značajno
povećala na 20!, odnosno 2,43·1018 načina. Uz pretpostavku da računalo može napraviti 4·109
operacija (kombinacija) u sekundi, vrijeme potrebno računalu da provjeri sva moguća rješenja
tada bi bilo 6,08·108 sekundi, odnosno oko 20 godina (tzv. kombinatorička eksplozija).
Upravo se zbog toga zadovoljava metodama koje daju rješenja koja nisu optimalna već su
približno dobra ili blizu optimalna (engl. fairly good or near optimum). Za dobivanje takvih
rješenja često se koristi kombinacijom jedne ili više približnih metoda matematičkoga
programiranja. Približni algoritmi se općenito dijele na algoritme aproksimacije i na algoritme
s ugrađenim heurizmom (grč. heureka – vještina pronalaženja istine). Postoji mogućnost da
dobiveno rješenje predstavlja optimum, ali to nije uvijek moguće i utvrditi. Algoritmi
105
aproksimacije daju rješenja dokazive kvalitete i dokazive granice vremena izvođenja, pri
čemu je cilj dizajniranja algoritama aproksimacije pronaći tijesne granice najgora slučaja.
Nažalost, aproksimacije u praksi često dosežu područja rješenja predaleko od globalnoga
optimuma, pa zbog toga nisu uvijek primjenjive. S duge strane, heuristički pristup predstavlja
korištenje iskustva, intuicije i vlastite procjene prilikom rješavanja nekog problema. Za
razliku od ostalih metoda, heurističke metode ne predstavljaju znanje o strukturi ili odnosima
unutar modela problema koji se rješava. Heurističke metode predstavljaju pravila izbora,
filtriranja i odbacivanja rješenja, a služe smanjenju broja izvedenih alternativnih putova u
postupku pronalaska rješenja problema.
Heurističke metode mogu biti konstruktivne, poboljšavajuće ili hibridne. Hibridne metode
predstavljaju međusobnu kombinaciju poboljšavajućih i konstruktivnih heuristika36.
Konstruktivni algoritmi rješenje problema grade dio po dio (često bez povratka unatrag),
odnosno kreću od praznoga skupa i evaluiraju parcijalna rješenja sve dok ne izgrade
kompletno rješenje. Tipičan primjer je algoritam najbližeg susjeda (engl. nearest-neighbor
algorithm).
Poboljšavajuće metode su u biti metaheurističke metode koje počinju od potencijalnoga
rješenja i onda ga iterativno pokušavaju poboljšati, tj. pronaći bolje rješenje. Metaheuristike
evaluiraju i modificiraju postojeća kompletna rješenja (a ne parcijalna), a mogu se izvoditi sa
željenim brojem iteracija/generacija. Glavni koncepti dizajna metaheuristike su prikazivanje
potencijalnih rješenja (kodiranje) kojima barata algoritam pretraživanja i definiranje funkcije
prikladnosti/evaluacije, tj. funkcije cilja koja vodi pretraživanje. Metaheuristike se koristi za
definiranje heurističkih metoda primjenjivih na širok skup problema. Može se reći da je
metaheuristika heuristika opće namjene čiji je zadatak usmjeravanje problemski specifičnih
heuristika prema području u prostoru rješenja u kojemu se nalaze dobra rješenja.
Metaheuristike se dijeli na algoritme inspirirane prirodom, algoritme lokalne pretrage i ostale
algoritme. Također općenito metaheuristički algoritmi mogu biti bazirani na jednom rješenju
ili skupini rješenja (populaciji).
Algoritmi lokalne pretrage rješavanje problema započinju od nekog početnog rješenja koje
potom pokušavaju inkrementalno poboljšati. Ideja je definirati skup jednostavnih izmjena
koje je moguće obaviti nad trenutnim rješenjem i iterativno poboljšavati trenutno rješenje
primjenom lokalnih transformacija. Lokalno pretraživanje je generički heuristički pristup koji
se često koristi kao sastavni dio kompleksnijih metaheuristika zasnovanih na pojedinačnom
36
GRASP (engl. The Greedy Randomized Adaptive Search Procedure) je hibridna metaheuristička metoda koja
predstavlja kombinaciju konstruktivne heuristike i lokalnog pretraživanja.
106
rješenju (tabu pretraživanje, simulirano žarenje, itd.), iako i lokalno pretraživanje može kao
ulazne podatke imati skup rješenja (tzv. multi-start lokalno pretraživanje).
Ostalim algoritmima pripada simulirano žarenje i tabu pretraživanje. Pritom je simulirano
žarenje iterativna metaheuristika zasnovana na jedinstvenome rješenju, koja simulira
energetske promjene u sustavu tijekom procesa hlađenja dok ne konvergira u stanje ravnoteže.
Tabu pretraživanje uvodi ideju pamćenja u pretraživanje, pri čemu koristi saznanja iz
prethodnoga iskustva za donošenje boljih odluka.
Algoritmi inspirirani prirodom nastali su proučavanjem procesa u prirodi i njihovim
preslikavanjem na kategoriju rješavanja optimizacijskih problema. Budući da prirodni procesi
optimiziraju život u svakom njegovu segmentu već preko 4 milijarde godina, njihovim
proučavanjem znanost je došla do niza uspješnih tehnika kojima je moguće riješiti probleme
optimizacije. Glavna podjela algoritama inspiriranih prirodom je na evolucijske algoritme,
umjetne biološke sustave i na algoritme temeljene na inteligenciji roja. Daljnja podjela
evolucijskih algoritama je na evolucijske strategije, evolucijsko programiranje i genetske
algoritme. Umjetni imunološki sustavi se dijele na algoritme klonske selekcije i umjetne
imunološke mreže, a inteligenciji roja pripadaju algoritmi kolonije mrava (engl. ant colony
optimization), umjetne kolonije pčela (engl. bee colony optimization) i optimizacija rojem
čestica (engl. particle swarm optimization).
Zaključno, nameće se pitanje koji je od spomenutih optimizacijskih algoritama najbolji?
Znanstvenici Wolpert i Macready su u svojim radovima dokazali da nema najboljeg
algoritma, što je poznato kao teorem "nema besplatnog ručka" (engl. no-free-lunch). Dapače,
dokazali su da su svi algoritmi pretraživanja prosječno dobri, odnosno za različite probleme
različiti će algoritmi biti najprikladniji [54,55].
U ovoj se radnji rješavanje problema optimalnoga razmještaja distribuiranih izvora u
srednjenaponskim mrežama temelji na jednom od evolucijskih algoritama, zvanom genetski
algoritam.
5.2. Opis genetskoga algoritma

Genetski algoritmi pripadaju široj grupi algoritama koji se nazivaju evolucijski algoritmi
(EA). Evolucijski algoritmi predstavljaju interdisciplinarno istraživačko područje u kojemu se
načela biološke evolucije koriste za nalaženje učinkovitih i robusnih metoda optimizacije i
pretraživanja. Snaga tih metoda leži u činjenici da su one sposobne odrediti položaj
globalnoga optimuma u prostoru s više lokalnih ekstrema, u tzv. višemodalnome prostoru.
107
Valja naglasiti da se nad funkcijom cilja ne postavljaju nikakva dodatna ograničenja.

Primjerice nije bitno ima li funkcija prvu, drugu ili n-tu derivaciju, niti se ne zahtjeva da je
neprekidna i sl. Dakle, ona može biti potpuno proizvoljna.
Najveći doprinos razvoju GA-u dao je H. J. Holland 1975. (knjigom "Adaptation in
Natural and Artificial Systems") kada je stvoren temeljni koncept ove metode rješavanja
optimizacijskih problema. Po uzoru na proces evolucije u prirodi, u genetskim se algoritmima
pretražuje prostor mogućih rješenja problema na način da se unutar populacije, koja se sastoji
od određenog broja jedinki (rješenja, kromosoma), modelira kolektivni proces učenja,
odnosno prilagodbe. Pritom kromosom predstavlja jedno rješenje ili skup gena, odnosno
jediničnih informacija. Kromosom predstavlja kodiran prikaz rješenja iz domene problema te
se populacija sastoji od isključivo kodiranih vrijednosti rješenja. Genetski algoritmi rade s
dvama tipovima prostora. Jedan je prostor kodiranja, odnosno genotipski prostor, a drugi je
prostor rješenja, odnosno fenotipski prostor [56].
Slika 5.2. Prikaz gena, kromosoma i populacije
Počevši od početne populacije (inicijalizacija), proces evolucije usmjerava se ka sve boljim

i boljim područjima unutar prostora rješenja, i to primjenom (više ili manje) stohastičkih
procesa rekombinacije (križanja), mutacije i selekcije (odabira) na jedinke unutar populacije.
Obično se početna populacija generira slučajnim odabirom rješenja iz domene, iako je
moguće početnu populaciju generirati uniformno ili usaditi početno rješenje dobiveno nekom
drugom optimizacijskom metodom. Mutacija i križanje se odvijaju nad genotipskim
prostorom, a selekcija i evaluacija jedinki nad fenotipskim prostorom.
Okoliš u kojemu se populacija nalazi definira razinu kvalitete (sposobnosti) za svaku
pojedinu jedinku, što se u primjeni povezuje s funkcijom cilja (dobrote) za zadani problem.
Dobrota jedinke određuje se tako da se izračuna vrijednost funkcije cilja u točki koju jedinka
predstavlja.
Proces selekcije (engl. selection) favorizira jedinke s boljom prilagođenošću te im
omogućuje da se razmnožavaju u većemu broju nego lošije jedinke. Mehanizam križanja
108
(engl. crossover) omogućuje miješanje roditeljskih odlika i njihovo prenošenje na potomstvo,

dok se mutacijom (engl. mutation) u populaciju unose nove odlike da bi se simulirao slučajan
skok na neko još neistraženo područje prostora rješenja. Potomstvo tada postaje nova
populacija i genetski algoritam prelazi u novu generaciju, kao na Slici 5.3.
Slika 5.3. Korak genetskog algoritma
Uvjet završetka evolucijskoga postupka može biti dostizanje unaprijed određenoga broja
iteracija (generacija), pronalazak rješenja koje zadovoljava minimalne kriterije, dostizanje
vremenskoga limita, dostizanje takve vrijednosti najboljega rješenja da daljnje iteracije ne
daju bolje rezultate, ili kombinacija navedenoga.
Kada GA konvergira prema rješenju prebrzo (najčešće prema lokalnomu optimumu) tada
se kaže da je došlo do prijevremene konvergencije, no ako GA uopće ne konvergira ka
određenomu rješenju, tada se kaže da je algoritam divergirao. Ukratko, rad općenitog
genetskog algoritma najbolje se može opisati Slikom 5.4.
109
Slika 5.4. Prikaz rada općenitog genetskog algoritma
Genetski algoritam se općenito dijeli na eliminacijski genetski algoritam (engl. steady-state

genetic algorithm) te generacijski genetski algoritam (engl. generational genetic algorithm).
Princip eliminacijskoga GA je da se u svakom koraku algoritma iz čitave populacije odabiru
dva roditelja nad kojima se izvodi križanje, čime nastaje novo dijete koje se još i mutira. Na
kraju se dijete ili ubacuje u populaciju ili odbacuje. Ako se ubacuje u populaciju, a veličina
populacije mora biti stalna, ubacivanje se izvodi tako da dijete zamijeni neku jedinku iz
populacije (primjerice najgoru). U ovoj vrsti genetskoga algoritma nastalo dijete već u
sljedećem trenutku može postati roditelj koji će se križati sa svojim precima i dalje stvarati
potomke. Za razliku od prethodno opisane vrste GA u kojoj ne postoji čista granica između
roditelja i djece, generacijski genetski algoritam iz koraka u korak iz populacije roditelja
stvara novu populaciju djece koja potom postaju roditelji. Ukratko, stara populacija roditelja
time odmah izumire, osim ako u ovu vrstu algoritma nije ugrađen elitizam [57].
Elitizam je svojstvo algoritma da čuva najbolje pronađeno rješenje (odnosno da ga ne
može izgubiti). Naime sasvim je moguće da sva nastala djeca budu lošija od najboljega
roditelja. Aktiviranjem populacije djece i brisanjem populacije roditelja u tom slučaju dolazi
do gubitka najboljeg pronađenog rješenja. Ovome se može doskočiti tako da se najprije u
110
populaciju djece iskopira najbolji roditelj (ili njih nekoliko), a ostatak populacije potom
izgradi na uobičajeni način.
Danas, osim navedene dvije vrste genetskog algoritma, postoji i mnoštvo varijacija.
Primjerice moguće je iz populacije roditelja odabrati podskup roditelja koji će stvarati
potomke pa samo njih koristiti za generiranje populacije djece. Moguće ja napraviti i varijantu
u kojoj se generira više djece no što je potrebno za sljedeću populaciju, pa se potom nekim
kriterijem izaberu djeca koja će činiti populaciju za sljedeću generaciju (najjednostavniji
kriterij jest sortirati populaciju djece po dobroti i uzeti najbolje jedinke). Također je moguće
napraviti izvedbu u kojoj se nakon generiranja djece napravi unija s populacijom roditelja i
potom se iz te unije odaberu jedinke koje će činiti populaciju u sljedećoj generaciji. Osim
opisanih, moguć je još čitav niz različitih varijacija.
Prilikom rješavanja problema genetskim algoritmima, potrebno je definirati način na koji
kromosom kodira rješenje, način na koji se obavlja križanje, način na koji se obavlja mutacija
te način na koji se odabiru jedinke za razmnožavanje (tip selekcije).
5.2.1. Prikaz rješenja, križanje i mutacija u genetskim algoritmima
Svi podaci koji obilježavaju jednu jedinku zapisani su (kodirani) u jednom kromosomu.
Podaci mogu biti pohranjeni na razne načine u jedan kromosom. U najjednostavnijem i
najčešćem slučaju radi se o binarnom prikazu koji se najranije koristio i uz koji je vezana
glavnina teorije o genetskim algoritmima [58].
Za većinu problema koji se susreću u industrijsko-inženjerskome svijetu binarna
reprezentacija nije dovoljna zbog otežane prilagodbe problema prikazu. Pri odabiru prikaza
važno je da prikaz zauzima što manje mjesta uz uvjet da sadrži sve važne informacije
potrebne za dobivanje rješenja. Očito je da odabir prikaza ima ogroman utjecaj na daljnji
razvoj algoritma. Prikaze rješenja može se podijeliti u nekoliko najčešćih grupa:
• prikaz nizom bitova,
• prikaz poljem ili vektorom decimalnih brojeva,
• prikaz permutacijama i matricama,
• prikaz složenijim strukturama podataka, te
• prikaz stablima.
111
Budući da svaki prikaz rješenja karakterizira njemu svojstveno križanje i mutaciju, u

nastavku će se prikazati nekoliko tipova karakterističnih prikaza rješenja s genetskim
operatorima [59].
5.2.1.1. Prikaz rješenja nizom bitova, njihovo križanje i mutacija

Prikaz rješenja nizom bitova (engl. bit-string) pripada najjednostavnijim prikazima. Svako
rješenje je predstavljeno kao niz nula i jedinica. Taj je niz najčešće fiksne duljine.
Optimizacijski algoritmi se najčešće koriste za traženje ekstrema funkcija jedne ili više
varijabli koje su definirane nad cijelim ili realnim brojevima.
Ako cjelobrojno rješenje k varira u području {0,1,...,2n – 1}, tada se može
kodirati/dekodirati koristeći binarnu reprezentaciju s n bitova b ={Bn-1,, Bn-2,...,B1,B0}, gdje je
B{0,1}, tako da vrijedi:
n 1
k   Bi  2 i (5.9)
i 1
Ako je cjelobrojni parametar k u opsegu k{kmin, kmin +1,..., kmin + 2n – 1} tada se vrijednost
k – min može kodirati na isti način:
n 1
k  k min   Bi  2 i (5.10)
i 1
Kod kodiranja realnih parametara, neka se najprije pretpostavi da se koristi binarni prikaz
rješenja koji se sastoji od n bitova. Tim prikazom predstavlja se x koji je rješenje funkcije f(x).
Da bi se moglo utvrditi koju vrijednost predstavlja neki konkretni niz bitova, mora se
definirati preslikavanje (odnosno postupak dekodiranja). Potrebno je proglasiti da su
dozvoljene vrijednosti varijable x vrijednosti iz raspona {xmin,...,xmax} i da se koristi prirodni
binarni kod. Postupak dekodiranja tada se provodi tako da se binarni niz protumači kao cijeli
broj k koji može poprimiti vrijednost iz skupa cijelih brojeva {0,1,...,2n – 1}, prema (5.9).
Potom se vrijednost k preslika na interval {xmin,...,xmax}, pri čemu se najčešće k = 0 preslika u
vrijednost xmin, k = 2n – 1 preslika u vrijednost xmax, a ostale vrijednosti se linearno preslikaju
na interval {xmin,...,xmax}, prema formuli:
112
k
x  xmin  n
xmax  xmin  (5.11)
2 1
Neka je rješenje x preciznosti p i neka je pN, odnosno element skupa prirodnih brojeva.
To znači da x odstupa od točnoga rješenja za maksimalno 10– p, odnosno rješenje x je točno na
p decimala. Rješenje x je preciznosti p ako je zadovoljena nejednakost:
xmax  xmin  10 p  2 n  1 (5.12)
Za zadanu preciznost p, kromosom mora biti duljine n:
n

log  xmax  xmin  10 p  1  (5.13)
log 2
Binarno kodiranje je zbog svoje jednostavnosti pogodno za implementaciju. Međutim

binarno kodiranje ima i jedan veliki nedostatak: Hammingova udaljenost među susjednim
brojevima može biti velika, a u najgoremu slučaju jednaka duljini binarnoga zapisa.
Hammingova udaljenost između dva binarna broja je broj bitova u kojima se ta dva broja
razlikuju. Na primjer, Hammingova udaljenost između brojeva 25510=0111111112 i
25610=1000000002 iznosi 9 (svih devet bitova je različito). Drugim riječima, ako je genetski
algoritam u nekom koraku pronašao jedno dobro rješenje za b=0111111112, a optimum se
postiže za b=1000000002 treba promijeniti svih devet bitova. Kako bi se ispravio taj
nedostatak, za kodiranje brojeva koristi se i Grayev kod.
Susjedni brojevi kodirani u Grayevu kodu razlikuju se u samo jednom bitu. Dakle,
Hammingova udaljenost između susjednih kodnih riječi je 1. Algoritam transformacije
binarnoga broja b ={bm,bm-1,...,b1,b0} u Grayev kod g ={gm,gm-1,...,g1,g0} i obrnuto, iz Grayeva
koda u binarni glasi:
g m  bm (5.14)
113
g k  bk  bk 1 , k  1,2,..., m  1 (5.15)
m
bk   g k mod 2, j  1,2,..., m (5.16)
k j
U svrhu križanja binarno kodiranih rješenja razvijen je niz postupaka. Karakteristika

križanja je da se nove jedinke potomaka formiraju od elemenata jedinki roditelja. U slučaju
binarnoga kodiranja, nove jedinke se formiraju od dijelova binarnoga niza oba roditelja.
Jedinke potomaka na taj način nasljeđuju "građevne blokove" roditelja i može se očekivati
da će se u određenome broju potomaka dobiti kombinacija gena koja svojom dobrotom
nadilazi pojedinačne dobrote obaju roditelja. Najčešće se izabiru dva roditelja iz bazena za
križanje i onda se križaju s vjerojatnošću pk. Da bi se zadržao konstantan broj jedinki
populacije, jedinke koje se ne križaju kopiraju se u sljedeću generaciju. Postoji više vrsta
operatora križanja.
Križanje s jednom točkom prekida (engl. single-point crossover) se temelji na tome da se
posredstvom slučajna mehanizma odabere točka kidanja zajednička za oba roditelja (na Slici
5.5.). Potom se križanjem roditelja R1 i R2 stvaraju dva nova rješenja, odnosno djeteta (D1 i
D2), od kojih dijete D1 dobiva prvi dio bitova roditelja R1 i drugi dio bitova roditelja R2.
Konačno, dijete D2 dobiva prvi dio bitova roditelja R2 i drugi dio bitova roditelja R1. Što će
se napraviti s to dvoje djece (hoće li se uzeti oba, jedno od njih ili ni jedno) nije definirano
operatorom križanja i ta odluka ovisi o konkretnoj inačici optimizacijskoga algoritma koji se
implementira.
Slika 5.5. Križanje s jednom točkom prekida binarno zapisanih rješenja
Nedostatak križanja s jednom točkom prekida je u tome da se na ovaj način ne mogu na

jedinku potomka prenijeti i početak i kraj kromosoma. Ako i početak i kraj kromosoma nekog
114
od roditelja sadrže dobru genetsku informaciju, ovim postupkom križanja nijedan potomak
neće moći naslijediti obje dobre osobine.
Križanje s t-točaka (engl. multi-point crossover) prekida općenitiji je slučaj prethodno
opisanog križanja, gdje t može biti između 1 i n – 1 (gdje je n broj bitova korištenih za prikaz
rješenja). Primjerice slučaj za t = 2, te s točkama prijeloma nakon 3. i 8. bita prikazan je
Slikom 5.6.
Slika 5.6. Križanje s t-točaka prekida binarno zapisanih rješenja
Križanjem s više točaka prekida izbjegavaju se već navedeni nedostaci križanja s jednom
točkom prekida. Štoviše, kako je kromosom najčešće sastavljen od više gena, tako će veći
broj točaka prekida omogućiti da se u pojedinim slučajevima na potomke prenese veći broj
kvalitetnih dijelova iz oba kromosoma. Međutim što je više točaka prekida, postoji i veća
vjerojatnost razbijanja dobrih građevnih blokova. Križanje s velikim brojem točaka prekida
ponaša se više kao slučajno pretraživanje nego kao operator rekombinacije.
Uniformno križanje je generalizacija križanja u više točaka. Svaki gen potomka kreira se
kopiranjem odgovarajućeg gena jednog od roditelja koji je izabran prema slučajno generiranoj
binarnoj masci križanja iste duljine kao kromosom. Kad je u masci na određenoj poziciji 1
onda se kopira gen iz prvog roditelja, a kad je 0 kopira se iz drugog roditelja. Za svaki par
roditelja generira se nova maska. Prema ovome potomci sadrže mješavinu gena roditelja.
Primjer je prikazan Slikom 5.7. [60].
Slika 5.7. Primjer uniformnoga križanja
115
Nakon križanja sljedeći korak GA je mutacija. Uobičajena izvedba jest definirati

vjerojatnost promjene bita pm. Potom se svaki bit rješenja mutira s tom vjerojatnošću.
Djelovanje opisanoga postupka prikazano je Slikom 5.8.
Slika 5.8. Primjer mutacije potomka
5.2.1.2. Prikaz rješenja poljem decimalnih brojeva, njihovo križanje i mutacija

Umjesto uporabe binarnoga prikaza, rješenja optimizacijskih problema ponekad je
praktičnije prikazivati direktno decimalnim brojevima. Prikaz brojevima s pomičnim zarezom
se pokazao superiornijim od binarnih prikaza kod funkcijskih optimizacija.
Primjerice ako je zadatak pronaći maksimum funkcije f(x, y, z), tada se kao prikaz rješenja
direktno može koristiti polje od tri elementa. Za funkciju od n varijabli može se direktno
koristiti polje od n elemenata. U tom slučaju nestaje potreba za trošenjem vremena na
dekodiranje rješenja, čime algoritam postaje efikasniji.
Mutacija rješenja u ovom se zapisu najčešće izvodi dodavanjem malog slučajnog pomaka
svakoj varijabli. Pomak se izvodi iz normalne distribucije s definiranim parametrima srednje
vrijednosti i standardne devijacije.
Križanje je u ovoj vrsti zapisa moguće raditi na više načina. Neka su odabrana dva
roditelja: R1 = (c11, ..., cn1) i R2 = (c12, ..., cn2), gdje je cij i-ta komponenta j-tog roditelja.
Diskretno križanje (engl. discrete crossover) stvara jedno dijete, a provodi se tako da se i-
ta komponenta djeteta postavi na slučajno odabranu vrijednost iz skupa {ci1, ci2}. Drugim
riječima, i-ta komponenta djeteta će se izravno preuzeti ili od prvog roditelja ili od drugog
roditelja.
Ravno križanje (engl. flat crossover) se provodi tako da se i-ta komponenta djeteta postavi
na vrijednost koja je izvučena iz uniformne razdiobe nad intervalom [ci1, ci2].
Jednostavno križanje (engl. simple crossover) se provodi tako da se odabere jedna točka
prekida i{1, 2,...n – 1}, i potom se generira dvoje djece: H1 = (c11, c21, ..., ci1, ci+12, ..., cn2) i
H2 = (c12, c22, ..., ci2, ci+11, ..., cn1).
Aritmetičko križanje (engl. arithmetical crossover) stvara dvoje djece: H1 = (h11,...,hn1) i
H2 = (h12,...,hn2), pri čemu se definira konstanta [0, 1] i potom svaka komponenta djeteta H1
i H2 postaje linearna kombinacija komponenata roditelja:
116
hi1    ci1  1     ci2 (5.17)
hi2    ci2  1     ci1 (5.18)
5.2.1.3. Prikaz rješenja permutacijama i matricama, njihovo križanje i mutacija

Postoji niz problema koji se mogu svesti na problem permutacija. Prikaz cijelim brojevima,
odnosno permutacijski prikaz se najviše koristi za rješenje kombinatoričkih optimizacijskih
problema jer se traži najbolja permutacija. Prema strukturi prikaza, prikazi se dijele na
jednodimenzionalne i višedimenzionalne. Najpoznatiji primjer te vrste problema je problem
trgovačkoga putnika. Ako se indeksiraju svi gradovi (neka ih ima n) koje trgovački putnik
mora obići, tada je svaki Hamiltonov ciklus prikaziv kao jedna permutacija n-torke (1, 2, ...,
n). Primjerice n-torka (1, 3, 2, ..., 26, 4) bi značila da putnik kreće iz grada 1, odlazi u grad 3,
potom u grad 2, potom ..., potom u grad 26, pa u grad 4 i konačno obilazak završava
povratkom u grad 1.
Permutacijski prikaz je specifičan po tome što zahtjeva potpuno novi skup operatora koji
mogu djelovati nad rješenjima. Primjerice jednostavna mutacija koja bi indeks grada koji je
na prvome mjestu slučajno promijenila u neki drugi indeks, automatski bi stvorila nevažeće
rješenje. Izgubio bi se grad 1 iz obilaska (ture), a dva puta bi se obišao neki drugi grad.
Klasični operatori križanja bi također svi redom generirali nevažeća rješenja.
Matrični prikaz također je primjer prikaza koji se u praksi zna koristiti za rješavanje
različitih problema. Primjenjiv je na problem trgovačkoga putnika. U tom slučaju se koristi
matrica dimenzija nxn, gdje element aij ima vrijednost 1 ako trgovački putnik iz grada i treba
otići u grad j. Odmah se može uočiti da postoje ograničenja na legalne matrice: u retku i samo
na jednom mjestu smije biti vrijednost i jer trgovački putnik iz grada i smije otići u samo
jedan sljedeći grad.
Za rješenja s permutacijskim prikazom koriste se različite vrste mutacije. Mutacija
premještanjem (engl. cut mutation) se temelji na ideji da se nad početnim rješenjem slučajno
odaberu dva mjesta. Potom se taj segment ukloni iz rješenja i ubaci nakon neke slučajno
odabrane pozicije u preostalome rješenju. Primjer je prikazan Slikom 5.9. Iz početnoga
rješenja je odabran podniz (4, 5, 6) i odlučeno je da se taj podniz premjesti nakon prvog
elementa.
117
Slika 5.9. Primjer mutacije premještanjem za permutacijski prikaz rješenja
Mutacija zamjenom (engl. order based mutation) je koncipirana tako da se nad početnim
rješenjem slučajno odaberu dvije pozicije i elementi koji su na tim pozicijama se zamijene.
Primjer je prikazan Slikom 5.10. Iz početnog rješenja su odabrane pozicija 3 i 6 i elementi
koji se nalaze na tim pozicijama (također 3 i 6) su zamijenjeni.
Slika 5.10. Primjer mutacije zamjenom za permutacijski prikaz rješenja
Jednostavna mutacija inverzijom (engl. simple inversion mutation) odvija se tako da se nad
početnim rješenjem slučajno odaberu dva mjesta i tako selektirani podniz se prepliće
obrnutim poretkom (reverzira se). Primjer je prikazan Slikom 5.11. U početnom je rješenju
odabran podniz (3, 4, 5) i zamijenjen je reverznim podnizom (5, 4, 3).
Slika 5.11. Primjer jednostavne mutacije inverzijom za permutacijski prikaz rješenja
Također se za rješenja s permutacijskim prikazom koriste različite vrste križanja.

Djelomično-preslikano križanje (engl. partially-mapped crossover – PMX) utemeljeno je na
ideji o slučajno odabrana dva mjesta koja definiraju segment u oba roditelja. Primjer je
118
prikazan Slikom 5.12. gdje je slučajno odabran segment koji počinje nakon druge pozicije i
završava nakon pete pozicije. Svaki element segmenta u prvom i drugom roditelju definira
preslikavanje: prvi element segmenta definira da se vrijednost 3 preslikava u vrijednost 7, tj. 3
↔ 7; drugi element segmenta definira preslikavanje 4 ↔ 1 dok treći element segmenta
definira preslikavanje 5 ↔ 8. Zatim se grade dva djeteta. U prvo dijete se iskopira odabrani
segment drugog roditelja a u drugo dijete odabrani segment prvog roditelja. Sve ostale
pozicije u oba djeteta ostaju prazne. Postupak se potom nastavlja tako da se prazna mjesta
djeteta i popunjavanju vrijednostima koje se na tim pozicijama nalaze u roditelju i, osim ako
bi se time unio duplikat. U tom se slučaju na poziciju kopira element koji je određen
definiranim preslikavanjem. Potrebno je napomenuti da je moguća situacija u kojoj se
duplikat identificira, zatim pogleda na što je on preslikan nakon čega ta vrijednost postaje
opet duplikat (odnosno i ona je već prisutna u djetetu). U tom slučaju opet se mora pogledati u
što je ta vrijednost preslikana i tako dalje sve dok se ne dođe do vrijednosti koja u djetetu još
ne postoji.
Slika 5.12. Primjer djelomično-preslikanog križanja za permutacijski prikaz rješenja
Križanje ciklusa (engl. cycle crossover – CX) se temelji na identificiranju ciklusa, a

prikazano je Slikom 5.13. Dva se roditelja prikažu jedan ispod drugog, i potom se započne s
prvim elementom u prvom roditelju. Pogleda se koji se element u drugom roditelju nalazi na
istoj poziciji (vertikalna strelica prema dolje), a potom se u prvom roditelju potraži na kojoj je
poziciji taj element. S te se pozicije opet pogleda što je na toj istoj poziciji u drugom roditelju
119
i opet se traži pozicija u prvom roditelju koja ima istu vrijednost. Postupak se ponavlja i
završit će u konačnom broju koraka, i u oba će roditelja selektirati neke elemente. Time je
pronađen jedan ciklus. Postupak se nastavlja od prvog sljedećeg neselektiranog elementa u
prvom roditelju kako bi pronašli drugi ciklus, potom treći ciklus, itd. Broj ciklusa koji će
nastati ovisi o konkretnim roditeljima koji se križaju. Prvo dijete se puni elementima (i
pozicijama) prvog ciklusa iz prvog roditelja, drugog ciklusa iz drugog roditelja, trećeg ciklusa
iz prvog roditelja, četvrtog ciklusa iz drugog roditelja, itd. Drugo dijete se puni obratno, dakle
elementima prvog ciklusa iz drugog roditelja, drugog ciklusa iz prvog roditelja, itd.
Slika 5.13. Primjer križanja ciklusa za permutacijski prikaz rješenja
Osim spomenutih operatora, danas se u literaturi može pronaći još mnoštvo drugih
operatora koji su razvijeni, imajući na umu različite specifičnosti problema koje se rješavaju
permutacijskim prikazom.
5.2.1.4. Prikaz rješenja složenijim strukturama podataka, njihovo križanje i

mutacija
Ponekad su optimizacijski problemi konceptualno vrlo daleko od domene brojeva. U tom
slučaju su binarni prikaz kao i prikaz cijelim ili decimalnim brojevima neprikladni i preporuča
se razvoj prikaza rješenja složenijim strukturama podataka. S jedne strane prednost razvoja
takvog prikaza jest mogućnost prilagođenog razvoja operatora koji će brzo i efikasno
djelovati nad prostorom rješenja. S druge strane mana je upravo potreba da se razvija još
120
jedan novi skup operatora umjesto da se koristi postojeći. Budući da se prikaz rješenja
složenijim strukturama podataka ne može generalizirati, već se razvija posebno za svaki
problem, njime se ova radnja neće baviti.
5.2.1.5. Prikaz stablima, njihovo križanje i mutacija

Prikaz stablima uobičajena je tehnika za prikaz aritmetičkih izraza ili programskih
odjeljaka i koristi se kada je cilj optimizacijskog procesa pronaći formulu koja najbolje
opisuje mapiranje između zadanih podataka ili pak kada je potrebno evoluirati program koji
rješava zadani problem. Tiče se genetskog programiranja i neće biti opisano u ovoj radnji.
5.2.2. Selekcija u genetskim algoritmima
Jedan od centralnih mehanizama genetskih algoritama je mehanizam selekcije. Zadaća

operatora selekcije jest osigurati mehanizam koji će boljim rješenjima češće dati priliku da
sudjeluju u produkciji novih rješenja, čime će se proces pretraživanja prostora rješenja voditi
u područja koja više obećavaju. U postupku selekcije izabiru se jedinke koje formiraju skup
jedinki koje ulaze u proces rekombinacije, odnosno izabiru se u bazen križanja (engl. mating
pool). Broj pojavljivanja jedinke u bazenu za križanje utječe na mogući broj potomaka iste.
Utjecaj operatora selekcije može se okarakterizirati kroz nekoliko parametara:
• vrijeme preuzimanja,
• selekcijski intenzitet,
• pritisak selekcije,
• raznovrsnost (engl. spread),
• gubitak raznovrsnosti, itd.
Vrijeme preuzimanja (engl. takeover time) je vrijeme koje je potrebno operatoru selekcije
da generira populaciju u kojoj se nalazi samo najbolje rješenje. Ideja proizlazi iz pretpostavke
da se iz inicijalne populacije nova generacija generira samo uporabom operatora selekcije.
Kad je nova populacija spremna, postupak se ponavlja kako bi se stvorila sljedeća generacija.
Ako je operator selekcije takav da boljim rješenjima daje veću šansu da budu odabrani,
očekuje se da će u svakoj sljedećoj generaciji biti sve više i više kopija najboljega rješenja.
Vrijeme (odnosno broj generacija) od prve generacije pa do nastanka generacije koja je
popunjena isključivo kopijama najboljega rješenja naziva se vremenom preuzimanja.
121
Utjecaj operatora selekcije može se mjeriti i kroz selekcijski intenzitet. Selekcijski

intenzitet računa se kao povećanje srednje dobrote populacije prije i poslije primjene
operatora selekcije, podijeljeno sa standardnom devijacijom populacije:
fs  f
I (5.19)

pri čemu f predstavlja prosječnu dobrotu rješenja u populaciji roditelja, f s predstavlja

prosječnu dobrotu rješenja u populaciji djece koja je dobivena samo uporabom operatora
selekcije, a σ predstavlja standardno odstupanje u populaciji roditelja.
Pritisak selekcije predstavlja vjerojatnost izbora najbolje jedinke u usporedbi s prosječnom
vjerojatnosti selekcije za sve jedinke. Drugim riječima, selekcija utoliko ima veliki selekcijski
pritisak ukoliko s velikom vjerojatnošću prenosi bolje jedinke u iduću iteraciju, odnosno s
velikom vjerojatnošću eliminira jedinke ispodprosječne dobrote. Genetski algoritmi s velikim
selekcijskim pritiskom prije pronalaze rješenje, tj. s jedne strane brže konvergiraju žrtvujući
kvalitetu dobivenoga rješenja jer brža konvergencija uzrokuje veću vjerojatnost zaglavljivanja
u lokalnome optimumu. S druge strane ako je selekcijski pritisak premali, nepotrebno se troši
vrijeme na beskorisne iteracije jer je konvergencija u tom slučaju prespora.
Raznovrsnost predstavlja opseg mogućih vrijednosti broja potomaka neke jedinke, a
gubitak raznovrsnosti predstavlja udio jedinki u populaciji koje nisu izabrane tijekom faze
selekcije.
Postupci selekcije se međusobno razlikuju po načinu odabira boljih jedinki. Prema načinu
prenošenja genetskoga materijala boljih jedinki u sljedeću iteraciju postupci selekcije se dijele
na [61]:
• generacijske selekcije, pomoću kojih se selekcijom direktno biraju bolje jedinke čiji će
se genetski materijal prenijeti u sljedeću iteraciju, i
• eliminacijske selekcije, pomoću kojih se biraju loše jedinke za eliminaciju, a bolje
jedinke preživljavaju postupak selekcije.
Ovisno o metodi odabira boljih jedinki, postupci selekcije se dijele na proporcionalne i

rangirajuće (Slika 5.14.). Ukratko, selekcije se razlikuju prema načinu određivanja vrijednosti
vjerojatnosti selekcije određene jedinke. Proporcionalne selekcije odabiru jedinke s
vjerojatnošću koja je proporcionalna dobroti jedinke, odnosno vjerojatnost selekcije ovisi o
122
kvocijentu dobrote jedinke i prosječne dobrote populacije. Rangirajuće selekcije odabiru

jedinke s vjerojatnošću koja ovisi o položaju jedinke u poretku jedinki sortiranih po dobroti.
Rangirajuće selekcije se dijele na sortirajuće i turnirske selekcije. Sortirajuće selekcije su
linearno sortirajuća selekcija, μ –  selekcije i krnja selekcija. Turnirske selekcije se dijele
prema broju jedinki koje sudjeluju u turniru.
Slika 5.14. Podjela operatora selekcije [62]
5.2.2.1. Jednostavna proporcionalna selekcija

Kod jednostavne proporcionalne selekcije vjerojatnost preživljavanja jedinke
proporcionalna je njezinoj dobroti. Često se pri opisu proporcionalnih selekcija koristi
analogija s kotačem ruleta (engl. roulette wheel selection). Vjerojatnost odabira i-te jedinke u
generacijskoj proporcionalnoj selekciji definirana je izrazom:
fi
pG (i )  N (5.20)
 fj
j 1
pri čemu je fi iznos dobrote i-tog rješenja, a N broj jedinki populacije. Valja napomenuti da je
za ispravno funkcioniranje ove selekcije nužno da sve dobrote budu nenegativne te da je
srednja vrijednost dobrote veća od nule:
i  1,..., N : f (i )  0 , f  0 (5.21)
123
Primjerice neka se populacija sastoji od 7 jedinki čije su dobrote (funkcije cilja) jednake
redom 10, 15, 2, 8, 12, 20 i 33. Dobrota populacije je suma dobrota svih jedinki i iznosi 100.
Vjerojatnosti selekcije su 10/100 = 0,1 (10 %), 15/100 = 0,15 (15 %), 2/100 = 0,02 (2 %),
8/100 = 0,08 (8 %), 12/100 = 0,12 (12 %), 20/100 = 0,20 (20 %) i 33/100 = 0,33 (33 %), što je
prikazano Slikom 5.15.
Slika 5.15. Primjer jednostavne generacijske proporcionalne selekcije
Kod generacijske proporcionalne selekcije jedna te ista jedinka može se odabrati

proizvoljan broj puta. Vjerojatnost eliminacije i-te jedinke za eliminacijsku proporcionalnu
selekciju iznosi:
f max  f i
p E (i )  N
(5.22)
N  f max   f j
j 1
pri čemu je fmax iznos dobrote najboljega rješenja u populaciji.

Eliminacijskom selekcijom je inherentno ugrađen elitizam, tj. najbolja jedinka se ne može
eliminirati jer je vjerojatnost selekcije najbolje jedinke prema izrazu jednaka nuli pE(imax) = 0.
Proporcionalna selekcija podložna je problemu skale, što se može ilustrirati sljedećim
primjerom. Neka se pretpostavi da postoje dvije populacije rješenja od po tri jedinke. U jednoj
populaciji dobrote rješenja su redom 1, 2 i 3. U drugoj populaciji dobrote rješenja su redom
1.000.001, 1.000.002 i 1.000.003. U obje populacije je treće rješenje najbolje jer ima najveću
dobrotu. Međutim dok je u prvoj populaciji vjerojatnost odabira najbolje jedinke prema (5.20)
jednaka 0,5, odnosno čak 50 %, u drugoj populaciji ona iznosi približno 0,3, čime je
vjerojatnost izbora najgore i najbolje jedinke praktički ista. Kako ovaj postupak dobro
funkcionira za male brojeve, a sve lošije kako raste skala (magnituda broja), problem je
poznat pod nazivom problem skale.
124
Problem skale se može ublažiti, a ograničenje da funkcija dobrote mora biti nenegativna
zaobići uvođenjem relativne dobrote. Umjesto da se vjerojatnosti odabira rješenja računaju
temeljem dobrote fi, za svako se rješenje uvodi relativna dobrota gi = fi – fmin, gdje je s fmin
označena dobrota najlošijega rješenja u populaciji. U tom se slučaju vjerojatnosti računaju
prema izrazu:
gi f i  f min f i  f min
pG (i )   
N N
N   f  f min  (5.23)
gj  ( f j  f min )
j 1 j 1
5.2.2.2. Stohastička univerzalna selekcija

Stohastička univerzalna selekcija (engl. stochastic universal sampling) se razlikuje od
jednostavne proporcionalne selekcije prema načinu odabira jedinki. Vjerojatnost selekcije je
ista i izračunava se također prema izrazu (5.20), no razlika u odnosu na jednostavnu
proporcionalnu selekciju je u broju koraka za dovršetak postupka selekcije. Proporcionalna
selekcija se obavlja u N koraka, odnosno N puta se generira slučajan broj prema kojemu se
određuje koja je jedinka selektirana. Stohastička univerzalna selekcija obavlja odabir svih
jedinki u jednom koraku: generira se N ekvidistantnih znački na pravac u intervalu [0, 1], na
koji se, počevši od 0 sumiraju omjeri dobrote svake jedinke s ukupnom dobrotom populacije:
 N 
  fj 
 0 , 0  f1 , 0  f1  f 2 ,..., j 1  1 (5.24)
N N N N 
 j  j
f f  j f  fj 
 j 1 j 1 j 1 j 1 
Na taj se način formira brojevni pravac koji se podijeli na N + 1 jednakih odsječaka (Slika
5.16).
Slika 5.16. Selekcija svih N jedinki u jednom koraku uporabom stohastičke univerzalne
selekcije
125
Broj znački koje pokazuju na pojedinu jedinku određuje koliko će se njezinih kopija
prenijeti u sljedeću populaciju. Slikom 5.16. je prikazan primjer u kojemu se prenosi: jedna
kopija jedinke 1, četiri kopije jedinke 2, ni jedna kopija jedinke 3, dvije kopije jedinke i, itd.
Zaključno, jedna od najvećih prednosti proporcionalnih selekcija je da su one relativno
jednostavne za implementaciju, te se zbog toga najčešće i koriste. Međutim jedna od najvećih
mana im je da selekcijski pritisak ovisi o funkciji dobrote. To znači da je za svaku funkciju
cilja drugačiji selekcijski pritisak, a time i brzina konvergencije koja direktno utječe na
kvalitetu dobivenih rješenja. Upravo se iz tog razloga koriste rangirajuće selekcije.
Kod rangirajućih selekcija vjerojatnost selekcije ne ovisi izravno o dobroti, već o položaju
jedinke u poretku jedinki sortiranih po dobroti. Jedinke se mogu sortirati ili rastućom ili
padajućom dobrotom, odnosno po rastućim ili padajućim vrijednostima funkcije cilja.
Skupini rangirajućih selekcija pripadaju sortirajuće i turnirske selekcije. Sortirajuće
selekcije obavljaju sortiranje jedinki prema njihovoj vrijednosti funkcije cilja. Postupak troši
značajni dio procesorske snage, jer se ponavlja u svakoj iteraciji. S obzirom na to da je
sortiranje vremenski zahtijevan posao u odnosu na trajanje same selekcije, sortirajuće
selekcije se rijetko koriste. Turnirskim selekcijama važan je samo odnos između nekoliko
slučajno odabranih jedinki i nije potrebno obavljati sortiranje cijele populacije. Prema broju
slučajno odabranih jedinki iz skupa svih jedinki (cijele populacije), turnirske selekcije se
dijele na 2-turnirske, 3-turnirske, 4-turnirske itd.
5.2.2.3. Linearno sortirajuća selekcija

Kod selekcije linearnim rangiranjem (engl. linear ranking selection), rješenja u populaciji
se sortiraju prema rastućim vrijednostima dobrote i potom im se pridjeljuje vjerojatnost
odabira koja je linearno proporcionalna rangu (poziciji) rješenja. Vjerojatnost selekcije za
generacijsku linearno sortirajuću selekciju izračunava se prema izrazu:
i 2i
pG (i )  
N
N  N  1 (5.25)
i
j 1
Pritom, rang 1 pripada najgorem rješenju, a rang N najboljem rješenju. Vjerojatnost

eliminacije za eliminacijsku linearno sortirajuću selekciju izračunava se prema istom izrazu
126
(5.25), samo što su jedinke sortirane od najgore do najbolje, tj. najbolja jedinka ima indeks 1,
a najgora N.
Slika 5.17. prikazuje razdiobu vjerojatnosti generacijske linearno sortirajuće selekcije.
Točke koje predstavljaju vjerojatnost selekcije nalaze se na pravcu (otuda i naziv linearna
selekcija). Pravac ima nagib 2/[N(N+1)]. S jedne strane svojstvo generacijske selekcije je da i-
ta jedinka ima i puta veću vjerojatnost preživljavanja od najgore jedinke s oznakom 1. S druge
strane svojstvo eliminacijske selekcije je da i-ta jedinka ima i puta veću vjerojatnost
eliminacije od najbolje jedinke s oznakom 1.
Slika 5.17. Razdioba vjerojatnosti selekcije za generacijsku linearno sortirajucu selekciju
Vjerojatnost selekcije najbolje ili najlošije jedinke može biti unaprijed zadana. Primjerice
vjerojatnost eliminacije najbolje jedinke treba biti jednaka nuli ako se elitizmom štiti najbolja
jedinka od eliminacije. Izraz (5.25.) ne uključuje mogućnost slobodnoga izbora vjerojatnosti
selekcije neke jedinke jer prema tom izrazu vjerojatnost selekcije ovisi samo o rangu jedinke i
veličini populacije.
Da bi se uključila vjerojatnost selekcije najbolje ili najlošije jedinke, potrebno je definirati
dva parametra: N+ koji kaže koliko se kopija najboljega rješenja očekuje u novoj populaciji, te
N– koji kaže koliko se kopija najgorega rješenja očekuje u novoj populaciji. Tada se
vjerojatnost odabira jedinke ranga i računa prema sljedećemu izrazu:
N  N

N  i  1 (5.26)
pG (i )  N  1
N
Pritom suma N+ i N– mora biti jednaka 2 da bi vrijedilo da je suma svih vjerojatnosti

jednaka jedinici (100 %). Supstitucijom N– = 2 – N+ te preimenovanjem N+ u varijablu SP
prethodni izraz se može zapisati na sljedeći način:
127
i 1
2  SP  2  ( SP  1) 
N 1 (5.27)
pG (i ) 
N
pri čemu su za parametar SP dozvoljene vrijednosti iz intervala [1, 2]  R. Parametar SP

direktno opisuje selekcijski pritisak.
Uz SP = 1, svim se rješenjima, neovisno o njihovoj stvarnoj dobroti, pridjeljuje ista
vjerojatnost odabira. Ovo će rezultirati time da će se sva rješenja, i dobra i loša, u prosjeku
odabrati jednak broj puta, i to neće rezultirati usmjerenim pretraživanjem prostora mogućih
rješenja. Potpuno se suprotna situacija pojavljuje uz SP = 2. Tada je najgorem rješenju
pridjeljena vjerojatnost 0 čime se to rješenje nikada neće birati kao potencijalni roditelj, dok
najbolje rješenje ima najveću vjerojatnost odabira. Za vrijednosti parametra SP između 1 i 2
omjer vjerojatnosti dodijeljene najboljemu i najgoremu rješenju pN/p1 mijenja se od 1
(potpuno slučajna pretraga) do ∞ (jako usmjerena pretraga). Stoga se ovim parametrom može
fino podešavati koliki naglasak algoritam stavlja na najbolje pronađeno rješenje.
5.2.2.4. Selekcije najboljih

Selekcije najboljih odabiru unaprijed zadani broj najboljih jedinki. Moguće su tri vrste
selekcije: (μ + ) selekcija, (μ, ) selekcija i krnja selekcija. Navedene podvrste selekcije
najboljih se međusobno razlikuju prema skupu jedinki iz kojeg se odabiru najbolje jedinke.
Najbolje jedinke se mogu birati iz skupa samo roditelja, roditelja i djece te samo djece. Prvo
se slučajnim postupkom odabiru roditelji, zatim se njihova djeca (zajedno ili bez roditelja)
sortiraju i preživljava samo određeni broj najboljih jedinki. μ je veličina populacije roditelja, a
 je veličina populacije djece.
Kod (μ + ) selekcije slučajno se odabire μ roditelja iz populacije. Njihovim se križanjem
stvara  djece. Iz skupa roditelja i djece se zatim najboljih μ jedinki selektira za sljedeću
generaciju. Postupak se ponavlja sve dok se ne popuni nova generacija N novih jedinki,
odnosno N/μ puta ili se μ jedinki višekratno kopira da bi se popunila populacija.
Pri (μ, ) selekciji također se slučajno odabire iz populacije μ roditelja i njihovim
križanjem se stvara  djece. Međutim djece je više od roditelja ( ≥ μ) i μ najbolje djece se
selektira za sljedeću generaciju. Vjerojatnost selekcije i-te jedinke za križanje iznosi:
128
1
 : 1 i  
p (i )    (5.28)
 0 :  i N
Obje opisane selekcije kombiniraju rekombinaciju slučajnim odabirom jedinki, tj. u istom
koraku se obavljaju i selekcija i križanje. Krnja selekcija odabire n najboljih jedinki i kopira
ih N/n puta. Vjerojatnost selekcije i-te jedinke u bazen za križanje iznosi: p(i) = 1, za
i=1,2,...,n, dok je za ostale jedinke ta vjerojatnost jednaka nuli.
5.2.2.5. k-turnirska selekcija

Turnirska selekcija (engl. tournament selection) je selekcija u kojoj se iz populacije izvlači
slučajan uzorak od k rješenja i odabire se rješenje s najvećom dobrotom u izvučenu uzorku.
Turnirska selekcija koja iz populacije od N rješenja izvlači slučajan uzorak od k rješenja
naziva se k-turnirskom selekcijom. Generacijska turnirska selekcija N puta slučajno odabire k
jedinki, između njih selektira najbolju jedinku i kopira je u međupopulaciju (Slika 5.18.).
Slika 5.18. Generacijska k-turnirska selekcija
Eliminacijska turnirska selekcija M puta odabire k jedinki i eliminira najlošiju među njima
(Slika 5.19.). Parametar k naziva se veličinom turnira (engl. tournament size).
129
Slika 5.19. Eliminacijska k-turnirska selekcija
Prema veličini turnira, turnirske selekcije se dijele na binarnu turnirsku selekciju (k = 2), 3-
turnirsku selekciju, 4-turnirsku selekciju, itd. Za turnirsku selekciju nije potrebno sortirati
jedinke i važan je samo međusoban odnos između k slučajno odabranih jedinki. Neka najbolja
jedinka populacije ima oznaku 1, a najgora N. Najbolja jedinka se nikako ne može eliminirati
bilo kojom eliminacijskom turnirskom selekcijom jer će k – 1 ostalih slučajno odabranih
jedinki sigurno biti lošije od najbolje jedinke. To u principu znači da je elitizam inherentno
ugrađen u eliminacijske turnirske selekcije.
S obzirom na mogućnost ponavljanja odabira istih rješenja, postoje dvije varijante k-
turnirskih selekcija:
 varijanta u kojoj se k puta ponavlja biranje rješenja iz čitave populacije. S ovom je
izvedbom moguće više puta odabrati isto rješenje (odnosno da uzorak od k rješenja
sadrži duplikate), te
 varijanta u kojoj se biranje ponavlja k puta ali tako da se nakon svakog odabira dalje
bira iz podskupa populacije iz kojeg su uklonjena do tada odabrana rješenja (pa uzorak
od k rješenja neće imati duplikata ako originalna populacija nije imala duplikata).
5.2.2.6. Jednostavna turnirska selekcija

Jednostavna turnirska selekcija je specifičan oblik eliminacijske binarne turnirske selekcije
u kojoj se u jednom koraku slučajnim postupkom odabiru dva para jedinki. U svakom paru se
lošija jedinka selektira za eliminaciju. Križanjem preživjelih jedinki generira se dvoje djece
koja potom mutiraju i evaluiraju. Taj par novostvorenih jedinki nadomješta eliminirane
jedinke. Na taj način genetski algoritam s jednostavnom turnirskom selekcijom u istom
koraku obavlja i selekciju i reprodukciju. Slikom 5.20. je prikazan postupak selekcije i
reprodukcije u istom koraku.
130
Slika 5.20. Prikaz jednostavne turnirske selekcije
131
6. DOSADAŠNJA ISKUSTVA U RJEŠAVANJU

PROBLEMA OPTIMALNOG RAZMJEŠTAJA
DISTRIBUIRANE PROIZVODNJE
6.1. O problemu optimalnog razmještaja distribuirane

proizvodnje u distribucijskim mrežama
Problem optimalnog razmještaja distribuirane proizvodnje (engl. distributed generation
allocation) u distribucijskim mrežama se ubraja u kategoriju kompleksnih, nelinearnih, NP-
teških37 problema cjelobrojne kombinatoričke optimizacije. Probleme kombinatoričke
optimizacije karakteriziraju diskretne varijable odluke, konačan prostor rješenja (često vrlo
velik zbog moguće kombinatoričke eksplozije) te činjenica da funkcija cilja može biti bilo
kakva (linearna, nelinearna, kvadratna, neanalitička, nederivabilna, itd.).
Npr. ako se u 30 čvorova želi alocirati 7 distribuiranih izvora, od kojih svaki može imati 4
predefinirane snage, broj mogućih kombinacija (K) koje se trebaju ispitati je jednak:
n r!  30  7! 30! 7!
K            0,85  109 (6.1)
r r !r !
  1 2 3 4  r !r ! 7 2!3!1!1! 7!(30  7 )! 2!3!1!1!
gdje je n broj čvorova, r je ukupan broj DI-ova za priključenje, a r1 = 2, r2 = 3, r3 = 1 i r4 = 1

predstavljaju broj distribuiranih izvora iste veličine. Ako jedan proračun provjere dobrote
funkcije cilja računalo s radnim taktom 2 GHZ izračuna za cca 0,05 sekundi, trebat će oko
492 dana za provjeru svih kombinacija.
37
Teorija NP-potpunosti definira dva važna razreda problema optimizacije: razred P, koji sadrži probleme za
koje je poznato da su rješivi u polinomijalnom vremenu i razred NP-potpunih problema, za koje nije poznato
postoji li algoritam koji ih rješava u polinomijalnom vremenu. Problem je rješiv u polinomijalnom vremenu ako
postoji polinomijalni algoritam koji ga rješava. Deterministički Turingov stroj (DTS) je teoretski model
računskoga uređaja, svojim mogućnostima izračunavanja ekvivalentan današnjemu računalu. Nedeterministički
Turingov stroj (NTS) je teoretski računski uređaj koji se ne može fizički realizirati, ali se može simulirati na
DTS-u (računalu). Ipak, simulacija na DTS-u u načelu je eksponencijalno sporija (mjereno brojem koraka rada
stroja) nego što je izvođenje na NTS-u. Razred P definiran je kao razred svih problema rješivih DTS-om u
polinomijalnom vremenu. Razred NP definiran je kao razred svih problema rješivih u polinomijalnom vremenu
na NTS-u. Razred NP-potpunih problema je razred najtežih problema u NP. Razred NP-teških problema sadrži
sve probleme koji su jednako teški kao najteži problemi u NP ili teži od njih (nisu nužno u NP). Navedeni razred
sadrži brojne probleme koji se u praksi uobičajeno pojavljuju.
132
6. Dosadašnja iskustva u rješavanju problema optimalnog razmještaja distribuirane proizvodnje
Optimalan razmještaj distribuiranih izvora električne energije podrazumijeva određivanje

njihove optimalne lokacije i priključne (instalirane) snage u distribucijskoj mreži, pri čemu se
teži ka optimiranju jedne ili više funkcija cilja, uz zadovoljenje skupa ograničenja.
Za razliku od problema određivanja optimalnoga uklopnog stanja mreže (engl. distribution
network reconfiguraton) koji se usredotočuje na određivanje granica napajanja u poveznoj ili
prstenastoj mreži s ciljem minimiziranja gubitaka djelatne snage, optimalan razmještaj
(alokacija) DI-a polazi od pretpostavke da su nepoznanice upravo lokacije i priključne snage
budućih DI-a.
Problematika planiranja pojačanja i izgradnje distribucijske mreže (engl. distribution
network expansion) također ima dodira s problemom optimalnoga razmještaja distribuiranih
izvora, ali i jednu značajnu konceptualnu razliku. Naime optimizacija pojačanja i razvoja
mreže podrazumijeva sintezu mreže, odnosno odabir optimalne strukture razdjelnih mreža
(optimalne trase kabelskih i/ili nadzemnih vodova), uz poznate lokacije postojećih i planiranih
napojnih i potrošačkih trafostanica s ciljem minimiziranja troškova budućeg raspleta mreže
[63]. Uz uvjet kvalitetne i sigurne opskrbe električnom energijom svih potrošača, cilj je
minimizirati investicijske i pogonske troškove mreže (npr. troškovi polaganja kabela, troškovi
odabira transformatora za pokrivanje snage opskrbnoga područja) te troškove uslijed
neisporučene električne energije. Pritom se rješava problem trgovačkog putnika i problem
dostave iz jednog ili više skladišta, pri čemu se mreža planira dinamički u međuetapama sve
do završne godine planiranja (engl. planning horizon). Problematika planiranja i izgradnje
distribucijske mreže najčešće pripada problemima dugoročnoga planiranja, i iako u sebi često
ima ugrađene module za uključivanje distribuirane proizvodnje, ne može u potpunosti
predvidjeti njihovu dinamiku priključenja u distribucijsku mrežu. Naime iako postoje
stohastičke tehnike modeliranja neodređenosti lokacije i priključne snage budućih DI-a u
navedenoj problematici planiranja, vrlo je teško funkciju cilja takvoga plana pomiriti s ciljem
investitora DI-a za što bržom zaradom.
Iz navedenih razloga, problem alokacije DI-a predstavlja svojevrsnu kombinaciju
pogonskog i kratkoročnog planiranja mreže, pri čemu se integracija distriburanih izvora mora
provesti za već izgrađeni dio mreže, s minimalnim ulaganjima u promjenu strukture mreže
(koje snosi investitor DI-a u vidu tzv. stvarnih troškova). No, istovremeno, cilj je da budući
distribuirani izvori ne naruše pogonska stanja mreže (strujna i/ili naponska ograničenja) te da
istovremeno osiguraju benefit i za vlasnika mreže (ODS) i za investitora (može biti bilo koja
fizička ili pravna osoba, uključujući ODS i jedinice lokalne i područne samouprave). Pritom
se pretpostavlja da je dužina priključka zanemariva u odnosu na duljinu mreže koja se
133
promatra te da postoje (interna ili eksterna) ograničenja na samu lokaciju priključka i

priključnu snagu proizvodnoga postrojenja. Budući da je priključenje DI-a jednokratan
postupak (engl. one-time connection), potrebno je razmotriti postojeće stanje mreže ili
eventualne promjene u mreži na bazi kratkoročnih planova (do 3 godine u budućnosti) jer se u
tom periodu može očekivati ulazak proizvodnog postrojenja u pogon (period potreban za
rješavanje idejno-tehničke dokumentacije, pridobivanje građevinske dozvole, stjecanje statusa
povlaštenog proizvođača, izgradnju postrojenja, probni pogon, itd.).
Osnovni problem tematike optimalnog razmještaja DI-a je sama primjena rezultata. Čak i
ako je analitičkim postupcima pronađena kombinacija lokacija i priključnih snaga DI-a koja
će najpovoljnije djelovati na mrežu, nitko ne garantira da će investitor usvojiti rezultate.
Investitori su u pravilu slobodni da priključuju svoje proizvodne jedinice gdje žele i s kojim
priključnim snagama žele ukoliko je to tehnički prihvatljivo (ne nužno i optimalno). No,
pitanje je jesu li uistinu slobodni što se lokacija tiče? Poznato je da je izgradnja samostojećih
građevina zabranjena na negrađevinskom području te da su i gabariti građevina određeni (npr.
visina objekta i broj etaža) postojećim prostorno-planskim dokumentima (Prostorni plan
uređenja grada ili općine – Generalni urbanistički plan – Urbanistički plan uređenja – Detaljni
plan uređenja). Kada bi se sinergijom Tarifnoga sustava za proizvodnju električne energije iz
postrojenja OIEK-a i Prostorno-planske dokumentacije formirale poticajne zone za smještaj
distribuiranih izvora na temelju maksimalnog benefita za operatora mreže i investitora,
problem integracije DI-a bio bi velikim dijelom olakšan i ubrzan. Problem bi se mogao riješiti
i direktno između ODS-a i investitora, kada bi ODS izračunao financijske benefite
optimalnoga razmještaja DI-a te u zamjenu proizvođaču ponudio smanjene troškove
priključenja. U svakom slučaju, navedeni problemi još nisu riješeni, niti je razvijena
univerzalna metodologija njihova rješavanja. U ovoj radnji će biti prikazana metoda
optimalnog razmještaja DI-a s maksimalnim istovremenim financijskim benefitom za ODS i
investitora. Time će se možda potaknuti navedene subjekte na ponovno razmatranje načina
poticanja OIEK-a i usvajanje činjenice da proizvodna postrojenja nisu nužno "neprijatelji"
distribucijske mreže.
Problem optimalnog razmještaja distribuiranih izvora definira se ovisno o funkciji cilja
koju se želi optimizirati i njezinim ograničenjima koja se moraju zadovoljiti. U nastavku će
biti prikazane najčešće objektne funkcije (i njihova ograničenja) čija se minimizacija
(maksimizacija) uzima kao glavni kriterij pri određivanju optimalne lokacije i priključne
snage DI-a u mreži ODS-a. Svim rješenjima optimizacije zajedničko je da moraju zadovoljiti
naponsko-strujna ograničenja da bi bila prihvatljiva [64 – 68].
134
6.2. Neke funkcije cilja korištene za problem optimalnog

razmještaja distribuiranih izvora
U radovima koji se bave istraživanjem optimalnog razmještaja DI-a u distribucijskim
mrežama, koristi se čitav niz funkcija cilja i njihovih kombinacija. Metode optimiranja se
kreću od egzaktnih do heurističkih, premda potonje dominiraju u primjeni. U počecima
istraživanja najviše se koristila jednokriterijska optimizacija, no u posljednje se vrijeme sve
češće koristi višekriterijsko optimiranje. Ipak, u tom slučaju treba biti oprezan prilikom
odabira krajnjega rezultata (kod višekriterijske optimizacije ne dobiva se jedan rezultat, već
čitav niz rješenja distribuiranih po tzv. Pareto fronti38).
6.2.1. Gubici snage u distribucijskoj mreži
Operator distribucijskoga sustava (ODS) je odgovoran i nadležan subjekt za distribucijsku

mrežu od mjernih mjesta preuzimanja energije iz prijenosne mreže (u TS VN/SN) do mjernih
mjesta isporuke energije, uključujući brojila na izlazu iz mreže (na niskom naponu ili
srednjem naponu za veće kupce kategorije poduzetništva).
Ukupan gubitak električne energije u mreži ODS-a je razlika između izmjerene i
zabilježene, preuzete i isporučene električne energije koja se izražava u kWh (kvarh i kW), za
promatrano vremensko razdoblje (regulacijsku godinu). Ukupan gubitak električne energije u
mreži ODS-a sastoji se od tehničkog i netehničkog gubitka. Tehnički gubitak električne
energije u mreži ODS-a je projektirani gubitak za mrežu, koju čine ispravni elementi u
uvjetima tipičnoga dijagrama opterećenja i izražava se u kWh, za promatrano vremensko
razdoblje (regulacijsku godinu). Netehnički gubitak električne energije u mreži ODS-a je
razlika ukupnoga gubitka i tehničkoga gubitka, a izražava se u kWh-a (kvarh i kW), za
promatrano vremensko razdoblje (regulacijsku godinu). Za razliku od tehničkoga gubitka koji
je lako predvidjeti mjestom i vremenom, netehnički gubitak je teško predvidjeti i mjestom i
vremenom jer se u velikoj distribucijskoj mreži događa skoro stohastički. Netehnički gubitak
nastaje udaljavanjem radnih karakteristika i radne točke mreže od projektiranih veličina.
Primjerice, posljedica je neuredna održavanja i neispravnosti elemenata mreže, nedotegnutosti
38
Pareto fronta predstavlja rješenje višekriterijske optimizacije. U ovoj optimizaciji uglavnom ne postoji jedno
rješenje koje simultano optimira sve funkcije cilja, već više rješenja raspoređenih u tzv. Pareto frontu. Ta se
rješenja zovu nedominirajuća ili efikasna rješenja, a karakterizira ih svojstvo da svako od njih ne može
poboljšavati neke funkcije cilja, a da istovremeno druge ne pogorša.
135
stezaljki, kvara ili neispravnosti mjernih transformatora, brojila ili mjernih uređaja ili
pogrešnog tarifnog vremena. Netehnički gubitak je i neovlaštena potrošnja električne energije,
primjerice potrošnja mimo mjernih uređaja.
U prosjeku ODS u Hrvatskoj ima ukupan gubitak distribucijske mreže cca 8-10 % (u 2012.
godini prema Godišnjem Izvješću HEP ODS d.o.o. iznosi 8,68 %, odnosno 1.402.635.104
kWh) [69]. Za usporedbu, u europskim zemljama tehnički gubitak distribucijske mreže iznosi
od cca 4 % do cca 6 %.
Tehnički gubitak se teško smanjuje, a njegovo smanjivanje je vrlo skupo. Segmenti
tehničkih gubitaka su svojim manjim dijelom upravljivi nadzorom tokova snaga,
optimiranjem uklopnoga stanja mreže, alokacijom kondenzatorskih baterija ili upravljanom
termičkom potrošnjom, odnosno višetarifnim sustavom koji omogućuje ravnomjerniji dnevni
dijagram opterećenja bez izrazitih dnevnih minimuma i maksimuma. Tehnički gubitak je
svojim iznosom znatan, dugotrajan te se njegovim i malim smanjenjem ostvaruju dugoročne
znatnije uštede [70].
Deregulacijom elektroenergetskoga sektora i uvođenjem trećeg energetskog paketa EU-a39,
ODS kao energetski subjekt postaje financiran isključivo mrežarinom40, a pokriće svojih
gubitaka ostvaruje kupnjom električne energije na tržištu i posljedično, angažiranjem
elektrana. Nekoliko je mogućnosti nabave energije za pokrivanje gubitaka. Energija se
nabavlja preko burze električne energije (engl. Power Exchange – PEX) dan unaprijed,
dugoročnijim ugovorima ili bilateralnim ugovorima (engl. Over the Counter – OTC) [71].
Direktiva 2003/54/EC obvezuje operatore mreža, ako im je zakonski dodijeljena ta uloga, da
nabavljaju energiju za pokrivanje gubitaka na razvidan, nediskriminirajući i tržišno orijentiran
način. U nekim zemljama članicama EU-a, u tarifama za korištenje mreže (mrežarina),
komponenta gubitaka iskazuje se posebno (npr. Austrija), no u mnogim drugim zemljama,
kao npr. Hrvatskoj, gubici su uključeni u zajedničke tarife za korištenje mreže.
Budući da je distribucijska mreža poradi gubitaka energije i najveći pojedinačni potrošač u
istoj mreži, zanimljiv je podatak o utjecaju troška gubitka električne energije na prihod ODS-a
39
Treći energetski paket predstavlja paket zakona za tržište plina i električne energije unutar EU-a, s ciljem
njihove liberalizacije i deregulacije te razbijanja prirodnog monopola na energetske djelatnosti. Europski
Parlament i Vijeće Europske Unije su ga usvojili u srpnju 2009. godine. Treći paket zahtijeva suradnju
nacionalnih regulatora na razini EU-a, jačanje regulatornog nadzora na nacionalnoj razini, povećanje suradnje
nacionalnih operatora prijenosnoga sustava, razdvajanje operatora prijenosnoga sustava od djelatnosti
proizvodnje i opskrbe, osiguranje neovisnosti operatora sustava skladišta plina od ostalih djelatnosti u sektoru
prirodnoga plina, osiguranje neovisnosti operatora distribucijskog sustava od ostalih djelatnosti u energetskome
sektoru te smanjenje cijena energije i zaštitu krajnjih kupaca.
40
Odluka o visini tarifnih stavki u Tarifnom sustavu za distribuciju električne energije, bez visine tarifnih stavki
(NN, br. 49/12).
136
ostvaren mrežarinom. Prva aproksimacija izračuna odnosa troška gubitka energije i prihoda
od mrežarine govori da, ako je prihod ODS-a temeljem mrežarine 0,22 kn/kWh41, a
isporučena električna energija 2012. godine iznosi 14.850.834.729 kWh, ukupan prihod od
mrežarine je oko 3.267.183.640,38 kn. Ostvareni gubitak električne energije u 2012. je
1.402.635.104 kWh što, uz prosječnu cijenu električne energije na europskim burzama od
0,38 kn/kWh iznosi oko 533.001.339,52 kn. Tako gubitak fizičke veličine kWh od 8,68 % u
mreži distribucije proizvodi smanjenje prihoda od mrežarine za 16,31 %, a temeljem
kupovine električne energije za pokriće gubitaka na tržištu energije kao troška poslovanja.
Zaključno, jedan posto gubitka električne energije (kWh) u mreži implicira 1,88 % gubitka
ukupnoga prihoda ostvarenog mrežarinom. Za pokriće gubitka električne energije u mreži
distribucije potreban je trajni rad jedne elektrane snage cca 160 MW. Imajući u vidu sve
rečeno, manji gubitak električne energije u distribucijskoj mreži ODS-a će izravno utjecati na
smanjenje troškova poslovanja, odnosno povećanje učinkovitosti rada ODS-a.
Postupak nabave energije gubitka na tržištu, a za potrebe pokrivanja godišnjih gubitaka
električne energije u mreži ODS-a, treba biti proveden postupkom natječaja. Postupkom
nabave se od jednog ili više dobavljača obavlja i ugovara kupovina električne energije za
narednu godinu u cijelosti ili za kraći period godine. Ovako dobavljenom energijom treba
pokriti ukupan gubitak u mreži, tehnički i netehnički. Natječaj za nabavu električne energije
za pokriće gubitka u mreži sadrži satne energije za ugovorni period, ukupnu energiju za
ugovorni period te ukupnu cijenu energije za tako iskazane energetske veličine. Danas je
tržišna vrijednost dobavljive električne energije za pokriće gubitaka oko 50 €/MWh (0,38
kn/kWh).
Da bi se smanjio teret plaćanja gubitaka za kupce, potrebno je distribuirane izvore alocirati
tako da se nakon njihove integracije smanje godišnji gubici energije. Navedeno smanjenje
predstavlja financijsku uštedu za ODS, i kada bi se sustavno provodilo za svaki izvod na koji
se priključuju DI-ovi (naročito u SN mreži gdje teku veće snage), ušteda na razini cijeloga
ODS-a bila bi izrazito velika.
Pri minimiziranju gubitaka djelatne snage (a često i jalove, iako se u tu svrhu alociraju
kondenzatorske baterije) potrebno je u algoritmu optimalnog razmještaja DI-a mijenjati
njihov položaj i izlaznu snagu u mreži sve dok generirani gubici u mreži ne postanu najmanji.
41
Prema prethodnom dokumentu, cijena mrežarine za distribuciju za Plavi tarifni model iznosi 0,22 kn/kWh.
137
6.2.2. Pad napona i varijacija napona u mreži
Integracija DI-a u distribucijsku mrežu je jedna od mjera smanjenja padova napona i

varijacija napona u mreži. Priključak DI-a na razdjelnu mrežu dovodi do promjene tokova
snaga u mreži te samim time i do promjene profila napona izvoda na koji je proizvodna
jedinica priključena. Slikom 6.1. prikazan je primjer promjene profila napona i varijacije
napona u svim čvorovima distribucijske mreže prije i poslije priključenja vjetroelektrane.
Vidljivo je da se ukupne varijacije napona tijekom nekog vremenskog perioda moraju
promatrati kao unija varijacija napona mreže bez DI-a i sa DI-om. Naime dovoljno je za npr.
vjetroelektrane i/ili sunčane elektrane promatrati samo jedan dan, odnosno periode kada
ima/nema sunčeva zračenja/vjetra da se zaključi kako će profil napona u mreži znatno varirati
njihovim priključenjem. Problem se znatno usložnjava kada je priključeno više različitih
tipova DI-a na nekom dijelu mreže (npr. na jednom izvodu).
Slika 6.1. Primjer profila napona i raspona varijacije napona čvorova jednog izvoda u
distribucijskoj mreži nakon priključenja DI-a
Rješenje problema se nazire u minimizaciji utjecaja DI-a na profil napona mreže, tj.
odabiru one snage i lokacije DI-a koja će najpovoljnije djelovati na promjene napona u mreži.
Najpovoljniji profil napona u mreži je jednak konstantnoj funkciji, tj. ni linearno padajućoj ni
linearno rastućoj, kako je inače slučaj u praksi. Dakle, idealno bi bilo održati napone svih
čvorova u mreži na razini nazivnoga napona mreže (pad napona do svakog čvora bi tada bio
jednak nuli).
138
Zadržavanjem napona mreže na nazivnoj razini (izravnavanjem, odnosno "peglanjem"

profila napona mreže), neizravno se potiče prihvat više novih, manjih i disperziranijih izvora
Uz "peglanje napona", često se kao funkcija cilja koristi i minimizacija statičkih varijacija
napona u mreži. Varijacije napona u distribucijskoj mreži uvjetovane su prvenstveno razinom
potrošnje te u manjem dijelu načinom regulacije napona na granici prijenosne mreže
(transformatori 110/x kV). Najveće varijacije napona događaju se na dugim izvodima 10 kV
mreže. Regulacijom prijenosnoga omjera na transformatorima 35/10 kV i 10/0,4 kV može se
u određenoj mjeri popraviti prosječan naponski profil, ali ne i varijacije napona, tj. raspon
naponskih prilika za vrijeme minimalnog i maksimalnog opterećenja mreže.
Evidentno je kako problematika varijacije napona već i u pasivnoj SN mreži direktno
utječe na varijaciju napona u NN mreži. Čak i uz korištenje automatske regulacije napona na
VN/SN transformatorskim stanicama i ručne regulacije napona na SN/NN transformatorskim
stanicama, bilo kakva promjena napona u bilo kojem čvorištu SN mreže direktno će se
odraziti na NN mrežu napajanu iz spomenutog čvorišta (Slika 6.2.). Situacija se dodatno
komplicira zbog činjenice da se u aktivnoj mreži varijacijama napona zbog minimalne i
maksimalne potrošnje izvoda mora superponirati i varijacija napona uslijed minimalne i
maksimalne proizvodnje distribuiranih izvora.
Smanjenje statičkih varijacija napona pretpostavlja odabir kombinacije snaga i lokacija DI-
ova tako da njihov raspon prije i poslije priključenja DI-ova bude minimalno izmijenjen.
139
Slika 6.2. Primjer naponskih prilika pri varijaciji potrošnje od minimalne do maksimalne, uz
održavanje konstantnog napona na sekundaru TS 110/10 kV
6.2.3. Povećanje struja kratkoga spoja
U tradicionalnoj distribucijskoj mreži snaga kratkoga spoja je uobičajeno najvećega iznosa

u čvorištu VN/SN transformatora. U slučaju priključka elektrane potrebno je provjeriti snagu
kratkoga spoja za svaki pojedini slučaj priključenja i u svakome čvoru izvoda na koji je DI
priključen. Dobiveni rezultati analize kratkoga spoja služe za uvid u potrebnu razinu
rasklopnih moći pojedinih prekidača koje moraju biti veće od maksimalne snage kratkoga
spoja.
Osim s ciljem dimenzioniranja opreme, ova analiza se provodi i s ciljem ispitivanja
krutosti mreže na mjestu priključka elektrane. Pod pojmom krutosti mreže podrazumijeva se
omjer snage kratkoga spoja u priključnome čvorištu i instalirane snage promatrane elektrane
(Sk3/Sel). Što je krutost mreže veća, to je čvorište prihvatljivije za priključak s aspekta
kratkoga spoja.
Slika 6.3. Primjer utjecaja struje kratkoga spoja DI-a na potrebu povećanja rasklopne moći
prekidača u mreži
Postojanje distribuirane proizvodnje koja ima izravno spojene sinkrone ili asinkrone
generatore u distribucijskoj mreži utječe na povećanje struja kratkoga spoja, a time i snage
kratkoga spoja. Utjecaj je to veći što je mjesto kratkoga spoja bliže točki priključenja DI-a.
140
Utjecaj asinkronoga generatora u subtranzijentnome periodu je važan zbog pojave udarnih

struja i istosmjerne komponente koja može dovesti do zasićenja zaštitnih strujnih
transformatora, ugrožavanja pravilnoga rada sustava zaštite i smanjenja efikasnosti prekidača
koji isključuju mjesto kvara. Nakon tog perioda, zbog gubljenja uzbude, asinkroni generator
ima ulogu pasivnoga elementa mreže (otpora). Zbog nezavisne uzbude sinkroni generator
napaja mjesto kvara tijekom trajanja kratkoga spoja (do prorade zaštite), dajući stalan
doprinos povećanju struje kvara. Proizvodna postrojenja s elektroničkim sučeljem prema
mreži (izmjenjivači) ne pridonose porastu snage kratkoga spoja, budući da se na mrežu
priključuju isključivo preko pretvarača koji ne mogu razviti struje veće od nazivnih.
Radovi na temu alokacije DI-a ne bave se u principu koordinacijom i namještanjem relejne
zaštite mreže, već provjerom je li nakon integracije DI-a nova snaga kratkoga spoja veća od
one za koju je dimenzionirana zaštitna oprema mreže. Često je osnovni cilj odabrati takvu
kombinaciju mjesta i snaga priključenja DI-a da porast snage kratkoga spoja (tropolnoga i/ili
jednopolnoga) na razini promatrane mreže bude minimalan.
6.2.4. Stabilnost napona
Naponska stabilnost je sposobnost sustava da u normalnome pogonu ili nakon poremećaja

održi vrijednosti napona u propisanim granicama. Glavni uzrok nestabilnosti je nemogućnost
sustava da isporuči potrebne količine jalove energije, posljedica čega je propad i, naposljetku
slom napona. Za elektroenergetski sustav se može reći da je naponski stabilan ako su mu svi
čvorovi naponski stabilni, a naponski nestabilan ako sadrži bar jedan naponski nestabilan
čvor.
Kriterij za naponsku stabilnost kaže da na svim sabirnicama u sustavu, pri određenim
radnim uvjetima, napon sabirnica raste ako na istim sabirnicama snaga injektiranja jalove
snage poraste. Sustav je naponski nestabilan ako na bar jednim sabirnicama u sustavu napon
opada dok na istim sabirnicama injektirana jalova snaga raste. Sustav postaje naponski
nestabilan ako poremećaj ili događaj izaziva propadanje napona koje ni automatika ni
dispečerske upravljačke akcije ne mogu zaustaviti.
Naponski slom je proces u kojemu naponski nestabilan sustav doživljava nekontroliran pad
napona. U slučaju naponskoga sloma operatori sustava gube kontrolu nad tokovima snaga i
vrijednostima napona u pojedinim dijelovima sustava ili u cijelome sustavu. Naponska
sigurnost se definira kao sposobnost sustava da ostane stabilan i nakon određenoga (unaprijed
specificiranog) poremećaja ili nepovoljnoga događaja. Prema navedenim definicijama
141
naponska nestabilnost se javlja kada je snaga potrošnje veća od granične (maksimalne) snage
prijenosa razmatrane mreže.
Karakteristike sustava pri promatranju naponske stabilnosti se najbolje opisuju P – U
krivuljama (iako se često koriste i Q – U krivulje). P – U krivulje prikazuju ovisnost napona o
injektiranoj djelatnoj snazi u promatrano čvorište. Slikom 6.4. prikazana je tipična P – U
krivulja.
Slika 6.4. Primjer P – U krivulje
Iz krivulje se primjećuje nelinearan odnos dviju promatranih veličina. Na slici se vidi da

porastom prijenosa snage, odnosno injektiranjem snage u čvor, napon tog čvora pada (gornji
dio krivulje). Točka na krivulji kojoj odgovara kritični prijenos snage, odnosno kritični napon,
naziva se koljenom P – U krivulje. U ovome primjeru to odgovara prijenosu snage od 100 %
prijenosne moći voda i 70 % vrijednosti napona u čvoru. Ukoliko bi opterećenje u
promatranome čvorištu naraslo iznad 100 % došlo bi do pada prijenosa snage i nagloga pada
napona, što dovodi do nestabilnosti i mogućeg naponskog sloma (donji dio krivulje). Dakle,
premda bi struja tereta čvora rasla, zbog naglog i mnogo bržeg pada napona, iznos djelatne
snage bi opadao sukladno formuli za djelatnu snagu prenesenu u trofaznome simetričnome
sustavu.
Bitno je napomenuti da, nakon što je dosegnuta kritična točka i nastupi slom napona,
proračuni tokova snaga divergiraju. To znači da je nemoguće odrediti iznos električnih
veličina čvorova i grana u mreži.
142
Jedno od mogućih rješenja koje se može implementirati u distribucijski sustav je

instaliranje distribuiranih izvora električne energije s regulacijom jalove snage. No, čak i oni
mogu predstavljati potencijalni problem pri promatranju naponske stabilnosti. Slikom 6.5. je
prikazano pet P – U krivulja s pet različitih faktora snage.
Slika 6.5. P – U krivulje s različitim faktorom snage
Dodavanjem jalove snage distribuiranoga izvora u promatrano čvorište, faktor snage se s

iznosa 0,85 induktivno "popravlja" na iznos jedan. Daljnjim injektiranjem jalove snage faktor
snage se mijenja na 0,9 kapacitivno. Primjećuje se da se koljeno krivulje pomiče gore desno
omogućujući veći prijenos snage pri istom opterećenju. Negativna posljedica pretjeranoga
dodavanja jalove snage u čvor je "maskiranje" koljena krivulje. Drugim riječima, nestaje
najvažniji pokazatelj nestabilnosti, a to je pojava nagloga pada napona prije pojave
naponskoga sloma.
Ipak, priključkom DI-a u mrežu većinom se popravlja naponska stabilnost čvorova okolne
mreže, odnosno povećava se udaljenost od radne točke do točke naponskoga sloma. To u
praksi znači da će navedeni čvorovi moći preuzeti dodatan teret u mreži. Za problem alokacije
potrebno je mijenjati položaj i izlaznu snagu DI-a u mreži s ciljem maksimizacije udaljenosti
radne točke od točke pojave naponskoga sloma za sve čvorove na razini promatrane mreže.
6.2.5. Povećanje kapaciteta vodova mreže
Integracijom DI-a, u mreži ODS-a dolazi do rasterećenja izvoda napojnih trafostanica, ali i
do mogućih preopterećenja vodova u blizini priključenih distribuiranih izvora (utjecaj je jači s
većim smanjenjem presjeka vodova u mreži, tj. smanjenjem prijenosne moći vodova). Cilj je
143
ove objektne funkcije minimizirati tokove snaga kroz elemente distribucijske mreže. Na taj se
način potiče priključenje distribuiranih izvora neposredno uz centre potrošnje da bi dionice
mreže ostale što manje opterećene. Indirektno se na ovaj način omogućava priključenje većeg
tereta u postojeću mrežu. Za rješenje problema alokacije potrebno je naći optimalnu lokaciju i
priključnu snagu DI-a s ciljem minimizacije tokova snaga svih dionica na razini promatrane
mreže.
6.2.6. Odlaganje ulaganja u pojačanje i/ili izgradnju mreže
Rasterećenjem vodova u mreži smanjuju se, ili barem odgađaju, ulaganja u pojačanje i/ili
izgradnju distribucijske mreže (engl. invesment deferral), što predstavlja značajno smanjenje
investicijskih troškova za Operatora distribucijskoga sustava. Osnovna ideja je da rasterećenje
nekih elemenata ispod njihove prijenosne moći, uslijed utjecaja DI-a, može potrajati kroz
čitav period planiranja. Ako ODS analizom to i potvrdi (što uključuje i scenarije porasta
opterećenja), neće biti potrebno ulagati novac u zamjenu ili izgradnju novih elemenata mreže.
Uštede se mogu kvantificirati cijenom polaganja novog ili zamjenskog voda, napojnog
transformatora, itd.
6.2.7. Poboljšanje THD faktora
Kvaliteta napona dio je ukupne kvalitete električne energije i u nekoj točki distribucijske
mreže iskazuje zbirno međudjelovanje proizvodnih jedinica, prijenosnih i distribucijskih
vodova i transformacija, te trošila spojenih na elektroenergetski sustav. Izražava se kroz više
parametara, poput harmoničkoga izobličenja valnog oblika napona, brzih dinamičkih
promjena napona (flikera), nesimetričnosti napona, propada napona, prenapona, itd.
Idealno gledajući, valni oblici struje i napona trebali bi biti savršene sinusoide. Međutim
radi povećane popularnosti elektroničkih i ostalih nelinearnih tereta, ovi valni oblici često
postaju izobličeni. Uređaji koji koriste pretvarače (ispravljače) su danas vrlo rasprostranjeni,
poput računala, TV uređaja, pisača, medicinske opreme, fluorescentne rasvjete i niza
kućanskih aparata. U industriji su također često korišteni frekventni pretvarači, energetski
ispravljači i sl. Odstupanje od savršenoga sinusnog vala može se predstaviti harmonicima,
odnosno sinusoidalnim komponentama čija je frekvencija cijeli višekratnik osnovne
frekvencije42.
42
Bilo koji neperiodičan signal može se pomoću Fourierove analize rastaviti na sumu istosmjerne komponente i
sinusoidalnih signala osnovne i više frekvencije.
144
Slika 6.6. Prikaz harmonički izobličenoga vala i njegovih sinusnih komponenti
Dakle, čisti naponski i strujni sinusni val nema izobličenja, dok nesinusoidalni val ima
izobličenja i harmonike. Da bi se odredila razina izobličenja koristi se izraz ukupno
harmoničko izobličenje (engl. total harmonic distortion – THD). Izraz označava izobličenje
kao postotak osnovnoga vala (čistog sinusa) struje i napona, prema formuli:
n
2
 Ii
i 1 I 2  I12 (6.2)
THD  
I1 I1
pri čemu je I1 efektivna vrijednost prvoga (osnovnog) harmonika, Ii efektivna vrijednost i-tog
harmonika, I je efektivna vrijednost izobličenoga signala, a n je ukupan broj harmonika.
Strujni harmonici su problem jer uzrokuju povećanje gubitka u komponentama EES-a.
Transformatori su posebno osjetljivi na ovaj problem te im prijenosna moć može pasti na 50
% kada napajaju terete s izuzetno jakim valnim izobličenjem struje (THD iznad 100 %).
Tereti s jako izobličenim valnim oblikom struje također imaju slabi faktor snage i zbog toga
koriste više kapaciteta EES-a i mogu biti izvor preopterećenja. Osim toga strujni harmonici
mogu izobličiti naponski val i izazvati naponske harmonike. Naponska izobličenja utječu ne
samo na osjetljive elektroničke terete nego i na električne motore i kondenzatorske baterije. U
električkim motorima neki neparni harmonici (5, 11, 17) mogu izazvati ne samo zagrijavanje
već i mehaničke oscilacije.
145
U hrvatskim Mrežnim pravilima elektroenergetskog sustava navodi se da vrijednost faktora

ukupnoga harmoničkog izobličenja napona uzrokovanog priključenjem proizvođača i/ili
kupca na mjestu preuzimanja i/ili predaje može iznositi najviše:
 na razini napona 0,4 kV: 2,5 %,
 na razini napona 10 i 20 kV: 2,0 %,
 na razini napona 30 i 35 kV: 1,5 %.
Navedene vrijednosti odnose se na 95 % 10-minutnih prosjeka efektivnih vrijednosti

napona za razdoblje od tjedan dana.
Kod problema optimalnoga razmještaja DI-a, ideja je pronaći njihovu optimalnu lokaciju i
priključnu snagu s ciljem minimalnoga povećanja THD faktora na razini promatrane mreže.
6.2.8. Pouzdanost mreže
Raspoloživost ili pouzdanost električne energije (neprekinutost napajanja) dio je ukupne

kvalitete električne energije i u nekoj točki distribucijske mreže predstavlja vjerojatnost da
korisnik mreže neće ostati bez napajanja. Općenito govoreći, pouzdanost napajanja obično ne
biva povećana integracijom distribuiranih izvora koji su izvan sustava daljinskoga upravljanja
distribucijskom mrežom, naročito ako je važećim mrežnim pravilima zabranjen otočni rad DI-
a. No, u slučaju DI-a priključenih na SN mrežu (koji se bez iznimke redom uključuju u sustav
daljinskoga vođenja ODS-a) kojima je zasebnim ugovorima dozvoljen otočni rad, mogu se
popraviti pokazatelji pouzdanosti potrošača i distribucijske mreže:
 SAIFI – indeks prosječne učestalosti prekida sustava (engl. System Average
Interruption Frequency Index),
 CAIFI – indeks prosječne učestalosti prekida potrošača (engl. Customer Average
Interruption Frequency Index),
 SAIDI – indeks prosječnoga trajanja prekida sustava (engl. System Average
Interruption Duration Index),
 CAIDI – indeks prosječnoga trajanja prekida potrošača (engl. Customer Average
Interruption Duration Index),
 ASAI – indeks prosječne raspoloživosti napajanja (engl. Average Service Availability
Index),
 ASUI – indeks prosječne neraspoloživosti napajanja (engl. Average Service
Unavailability Index),
146
 ENS – indeks neisporučene energije (engl. Energy Not Supplied Index),

 AENS – indeks prosječno neisporučene energije (engl. Average Energy Not Supplied
Index).
Osnovna je ideja pronaći optimalnu lokaciju i priključnu snagu DI-a s ciljem

maksimalnoga povećanja pokazatelja pouzdanosti na razini promatrane mreže. Pritom je jako
važno voditi računa o određivanju maksimalnoga tereta koji svaki DI može preuzeti. Ako se
npr. dogodi kvar na sabirnicama izvoda i prva dionica postane mjesto prekida mreže (isklopi
se prekidač u vodnome polju izvoda), a DI pritom nema dovoljno snage da preuzme cijeli
teret izvoda, proradit će njegova prekostrujna zaštita i svi korisnici na izvodu će ostati bez
rezervnoga napajanja. Zato je ključno odabrati gdje se može postaviti krajnja granica
napajanja na izvodu da bi se osiguralo rezervno napajanje (dijela) korisnika za vrijeme
trajanja popravka, a sve do uspostave ponovnoga paralelnog pogona DI-a s mrežom. Naravno
da je pri uspostavljanju paralelnoga pogona potrebno DI-ovu jedinicu sinkronizirati s
mrežom.
6.2.9. Troškovi distribuiranih izvora
Optimalan razmještaj DI-a može se temeljiti i na minimizaciji njihovih troškova. Troškovi

DI-a uključuju troškove izgradnje, održavanja i goriva, često diskontirane na sadašnju
vrijednost. Ova funkcija cilja rijetko se kada pojavljuje samostalno, već ponajprije u
kombinaciji s drugim funkcijama cilja.
6.2.10. Emisije stakleničkih plinova
Budući da distribuirani izvori svojom proizvodnjom nadomještaju velike centralne jedinice

(od kojih jedan veliki dio proizvodi stakleničke plinove), problematika priključenja DI-a
može imati pozitivan utjecaj na smanjenje emisija stakleničkih plinova. U svijetu se već
ustalila praksa trgovanja emisijskim kvotama na otvorenim burzama, pri čemu je trgovanje
emisijskim jedinicama plinova (engl. cap and trade) metoda koja na tržišnome principu
kontrolira zagađenje okoliša te ekonomskim metodama nastoji postići smanjenje emisija
plinova štetnih za okoliš. Pritom, centralna vlast (obično Vlada) postavlja granicu količine
emisija koja smije biti emitirana u okoliš. Ta ukupna količina emisija se prodaje ili razdjeljuje
tvrtkama u obliku emisijskih kvota koje predstavljaju dozvoljenu količinu emitiranih emisija
štetnih plinova. Tvrtke su dužne pridržavati se emisija koje su pokrivene njihovim kvotama.
147
Ukupan broj prodanih i dodijeljenih kvota ne smije premašiti granicu dopuštenih emisija,
čime se ograničava ukupna emisija štetnih plinova u okoliš. Tvrtke koje nemaju dovoljno
kvota emisijskih jedinica za pokrivanje verificiranih emisija, moraju kupiti kvote od onih
tvrtki koje ih imaju viška.
No iako se izraz trgovanje emisijama uvriježio u praksi, potrebno je napomenuti da se
zapravo ne trguje emisijama, već pravima na emisiju, pri čemu je jedno pravo na emisiju
ekvivalentno dozvoli za emitiranje jedne tone CO2eq43. Može se trgovati i jedinicama ostalih
stakleničkih plinova, ali njihov utjecaj se svodi na utjecaj ekvivalenta ugljičnog dioksida.
Navedene kvote ili jedinice mogu se prodavati privatno ili na međunarodnome tržištu po
cijeni koju formira samo tržište, odnosno zakon ponude i potražnje.
Postoje aktivni programi trgovanja kvotama za nekoliko plinova zagađivača zraka.
Europska shema trgovanja stakleničkim plinovima (engl. Emissions Trading System – ETS) je
najveći program trgovanja emisijama stakleničkih plinova u svijetu. Republika Hrvatska
postala je sastavni dio ovoga sustava 1. siječnja 2013. godine, pola godine prije pristupanja u
Europsku Uniju. Ova funkcija cilja također se rijetko kada pojavljuje samostalno.
6.3. Primjeri rješavanja problema optimalnog razmještaja

6.3.1. Jednokriterijska optimizacija
Rad [72] se temelji na minimizaciji gubitaka djelatne snage u mreži. Ideja je heurističkim
algoritmima pronaći onu kombinaciju snage i lokacije DI-a za koju će gubici snage u mreži
biti najmanji. Cilj je minimizirati sljedeću funkciju:
line
Fobj   Plossi (6.3)
i 1
pri čemu Plossi označava gubitke koji se generiraju na dionici i distribucijske mreže, a line
predstavlja ukupan broj dionica u promatranoj mreži.
Algoritam korišten za optimizaciju funkcije cilja je algoritam roja krijesnica (engl. firefly
algorithm), koji je razvio dr. Dr. Xin-She Yang-a na Sveučilištu Cambridge u 2007. godini.
43
Dana 04.01.2014. prosječna cijena 1 tone CO2eq na europskome tržištu emisija (ETS) bila je između 6,22 € i
6,40 €.
148
U članku [73] autori minimiziraju gubitke upotrebom genetskih algoritama i to za 3

specifična slučaja opterećenja mreže: vršno, srednje i minimalno opterećenje. Pritom je
evidentno da su rezultati alokacije različiti u sva tri slučaja, što implicira potrebu da se mreža
pri alokaciji ne promatra samo kroz vršne (i vremenski najkraće) terete.
Članak [74] se također bavio minimizacijom gubitaka djelatne snage usporedbom različitih
varijacija algoritma roja čestica. Promatrani su slučajevi alokacije jednog, dvoje i troje
distribuiranih izvora.
Autori rada [75] su razmatrali optimalan razmještaj distribuiranih izvora i kondenzatorskih
baterija s ciljem minimiziranja gubitaka djelatne snage. Rezultati su pokazali da njihov
optimalan smještaj ne popravlja samo gubitke u mreži, već i naponske prilike (iako napon nije
uzet kao varijabla funkcije cilja). Za rješavanje problema optimizacije korišten je algoritam
diferencijalne evolucije (engl. differential evolutionary algorithm).
Članak [76] također se orijentirao na minimizaciju gubitaka snage u mreži. Pretpostavka je
da distribuirani izvor radi sa jediničnim faktorom snage, tj. daje u mrežu samo djelatnu snagu.
U tom je slučaju struja bilo koje grane u mreži jednaka:
I ainew  I ai  Di  I DG (6.4)
gdje Iainew označava djelatnu komponentu struje dionice i u mreži s priključenim

distribuiranim izvorom, Iai označava djelatnu komponentu struje iste grane u mreži bez
priključenog DI-a, a IDG označava struju koju DI daje u mrežu. Di predstavlja faktor koji je
jednak 1 ako se promatrana grana nalazi između napojne TS i distribuiranoga izvora, odnosno
0 ako se promatrana grana nalazi iza distribuiranoga izvora.
Budući da uštede gubitaka mreže predstavljaju razliku gubitaka snage prije alokacije i
poslije alokacije DI, analitičkim putem je moguće naći struju DI-a koja generira najveće
uštede gubitaka u mreži:
n n
  I ai   Ri   I ai  Di  I DG   Ri
new 2 2
max S  PLa  PLa (6.5)
i 1 i 1
149
S
I DG
n
 
 2  Di  I ai  D i2  I DG  Ri  0
i 1
(6.6)
n
 I ai  Ri
I DG   i n1 (6.7)
 Di  Ri
i 1
S prestavlja uštedu gubitaka snage, a Ri predstavlja uzdužni otpor dionice i.

Navedenu formulu autori koriste da bi za svaki čvor izračunali pomoćnu optimalnu
vrijednost priključne snage DI-a za potrebe maksmizacije uštede snage gubitaka. Pritom, čvor
s priključenim DI-om koji daje najveće uštede uzima se kao optimalna lokacija u koju će se
smjestiti prvi DI. Drugi DI se smješta u čvorište s drugim najvećim uštedama snage, i
postupak se ponavlja do proizvoljnoga broja DI-a. Za rješenje problema simultane alokacije
više DI-a uzimaju se navedeni čvorovi kao ulazni podaci, a algoritmom kolonije pčela se
simultano traže njihove optimalne snage.
Sljedeći korak u problemu optimalnoga razmještaja DI-a na temelju optimiranja gubitaka
snage, napravili su autori članka [77]. Prikladna čvorišta za smještaj DI-a tražena su analizom
osjetljivosti gubitaka mreže u odnosu na injektiranu djelatnu snagu svakoga čvora:
Ploss
 
n
 2  ij Pi   ij Qi (6.8)
Pi j 1
pri čemu Pi označava injektiranu snagu u čvorište i, a αij i βij predstavljaju koeficijente
gubitaka snage.
Novost u odnosu na prethodne radove je ideja da se potrošnja ne predstavi konstatnom
funkcijom, već godišnjom krivuljom trajanja opterećenja44. Godišnja krivulja trajanja
opterećenja napojne TS je diskretizirana u odnosu na realne kontinuirane vrijednosti promjene
snage i podijeljena na 3 karakteristične razine opterećenja (Slika 6.7.). Potrošačke TS imaju
identičan oblik krivulje trajanja opterećenja, ali sa svojstvenim minimalnim, srednjim i vršnim
snagama.
44
Krivulja trajanja opterećenja predstavlja uređeni godišnji dijagram potrošnje od maksimalne do minimalne
vrijednosti.
150
Slika 6.7. Prikaz diskretizirane krivulje trajanja opterećenja
Nakon rangiranja lokacija za smještaj DI-a, optimizacijski problem odabira optimalne

snage je riješen genetskim algoritmima uz kodiranje rješenja u 12 bitnom binarnom zapisu.
Razdoblje planiranja je uzeto u trajanju od 10 godina, pri čemu je godišnji porast tereta 2,5 %.
Genetski algoritam je korišten i za rješavanje optimizacijskoga problema u [78]. Međutim
varijable nisu kodirane binarnim, već realnim brojevima. Svaka je proizvodna jedinica
kodirana snagom i lokacijom, kao na Slici 6.8. Drugim riječima, svaki kromosom zapisan je u
formi polja s (num_EG x 2) elemenata. Pritom je num_EG broj DI-ova koje se želi alocirati u
mrežu.
Slika 6.8. Prikaz kodiranja rješenja genetskim algoritmom
Za selekciju je korištena jednostavna proporcionalna generacijska selekcija, a za križanje je

najprije potrebno nasumice pronaći redni broj α elementa kromosoma na kojemu će se
izmjenjivati genetski materijal roditelja.

parent1  p m1 ,..., pm ,..., pmNpar  (6.9)
151

parent 2  pd 1 ,..., pd ,..., pdNpar  (6.10)
gdje parent1 i parent2 predstavljaju roditelje, pmα i pdα predstavljaju elemente polja
kromosoma roditelja, a Npar predstavlja duljinu kromosoma.
Zatim dolazi do križanja elemenata pmα i pdα prema sljedećoj jednadžbi:
pnew1  pm     pm  pd  (6.11)
pnew2  pm     pm  pd  (6.12)
I konačno se formiraju potomci:

offspring1  pm1 ,..., pnew1 ,..., p mNpar  (6.13)

offspring 2  pd 1 ,..., p new2 ,..., p dNpar  (6.14)
Mutacija se obavlja kao nasumična izmjena elemenata polja kromosoma s malom

vjerojatnošću. Rezultati na primjeru mreže sa 69 čvorišta ukupnih snaga 3.802,19 kW i
2.694,60 kvar ukazuju da gubici padaju i do 67 % s optimalnim priključenjem dvije
proizvodne jedinice.
Za razliku od prijašnjih radova, autori članka [79] su se usmjerili k odabiru onog
optimalnog razmještaja DI-a i kondenzatorskih baterija koji će dati najviše vrijednosti napona
najslabijega čvora u mreži. Drugim riječima, za svaku kombinaciju lokacija i snaga DI-a i
kondenzatorskih baterija, traži se čvor mreže s najmanjom vrijednosti napona. Kada se
pronađe kombinacija DI-a i kondenzatorskih baterija u kojoj najmanji napon u mreži ima
najveću vrijednost u odnosu na ostale kombinacije, onda se ona proglašava optimalnim
rješenjem. Funkcija cilja je predstavljena formulom:
max U L (6.15)
152
pri čemu je UL najniži napon u mreži, pronađen rangiranjem napona svih čvorova nakon
provedena proračuna tokova snaga.
Pritom mora vrijediti da je UL veći od tehničkoga ograničenja minimalnoga napona u
mreži. Optimalan razmještaj se provodi zasebno za DI i kondenzatorske baterije.
Autori članka [80] su postupak odabira optimalnoga razmještaja DI-a podijelili na dvije
razine. U prvoj su definirali optimalno čvorište za smještaj DI-a na temelju indeksa stabilnosti
(Slika 6.9.):
Slika 6.9. Uz određivanje indeksa stabilnosti čvora j
Lj 
1
Vj4
 2

 Pi X  Qi R   V i2 Pj R  Q j X  , L  maxL1 , L2 ,..., LN  (6.16)
gdje je Lj indeks naponske stabilnosti čvora j u rasponu [0, 1], pri čemu vrijednost 1
predstavlja naponski slom čvora j. R i X su uzdužni otpor i induktivitet grane ij, a P i Q
predstavljaju djelatnu i jalovu snagu koja teče tom dionicom.
Nakon što se pronađe čvorište s najvećim indeksom stabilnosti, u njega se smješta
distribuirani izvor. Potrebno je još pronaći optimalnu snagu DI-a, a ona se traži s obzirom na
dva odvojena kriterija. Prvi kriterij su minimalni gubici snage, a drugi kriterij predstavlja
minimizacija naponske nestabilnosti čvora u kojemu je lociran DI, prema formuli (Slika
6.10.):
153
Slika 6.10. Uz određivanje optimalne veličine DI-a u čvorištu s najvećom vrijednosti indeksa
stabilnosti
   
L j 1  2 2 
 RVi  2 X  PLj   Pjk   2Q ji RX 
N
 0 , PDGj  2  (6.17)
PDGj 2X  k j  
  k  i , j  
PDGj je optimalna snaga distribuiranoga izvora u čvoru j, a PLj je snaga tereta u istome čvoru.
Qji je jalova snaga koja teče od čvora j prema čvoru i, a N je ukupan broj čvorišta mreže.
6.3.2. Višekriterijska optimizacija
U članku [81] genetskim algoritmom optimizirani su pokazatelji pouzdanosti distribucijske

mreže s optimalnim razmještajem četiri tipa distribuiranih izvora. Mreža je podijeljena u četiri
zone koje se preklapanjem formiraju nakon kvara. Nakon izoliranja mjesta kvara, DI-ovi
preuzimaju napajanje nekih potrošača van zone kvara uz uvažavanje dostatnosti snage.
154
Slika 6.11. Primjer podjele mreže na 4 zone
Funkcija koja se optimizira (OBF) sastoji se od više komponenti, od kojih je svaka

karakterizirana svojim težinskim faktorom w:
SAIFI SAIDI AENS C

OBF  wSAIFI   wSAIDI   w AENS   wCDG  DG (6.18)
SAIFI T SAIDI T AENST C DGT
wSAIFI  wSAIDI  w AENS  wCDG  1 (6.19)
gdje se SAIFIT, SAIDIT, AENST i CDGT odnose na referentne (iskustvene) vrijednosti

navedenih pokazatelja pouzdanosti, a CDG označava ukupne troškove distribuiranih izvora.
Npr. autori su pretpostavili da navedene referentne vrijednosti iznose redom SAIFIT = 10
[prekida/pot., god.], SAIDIT = 100 [h/pot., god.], AENST = 300 [kWh/pot., god.] i CDGT =
1.000.000 $.
Ukupni troškovi distribuiranih izvora za vrijeme trajanja njihove eksploatacije prikazani su
jednadžbom:
 Tyr 1 
C DG  C Install  C  (6.20)
 t 1 1  r t O& M 
 
155
gdje Cinstall označava troškove izgradnje distribuiranog izvora, Tyr označava životni vijek
distribuiranog izvora (u godinama), CO&M označava troškove održavanja distribuiranog
izvora, a r predstavlja diskontnu stopu.
Varijable rješenja su binarno kodirane. Svaki čvor je kodiran s tri bita. Prvi bit detektira
prisutnost ili odsutnost proizvodne jedinice, a preostala dva označavaju tip proizvodne
jedinice. Korištena je eliminacijska ruletna selekcija, križanje u jednoj točki i mutacija
nasumično odabranoga bita. Rezultati su pokazali da optimalno razmješteni distribuirani
izvori drastično popravljaju pokazatelje pouzdanosti.
Slika 6.12. Uz kodiranje kromosoma
Rad [82] simultano minimizira gubitke snage i varijacije napona u mreži korištenjem
hibridnog algoritma koji kombinira algoritam roja čestica i algoritam umjetne kolonije pčela.
Optimizacijska funkcija (FTotal) se sastoji od dvije komponente, od kojih je svaka pomnožena
s težinskim faktorom:
Nbr Nbus 2
2
FTotal  w1   I i  Ri  w2   Vi  Vref ,  wk  1 (6.21)
i 1 i 1 k 1
pri čemu Nbr označava ukupan broj grana u mreži, a Nbus ukupan broj čvorišta u mreži. Vi i Vref
su redom napon čvora j i referentni (nazivni) napon mreže.
U spomenutome radu algoritam roja čestica se koristi za nalaženje optimalne lokacije DI-a,
a algoritam umjetne kolonije pčela traži optimalne snage DI-a na zadanim lokacijama.
U [83] autori su formirali funkciju dobrote (CostFunction) čiji je cilj smanjiti gubitke
snage u mreži i strujna opterećenja dionica mreže:
Ploss  I ij withoutDG 2
CostFunction  w1   w2  ,  wk  1 (6.22)
Ploss 0  I ij withDG
k 1
156
pri čemu Ploss i Ploss0 predstavljaju gubitke promatrane mreže bez priključenih i sa
priključenim distribuiranim izvorima, a analogno vrijedi i za struje svake dionice IijwithoutDG i
IijwithDG.
Autori su koristili algoritam roja čestica za nalaženje optimalne lokacije i priključne snage
jedne, tri i pet proizvodnih jedinica u rasponu zbirne snage između 500 kVA i 3.000 kVA na
primjeru 10,5 kV mreže sa 33 čvorišta.
Članak [84] se bavi optimizacijom razmještaja DI-a na temelju minimizacije gubitaka
snage i faktora harmoničkoga izobličenja napona:
m
n
 THDVi
Fmin     Plossi    i 1 ,    1 (6.23)
i 1 m
THDVi označava faktor harmoničkog izobličenja napona čvorišta i, Plossi je snaga gubitaka
dionice i, a n i m predstavljaju ukupan broj grana i čvorišta u mreži. Svaka funkcija cilja uzeta
je sa svojim težinskim faktorom (α i β). Maksimalan faktor harmoničkoga izobličenja
THDVmax koji ne smije biti prekoračen iznosi 5 % za svaki čvor.
Optimizacija se provodi u dva koraka. U prvom koraku se na temelju analize osjetljivosti
gubitaka mreže o injektiranoj snazi u svaki čvor klasificiraju čvorovi od najosjetljivijih prema
najmanje osjetljivima. Zatim se uzimaju dva najosjetljivija čvorišta za smještaj dviju
proizvodnih jedinica, i konačno se korištenjem algoritma gravitacijske pretrage (engl.
gravitational search algorithm) u kombinaciji s harmoničkim proračunom tokova snaga
pronalaze optimalne veličine DI-ova na zadanim lokacijama (u rasponu od 400 kW do 2.000
kW). Rezultati pokazuju da navedeni algoritam daje bolje rezultate od evolucijskoga
programiranja i algoritma roja čestica, koji su korišteni za usporedbu rješavanja istoga
problema.
Autori članka [85] orijentirali su se na minimizaciju tzv. globanoga indeksa pogona
distribucijske mreže (GPI) koji se sastoji od više komponenti:
GPI  w1 ILP  w2 ILQ  w3 IVD  w4 IVR  9

,  wi  1 (6.24)
 w5 ICc  w6 ICt  w7 ISC 3  w8 ISC1  w9 IH i 1
157
pritom su ILP i ILQ indeksi gubitaka djelatne i jalove snage, IVD je indeks profila napona,
IVR je indeks regulacije napona, ICc predstavlja indeks strujne opterećenosti dionica, a ICt
označava indeks opterećenosti napojnoga transformatora. ISC3 i ISC1 predstavljaju indekse
struje tropolnog i jednopolnog kratkog spoja, a IH se odnosi na indeks harmoničke distorzije
napona.
Indeksi gubitaka djelatne i jalove snage su:
ILP 
PLDG  , ILQ 
QLDG 
(6.25)
PL  QL 
gdje se PLDG i QLDG odnose na ukupne gubitke djelatne i jalove snage promatrane mreže
nakon integracije DI-a, a PL i QL na ukupne gubitke mreže prije integracije DI-a.
Indeks profila napona pri maksimalnome teretu mreže predstavlja najveću vrijednost pada
napona u mreži (u najopćenitijemu slučaju to je pad napona do krajnjega čvora izvoda), a
opisan je izrazom:
 V V 
IVD  max  1 i  , i  2,3,..., n (6.26)
 V1 
V1 je nazivni napon mreže, Vi je napon čvorišta i, a n je ukupan broj čvorišta u mreži. Dakle,
IVD traži najveći iznos pada napona u mreži.
Indeks regulacije napona predstavlja razliku napona svakog čvora pri minimalnome teretu
uz istovremenu maksimalnu proizvodnju DI-a, i pri maksimalnome teretu bez priključenih
DI-ova. Ovaj indeks zapravo osigurava da varijacija napona svakog čvora mreže prije
priključenja i poslije priključenja DI-a bude minimalna.
Vi , L. min  Vi , L. max
IVR  max , i  2,3,..., n (6.27)
Vi , L. max
158
pritom je Vi,L.min napon čvora i pri njegovu minimalnome opterećenju, a Vi,L.max napon čvora i
pri njegovu maksimalnome opterećenju. Ukratko, IVR traži najveći iznos varijacije napona u
mreži.
Indeksi strujne opterećenosti dionica i napojnoga transformatora predstavljaju oslobođenje
njihova kapaciteta, što posljedično znači odgađanje ulaganja u elemente mreže ODS-a (iako
financijski aspekt odgađanja ulaganja nije ispitan u ovome radu). Indeksi su predstavljeni
formulama:
Si St
ICc  max , ICt  max , i  1,2,..., ml , i  1,2,..., mt (6.28)
S Ci S Ct
gdje Si i SCi označavaju prividnu snagu koja teče kroz dionicu i i nazivnu snagu te dionice. St i
SCt označavaju prividnu snagu koja teče kroz transformator napojne TS i njegovu nazivnu
snagu. ml označava broj dionica promatrane mreže, a mt označava broj transformatora
napojne TS. Dakle, ICc i ICt traže najopterećeniju dionicu u mreži i najopterećeniji
transformator napojne trafostanice.
Indeksi struje tropolnog i jednopolnog kratkog spoja moraju biti što manji jer predstavljaju
kontribuciju (doprinos) struje DI-a struji kratkoga spoja. U slučaju velikoga doprinosa, postoji
mogućnost potrebe za zamjenom sustava zaštite u mreži. Indeksi su predstavljeni formulama:
ISC 3i , DG ISC1i , DG
ISC 3  max , ISC1  max , i  1,2,..., n (6.29)
ISC 3i ISC1i
gdje su ISC3i,DG i ISC1i,DG struje tropolnog i jednopolnog kratkog spoja u čvoru i u mreži s
priključenim DI-om, a ISC3i i ISC1i struje tropolnog i jednopolnog kratkog spoja u čvorištu i
u mreži bez priključenih DI-ova. Indeksi ISC3 i ISC1 traže najveći iznos povećanja struje
kratkih spojeva u mreži.
Indeks harmoničkoga izobličenja predstavlja distorziju naponskoga vala uslijed nelinearnih
trošila mreže (pojave viših harmonika) i opisan je jednadžbom:
159
IH   VTHDi  VTHDi , DG 
n
(6.30)
i 1
VTHDi i VTHDi,DG su faktori harmoničkoga izobličenja čvora i bez priključenih DI-ova u mreži, i
nakon njihova priključenja u mrežu.
Analiza globalnoga indeksa pogona distribucijske mreže je izvedena na mreži naponske
razine 34,5 kV, ukupnoga tereta 12,7 MW. Mreža je napajana dvama transformatorima
napojne TS, a neke dionice mreže su preopterećene (120 %). Razmotrene su alternative s
različitim težinskim faktorima komponenata funkcije cilja. Prva alternativa stavlja naglasak
na smanjenje gubitaka snage i opterećenja elemenata mreže, a u drugoj alternativi je cilj
smanjenje struja kratkog spoja. Optimalan smještaj DI-ova predefiniranih snaga (0,9, 0,6 i 0,4
MW) je proveden za slučaj integracije jednog, dva i tri DI-a u mrežu. Rezultati pokazuju da
planer, ovisno o svojem iskustvu i poznavanju mreže, može odabirom težinskih faktora
znatno utjecati na rezultate optimizacije i, posljedično, na budući pogon mreže.
Rad [86] se temelji na minimizaciji troškova gubitaka snage, troškova neisporučene
električne energije, troškova pojačanja mreže i troškova kupnje električne energije na tržištu:
C ( X , U )  (C L , C ENS , C I , C E ) (6.31)
gdje (X,U) predstavlja rješenje proračuna tokova snaga koje odgovara instaliranim snagama i
lokacijama DI-ova.
Pretpostavlja se konstantan godišnji rast potrošnje u periodu planiranja od N godina.
Troškovi gubitaka snage predstavljaju gubitke disipirane na svakoj dionici promatrane mreže.
Ako se period planiranja podijeli u m podperioda, troškovi gubitaka snage grane j u k-tom
podperiodu se računaju prema:
2
1 Nk  I0 j 
C0 pjk  C pjk   nk     
h
 N k  h   h (6.32)
Nk 2 h 1  I fj 
C0pjk označava trošak gubitaka snage diskontiran na početak perioda planiranja, Cpjk je
godišnji trošak gubitaka snage, I0j i Ifj su struje dionice j na početku perioda planiranja i na
160
kraju završne godine planiranja. Nk predstavlja trajanje k-tog podperioda, nk je početna godina
k-tog podperioda a α je diskontni faktor.
Troškovi neisporučene električne energije korisnicima mreže zbog planiranih i
neplaniranih ispada mogu se predstaviti sljedećom jednadžbom:
1 Nk  I0 j 
C 0 djk  C djk   nk
    h   N k  h   h (6.33)
Nk 2 h 1  I fj 
C0djk označava trošak neisporučene električne energije diskontiran na početak perioda

planiranja, a Cdjk je godišnji trošak neisporučene električne energije.
Troškovi pojačanja mreže uzimaju u obzir investicije nužne za povećanje presjeka vodova
distribucijske mreže s ciljem opskrbe konstantno rastuće postojeće potražnje, ali i budućih
potrošačkih i proizvodnih čvorišta. Funkcija cilja koja se mora minimizirati je predstavljena
ukupnim diskontiranim troškovima pojačanja čitave promatrane mreže:
NTot  NCp
CI   C0 j (6.34)
j 1
pritom je NTot broj čvorišta mreže, NCp je broj trafostanica mreže, a NTot – NCp je ukupan broj
dionica u mreži. C0j predstavlja diskontirani trošak pojačanja j-te grane. Trošak pojačanja
općenite grane j predstavlja sumu troškova materijala, građevinskih i elektromontažnih radova
diskontiranih na početak perioda planiranja.
Troškovi kupnje energije od Operatora prijenosnoga sustava (CkWh)Tr i od distribuiranih
izvora (CkWh)EG su razmatrani za formiranje sljedeće funkcije cilja45. Pritom je potrebno
razmotriti različite prodajne cijene energije proizvedene iz različitih tehnologija distribuiranih
izvora (mini plinska turbina, kogeneracija, vjetroelektrana, itd.) te energije predane iz
prijenosne mreže.
Ako se pretpostavi konstantan godišnji rast tereta tijekom perioda planiranja te ako se
izračuna energija koju proizvodi svaka distribuirana jedinica na temelju funkcije gustoće
vjerojatnosti proizvodnje (npr. proizvodnju vjetroelektrana karakterizira Weibullova
45
U radu se pretpostavlja da Operator distribucijskoga sustava kupuje energiju od Operatora prijenosnoga
sustava ili od distribuiranih izvora i tu istu energiju prodaje kupcima spojenima na svoju mrežu.
161
razdioba), može se pronaći najmanja cijena ukupne energije koju ODS mora kupiti za svoje
potrošače.
C E  C kWh Tr  C kWh EG (6.35)
Problem višekriterijske optimizacije riješen je primjenom metode ε-ograničenja. Ideja

metode je rangirati funkcije cilja od one koja je planeru najvažnija, sve do najmanje važne
funkcije cilja. Pritom planeru najvažnija funkcija cilja ujedno postaje predmet optimizacije
(engl. master objective function), a preostale funkcije cilja moraju biti ograničene parametrom
ε. Metoda ε-ograničenja može biti značajna ako su poznata i bitna ograničenja funkcija cilja.
Naročito je primjenjiva u situacijama kada je presudna jedna funkcija cilja, dok ostale ne
smiju prijeći neke dozvoljene granice.
Optimizacija lokacije i priključne snage DI-a je provedena na primjeru mješovite
nadzemno/podzemne mreže sa 100 potrošačkih TS SN/NN i dvije napojne trafostanice u
razdoblju od 20 godina. Stopa porasta opterećenja svakog čvora je konstantna i iznosi 6 %, a
jedinične cijene energije kupljene iz prijenosne mreže i od DI-a su redom 0,040 €/kWh i
0,045 €/kWh.
Ukupni troškovi mreže tijekom perioda planiranja bez priključenih DI-ova iznose
16.567.600 € (2.227.900 € iznose troškovi pojačanja mreže i 14.339.700 € iznose troškovi
kupnje energije iz prijenosne mreže). Dvije analize su provedene za dva karakteristična
slučaja: u prvom slučaju se razmatrala minimizacija troškova gubitaka snage kao najvažnija
funkcija cilja, a u drugom slučaju se razmatrala minimizacija troškova neisporučene
Rezultati su pokazali da optimalan razmještaj DI-a na temelju optimizacije jedne funkcije
cilja nije moguće provesti bez posljedica na pogoršanje vrijednosti dobrote ostalih funkcija
cilja.
Autori članka [87] su algoritmom kolonije mrava optimirali funkciju cilja (Z) koja se
sastoji od troškova izgradnje i održavanja DI-a, troškova energije kupljene od OPS-a i
troškova gubitaka snage:
162
ncd nyr ncd nld

MinZ   C DGi  K IDG    PW y  Ci ,l  K EDG  Tl 
i 1 y 1 i 1 l 1
nyr nss nld
(6.36)
  PW  PSSj ,l  K SSl  Tl
y
y 1 j 1 l 1
1  InfR
C DGi  maxCi ,l , PW  (6.37)
l 1, 2,...,nld 1  IntR
ncd označava broj čvorova na koje se mogu priključiti DI-ovi, nld označava razinu potrošnje
u godini (određenu godišnjom krivuljom trajanja potrošnje), nss se odnosi na broj napojnih
VN/SN trafostanica u mreži, a nyr je period planiranja. CDGi je kapacitet (snaga) DI-a koji je
priključen na čvoru i (MVA), a KIDG i KEDG predstavljaju troškove izgradnje i održavanja DI-a
($/MVA i $/MWh). KSSl je tržišna cijena električne energije za razinu potrošnje l ($/MWh), a
PSSj,l je snaga koju napojna TS j predaje u distribucijsku mrežu za vrijeme trajanja razine
opterećenja l (uključujući i gubitke). Ci,l je djelatna snaga DI-a priključenoga na čvoru i za
vrijeme razine opterećenja l. PW je diskontni faktor, IntR je nominalna kamatna stopa i InfR
je stopa inflacije.
Primjer mreže na kojemu je testiran algoritam se sastoji od jedne napojne TS 132/33 kV
kapaciteta 40 MVA koja napaja 8 potrošačkih čvorišta na 33 kV naponu. Faktor snage svakog
čvorišta je 0,95 induktivno, i DI-ovi s jediničnim faktorom snage se teoretski mogu smjestiti u
svim čvorovima. Tereti svakog čvora su podijeljeni na 3 razine, pri čemu je svaka razina
definirana svojom tržišnom cijenom električne energije, kao u Tablici 6.1.
Tablica 6.1. Razina tereta i pripadajuća tržišna cijena električne energije

Postotak vršnog Vrijeme trajanja Tržišna cijena
Razina
opterećenja (%) (sati) ($/MWh)
1 100 1.500 70
2 70 5.000 49
3 50 2.260 35
Troškovi izgradnje i održavanja distribuiranih izvora su 318.000 $/MVA i 50 $/MWh, a

nominalna kamatna stopa i stopa inflacije su redom 12,5 % i 0 %. Period planiranja je 30
163
godina. Rezultati algoritma daju ne samo optimalne instalirane snage i lokacije budućih DI-
ova u mreži već i njihovu pogonsku snagu koju moraju predati u mrežu za vrijeme trajanja
jedne razine opterećenja. Tako npr. za vrijeme trajanja najniže razine tereta (razina 3) ni jedan
DI ne daje snagu u mrežu jer su troškovi mreže najmanji kada se ona opskrbljuje energijom iz
prijenosne mreže (tada vrijedi najmanja tržišna cijena električne energije). Jedini problem ove
metode je da u praksi svi DI-ovi moraju biti upravljani iz distribucijskoga dispečerskog
centra, što im smanjuje profit (ako su stimulirani poticajnim tarifama).
Rad [88] se koncentrirao na nalaženje optimalnoga razmještaja i rasporeda proizvodnje DI-
ova, te godine njihova ulaska u pogon. Pritom se razmatrala minimizacija emisije stakleničkih
plinova mreže i distribuiranih izvora te minimizacija gubitaka djelatne snage mreže. Također
su se minimizirali troškovi izgradnje i održavanja DI-a i troškovi energije kupljene iz
prijenosne mreže. Za predstavljanje tereta mreže uzeta je karakteristična krivulja potrošnje
tereta, pri čemu su se razmatrale 3 razine opterećenja tijekom dana, svaka sa svojim
vremenom trajanja. Također svaka razina tereta karakterizirana je i pripadnom cijenom
kupljene energije iz prijenosne mreže. Tijekom perioda planiranja rast tereta slijedi unaprijed
definiranu godišnju stopu porasta potrošnje.
Funkcija cilja vezana uz smanjenje gubitaka djelatne snage (OF1) predstavljena je
formulom:
T N dl
OF1    ALt ,dl  DU dl (6.38)
t 1 dl 1
pri čemu su T i t ukupno vrijeme planiranja i tekuća godina planiranja, a ALt,dl označava
gubitke djelatne snage u tekućoj godini za vrijeme trajanja DUdl razine opterećenja dl.
Druga funkcija cilja (OF2) koja se tiče troškova energije kupljene iz prijenosne mreže te
troškova izgradnje i održavanja DI-a definirana je kako slijedi:
OF2  DGIC  DGVC  TGC (6.39)
pri čemu su DGIC i DGVC troškovi izgradnje i održavanja DI-a, a TGC su troškovi kupljene
električne energije iz prijenosne mreže.
Troškovi izgradnje i održavanja DI-a predstavljeni su formulama:
164
T Nb 1
DGIC     idg
,t  IC dg  (6.40)
t 1 i 1 1  d t

DGVC     DU dl  FC dg  OMCdg     idg  dg  1
T Nb N dl t
,t '   Pi ,t ,dl  (6.41)
t 1 i 1 dl 1  t '1  1  d t
gdje ξi,tdg označava broj DI-ova koji će se priključiti na čvorište i u godini t, ICdg su troškovi
izgradnje DI-a, a d je diskontna stopa. Nb je broj čvorišta u mreži, Ndl je broj razmotrenih
razina opterećenja, FCdg su troškovi goriva proizvodne jedinice, a Pi,t,dldg je djelatna snaga
koju DI injektira u čvor i za vrijeme trajanja razine opterećenja dl.
Troškovi kupnje električne energije iz prijenosne mreže su jednaki:
T N dl 1
TGC    Pi grid  DU dl    PLFdl  (6.42)
,t , dl
t 1 dl 1 1  d t
Pi,t,dlgrid je djelatna snaga koja je kupljena iz prijenosne mreže za čvor i u godini t i za vrijeme
trajanja razine opterećenja dl, ρ je osnovna cijena energije kupljene iz prijenosne mreže, a
PLFdl je faktor cijene potražnje karakterističan za određenu razinu opterećenja (cijena je veća
za veću razinu opterećenja).
Konačno, posljednja funkcija cilja (OF3) tiče se emisija CO2 i podijeljena je na emisije
koje nastaju zbog angažiranja snage iz prijenosne mreže i na emisije koje nastaju zbog
angažiranja distribuiranih jedinica:
T N dl  Nb
dg 
OF3    Pi grid  DU dl   EFgrid  Pi
dg
,t , dl   EFdg  Pi ,t ,dl  (6.43)
t 1 dl 1
,t , dl
 i 1 
EFgrid (kgCO2/MWh) je emisijski faktor mreže, a EFdg (kgCO2/MWh) je emisijski faktor

distribuiranih izvora.
Za razliku od prošlih radova, svaka funkcija cilja nije vrednovana težinskim
koeficijentima, već se korištenjem genetskih algoritama formirala tzv. Pareto fronta
165
međusobno nedominirajućih rješenja. Varijable rješenja su bile kodirane u matrični zapis s

binarnim brojevima, da bi omogućile predstavljanje niza podataka koji karakteriziraju
optimizaciju DI-a. Na Slici 6.13. svaki redak označava jedan distribuirani izvor. Prvi stupac
govori hoće li DI biti instaliran u promatrani čvor ili neće, a drugi stupac označava godinu
priključenja. Treći stupac označava lokaciju priključenja, a preostali stupci prikazuju snagu
DI-a pri različitim razinama opterećenja.
Slika 6.13. Kodiranje kromosoma matričnim zapisom
Nakon što je selekcijom, križanjem i mutacijom, pomoću unaprijed određenoga broja

generacija dobivena Pareto fronta (Slika 6.14.) iz nje se korištenjem pravila neizrazite logike46
(engl. fuzzy logic) mora odabrati optimalno rješenje. Najprije se svakome rješenju xi pridaje
funkcija pripadnosti  fk ( xi ) (engl. membership function) koja definira u kojoj mjeri rješenje
minimizira k-tu funkciju cilja. Funkcija pripadnosti  fk ( xi ) varira od 0 do 1, pri čemu 0
označava nekompatibilnost rješenja sa skupom koji minimizira k-tu funkciju, a 1 označava

potpunu kompatibilnost.
46
Neizrazita logika je proširenje klasične Boolove logike sposobna upotrebljavati koncept "djelomične"
istinitosti. Standardna logika podržava samo vrijednosti istinitosti 0 (laž) i 1 (istina), dok neizrazita logika
podržava raspon vrijednosti od potpune laži do potpune istine, tj. pokriva raspon vrijednosti iz intervala 0 do 1.
166
Slika 6.14. Pareto fronta nedominirajućih rješenja u primjeru
U teoriji se koriste različite funkcije pripadnosti, no u radu su autori odabrali linearnu

funkciju koja karakterizira sve funkcije cilja fi, prikazanu Slikom 6.15.:
Slika 6.15. Linearna funkcija pripadnosti
Nakon definiranja funkcije pripadnosti, za odabir konačnoga jedinstvenog rješenja, autori

su odabrali Min-max metodu. Min-max metoda konačno rješenje traži kao maksimalnu
vrijednost skupa minimalnih vrijednosti funkcija pripadnosti:
max( min  fk ( X n )) (6.44)

k 1,..., N o
167
pri čemu No označava ukupan broj funkcija cilja, a X n označava agregirano rješenje
određeno ulaznim neizrazitim pravilima (obično u formi "ako – tada").
Rezultati algoritma pokazuju planerovu presudnu odluku u njihovu konačnu odabiru, što
znači da planer može minimizirati jednu funkciju cilja, ali samo nauštrb drugih. No, zbog
nemogućnosti međusobnog uspoređivanja svih funkcija cilja (zbog različitih jedinica mjere),
optimalnost rezultata algoritma je upitna čak i u slučaju njihove simultane minimizacije.
U radu [89] autori su optimizirali troškove gubitaka energije i troškove neisporučene
električne energije. Funkcija cilja se sastoji od dvije komponente, pri čemu je svaka
pomnožena sa svojim težinskim faktorom:
1 1 2
max fitness   ,  wk  1 (6.45)
C w1C L  w2 C ENS k 1
gdje C predstavlja ukupne troškove, CL troškove gubitaka, a CENS troškove neisporučene

Čista sadašnja vrijednost troškova gubitaka tijekom cijelog perioda planiranja je jednaka:
Ny
C L  8760  U E   B h  P0 L  1   h (6.46)
h 1
pritom γ predstavlja postotni godišnji porast tereta, UE se odnosi na cijenu energije za pokriće
gubitaka, NY je period planiranja, a B je diskontni faktor.
Kako se pretpostavlja da distribuirane jedinice proizvode nazivnu snagu cijele godine, svi
faktori su pomnoženi s brojem sati u godini (8760). Diskontni faktor je opisan s:
1 f
B (6.47)
1 
pri čemu f i μ označavaju nominalnu kamatnu stopu i inflaciju.

Troškovi neisporučene električne energije su računati tako da se simulirao kvar svake
grane u mreži, a zatim se uzelo u obzir vrijeme nalaženja kvarne dionice, vrijeme njezina
168
izoliranja uslijed preklapanja u mreži, te vrijeme restauracije napajanja dijela potrošača iz DI-
a izvan kvarne zone. Konačno, uzeto je u obzir i vrijeme sanacije kvara do uspostave glavnog
napajanja iz napojne TS. Svrha preklapanja, odnosno izoliranja kvarne dionice s obje strane je
provjera može li DI u otočnome radu pružiti dovoljno snage za napajanje potrošača
smještenih između kvarne grane i kraja izvoda. Izraz za troškove neisporučene električne
energije uslijed kvara grane j je sljedeći:
 Nloc Nrep 
C0 aj  8760  U E   j  L j    P0i  t loc   P0i  t rep  (6.48)
 i 1 i 1 
λj označava učestalost kvarova grane j (kvar/km,god)47, Lj je duljina grane (km), Nloc i Nrep
predstavljaju čvorišta (kupce) koji su ostali bez napajanja u vremenu od nastanka kvara do
nalaženja kvarne dionice (tloc) te u vremenu od izoliranja kvarne dionice do njezine sanacije i
uspostave paralelnoga pogona mreže i DI-a (trep). Poi je snaga čvora i (TS SN/NN) na početku
perioda planiranja. Čista sadašnja vrijednost troškova neisporučene električne energije zbog
kvara u grani j tijekom perioda planiranja opisana je sljedećom jednadžbom:
Ny h
C ENSj   C 0 ay  1     B h (6.49)
h 1
Ukupni troškovi neisporučene električne energije (CENS) za cijelu mrežu predstavljaju

sumu CENSj za svaku granu u mreži tijekom čitavoga perioda planiranja.
Problem optimalna razmještaja je riješen upotrebom genetskih algoritama s realno
kodiranim varijablama rješenja. Algoritam je ispitan na primjeru mreže s 33 čvora za period
planiranja 10 godina. Za svaki čvor je uzeta godišnja stopa porasta tereta od 5 %, inflacija je
jednaka 7 %, a nominalna kamatna stopa je uzeta kao 10 %. Cijena električne energije je 4,2
¢/kWh. Promatrana su 3 slučaja pri kojima su različito vrednovani težinski faktori funkcije
cilja (W11 = 0,75 ,W21 = 0,25, W12 = 0,75 ,W22 = 0,25, W13 = 0,75 ,W23 = 0,25).
47
DSO mora voditi računa o statističkim pokazateljima ispada svojih elemenata mreže. U pravilu je učestalost
ispada nadzemnih vodova mnogo veća od učestalosti ispada podzemnih kabelskih dionica. HEP ODS vodi
računa o statističkim pokazateljima pouzdanosti svojom aplikacijom DISPO u koju dežurni dispečer upisuje sve
podatke o trajanju i lokaciji kvara neke dionice u mreži.
169
Rezultati su pokazali da se optimalnim priključenjem DI-a ukupni troškovi mreže na kraju

perioda planiranja za svaki promatrani slučaj mogu smanjiti redom 25,96 %, 24,46 %, i 18,37
% u odnosu na slučaj planiranja mreže bez DI-a.
U radu [90] autori su promatrali simultan razmještaj distribuiranih izvora i
kondenzatorskih baterija. Funkcija dobrote (OF) sastojala se od komponenti troškova njihove
izgradnje i održavanja, potom troškova gubitaka snage mreže i konačno, troškova zbog
prekida napajanja:
T CO&M  C INTERRUPTION  C LOSS

OF  C INSTALL    (6.50)
t 1 1  r t
gdje su CINSTALL troškovi izgradnje kondenzatorske baterije i DI-a, CO&M su troškovi njihova
održavanja, a CINTERRUPTION su troškovi uslijed prekida napajanja električnom energijom.
CLOSS su troškovi gubitaka snage, T je period planiranja u godinama, r je diskontna stopa, a λ
je penalizirajući faktor koji predstavlja strujno-naponska ograničenja premještena u funkciju
cilja. Ako potonja nisu prekršena, λ je jednaka 0, no ako su prekršena, λ može znatno povećati
(penalizirati) funkciju cilja.
Za rješavanje optimizacijskoga problema formiran je hibridni algoritam koji kombinira
značajke algoritma roja čestica i genetskog algoritma. Navedeni algoritam je testiran na mreži
sa 69 čvorišta, te je uspoređen s odvojenom optimizacijom kondenzatorskih baterija i
distribuiranih izvora. Rezultati su pokazali da su troškovi mreže bez instaliranih DI-a i
kondenzatorskih baterija bili znatno veći (5.285.000 $) u odnosu na alokaciju samo
kondenzatorskih baterija (5,181.020 $) ili samo distribuiranih izvora (4.030.640 $). Najmanji
troškovi dobiveni su kombiniranim istovremenim smještajem proizvodnih jedinica i
kondenzatorskih baterija (3.936.360 $).
Članak [91] bavi se optimizacijom smještaja DI-a u kontekstu konkretne poticajne sheme u
Ujedinjenu Kraljevstvu. Naime UK regulator OFGEM (engl. The Office of Gas and
Electricity Markets) odredio je da vlasnici DI-a plaćaju godišnju mrežarinu ODS-u umjesto
plaćanja troškova priključenja i eventualnoga pojačanja mreže. Mrežarina se sastoji od
nameta temeljenoga na 80 % troškova potrebnih pojačanja mreže te fiksnog iznosa od
1,50£/kW instalirane snage (za pokriće preostalih 20 % troškova priključenja). Također
investitor mora platiti i 1£/kW zbog troškova održavanja priključka i troškova održavanja
pojačanoga dijela mreže. U osnovnom slučaju (ako su troškovi pojačanja zanemarivi)
170
investitor DI-a mora plaćati ODS-u 2,50£/(kW,god.) instalirane snage proizvodnoga objekta.
Također regulator za svaki pojedini ODS izdaje referentnu godišnju razinu gubitaka koju
navedeni subjekt mora postići, i u tom slučaju dobiva poticaje. U suprotnom, mora plaćati
penale. Funkcija koja se optimizira (fOPF), određena je jednadžbom:
n

f OPF   C g ( Pg )  C L PLBM  PLACT
g 1
 (6.51)
pri čemu je Cg(Pg) iznos koji (£/kW,god.) vlasnik elektrane g plaća po jedinici njezina
kapaciteta Pg. CL označava vrijednost poticaja za postignute uštede gubitaka snage.
Uštede se računaju kao razlika referentnih gubitaka snage mreže (PLBM) i stvarnih gubitaka
(PLACT). Ukupna funkcija cilja se sastoji od međusobno isključivih komponenti: s jedne se
strane potiče priključenje što više DI, a s druge strane se mora ograničiti njihov negativan
utjecaj na povećanje gubitaka snage u mreži.
Autori su koristili genetski algoritam u kombinaciji s proračunom optimalnih tokova snaga
za rješavanje alokacijskoga problema, i to na primjeru 11 kV mreže sa 69 čvorišta. Ideja je
bila da GA istraži kombinacije lokacija DI-a, a za svaku kombinaciju se proračunom
optimalnih tokova snaga izračunao optimalan kapacitet jedinice. Pritom se, radi
maksimalnoga prihvata DI-a u mreži bez potrebe za pojačanjima, promatralo samo stanje
minimalnoga tereta mreže i maksimalne proizvodnje proizvodnih jedinica.
Referentna razina gubitaka mreže je uzeta kao 228 kW, a ODS će utoliko plaćati naknadu
ili dobivati poticaje od 4,8 p/kWh ukoliko mu se gubici povećavaju/smanjuju u odnosu na
navedene referentne gubitke. Rezultati pokazuju da se, zbog mnogo većih poticaja za
smanjenje gubitaka mreže u odnosu na poticaje po jediničnome kapacitetu instalirane snage
DI, preferiraju manje i disperzne jedinice koje se nalaze blizu centara potrošnje.
Maksimizacija omjera koristi i troškova je u fokusu članka [92], pri čemu se kao dobit
uzima smanjena potreba za kupnjom energije iz prijenosne mreže, smanjenje gubitaka snage i
redukcija neisporučene električne energije. Kao trošak se uzima cijena izgradnje, održavanja i
nabavke goriva za distribuirane izvore.
MAXf  Benefit / Cost (6.52)
171
Smanjenje potreba za kupnjom energije (PS) iz prijenosne mreže može se opisati

formulom:
N DG
i
PS ($ / kWh)   PDG  (6.53)
i 1
pri čemu je NDG broj DI-ova u mreži, PDG je snaga distribuiranoga izvora u čvoru i, a ρ je
cijena električne energije.
Smanjenje gubitaka električne energije (BLOSS) može se prikazati jednadžbom:
BLOSS  LOSS NDG  LOSS DG    (6.54)
LOSSNDG i LOSSDG predstavljaju gubitke mreže bez priključenog i s priključenim DI-om.

Troškovi neisporučene električne energije opisani su s:
N branch N l
C ENS    i  Li   int  t i  D j (6.55)
i 1 j 1
CENS su godišnji troškovi neisporučene električne energije, Nbranch predstavlja broj grana
mreže, Nl je broj pogođenih potrošača zbog ispada grane i, λi je godišnja frekvencija ispada
dionice i po kilometru, a Li je njezina duljina. Vrijeme trajanja popravka je označeno s ti, ρint
je cijena neisporučene električne energije, a Dj je ukupna snaga tereta koja se zbog ispada
grane i ne može isporučiti potrošačima.
Korist od priključenja DI-a (ΔCENS) za povećanje pouzdanosti je razlika pouzdanosti mreže
prije i poslije priključenja proizvodnih postrojenja kojima je dozvoljen otočni pogon:
ENS ENS
C ENS  C NDG  C DG (6.56)
gdje CNDGENS i CDGENS predstavljaju troškove neisporučene električne energije u mreži bez
priključenog i s priključenim DI-om.
172
Trošak funkcije cilja sastoji se od troškova izgradnje i održavanja distribuiranih izvora, te

troškova njihova goriva. Trošak izgradnje DI-a (ICDG) je uzet kao:
N DG
IC DG ($ / kWh)   Ciinvestment (6.57)
i 1
Ciinvestment je trošak izgradnje i-tog DI-a.

Godišnji troškovi goriva (OCDG) su:
N DG
OC DG ($ / kWh  year )   Cioperation (6.58)
i 1
pri čemu su Cioperation troškovi goriva i-tog DI-a.

Konačno, troškovi održavanja DI-a (MCDG) su:
N DG
MC DG ($ / kWh  year )   Cima int enance (6.59)
i 1
a Cimaintenancn označavaju troškove održavanja i-tog proizvodnoga postrojenja.

U radu je korišten algoritam roja čestica na primjeru mreže od 69 čvorišta za vrijeme
planiranja od 5 godina. Među ulaznim podacima ističe se cijena neisporučene električne
energije od 3,76 $/kWh i tržišna cijena električne energije od 49 $/MWh.
Rezultati su pokazali da je optimalnim smještajem DI-a redukcija gubitaka snage preko 46
%, redukcija troškova neisporučene električne energije 40 %, a redukcija troškova kupnje
energije iz prijenosne mreže čak 92 %. Drugim riječima, konačan omjer koristi i troškova
(6.52) je 1,73.
Minimizacija troškova opskrbe kupaca električnom energijom predmet je članka [93].
Kroz horizont planiranja promatraju se dva različita scenarija, od kojih prvi pretpostavlja da
se energija čitavo vrijeme kupuje iz prijenosne mreže, ovisno o njezinoj tržišnoj cijeni. Drugi
pak scenarij promatra situaciju u kojoj potrošače električnom energijom kombinirano
snabdijevaju prijenosna mreža i distribuirani izvori, sukladno svojim karakterističnim
cijenama.
173
Pritom, budući da je energija iz DI-a skuplja negoli mrežna alternativa, DI-ovi će morati
biti optimalno smješteni kako bi uz snabdijevanje potrošnje mogli istovremeno i minimizirati
gubitke snage i energije u mreži. Također uz optimalan smještaj, cilj algoritma je i odrediti
raspored djelatne i jalove proizvodnje distribuiranih izvora za svaku razinu tereta u mreži.
Funkcija cilja je predstavljena sljedećim izrazom:
f  CTB  CTA  v Pv (6.60)
Prvi član agregirane funkcije cilja predstavlja troškove kupnje energije iz prijenosne mreže
za potrošače promatranoga opskrbnog područja distribucijske mreže:
nl
CTB  nd C S  PSkB t k (6.61)
k 1
pri tome je nd broj dana planiranoga perioda, CS su troškovi energije kupljene iz prijenosne
mreže, nl je broj razina opterećenja tijekom dana, a PSkB je djelatna snaga koja dolazi iz
napojne trafostanice za potrebe k-te razine opterećenja prije priključenja DI-ova. Konačno, Δtk
je dužina trajanja k-te razine opterećenja.
Drugi član funkcije cilja tiče se troškova pokrivanja energije k-te razine opterećenja mreže
kombiniranim djelovanjem napojne trafostanice i distribuiranih izvora:

 
acq 
nl n
ope l
CTA  nd C S  PSkB t k   nd CGi B
 PGik t k  CGi  (6.62)
k 1 iG  k 1 
ΩG je skup dozvoljenih čvorišta za priključak DI-a, CGiope su operativni troškovi DI-a

priključenoga na čvoru i, a PGikB je njegova snaga za vrijeme trajanja razine opterećenja k.
CGiacq predstavljaju jednokratne troškove izgradnje distribuiranoga izvora.
Konačno, posljednji član funkcije cilja λvPv predstavlja penalizirajuću funkciju, koja se
primjenjuje na ona rješenja u kojima naponi čvorišta prelaze prag tolerancije, neovisno o
razini opterećenja.
Optimizacijski problem je riješen metodom evolucijskoga programiranja za primjer 13,80
kV mreže sa 167 čvorova. Cijena energije iz prijenosne mreže je 60 $/MWh, a ukupna suma
174
instaliranih snaga potrošačkih TS čitavoga izvoda je 9,72 MW. Uzete su u obzir 3

karakteristične razine opterećenja:
 8,75 MVA u trajanju od 5h i 50min
 6,80 MVA u trajanju od 10h
 4,86 MVA u trajanju od 8h i 10 min.
Period planiranja promatrane mreže je 5 godina, a razmatrano je priključenje dvaju

distribuiranih izvora na mrežu od ukupno pet tipova koji su planeru na raspolaganju (Tablica
6.2.). Svakom tipu DI-a svojstveni su karakteristični troškovi izgradnje48 i održavanja,
nazivna snaga (Pnaz), te minimalan i maksimalan faktor snage (FSmin i FSmax).
Tablica 6.2. Podaci o tipovima distribuiranih izvora

Pnaz Troškovi Troškovi održavanja
Tip FSmin FSmax
(MW) izgradnje ($) ($/MWh)
1 0,2 0,8 0,98 35.000,00 75,00
2 0,3 0,8 0,98 45.000,00 72,50
3 0,4 0,8 0,98 52.000,00 72,50
4 0,6 0,8 0,98 61.000,00 70,00
5 0,8 0,8 0,98 76.000,00 70,00
Rezultati alokacije su pokazali da optimalno razmješteni DI-ovi s optimalnim rasporedom

proizvodnje djelatne i jalove snage smanjuju troškove nabave električne energije za 242.000 $
tijekom 5 godina, u odnosu na slučaj kupnje električne energije isključivo iz prijenosne
mreže. Gubici energije su se prepolovili u odnosu na alternativu bez priključenih DI-ova, a
prenesena energija kroz napojnu TS je pala za gotovo 25 %.
48
Budući da su troškovi izgradnje vrlo mali, autori su se ogradili od rezultata na način da nisu specificirali o
kojem se točno tipu DI-a radi (može se pretpostaviti da su promatrani mali dizel-generatori).
175
7. OPIS NOVOG ALGORITMA ZA RJEŠAVANJE

PROBLEMA OPTIMALNA RAZMJEŠTAJA
DISTRIBUIRANIH IZVORA
7.1. Osnovni koncept novog algoritma

Osnovna ideja pri stvaranju novog algoritma bila je da on mora predstavljati svojevrsni
kompromis interesa Operatora distribucijskoga sustava i vlasnika proizvodnih postrojenja, s
obzirom na to da mnogi radovi na ovu temu ne sagledavaju istovremenu financijsku korist za
spomenute subjekte. Također kako optimalan razmještaj DI-a prvenstveno pripada
problematici planiranja distribucijskih mreža, tako se financijska korist mora evaluirati na
razini sveobuhvatnih ulaznih podataka. Ti podaci moraju uključivati što detaljnije informacije
o postojećemu stanju mreže, o troškovima izgradnje i održavanja novih proizvodnih
postrojenja, o visini poticaja za različite tehnologije DI-a, itd.
U radnji se pretpostavlja da svako proizvodno postrojenje radi s jediničnim faktorom
snage, odnosno da proizvodi isključivo djelatnu snagu. Budući da pomoćne usluge nisu
definirane na globalnoj razini prema hrvatskim Mrežnim pravilima EES-a, svakom je
proizvođaču u interesu proizvodnja što veće količine djelatne energije jer jedino za nju vrijede
poticaji. Stoga se bez veće greške za alokacijski algoritam može pretpostaviti da DI proizvodi
isključivo djelatnu snagu [94].
Na bazi ovog algoritma, investitor bi trebao moći pristupiti planeru s ulaznim podacima i
dobiti okvirne rezultate o optimalnoj lokaciji i snazi svojeg postrojenja s obzirom na
obostranu maksimalnu financijsku korist. Konačno, budući da mrežni priključak i mreža
omogućuju investitoru evakuaciju snage njegova postrojenja i posljedično zaradu, te s
obzirom na činjenicu da investitor ne plaća mrežarinu, esencijalno je u optimizacijski
algoritam uključiti i interes operatora mreže.
Financijska korist bit će definirana u funkciji cilja, a temeljit će se na jednoj od metoda
budžetiranja kapitala. Metoda čiste sadašnje vrijednosti će diskontiranjem budućih čistih
novčanih tokova vlasnika DI-a i vlasnika distribucijske mreže svesti njihov iznos na početnu
godinu planiranja (odnosno godinu investiranja). Time će se odmah moći vidjeti može li
investicijski projekt, sa svojim karakterističnim početnim i eksploatacijskim troškovima, u
konačnici opravdati očekivanja vlasnika izvora financijskih sredstava. Također s mogućnošću
odabira različitih diskontnih stopa ovisno o iznosu instalirane snage, moći će se simulirati
176
7. Opis novog algoritma za rješavanje problema optimalna razmještaja distribuiranih izvora
različita razina prinosa koju izvori financijskih sredstava (banke, dioničari, itd.) očekuju od
projekata DI-a.
Algoritam mora omogućiti simultani priključak više distribuiranih izvora na istom dijelu
mreže (izvodu), što znači da više vlasnika DI-a može istovremeno pristupiti planeru i zatražiti
odabir optimalnoga razmještaja njihovih postrojenja. Također algoritam mora uvažiti i
postojeće priključke distribuiranih izvora, neovisno o njihovu tipu, lokaciji, snazi i broju.
Algoritam će biti temeljen na alociranju distribuiranih izvora u isključivo srednjenaponskim
elektroenergetskim mrežama i realiziran u programskom paketu Matlab.
Za svaku optimalnu lokaciju i priključnu snagu DI-a moraju biti zadovoljena strujno-
naponska ograničenja mreže te moraju biti uvažena i njihova lokacijska ograničenja i
ograničenja priključne snage. Lokacijska ograničenja se u biti odnose na čvorišta postojeće
mreže za koje investitor procijeni da su podobna za priključak njegova postrojenja. Ta će
čvorišta planer uključiti u algoritam kao jedine lokacije na koje se može priključiti proizvodno
postrojenje investitora. To mogu biti čvorovi koji su fizički najbliži već unaprijed određenoj
lokaciji DI-a (npr. investitor već otprije u svojem vlasništvu ima parcelu na kojoj će smjestiti
buduće postrojenje), ili čvorovi mreže koji su u blizini građevinskih područja (na kojima se
jedino mogu legalno graditi nove građevine). Također će se za priključak svakog tipa DI-a
promatrati njemu svojstvene lokacije. Tako će npr. za priključak sunčanih elektrana vlasnik
isključivo promatrati čvorišta koja su u blizini područja izloženih sunčevu zračenju. Za
priključak vjetroelektrana promatrat će se čvorišta koji su u blizini područja bez prirodnih ili
umjetnih prepreka za strujanje vjetra. Za priključak kogeneracijskih postrojenja promatrat će
se blizina toplinskoga konzuma da bi se izbjegla gradnja dugih i skupih toplovoda, itd.
Konačno, može se dogoditi situacija da vlasnik buduće male elektrane već unaprijed želi
ograničiti snagu svojega postrojenja tako da sklopi predugovor s dobavljačem opreme (npr. za
nabavku vjetroturbina ukupne snage 2 MW s proizvođačem Vestas). Uz to, možda i sama
veličina parcele ne dozvoljava izgradnju npr. solarnoga parka instalirane snage 5 MW. U
svakom slučaju, planer ne smije zanemariti ni ograničenja priključne snage budućih DI-ova,
koja općenito mogu biti unutar nekih unaprijed zadanih granica, ali i unija više intervala.
Da bi se što točnije simulirao pogon mreže, potrebno je uključiti diskretne vrijednosti
potrošnje i proizvodnje u satnim intervalima. Na taj će se način moći znatno preciznije
sagledati integracija distribuiranih izvora u mrežu, a njihov će utjecaj na naponske i strujne
prilike biti mnogo jasniji. Npr. na taj će se način u potpunosti izbjeći situacija u kojoj se s
priključenjem solarne elektrane "popravljaju" naponske prilike u mreži. Naime u slučaju
modeliranja proizvodnje i tereta s konstantnim vrijednostima, planer će imati lažan dojam da
177
će solarna elektrana u potpunosti popraviti naponske prilike u mreži. No, u praksi, u vrijeme
pojave maksimalnoga tereta u večernjim satima (što je i najčešći slučaj s rezidencijalnim
potrošačima), sunčane elektrane ne proizvode energiju, te posljedično ne mogu popraviti
naponske prilike neovisno o instaliranoj snazi. Isto tako, satnim modeliranjem potrošnje
tereta, mogu se simulirati rezidencijalni i industrijski potrošači, svaki sa svojim
karakterističnim krivuljama potrošnje što će u konačnici itekako utjecati na točnost rezultata
algoritma. Diskretne, satne vrijednosti tereta i proizvodnje bit će uzete za prosječan dan u
godini, što implicira da planer pretpostavlja da će svi ostali dani u godini biti dobro
aproksimirani prosječnim dnevnim krivuljama.
Ukratko, planeru je cilj da aproksimira pogon mreže što točnije da bi dobio što preciznije
podatke o generiranim gubicima u mreži i o podacima proizvodnje za svaki DI. S
pretpostavkom modeliranja proizvodnje i opterećenja s konstantnim vrijednostima, tokovi
snaga i gubici mreže neće odgovarati stvarnim vrijednostima u pogonu, što znači da bi
procjena gubitaka snage mogla podosta oscilirati. Ukratko, planer ne bi mogao točno
procijeniti uštede za ODS (ako bi ih u praksi uopće i bilo).
No, da bi osnovni postulati planiranja distribucijskih mreža bili zadovoljeni, potrebno je u
algoritam ugraditi i provjeru ograničenja za najteže slučajeve pogona mreže. Za početno
stanje mreže, te za svaku kombinaciju lokacija i snaga distribuiranih izvora, simulirat će se
dva najteža pogonska stanja:
 Maksimalan teret mreže u trenutku kada su svi DI-ovi isključeni s mreže (ukupna
proizvodnja je jednaka nuli), te
 Minimalan teret mreže uz istovremenu maksimalnu proizvodnju (ukupna proizvodnja
je jednaka sumi instaliranih snaga svih DI-ova).
Svi koraci predloženoga novog algoritma za optimalan razmještaj distribuiranih izvora u

srednjenaponskim distribucijskim mrežama bit će prikazani na primjeru priključenja tri tipa
proizvodnih postrojenja. Na taj će se način relativno jednostavno moći prikazati i primijeniti
koncept i doprinos algoritma. Za početak je potrebno definirati funkciju cilja.
7.2. Funkcija cilja

Cilj predloženoga algoritma je simultano maksimizirati čiste sadašnje vrijednosti
investicijskih projekata distribuiranih izvora i ušteda Operatora distribucijskog sustava.
178
Funkcija cilja (Fcilja) se sastoji od dva dijela, pri čemu se prvi dio odnosi na projekte
distribuiranih izvora, a drugi na uštede ODS-a:
uk ,t brDI ,t
max Fcilja  max(  ČSV pDI ,t  ČSVODS ) (7.1)
t 1 pDI ,t 1
U gornjoj jednadžbi t označava tip DI-a koji se prema važećemu tarifnom sustavu može
priključiti na distribucijsku mrežu, a uk,t označava ukupan broj tipova DI-ova. Prema
važećemu Tarifnom sustavu za proizvodnju električne energije iz OIEK postoji 8 tipova
proizvodnih postrojenja koja se mogu priključiti na distribucijsku mrežu. U ovoj radnji svaki
tip DI-a je označen pripadajućim brojem, i to: 1. sunčane elektrane, 2. hidroelektrane, 3.
vjetroelektrane, 4. elektrane na biomasu, uključujući biorazgradive dijelove industrijskog i
komunalnog otpada, 5. geotermalne elektrane, 6. elektrane na bioplin iz poljoprivrednih
kultura te organskih ostataka, otpada biljnog i životinjskog podrijetla, biorazgradivog otpada,
deponijski plin i plin iz postrojenja za pročišćavanje otpadnih voda, 7. elektrane na tekuća
biogoriva i 8. kogeneracijska postrojenja koja kao gorivo ne koriste OIE. Nadalje u jednadžbi
(7.1) pDI,t označava projekt DI-a tipa t, što zapravo implicira da ovaj algoritam dopušta
priključak više DI-ova istoga tipa (npr. dvije solarne elektrane), a brDI,t se odnosi na ukupan
broj distribuiranih izvora tipa t za koje su investitori zatražili priključak u promatranoj mreži.
ČSVpDI,t označava čistu sadašnju vrijednost projekta distribuiranog izvora pDI,t, a ČSVODS
označava čistu sadašnju vrijednost uštede ODS-a od smanjenja gubitaka električne energije.
Dakle, ako se na isti izvod žele alocirati dvije vjetroelektrane, oznake za njihovu čistu
sadašnju vrijednost bit će ČSV1,3 i ČSV2,3.
Čista sadašnja vrijednost općenitoga DI-ova projekta tipa t se računa diskontiranjem
godišnjih čistih novčanih tokova na početnu godinu planiranja. Za vremenski period
planiranja uzima se broj godina za koji državno tijelo (Vlada) garantira otkup električne
energije49.
 PR pot , pDI ,t  TRsto, pDI ,t  TRvto, pDI ,t  

otk
1
ČSV pDI ,t  TRizg , pDI ,t 
god 1 1  d pDI ,t 
god (7.2)
49
Prema Tarifnom sustavu za proizvodnju električne energije iz obnovljivih izvora energije i kogeneracije (NN
br. 132/13), Vlada RH garantira otkup električne energije za period od 14 godina.
179
TRizg,pDI,t su troškovi izgradnje proizvodnoga postrojenja pDI,t, a TRsto,pDI,t i TRvto,pDI,t su stalni

i varijabilni troškovi njegova održavanja. Pritom, varijabilni troškovi uključuju i troškove
goriva. Prihod projekta distribuiranog izvora pDI,t uslijed poticaja određenih tarifnim
sustavom je označen s PRpot,pDI,t, otk označava broj godina za koji je garantiran otkup
električne energije, a dpDI,t je diskontna stopa projekta pDI,t za godinu god.
Proširenje prethodne jednadžbe s jediničnim troškovima izgradnje i održavanja, te
jediničnim cijenama poticaja je prikazan u nastavku:
ČSV pDI ,t  trizg , pDI ,t  Pnaz , pDI ,t 
  prpot , pDI ,t  W pDI ,t , god  trsto, pDI ,t  Pnaz , pDI ,t  trvto, pDI ,t  W pDI ,t , god 
otk
1 (7.3)

god 1 1  d pDI ,t 
god
pri čemu su trizg,pDI,t jedinični troškovi izgradnje proizvodnoga postrojenja pDI,t u kn/kW,
Pnaz,pDI,t je njegova nazivna priključna snaga, a trsto,pDI,t i trvto,pDI,t su jedinični stalni i
varijabilni troškovi njegova održavanja u kn/kW i kn/kWh, uz napomenu da jedinični
varijabilni troškovi sadržavaju i troškove goriva. Jedinične cijene poticaja određene tarifnim
sustavom su označene s prpot,pDI,t, a WpDI,t,god je godišnja proizvedena električna energija
projekta distribuiranog izvora pDI,t.
Čista sadašnja vrijednost ušteda ODS-a se računa diskontiranjem godišnjih ušteda gubitaka
električne energije na početnu godinu planiranja. Godišnje uštede gubitaka energije ODS-a
predstavljaju razliku između godišnjih gubitaka električne energije postojeće mreže i
godišnjih gubitaka električne energije mreže s optimalno razmještenim budućim
distribuiranim izvorima. Budući da je ODS jedini subjekt odgovoran za praćenje gubitaka u
svojoj mreži i njihovu godišnju analizu, on ima dužnost i nabaviti (kupiti) energiju potrebnu
za pokriće tih gubitaka na otvorenome tržištu (bilo na burzi električne energije ili bilateralnim
ugovorima). Zaključno, smanjenje (odnosno ušteda) gubitaka zbog optimalnoga razmještaja
distribuiranih izvora direktno se reflektira na financijske pokazatelje poslovanja ODS-a.
 Wgub, god  Wgub _ DI , god  ctrž  1    

otk
god 1
ČSVODS  (7.4)
god 1 1  d ODS god
180
gdje su Wgub,god godišnji gubici električne energije za postojeću mrežu bez alociranih novih
DI-ova, a Wgub_DI,god su godišnji gubici nakon optimalne alokacije novih DI-ova. Tržišna
cijena električne energije je označena s ctrž, a β je njezina godišnja stopa porasta (ne sadržava
porast cijene zbog inflacije). Konačno, dODS je diskontna stopa koju ODS procjenjuje za
godišnje uštede gubitaka električne energije na dijelu svoje mreže na kojemu se alociraju
DI50. Godišnja energija gubitaka jednaka je:
365 24 dion 365 24 dion 2

Wgub , god  Wgub _ DI , god    p gub,i ,s   (3  I gub,i ,s  Ri ) 
d 1 s 1 i 1 d 1 s 1 i 1
24 dion
(7.5)
2
 365    (3  I gub,i ,s  Ri )
s 1 i 1
Varijabla pgub,i,s označava snagu gubitaka grane (dionice) i za vrijeme trajanja sata s
prosječnog dana u godini, Igub,i,s predstavlja struju koja teče kroz uzdužni otpor Ri grane i za
vrijeme trajanja sata s prosječnog dana u godini, a dion je ukupan broj dionica promatrane
mreže.
Kako bi se pogon mreže što točnije aproksimirao, za teret i proizvodnju će se koristiti
prosječne dnevne krivulje opterećenja i proizvodnje. Potonje će simulirati pogon mreže za
prosječan dan u godini, a sve s ciljem da se izbjegne provođenje 365(366) proračuna tokova
snaga i opterećenje vremena izvođenja algoritma. Iz tog se razloga u (7.5) za izračun
godišnjih gubitaka električne energije, gubici prosječnoga dana u godini množe sa 365.
Također u jednadžbi (7.3) izraz za godišnju električnu energiju elektrane predanu mreži,
WpDI,t,god, predstavlja proizvodnju prosječnoga dana u godini pomnoženu sa 365.
Sve navedene jednadžbe (7.1 – 7.5) moraju u svakom trenutku (u svakom satu prosječnoga
dana u godini priključenja) zadovoljiti strujno-naponska ograničenja te uvjet međusobne
nediskriminacije projekata svih navedenih subjekata. Potonje u biti znači da sve vrijednosti
čistih sadašnjih vrijednosti moraju biti veće od nule, kako bi i vlasnici budućih proizvodnih
postrojenja i ODS simultano imali što je moguće veću korist.
50
Kako ODS u ovom slučaju nema inicijalnih kapitalnih troškova ulaganja, logično je pretpostaviti da će mu
stopa prinosa na "projekt" ušteda energije gubitaka biti relativno mala. No, pretpostavlja se da će ODS, kao
regulirana djelatnost, diskontirati uštede koristeći stopu troška kapitala. Uglavnom je praksa da se od poduzeća
koja su podložna regulatornoj kontroli zahtjeva da novčane tijekove svojih investicijskih projekata diskontiraju
stopom troška kapitala.
181
Vi ,min  0,9  Vnaz _ mr  Vi  Vi ,max  1,1  Vnaz _ mr , i  1,..., čv (7.6)
S i  S i ,naz , i  1,..., dion (7.7)
ČSV pDI ,t  0, pDI , t  1,..., brDI , t , t  1,..., uk , t (7.8)
ČSVODS  0 (7.9)
lok pDI ,t ,i  1  lok pDI ,t ,i  0, pDI , t  1,..., brDI , t , t  1,..., uk , t , i  1,..., čv (7.10)
 Pmin, pDI ,t  Pnaz , pDI ,t  Pmax, pDI ,t int , pDI , t  1,..., brDI , t , t  1,..., uk , t ,
br _ int
(7.11)
int 1
U navedenim jednadžbama Vi,min i Vi,max su minimalni i maksimalni dozvoljeni naponi

čvorišta i, Vi je izračunati napon čvorišta i, a Vnaz,mr je nazivni napon mreže (10, 20 ili 35 kV).
Ukupan broj čvorova promatrane mreže je označen varijablom čv. Varijable Si i Si,naz
predstavljaju izračunatu prividnu snagu koja teče kroz granu i i njezinu nazivnu termičku
granicu opterećenja. Konačno, lokpDI,t,i, Pmin,pDI,t i Pmax,pDI,t su lokacijska ograničenja projekta
pDI,t za čvor i, te njegova minimalna i maksimalna dozvoljena instalirana snaga. Zadnje dvije
varijable su ograničenja snage DI-a koja investitor zadaje planeru. Kako u općenitome slučaju
investitor može zadati više intervala ograničenja snage svojeg proizvodnog postrojenja, tako
ih se može zapisati u obliku unije skupova kojih je ukupno br_int (u općenitome slučaju jedan
interval će najčešće biti dovoljan).
Za kraj je još potrebno naglasiti pretpostavku vezanu uz korištenje diskontne stope.
Diskontna stopa korištena u radu neće imati uključenu stopu inflacije, odnosno neće se
koristiti nominalna diskontna stopa. Tako je zato što je inflatorna stopa već uključena u
buduće isplate poticajnih cijena po kWh proizvedene energije za različite tehnologije DI-ova
(Tablica 2.5. – 2.7.). Naime Tarifni sustav za proizvodnju električne energije iz OIEK, članak
17., stavak 8., kaže da se visina poticajne cijene korigira svake godine u odnosu na utvrđenu
182
korigiranu poticajnu cijenu iz prethodne godine primjenom Indeksa potrošačkih cijena koji
objavljuje Državni zavod za statistiku za prethodnu kalendarsku godinu. Konačno, pri
određivanju stope porasta cijene energije na tržištu, planer ne smije uključiti inflatornu
stopu51, već samo tržišnu procjenu rasta52.
Da bi se što kvalitetnije implementirao novi algoritam optimalnoga razmještaja DI-ova,
bilo je potrebno razviti što bržu i točniju metodu proračuna tokova snaga.
7.3. Metoda proračuna tokova snaga

Zbog velikoga broja čvorišta, radijalnog pogona i mnogo većeg omjera R/X u odnosu na
prijenosne mreže, uobičajene metode proračuna tokova snaga (npr. Newton-Raphson-ova
metoda), razvijene za potrebe proračuna visokonaponskih mreža nisu učinkovite u
distribucijskim mrežama. Razlog je tomu što su u slučaju vrlo dugih radijalnih distribucijskih
elektroenergetskih vodova s velikim omjerom R/X naponi na krajnjim čvorovima znatno
manji od nazivnih. Klasične metode proračuna tokova snaga (PTS) u ovakvim situacijama
vrlo često divergiraju ili sporo konvergiraju, te nisu pogodne za proračun.
U posljednjih nekoliko desetljeća pojavile su se metode zasnovane na "naprijed/natrag"
principu (engl. backward/forward sweep), koje brzo konvergiraju u bilo kojoj situaciji, a
ujedno su i jednostavne za implementaciju u programskim jezicima te zahtijevaju manje
memorije i procesorske snage. Metoda razvijena kao pomoćni alat za potrebe algoritma
optimalnog razmještaja DI-a zasnovana je na rješavanju proračuna tokova snaga i padova
napona za glavne izvode iz napojne trafostanice, kao i za njihove odcjepe (Slika 7.1). Pritom,
promatrana mreža može imati proizvoljan broj čvorova.
51
Inflatorna stopa je već uključena u tržišnu cijenu električne energije. Naime čim se bilo koji novčani iznos
diskontira bez uključene inflatorne stope, logično je da je inflacija sama po sebi uključena u iznos koji se
diskontira. Drugim riječima, kada bi se uključila inflatorna stopa za diskontiranje iznosa tržišne cijene električne
energije (npr. u iznosu od 50 €/MWh) za npr. 15 godina, to bi značilo da je cijena električne energije za 15
godina upravo porasla na 50 €/MWh zbog inflacije. Samim time bi sadašnja cijena električne energije bila
manja.
52
U praksi je teško predvidjeti točnu tržišnu stopu rasta cijene električne energije, no ona se može procijeniti
prema statističim podacima njezina kretanja u državama u kojima je duže prisustno liberalizirano tržište
električnom energijom. Ključno je iz tih podataka izuzeti karakterističnu državnu stopu inflacije.
183
Slika 7.1. Primjer općenite SN distribucijske mreže s integriranim distribuiranim izvorom

električne energije
U proračunu tokova snaga je pretpostavljeno da se trofazna, po fazama jednoliko

opterećena radijalna srednjenaponska elektroenergetska mreža, može nadomjestiti
ekvivalentnim jednofaznim modelom. Konfiguracija mreže je proizvoljna i korisnik može
proračun implementirati za bilo koji realni primjer distribucijske mreže.
Također je u radnji korišten točan π nadomjesni model distribucijskih vodova u kojemu se
ne zanemaruje poprečni kapacitet voda. Premda se u proračunima distribucijskih mreža često
izostavljaju poprečne grane nadomjesne sheme voda, činjenica je da upravo one generiraju
kapacitivnu struju koja se na višim naponima ne smije zanemariti. Na taj način vodovi
generiraju reaktivnu snagu i donekle kompenziraju induktivni teret smanjujući gubitke cijelog
izvoda. Konačno, proračun tokova snaga obuhvaća i utjecaj distribuiranih izvora koje je
moguće smjestiti na bilo koji čvor na izvodu napojne trafostanice.
Metoda se sastoji od dvije razine analize [95]. Prva razina kreće od krajnjega čvora prema
prvomu te računa tokove djelatne i jalove snage s uključenim gubicima za svaku dionicu
mreže. Pritom se pretpostavlja da su naponi svih čvorova jednaki nazivnom naponu mreže.
Sljedeća razina se vraća od prvoga čvorišta (tj. napojne trafostanice) prema završnomu
čvorištu izvoda, pri čemu se na osnovi prethodno izračunatih snaga i gubitaka u granama
mreže računaju naponi svih čvorišta i padovi napona od napojne TS do svakog čvorišta. Time
je završena jedna iteracija.
Postupak se ponavlja sve dok apsolutna vrijednost razlike kompleksnih fazora napona
čvorova između dvije iteracije nije manja od unaprijed željene točnosti, odnosno indeksa
konvergencije ε (obično se uzima da je jednak 10-4). Nakon što je željena točnost postignuta,
algoritam je konvergirao i zaustavlja se.
184
Modeliranje mreže i vodova prikazat će se na primjeru konkretne distribucijske mreže,

koja će se koristiti u ovome poglavlju kao baza za demonstraciju algoritma optimalnoga
razmještaja DI-a.
7.3.1. Modeliranje mreže
Za matematički opis modela mreže potrebno je najprije numerirati sve čvorove i grane u
mreži. Pritom je korišten primjer mreže koja se sastoji od 30 čvorova (Slika 7.2.).
Slika 7.2. Primjer numeriranja konkretne distribucijske mreže s integriranim DI-om za

proračun tokova snaga i padova napona
Svako čvorište predstavlja opterećenje koje je opisano djelatnom i jalovom snagom (PT,i,
QT,i), što nije prikazano Slikom 7.2. zbog preglednosti. Čvorište 0 predstavlja niženaponske
SN sabirnice napojne trafostanice, a za distribuirani izvor je pretpostavljeno da je priključen
na SN sabirnicu čvorišta 13 (TS ili susretno postrojenje). Mreža se u primjeru sastoji od
glavnog izvoda (između čvorišta 0 i 17), te 3 podizvoda (odcjepa):
 prvi podizvod se nalazi između čvorišta 1 i 21,
 drugi podizvod se nalazi između čvorišta 2 i 24 i
 treći podizvod se nalazi između čvorišta 5 i 30.
Svaka grana će se označiti tako da će biti numerirana istim brojem kao njezin krajnji čvor
(čvor u koji ta grana ulazi). U Tablici 7.1. su prikazane numerirane sve grane promatrane
mreže.
Tablica 7.1. Numeracija grana u primjeru distribucijske mreže
185
Grana (i) Početni čvor [POČ(i)] Završni čvor [KR(i)]

1 0 1
2 1 2
3 2 3
4 3 4
5 4 5
6 5 6
7 6 7
8 7 8
9 8 9
10 9 10
11 10 11
12 11 12
13 12 13
14 13 14
15 14 15
16 15 16
17 16 17
18 1 18
19 18 19
20 19 20
21 20 21
22 2 22
23 22 23
24 23 24
25 5 25
26 25 26
27 26 27
28 27 28
29 28 29
30 29 30
186
Da bi se topologija mreže mogla integrirati u programski paket Matlab i realizirati pomoću

programskoga koda (upotrebom petlji ponavljanja i uvjetnih grananja), potrebno je najprije
formirati matricu incidencije MI. Reci navedene matrice predstavljaju grane (dionice) mreže,
a čvorovi su predstavljeni stupcima. Svaki element matrice MI(i,j) ima sljedeće vrijednosti:
 1, ako je j krajnji čvor grane i,
 -1, ako je j početni čvor grane i,
 0, u bilo kojem drugom slučaju.
Za primjer mreže na Slici 7.2., matrica incidencije je prikazana sljedećim izrazom:
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0
 
 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0
 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0
 
 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
MI  
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 (7.12)
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0
 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0
 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0  1 1 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0  1 1 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0  1 1 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0  1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0  1 1

Matematičkom operacijom inverzije, matrica incidencije MI transformirat će se u novu

matricu INV. U toj će matrici reci predstavljati čvorove, a stupci grane mreže. Za mrežu na
Slici 7.2., matrica INV je:
187
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INV  
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 (7.13)
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0
 
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0

1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0
 
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0
1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
 
1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0
 
1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0
1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
 
1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0
 
1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0
1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0
 
1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0
1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1

Redni brojevi redaka matrice INV označavaju čvorove, a redni brojevi stupaca označavaju
grane mreže. Sljedeći korak je definirati što označavaju pojedini elementi matrice INV. Za
svaku granu (pojedini stupac), svi čvorovi koji su napajani iz te grane predstavljeni su ne-nul
elementima u navedenome stupcu. Za granu 1 (1. stupac), svi čvorovi koji se energetski
nalaze nakon nje su označeni kao elementi:
INV ( j ,1)  1, j  1,2,...,30 (7.14)
Za granu 5 (5. stupac), svi čvorovi koji su napajani iz te grane su označeni kao elementi:
INV ( j ,5)  1, j  5,6,...,17 25,26,...30 (7.15)
Drugim riječima, energetski gledano, nakon grane 5 nalaze se čvorovi 5,6,…,17, te čvorovi
25,26,…,30, što je i vidljivo sa Slike 7.2. Na temelju navedenoga iz matrice INV potrebno je
konstruirati novu matricu GR, čiji će redni brojevi redaka označavati grane, a elementi
matrice GR(i,j) će označavati čvorove koji se energetski nalaze nakon grane (dionice) i. Za
primjer sa Slike 7.2, matrica GR izgleda:
188
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
 
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 22 23 24 25 26 27 28 29 30 0 0 0 0 0 
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 25 26 27 28 29 30 0 0 0 0 0 0 0 0 0 
 
4 5 6 7 8 9 10 11 12 13 14 15 16 17 25 26 27 28 29 30 0 0 0 0 0 0 0 0 0 0 
 
5 6 7 8 9 10 11 12 13 14 15 16 17 25 26 27 28 29 30 0 0 0 0 0 0 0 0 0 0 0
6 7 8 9 10 11 12 13 14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
7 8 9 10 11 12 13 14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
8 9 10 11 12 13 14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 

9 10 11 12 13 14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
10 11 12 13 14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
11 12 13 14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
12 13 14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
13 14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
14 15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
15 16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
GR  
16 17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 (7.16)
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
18 19 20 21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
19 20 21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 

20 21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
22 23 24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 23 24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 25 26 27 28 29 30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
26 27 28 29 30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
27 28 29 30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 28 29 30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
29 30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 

Kao primjer se može uzeti grana 22 (22. redak). Iz odgovarajućega retka matrice GR(22,j)
vidljivo je kako se iza grane 22 energetski napajaju čvorovi 22, 23 i 24. Analogna konstatacija
vrijedi za sve grane u ovome primjeru distribucijske mreže.
Ukupni broj čvorova nakon grane i je označen jednodimenzionalnim vektorom M(i). Za
prvu granu vrijedi da je M(1) = 30. Za osmu granu vrijedi M(8) = 10, a za dvadesetu granu je
M(20) = 2. Vektor M(i) će poslužiti pri proračunu tokova snaga, što je opisano u nastavku.
7.3.2. Modeliranje vodova i proračun tokova snaga
Pretpostavlja se da je promatrana distribucijska mreža pogonski i topološki radijalna.

Također se pretpostavlja da je uravnotežena, odnosno da je opterećenje simetrirano u sve tri
faze. To znači da je za proračun tokova snaga dovoljno promatrati samo jednu fazu, a za
preostale dvije faze vrijede iste električne veličine, samo pomaknute za 120˚ i 240˚ el. Model
voda predstavljen je π shemom, te se u proračunu tokova snaga neće zanemariti kapacitivne
struje koje generiraju poprečni kapaciteti voda (zanemarit će se jedino odvod voda). Na taj
način se mogu realnije sagledati naponi u svim čvorovima mreže i gubici djelatne i jalove
snage po vodovima u odnosu na korištenje modela voda isključivo s uzdužnom
impedancijom. Prikaz modela voda korištenoga u ovoj radnji nalazi se na Slici 7.3.
189
Slika 7.3. Model nadomjesnog π voda distribucijske mreže
Proračun tokova snaga bit će riješen iterativno kroz dva niza jednadžbi (dva koraka). Prvi
niz kreće od posljednjega čvorišta prema napojnomu čvorištu i računa struje svih grana (korak
unatrag, engl. backward sweep), pri čemu su naponi svih čvorišta jednaki nazivnomu naponu
mreže. Drugi niz proračuna kreće od prvoga čvorišta (s izračunatim strujama svih grana)
prema zadnjemu, pri čemu se računa napon svakoga čvorišta (korak unaprijed, engl. forward
sweep).
7.3.2.1. Računanje snaga i struja svake grane (korak unatrag)

Iz Slike 7.3. mogu se dobiti sljedeće jednadžbe kojima se opisuju tokovi snaga i struja kroz
grane (dionice) radijalne distribucijske mreže. Tokovi djelatne i jalove snage kroz grane
mreže su:
GR ( i ,1) uk ,t brDI ,t GR ( i ,1) GR ( i , 2 )

Pi   PT ,k     PpDI ,t ,k  p gub , k (7.17)
k GR ( i , M ( i )) t 1 pDI ,t 1 k GR ( i , M ( i )) i GR ( i , M ( i ))
GR ( i ,1) GR ( i , 2 ) GR ( i , 2 )
Qi   QT ,k   q gub,k   (q kap , k , poč  q kap ,k ,kr ) (7.18)
k GR ( i , M ( i )) k GR ( i , M ( i )) k GR ( i , M ( i ))
U navedenim jednadžbama PT,k i QT,k predstavljaju djelatnu i jalovu snagu opterećenja

čvora k. Pi je djelatna snaga koja teče kroz granu i i ulazi u čvor i, a jednaka je sumi djelatnih
snaga svih trošila energetski smještenih nakon čvora i (uključujući čvor i) od koje se oduzima
190
djelatna snaga svih distribuiranih izvora energetski smještenih nakon čvora i. Tomu iznosu
pridodaju se svi gubici djelatne snage generirani u granama energetski smještenima nakon
grane i (grana i nije uključena). Qi je jalova snaga koja teče kroz granu i i ulazi u čvor i, a
jednaka je sumi jalovih snaga svih trošila energetski smještenih nakon čvora i (uključujući
čvor i). Toj sumi se pridodaju svi gubici jalove snage u svim granama energetski smještenima
nakon grane i (grana i nije uključena), i od nje se konačno oduzimaju jalove snage koje su
generirane poprečnim granama svih vodova (grana i nije uključena). pgub,k i qgub,k označavaju
gubitke djelatne i jalove snage k-te grane (generirane na uzdužnom otporu i induktivitetu
točne nadomjesne π sheme voda). Varijable qkap,k,poč i qkap,k,kr predstavljaju jalovu snagu
generiranu u početnoj i krajnjoj poprečnoj grani k točne nadomjesne π sheme voda.
Struja koja teče kroz i-tu granu mreže dana je izrazom koji sadrži kompleksno konjugirane
vrijednosti fazora snage i napona:

Si Pi  jQi
Ii   (7.19)
 
3U i 3U i
Ako se kompleksnu vrijednost napona čvora i izrazi u polarnome koordinatnom sustavu

preko njegove realne i imaginarne komponente te faznog kuta, dobit će se izraz:
U i  U i  cos  i  j sin  i  (7.20)
pritom, napon čvora i predstavlja napon krajnjeg čvora grane i (Ui=UKR(i)), prema Tablici 7.1.
Struja koja teče kroz i-tu dionicu (Slika 7.3.), razdijeljena na realni i imaginarni dio, bit će
tada jednaka:

Si Pi cos  i  Qi sin  i Qi cos  i  Pi sin  i
Ii   j (7.21)

3U i 3U i 3U i
Važno je istaknuti kako je struja Igub,i koja teče kroz uzdužni otpor i reaktanciju dionice i
(te generira djelatne i jalove gubitke snage), jednaka struji Ii uvećanoj za struju poprečne
grane voda kapaciteta Ci,kr/2 (na Slici 7.3.):
191
Ui U i  cos  i  j sin  i 
I Ci ,kr / 2  
3 X Ci / 2 1 (7.22)
3
jCi / 2
 Ci  U i  sin  i  jCi  U i  cos  i

I Ci ,kr / 2  (7.23)
2 3
 P cos  i  Qi sin  i Ci  U i  sin  i 

I gub ,i  I i  I Ci ,kr / 2   i  

 3U i 2 3 
(7.24)
 Q cos  i  Pi sin  i Ci  U i  cos  i 
 j  i  

 3U i 2 3 
Jednadžbe koje opisuju djelatne i jalove trofazne gubitke snage grane i te jalovu snagu
generiranu u njezinim poprečnim granama prikazane su formulama:
2
p gub,i  3  I gub,i  Ri 
2
 Pi cos  i  Qi sin  i Ci  U i  sin  i 
   
 3U i 2 3  (7.25)
 
3  Ri
2
  i  

 3U i 2 3 
2
q gub,i  3  I gub,i  X i 
2
 Pi cos  i  Qi sin  i Ci  U i  sin  i 
   
 3U i 2 3  (7.26)
 
3  Xi
2
  i  

 3U i 2 3 
192
2
 U POČ ( i )  1 C
      i U POČ (i )
2
q kap ,i , poč  X (7.27)
 3  Ci / 2 6
2
 U KR ( i )  1 C
      i U KR (i )
2
q kap ,i ,kr (7.28)
 3  X Ci / 2 6
U navedenim jednadžbama Ri je djelatni otpor i-te grane (dionice), jednak umnošku

jediničnoga otpora i-te grane i njezine duljine, a Xi je reaktancija i-te grane, jednaka umnošku
jedinične reaktancije i-te grane i njezine duljine. Ci je kapacitet grane i, jednak umnošku
jediničnoga kapaciteta i-te grane i njezine duljine, a Bi=ω·Ci označava susceptanciju grane i,
koja je jednaka umnošku jediničnoga kapaciteta i-te grane i kružne frekvencije mreže.
Konačno, POČ(i) i KR(i) označavaju početni i krajnji čvor grane i (prema Tablici 7.1.).
7.3.2.2. Računanje napona svakog čvorišta (korak unaprijed)

Prema Slici 7.3. mogu se izvesti sljedeće jednadžbe kojima se definiraju naponi svakog
čvorišta radijalne distribucijske mreže:
U KR (i )  U POČ (i )  Ri  jX i   I gub ,i (7.29)
Razdvoji li se kompleksna vrijednost napona čvorišta i na realni i imaginarni dio, slijedi:
   
Re U KR ( i )  U POČ (i )  cos  POČ (i )  Ri  Re I gub ,i  X i  Im I gub,i   (7.30)
     
Im U KR ( i )  U POČ ( i )  sin  POČ ( i )  X i  Re I gub ,i  Ri  Im I gub ,i (7.31)
Pretpostavlja se da se napon na sekundaru napojne transformatorske stanice regulira unutar

primarnoga namota transformacije uređajem za automatsku regulaciju napona ili
regulacijskom teretnom preklopkom. Drugim riječima, pretpostavlja se da će početnome
čvoru prve grane (napojna trafostanica), na čijim se sabirnicama provodi regulacija napona,
193
napon biti fiksan i jednak nazivnomu naponu mreže s faznim kutom 0˚. Napon i fazni kut
svakog čvora i mreže je jednak:
U KR (i )  ReU   ImU 
KR ( i )
2
KR ( i )
2
(7.32)
 KR (i )  Arc tan
 
Im U KR ( i )
ReU  (7.33)
KR ( i )
Ako je željena točnost postignuta, tj. ako je nakon dvije uzastopne iteracije (it i it + 1)
apsolutna vrijednost razlike kompleksnih fazora napona svih čvorova manja od unaprijed
zadanoga indeksa konvergencije ε, algoritam je konvergirao i zaustavlja se:
( it 1) ( it )
U KR (i )  U KR ( i )   , i  1,..., čv (7.34)
7.3.2.3. Dijagram tijeka proračuna tokova snaga

Dijagram tijeka za proračun tokova snaga opisan u ovom radu prikazan je Slikom 7.4.:
( k 1) (k )
U KR ( i )  U KR ( i )  
i  1,..., čv
Slika 7.4. Dijagram tijeka za opisani proračun tokova snaga
7.4. Definicija ulaznih podataka

7.4.1. Ulazni podaci srednjenaponske mreže
U ovoj će se radnji demonstrirati primjena genetskoga algoritma razvijenog za potrebe

pronalaženja optimalnih lokacija i priključnih snaga različitih tipova DI-ova definiranih
194
trenutno važećim tarifnim sustavom za proizvodnju električne energije iz OIEK-a. Razmatrat

će se simultani priključak grupe distribuiranih izvora na konkretnom primjeru 20 kV
srednjenaponske mreže s ciljem jednostavne ilustracije rada predloženoga algoritma.
Navedenu grupu DI-ova koji se žele priključiti na isti izvod činit će hidroelektrana,
vjetroelektrana i kogeneracijska jedinica na fosilno gorivo. Pretpostavit će se da je na istome
izvodu već otprije priključena sunčana elektrana.
Distribucijska mreža u ovome primjeru sastojat će se od 30 čvorišta (SN/NN potrošačkih
trafostanica za NN kupce ili SN susretnih postrojenja za SN kupce), kao što je prikazano
Slikom 7.2. Tip i parametri srednjenaponskoga kabelskog voda korištenoga u ovome primjeru
prikazani su u Tablici 7.2. U općenitome slučaju, može se koristiti proizvoljna kombinacija
kabelsko-nadzemnih vodova, odnosno mješovita mreža. Navedeni tip podzemnih kabela ima
dosta veliku prijenosnu moć i na 20 kV naponu može prenijeti oko 12 MW, što znači da
planer može odmah zaključiti da će mreža biti robusna za priključak novih DI-ova veće snage.
Postojeća sunčana elektrana je priključena na čvoru 29 i ima priključnu snagu 500 kW.
Tablica 7.2.Podaci električnoga kabelskog voda korišteni u primjeru distribucijske mreže

Un (kV) Tip R1 (Ω/km) X1 (Ω/km) B1 (μS/km) Inaz (A)
NA2XS(F)2Y
20 0,206 0,115 82 345
3x(1x150)/25 mm2
HEP ODS-ov Odjel za mjerenja godišnje provede 12 mjerenja opterećenja potrošačkih TS.
Za SN kupce se iz HEP-ove aplikacije HEP Biling može očitati energetska kartica SN
potrošača s maksimalnom izmjerenom snagom tereta u proizvoljnom intervalu u prošlosti. U
ovom će se primjeru pretpostaviti da su izmjerena vršna opterećenja svih čvorova mreže
prikazana u Tablici 7.3. uzeta za proizvoljni period mjerenja (neka se uzme period od
posljednjih godinu dana). Pretpostavlja se da je godišnja stopa rasta tereta za sve čvorove
jednaka 3 %, iako program dozvoljava planeru odabir proizvoljne stope porasta opterećenja
posebno za svaki čvor u mreži. Također se u istoj tablici nalaze i podaci o duljinama svih
dionica promatrane mreže.
Tablica 7.3.Podaci vršnih djelatnih i jalovih snaga svakog čvorišta i duljina dionica u
primjeru distribucijske mreže
Čvor i Djelatna snaga, Jalova snaga, Godišnja stopa Dionica Duljina l
195
PT,v,i (kW) QT,v,i (kvar) porasta tereta (%) i (km)

1 120 60 3 1 0,7
2 190 110 3 2 0,5
3 300 140 3 3 0,7
4 110 50 3 4 0,8
5 70 30 3 5 0,9
6 400 190 3 6 0,6
7 520 240 3 7 0,2
8 80 40 3 8 0,8
9 60 30 3 9 0,7
10 330 160 3 10 0,3
11 920 400 3 11 0,1
12 630 290 3 12 0,4
13 240 100 3 13 0,4
14 100 50 3 14 0,2
15 120 60 3 15 0,7
16 290 140 3 16 0,8
17 170 90 3 17 0,5
18 120 60 3 18 0,9
19 270 120 3 19 0,1
20 90 40 3 20 0,3
21 200 90 3 21 0,6
22 90 50 3 22 0,2
23 60 40 3 23 0,3
24 230 130 3 24 0,6
25 1250 430 3 25 0,4
26 120 60 3 26 0,2
27 380 130 3 27 0,1
28 260 150 3 28 0,9
29 470 210 3 29 0,4
30 520 220 3 30 0,3
196
Dakle, ukupna neto suma djelatnih i jalovih opterećenja svih potrošača promatrane mreže
je 8,710 MW i 3,910 Mvar, bez uzimanja u obzir gubitaka mreže i faktora istovremenosti.
Neka se također pretpostavi da su izmjerena vršna i minimalna djelatna i jalova snaga na
razini izvoda prikazane u Tablici 7.4. Podaci o pogonskim mjerenjima na razini izvoda
(vodnih polja) u bilo kojem vremenskom razdoblju mogu se dobiti iz SCADA sustava53 (engl.
System Control and Data Acquisition), pod uvjetom da su napojne transformatorske stanice
uključene u sustav daljinskoga vođenja (SDV). Radi što aktualnijih podataka, za period
mjerenja uzima se posljednjih godinu dana.
Tablica 7.4.Podaci vršne i minimalne snage izvoda iz SCADA sustava

Vršna snaga Minimalna snaga
izvoda izvoda
Djelatna snaga, Pizv,v,SCADA i
6,450 1,770
Pizv,min,SCADA (MW)
Jalova snaga, Qizv,v,SCADA i
2,510 0,630
Qizv,min,SCADA (Mvar)
Da bi uključio faktor istovremenosti u energetsku analizu mreže, predloženi algoritam u

sebi ima integriran izračun korigiranih vršnih i minimalnih snaga svakog čvora s navedenim
faktorom. Za navedene ulazne podatke, faktor istovremenosti za vršnu i minimalnu djelatnu i
jalovu snagu računa se prema:
Pizv ,v ,SCADA Pizv ,min, SCADA

f fi , Pv  , f fi , P min 
čv čv (7.35)
 PT ,i  PT ,i
i 1 i 1
Qizv ,v ,SCADA Qizv ,min, SCADA

f fi ,Qv  , f fi ,Q min 
čv čv (7.36)
 QT ,i  QT ,i
i 1 i 1
53
SCADA je tehnologija koja omogućuje prikupljanje podataka iz jednog ili više udaljenih postrojenja te slanje
upravljačkih naredbi u ta postrojenja. SCADA je kratica za nadzor, upravljanje i prikupljanje podataka.
197
pri tome su ffi,Pv i ffi,Pmin faktori istovremenosti za vršnu i minimalnu djelatnu snagu tereta, a
ffi,Qv i ffi,Qmin su faktori istovremenosti za vršnu i minimalnu jalovu snagu tereta. Pizv,v,SCADA i
Pizv,min,SCADA su vršna i minimalna izmjerena djelatna snaga izvoda, a Qizv,v,SCADA i Qizv,min,SCADA
su vršna i minimalna izmjerena jalova snaga izvoda.
Dakle, za zadane ulazne podatke vršnih snaga potrošačkih čvorova mreže (Tablica 7.3.) i
maksimalnih/minimalnih izmjerenih djelatnih/jalovih snaga izvoda (Tablica 7.4.), interna
skripta algoritma korigira snage svakog čvorišta za vršno i minimalno opterećenje mreže,
prema formulama:
PT ,v  k ,i  f fi , Pv  PT ,v ,i , PT ,min  k ,i  f fi , P min  PT ,v ,i , i  1,..., čv (7.37)
QT ,v k ,i  f fi ,Qv  QT ,v ,i , QT ,min k ,i  f fi ,Q min  QT ,v ,i , i  1,..., čv (7.38)
pri tome su PT,v-k,i i PT,min-k,i korigirane vršne i minimalne djelatne snage tereta čvorišta i, a
QT,v-k,i i QT,min-k,i su korigirane vršne i minimalne jalove snage tereta čvorišta i.
Ovi će se podaci poslije koristiti za kontrolne proračune tokova snaga. Zaključno,
promatrana se mreža sastoji od industrijskih potrošača (kategorija poduzetništvo, SN kupci),
spojenih na čvorove 11 i 25 i rezidencijalnih potrošača (NN kupci, kategorija kućanstvo),
spojenih na sve ostale čvorove izvoda.
Kao što je napomenuto u uvodnome dijelu ovoga poglavlja, svaki distribuirani izvor može
imati lokacijska ograničenja te ograničenja u izboru priključne snage. U ovom primjeru,
pretpostavit će se da je priključak hidroelektrane ograničen na čvorišta 22 – 24. Nadalje
lokacijska ograničenja vjetroelektrane su između čvorišta 3 – 7 i 18 – 21, a lokacijska
ograničenja kogeneracijske elektrane su između čvorišta 9 – 15. Sva navedena ograničenja na
lokacije priključenja elektrana ovisno o njihovu tipu su prikazana Slikom 7.5. Ograničenja u
izboru priključne snage za svaki tip distribuiranoga izvora bit će definirana u nastavku.
Okvirna ograničenja su da snaga budućeg DI-a mora biti između 500 kW i 10 MW, prema
važećim Mrežnim pravilima.
198
Slika 7.5. Ograničenja na lokaciju priključenja distribuiranih izvora na primjeru mreže od 30

čvorišta
7.4.2. Ulazni podaci prosječnih dnevnih krivulja opterećenja
Da bi algoritam što preciznije i točnije modelirao opterećenja, potrebno je uz izmjerene

vršne terete potrošačkih točaka dati podatke i o njihovim prosječnim dnevnim krivuljama
opterećenja [96]. Prosječne dnevne krivulje opterećenja svakog čvorišta predstavljaju
procjenu satne promjene opterećenja za prosječan dan u nekom promatranom periodu (u
pravilu u jednoj kalendarskoj godini). Prosječne dnevne krivulje opterećenja najlakše se
formiraju za SN potrošače opremljene intervalnim kombi komunikacijskim brojilima koja
imaju mogućnost pohrane krivulje snage. Za uzorak podataka od npr. 365x24 satna mjerenja,
izračunom aritmetičke sredine može se pronaći opterećenje u svakom satu za prosječan dan u
godini.
Za krivulje na razini TS SN/NN s niskonaponskim kupcima tipa kućanstvo i poduzetništvo
nije moguće naći egzaktne podatke. Naime iako su kupci kategorije poduzetništvo s
priključnom snagom iznad 30 kW opremljeni naprednom mjernom infrastrukturom s
mogućnošću pohrane krivulje opterećenja, preostali NN kupci nemaju tako opremljena
brojila. Iako se unutar zemalja članica EU-a (naročito u Italiji) u prvi plan provođenja
koncepta "Naprednih mreža" stavlja naglasak na opremanje svih potrošača naprednim
brojilima, za sada je teško procijeniti kojim će se tempom navedena aktivnost odvijati u
199
Hrvatskoj. U nedostatku egzaktnih podataka, krivulje opterećenja se mogu procijeniti na

temelju nekih poznatih podataka (npr. prosječne dnevne krivulje opterećenja cijeloga izvoda u
SCADA sustavu).
U ovoj radnji prosječne dnevne krivulje opterećenja nisu sinonim za nadomjesne krivulje
opterećenja (NKO)54 koje prvenstveno koriste opskrbljivači na tržištu zbog smanjenja rizika
plaćanja prevelikih iznosa energije uravnoteženja. NKO su definirane za svakog potrošača ili
grupu istovrsnih potrošača, a za potrebe optimalnog razmještaja DI-a potrebno je razmotriti
krivulje tereta na razini cijele TS. Za potrebe ove disertacije, prosječne dnevne krivulje
opterećenja bit će procijenjene za svaki čvor promatrane mreže, a fokus neće biti na
određivanju njihova pravila formiranja.
U Tablicama 7.5. – 7.8. prikazana su procijenjena satna djelatna i jalova opterećenja svih
čvorova promatrane mreže za prosječan dan u godini, za primjer mreže na Slici 7.5.
54
http://www.hep.hr/ods/opskrbljivaci/svrha.aspx
200
7. Opis novog algoritma za rješavanje problema optimalnog razmještaja distribuiranih izvora
Djelatna snaga čvorova promatrane mreže za svaki sat prosječnoga dana, PT,s,i (kW)
Sat (h)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 21,31 34,18 53,16 19,89 12,54 70,88 92,82 14,50 10,76 58,18 92,74 113,53 43,32 17,81 21,46
2 21,36 34,20 53,25 19,69 12,66 71,80 91,68 14,25 10,73 58,61 92,92 112,08 42,53 17,79 21,32
3 21,47 34,24 53,79 19,45 12,52 71,36 93,39 14,22 10,72 58,61 93,38 111,51 43,03 17,84 21,38
4 21,30 34,11 53,46 19,78 12,49 71,52 91,94 14,27 10,82 58,91 90,90 111,89 42,60 17,71 21,32
5 21,67 34,20 54,12 19,71 12,63 72,48 92,98 14,19 10,60 58,58 92,83 111,07 42,67 18,05 21,76
6 21,61 33,93 53,28 19,71 12,54 71,68 92,30 14,30 10,59 58,31 91,91 112,39 42,79 17,63 21,23
7 71,40 113,15 178,65 65,71 41,47 238,00 310,44 47,34 35,89 196,65 852,29 375,98 142,51 59,42 71,65
8 71,75 112,25 177,90 65,52 41,72 238,64 309,56 47,77 35,77 196,65 848,88 373,91 142,92 59,55 71,50
9 71,42 112,82 178,44 65,58 41,48 238,04 310,86 47,55 35,78 196,88 847,78 375,48 142,68 59,74 71,44
10 71,46 113,26 178,35 65,19 41,53 238,28 309,45 47,05 35,72 196,61 846,77 375,23 142,25 59,63 71,50
11 71,27 111,99 178,83 65,62 42,08 238,44 310,23 47,25 35,78 196,05 849,62 373,40 142,78 59,70 71,45
12 71,60 113,51 178,56 65,52 41,59 238,96 308,46 47,77 35,64 198,13 853,85 374,47 142,70 59,09 70,97
13 55,58 86,89 139,56 51,37 32,78 185,64 241,12 36,56 27,97 153,35 850,17 292,26 112,78 46,60 55,54
14 55,45 88,46 139,14 51,12 32,55 185,88 244,24 37,19 27,94 152,82 851,55 291,19 109,75 46,38 55,10
15 55,48 87,84 138,48 51,27 32,31 186,00 240,66 36,98 27,79 152,20 850,36 290,37 111,62 46,18 55,28
16 55,45 88,83 137,97 50,99 32,22 185,28 243,20 37,47 27,75 154,74 851,37 293,64 111,46 46,45 56,12
17 102,24 161,80 256,62 93,52 59,73 341,88 443,04 68,35 50,72 282,45 848,79 534,37 205,13 85,04 102,29
18 102,17 162,64 255,54 94,12 59,48 339,20 442,47 67,68 51,32 281,36 93,10 536,63 205,56 85,84 101,96
201
19 102,32 161,94 256,11 93,60 60,12 339,36 441,43 67,90 51,27 282,48 93,01 539,03 203,52 85,13 101,99
20 102,80 162,96 254,34 94,01 59,49 340,56 444,50 68,06 51,22 280,17 94,39 536,89 204,86 85,24 101,86
21 102,35 162,03 257,43 93,57 59,63 339,16 443,77 67,95 51,16 280,17 93,10 536,26 204,84 85,45 101,84
22 89,74 141,23 223,26 82,17 52,40 296,92 385,94 59,98 44,61 245,75 96,69 470,48 178,39 74,65 89,62
23 89,70 141,89 223,50 81,80 52,07 298,68 387,40 59,74 44,83 245,32 90,80 469,16 178,94 74,54 89,24
24 89,32 141,74 223,35 82,07 52,22 298,28 387,50 59,43 44,78 245,85 89,98 469,67 178,87 74,62 89,53
202
Djelatna snaga čvora promatrane mreže za svaki sat prosječnoga dana, PT,s,i (kW)
Sat (h)
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1 51,21 30,48 21,59 48,11 16,13 35,82 16,19 10,72 41,40 1160,5 21,46 67,79 46,12 83,28 93,81
2 51,53 30,33 21,46 48,17 15,95 36,00 16,12 10,80 40,94 1155,8 21,42 68,25 46,07 84,08 92,98
3 52,00 30,18 21,43 48,60 16,07 35,68 15,98 10,60 41,42 1155,5 21,62 67,75 46,54 84,22 92,87
4 51,94 30,29 21,72 48,09 16,01 35,36 16,01 10,67 41,42 1153,8 21,41 67,75 46,77 84,04 93,03
5 51,56 30,50 21,49 48,63 16,16 35,96 16,14 10,63 41,40 1152,1 21,56 67,49 46,41 83,94 92,30
6 52,06 30,69 21,80 48,28 16,00 35,72 16,08 10,71 41,01 1153,6 21,46 68,17 46,23 84,13 92,82
7 173,36 101,73 71,57 160,76 53,59 119,66 53,48 35,68 136,99 1153,4 71,54 226,44 155,43 279,18 310,39
8 173,07 100,78 71,52 160,25 53,80 119,88 53,78 35,60 137,68 1155,5 71,36 225,53 154,67 280,68 310,28
9 171,56 101,46 71,66 160,52 53,69 118,88 53,25 35,75 137,47 122,9 71,28 226,21 154,62 278,10 310,70
10 171,94 101,07 71,75 160,03 53,59 119,04 53,78 35,53 137,10 125,5 71,15 226,33 155,58 280,12 309,24
11 172,55 100,88 71,12 161,33 53,66 118,90 53,42 35,72 136,30 124,4 71,08 225,80 154,21 279,56 309,50
12 172,52 100,98 71,68 160,33 53,60 118,72 53,47 35,67 136,87 125,4 71,12 225,99 155,43 280,87 308,93
13 134,53 79,31 55,49 125,85 41,73 92,76 41,27 27,85 107,07 125,9 55,86 176,32 121,11 218,69 243,52
14 135,23 78,69 55,57 125,23 41,75 92,92 41,37 27,69 107,16 121,6 55,94 177,16 121,55 219,07 240,19
15 134,39 78,57 55,78 125,36 41,76 93,32 41,74 28,09 106,19 124,5 55,50 175,94 120,69 217,70 240,76
16 134,39 78,90 55,50 125,23 41,69 92,94 41,69 27,90 105,85 120,5 55,70 177,12 120,02 218,64 241,49
17 248,24 143,91 101,64 229,39 76,71 170,48 76,58 50,78 195,39 124,1 101,64 324,33 221,96 399,41 442,68
18 246,30 143,60 101,88 229,96 75,98 170,56 76,65 51,15 195,32 127,8 101,95 321,52 222,09 400,02 444,70
203
19 246,50 144,91 101,83 228,80 76,87 170,70 76,67 51,03 196,10 122,8 102,43 321,67 222,48 402,60 443,98
20 247,05 145,38 101,75 230,01 76,93 171,28 76,33 51,16 196,05 126 102,06 323,00 220,09 400,82 442,62
21 247,49 144,45 102,47 229,77 77,09 169,84 76,60 51,09 196,60 127,1 102,36 323,72 219,67 399,69 440,86
22 215,96 126,79 89,57 201,96 66,97 148,94 67,07 44,85 171,53 1156,7 89,62 282,30 193,60 350,39 384,59
23 215,79 126,80 89,09 200,96 67,30 148,52 67,10 44,79 171,24 1155 89,20 282,76 193,41 350,39 388,65
24 215,73 126,72 89,05 200,99 66,84 148,74 67,08 44,69 171,26 1160,5 89,72 282,23 194,38 349,87 387,24
204
Tablica 7.7. Podaci procijenjenih satnih jalovih opterećenja promatrane mreže (čvorovi 1 – 15)
Jalova snaga čvora promatrane mreže za svaki sat prosječnoga dana, QT,s,i (kvar)
Sat (h)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 10,77 19,38 24,78 8,97 5,32 33,74 42,07 7,17 5,34 28,78 40,72 51,39 17,90 8,95 10,79
2 10,80 19,48 25,03 8,91 5,35 34,03 43,20 7,15 5,35 28,48 40,72 51,85 17,96 8,92 10,69
3 10,67 19,67 24,78 8,93 5,33 33,99 42,84 7,12 5,36 29,02 39,68 51,77 17,75 8,96 10,52
4 10,61 19,66 25,09 9,04 5,33 34,47 42,36 7,12 5,43 28,85 40,32 51,39 17,75 8,87 10,73
5 10,76 19,64 24,99 8,96 5,32 34,01 42,60 7,17 5,38 28,75 40,16 52,29 17,96 8,87 10,67
6 10,61 19,51 24,91 8,84 5,33 34,05 42,84 7,12 5,43 28,54 40,28 51,88 17,90 8,91 10,67
7 35,66 65,70 83,62 29,81 17,82 113,07 142,73 23,88 17,80 94,82 371,96 173,51 59,72 29,83 35,84
8 35,59 65,65 83,65 29,61 17,84 113,45 143,06 23,92 17,92 95,71 370,20 172,55 59,48 29,84 35,65
9 35,77 65,74 83,01 29,67 17,83 113,45 142,99 23,87 17,92 94,98 370,20 172,49 59,64 29,71 35,98
10 35,86 65,42 83,51 29,85 17,84 113,20 142,80 23,87 17,87 95,15 371,40 171,91 59,25 29,68 35,97
11 35,60 65,75 83,31 29,77 17,84 113,68 143,47 23,91 17,93 95,42 370,60 173,48 59,56 29,80 35,89
12 35,82 65,34 83,19 29,93 17,87 113,22 142,99 23,87 17,90 95,26 371,28 171,77 59,61 29,81 35,66
13 27,71 51,06 65,34 23,18 14,01 88,29 110,98 18,65 13,79 74,30 370,20 133,49 46,17 23,26 27,70
14 27,83 51,00 64,39 23,24 13,93 87,21 112,20 18,64 13,82 74,46 368,40 135,14 46,13 23,12 27,69
15 27,95 50,49 65,31 23,14 13,89 88,24 112,20 18,50 13,91 74,66 369,72 135,00 46,43 23,09 27,88
16 27,72 50,56 65,94 23,06 14,01 87,55 111,00 18,67 13,86 73,79 371,44 133,69 46,52 23,39 27,82
17 51,28 94,12 119,14 42,73 25,50 161,92 204,17 34,12 25,61 135,49 368,60 247,23 85,22 42,74 51,01
18 51,22 93,48 119,22 42,78 25,66 162,03 205,49 33,97 25,60 136,11 40,12 247,95 85,83 42,30 50,95
205
19 50,87 93,63 119,59 42,49 25,58 161,35 204,65 34,00 25,55 136,11 40,16 247,23 84,69 42,71 50,92
20 50,84 93,56 119,21 42,49 25,60 161,61 203,74 33,97 25,61 135,78 40,76 245,86 85,20 42,50 51,01
21 51,09 93,86 119,62 42,61 25,84 161,86 204,53 33,91 25,50 136,27 41,36 246,96 85,16 42,23 51,08
22 44,76 82,07 104,83 37,29 22,33 141,36 179,40 29,70 22,30 119,22 39,96 217,38 74,72 37,18 44,62
23 44,88 82,30 104,26 37,32 22,31 141,00 179,02 29,79 22,42 119,25 40,40 215,67 74,13 37,21 44,59
24 44,67 81,62 104,06 37,21 22,38 141,42 179,09 29,67 22,33 119,47 39,40 216,66 74,39 37,27 44,52
206
Jalova snaga čvora promatrane mreže za svaki sat prosječnoga dana, QT,s,i (kvar)
Sat (h)
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1 25,09 16,03 10,66 21,32 7,16 16,16 8,86 7,13 23,18 397,75 10,71 23,30 26,75 37,63 39,27
2 24,91 16,13 10,72 21,26 7,21 15,93 8,90 7,18 23,31 396,33 10,78 23,23 26,84 37,55 39,29
3 25,02 16,05 10,60 21,52 7,08 16,12 8,93 7,09 23,39 395,86 10,77 23,26 26,58 37,42 39,45
4 24,85 16,16 10,76 21,37 7,08 15,95 8,88 7,03 23,35 397,41 10,67 23,43 26,76 37,72 39,31
5 25,14 16,01 10,73 21,41 7,22 15,98 9,01 7,14 23,05 398,22 10,69 22,98 26,46 37,09 39,60
6 25,16 15,85 10,70 21,60 7,25 15,98 8,84 7,20 23,26 399,77 10,82 23,23 26,73 37,11 39,49
7 82,87 53,60 35,69 71,83 23,97 53,41 29,75 23,77 77,91 398,44 35,75 77,19 89,33 125,24 131,41
8 83,43 53,59 35,65 71,38 23,95 53,98 29,89 23,85 77,47 399,08 35,78 77,47 89,36 125,03 130,75
9 83,27 53,32 35,78 71,44 23,86 53,83 29,85 23,84 77,70 43,43 35,71 77,10 89,09 124,28 131,10
10 82,99 53,65 35,77 71,76 23,87 53,53 29,75 23,79 76,97 42,96 35,82 77,60 89,01 125,54 130,57
11 83,30 53,55 35,69 71,58 23,76 53,19 29,70 23,76 77,17 41,93 35,47 77,53 89,30 124,70 130,99
12 83,87 53,83 35,64 71,68 23,91 53,29 29,76 23,81 77,05 41,71 35,70 77,47 89,81 124,64 130,83
13 64,51 41,97 27,83 55,33 18,61 41,76 23,28 18,63 60,27 42,53 27,55 60,81 69,15 97,31 101,79
14 65,41 41,83 27,94 55,82 18,60 41,72 23,14 18,66 60,55 42,66 28,00 60,42 69,48 96,66 101,51
15 65,13 41,80 27,82 55,93 18,42 41,85 23,18 18,70 60,32 43,77 28,11 60,35 69,14 97,42 102,17
16 64,79 41,88 27,98 55,99 18,70 41,64 23,25 18,63 60,48 42,70 28,00 60,09 69,92 97,44 101,42
17 119,21 76,46 51,11 102,49 34,01 76,85 42,71 34,12 110,64 43,34 51,08 110,85 127,89 179,55 187,15
18 118,97 76,69 51,14 102,46 34,12 76,70 42,32 34,15 111,12 43,22 51,04 110,86 127,79 177,91 187,31
207
19 118,73 76,31 51,03 102,13 33,90 76,54 42,74 34,12 111,57 43,17 51,21 110,77 127,05 178,14 188,30
20 118,48 76,73 51,24 101,89 34,32 76,75 42,36 34,00 111,45 43,52 50,90 111,31 128,22 179,13 187,66
21 119,63 76,82 51,29 101,93 34,19 76,62 42,58 34,03 110,89 42,87 51,04 110,72 128,25 179,19 187,70
22 104,23 67,38 44,56 89,60 29,81 67,20 37,16 29,74 96,84 396,20 44,70 97,24 111,42 156,37 163,57
23 103,89 67,00 44,72 89,00 29,92 67,09 37,21 29,68 97,14 398,65 44,58 96,51 111,96 156,24 163,94
24 104,17 66,82 44,76 89,48 29,74 67,09 37,28 29,90 96,71 397,97 44,69 96,75 111,65 156,20 163,94
208
Na Slici 7.6 nalaze se prosječne dnevne krivulje djelatnog opterećenja nasumično odabrana
tri čvora mreže (2, 19 i 29), prema podacima iz Tablica 7.5. i 7.6. Zbog jednostavnosti će se
pretpostaviti da u ovom primjeru sve potrošačke TS SN/NN s NN kupcima imaju isti oblik
prosječne dnevne krivulje opterećenja. Općenito je u algoritmu moguće definirati različite
prosječne krivulje opterećenja posebno za svaku potrošačku točku.
450
400
350
300
PT,s,i [kW]
250
200
Čvor 2
150
Čvor 19
100 Čvor 29
50
Čvorovi
s [h]
Slika 7.6. Primjer prosječne dnevne krivulje opterećenja za potrošače tipa kućanstvo
priključene na čvorove 2, 19 i 29
Nadalje na Slici 7.7. se nalaze karakteristični prosječni dnevni dijagrami djelatnoga

opterećenja industrijskih potrošača spojenih na čvorove 11 i 25, prema podacima iz Tablica
7.5. i 7.6.
209
1200
1000
PT,s,i [kW]
800
600
Čvor 25
400 Čvor 11
200
s [h] Čvorovi
Slika 7.7. Primjer prosječne dnevne krivulje opterećenja za industrijske potrošače priključene
na čvorove 11 i 25
7.4.3. Ulazni podaci prosječnih dnevnih krivulja proizvodnje
Prosječne dnevne krivulje proizvodnje distribuiranih izvora mogu se odnositi i na

postojeća (već priključena) postrojenja i na buduća postrojenja koja se tek moraju alocirati u
mreži. U potonjem će se slučaju govoriti o prosječnim dnevnim postotnim krivuljama
proizvodnje.
Prosječne dnevne krivulje proizvodnje za postojeća proizvodna postrojenja spojena na SN
mrežu mogu se relativno lako dobiti na temelju uzorka podataka mjerenja u bilo kojem
vremenskom intervalu jer su njihova obračunska mjerna mjesta opremljena modulima za
pohranu krivulje snage. Obično se kao period promatranja uzima vremenski raspon od
posljednjih godinu dana. Za uzorak podataka od npr. 365x24 satna mjerenja, izračunom
aritmetičke sredine može se pronaći proizvodnja u svakom satu za prosječan dan u godini. Za
ovaj će se primjer uzeti u obzir postojeća sunčana elektrana nazivne snage 500 kW,
priključena na čvoru 29. Pretpostavlja se da je njezina proizvodnja za prosječan dan u godini
prikazana Tablicom 7.9. te Slikom 7.8.
Tablica 7.9. Podaci procijenjene satne djelatne proizvodnje postojeće sunčane elektrane
Sat (h) Djelatna snaga postojeće SE za svaki
210
sat prosječnog dana, PSE,post,s (kW)

1 0
2 0
3 0
4 0
5 62,75
6 106,80
7 141,80
8 179,60
9 211,25
10 249,25
11 268,55
12 278,50
13 278,50
14 268,55
15 249,25
16 211,25
17 179,60
18 141,80
19 106,80
20 62,75
21 0
22 0
23 0
24 0
211
300
250
200
PSE,post,s[kW]
150
100
50
0
Sunčana elektrana
s[h]
Slika 7.8. Primjer prosječne dnevne krivulje proizvodnje za postojeću 500 kW sunčanu
elektranu priključenu na čvor 29
No, kako je cilj optimizacijskog algoritma pronaći optimalne lokacije i snage budućih
elektrana, tako planeri distribucijskih mreža ne mogu unaprijed specificirati njihovu prosječnu
dnevnu krivulju proizvodnje u apsolutnim vrijednostima. Ipak, na bazi podataka preliminarnih
mjerenja koje obavljaju vlasnici budućih proizvodnih postrojenja mogu se estimirati prosječne
dnevne postotne krivulje proizvodnje za svaki tip DI-a. Neka se pretpostavi da su poznata npr.
satna preliminarna mjerenja solarnog potencijala (W/m2), vjetropotencijala (m/s) i
hidropotencijala (m3/s) u jednoj godini. Ako se iz tog uzorka podataka izračuna njihova
aritmetička sredina i podijeli s izmjerenom vršnom insolacijom, brzinom vjetra i brzinom
protoka vode, može se dobiti postotak vršne (odnosno priključne) snage koju će svaki tip DI-a
davati u mrežu za prosječan dan u godini. Naravno, ovisno o broju solarnih panela,
vjetroturbina i hidrogeneratora, varirat će i apsolutan iznos izlazne snage. Također proizvodna
postrojenja koja ne ovise o intermitiranome izvoru primarne energije (npr. elektrane na
biomasu, bioplin, kogeneracijska postrojenja na fosilna goriva), neće trebati koristiti podatke
preliminarnih mjerenja jer se njihov energent može pronaći i kupiti na tržištu. Procjena
njihove prosječne dnevne postotne krivulje proizvodnje temeljit će se na potrebama
toplinskog konzuma ili na jednostavnome principu da se preda maksimalna moguća električna
energija u mrežu radi dobivanja što većih poticaja.
Za potrebe ove disertacije, prosječne dnevne postotne krivulje proizvodnje bit će
procijenjene za svaki budući DI promatrane mreže, a fokus neće biti na određivanju njihova
212
pravila formiranja. U ovome se primjeru promatra alokacija triju tipova DI-a; hidroelektrane,
vjetroelektrane i kogeneracijske elektrane na fosilna goriva. Za svaki od navedenih tipova DI-
a procijenit će se njegova prosječna dnevna postotna krivulja proizvodnje.
Za početak, pretpostavlja se da je omjer aritmetičke sredine izmjerenog hidropotencijala po
satnim vrijednostima i maksimalne brzine protoka vode buduće hidroelektrane za prosječan
dan u godini prikazan Tablicom 7.10. te Slikom 7.9. Investitor želi priključiti hidroelektranu u
granicama izlazne snage od 500 kW do 10 MW, prema Mrežnim pravilima.
Tablica 7.10. Podaci procijenjene satne postotne proizvodnje buduće hidroelektrane

Postotak djelatne vršne snage
Sat (h) buduće HE za svaki sat
prosječnog dana, pHE,bud,s (%)
1 72,93
2 72,93
3 72,93
4 72,93
5 72,93
6 72,93
7 72,93
8 72,93
9 72,93
10 72,93
11 72,93
12 72,93
13 72,93
14 72,93
15 72,93
16 72,93
17 72,93
18 72,93
19 72,93
20 72,93
21 72,93
213
22 72,93
23 72,93
24 72,93
80
70
60
50
pHE,bud,s [%]
40
30
20 Hidroelektrana
10
s [h]
Slika 7.9. Primjer prosječne dnevne postotne krivulje proizvodnje za buduću hidroelektranu
Za priključak buduće vjetroelektrane pretpostavit će se da je omjer aritmetičke sredine

izmjerenoga vjetropotencijala po satnim vrijednostima i maksimalne brzine vjetra za
prosječan dan u godini prikazan Tablicom 7.11. te Slikom 7.10. Investitor želi priključiti
vjetroelektranu u granicama izlazne snage od 500 kW do 1,5 MW.
Tablica 7.11. Podaci procijenjenih postotaka satne proizvodnje buduće vjetroelektrane

Sat (h) buduće VE za svaki sat
prosječnog dana, pVE,bud,s (%)
1 43,86
2 48,83
3 46,83
4 46,53
5 47,6
6 48,52
7 50,19
214
8 48,91
9 51,8
10 50,01
11 52,39
12 47,02
13 45,51
14 48,85
15 50,67
16 46,23
17 49,15
18 50,74
19 48,03
20 51,73
21 52,23
22 47,9
23 44,26
24 49,72
60
50
40
pVE,bud,s [%]
30
20
Vjetroelektrana
10
s [h]
Slika 7.10. Primjer prosječne dnevne postotne krivulje proizvodnje za buduću vjetroelektranu
Konačno, pretpostavit će se da je procjena postotne izlazne vršne snage kogeneracijske

elektrane na fosilna goriva po satnim vrijednostima za prosječan dan u godini prikazana
215
Tablicom 7.12. te Slikom 7.11. S obzirom na to da kogeneracijska elektrana na fosilno gorivo

ne ovisi o intermitiranome izvoru primarne energije, njezina se prosječna dnevna postotna
krivulja proizvodnje može procijeniti bez preliminarnih mjerenja. Investitor želi priključiti
kogeneracijsku elektranu u granicama izlazne snage od 500 kW do 4 MW.
Tablica 7.12. Podaci procijenjenih postotaka satne proizvodnje buduće kogeneracijske

elektrane
Sat (h) budućeg KGP za svaki sat
prosječnog dana, pKGP,bud,s (%)
1 86,91
2 86,84
3 86,79
4 86,94
5 86,76
6 86,85
7 86,63
8 86,84
9 86,52
10 87
11 86,66
12 86,8
13 86,72
14 86,8
15 86,87
16 86,8
17 86,75
18 86,74
19 86,93
20 86,41
21 86,92
22 86,79
23 86,55
216
24 87
90
80
70
60
pKGP,bud,s [%]
50
40
30
Kogeneracijska
20
elektrana
10
s [h]
Slika 7.11. Primjer prosječne dnevne postotne krivulje proizvodnje za buduću kogeneracijsku
elektranu
7.4.4. Ulazni financijski podaci
Financijski podaci koji uključuju kapitalne troškove izgradnje, stalne i promjenjive

troškove održavanja i pogona za svaki tip distribuiranoga izvora prikazani su u Tablici 7.13.
Za kogeneracijsku elektranu promatrat će se troškovi za kW i kWh električne energije (kWe i
kWhe) zbog toga što su poticajne tarife vezane isključivo uz električnu energiju. Također uz
uključenu toplinsku proizvodnju potrebno bi bilo i dodati nove komponente u funkciju cilja
(tarifa za toplinske potrošače, troškovi izgradnje toplovoda po km, itd.). Dodatan je problem
kako procijeniti korist od toplinske proizvodnje za kogeneracijske jedinice kojima je predana
toplina potrebna za neki proizvodni proces (npr. sušare). U radnji će se pretpostaviti da
lokacijska ograničenja i ograničenja snage55 takvih elektrana određuju blizinu i snagu
toplinskoga konzuma za potrebe njihova rada. Izlazni rezultati algoritma dat će investitoru
podatke o njihovoj optimalnoj lokaciji i instaliranoj električnoj snazi, što se tiče prihoda od
55
Ako investitor želi s kogeneracijom pokriti potrebe toplinskog konzuma od 4 MWt, onda je logično da će
zadati planeru ograničenja električne izlazne snage u nižim razinama (npr. između 1 i 2 MWe), s tim da mora
imati na umu da će mu ulazna primarna snaga biti jedanaka aritmetičkome zbroju toplinske i električne snage i
gubitaka.
217
poticajnih tarifa. Na temelju tih će podataka investitor moći raditi detaljniju procjenu opskrbe
toplinskog konzuma.
Još je jedna napomena vezana uz potrebe definiranja ulaznih financijskih podataka. Budući
da promjenjivi troškovi pogona i održavanja uključuju i troškove goriva, pretpostavit će se da
su oni za hidroelektrane i vjetroelektrane jednaki nuli. U praktičnim slučajevima, ovo je
pojednostavljenje točno.
Dodatna je mogućnost ovog algoritma da se troškovi izgradnje kao i stalni i promjenjivi
troškovi održavanja i pogona za svaki tip DI-a mogu postaviti ovisno o razini njegove
instalirane snage i proizvedene energije. Npr. u algoritmu se može definirati da su troškovi
izgradnje vjetroelektrane instalirane snage do 2 MW jednaki 25.000 kn/kW, dok su troškovi
izgradnje veće jedinice (od 2 do 10 MW) jednaki 20.000 kn/kW. Ta se situacija često
reflektira u praksi kada dobavljač investitoru daje jeftinije cijene za veću količinu kupljenoga
proizvoda (npr. goriva za elektranu). U ovom će se primjeru radi jednostavnosti uzeti da
troškovi ne ovise o instaliranoj snazi i procijenjenoj godišnjoj proizvodnji DI-a te da su
uniformni u intervalu snage od 500 kW do 10 MW i u intervalu energije od 500·8.760 kWh
do 10·8.760 MWh.
Tablica 7.13. Troškovi izgradnje te fiksni i varijabilni troškovi održavanja budućih

Troškovi Fiksni troškovi Varijabilni troškovi
Tip distribuiranog
izgradnje, održavanja, održavanja, trvto,pDI,t
izvora
trizg,pDI,t (kn/kW) trsto,pDI,t (kn/kW) (kn/MWh)
Mala
25.500 750 0
hidroelektrana
Vjetroelektrana 12.750 90 0
Kogeneracijska
8.250 75 285
elektrana
Poticajne tarife su garantirane u Hrvatskoj za period od 14 godina, pri čemu su za

konkretan primjer priključenja DI-a podaci iz važećeg tarifnog sustava preslikani u Tablice
7.14. i 7.15. Programski kod algoritma sadrži podatke o poticajima za sve tipove DI-a
definirane važećim tarifnim sustavom.
218
Tablica 7.14. Otkupne cijene električne energije budućih DI-ova do instalirane snage
uključivo 5 MW za trenutni primjer distribucijske mreže
Visina poticajne
Grupa proizvodnih postrojenja cijene, prpot,pDI,t
(kn/kWh)
Hidroelektrane instalirane snage veće od 300 kW do
0,97
uključivo 2 MW
Hidroelektrane instalirane snage veće od 2 MW 0,88
Vjetroelektrane 0,53
Kogeneracijska postrojenja instalirane električne snage
0,53
veće od 30 kW do uključivo 1 MW tzv. male kogeneracije
Kogeneracijska postrojenja instalirane električne snage
veće od 1 MW do uključivo 35 MW tzv. srednje
0,53
kogeneracije priključene na distribucijsku ili prijenosnu
mrežu
Tablica 7.15. Otkupne cijene električne energije budućih DI-ova instalirane snage veće od 5
MW za trenutni primjer distribucijske mreže
Visina poticajne
Grupa proizvodnih postrojenja cijene, prpot,pDI,t
(kn/kWh)
Hidroelektrane 0,53
Vjetroelektrane 0,53
Kogeneracijska postrojenja instalirane električne snage veće
od 1 MW do uključivo 35 MW tzv. srednje kogeneracije 0,53
priključene na distribucijsku ili prijenosnu mrežu
Diskontna stopa koju svaki investitor (fizička osoba ili menadžment pravne osobe)
procjenjuje za godišnje prinose svojeg projekta distribuiranog izvora prikazana je za
konkretan primjer u Tablici 7.16. Također je u istoj tablici prikazana i diskontna stopa koju
menadžment ODS-a procjenjuje za uštedu gubitaka snage promatrane distribucijske mreže.
Dodatna je mogućnost algoritma da se diskontne stope za svaki tip DI-a mogu postaviti
ovisno o razini njihove instalirane snage. Npr. može se simulirati situacija u kojoj
219
menadžment procijeni da je manje rizično investirati u hidroelektrane manjih instaliranih

snaga (npr. do 1 MW), pa će njihova stopa prinosa biti npr. 4 %. Projekte hidroelektrana
instaliranih snaga većih od 1 MW (do ukupno 10 MW) isti menadžment može procijeniti kao
više rizične, i samim time će im pridijeliti stopu od npr. 7 %. U ovom će se primjeru radi
jednostavnosti uzeti da diskontna stopa ne ovisi o instaliranoj snazi DI-a, te da investitor
procjenjuje istu diskontnu stopu za elektrane u rasponu snaga od 500 kW do 10 MW.
Tablica 7.16. Procijenjene diskontne stope investitora i ODS-a

Tip distribuiranog Procijenjena diskontna Procijenjena diskontna
izvora stopa investitora, dpDI,t (%) stopa ODS-a, dODS (%)
Mala hidroelektrana 9 /
Vjetroelektrana 8 /
Kogeneracijska
7 /
elektrana
Ušteda gubitaka
/ 5
energije na SN izvodu
Konačno, potrebno je definirati tržišnu cijenu električne energije (npr. na bazi prosječne
cijene električne energije burze EEX), koju će ODS svake godine kupovati za pokriće
gubitaka u promatranoj mreži. Uz to, potrebno je i definirati njezinu godišnju stopu porasta.
Navedeni podaci prikazani su u Tablici 7.17.
Tablica 7.17. Procijenjena tržišna cijena električne energije i njezina godišnja stopa porasta
Tržišna cijena električne Procijenjena godišnja
energije, ctrž (kn/MWh) stopa porasta, β (%)
375 2
7.5. Parametri genetskog algoritma

U ovoj je radnji genetski algoritam modificiran za potrebe rješavanja problema optimalnog
razmještaja distribuiranih izvora u SN distribucijskoj mreži. U nastavku će se prikazati svi
koraci modificiranog GA s posebnim osvrtom na izmjene [97].
220
7.5.1. Način zapisivanja varijabli rješenja
Kao način zapisivanja varijabli rješenja korišteno je cjelobrojno kodiranje individualnih

rješenja u vektore, pri čemu se svaki vektor sastoji od dva dijela. Prvi se dio odnosi na
lokacije distribuiranih izvora u mreži, a drugi na njihove priključne snage, kao što je
prikazano Slikom 7.12. Takav jedan cjelobrojni vektor predstavlja jedno rješenje problema, ili
u terminologiji genetskih algoritama, jednu jedinku (kromosom) unutar populacije rješenja.
Duljina vektora jednaka je ukupnome broju budućih DI-ova, neovisno o tipu, pomnoženomu s
2. Vektorom se mogu kodirati svi DI-ovi definirani važećim tarifnim sustavom za proizvodnju
energije iz OIEK-a, no on će sadržavati samo distribuirane izvore koji se trenutno alociraju u
mreži. Također vektorski zapis je prilagođen i situaciji u kojoj se u mrežu priključuje veći
broj distribuiranih izvora istog tipa (npr. tri vjetroelektrane). Konačno, kodiranje dozvoljava i
situaciju u kojoj je više DI-ova (istog ili različitog tipa) priključeno na isti čvor mreže.
Algoritmom se pokušalo simulirati što je više mogućih situacija koje se mogu dogoditi u
praksi.
Slika 7.12. Primjer kodiranja individualnog rješenja u vektor kromosoma
Prednost ovakvog cjelobrojnoga zapisa u odnosu na binarni zapis je situacija u kojoj se na

mrežu priključuje veći broj DI-ova. U tom slučaju binarno kodiranje može zahtijevati prevelik
broj bitova za prikaz samo jedne jedinke populacije, što posljedično znači da će se utrošiti
previše procesorske snage i radne memorije na kodiranje i dekodiranje. Sljedeći se problem
javlja nakon što tako kodiran kromosom prođe kroz križanje i mutaciju. Naime novoformirani
potomak križanja i mutacije može predstavljati sekvencu bitova koji se nakon dekodiranja ne
221
mogu preslikati u dozvoljeni prostor rješenja. Drugim riječima, dekodirani potomak može
predstavljati nepostojeći čvor (npr. u mreži od 30 čvorova pojavljuje se rješenje koje smješta
DI u čvor br. 60) ili nedozvoljenu snagu (npr. pojavljuje se rješenje priključne snage 30 MW,
što ne odgovara Mrežnim pravilima).
Dakako, predloženi zapis rješenja u kromosome ima i svoje nedostatke koji će se anulirati
odabirom prilagođenih (modificiranih) operatora genetskoga algoritma (selekcije, križanja i
mutacije). Navedeni operatori bit će prikazani u nastavku.
7.5.2. Veličina populacije
Veličinu populacije, npop, određuje korisnik algoritma neposredno prije izvršavanja

algoritma. Pretpostavljena vrijednost za ovaj primjer je npop = 40.
7.5.3. Inicijalizacija
Populacija genetskog algoritma sastoji se od npop cjelobrojnih vektora. Priključne snage DI-
ova se odabiru u koracima od ksn = 250 kW, iako korisnik može definirati proizvoljnu veličinu
koraka. Budući da se jedinke odabiru nasumično i da svi DI-ovi moraju zadovoljavati
ograničenja lokacija i priključnih snaga, algoritam već prilikom formiranja kromosoma
provjerava navedena ograničenja. Drugim riječima, kromosom se gradi na način da se
lokacije i snage svakog DI-a odabiru iz skupa dozvoljenih lokacija i snaga definiranih ulaznim
parametrima algoritma.
7.5.4. Evaluacija funkcije cilja
Za svaki se kromosom provodi evaluacija funkcije cilja prema jednadžbi (7.1), uz

poštivanje svih zadanih ograničenja (7.6. – 7.11.).
7.5.5. Selekcija
Selekcija korištena za problem optimalnog razmještaja DI-a je k-turnirska selekcija koja

podrazumijeva održavanje npop – 1 turnira između k nasumično odabranih jedinki. Pobjednik
svakog turnira (kromosom s najvećom vrijednosti funkcije cilja) se automatski premješta u
bazen za reprodukciju i bit će poslije korišten za križanje. Bazen za reprodukciju će se
sastojati od npop – 1 pobjednika turnira. Razlog iz kojeg jedna jedinka ne ulazi u postupak
selekcije je činjenica da algoritam pomoću ugrađenoga elitizma čuva najbolju jedinku u
222
svakoj generaciji. U ovome će se primjeru koristiti 3-turnirska selekcija, iako korisnik

algoritma može odabrati k po želji.
7.5.6. Križanje
U predloženom se algoritmu koristi križanje s prekidom u jednoj točki s predefiniranom

vjerojatnošću križanja (pk). Točka prekida nalazi se u sredini kromosoma, kao što je prikazano
Slikom 7.13. Ideja je nasumce odabrati dva roditelja i, ako dođe do križanja, izmjenom
njihova genetskog materijala stvoriti jednog potomka. Taj će potomak imati podatke o
lokacijama jednog roditelja te podatke o priključnim snagama drugog roditelja. Na taj se
način mogu podaci o "dobrim" snagama i lokacijama prenijeti dalje u sljedeću generaciju.
Ako pak ne dođe do križanja, jedan od roditelja će se kopirati direktno u bazen za mutaciju. U
ovom će primjeru vjerojatnost križanja biti jednaka 0,7, iako korisnik algoritma može odabrati
pk po želji.
Slika 7.13. Primjer križanja cjelobrojnih vektora roditelja
7.5.7. Mutacija
Jedan od nedostataka križanja je da opisani način križanja, iako relativno jednostavan za

implementaciju, ne dopušta pretragu potpuno novih prostora rješenja. Istražuju se samo
kombinacije postojećih snaga i lokacija definiranih u vektoru kromosoma jedne populacije.
Da bi se pronašle nove lokacije i snage DI-ova, značajna se pozornost mora posvetiti
pravilnom odabiru operatora mutacije.
Mutacija se provodi na svakom kromosomu koji je ušao u bazen za mutaciju, bilo da je taj
kromosom potomak dvaju roditelja, bilo da predstavlja nasumce odabranog roditelja koji nije
prošao kroz postupak križanja. Dva su tipa mutacije koja se mogu odvijati nad kromosomima:
223
mutacija lokacije i mutacija snage. Svaki od ta dva tipa ima unaprijed predefiniranu
vjerojatnost odvijanja varijablama pm,lok i pm,sn. Ako kromosom iz bazena za mutaciju prođe
kroz istovremenu mutaciju lokacije i snage, izmijenit će mu se jedna nasumično odabrana
lokacija i jedna nasumično odabrana priključna snaga. Mogući su slučajevi pri kojima ne
dolazi do nikakve izmjene, što znači da kromosom neizmijenjen prolazi kroz mutaciju i dalje
formira novu populaciju.
No, predloženi algoritam dopušta i situacije u kojima više distribuiranih izvora definiranih
u jednom kromosomu može istovremeno promijeniti svoje lokacije i/ili priključne snage.
Vjerojatnost takvih događaja je određena jednadžbama:
pDI 1
p m,lok , pDI ( pDI )  pm,lok  p kor _ lok
, pDI  1,..., ukDI (7.39)
pDI 1
p m ,sn , pDI ( pDI )  p m,sn  p kor _ sn
, pDI  1,..., ukDI (7.40)
pritom pm,lok,pDI označava vjerojatnost simultane izmjene lokacije pDI distribuiranih izvora
(neovisno o tipu), a pkor_lok označava korak mutacije lokacije koji proizvoljno definira korisnik
algoritma. pm,sn,pDI je vjerojatnost simultane izmjene snage pDI distribuiranih izvora (neovisno
o tipu), a pkor_sn je korak mutacije snage koji proizvoljno definira korisnik algoritma. ukDI je
ukupan broj DI-ova koje se želi priključiti na mrežu, neovisno o tipu.
Npr. na ovaj je način moguć slučaj u kojemu se, prilikom priključenja triju distribuiranih
izvora, mijenja lokacija u dvama slučajevima i priključna snaga u jednome slučaju, kao na
Slici 7.14.
Slika 7.14. Primjer općenite mutacije kromosoma
224
U ovom će primjeru vjerojatnosti mutacije lokacije i snage biti jednake 0,7, a vjerojatnosti
koraka mutacije lokacije i snage će biti jednake 0,5. Tako velike vrijednosti mutacije imaju
svoje opravdanje u dva razloga. Prvi je razlog potreba za pretragom potpuno novih prostora
rješenja, a drugi je razlog taj što su postojeća najbolja rješenja svake generacije osigurana
korištenjem elitizma, pa nema bojazni za njihov gubitak. Naravno, korisnik algoritma može
po želji odabrati vrijednosti za svaki tip i korak mutacije.
7.5.8. Elitizam
U algoritam je ugrađena i opcija elitizma, što znači da najbolja jedinka cijele generacije
(populacije) ne prolazi procese selekcije, križanja i mutacije, nego se nepromijenjena prenosi
u sljedeću generaciju. Na taj se način osigurava da se kvaliteta najbolje jedinke tijekom
izmjene generacija nikada ne može izgubiti. Ako nova generacija sadrži jedinku bolje
dobrote, ta će jedinka jednostavno zamijeniti postojeći elitni kromosom, i postupak će se
ponavljati do zaustavljanja algoritma.
7.5.9. Zaustavljanje algoritma
Kao kriterij za zaustavljanje genetskog algoritma koristit će se unaprijed zadani

maksimalan broj generacija (iteracija), ngen. Pretpostavljena vrijednost ngen jednaka je 100,
iako je korisnik po želji može modificirati.
7.6. Opis optimizacijskoga algoritma

Za algoritam optimalnog razmještaja DI-ova potrebno je najprije definirati ulazne tehničke
podatke mreže, opterećenja, postojećih i novih DI-ova te ulazne financijske podatke.
Nakon toga slijedi preliminaran proračun tokova snaga. To je kontrolni proračun i izvršava
se samo jednom, a njegova je svrha provjeriti strujno-naponska ograničenja mreže u prvom
najgorem scenariju mreže. Navedeni scenarij podrazumijeva da su svi postojeći DI-ovi (ako ih
mreža sadrži) van pogona (zbog kvara, planiranog održavanja ili uslijed nedostupnosti
primarnog energenta), a teret poprima vršne vrijednosti. U slučaju da se krše naponska i/ili
strujna ograničenja u bilo kojem čvoru/dionici SN mreže, algoritam se zaustavlja i novi
distribuirani izvori se ne smiju priključiti dok se problem u mreži ne riješi. Ovaj se slučaj
može dogoditi u mreži koja nije sustavno planirana za porast tereta ili koja sadrži otprije
priključene DI-ove za koje je planer procijenio da mogu odgoditi ulaganja u mrežu. Zanimljiv
225
je slučaj kada se u mreži priključi jaka proizvodna jedinica, za koju planer pretpostavi da će
kompenzirati buduća ulaganja u pojačanje mreže. U međuvremenu teret mreže značajno
poraste, a DI se uslijed bilo kojeg razloga ugasi (npr. bankrot vlasnika). Mreža tada zbog
slabih vodova prema napojnoj TS ne može dati snagu svojim potrošačima i dolazi do tzv.
blackout-a. U svakom slučaju, navedeni će se problem javiti i kada se za investitora nove
elektrane izradi EOTRP. Očigledno je da postojeća mreža ne dozvoljava prihvat novih DI-ova
te planer mora riješiti postojeći problem i neovisno o investitoru pripremiti projektne zadatke
pojačanja tog dijela mreže.
Ako je preliminarni proračun tokova snaga bio uspješan, sljedeći je korak provesti prvi
estimacijski proračun tokova snaga. To je također kontrolni proračun i izvršava se samo
jednom, a njegova je zadaća provjeriti strujno-naponska ograničenja u drugom najgorem
scenariju postojeće mreže. Navedeni scenarij podrazumijeva da svi postojeći DI-ovi (ako ih
mreža sadrži) istovremeno proizvode vršnu snagu, a teret poprima minimalne vrijednosti. U
slučaju da se krše naponska i/ili strujna ograničenja u bilo kojem čvoru/dionici SN mreže,
algoritam se zaustavlja i novi distribuirani izvori se ne smiju priključiti dok se postojeći
problem u mreži ne riješi. Ovaj se slučaj može dogoditi u mreži koja nije sustavno planirana
za prihvat distribuiranih jedinica. Ako je npr. DI priključen prije nekoliko godina, a u
međuvremenu je iz mreže isključen značajan dio tereta (npr. industrijski potrošač je preselio
pogon na drugu lokaciju), tada je moguć scenarij u kojemu se uz maksimalnu snagu DI-a i
minimalnu snagu preostalog tereta krše naponska i/ili strujna ograničenja. U svakom slučaju,
navedeni će se problem javiti i nakon izrade EOTRP-a novih proizvodnih postrojenja.
Očigledno je da postojeća mreža ne dozvoljava prihvat novih DI-ova, te planer mora riješiti
postojeći problem i neovisno o investitoru pripremiti projektne zadatke pojačanja tog dijela
mreže. Alternativa je da Odjel za vođenje pravilnim odabirom uklopnog stanja mreže dodatno
optereti taj dio mreže i onemogući pojavu kršenja strujno-naponskih ograničenja. Naravno, to
je moguće samo u slučaju prstenaste ili povezne topologije SN mreže.
U slučaju uspješnog prvog estimacijskog proračuna tokova snaga, sljedeći je korak
provesti drugi estimacijski proračun tokova snaga. Njegov je cilj izračunati ukupne gubitke
električne energije za promatranu mrežu koji bi se generirali u periodu trajanja zajamčenih
poticaja, za slučaj kada ne bi bilo priključenih novih DI-ova. Ti će podaci kasnije poslužiti za
izračun godišnjih i ukupnih ušteda ODS-a. Ovaj proračun uzima u obzir prosječne dnevne
krivulje opterećenja potrošačkih točaka i proizvodnje postojećih DI-ova i izvršava se za svaki
sat prosječnog dana u godini (24 proračuna). Gubici svih grana mreže se sumiraju za cijeli
dan i množe sa 365, prema formuli (7.5.). Proračun uzima u obzir i godišnju stopu porasta
226
opterećenja koja općenito može biti različita za svaki čvor. To znači da će satna djelatna i
jalova snaga svakog čvorišta mreže godišnje rasti prema sljedećoj formuli:
PT , s ,i , god  PT , s ,i  (1   i ) god , i  1,..., čv, god  1,..., otk , s  1,...,24 (7.41)
QT , s ,i , god  QT , s ,i  (1   i ) god , i  1,..., čv, god  1,..., otk , s  1,...,24 (7.42)
pri čemu je αi godišnja stopa porasta opterećenja za čvorište i u godini god, promatrano po
satnim vrijednostima.
Strujno-naponska ograničenja su zanemarena za ovaj proračun tokova snaga jer investitor
elektrane nije odgovoran za njihovo kršenje u budućim godinama, osim u godini priključenja.
Opisani koraci algoritma mogu se prikazati na dijagramu toka prema Slici 7.15. Također drugi
estimacijski proračun tokova snaga je opisan dijagramom toka na Slici 7.16.
Slika 7.15. Dijagram toka algoritma optimalnog razmještaja DI-a
14
 Wgub , god
god 1
Slika 7.16. Dijagram toka drugog estimacijskog proračuna tokova snaga
227
Nakon provedenoga drugog estimacijskog proračuna tokova snaga, sljedeći je korak

provesti algoritam optimalnog razmještaja novih distribuiranih izvora u promatranoj SN
mreži. Za optimalan razmještaj će se koristiti genetski algoritam opisan u prethodnom
potpoglavlju.
Na početku genetskog algoritma je potrebno kreirati inicijalnu populaciju rješenja. Svaki
kromosom je definiran na način prikazan Slikom 7.12. Dakako, prilikom formiranja svakog
kromosoma moraju se uzeti u obzir moguća ograničenja lokacije i priključne snage novih DI-
ova. Nadalje svaki kromosom u inicijalnoj populaciji mora proći kroz eliminacijski proračun
tokova snaga. To je kontrolni proračun i izvršava se da bi se provjerila strujno-naponska
ograničenja za najgori slučaj pogona mreže s novim i postojećim DI-ovima. Naime u tom se
slučaju pretpostavlja da nove i postojeće proizvodne jedinice rade s vršnim snagama uz
istovremen minimalan teret mreže. Ako su rezultati eliminacijskoga proračuna tokova snaga
nezadovoljavajući, kromosom se odbacuje i slučajnim odabirom se kreira novi kromosom koji
će ga zamijeniti. Proces se ponavlja sve dok inicijalna populacija ne dosegne svoju unaprijed
zadanu veličinu (npop).
Nakon formiranja inicijalne populacije svaki se kromosom mora evaluirati izračunom
funkcije cilja (7.1). Za taj je korak nužno dekodirati svaki kromosom i potom formirati
prosječne dnevne krivulje proizvodnje budućih proizvodnih jedinica. Te će se krivulje
formirati na osnovi podataka o snagama DI-ova iz dekodiranog kromosoma i prosječnim
dnevnim postotnim krivuljama proizvodnje koje investitor dostavlja planeru. Temeljem tih
podataka može se lako izračunati godišnja proizvedena električna energija novih
distribuiranih izvora za potrebe jednadžbe (7.3).
Godišnji i ukupni gubici električne energije promatrane mreže s uključenim novim DI-
ovima bit će izračunati optimizacijskim proračunom tokova snaga za čitav period planiranja.
Navedeni proračun tokova snaga daje važne informacije za izračun ODS-ove komponente
funkcije cilja. Ovaj proračun uzima u obzir prosječne dnevne krivulje opterećenja potrošačkih
točaka i proizvodnje postojećih i novih DI-ova i izvršava se za svaki sat prosječnog dana u
godini (24 proračuna). Gubici svih grana mreže sumiraju se za cijeli dan i množe sa 365,
prema formuli (7.5). Proračun uzima u obzir i godišnju stopu porasta tereta koja općenito
može biti različita za svaki čvor mreže (definirano formulama 7.41. i 7.42.). Strujno-naponska
ograničenja su zanemarena za ovaj proračun tokova snaga jer investitor elektrane nije
odgovoran za njihovo kršenje u budućim godinama, osim u godini priključenja.
Konačno, sama evaluacija funkcije cilja podrazumijeva izračun čistih sadašnjih vrijednosti
svih DI-ovih projekata i ušteda ODS-a. Pod uvjetom da su sve ČSV pozitivne, njihova suma
228
predstavlja dobrotu svakog kromosoma. Ako kromosom ima barem jedan DI-ov projekt ili
uštedu ODS-a sa ČSV<0, dobrota takvoga kromosoma postaje jednaka nuli56. Potencijalna
zamka za ovaj algoritam leži u situaciji u kojoj svi kromosomi inicijalne (prve) generacije
imaju barem jedan projekt DI-a ili uštedu ODS-a sa ČSV<0. U tom je slučaju nemoguće
pronaći i izolirati elitni kromosom jer je tada dobrota svih kromosoma jednaka nuli.
Posljedica je to neodgovarajućih izbora financijskih ulaznih parametara koji jednostavno ne
mogu dati pozitivan ČSV (moguće je da investitor daje planeru "preoptimistične" ulazne
financijske parametre). Algoritam ima ugrađeno osiguranje od tog slučaja, tako da se najprije
dekodira svaki kromosom prve generacije te da mu se provjere ČSV-i svih DI-ovih projekata i
ušteda ODS-a. U slučaju da kromosom sadrži barem jednu komponentu ČSV<0, bit će
automatski izbačen iz populacije i odmah zamijenjen nasumično formiranim novim
kromosomom (uz uvjet poštivanja ograničenja lokacije i priključne snage svih DI-ova).
Algoritam će potom redni broj kromosoma vratiti za jedan unatrag, prisilno izaći iz petlje i
ponoviti petlju ispočetka. Postupak će se ponavljati sve dok svi kromosomi prve generacije
imaju svaku ČSV komponentu veću od nule. Nakon toga je relativno jednostavno sortirati
jedinke i pronaći elitni kromosom. U slučaju da druga, treća ili bilo koja generacija sadržava
samo i isključivo kromosome s najmanje jednom ČSV<0, elitni kromosom prve generacije će
biti zapamćen i proslijeđen do posljednje generacije. Dakle, algoritam neće "zapeti" u
beskonačnoj petlji. Ipak, moguć je i slučaj da komponente zamjenskoga kromosoma ne
zadovoljavaju premisu ČSV>0. U tom slučaju algoritam pamti ukupan broj zamjena
kromosoma prve generacije, te ako i nakon predefiniranog broja zamjena (nzam) nisu
zadovoljena ograničenja funkcije cilja (7.8) i (7.9), algoritam se zaustavlja. U tom se slučaju
alokacija DI-a ne može izvršiti jer su ili ulazni podaci pogrešno procijenjeni ili za određeni
projekt DI-a/ušteda ODS-a jednostavno ne postoji razmještaj koji bi učinio navedeni projekt
rentabilnim. U ovom je primjeru nzam jednak 1.000.
Nakon evaluacije svih kromosoma jedne generacije, sljedeći je korak k-turnirska selekcija
koja formira bazen kromosoma za potrebe križanja.
Kao što je već napomenuto, svako križanje dvaju roditelja se odvija sa vjerojatnošću pk i u
slučaju da se ono ne dogodi, jedan nasumično odabran roditelj će biti kopiran u populaciju
potomaka križanja. Ako se dogodi križanje dvaju roditelja, nastat će jedan potomak koji će
sadržavati lokacije jednog roditelja i priključne snage drugog roditelja. Kako su ograničenja
56
To je zato jer u općenitom slučaju dobrota kromosoma koji ima barem jednu komponentu ČSV<0, može biti
veća od dobrote kromosoma kojem su sve ČSV>0. Ako se dobrota kromosma koji sadrži barem jednu ČSV<0
izjednači s nulom, program automatski markira taj kromosom kao nepoželjan.
229
lokacija i snaga već ugrađena u kromosom tijekom inicijalizacije, potomak križanja će

sigurno udovoljavati navedenim ograničenjima. No, da bi se ispitala strujno-naponska
ograničenja mreže, potomak će morati proći kroz eliminacijski proračun tokova snaga. Ako
se njegovi rezultati pokažu nezadovoljavajućima, kromosom-dijete će se izbaciti iz populacije
i operator križanja će se ponoviti za nova dva nasumce odabrana roditelja. Navedeni postupci
će se ponavljati sve dok populacija potomaka ne dostigne unaprijed zadanu veličinu (npop).
Na populaciju potomaka na kraju djeluje operator mutacije mijenjajući im gene vezane uz
lokaciju i/ili priključnu snagu. Pritom, navedene gene algoritam automatski traži samo iz
skupa dozvoljenih lokacija i/ili priključnih snaga. Kao što je već navedeno, operator mutacije
se dijeli na mutaciju lokacije i mutaciju priključne snage, od kojih se svaka zbiva sa
predefiniranom vjerojatnošću. U slučaju da mutacija lokacija i snaga ne zahvati kromosom-
dijete, ono će se nepromijenjeno kopirati u novu populaciju. Ako pak mutacija zahvati
potomka, mutirani će potomak morati još proći kroz eliminacijski proračun tokova snaga.
Ako se rezultati eliminacijskoga proračuna tokova snaga pokažu nezadovoljavajućima,
mutirano kromosom-dijete će se izbaciti iz populacije i originalno kromosom-dijete će se
ponovno podvrći mutaciji. Navedeni postupci će se ponavljati sve dok populacija mutiranih
potomaka ne dostigne unaprijed zadanu veličinu (npop).
Potonja populacija zapravo predstavlja ulaznu populaciju za sljedeću generaciju i
cjelokupni koraci postupka će se ponavljati sve dok se ne dostigne konačan broj generacija.
Svaka će generacija imati bolja rješenja, dok će najbolja rješenja biti sačuvana ugrađenom
funkcijom elitizma.
Na kraju, nakon što algoritam izvrti unaprijed određeni broj generacija, prezentirat će se
najbolje rješenje. Najbolji kromosom će sadržavati informaciju o (gotovo) optimalnim
lokacijama i priključnim snagama svakog novog distribuiranog izvora te podatke o čistim
sadašnjim vrijednostima svakog projekta DI-a i uštedama ODS-a. Dijagram toka
modificiranoga genetskoga algoritma za optimalan razmještaj distribuiranih izvora je prikazan
Slikom 7.17. Također je Slikom 7.18. prikazan dijagram toka kojim se opisuju koraci
evaluacije svakog dekodiranog kromosoma.
230
Dekodiraj Dekodiraj elitni

kromosom i izvedi Kraj
Nasumice kreiraj kromosom
kromosom poštujući eliminacijski PTS Dosegnut DA
ograničenja lokacija i npop? DA
Za kromosome 1. generacije koji sadrže
priklj. snaga barem jednu ČSV<0
NE Dosegnut
Prekršena U/I ngen? NE Dekodiraj
Formiraj prosječne
Početak ograničenja? dnevne krivulje
NE kromosom
proizvodnje novih DI-a
Izbaci DA
kromosom NE Dosegnut
npop? Evaluacija
funkcije cilja
DA
DA
Dosegnut NE Sačuvaj elitni
npop? NE Izvedi eliminacijski kromosom
PTS na potomku
Dosegnut
Odradi k-turnirsku
Proslijedi
DA npop? selekciju
potomka
NE
križanja
Prekršena U/I Provedi operator Proslijedi nasumično
ograničenja? DA mutacije poštujući NE odabranog roditelja
ograničenja lokacija Prekršena U/I NE
Dosegnut
Odbaci i priklj. snaga ograničenja?
kromosom npop?
DA NE DA
Izvedi DA p<pk
eliminacijski PTS DA
na mutiranom Provedi operator
Ako je istovremeno
potomku križanja
NE p>pm,lok i p>pm,sn? Odbaci
kromosom
Slika 7.17. Dijagram toka modificiranog genetskog algoritma
uk ,t brDI ,t
Fcilja    ČSV pDI ,t  ČSVODS Fcilja  0
t 1 pDI ,t 1
Slika 7.18. Dijagram toka evaluacije funkcije cilja za svaki dekodirani kromosom
Konačno, Slikom 7.19. je prikazan dijagram toka optimizacijskoga proračuna tokova

snaga.
231
14
 Wgub _ DI , god
god 1
Slika 7.19. Dijagram toka optimizacijskoga proračuna tokova snaga
7.7. Rezultati
Ovo potpoglavlje sadrži rezultate provedenoga algoritma na promatranoj mreži. Nakon
unaprijed zadanoga broja generacija, ngen, algoritam je konvergirao. Slikom 7.20 je prikazana
konvergencija dobrote funkcije cilja za najbolju jedinku u svakoj generaciji.
100,0
Dobrota funkcije cilja (mil. kn)
98,0
Dobrota funkcije cilja [mil. kn]
96,0
94,0
92,0
90,0
88,0
1
4
7
100
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
91
94
97
Generacija
Slika 7.20. Konvergencija dobrote funkcije cilja
Algoritam je relativno brzo konvergirao (prije 10. generacije). Razlog su tome striktna
lokacijska ograničenja i ograničenja priključne snage novih DI-ova koja znatno sužavaju
prostor mogućih rješenja.
232
Rezultati predloženoga algoritma optimalnoga razmještaja DI-ova prikazani su u

Tablicama 7.18 i 7.19. Izračunate optimalne lokacije i priključne snage novih distribuiranih
izvora koji traže istovremeni priključak na SN mrežu prikazane su u Tablici 7.18.
Tablica 7.18. Optimalne lokacije i priključne snage novih DI-ova

Kogeneracijsko
Hidroelektrana Vjetroelektrana
postrojenje
Čvor 22 5 10
P (kW) 5.000 1.250 3.750
Također su u Tablici 7.19 prikazane čiste sadašnje vrijednosti svakog projekta DI-a, ušteda
ODS-a i njihova suma, s obzirom na to da je potonja glavno sredstvo evaluiranja svakog
kromosoma populacije.
Tablica 7.19. Čiste sadašnje vrijednosti svakog projekta DI-a i ušteda ODS-a te njihova suma
ČSV (kn)
Hidroelektrana 62.381.783,86
Vjetroelektrana 6.459.670,14
Kogeneracijsko
27.686.491,36
postrojenje
Uštede ODS-a 1.608.329,14
Ukupna suma 98.136.274,50
Rezultati optimalnog razmještaja DI-a jasno pokazuju da je težište algoritma postavljeno

na maksimizaciji financijskih pokazatelja (ČSV) svih subjekata, te se stoga i preferiraju veće
proizvodne jedinice.
Projekt hidroelektrane ima najveću ČSV, i to ponajprije zato što ima daleko najveće
poticaje od preostalih DI-ova u ovome primjeru. Poticajne cijene drastično opadaju za HE
snage veće od 5 MW i upravo je iz toga razloga algoritam izabrao jedinicu od 5 MW. Iako HE
ima velike kapitalne troškove izgradnje i fiksne troškove održavanja, visoki poticaji u
kombinaciji s relativno velikim faktorom kapaciteta57 pokazali su se odlučujućima za izbor
57
Faktor kapaciteta predstavlja omjer električne energije proizvedene u promatranoj godini i električne energije
koju bi elektrana proizvela da je kroz cijelu godinu radila maksimalnom snagom.
233
tako visoke ČSV. Čak i najveća diskontna stopa na projekt HE-a nije utjecala na njegovu
profitabilnost.
Projekt vjetroelektrane se s druge strane oslanja samo na referentnu cijenu poticaja, pa i uz
mnogo manje kapitalne troškove i fiksne troškove održavanja ne može postići veću ČSV od
konkurenata. Čak i manja diskontna stopa na projekt nije značajno podigla njegove
financijske pokazatelje. Razloge treba svakako tražiti i u manjem faktoru kapaciteta od
konkurenata.
Kogeneracijsko postrojenje ima drugu najbolju ČSV. Iako se poput projekta VE-a oslanja
na referentne cijene poticaja, ima najmanje kapitalne troškove i fiksne troškove održavanja u
usporedbi s konkurentima. Iako smanjene troškove kompenzira povećanim troškovima goriva
(varijabilnim troškovima održavanja i pogona), zbog najvišega faktora kapaciteta godišnje
mreži predaje veliku količinu električne energije u odnosu na konkurenciju. Uz to, procjena
manje rizičnosti tog projekta pridjeljivanjem smanjenog diskontnog faktora dodatno povećava
njegove financijske pokazatelje.
Konačno, ČSV uštede ODS-a jasno pokazuje da su se gubici smanjili nakon integracije
novih DI-ova na promatrani izvod SN mreže. Iako je po iznosu ČSV ODS-a najmanji, mora se
uzeti u obzir da ODS nema kapitalnih troškova niti troškova održavanja kao što imaju projekti
proizvodnih postrojenja. Kada bi se sva nova proizvodna postrojenja diljem mreže alocirala
po principu utvrđenomu ovim radom, kumulativne uštede za ODS bile bi enormne.
Slikom 7.21 su prikazani i uspoređeni godišnji gubici djelatne električne energije za
promatranu mrežu prije i poslije optimalnog razmještaja novih DI-ova.
234
1000,0
900,0
Godišnji gubici djelatne energije [MWh]

Godišnji gubici djelatne energije prije alokacije DI [MWh]
800,0
Godišnji gubici djelatne energije nakon alokacije DI [MWh]
700,0
600,0
500,0
400,0
300,0
200,0
100,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Godina
Slika 7.21. Usporedba godišnjih gubitaka djelatne električne energije za promatranu mrežu
prije i poslije optimalnoga razmještaja novih DI-ova
Evidentno je kako zbog godišnjeg porasta opterećenja rastu i gubici u mreži tijekom
godina. To se najzornije može vidjeti na primjeru promatrane mreže bez alociranih DI-ova.
No, u slučaju optimalnog razmještaja novih distribuiranih jedinica velikih priključnih (a
manjih operativnih) snaga, ti se gubici smanjuju za znatan iznos. Čak se i porast tereta može
jedva vidjeti kroz graf gubitaka mreže u drugom slučaju jer distribuirani izvori uspješno
prigušuju gubitke mreže.
Slikom 7.22 su prikazani i uspoređeni satni gubici djelatne električne snage promatrane
mreže prije i poslije optimalna razmještaja novih DI-ova, gledano za prosječan dan posljednje
godine planiranoga perioda.
235
200,0
Gubici djelatne snage u mreži prije alokacije DI [kW]

180,0
Gubici djelatne snage u mreži nakon alokacije DI [kW]
160,0
Gubici djelatne snage [kW]
140,0
120,0
100,0
80,0
60,0
40,0
20,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sat [h]
Slika 7.22. Usporedba satnih gubitaka djelatne električne snage promatrane mreže prije i
poslije priključenja novih DI-ova za prosječan dan posljednje godine planiranja
Satni gubici snage jako padaju nakon alokacije novih distribuiranih izvora. Postojeća
sunčana elektrana manjim dijelom utječe na smanjenje gubitaka djelatne snage u jutarnjim i
popodnevnim satima, no prevagu ipak donose nove i jače proizvodne jedinice. Zanimljivo je
da se po noći gubici vrlo malo smanjuju, a tome je razlog što mreža tada postaje opterećena
reverznim tokovima snaga uslijed proizvodnje DI-ova. Navedeni tokovi snaga se ne mogu u
cijelosti potrošiti u mreži, pa opterećuju njezine dionice u smjeru od distribuiranih izvora do
početka izvoda.
Slikom 7.23 je prikazana i uspoređena djelatna snaga početne dionice izvoda promatrane
236
Djelatna snaga izvoda [MW]

10
0
1 2 3 4 5 6 7 8
-2 9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24
-4
Sat [h]
Snaga izvoda mreže nakon alokacije DI [MW]

Snaga izvoda mreže prije alokacije DI [MW]
Slika 7.23. Usporedba djelatne snage izvoda promatrane mreže prije i poslije priključenja
novih DI-ova za prosječan dan posljednje godine planiranja
Sa slike je vidljivo da je nakon 14 godina snaga izvoda znatno porasla. Iako postojeća
sunčana elektrana manjim dijelom utječe na smanjenje djelatne snage izvoda u jutarnjim i
popodnevnim satima, tek nakon optimalnog razmještaja novih DI-ova može se uočiti znatno
smanjenje opterećenja prve dionice izvoda. Dakle, očito je da napojna TS za prosječan dan u
godini opskrbljuje izvod s relativno malo djelatne snage. Razlog tome je činjenica da su tereti
direktno napajani sa postojećim i novim distribuiranim izvorima. No, u noćnim satima, kada
je potrošnja izvoda minimalna, teret prve dionice znatno raste, a tokovi snaga se reverziraju.
U tom se slučaju snaga navedenoga izvoda "prelijeva" na susjedne izvode, i tek onda kroz
transformator napojne TS ulazi u naponski nadređenu mrežu.
Slikom 7.24 je prikazan i uspoređen napon čvora 17 promatrane mreže prije i poslije
optimalna razmještaja novih DI-ova, gledano za prosječan dan posljednje godine planiranog
perioda.
237
20,20 Napon čvora 17 za mrežu

prije alokacije DI [kV]
Napon čvora 17 za mrežu
nakon alokacije DI [kV]
20,00
19,80
Napon [kV]
19,60
19,40
19,20
19,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sat [h]
Slika 7.24. Usporedba napona čvora 17 promatrane mreže prije i poslije priključenja novih
DI-ova za prosječan dan posljednje godine planiranja
U noćnim satima, kada je opterećenje izvoda najmanje, iznos napona poprima najveće
vrijednosti u oba slučaja. Tijekom dana napon se smanjuje, da bi u večernjim satima poprimio
najmanje vrijednosti zbog pojave špice tereta. Očito je da će optimalnim razmještajem novih
DI-ova napon svih čvorova mreže znatno porasti, no ipak neće prekršiti naponska ograničenja
jer su ona ugrađena u algoritam.
U sljedećem će se poglavlju prikazati učinkovitost novog algoritma za optimalan
razmještaj DI-ova na nekoliko primjera SN distribucijskih mreža.
238
8. Primjena novog algoritma
8. PRIMJENA NOVOG ALGORITMA
Opisani novi algoritam za optimalan razmještaj distribuiranih izvora u SN mrežama

ugrađen je u programski model napravljen na računalu. Za programiranje je korištena
platforma programskoga paketa MATLAB. Učinkovitost algoritma opisanoga u prethodnomu
poglavlju bit će ispitana na tri primjera. Sva tri primjera će, radi usporedbe rezultata, biti
provedena za iste ulazne podatke mreže i opterećenja. U prvom primjeru će se promatrati
optimalan razmještaj sunčane elektrane i dviju elektrana na biomasu na izvodu 20 kV
srednjenaponske mreže. Drugi primjer će promatrati istu mrežu koja sadrži već otprije
priključenu vjetroelektranu. Konačno, treći primjer će imati jednake ulazne postavke kao i
prvi primjer, uz bitnu razliku da će se alokacija vršiti u 10 kV mreži. Na kraju svakog
potpoglavlja će se prokomentirati i usporediti rezultati.
8.1. Ulazni podaci mreže i opterećenja

Mreža korištena za ove primjere se sastoji od 25 čvorišta, s topološkom konfiguracijom
prikazanom Slikom 8.1.
Slika 8.1. Primjer distribucijske mreže korištene za demonstraciju učinkovitosti algoritma
Promatrana se mreža sastoji od glavnoga izvoda (između čvorova 1 i 12) te 3 podizvoda

(odcjepa):
 prvi podizvod se nalazi između čvorova 3 i 17,
 drugi podizvod se nalazi između čvorova 7 i 22, i
 treći podizvod se nalazi između čvorova 9 i 25.
239
Svaka grana će se označiti tako da će biti numerirana istim brojem kao njezin krajnji čvor
(čvor u koji ta grana ulazi). U Tablici 8.1. su numerirane sve grane promatrane mreže.
Tablica 8.1.Numeracija grana u primjeru distribucijske mreže

Početni čvor Završni čvor
Grana (i)
[POČ(i)] [KR(i)]
1 0 1
2 1 2
3 2 3
4 3 4
5 4 5
6 5 6
7 6 7
8 7 8
9 8 9
10 9 10
11 10 11
12 11 12
13 3 13
14 13 14
15 14 15
16 15 16
17 16 17
18 7 18
19 18 19
20 19 20
21 20 21
22 21 22
23 9 23
24 23 24
25 24 25
240
Da bi se topologija mreže mogla integrirati u programski paket Matlab, potrebno je

formirati matricu incidencije MI. Kao što je već navedeno, reci matrice predstavljaju grane
(dionice) mreže, a čvorovi su predstavljeni stupcima. Svaki element matrice MI(i,j) ima
sljedeće vrijednosti:
 1, ako je j krajnji čvor grane i,
 -1, ako je j početni čvor grane i,
 0, u bilo kojem drugom slučaju.
Za primjer mreže na Slici 8.1. matrica incidencije je prikazana sljedećim izrazom:
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
  1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
 0 0 0 0 0 0 0 0  1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0
MI   0 0  1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 (8.1)

0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0
 
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0
 
0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0
 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0
 
 0 0 0 0 0 0 0 0  1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0  1 1 0
 
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0  1 1
Nadalje pretpostavit će se da su izmjerena vršna opterećenja svih čvorova mreže prikazana

u Tablici 8.2. uzeta za proizvoljan period mjerenja (neka se uzme period od posljednjih
godinu dana). Pretpostavlja se da je planer godišnju stopu rasta tereta procijenio različitom za
svaki čvor.
Tablica 8.2.Podaci vršnih djelatnih i jalovih snaga svakog čvorišta u primjeru distribucijske
mreže, te godišnje stope porasta tereta
Čvor Djelatna snaga, Jalova snaga, Godišnja stopa
241
i PT,v,i (kW) QT,v,i (kvar) porasta tereta, αi (%)

1 140 50 2
2 180 60 2
3 250 80 2
4 120 40 2
5 50 15 3
6 90 30 3
7 210 70 2
8 110 30 2
9 160 50 2
10 300 100 1
11 350 120 1
12 400 140 1
13 200 70 3
14 250 80 3
15 180 60 3
16 160 50 3
17 230 80 3
18 520 180 0
19 630 210 0
20 670 220 0
21 700 230 0
22 380 130 0
23 60 20 3
24 110 40 2
25 190 60 2
Dakle, ukupna neto suma djelatnih i jalovih opterećenja svih potrošača promatrane mreže
je 6,640 MW i 2,215 Mvar, bez uzimanja u obzir gubitaka mreže i faktora istovremenosti.
Neka se također pretpostavi da su izmjerena vršna i minimalna djelatna i jalova snaga na
razini izvoda prikazane u Tablici 8.3. Radi što aktualnijih podataka za period mjerenja uzima
se posljednjih godinu dana.
242
Tablica 8.3.Podaci vršne i minimalne snage izvoda iz SCADA sustava

Vršna snaga Minimalna snaga
izvoda izvoda
Djelatna snaga, Pizv,v,SCADA
4,820 1,100
i Pizv,min,SCADA (MW)
Jalova snaga, Qizv,v,SCADA i
1,610 0,350
Qizv,min,SCADA (Mvar)
U Tablici 8.4 nalaze se podaci o duljinama svih dionica promatrane mreže te o tipu,
parametrima i prijenosnoj moći voda korištenoga za svaku dionicu.
Tablica 8.4.Podaci o dionicama promatrane mreže

Dionica R1 X1 B1 Duljina, Inaz
Tip voda
i (Ω/km) (Ω/km) (μS/km) l (km) (A)
1 NA2XS(F)2Y 3x(1x240)/25 mm2 0,13 0,11 97 0,6 455
2 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,7 390
3 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,5 390
2
4 NA2XS(F)2Y 3x(1x185)/25 mm 0,16 0,11 88 0,9 390
5 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,7 390
6 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,8 390
7 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,1 390
8 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 1,0 390
2
9 NA2XS(F)2Y 3x(1x185)/25 mm 0,16 0,11 88 0,7 390
2
10 NA2XS(F)2Y 3x(1x185)/25 mm 0,16 0,11 88 0,2 390
11 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,3 390
12 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,4 390
13 AL/FE, 3x95 mm2 0,3 0,345 2 0,4 290
14 AL/FE, 3x95 mm2 0,3 0,345 2 0,2 290
2
15 AL/FE, 3x95 mm 0,3 0,345 2 0,7 290
16 AL/FE, 3x95 mm2 0,3 0,345 2 0,3 290
17 AL/FE, 3x95 mm2 0,3 0,345 2 0,5 290
18 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 1,2 390
19 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,2 390
243
20 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,3 390

21 NA2XS(F)2Y 3x(1x185)/25 mm2 0,16 0,11 88 0,4 390
2
22 NA2XS(F)2Y 3x(1x185)/25 mm 0,16 0,11 88 0,3 390
2
23 NA2XS(F)2Y 3x(1x150)/25 mm 0,21 0,115 82 0,7 345
24 NA2XS(F)2Y 3x(1x150)/25 mm2 0,21 0,115 82 0,6 345
25 NA2XS(F)2Y 3x(1x150)/25 mm2 0,21 0,115 82 0,4 345
Zaključno, može se konstatirati da se promatrana mješovita mreža sastoji od podzemnih i

nadzemnih vodova. Presjeci podzemnih vodova su različiti, s napomenom da je kabel
najvećeg presjeka smješten na prvoj dionici izvoda. Podzemni kabeli od čvora 2 do čvora 12
imaju uniforman presjek. Na tom se dijelu izvoda nalaze potrošači kategorije kućanstvo. Na
odcjepu od čvora 13 do 17 su smještene kuće za odmor (vikendice) napajane zračnim golim
vodičima. One se godišnje rijetko koriste, što će se direktno reflektirati na njihovu krivulju
opterećenja za prosječan dan u godini. Za te čvorove planer predviđa relativno brzu godišnju
stopu porasta opterećenja. Na odcjepu od čvora 18 do 22 su smješteni potrošači industrijske
zone s karakterističnim krivuljama opterećenja. Zona je gotovo izgrađena i za nju planer ne
predviđa stopu porasta opterećenja. Odcjep od čvora 23 do 25 ima rezidencijalne potrošače
napajane podzemnim kabelom manjeg presjeka od magistralnog kabela. Slikama 8.2 i 8.3. su
prikazane grupe potrošača i opisani načini njihova napajanja.
Slika 8.2. Podjela potrošača distribucijske mreže u primjeru
244
Slika 8.3. Prikaz napajanja potrošača distribucijske mreže u primjeru
Tablicama 8.5. – 8.8. prikazana su procijenjena satna djelatna i jalova opterećenja svih
čvorišta promatrane mreže za prosječan dan u godini.
245
Djelatna snaga čvora promatrane mreže za svaki sat prosječnog dana, PT,s,i (kW)
Sat (h)
1 2 3 4 5 6 7 8 9 10 11 12 13
1 24,86 32,38 44,30 21,70 8,96 15,95 37,49 19,93 28,70 52,89 63,42 72,08 18,10
2 24,92 32,40 44,38 21,48 9,04 16,16 37,02 19,59 28,61 53,28 62,34 71,16 17,44
3 25,05 32,44 44,83 21,22 8,94 16,06 37,72 19,55 28,58 53,28 62,20 70,80 17,86
4 24,85 32,31 44,55 21,58 8,92 16,09 37,13 19,62 28,86 53,55 62,44 71,04 17,50
5 25,28 32,40 45,10 21,50 9,02 16,31 37,55 19,51 28,27 53,25 62,09 70,52 19,56
6 25,21 32,15 44,40 21,50 8,96 16,13 37,28 19,66 28,24 53,01 62,55 71,36 21,66
7 83,30 107,19 148,88 71,69 29,62 53,55 125,37 65,09 95,70 178,77 207,10 238,72 78,76
8 83,71 106,34 148,25 71,47 29,80 53,69 125,01 65,68 95,39 178,77 208,99 237,40 79,10
9 83,33 106,88 148,70 71,54 29,63 53,56 125,54 65,38 95,42 178,98 208,04 238,40 78,90
10 83,37 107,30 148,63 71,11 29,67 53,61 124,97 64,69 95,26 178,74 205,84 238,24 78,54
11 83,15 106,09 149,03 71,58 30,06 53,65 125,29 64,97 95,42 178,23 206,71 237,08 78,98
12 83,54 107,53 148,80 71,47 29,71 53,77 124,57 65,68 95,04 180,12 208,99 237,76 78,92
13 64,85 82,31 116,30 56,04 23,42 41,77 97,38 50,27 74,59 139,41 159,95 185,56 101,98
14 64,69 83,81 115,95 55,76 23,25 41,82 98,64 51,14 74,50 138,93 162,72 184,88 101,46
15 64,72 83,21 115,40 55,93 23,08 41,85 97,19 50,84 74,11 138,36 161,77 184,36 101,02
16 64,69 84,15 114,98 55,62 23,02 41,69 98,22 51,52 74,00 140,67 163,94 186,44 100,88
17 119,28 153,29 213,85 102,02 42,67 76,92 178,92 93,98 135,25 256,77 299,04 339,28 120,94
18 119,20 154,08 212,95 102,67 42,49 76,32 178,69 93,06 136,85 255,78 296,10 340,72 121,30
246
19 119,38 153,41 213,43 102,11 42,95 76,36 178,27 93,37 136,72 256,80 297,08 342,24 121,60
20 119,94 154,39 211,95 102,55 42,50 76,63 179,51 93,59 136,59 254,70 297,78 340,88 120,72
21 119,41 153,50 214,53 102,07 42,59 76,31 179,21 93,43 136,43 254,70 297,29 340,48 120,70
22 104,69 133,79 186,05 89,64 37,43 66,81 155,86 82,47 118,96 223.41 262,40 298,72 108,66
23 104,65 134,42 186,25 89,23 37,20 67,20 156,45 82,15 119,54 223,02 261,38 297,88 109,12
24 104,20 134,28 186,13 89,53 37,30 67,11 156,49 81,72 119,41 223,50 260,02 298,20 109,06
247
Tablica 8.6. Podaci procijenjenih satnih djelatnih opterećenja promatrane mreže (čvorovi 14 –25 )
Djelatna snaga čvora promatrane mreže za svaki sat prosječnog dana, PT,s,i (kW)
Sat (h)
14 15 16 17 18 19 20 21 22 23 24 25
1 22,63 16,29 14,48 20,82 52,42 584,89 67,54 649,88 38.30 10,79 19,60 34,05
2 21,80 15,70 13,95 20,06 52,52 582,50 67,67 647,22 38.38 10,73 19,62 33,67
3 22,33 16,07 14,29 20,54 52,78 582,37 68,01 647,08 38.57 10,72 19,80 33,93
4 21,88 15,75 14,00 20,13 51,38 581,49 66,20 646,10 37.54 10,86 19,59 33,80
5 24,45 17,60 15,65 22,49 52,47 580,67 67,60 645,19 38.34 10,75 19,81 34,12
6 27,08 19,49 17,33 24,91 51,95 581,43 66,93 646,03 37.96 10,90 19,67 33,78
7 98,45 70,88 63,01 90,57 481,73 581,30 620,69 645,89 352.03 35,78 65,49 113,13
8 98,88 71,19 63,28 90,97 479,80 582,37 618,21 647,08 350.63 35,76 65,29 113,58
9 98,63 71,01 63,12 90,74 479,18 61,93 617,41 68,81 350.17 35,83 65,40 113,34
10 98,18 70,69 62,83 90,32 478,61 63,25 616,67 70,28 349.75 35,87 65,20 113,13
11 98,73 71,08 63,18 90,83 480,22 62,69 618,75 69,65 350.93 35,56 65,73 113,28
12 98,65 71,03 63,14 90,76 482,61 63,19 621,83 70,21 352.68 35,84 65,32 113,16
13 127,48 91,78 81,58 117,28 480,53 63,44 619,15 70,49 351.16 27,74 51,27 88,10
14 126,83 91,31 81,17 116,68 481,31 61,30 620,15 68,11 351.73 27,79 51,02 88,14
15 126,28 90,92 80,82 116,17 480,64 62,75 619,28 69,72 351.23 27,89 51,07 88,16
16 126,10 90,79 80,70 116,01 481,21 60,73 620,02 67,48 351.65 27,75 51,02 88,01
17 151,18 108,85 96,75 139,08 479,75 62,56 618,14 69,51 350.59 50,82 93,46 161,94
18 151,63 109,17 97,04 139,50 52,62 64,39 67,80 71,54 38.46 50,94 93,69 160,40
248
19 152,00 109,44 97,28 139,84 52,57 61,87 67,74 68,74 38.42 50,92 93,21 162,28
20 150,90 108,65 96,58 138,83 53,35 63,50 68,74 70,56 38.99 50,87 93,71 162,41
21 150,88 108,63 96,56 138,81 52,62 64,07 67,80 71,19 38.46 51,23 93,61 162,74
22 135,83 97,79 86,93 124,96 54,65 583,00 70,42 647,78 39.94 44,78 82,28 141,38
23 136,40 98,21 87,30 125,49 51,32 582,12 66,13 646,80 37.51 44,54 81,87 142,08
24 136,33 98,15 87,25 125,42 50,86 584,89 65,53 649,88 37.16 44,53 81,88 141,11
249
Jalova snaga čvora promatrane mreže za svaki sat prosječnog dana, QT,s,i (kvar)
Sat (h)
1 2 3 4 5 6 7 8 9 10 11 12 13
1 8,88 10,79 14,18 7,23 2,69 5.32 12,50 5,44 8,97 17,63 21,74 25,23 6,34
2 8,90 10,80 14,20 7,16 2,71 5.39 12,34 5,34 8,94 17,76 21,37 24,91 6,10
3 8,95 10,81 14,34 7,07 2,68 5.35 12,57 5,33 8,93 17,76 21,32 24,78 6,25
4 8,88 10,77 14,26 7,19 2,68 5.36 12,38 5,35 9,02 17,85 21,41 24,86 6,13
5 9,03 10,80 14,43 7,17 2,71 5.44 12,52 5,32 8,84 17,75 21,29 24,68 6,85
6 9,01 10,72 14,21 7,17 2,69 5.38 12,43 5,36 8,83 17,67 21,44 24,98 7,58
7 29,75 35,73 47,64 23,90 8,89 17.85 41,79 17,75 29,91 59,59 71,00 83,55 27,57
8 29,90 35,45 47,44 23,82 8,94 17.90 41,67 17,91 29,81 59,59 71,65 83,09 27,69
9 29,76 35,63 47,58 23,85 8,89 17.85 41,85 17,83 29,82 59,66 71,33 83,44 27,62
10 29,78 35,77 47,56 23,70 8,90 17.87 41,66 17,64 29,77 59,58 70,57 83,38 27,49
11 29,70 35,36 47,69 23,86 9,02 17.88 41,76 17,72 29,82 59,41 70,87 82,98 27,64
12 29,84 35,84 47,62 23,82 8,91 17.92 41,52 17,91 29,70 60,04 71,65 83,22 27,62
13 23,16 27,44 37,22 18,68 7,02 13.92 32,46 13,71 23,31 46,47 54,84 64,95 35,69
14 23,11 27,94 37,10 18,59 6,98 13.94 32,88 13,95 23,28 46,31 55,79 64,71 35,51
15 23,12 27,74 36,93 18,64 6,92 13.95 32,40 13,87 23,16 46,12 55,46 64,53 35,36
16 23,11 28,05 36,79 18,54 6,90 13.90 32,74 14,05 23,13 46,89 56,21 65,25 35,31
17 42,60 51,10 68,43 34,01 12,80 25.64 59,64 25,63 42,27 85,59 102,53 118,75 42,33
18 42,57 51,36 68,14 34,22 12,75 25.44 59,56 25,38 42,77 85,26 101,52 119,25 42,46
250
19 42,64 51,14 68,30 34,04 12,88 25.45 59,42 25,46 42,73 85,60 101,86 119,78 42,56
20 42,84 51,46 67,82 34,18 12,75 25.54 59,84 25,52 42,69 84,90 102,10 119,31 42,25
21 42,65 51,17 68,65 34,02 12,78 25.44 59,74 25,48 42,64 84,90 101,93 119,17 42,25
22 37,39 44,60 59,54 29,88 11,23 22.27 51,95 22,49 37,18 74,47 89,96 104,55 38,03
23 37,38 44,81 59,60 29,74 11,16 22.40 52,15 22,40 37,36 74,34 89,62 104,26 38,19
24 37,22 44,76 59,56 29,84 11,19 22.37 52,16 22,29 37,32 74,50 89,15 104,37 38,17
251
Jalova snaga čvora promatrane mreže za svaki sat prosječnog dana, QT,s,i (kvar)
Sat (h)
14 15 16 17 18 19 20 21 22 23 24 25
1 7,24 5,43 4,53 7,24 18,14 194,96 22,18 213,53 13,10 3,60 7,13 10,75
2 6,98 5,23 4,36 6,98 18,18 194,17 22,22 212,66 13,13 3,58 7,14 10,63
3 7,14 5,36 4,47 7,14 18,27 194,12 22,33 212,61 13,20 3,57 7,20 10,72
4 7,00 5,25 4,38 7,00 17,78 193,83 21,74 212,29 12,84 3,62 7,12 10,67
5 7,82 5,87 4,89 7,82 18,16 193,56 22,20 211,99 13,12 3,58 7,20 10,78
6 8,66 6,50 5,42 8,66 17,98 193,81 21,98 212,27 12,99 3,63 7,15 10,67
7 31,50 23,63 19,69 31,50 166,75 193,77 203,81 212,22 120,43 11,93 23,82 35,72
8 31,64 23,73 19,78 31,64 166,09 194,12 202,99 212,61 119,95 11,92 23,74 35,87
9 31,56 23,67 19,73 31,56 165,87 20,64 202,73 22,61 119,80 11,94 23,78 35,79
10 31,42 23,56 19,64 31,42 165,67 21,08 202,49 23,09 119,65 11,96 23,71 35,72
11 31,59 23,69 19,75 31,59 166,23 20,90 203,17 22,89 120,06 11,85 23,90 35,77
12 31,57 23,68 19,73 31,57 167,06 21,06 204,18 23,07 120,65 11,95 23,75 35,74
13 40,79 30,59 25,50 40,79 166,34 21,15 203,30 23,16 120,13 9,25 18,64 27,82
14 40,58 30,44 25,37 40,58 166,61 20,43 203,63 22,38 120,33 9,26 18,55 27,83
15 40,41 30,31 25,26 40,41 166,37 20,92 203,35 22,91 120,16 9,30 18,57 27,84
16 40,35 30,26 25,22 40,35 166,57 20,24 203,59 22,17 120,30 9,25 18,55 27,79
17 48,38 36,28 30,24 48,38 166,07 20,85 202,97 22,84 119,94 16,94 33,98 51,14
18 48,52 36,39 30,33 48,52 18,22 21,46 22,26 23,51 13,16 16,98 34,07 50,65
252
19 48,64 36,48 30,40 48,64 18,20 20,62 22,24 22,59 13,14 16,97 33,90 51,25
20 48,29 36,22 30,18 48,29 18,47 21,17 22,57 23,18 13,34 16,96 34,08 51,29
21 48,28 36,21 30,18 48,28 18,22 21,36 22,26 23,39 13,16 17,08 34,04 51,39
22 43,46 32,60 27,17 43,46 18,92 194,33 23,12 212,84 13,66 14,93 29,92 44,65
23 43,65 32,74 27,28 43,65 17,77 194,04 21,71 212,52 12,83 14,85 29,77 44,87
24 43,62 32,72 27,27 43,62 17,60 194,96 21,52 213,53 12,71 14,84 29,78 44,56
253
Na Slici 8.4 nalaze se prosječne dnevne krivulje djelatnog opterećenja nasumično odabrana
tri čvora glavnog izvoda (3, 6 i 12), prema podacima iz Tablice 8.5. Navedeni potrošači
pripadaju tipu kućanstvo, što se vidi iz krivulja.
350
300
250
PT,s,i [kW]
200
150
Čvor 6
100 Čvor 3
Čvor 12
50
Čvorovi
s [h]
Slika 8.4. Primjer prosječne dnevne krivulje opterećenja za potrošače tipa kućanstvo
priključene na čvorove 2, 19 i 29
Nadalje na Slici 8.5. se nalaze karakteristični prosječni dnevni dijagrami djelatnog

opterećenja nasumično odabrana dva čvora podizvoda (13 – 17), prema podacima iz Tablica
8.5. i 8.6. Navedeni podaci predstavljaju potrošače vikendica, što se može vidjeti u velikoj
diskrepanciji vršne snage čvorišta (Tablica 8.2.) i krivulje opterećenja za prosječan dan u
godini.
254
140
120
100
PT,s,i [kW]
80
60
Čvor 15
40 Čvor 13
20
Čvorovi
s [h]
Slika 8.5. Primjer prosječne dnevne krivulje opterećenja za potrošače vikendica priključene
na čvorove 13 i 15
Konačno, na Slici 8.6. se nalaze karakteristični prosječni dnevni dijagrami djelatnog

opterećenja nasumično odabrana dva čvora podizvoda (18 – 22), prema podacima iz Tablice
8.6. Navedeni potrošači se nalaze u industrijskoj zoni i uzimaju veću količinu snage i energije
iz mreže što se može vidjeti čitanjem njihovih karakterističnih prosječnih dnevnih krivulja
opterećenja.
700
600
500
PT,s,i [kW]
400
300
Čvor 21
Čvor 18
200
100
s [h] Čvorovi
255
Slika 8.6. Primjer prosječne dnevne krivulje opterećenja za industrijske potrošače priključene
na čvorove 18 i 21
Kao ulazni podatak potrebno je još definirati tržišnu cijenu električne energije koju će
ODS svake godine kupovati za pokriće energije gubitaka u promatranoj mreži. Uz to,
potrebno je i definirati njezinu godišnju stopu porasta. Zaključno, potrebno je definirati
diskontnu stopu koju će ODS procijeniti za svoje uštede uslijed optimalnog priključka novih
DI-ova. Navedeni podaci prikazani su u Tablici 8.9.
Tablica 8.9. Procijenjena tržišna cijena električne energije, njezina godišnja stopa porasta i
diskontna stopa ODS-a za uštede gubitaka električne energije
Tržišna cijena električne Procijenjena godišnja Procijenjena diskontna
energije, ctrž (kn/MWh) stopa porasta, β (%) stopa ODS-a, dODS (%)
375 2 5
8.2. Ulazni parametri genetskog algoritma

Ulazni parametri genetskog algoritma su prikazani Tablicom 8.10.
Tablica 8.10. Parametri genetskog algoritma

Parametar GA Vrijednost
Veličina populacije, npop 40
Broj turnira, k 3
Vjerojatnost križanja, pk (%) 0,7
Vjerojatnost mutacije lokacije, pm,lok (%) 0,7
Vjerojatnost mutacije snage, pm,sn (%) 0,7
Korak mutacije lokacije, pkor_lok 0,5
Korak mutacije snage, pkor_sn 0,5
Ukupan broj generacija, ngen 100
256
8.3. Ulazni podaci budućih proizvodnih jedinica

Kao što je napomenuto u uvodu, u sljedećim će se primjerima tražiti optimalan razmještaj
jedne sunčane elektrane i dvije elektrane na biomasu različitih investitora i procijenjenih
karakteristika.
8.3.1. Buduća sunčana elektrana
Podaci procijenjene satne postotne krivulje proizvodnje buduće sunčane elektrane

prikazani su Tablicom 8.11. i Slikom 8.7.
Tablica 8.11. Podaci procijenjene satne postotne proizvodnje buduće sunčane elektrane
Sat (h) buduće SE za svaki sat
prosječnog dana, pSE,bud,s (%)
1 0
2 0
3 0
4 0
5 13
6 21
7 28
8 36
9 42
10 50
11 54
12 56
13 56
14 54
15 50
16 42
17 36
18 28
19 21
257
20 13
21 0
22 0
23 0
24 0
60
50
40
pSE,bud,s[%]
30
20
10
Sunčana elektrana
0
s[h]
Slika 8.7. Primjer prosječne dnevne postotne krivulje proizvodnje za buduću sunčanu
elektranu
Ostali podaci buduće sunčane elektrane prikazani su u Tablicama 8.12. – 8.17. Tablica
8.12. prikazuje u kojim granicama priključne snage investitor želi ulagati u svoje proizvodno
postrojenje.
Tablica 8.12. Granice priključne snage za buduću sunčanu elektranu

Tip distribuiranog Donja granica priključne Gornja granica priključne
izvora snage, Pmin,pDI,t (kW) snage, Pmax,pDI,t (kW)
Sunčana elektrana 500 2.500
Tablica 8.13. prikazuje na kojim lokacijama investitor razmatra priključenje svog

proizvodnog postrojenja.
258
Tablica 8.13. Dozvoljene lokacije za buduću sunčanu elektranu

Tip distribuiranog izvora Lokacije za priključenje
Sunčana elektrana 3,4,5,6,7,8,9,10,11,12,13,14,15,16,17
Tablica 8.14. prikazuje u kojim granicama variraju troškovi izgradnje ovisno o budućoj
instaliranoj snazi proizvodnog postrojenja. Obično će isporučitelj opreme investitoru ponuditi
manje kapitalne troškove za veću instaliranu snagu proizvodnog postrojenja.
Tablica 8.14. Troškovi izgradnje buduće sunčane elektrane

Troškovi izgradnje, trizg,pDI,t (kn/kW)
Tip distribuiranog
500 (kW) ≤ Pnaz,pDI,t (kW) 1.250 (kW) < Pnaz,pDI,t (kW)
izvora
≤ 1.250 (kW) ≤ 2.500 (kW)
Sunčana elektrana 12.000 8.000
Slično, Tablice 8.15. i 8.16. prikazuju u kojim granicama variraju fiksni i varijabilni
troškovi održavanja i pogona ovisno o budućoj instaliranoj snazi i godišnjoj energiji
proizvodnog postrojenja. Obično će dobavljač goriva investitoru ponuditi manje troškove za
veću količinu goriva, odnosno veću isporučenu godišnju energiju elektrane. Za sunčanu
elektranu se uzima da su varijabilni troškovi pogona jednaki nuli, neovisno o proizvedenoj
energiji58.
Tablica 8.15. Stalni troškovi održavanja buduće sunčane elektrane

Stalni troškovi održavanja, trsto,pDI,t (kn/kW)
Tip distribuiranog
izvora
≤ 1.250 (kW) ≤ 2.500 (kW)
Sunčana elektrana 90 70
Tablica 8.16. Varijabilni troškovi održavanja buduće sunčane elektrane

Varijabilni troškovi održavanja, trvto,pDI,t (kn/MWh)
Tip distribuiranog izvora
WpDI,t,god ≤ 87,6 (GWh)
58
Maksimalna moguća proizvedena energija u SN mreži je energija elektrane 10 MW koja radi 8760 h u godini,
odnosno 87,6 milijuna kWh.
259
Sunčana elektrana 0
Konačno, Tablica 8.17. prikazuje u kojim se granicama kreće diskontna stopa (trošak
kapitala) za buduće proizvodno postrojenje. U pravilu, menadžment i različiti kreditori će
tražiti manje diskontne stope na manja postrojenja, dok će financijski rizičnijima smatrati
veća postrojenja.
Tablica 8.17. Procijenjene diskontne stope buduće sunčane elektrane

Diskontna stopa, dpDI,t (%)
Tip distribuiranog
izvora
≤ 1.250 (kW) ≤ 2.500 (kW)
Sunčana elektrana 4 6
8.3.2. Prvi projekt buduće elektrane na biomasu
Podaci procijenjene satne postotne krivulje proizvodnje prvog projekta buduće elektrane na
biomasu prikazani su Tablicom 8.18. i Slikom 8.8.
Tablica 8.18. Podaci procijenjene satne postotne proizvodnje prvog projekta buduće
elektrane na biomasu
prvog projekta buduće EBM
Sat (h)
za svaki sat prosječnog dana,
pEBM1,bud,s (%)
1 80
2 80
3 80
4 80
5 80
6 80
7 80
8 80
9 80
260
10 80
11 80
12 80
13 80
14 80
15 80
16 80
17 80
18 80
19 80
20 80
21 80
22 80
23 80
24 80
80
70
60
pEBM1,bud,s [%]
50
40
30
20 Elektrana na
biomasu 1
10
s [h]
Slika 8.8. Primjer prosječne dnevne postotne krivulje proizvodnje za prvi projekt buduće
261
Ostali podaci prvog projekta buduće elektrane na biomasu prikazani su u Tablicama 8.19.
– 8.25. Tablica 8.19. prikazuje u kojim granicama priključne snage investitor želi ulagati u
svoje proizvodno postrojenje.
Tablica 8.19. Granice priključne snage za prvi projekt buduće elektrane na biomasu
Elektrana na
500 10.000
biomasu 1
Tablica 8.20. prikazuje lokacije koje investitor razmatra za priključenje svojeg

Tablica 8.20. Dozvoljene lokacije za prvi projekt buduće elektrane na biomasu

Elektrana na biomasu 1 9,10,11,12,18,19,20,21,22,23,24,25
Za poticaje projekata elektrana na biomasu karakterističan je i korekcijski faktor koji

korigira poticajnu cijenu, a određuje se za tekuću godinu prema ukupnoj godišnjoj
učinkovitosti proizvodnog postrojenja. Neka se pretpostavi da je procjena investitora o
učinkovitosti njegove elektrane prikazana u Tablici 8.21.
Tablica 8.21. Ukupna godišnja učinkovitost prvoga projekta buduće elektrane na biomasu
Ukupna godišnja
učinkovitost, ηpDI,t (%)
Elektrana na biomasu 1 50
instaliranoj snazi proizvodnog postrojenja.
Tablica 8.22. Troškovi izgradnje prvog projekta buduće elektrane na biomasu

Tip distribuiranog Troškovi izgradnje, trizg,pDI,t (kn/kW)
262
izvora 500 (kW) ≤ Pnaz,pDI,t (kW) 4.000 (kW) < Pnaz,pDI,t (kW)
≤ 4.000 (kW) ≤ 10.000 (kW)
Elektrana na biomasu 1 21.800 18.200
Slično, Tablice 8.23. i 8.24. prikazuju u kojim granicama variraju fiksni i varijabilni
troškovi održavanja i pogona ovisno o budućoj instaliranoj snazi i godišnjoj energiji
Tablica 8.23. Stalni troškovi održavanja prvog projekta buduće elektrane na biomasu
Tip distribuiranog
izvora
≤ 4.000 (kW) ≤ 10.000 (kW)
Elektrana na biomasu 1 280 200
Tablica 8.24. Varijabilni troškovi održavanja prvog projekta buduće elektrane na biomasu
Tip distribuiranog
4,38 (GWh) ≤ WpDI,t,god 43,8 (GWh) < WpDI,t,god
izvora
(GWh) ≤ 43,8 (GWh) (GWh) ≤ 87,6 (GWh)
Elektrana na
400 320
biomasu 1
kapitala) za buduće proizvodno postrojenje.
Tablica 8.25. Procijenjene diskontne stope prvog projekta buduće elektrane na biomasu
Tip distribuiranog
izvora
≤ 4.000 (kW) ≤ 10.000 (kW)
Elektrana na
7 9
biomasu 1
263
8.3.3. Drugi projekt buduće elektrane na biomasu
Podaci procijenjene satne postotne krivulje proizvodnje drugog projekta buduće elektrane
na biomasu prikazani su Tablicom 8.26. i Slikom 8.9.
Tablica 8.26. Podaci procijenjene satne postotne proizvodnje drugog projekta buduće
drugog projekta buduće EBM
Sat (h)
za svaki sat prosječnog dana,
pEBM2,bud,s (%)
1 65
2 65
3 65
4 65
5 65
6 65
7 65
8 65
9 65
10 65
11 65
12 65
13 65
14 65
15 65
16 65
17 65
18 65
19 65
20 65
21 65
22 65
23 65
264
24 65
70
60
50
pEBM2,bud,s [%]
40
30
20
Elektrana na
biomasu 2
10
s [h]
Slika 8.9. Primjer prosječne dnevne postotne krivulje proizvodnje za drugi projekt buduće
Ostali podaci drugog projekta buduće elektrane na biomasu prikazani su u Tablicama 8.27.
– 8.33. Tablica 8.27. prikazuje u kojim granicama priključne snage investitor želi ulagati u
svoje proizvodno postrojenje.
Tablica 8.27. Granice priključne snage za drugi projekt buduće elektrane na biomasu
Elektrana na
1.500 4.000
biomasu 2
Tablica 8.28. prikazuje na kojim lokacijama investitor razmatra priključenje svog

Tablica 8.28. Dozvoljene lokacije za drugi projekt buduće elektrane na biomasu

Elektrana na biomasu 2 1,2,3,4,18,19,20,21,22
265
Nadalje neka se pretpostavi da je procjena investitora o učinkovitosti njegove elektrane

prikazana u Tablici 8.29.
Tablica 8.29. Ukupna godišnja učinkovitost drugoga projekta buduće elektrane na biomasu
Ukupna godišnja
učinkovitost (%)
Elektrana na biomasu 2 60
instaliranoj snazi proizvodnog postrojenja.
Tablica 8.30. Troškovi izgradnje drugog projekta buduće elektrane na biomasu

Troškovi izgradnje, trizg,pDI,t (kn/kW)
Tip distribuiranog
1.500 (kW) ≤ Pnaz,pDI,t 2.500 (kW) < Pnaz,pDI,t
izvora
(kW) ≤ 2.500 (kW) (kW) ≤ 4.000 (kW)
Elektrana na biomasu 2 17.500 15.500
Tablice 8.31. i 8.32. prikazuju u kojim granicama variraju fiksni i varijabilni troškovi
održavanja i pogona ovisno o budućoj instaliranoj snazi i godišnjoj energiji proizvodnog
postrojenja.
Tablica 8.31. Stalni troškovi održavanja drugog projekta buduće elektrane na biomasu
Tip distribuiranog
izvora
(kW) ≤ 2.500 (kW) (kW) ≤ 4.000 (kW)
Elektrana na biomasu 2 230 180
Tablica 8.32. Varijabilni troškovi održavanja drugog projekta buduće elektrane na biomasu
Tip distribuiranog
13,14 (GWh) ≤ WpDI,t,god 21,9 (GWh) < WpDI,t,god
izvora
(GWh) ≤ 21,9 (GWh) (GWh) ≤ 35,04 (GWh)
266
Elektrana na
460 370
biomasu 2
kapitala) za buduće proizvodno postrojenje.
Tablica 8.33. Procijenjene diskontne stope drugog projekta buduće elektrane na biomasu
Tip distribuiranog
izvora
(kW) ≤ 2.500 (kW) (kW) ≤ 4.000 (kW)
Elektrana na
6 8
biomasu 2
8.4. Optimalan razmještaj DI-a u 20 kV mreži bez prethodno

priključenih proizvodnih jedinica
U ovom će se primjeru promatrati optimalan razmještaj dvaju tipova distribuiranih izvora,
između kojih se razlikuju jedan projekt sunčane elektrane i dva projekta elektrane na biomasu.
Sva tri projekta su od različitih investitora, što i sugeriraju njihovi različiti ulazni financijski
podaci. Ovaj primjer demonstrira kako algoritam omogućava istovremeni priključak
proizvoljnog broja DI-ova neovisno o njihovu tipu. Također na primjeru se vidi kako
investitor ne mora unaprijed točno definirati sve ulazne financijske podatke, već je dovoljno
odrediti samo njihove granice. Algoritam će sam na temelju unutarnjih skripti i proračuna
odabrati najisplativiju kombinaciju položaja i priključnih snaga distribuiranih izvora.
Ovaj se primjer tiče optimalnog razmještaja navedenih DI-ova u 20 kV mreži. Nakon
unaprijed zadanog broja generacija, algoritam je konvergirao. Slikom 8.10. je prikazana
konvergencija dobrote funkcije cilja za najbolju jedinku u svakoj generaciji.
267
235,0
234,0 Dobrota funkcije cilja (mil. kn)
233,0
232,0
231,0
230,0
229,0
228,0
227,0
226,0
225,0
224,0
100
1
4
7
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
91
94
97
Generacija
U ovom slučaju algoritam brzo konvergira. Rezultati predloženog algoritma optimalnog

razmještaja DI-ova su prikazani u Tablicama 8.34. i 8.35. Izračunate optimalne lokacije i
priključne snage novih distribuiranih izvora koji traže istovremeni priključak na SN mrežu
prikazane su u Tablici 8.34.

Sunčana elektrana Elektrana na biomasu 1 Elektrana na biomasu 2
Čvorište 13 18 18
P (kW) 2.250 5.000 3.750
Također u Tablici 8.35. su prikazane čiste sadašnje vrijednosti svakog projekta DI-a,
ušteda ODS-a i njihova suma.
ČSV (kn)
Sunčana elektrana 4.810.587,68
Elektrana na biomasu 1 119.475.217,30
268

Uštede ODS-a 490.800,46
Ukupna suma 233.601.114,25
Projekti elektrane na biomasu imaju najveću ČSV i to ponajprije iz razloga jer imaju daleko
najveće poticaje, naročito ako su ti poticaji korigirani s visokom ukupnom godišnjom
učinkovitošću elektrana. Poticajne cijene jako opadaju za snage veće od 5 MW, i upravo iz
toga razloga algoritam izabire jedinice do 5 MW, poštivajući zadana ograničenja priključne
snage investitora. Zanimljivo je kako algoritam smješta obje elektrane na biomasu u čvor 18,
odnosno na početak industrijske zone u kojoj se nalazi gro tereta izvoda. Iako projekti
elektrana na biomasu imaju velike kapitalne troškove izgradnje, te fiksne i varijabilne
troškove održavanja, navedeni troškovi opadaju s njihovom većom instaliranom snagom i
godišnjom proizvodnjom. Ta činjenica čini veće jedinice financijski privlačnijima i
isplativijima, a u kombinaciji s visokim poticajima i relativno velikim faktorom kapaciteta
pokazuju se odlučujućima za tako visoku ČSV. Čak i relativno veće diskontne stope od
konkurentne sunčane elektrane ne utječu na njihovu profitabilnost.
Projekt sunčane elektrane se s druge strane oslanja samo na referentnu cijenu poticaja, pa i
uz mnogo manje kapitalne troškove i fiksne troškove održavanja ne može postići veliku ČSV.
Čak i manja diskontna stopa na projekt nije značajno podigla njegove financijske pokazatelje.
Razloge treba svakako i tražiti u mnogo manjem faktoru kapaciteta od konkurenata, no
osnova su ipak daleko manji poticaji od konkurencije. U tome se i ogleda snaga predloženog
algoritma, jer može relativno točno pokazati prednosti i mane aktualnog tarfinog sustava
baziranog na novom Nacionalnom akcijskom planu. Zanimljivo je kako algoritam smješta
sunčanu elektranu u čvor 13, odnosno na početak odcjepa na kojem se nalaze kuće za odmor.
Kao su spomenuti potrošači napajani golim nadzemnim vodičima manje prijenosne moći,
logično je da se na tu lokaciju smješta jedinica manje snage. Kako je druga polovica glavnog
izvoda "pokrivena" s elektranama na biomasu, prva polovica glavnog izvoda biti će napajana
sunčanom elektranom.
Konačno, ČSV ušteda ODS-a jasno pokazuje kako su se gubici smanjili nakon integracije
novih DI-ova na promatrani izvod SN mreže.
Slikom 8.11. su prikazani i uspoređeni godišnji gubici djelatne električne energije za
promatranu mrežu prije i poslije optimalna razmještaja novih DI-ova.
269
250,0
Godišnji gubici djelatne energije nakon alokacije DI [MWh]
Godišnji gubici djelatne energije [MWh] 200,0
150,0
100,0
50,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Godina
Vidi se kako zbog procijenjenog različitog godišnjeg porasta tereta po svakom čvoru,
sporije rastu i gubici u mreži tijekom godina. Optimalnim razmještajem novih distribuiranih
jedinica gubici se znatno smanjuju.
Slikom 8.12. su prikazani i uspoređeni satni gubici djelatne električne snage promatrane
270
50,0

45,0
40,0
35,0
30,0
25,0
20,0
15,0
10,0
5,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sat [h]
poslije priključenja novih DI-ova, za prosječan dan posljednje godine planiranja
Satni gubici snage drastično padaju nakon alokacije novih distribuiranih izvora. No,
interesantno je kako se po noći gubici čak i povećavaju u odnosu na bazni slučaj mreže bez
DI-ova. Razlog je tome što DI-ovi proizvode energiju i po noći, a mreža tada postaje
opterećena reverznim tokovima snaga.
Slikom 8.13. je prikazana i uspoređena djelatna snaga početne dionice izvoda promatrane
271

6
5
4
3
2
1
0
-1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
18 19 20 21 22 23 24
-2
-3
Sat [h]

novih DI-ova, za prosječan dan posljednje godine planiranja
Sa slike je vidljivo kako je nakon 14 godina snaga izvoda bazne mreže bez DI-a značajno
porasla. No, nakon optimalnoga razmještaja novih DI-ova može se uočiti značajno smanjenje
opterećenja i reverziranje snaga prve dionice izvoda. Razlog tome je činjenica da su tereti
napajani direktno s novim DI-ovima, čija suma nadilazi ukupnu sumu tereta za veći dio dana.
U noćnim satima, kada je potrošnja izvoda minimalna, teret prve dionice naročito raste i
popraćen je reverznim tokovima snage.
Slikom 8.14. je prikazan i uspoređen napon čvora 17 promatrane mreže prije i poslije
optimalna razmještaja novih DI-ova, gledano za prosječan dan posljednje godine planiranoga
perioda.
272

Napon [kV] 20,00
19,95
19,90
19,85
19,80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sat [h]
DI-ova, za prosječan dan posljednje godine planiranja
U noćnim satima, kada je opterećenje izvoda najmanje, iznos napona poprima najveće
vrijednosti u oba slučaja. Tijekom dana napon se smanjuje, no u kasnojutarnjim satima i
tijekom ranog popodneva ponovno raste da bi u večernjim satima poprimio najmanje
vrijednosti. Za jutarnji i popodnevni porast napona čvorišta 17 je daleko najbitnija stavka
sunčana elektrana (priključena na čvorište 13) koja proizvodi energiju upravo u tim satima.
8.5. Optimalan razmještaj DI-a u 20 kV mreži s prethodno

priključenom proizvodnom jedinicom
U ovom će se primjeru promatrati optimalan razmještaj istih distribuiranih izvora kao i u
prethodnom primjeru, ali s razlikom da će se oni alocirati u mrežu koja već sadrži prethodno
priključen DI. Konkretno, radit će se o vjetroelektrani priključenoj na čvor 10 s priključnom
snagom 2,5 MW.
Pretpostavit će se da je njezina proizvodnja za prosječan dan u godini prikazana Tablicom
8.36. te Slikom 8.15.
Tablica 8.36. Podaci procijenjene satne djelatne proizvodnje postojeće vjetroelektrane

Djelatna snaga postojeće VE za svaki
Sat (h)
sat prosječnog dana, PVE,post,s (kW)
273
1 1.100,00
2 1.225,00
3 1.175,00
4 1.175,00
5 1.200,00
6 1.225,00
7 1.250,00
8 1.225,00
9 1.300,00
10 1.250,00
11 1.300,00
12 1.175,00
13 1.150,00
14 1.225,00
15 1.275,00
16 1.150,00
17 1.225,00
18 1.275,00
19 1.200,00
20 1.300,00
21 1.300,00
22 1.200,00
23 1.100,00
24 1.250,00
274
1400,00
1200,00
1000,00
PVE,post,s [kW]
800,00
600,00
400,00
Vjetroelektrana
200,00
0,00
s [h]
Slika 8.15. Primjer prosječne dnevne krivulje proizvodnje za postojeću 2,5 MW

vjetroelektranu priključenu na čvor 10
Slikom 8.16. je prikazana konvergencija dobrote funkcije cilja za najbolju jedinku u svakoj
generaciji.
214,0
212,0
211,0
210,0
209,0
208,0
207,0
206,0
205,0
204,0
203,0
100
1
4
7
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
91
94
97
Generacija
275
U ovom slučaju algoritam konvergira malo sporije. Rezultati optimalnoga razmještaja DI-
ova su prikazani u Tablicama 8.37 i 8.38. Izračunate optimalne lokacije i priključne snage
novih distribuiranih izvora prikazane su u Tablici 8.37.

Čvorište 13 18 22
P (kW) 2.250 4.000 3.750
Također su u Tablici 8.38. prikazane čiste sadašnje vrijednosti svakog projekta DI-a,
ušteda ODS-a i njihova suma.
ČSV (kn)
Uštede ODS-a 30.630,83
Ukupna suma 212.793.170,04
Za ovaj je primjer najviše "štete" pretrpio prvi projekt elektrane na biomasu čija je ČSV
pala za oko 20 milijuna kuna, a optimalna priključna snaga se spustila s 5 na 4 MW. Razlog je
tome što je postojeća vjetroelektrana sa svojom maksimalnom proizvodnjom od 2,5 MW
efektivno sterilizirala najbliži dio mreže za priključak novih DI-ova. Kako je prvi projekt
elektrane na biomasu fizički najbliže smješten postojećoj vjetroelektrani, tako joj se s ciljem
očuvanja strujno-naponskih prilika morala reducirati priključna snaga. Drugi projekt elektrane
na biomasu je zadržao istu ČSV i optimalnu priključnu snagu, ali uz promjenu lokacije sa
čvora 18 na čvor 22. Razlog preferiranja drugog projekta elektrane na biomasu pred
algoritmom je u njegovim nižim troškovima izgradnje i nižoj procijenjenoj diskontnoj stopi
od strane investitora. Iako su troškovi goriva drugog projekta elektrane na biomasu znatno
veći nego za prvi projekt (što može biti posljedica lošijeg odabira opskrbljivača gorivom), to
ipak nije imalo odlučujući utjecaj na njegovu ČSV. Projekt sunčane elektrane je zadržao svoju
276
poziciju i priključnu snagu, uz istu ČSV. ČSV ODS-a je po iznosu jako pala, no ipak je
zadržana iznad nule.
promatranu mrežu prije i poslije optimalnoga razmještaja novih DI-ova.
100,0
90,0 Godišnji gubici djelatne energije nakon alokacije DI [MWh]
80,0
70,0
60,0
50,0
40,0
30,0
20,0
10,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Godina
prije i poslije optimalnoga priključenja novih DI-ova
Zanimljivo je promotriti kako se nakon optimalnoga razmještaja DI-ova godišnji gubici

energije smanjuju svake godine, no po iznosu su unutar prvih 5 godina ipak veći od gubitaka
bazne mreže (s postojećom VE). Dakle, iako će prvih 5 godina ODS kupovati veću količinu
energije gubitaka na tržištu, nakon 6. godine će se trend obrnuti uslijed porasta snage i
energije postojećega tereta. Nakon perioda planiranja od 14 godina ukupne će uštede
nadvladati ukupne gubitke i mreža s alociranim DI-ovima će biti u konačnici profitabilnija od
bazne mreže s priključenom vjetroelektranom.
mreže prije i poslije optimalnoga razmještaja novih DI-ova, gledano za prosječan dan
posljednje godine planiranoga perioda.
277
30,0

Gubici djelatne snage [kW] 25,0
20,0
15,0
10,0
5,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sat [h]
Satni se gubici snage smanjuju nakon alokacije novih distribuiranih izvora. Ipak, po noći i
u ranim večernjim satima gubici se povećavaju i do više puta u odnosu na bazni slučaj mreže.
Slikom 8.19. je prikazana i uspoređena djelatna snaga početne dionice izvoda promatrane
5
4
3
2
1
0
-1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
18 19 20 21 22 23 24
-2
-3
Sat [h]

278
Sa slike je vidljivo da nakon optimalnog razmještaja DI-ova izvod zapravo postaje pojna
točka za susjedne izvode, odnosno nadređenu mrežu. Jedino u kratkim jutarnjim,
popodnevnim i večernjim intervalima napojna mreža opskrbljuje potrošače sa zanemarivo
malim iznosom snage i energije.
optimalnoga razmještaja novih DI-ova, gledano za prosječan dan posljednje godine
planiranoga perioda.

20,02
20,00
19,98
Napon [kV]
19,96
19,94
19,92
19,90
19,88
19,86
19,84
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sat [h]
8.6. Optimalan razmještaj DI-a u 10 kV mreži bez prethodno

priključenih proizvodnih jedinica
Konačno, u zadnjem će se primjeru promatrati optimalan razmještaj istih distribuiranih
izvora kao i u prvom primjeru, ali s razlikom u kojoj će se oni alocirati u 10 kV mrežu koja ne
sadrži prethodno priključene DI-ove.
Slikom 8.21. je prikazana konvergencija dobrote funkcije cilja za najbolju jedinku u svakoj
generaciji.
279
180,0
178,0
177,0
176,0
175,0
174,0
173,0
172,0
171,0
170,0
1
4
7
100
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
91
94
97
Generacija
I u ovome slučaju algoritam konvergira malo sporije. Rezultati optimalnoga razmještaja

DI-a su prikazani u Tablicama 8.39. i 8.40. Izračunate optimalne lokacije i priključne snage
novih distribuiranih izvora prikazane su u Tablici 8.39.

Čvorište 15 18 21
P (kW) 1.500 3.750 2.500
Tablica 8.40. sadrži čiste sadašnje vrijednosti svakog projekta DI-a, ušteda ODS-a i
njihovu sumu.
ČSV (kn)
280

Uštede ODS-a 2.780.867,89
Ukupna suma 179.493.102,40
Rezultati pokazuju da se zbog dvostruko manje prijenosne moći vodova, u mrežu moraju
priključiti distribuirani izvori manjih instaliranih snaga u odnosu na 20 kV mrežu. Oba
projekta elektrana na biomasu imaju i dalje najviše ČSV i vezana su na podizvod industrijske
zone. Ipak, zbog manjih instaliranih snaga smanjila se i profitabilnost navedenih projekata.
Projekt sunčane elektrane je malo promijenio svoju poziciju (sa čvora 13 na čvor 15) i
značajno smanjio priključnu snagu. ČSV ODS-a je snažno porasla, čak preko četiri puta u
odnosu na slučaj 20 kV mreže. Razlog tome je što su gubici 10 kV mreže po iznosu upravo
četiri puta veći od gubitaka 20 kV mreže. Također i strujno-naponska ograničenja pridonose
dobrom rezultatu za ODS jer limitiraju priključak većih proizvodnih jedinica. Time je zapravo
indirektno osiguran njihov pozitivan utjecaj na gubitke mreže jer u ovom slučaju teret tijekom
prosječnog dana u godini nadvladava proizvodnju. To posljedično implicira da neće doći do
značajnijih reverziranja snaga na izvodu i povećanih gubitaka mreže.
promatranu mrežu prije i poslije optimalnoga razmještaja novih DI-ova.
100,0
90,0 Godišnji gubici djelatne energije nakon alokacije DI [MWh]
80,0
70,0
60,0
50,0
40,0
30,0
20,0
10,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Godina
281
U ovome su slučaju tijekom čitavoga perioda planiranja gubici mreže s optimalno

razmještenim DI-ovima drastično manji u odnosu na osnovni slučaj. Samim time i ČSV ODS-
a će biti mnogo veća nego u prethodnim slučajevima.
250,0

200,0
150,0
100,0
50,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sat [h]
Očito je da su satni gubici 10 kV mreže po iznosu četverostruko veći u odnosu na 20 kV

mrežu, a distribuirani izvori smanjuju njihov iznos za nekoliko puta tijekom prosječnoga dana
u godini.
Slikom 8.24 je prikazana i uspoređena djelatna snaga početne dionice izvoda promatrane
282

6
5
4
3
2
1
0
-1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24
-2
Sat [h]

U ovom slučaju može se uočiti da nakon optimalnoga razmještaja novih DI-ova izvod i
dalje ostaje potrošačka točka većim dijelom dana, uz izuzetak da jedino po noći dolazi do
reverziranja manjeg iznosa snage. Sa slike je vidljivo i kako sunčana elektrana ima utjecaj na
formiranje krivulje opterećenja iz pojne mreže u jutarnjim i popodnevnim satima.
optimalnoga razmještaja novih DI-ova, gledano za prosječan dan posljednje godine
planiranoga perioda.
283

10,00 nakon alokacije DI [kV]
9,95
9,90
Napon [kV]
9,85
9,80
9,75
9,70
9,65
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sat [h]
284
9. Zaključak
9. ZAKLJUČAK
Posljednjih nekoliko desetljeća svjedoci smo snažnoga porasta broja distribuiranih izvora
električne energije koji se priključuju na elektroenergetske mreže raznih zemalja svijeta.
Budući da distribucijske mreže inicijalno nisu građene za prihvat proizvodnih jedinica, javlja
se značajan problem tehničke regulacije njihova priključka u mrežu. Isto tako želja da se
pomire interesi investitora za maksimalnim profitom i interesi Operatora distribucijskog
sustava za smanjenjem troškova gubitaka električne energije dodatno usložnjava problem
odabira optimalnoga smještaja i priključne snage distribuiranih izvora u distribucijskoj mreži.
Istraživanje u okviru ove doktorske radnje je bilo usmjereno na definiranje kriterija za
smještaj različitih tipova distribuiranih izvora (definiranih važećim Tarifnim sustavom za
proizvodnju električne energije iz obnovljivih izvora energije i kogeneracije) u
srednjenaponskoj distribucijskoj mreži. Cilj je bio, procjenom investicijskih projekata svih
distribuiranih izvora i procjenom ušteda Operatora distribucijskoga sustava, istovremeno
optimizirati profit svih involviranih subjekata.
Pritom, u obzir su uzeta naponska i strujna ograničenja mreže, godišnji rast tereta te
moguća ograničenja na lokaciju i priključnu snagu svakog distribuiranog izvora. Proizvodnja
postojećih distribuiranih izvora i potrošnja svih čvorišta u mreži modelirana je krivuljama
proizvodnje i potrošnje za prosječan dan u godini, što omogućuje prikaz različitih tipova
opterećenja i distribuirane proizvodnje u srednjenaponskoj mreži. Za buduće distribuirane
izvore koristila se prosječna dnevna postotna krivulja proizvodnje, temeljena na podacima
preliminarnih mjerenja ili procjena koje investitor daje planeru distribucijske mreže.
Svrha istraživanja bila je formulirati matematički model za smještaj distribuiranih izvora u
srednjenaponskoj mreži na temelju maksimalnoga istovremenog ostvarenja financijske koristi
za investitore i Operatora distribucijskog sustava. Dakle, na temelju niza investitorovih
ulaznih podataka (procjena postotne krivulje proizvodnje, diskontni faktor, kapitalni troškovi,
stalni i varijabilni troškovi održavanja, itd.) i podataka Operatora distribucijskog sustava
(tehnički podaci mreže, procjena porasta opterećenja za svaki čvor, krivulje opterećenja,
diskontni faktor, itd.), u skladu s važećim tarifnim sustavom za poticanje proizvodnje iz
distribuiranih izvora, razvijen je vrlo robustan i precizan algoritam koji za svaki projekt daje
procjenu njegove isplativosti.
Očekivani izvorni znanstveni doprinosi su sljedeći:
 Matematički model za vrednovanje proizvodnje, potrošnje i gubitaka električne
energije u srednjenaponskoj mreži temeljen na krivuljama potrošnje i proizvodnje
285
električne energije, uz uvažavanje vremenske komponente planiranja faktorom

godišnjega porasta (pada) opterećenja svakog čvorišta srednjenaponske mreže;
 Tehno-ekonomski optimizacijski algoritam za razmještaj distribuiranih izvora u
srednjenaponskoj distribucijskoj mreži temeljen na doradi genetskoga algoritma za
probleme cjelobrojnoga programiranja;
 Metodologija za određivanje optimalnoga priključnog mjesta i snage temeljena na
maksimiziranju isplativosti investicijskih projekata različitih tipova distribuiranih
izvora i ušteda Operatora distribucijskog sustava. Maksimizacija isplativosti se
provodi na bazi međusobne interakcije ulaznih troškovnih podataka investitora, tehno-
ekonomskih podataka Operatora distribucijske mreže te financijskih podataka
poticajnih tarifa koje definira Vlada RH.
U cilju daljnjeg poboljšanja algoritma, potrebno je u funkciju cilja uključiti i komponentu

koja se odnosi na pouzdanost distribucijke mreže, u okviru dozvoljenog otočnog rada
proizvodnih jedinica. Navedeno se može interpolirati u algoritam po definiranju penala za
neraspoloživost distribucijske mreže, koje tek treba donijeti Hrvatska energetska regulatorna
agencija.
Slijedeći je korak uključiti analizu osjetljivosti projekata na stohastičke varijacije ulaznih
varijabli temeljem kojih će se donijeti znantno kvalitetnije strateške odluke o odabiru
projekata. Naime jasno je da prilikom izračunavanja čiste sadašnje vrijednosti svi parametri, a
to su priljevi i odljevi novca, kao i diskontna stopa, sadrže u sebi određenu mjeru rizika u
procjeni. S obzirom na navedeno, metoda analize osjetljivosti mora podrazumijevati
modeliranje stohastičkih varijacija ulaznih podataka i izračunavanje rezultantnih varijacija
parametara relevantnih za odabir projekta. Na taj način menadžment poduzeća može dobiti
pregled očekivanih iznosa parametara uspješnosti projekta i njihove disperzije te nakon toga
može ući u dublju analizu individualne rizičnosti projekta.
Konačno, u algoritam će biti potrebno i ugraditi promjene koje se planiraju ostvariti u
okviru sveobuhvatne reforme pravila o državnim potporama na razini EU-a. Europska
komisija je naime dana 9. travnja 2014. usvojila nove Smjernice o državnim potporama za
zaštitu okoliša i energiju za razdoblje 2014. – 2020. Jedna od ključnih promjena uvedenih
Novim Smjernicama odnositi će se na potpore za energiju iz obnovljivih izvora kako bi se
vodilo računa o povećanom udjelu OIE na tržištu električne energije i potrebe da se sustavi
potpora učine održivim za društvo. Kako su proteklih godina OIE bili snažno poticani
sustavom zajamčenih tarifa, kao posljedica se dogodio njihov prekomjeran rast u energetskoj
286
9. Zaključak
strukturi, što je i omogućilo da Europa ostane na putu ostvarivanja ciljeva za OIE do 2020.
godine. Međutim, takva je vrsta potpora zaštitila OIE od cjenovnih signala i dovela do tržišnih
poremećaja. Posebice, postrojenja za OIE proizvodila su električnu energiju neovisno od
stvarne potražnje i istisnula su iz konkurencije ostale proizvođače električne energije koji su
se morali oslanjati isključivo na tržišne cijene da bi poslovali na učinkovit način. Stoga, kako
tehnologije postaju zrele i njihova proizvodnja dostiže znatan udio na tržištu, proizvodnja OIE
mora reagirati na tržišne signale i iznosi potpora trebaju odgovarati nižim proizvodnim
troškovima. Slijedom navedenog, cilj Novih Smjernica je "bolje integrirati OIE u unutarnje
tržište električne energije na postupan način, ograničavajući potpore na samo ono što je nužno
potrebno", ili pojednostavljeno rečeno, pružiti pravni okvir za postupno uvođenje tržišnih
mehanizama. Konkretno, to znači da se feed-in tarife planiraju postupno zamjeniti aukcijama
ili postupcima natječaja (eng. competitive bidding process) kako bi se povećala troškovna
učinkovitost i ograničili poremećaji tržišnog natjecanja. Potpore se planiraju i dalje
dodjeljivati, ali u obliku zajamčene premije (engl. feed-in premium) (premija kao dodatak
tržišnoj cijeni) ili u obliku zelenih certifikata (cijena tih certifikata nije unaprijed utvrđena već
ovisi o ponudi i potražnji na tržištu). Ovisno o načinu implementacije Novih Smjernica u
zakonodavni i regulatorni okvir hrvatske gospodarske politke, biti će potrebno i prilagoditi
algoritam za optimalan razmještaj distribuiranih izvora električne energije.
287
LITERATURA
[1] Dizdarević, N., Majstorović, M., Žutobradić, S., "Distribuirana proizvodnja električne
energije", Energija, Vol. 5, 2003, str. 321-339.
[2] Europski parlament i Vijeće EU-a, Direktiva 2009-28-EZ, dostupno na:
http://www.mingo.hr/default.aspx?id=3257 (12. listopada 2013.)
[3] Šturc, M., "Renewable energy Analysis of the latest data on energy from renewable
sources", dostupno na: http://epp.eurostat.ec.europa.eu/ (15. listopada 2013.)
[4] HROTE, "Mehanizmi potpore proizvođačima električne energije iz OIE", dostupno na:
http://hrote.hr/default.aspx?id=93 (21. listopada 2013.)
[5] The European Wind Enery Association, "Wind in Power, 2012 European statistics",
dostupno na: http://www.ewea.org/
[6] REN 21, "Renewables Global Status Report", dostupno na:
http://www.ren21.net/REN21Activities/GlobalStatusReport.aspx?gclid=CNOznLmFur
wCFTCWtAodcngAAQ (22. listopada 2013.)
[7] International Energy Agency, "Key World Energy Statistics 2012", dostupno na:
http://www.iea.org/publications/freepublications/publication/name,31287,en.html (24.
listopada 2013.)
[8] British Petroleum, "Statistical Review of World Energy 2012", dostupno na:
http://www.bp.com/en/global/corporate/about-bp/energy-economics/statistical-review-
of-world-energy-2013.html (25. listopada 2013.)
[9] Masters, G. M., "Renewable and Efficient Electric Power Systems", John Wiley &
Sons, Inc., New Jersey, USA, 2004.
[10] Šljivac, D., Šimić, Z., "Obnovljivi izvori energije: Najvažnije vrste, potencijal i
tehnologija", dostupno na: www.aweres.net/
[11] Patel, R. M., "Wind and Solar Power Systems", CRC Press LLC, Boca Raton, USA,
2000.
[12] Udovičić, B., "Elektroenergetski sustav", Kigen, Zagreb, Croatia, 2005.
[13] Energy Efficiency and Renewables-Supporting Policies in Local Level for Energy,
"Priručnik o obnovljivim izvorima energije", dostupno na: http://www.ener-
supply.eu/en/index.php (28. listopada 2013.)
[14] Twidell, J., Weir, T., "Renewable Energy Resources", Taylor & Francis, New York,
USA, 2006.
288
Literatura
[15] US Energy Information Administration, "Levelized Cost of New Generation Resources

in the Annual Energy Outlook 2013", dostupno na:
http://www.eia.gov/forecasts/aeo/pdf/electricity_generation.pdf (30. listopada 2013.)
[16] Energy Information Administration, "Annual Energy Outlook 2012", dostupno na:
http://www.eia.gov/forecasts/aeo/er/index.cfm (01. studeni 2013.)
[17] National Renewable Energy Laboratory, "OpenEI Transparent Cost Database",
dostupno na: http://en.openei.org/wiki/Transparent_Cost_Database (02. studeni 2013.)
[18] Zakon o energiji, Narodne novine br. 120/12.
[19] Zakon o tržištu električne energije, Narodne novine br. 22/13.
[20] Strategija energetskog razvoja Republike Hrvatske, Narodne novine br. 130/09.
[21] Pravilnik o korištenju obnovljivih izvora energije i kogeneracije, Narodne novine br.
88/12.
[22] Pravilnik o stjecanju statusa povlaštenog proizvođača električne energije, Narodne
novine br. 132/13.
[23] Tarifni sustav za proizvodnju električne energije iz obnovljivih izvora energije i
kogeneracije, Narodne novine br. 132/13, 151/13.
[24] Uredba o naknadi za poticanje proizvodnje električne energije iz obnovljivih izvora
energije i kogeneracije, Narodne novine br. 128/13.
[25] Uredba o minimalnom udjelu električne energije proizvedene iz obnovljivih izvora
energije i kogeneracije čija se proizvodnja potiče, Narodne novine br. 33/07, 8/11.
[26] Mrežna pravila elektroenergetskog sustava, Narodne novine br. 36/06.
[27] Pravilnik o naknadi za priključenje na elektroenergetsku mrežu i za povećanje
priključne snage, Narodne novine br. 28/06.
[28] Lee Willis, H. "Power Distribution Planning Reference Book", Marcel Dekker, New
York, USA, 2004.
[29] Short, T. A., "Electric Power Distribution Handbook", CRC Press, Boca Raton, USA,
2004.
[30] Filipović, S., Tanić, G., "Izazovi na tržištu električne energije", Ekonomski institute,
Beograd, Srbija, 2010.
[31] Lei Lai, L., "Power System Restructuring and Deregulation", John Wiley & Sons, West
Sussex, UK, 2002.
[32] Northcote-Green, J., Wilson, R., "Control and Automation of Electrical Power
Distribution Systems", Taylor & Francis, Boca Raton, USA, 2007.
289
[33] Krajcar, S., " Algoritmi za interaktivno optimalno planiranje razdjelnih mreža",
doktorski rad, Elektrotehnički fakultet Zageb, Zagreb, Croatia, 1988.
[34] Škrlec, D., "Planiranje razdjelne mreže genetskim algoritmima", doktorski rad, Fakultet
elektrotehnike i računarstva, Zagreb, Croatia, 1996.
[35] Skok, M. "Evolucijski algoritam za dinamičko planiranje razdjelnih mreža", doktorski
rad, Fakultet elektrotehnike i računarstva, Zagreb, Croatia, 2005.
[36] Komen, V., "Model potpore odlučivanju pri planiranju razdjelnih mreža", doktorski rad,
Fakultet elektrotehnike i računarstva Sveučilišta u Zagrebu, Zagreb, 2007.
[37] Žutobradić, S., Wangmann, L., Rajić, Ž., "Utjecaj regulatornog okvira na planiranje
distribucijskih mreža", Hrvatski ogranak međunarodne elektrodistribucijske
konferencije – HO CIRED, 1. savjetovanje, Šibenik, Croatia, 2008.
[38] Marijanić, T., Alinjak, T., Tunjić, A., "Pristup planiranju distribucijske mreže u
okruženju naprednih mreža", Hrvatski ogranak međunarodne elektrodistribucijske
konferencije – HO CIRED, 3. savjetovanje, Sveti Martin na Muri, Croatia, 2012.
[39] Čavlović, M., "Izazovi u distribucijskoj mreži koje donosi distribuirana proizvodnja",
Hrvatski ogranak međunarodne elektrodistribucijske konferencije – HO CIRED, 3.
savjetovanje, Sveti Martin na Muri, Croatia, 2012.
[40] Žutobradić, S., Wangmann, L., Delbianco, L., Puharić, M., "Analiza mogućnosti
priključenja distribuiranih izvora električne energije na distribucijsku mrežu", Hrvatski
ogranak međunarodne elektrodistribucijske konferencije – HO CIRED, HO CIRED, 3.
savjetovanje, Sveti Martin na Muri, Croatia, 2012.
[41] Goić, R., Jakus, D., Krstulović Opara, J., Zlatunić, I., Penović, I., "Priključak velikih
fotonaponskih elektrana na distribucijsku mrežu", Hrvatski ogranak međunarodne
elektrodistribucijske konferencije – HO CIRED, HO CIRED, 2. savjetovanje, Umag,
Croatia, 2010.
[42] Goić, R., Jakus, D., Krstulović, J., Vasilj, J., "Analiza naponskih prilika u mreži 30 kv
nakon priključka VE Orlice", Hrvatski ogranak međunarodne elektrodistribucijske
konferencije – HO CIRED, HO CIRED, 2. savjetovanje, Umag, Croatia, 2010.
[43] Cvitanović, M., Brkić, M., Čavlović, M., "Tehničko rješenje priključka elektrane na
srednjenaponsku mrežu", Hrvatski ogranak međunarodne elektrodistribucijske
konferencije – HO CIRED, 3. savjetovanje, Sveti Martin na Muri, Croatia, 2012.
[44] Krajcar, S., Bukarica, V., "Ocjena isplativosti investiranja", bilješke s predavanja,
Fakultet elektrotehnike i računarstva Sveučilišta u Zagrebu, Zagreb, 2013.
290
Literatura
[45] Agencija za javno privatno partnerstvo, "Diskontiranje i diskontna stopa kod projekata
javno-privatnog partnerstva", dostupno na: http://www.ajpp.hr/ (04. studeni, 2013.)
[46] Sabolić, D., "Procjena investicijskih projekata", bilješke s predavanja, dostupno na:
https://bib.irb.hr/datoteka/629656.Inzeko09_Procjena_investicijskih_projekata_130510.
pdf (07. studeni 2013.)
[47] Orsag, S., "Budžetiranje kapitala – Procjena investicijskih projekata", Masmedia,
Zagreb, Croatia, 2002.
[48] Negro, F. Z., "Financijski management", Visoka škola za turizam Šibenik, Šibenik,
Croatia, 2001.
[49] Dunković, D., "Strateško menadžersko računovodstvo", skripta, RRIF Visoka škola za
financijski menadžment, Zagreb, Croatia, 2011.
[50] Chong, E. K. P., Žak, S. H., "An Introduction to Optimization", John Wiley & Sons,
New Yersey, USA, 2001.
[51] Ravindran, A., Ragsdell, K. M., Reklaitis, G. V., "Engineering Optimization Methods
and Aplications", John Wiley & Sons, New Yersey, USA, 2006.
[52] Rau, N. S., "Optimization principles: Practical Applications to the Operation and
Markets of the Electric Power Industry", John Wiley & Sons, New Yersey, USA, 2003.
[53] Zhu, J., "Optimization of Power System Operation", John Wiley & Sons, New Yersey,
USA, 2009.
[54] Antoniou, A., Lu, W. S., "Practical Optimization: Algorithms and Engineering
Applications", Springer Science+Business Media, LLC, New York, USA, 2007.
[55] Baldick, R., "Applied Optimization: Formulation and Algorithms for Engineering
Systems", Cambridge University Press, Cambridge, UK, 2006.
[56] Mitchell, M. "An Introduction to Genetic Algorithms", Massachusetts Institute of
Technology Press, Cambridge Massachusetts, USA, 1998.
[57] Gen, M., Cheng, R., "Genetic Algorithms & Engineering Optimization", John Wiley &
Sons, New York, USA, 2000.
[58] Sivanandam, S. N., Deepa, S. N., "Introduction to Genetic Algorithms", Springer,
Berlin, 2008.
[59] Čupić, M., "Prirodom inspirirani optimizacijski algoritmi. Metaheuristike.", skripta s
predavanja, Fakultet elektrotehnike i računarstva Sveučilišta u Zagrebu, Zagreb, 2012.
[60] Mudnić, E., "Genetički algoritam za optimizaciju lociranja kondenzatorskih baterija u
distributivnoj mreži", magistarski rad, Fakultet elektrotehnike, strojarstva i
brodogradnje, Split, 2002.
291
[61] Golub, M., "Genetski algoritam; Prvi dio", skripta s predavanja, Fakultet elektrotehnike
i računarstva Sveučilišta u Zagrebu, Zagreb, 2004.
[62] Golub, M., "Genetski algoritam; Drugi dio", skripta s predavanja, Fakultet
elektrotehnike i računarstva Sveučilišta u Zagrebu, Zagreb, 2004.
[63] Lee, K. Y., El-Sharkawi, M. A., "Modern Heuristic Optimization Techniques Theory
and Applications to Power Systems", John Wiley & Sons, New Yersey, USA, 2008.
[64] Jalizadeh, S., Darabian, M., Azari, M., "Distributed Generation Planning Via Strength
Pareto Multiobjective Optimization Approach", International Journal on “Technical and
Physical Problems of Engineering”, Vol. 5, No. 2, June 2013., str. 1-7.
[65] Legha, M. M., Khosravi, M., Armand, M. H., Azh, M., "Optimization of Location and
Capacity DGs Using HPSO Approach Case Study on the Electrical Distribution
Network of North Kerman Province", Middle-East Journal of Scientific Research, Vol.
16, No. 4, 2013., str. 461-465.
[66] Qudaih, Y. S., Syafaruddin, S., Hiyama, T., "Conventional and Intelligent Methods for
DG Placement Strategies", Power and Energy Engineering Conference (APPEEC),
2010 Asia-Pacific, Chengdu, China, 2010., str. 1-4.
[67] Yammani, C., Maheswarapu, S., Matam, S., "Optimal Placement of Multi DGs in
Distribution System with Considering the DG Bus Available Limits", Energy and
Power, Vol.2, No. 1, 2012, str.18-23.
[68] Musa, H., Adamu, S. S., "Distributed Generation Placement and Sizing Using Newly
Improved PSO for Radial Distribution Systems", 2nd International Conference on
Energy Systems and Technologies, Cairo, Egypt, 2013., str. 237-245.
[69] HEP Operator distribucijskog sustava, "Godišnje izvješće 2012.", publikacija, dostupno
na: http://www.hep.hr/hep/publikacije/godisnje/ (08. Studeni 2013.)
[70] Šimleša, K., Lulić, F., Vrančić, Z., Juretić, G., Matković, A., "Gubici električne energije
u distribucijskoj elektroenergetskoj mreži", Hrvatski ogranak međunarodne
elektrodistribucijske konferencije – HO CIRED, 1. savjetovanje, Šibenik, Croatia, 2008.
[71] Žutobradić, S., Wangmann, L., Rajić, Ž., Miličić, H., "Analiza problematike gubitaka
električne energije u distribucijskim mrežama članica EU", Hrvatski ogranak
međunarodne elektrodistribucijske konferencije – HO CIRED, 3. savjetovanje, Sveti
Martin na Muri, Croatia, 2012.
[72] Nadhir, K., Chabane, D., Tarek, B. "Distributed Generation Location and Size
Determination to Reduce Power Losses of a Distribution Feeder by Firefly Algorithm",
292
Literatura
International Journal of Advanced Science and Technology, Vol. 56, July 2013., str. 61-
72.
[73] Singh, D., Singh, D., Verma, K. S. "GA based Optimal Sizing & Placement of
Distributed Generation for Loss Minimization", Proceedings of World Academy of
Science, Engineering and Technology, Vol. 26, December 2007., str. 381-387.
[74] Farhadi, P., Ghadimi, N., Sojoudi, T. "Distributed Generation Allocation in Radial
Distribution Systems Using Various Particle Swarm Optimization Techniques",
Przegląd Elektrotechniczny, No. 1a, 2013. str. 261-265.
[75] Gunda, J., Ali Khan, N. "Optimal Location and Sizing of DG and Shunt Capacitors
Using Differential Evolution", International Journal of Soft Computing, Vol. 6, No. 4,
2011, str. 128-135.
[76] LLinh, N. T., Dong, D. X. "Optimal Location and Size of Distributed Generation in
Distribution System by Artificial Bees Colony Algorithm", International Journal of
Information and Electronics Engineering, Vol. 3, No. 1, January 2013., str. 63-67.
[77] Shukla, T. N., Singh, S.P., Naik, K. B. "Allocation of optimal distributed generation
using GA for minimum system losses in radial distribution networks", International
Journal of Engineering, Science and Technology, Vol. 2, No. 3, 2010, str. 94-106.
[78] Sulaiman, M.H., Aliman, O., Abdul Rahim S.R. "Optimal Allocation of EG in
Distribution System Using Genetic Algorithm Technique", Journal of Energy and
Power Engineering, Vol. 4, No. 1, January 2010, str. 56-63.
[79] Wang, M., Zhong, J. A. "Novel Method for Distributed Generation and Capacitor
Optimal Placement considering Voltage Profiles", The 2011 IEEE Power and Energy
Society General Meeting, San Diego, USA, 2011, str. 1-6.
[80] Abdel-Akher, M., Ali, A. A., Eid, A. M., El-Kishky, H. "Optimal Size and Location of
Distributed Generation Unit for Voltage Stability Enhancement" Energy Conversion
Congress and Exposition, Phoenix, USA, 2011., str. 104-108.
[81] Heidari, M., Banejad, M. "Value-based Distributed Generation Placements for
Reliability Criteria Improvement", Journal of Electrical Engineering & Technology,
Vol. 8, No. 2, March 2013., str. 223-229.
[82] Afzalan, M., Taghikhani, M.A., Noori, S.M.R. "DG Allocation and Sizing Using
Hybrid Evolutionary PSO and HBMO Algorithms to Reduce Losses and Improve
Voltage Profile", International Journal of Pure and Applied Sciences and Technology,
Vol. 11, No. 1, July 2012., str. 101-108.
293
[83] Sohi, M.F., Shirdel, M. "Applying BCO Algorithm to Solve the Optimal DG Placement
and Sizing Problem", Electrical and Electronic Engineering, Vol. 2, No. 2, 2012. str. 31-
37.
[84] Abdul Kadir, A.F., Mohamed, A., Shareef, H., Che Wanik, M.Z., Ibrahim, A.A.
"Optimal Sizing and Placement of Distributed Generation in Distribution System
Considering Losses and THDv using Gravitational Search Algorithm", Przegląd
elektrotechniczny, No. 4, April, 2013., str. 132-136.
[85] Attia, Hussein A., El-Shibini, M., Osman, Z.H., Moftah, Ahmed A. "An Assessment of
a Global Performance Index for Distributed Generation Impacts on Distribution
Systems", Proceedings of the 14th International Middle East Power Systems Conference
(MEPCON’10), Cairo, Egypt, 2010., str. 926-934.
[86] Celli, G., Ghiani, E., Mocci, S., Pilo, F. "A Multi-objective Formulation for the Optimal
Sizing and Siting of Embedded Generation in Distribution Networks", Power Tech
Conference Proceedings, 2003 IEEE Bologna, 2003.
[87] Falaghi, H., Haghifam, M., "ACO Based Algorithm for Distributed Generation Sources
Allocation and Sizing in Distribution Systems", Power Tech, 2007 IEEE Lausanne,
Switzerland, 2007., str. 555-560.
[88] Soroudi, R., Ehsan, M. "Multi-objective Planning Model for Integration of Distributed
Generations in Deregulated Power Systems", Iranian Journal of Science & Technology,
Transaction B: Engineering, Vol. 34, No. B3, str. 307-324.
[89] Golkar, M.A., Hosseinzadeh S., Hajizadeh A. "Optimal Multi-Objective Planning of
Distribution System with Distributed Generation", Journal of Iranian Association of
Electrical and Electronics Engineers, Vol. 5, No. 2, 2009., str. 41-48.
[90] Ziari, I., Ledwich, G., Ghosh, A., Platt, G. "A New Method for Improving Reliability
and Line Loss in Distribution Networks", 20th Australasian Universities Power
Engineering Conference, Christchurch, Australia, 2010., str. 1-5.
[91] Harrison, G.P., Piccolo, A., Siano, P., Wallace, A.R. "Hybrid GA and OPF evaluation
of network capacity for distributed generation connections", Electric Power Systems
Research, Vol. 78, No. 3, March 2008., str. 392–398.
[92] Soudi, S. "Distribution System Planning With Distributed Generations Considering
Benefits and Costs", International Journal of Modern Education and Computer Science,
No. 9, October 2013, str. 45-52.
294
Literatura
[93] de Souza, B.A., de Albuquerque, J.M.C., "Optimal Placement of Distributed Generators

Networks Using Evolutionary Programming", Transmission & Distribution Conference
and Exposition: Latin America (IEEE/PES), Caracas, Venezuela, 20006., str. 1-6.
[94] Prenc, R., Komen, V., Bogunović, N., "GIS-based Determination of Optimal
Accommodation of Embedded Generation on the MV Network", International Journal
on Communications Antenna and Propagation, Vol. 2, No. 2, April 2012., str. 91-101.
[95] Prenc, R., Škrlec, D., Komen, V., "A novel load flow algorithm for radial distribution
networks with dispersed generation", Tehnički vjesnik – Technical Gazette, Vol. 20,
No., 6, December 2013., str. 969-977.
[96] Prenc, R., Škrlec, D., Komen, V., "Optimal PV System Placement in a Distribution
Network on the Basis of Daily Power Consumption and Production Fluctuation", IEEE
EuroCon 2013, Zagreb, Croatia, 2013., str. 777-783.
[97] Prenc, R., Škrlec, D., Komen, V., "Distributed generation allocation based on average
daily load and power production curves", International journal of electrical power &
energy systems, Vol. 53, December 2013., str. 612-622.
295
PRILOG
Ispis M-datoteka kreiranih u svrhu implementacije algoritma

ulazni_podaci.m
function [Unaz, IM, R1, X1, B1, PL_max, QL_max, Pfeeder_max, Qfeeder_max, Pfeeder_min, Qfeeder_min, l,
Imax, PDG_SE_prev, PDG_HE_prev, PDG_VE_prev, PDG_EBUBDIKO_prev, PDG_GE_prev, PDG_EBPKOOOBZPBODPPPPOV_prev,
PDG_ETB_prev, PDG_KGP_prev, DG_step_size, population_size, generation_number, tournament_size,
crossover_probability, mutation_probability_one_DG_location, mutation_probability_step_size_location,
mutation_probability_one_DG_power, mutation_probability_step_size_power, SE_loc, HE_loc, VE_loc,
EBUBDIKO_loc, GE_loc, EBPKOOOBZPBODPPPPOV_loc, ETB_loc, KGP_loc, SE_size, HE_size, VE_size, EBUBDIKO_size,
GE_size, EBPKOOOBZPBODPPPPOV_size, ETB_size, KGP_size, PL_percent, QL_percent, PDG_SE_percent_prev,
PDG_HE_percent_prev, PDG_VE_percent_prev, PDG_EBUBDIKO_percent_prev, PDG_GE_percent_prev,
PDG_EBPKOOOBZPBODPPPPOV_percent_prev, PDG_ETB_percent_prev, PDG_KGP_percent_prev, PDG_SE_percent_new,
PDG_HE_percent_new, PDG_VE_percent_new, PDG_EBUBDIKO_percent_new, PDG_GE_percent_new,
PDG_EBPKOOOBZPBODPPPPOV_percent_new, PDG_ETB_percent_new, PDG_KGP_percent_new, CccSE, CccHE, CccVE,
CccEBUBDIKO, CccGE, CccEBPKOOOBZPBODPPPPOV, CccETB, CccKGP, CfomSE, CfomHE, CfomVE, CfomEBUBDIKO, CfomGE,
CfomEBPKOOOBZPBODPPPPOV, CfomETB, CfomKGP, CvomSE, CvomHE, CvomVE, CvomEBUBDIKO, CvomGE,
CvomEBPKOOOBZPBODPPPPOV, CvomETB, CvomKGP, Totkupa, diskontna_stopa_SE, diskontna_stopa_HE,
diskontna_stopa_VE, diskontna_stopa_EBUBDIKO, diskontna_stopa_GE, diskontna_stopa_EBPKOOOBZPBODPPPPOV,
diskontna_stopa_ETB, diskontna_stopa_KGP, diskontna_stopa_ODS, rast_tereta, C_elen, rast_C_elen,
biom_ucin]=ulazni_podaci()
Unaz=10;
IM=[1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
-1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 -1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 -1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 0;
0 0 0 0 0 0 0 0 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1];
R1=[0.13 0.16 0.16 0.16 0.16 0.16 0.16 0.16 0.16 0.16 0.16 0.16 0.3 0.3 0.3 0.3 0.3 0.11 0.11 0.11 0.11
0.11 0.115 0.115 0.115];
X1=[0.11 0.11 0.11 0.11 0.11 0.11 0.11 0.11 0.11 0.11 0.11 0.11 0.345 0.345 0.345 0.345 0.345 0.11 0.11
0.11 0.11 0.11 0.115 0.115 0.115 ];
B1=[97*10^(-6) 88*10^(-6) 88*10^(-6) 88*10^(-6) 88*10^(-6) 88*10^(-6) 88*10^(-6) 88*10^(-6) 88*10^(-6)

88*10^(-6) 88*10^(-6) 88*10^(-6) 2*10^(-6) 2*10^(-6) 2*10^(-6) 2*10^(-6) 2*10^(-6) 88*10^(-6) 88*10^(-6)
88*10^(-6) 88*10^(-6) 88*10^(-6) 82*10^(-6) 82*10^(-6) 82*10^(-6)];
l=[0.6 0.7 0.5 0.9 0.7 0.8 0.1 1.0 0.7 0.2 0.3 0.4 0.4 0.2 0.7 0.3 0.5 1.2 0.2 0.3 0.4 0.3 0.7 0.6 0.4];
Imax=[455 390 390 390 390 390 390 390 390 390 390 390 290 290 290 290 290 390 390 390 390 390 345 345 345];
PL_max=[140 180 250 120 50 90 210 110 160 300 350 400 200 250 180 160 230 520 630 670 700 380 60 110 190];
QL_max=[50 60 80 40 15 30 70 30 50 100 120 140 70 80 60 50 80 180 210 220 230 130 20 40 60];
Pfeeder_max=4820;
Qfeeder_max=1610;
Pfeeder_min=1100;
296
Prilog
Qfeeder_min=350;
PDG_SE_prev=[];
PDG_HE_prev=[];
PDG_VE_prev=[];
PDG_EBUBDIKO_prev=[];
PDG_GE_prev=[];
PDG_EBPKOOOBZPBODPPPPOV_prev=[];
PDG_ETB_prev=[];
PDG_KGP_prev=[];
DG_step_size=250;
population_size=40;
generation_number=100;
tournament_size=3;
crossover_probability=0.7;
mutation_probability_one_DG_location=0.7;
mutation_probability_step_size_location=0.5;
mutation_probability_one_DG_power=0.7;
mutation_probability_step_size_power=0.5;
SE_loc=[0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0];
HE_loc=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0];
VE_loc=[0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0];
EBUBDIKO_loc=[0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 1 1;
1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0];
GE_loc=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];
EBPKOOOBZPBODPPPPOV_loc=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];
ETB_loc=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];
KGP_loc=[0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];
SE_size=[500 2500];
HE_size=[500 10000];
VE_size=[500 1500];
EBUBDIKO_size=[500 10000; 1500 4000];
GE_size=[500 5000];
EBPKOOOBZPBODPPPPOV_size=[500 10000];
297
ETB_size=[500 10000];
KGP_size=[500 4000];
PL_percent=[0.1776 0.1780 0.1789 0.1775 0.1806 0.1801 0.5950 0.5979 0.5952 0.5955 0.5939 0.5967 0.4632
0.4621 0.4623 0.4621 0.8520 0.8514 0.8527 0.8567 0.8529 0.7478 0.7475 0.7443;
0.1799 0.1800 0.1802 0.1795 0.1800 0.1786 0.5955 0.5908 0.5938 0.5961 0.5894 0.5974 0.4573 0.4656
0.4623 0.4675 0.8516 0.8560 0.8523 0.8577 0.8528 0.7433 0.7468 0.7460;
0.1772 0.1775 0.1793 0.1782 0.1804 0.1776 0.5955 0.5930 0.5948 0.5945 0.5961 0.5952 0.4652 0.4638
0.4616 0.4599 0.8554 0.8518 0.8537 0.8478 0.8581 0.7442 0.7450 0.7445;
0.1808 0.1790 0.1768 0.1798 0.1792 0.1792 0.5974 0.5956 0.5962 0.5926 0.5965 0.5956 0.4670 0.4647
0.4661 0.4635 0.8502 0.8556 0.8509 0.8546 0.8506 0.7470 0.7436 0.7461;
0.1792 0.1808 0.1788 0.1784 0.1804 0.1792 0.5924 0.5960 0.5925 0.5933 0.6012 0.5941 0.4683 0.4650
0.4615 0.4603 0.8533 0.8497 0.8589 0.8499 0.8518 0.7485 0.7439 0.7460;
0.1772 0.1795 0.1784 0.1788 0.1812 0.1792 0.5950 0.5966 0.5951 0.5957 0.5961 0.5974 0.4641 0.4647
0.4650 0.4632 0.8547 0.8480 0.8484 0.8514 0.8479 0.7423 0.7467 0.7457;
0.1785 0.1763 0.1796 0.1768 0.1788 0.1775 0.5970 0.5953 0.5978 0.5951 0.5966 0.5932 0.4637 0.4697
0.4628 0.4677 0.8520 0.8509 0.8489 0.8548 0.8534 0.7422 0.7450 0.7452;
0.1812 0.1781 0.1777 0.1784 0.1774 0.1787 0.5917 0.5971 0.5944 0.5881 0.5906 0.5971 0.4570 0.4649
0.4622 0.4684 0.8544 0.8460 0.8488 0.8508 0.8494 0.7497 0.7468 0.7429;
0.1794 0.1788 0.1786 0.1804 0.1767 0.1765 0.5981 0.5962 0.5964 0.5954 0.5964 0.5940 0.4662 0.4656
0.4632 0.4625 0.8453 0.8553 0.8545 0.8537 0.8527 0.7435 0.7471 0.7463;
0.1763 0.1776 0.1776 0.1785 0.1775 0.1767 0.5959 0.5959 0.5966 0.5958 0.5941 0.6004 0.4647 0.4631
0.4612 0.4689 0.8559 0.8526 0.8560 0.8490 0.8490 0.7447 0.7434 0.7450;
0.1812 0.1781 0.1777 0.1784 0.1774 0.1787 0.5917 0.5971 0.5944 0.5881 0.5906 0.5971 0.4570 0.4649
0.4622 0.4684 0.8544 0.8460 0.8488 0.8508 0.8494 0.7497 0.7468 0.7429;
0.1802 0.1779 0.1770 0.1776 0.1763 0.1784 0.5968 0.5935 0.5960 0.5956 0.5927 0.5944 0.4639 0.4622
0.4609 0.4661 0.8482 0.8518 0.8556 0.8522 0.8512 0.7468 0.7447 0.7455;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.1008 0.1010 0.1015 0.0988 0.1009 0.0999 0.9264 0.9227 0.9215 0.9204 0.9235 0.9281 0.9241 0.9256
0.9243 0.9254 0.9226 0.1012 0.1011 0.1026 0.1012 0.1051 0.0987 0.0978;
0.9284 0.9246 0.9244 0.9230 0.9217 0.9229 0.9227 0.9244 0.0983 0.1004 0.0995 0.1003 0.1007 0.0973
0.0996 0.0964 0.0993 0.1022 0.0982 0.1008 0.1017 0.9254 0.9240 0.9284;
0.1008 0.1010 0.1015 0.0988 0.1009 0.0999 0.9264 0.9227 0.9215 0.9204 0.9235 0.9281 0.9241 0.9256
0.9243 0.9254 0.9226 0.1012 0.1011 0.1026 0.1012 0.1051 0.0987 0.0978;
0.9284 0.9246 0.9244 0.9230 0.9217 0.9229 0.9227 0.9244 0.0983 0.1004 0.0995 0.1003 0.1007 0.0973
0.0996 0.0964 0.0993 0.1022 0.0982 0.1008 0.1017 0.9254 0.9240 0.9284;
0.1008 0.1010 0.1015 0.0988 0.1009 0.0999 0.9264 0.9227 0.9215 0.9204 0.9235 0.9281 0.9241 0.9256
0.9243 0.9254 0.9226 0.1012 0.1011 0.1026 0.1012 0.1051 0.0987 0.0978;
0.1799 0.1788 0.1786 0.1810 0.1791 0.1817 0.5964 0.5960 0.5972 0.5979 0.5927 0.5973 0.4624 0.4631
0.4648 0.4625 0.8470 0.8490 0.8486 0.8479 0.8539 0.7464 0.7424 0.7421;
0.1782 0.1784 0.1800 0.1781 0.1801 0.1788 0.5954 0.5935 0.5945 0.5927 0.5975 0.5938 0.4661 0.4638
0.4643 0.4638 0.8496 0.8517 0.8474 0.8519 0.8510 0.7480 0.7443 0.7444;
0.1792 0.1772 0.1786 0.1779 0.1796 0.1778 0.5954 0.5978 0.5965 0.5954 0.5962 0.5956 0.4637 0.4639
0.4640 0.4632 0.8523 0.8442 0.8541 0.8548 0.8565 0.7441 0.7478 0.7427];
QL_percent=[0.1776 0.1780 0.1789 0.1775 0.1806 0.1801 0.5950 0.5979 0.5952 0.5955 0.5939 0.5967 0.4632
0.4621 0.4623 0.4621 0.8520 0.8514 0.8527 0.8567 0.8529 0.7478 0.7475 0.7443;
0.1799 0.1800 0.1802 0.1795 0.1800 0.1786 0.5955 0.5908 0.5938 0.5961 0.5894 0.5974 0.4573 0.4656
0.4623 0.4675 0.8516 0.8560 0.8523 0.8577 0.8528 0.7433 0.7468 0.7460;
0.1772 0.1775 0.1793 0.1782 0.1804 0.1776 0.5955 0.5930 0.5948 0.5945 0.5961 0.5952 0.4652 0.4638
0.4616 0.4599 0.8554 0.8518 0.8537 0.8478 0.8581 0.7442 0.7450 0.7445;
0.1808 0.1790 0.1768 0.1798 0.1792 0.1792 0.5974 0.5956 0.5962 0.5926 0.5965 0.5956 0.4670 0.4647
0.4661 0.4635 0.8502 0.8556 0.8509 0.8546 0.8506 0.7470 0.7436 0.7461;
0.1792 0.1808 0.1788 0.1784 0.1804 0.1792 0.5924 0.5960 0.5925 0.5933 0.6012 0.5941 0.4683 0.4650
0.4615 0.4603 0.8533 0.8497 0.8589 0.8499 0.8518 0.7485 0.7439 0.7460;
0.1772 0.1795 0.1784 0.1788 0.1812 0.1792 0.5950 0.5966 0.5951 0.5957 0.5961 0.5974 0.4641 0.4647
0.4650 0.4632 0.8547 0.8480 0.8484 0.8514 0.8479 0.7423 0.7467 0.7457;
0.1785 0.1763 0.1796 0.1768 0.1788 0.1775 0.5970 0.5953 0.5978 0.5951 0.5966 0.5932 0.4637 0.4697
0.4628 0.4677 0.8520 0.8509 0.8489 0.8548 0.8534 0.7422 0.7450 0.7452;
0.1812 0.1781 0.1777 0.1784 0.1774 0.1787 0.5917 0.5971 0.5944 0.5881 0.5906 0.5971 0.4570 0.4649
0.4622 0.4684 0.8544 0.8460 0.8488 0.8508 0.8494 0.7497 0.7468 0.7429;
0.1794 0.1788 0.1786 0.1804 0.1767 0.1765 0.5981 0.5962 0.5964 0.5954 0.5964 0.5940 0.4662 0.4656
0.4632 0.4625 0.8453 0.8553 0.8545 0.8537 0.8527 0.7435 0.7471 0.7463;
0.1763 0.1776 0.1776 0.1785 0.1775 0.1767 0.5959 0.5959 0.5966 0.5958 0.5941 0.6004 0.4647 0.4631
0.4612 0.4689 0.8559 0.8526 0.8560 0.8490 0.8490 0.7447 0.7434 0.7450;
0.1812 0.1781 0.1777 0.1784 0.1774 0.1787 0.5917 0.5971 0.5944 0.5881 0.5906 0.5971 0.4570 0.4649
0.4622 0.4684 0.8544 0.8460 0.8488 0.8508 0.8494 0.7497 0.7468 0.7429;
0.1802 0.1779 0.1770 0.1776 0.1763 0.1784 0.5968 0.5935 0.5960 0.5956 0.5927 0.5944 0.4639 0.4622
0.4609 0.4661 0.8482 0.8518 0.8556 0.8522 0.8512 0.7468 0.7447 0.7455;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
298
Prilog
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.0905 0.0872 0.0893 0.0875 0.0978 0.1083 0.3938 0.3955 0.3945 0.3927 0.3949 0.3946 0.5099 0.5073
0.5051 0.5044 0.6047 0.6065 0.6080 0.6036 0.6035 0.5433 0.5456 0.5453;
0.1008 0.1010 0.1015 0.0988 0.1009 0.0999 0.9264 0.9227 0.9215 0.9204 0.9235 0.9281 0.9241 0.9256
0.9243 0.9254 0.9226 0.1012 0.1011 0.1026 0.1012 0.1051 0.0987 0.0978;
0.9284 0.9246 0.9244 0.9230 0.9217 0.9229 0.9227 0.9244 0.0983 0.1004 0.0995 0.1003 0.1007 0.0973
0.0996 0.0964 0.0993 0.1022 0.0982 0.1008 0.1017 0.9254 0.9240 0.9284;
0.1008 0.1010 0.1015 0.0988 0.1009 0.0999 0.9264 0.9227 0.9215 0.9204 0.9235 0.9281 0.9241 0.9256
0.9243 0.9254 0.9226 0.1012 0.1011 0.1026 0.1012 0.1051 0.0987 0.0978;
0.9284 0.9246 0.9244 0.9230 0.9217 0.9229 0.9227 0.9244 0.0983 0.1004 0.0995 0.1003 0.1007 0.0973
0.0996 0.0964 0.0993 0.1022 0.0982 0.1008 0.1017 0.9254 0.9240 0.9284;
0.1008 0.1010 0.1015 0.0988 0.1009 0.0999 0.9264 0.9227 0.9215 0.9204 0.9235 0.9281 0.9241 0.9256
0.9243 0.9254 0.9226 0.1012 0.1011 0.1026 0.1012 0.1051 0.0987 0.0978;
0.1799 0.1788 0.1786 0.1810 0.1791 0.1817 0.5964 0.5960 0.5972 0.5979 0.5927 0.5973 0.4624 0.4631
0.4648 0.4625 0.8470 0.8490 0.8486 0.8479 0.8539 0.7464 0.7424 0.7421;
0.1782 0.1784 0.1800 0.1781 0.1801 0.1788 0.5954 0.5935 0.5945 0.5927 0.5975 0.5938 0.4661 0.4638
0.4643 0.4638 0.8496 0.8517 0.8474 0.8519 0.8510 0.7480 0.7443 0.7444;
0.1792 0.1772 0.1786 0.1779 0.1796 0.1778 0.5954 0.5978 0.5965 0.5954 0.5962 0.5956 0.4637 0.4639
0.4640 0.4632 0.8523 0.8442 0.8541 0.8548 0.8565 0.7441 0.7478 0.7427];
PDG_SE_percent_prev=[];
PDG_HE_percent_prev=[];
PDG_VE_percent_prev=[];
PDG_EBUBDIKO_percent_prev=[];
PDG_GE_percent_prev=[];
PDG_EBPKOOOBZPBODPPPPOV_percent_prev=[];
PDG_ETB_percent_prev=[];
PDG_KGP_percent_prev=[];
PDG_SE_percent_new=[0 0 0 0 0.13 0.21 0.28 0.36 0.42 0.50 0.54 0.56 0.56 0.54 0.50 0.42 0.36 0.28 0.21 0.13
0 0 0 0];
PDG_HE_percent_new=[];
PDG_VE_percent_new=[];
PDG_EBUBDIKO_percent_new=[0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80
0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80;
0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65
0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65];
PDG_GE_percent_new=[];
PDG_EBPKOOOBZPBODPPPPOV_percent_new=[];
PDG_ETB_percent_new=[];
PDG_KGP_percent_new=[];
CccSE=[1250 2500 12000 8000];
CccHE=[10000 25500];
CccVE=[10000 12750];
CccEBUBDIKO=[4000 10000 21800 18200; 2500 4000 17500 15500];
CccGE=[5000 16074];
CccEBPKOOOBZPBODPPPPOV=[10000 14934];
299
CccETB=[10000 14934];
CccKGP=[10000 8250];
CfomSE=[1250 2500 90 70];
CfomHE=[10000 750];
CfomVE=[10000 90];
CfomEBUBDIKO=[4000 10000 280 200; 2500 5500 230 180];
CfomGE=[5000 886];
CfomEBPKOOOBZPBODPPPPOV=[10000 380];
CfomETB=[10000 380];
CfomKGP=[10000 75];
CvomSE=[87600 0];
CvomHE=[87600 0];
CvomVE=[87600 0];
CvomEBUBDIKO=[43800 87600 400 320; 35000 87600 460 370];
CvomGE=[87600 0];
CvomEBPKOOOBZPBODPPPPOV=[87600 241];
CvomETB=[87600 241];
CvomKGP=[87600 285];
Totkupa=14;
diskontna_stopa_SE=[1250 2500 4 6];
diskontna_stopa_HE=[10000 9];
diskontna_stopa_VE=[10000 8];
diskontna_stopa_EBUBDIKO=[4000 10000 7 9; 2500 5500 6 8];
diskontna_stopa_GE=[5000 8];
diskontna_stopa_EBPKOOOBZPBODPPPPOV=[10000 8];
diskontna_stopa_ETB=[10000 8];
diskontna_stopa_KGP=[10000 7];
diskontna_stopa_ODS=[Inf 3];
rast_tereta=[2 2 2 2 3 3 2 2 2 1 1 1 2 2 2 2 2 0 0 0 0 2 3 2 2];
C_elen=375;
rast_C_elen=2;
biom_ucin=[50; 60];
300
Prilog
IMtoBR.m
function [BR, M, SE, RE]=IMtoBR(IM)
% funkcija iz matrice incidencija računa matricu grana BR koja govori koji

% se sve čvorovi nalaze nakon grane i, matricu M(i), te matrice RE(i) i
% SE(i)
G=inv(IM);
[br_red, br_st]=size(G);
BR=zeros(br_st, br_red);
for grana=1:br_st
k=1;
for cvor=1:br_red
if G(cvor,grana)==1
BR(grana,k)=cvor;
k=k+1;
end
end
M(grana)=k-1;
end
[br_red, br_st]=size(IM);
for grana=1:br_red
for cvor=1:br_st
if IM(grana,cvor)==-1
SE(grana)=cvor;
end
if IM(grana,cvor)==1
RE(grana)=cvor;
end
end
end
301
preliminary_LF.m
function [preliminary_LF_success]=preliminary_LF(Unaz, BR, M, R1, X1, B1, l, PL_max, QL_max, Pfeeder_max,
Qfeeder_max, Imax, SE, RE)
% funkcija koja računa tokove snaga po vodovima mreže za preliminarni

% proračun tokova snaga
% cilj je provjeriti strujno naponska ograničenja (EN 50160) zadane mreže
% za najteže pogonsko stanje mreže u slučaju bez priključenih
% postojećih distribuiranih izvora
% najteže pogonsko stanje je stanje sa maksimalnim vrijednostima tereta u
% mreži bez postojeće proizvodnje
% vrši se 1 proračun tokova snaga
% ulazne varijable za funkciju su vršne djelatne i reaktivne snage svih postojećih
% čvorova pomnožene sa faktorom istovremenosti maksimalnog opterećenja
% izvoda, kako bi se definirale maksimalne realne snage tereta mreže
[br_red, br_st]=size(BR);
for i=1:br_red
R(1,i)=R1(1,i)*l(1,i);
X(1,i)=X1(1,i)*l(1,i);
B(1,i)=B1(1,i)*l(1,i);
end
U=ones(br_st,1).*Unaz;
fi=zeros(br_st,1);
simultaneity_factor_max_P=Pfeeder_max/(sum(PL_max));
simultaneity_factor_max_Q=Qfeeder_max/(sum(QL_max));
PL_max_simultaneity=simultaneity_factor_max_P*(PL_max);
QL_max_simultaneity=simultaneity_factor_max_Q*(QL_max);
delta=inf;
z=0;
while max(abs(delta))>1e-4
Uprethodno=U;
fiprethodno=fi;
for i=br_red:-1:1
P(i)=0;
Q(i)=0;
for k=M(i):-1:1
P(i)=P(i)+PL_max_simultaneity(BR(i,k));
Q(i)=Q(i)+QL_max_simultaneity(BR(i,k));
if k>1
P(i)=P(i)+ploss(BR(i,k));
Q(i)=Q(i)+qloss(BR(i,k))-(qCkraj(i)+qCpocetak(i));
end
end
ploss(i)=3*(((P(i)*cos(fi(RE(i)))+Q(i)*sin(fi(RE(i))))/(sqrt(3)*U(RE(i)))-
(B(i)*U(RE(i))*1000*sin(fi(RE(i))))/(2*sqrt(3)))^2+(-((Q(i)*cos(fi(RE(i)))-
P(i)*sin(fi(RE(i))))/(sqrt(3)*U(RE(i)))-(B(i)*U(RE(i))*1000*cos(fi(RE(i))))/(2*sqrt(3))))^2)*R(i)/1000;
qloss(i)=3*(((P(i)*cos(fi(RE(i)))+Q(i)*sin(fi(RE(i))))/(sqrt(3)*U(RE(i)))-
P(i)*sin(fi(RE(i))))/(sqrt(3)*U(RE(i)))-(B(i)*U(RE(i))*1000*cos(fi(RE(i))))/(2*sqrt(3))))^2)*X(i)/1000;
qCkraj(i)=B(i)/2*(U(RE(i))*1000)^2/1000;
if i>1
qCpocetak(i)=B(i)/2*(U(SE(i))*1000)^2/1000;
else
qCpocetak(i)=B(i)/2*(Unaz*1000)^2/1000;
end
Ip(i)=(P(i)*cos(fi(RE(i)))+Q(i)*sin(fi(RE(i))))/(sqrt(3)*U(RE(i)));
Iq(i)=-((Q(i)*cos(fi(RE(i)))-P(i)*sin(fi(RE(i))))/(sqrt(3)*U(RE(i))));
I(i)=sqrt(Ip(i)^2+Iq(i)^2);
overload(i)=(I(i)-Imax)/Imax*100+100;
Iploss(i)=(P(i)*cos(fi(RE(i)))+Q(i)*sin(fi(RE(i))))/(sqrt(3)*U(RE(i)))-
(B(i)*U(RE(i))*1000*sin(fi(RE(i))))/(2*sqrt(3));
Iqloss(i)=-((Q(i)*cos(fi(RE(i)))-P(i)*sin(fi(RE(i))))/(sqrt(3)*U(RE(i)))-
(B(i)*U(RE(i))*1000*cos(fi(RE(i))))/(2*sqrt(3)));
end
for i=1:br_red
if i==1
302
Prilog
Up(RE(i))=Unaz-sqrt(3)*(R(i)*Iploss(i)/1000-X(i)*Iqloss(i)/1000);
Uq(RE(i))=0-sqrt(3)*(X(i)*Iploss(i)/1000+R(i)*Iqloss(i)/1000);
else
Up(RE(i))=U(SE(i))*cos(fi(SE(i)))-sqrt(3)*(R(i)*Iploss(i)/1000-X(i)*Iqloss(i)/1000);
Uq(RE(i))=U(SE(i))*sin(fi(SE(i)))-sqrt(3)*(X(i)*Iploss(i)/1000+R(i)*Iqloss(i)/1000);
end
U(RE(i))=sqrt(Up(RE(i))^2+Uq(RE(i))^2);
fi(RE(i))=atan(Uq(RE(i))/Up(RE(i)));
if U(RE(i))>=Unaz
voltage_drop(RE(i))=-sqrt((Unaz-Up(RE(i)))^2+(0-Uq(RE(i)))^2)/Unaz*100;
else
voltage_drop(RE(i))=sqrt((Unaz-Up(RE(i)))^2+(0-Uq(RE(i)))^2)/Unaz*100;
end
end
for i=1:br_red
delta(i)=abs(sqrt((U(i)*cos(fi(i))-Uprethodno(i)*cos(fiprethodno(i)))^2+(U(i)*sin(fi(i))-
Uprethodno(i)*sin(fiprethodno(i)))^2));
end
z=z+1;
end
voltage_violation=[];
zadovoljava_napon=true;
for i=1:1:br_red
if voltage_drop(i)>10
voltage_violation(end+1)=i;
elseif voltage_drop(i)<-10
end
end
[red_vv, stupac_vv]=size(voltage_violation);
if stupac_vv>0
zadovoljava_napon=false;
end
if zadovoljava_napon==true
fprintf('Preliminarni proračun tokova snaga je izvršen. Naponi svih čvorova mreže su unutar
dozvoljenih granica sukladno normi EN 50160.\n')
else
fprintf('Preliminarni proračun tokova snaga je izvršen. Čvorovi u kojima postoji pad ili porast
napona veći od onog određenog normom EN 50160 su:\n')
for brojac_napon=1:stupac_vv
if voltage_drop(voltage_violation(brojac_napon))>10
fprintf('Čvor %d ima pad napona od %f.\n', voltage_violation(brojac_napon),
voltage_drop(voltage_violation(brojac_napon)))
elseif voltage_drop(voltage_violation(brojac_napon))<-10
fprintf('Čvor %d ima porast napona od %f.\n', voltage_violation(brojac_napon),
end
end
end
thermal_violation=[];
zadovoljava_struja=true;
for i=1:1:br_red
if overload(i)>=100
thermal_violation(end+1)=i;
end
end
[red_tv, stupac_tv]=size(thermal_violation);
303
if stupac_tv>0
zadovoljava_struja=false;
end
if zadovoljava_struja==true
fprintf('Preliminarni proračun tokova snaga je izvršen. Strujna opterećenja svih dionica mreže su
unutar dozvoljenih granica.\n')
else
fprintf('Preliminarni proračun tokova snaga je izvršen. Dionice u kojima postoji preopterećenje
su:\n')
for brojac_struja=1:stupac_tv
if overload(thermal_violation(brojac_struja))>100
fprintf('Dionica %d je opterećena %f posto.\n', thermal_violation(brojac_struja),
overload(thermal_violation(brojac_struja)))
end
end
end
if zadovoljava_napon && zadovoljava_struja==true
preliminary_LF_success=true;
else
preliminary_LF_success=false;
end
304
Prilog
first_estimation_LF.m
function [first_estimation_LF_success]=first_estimation_LF(Unaz, BR, M, R1, X1, B1, l, PL_max, QL_max,
Pfeeder_min, Qfeeder_min, PDG_SE_prev, PDG_HE_prev, PDG_VE_prev, PDG_EBUBDIKO_prev, PDG_GE_prev,
PDG_EBPKOOOBZPBODPPPPOV_prev, PDG_ETB_prev, PDG_KGP_prev, Imax, SE, RE)
% funkcija koja računa tokove snaga po vodovima mreže za prvi estimacijski

% cilj je provjeriti naponska ograničenja (EN 50160) i strujna ograničenja zadane mreže
% za najteže pogonsko stanje mreže u slučaju već otprije priključenih
% postojećih distribuiranih izvora
% najteže pogonsko stanje je stanje sa minimalnim vrijednostima tereta u
% mreži i maksimalnim vrijednostima postojeće proizvodnje (bilo da se radi
% o samo jednom ili više distribuiranih izvora)
% vrši se 1 proračun tokova snaga
% ulazne varijable za funkciju su vršne snage svih postojećih
% distribuiranih izvora i vršne snage radnih i reaktivnih opterećenja
% pomnožene sa faktorom istovremenosti maksimalnog opterećenja izvoda,
% kako bi se definirale minimalne realne snage tereta mreže
for i=1:br_red
R(1,i)=R1(1,i)*l(1,i);
X(1,i)=X1(1,i)*l(1,i);
B(1,i)=B1(1,i)*l(1,i);
end
fi=zeros(br_st,1);
simultaneity_factor_min_P=Pfeeder_min/(sum(PL_max));
simultaneity_factor_min_Q=Qfeeder_min/(sum(QL_max));
PL_min_simultaneity=simultaneity_factor_min_P*(PL_max);
QL_min_simultaneity=simultaneity_factor_min_Q*(QL_max);
PDG_SE_prev_sum=zeros(1,br_red);
[N_SE_prev,~]=size(PDG_SE_prev);
for k=1:N_SE_prev
for l=1:br_red
PDG_SE_prev_sum(1,l)=PDG_SE_prev_sum(1,l)+PDG_SE_prev(k,l);
end
end
PDG_HE_prev_sum=zeros(1,br_red);
[N_HE_prev,~]=size(PDG_HE_prev);
for k=1:N_HE_prev
for l=1:br_red
PDG_HE_prev_sum(1,l)=PDG_HE_prev_sum(1,l)+PDG_HE_prev(k,l);
end
end
PDG_VE_prev_sum=zeros(1,br_red);
[N_VE_prev,~]=size(PDG_VE_prev);
for k=1:N_VE_prev
for l=1:br_red
PDG_VE_prev_sum(1,l)=PDG_VE_prev_sum(1,l)+PDG_VE_prev(k,l);
end
end
PDG_EBUBDIKO_prev_sum=zeros(1,br_red);
[N_EBUBDIKO_prev,~]=size(PDG_EBUBDIKO_prev);
for k=1:N_EBUBDIKO_prev
for l=1:br_red
PDG_EBUBDIKO_prev_sum(1,l)=PDG_EBUBDIKO_prev_sum(1,l)+PDG_EBUBDIKO_prev(k,l);
305
end
end
PDG_GE_prev_sum=zeros(1,br_red);
[N_GE_prev,~]=size(PDG_GE_prev);
for k=1:N_GE_prev
for l=1:br_red
PDG_GE_prev_sum(1,l)=PDG_GE_prev_sum(1,l)+PDG_GE_prev(k,l);
end
end
PDG_EBPKOOOBZPBODPPPPOV_prev_sum=zeros(1,br_red);
[N_EBPKOOOBZPBODPPPPOV_prev,~]=size(PDG_EBPKOOOBZPBODPPPPOV_prev);
for k=1:N_EBPKOOOBZPBODPPPPOV_prev
for l=1:br_red
PDG_EBPKOOOBZPBODPPPPOV_prev_sum(1,l)=PDG_EBPKOOOBZPBODPPPPOV_prev_sum(1,l)+PDG_EBPKOOOBZPBODPPPPOV_prev(k,
l);
end
end
PDG_ETB_prev_sum=zeros(1,br_red);
[N_ETB_prev,~]=size(PDG_ETB_prev);
for k=1:N_ETB_prev
for l=1:br_red
PDG_ETB_prev_sum(1,l)=PDG_ETB_prev_sum(1,l)+PDG_ETB_prev(k,l);
end
end
PDG_KGP_prev_sum=zeros(1,br_red);
[N_KGP_prev,~]=size(PDG_KGP_prev);
for k=1:N_KGP_prev
for l=1:br_red
PDG_KGP_prev_sum(1,l)=PDG_KGP_prev_sum(1,l)+PDG_KGP_prev(k,l);
end
end
delta=inf;
z=0;
Uprethodno=U;
fiprethodno=fi;
for i=br_red:-1:1
P(i)=0;
Q(i)=0;
for k=M(i):-1:1
P(i)=P(i)+PL_min_simultaneity(BR(i,k))-
(PDG_SE_prev_sum(BR(i,k))+PDG_HE_prev_sum(BR(i,k))+PDG_VE_prev_sum(BR(i,k))+PDG_EBUBDIKO_prev_sum(BR(i,k))+
PDG_GE_prev_sum(BR(i,k))+PDG_EBPKOOOBZPBODPPPPOV_prev_sum(BR(i,k))+PDG_ETB_prev_sum(BR(i,k))+PDG_KGP_prev_s
um(BR(i,k)));
Q(i)=Q(i)+QL_min_simultaneity(BR(i,k));
if k>1
end
end
qCkraj(i)=B(i)/2*(U(RE(i))*1000)^2/1000;
if i>1
306
Prilog
else
end
overload(i)=(I(i)-Imax)/Imax*100+100;
end
for i=1:br_red
if i==1
else
end
if U(RE(i))>=20
voltage_drop(RE(i))=-sqrt((Unaz-Up(RE(i)))^2+(0-Uq(RE(i)))^2)/Unaz*100;
else
voltage_drop(RE(i))=sqrt((Unaz-Up(RE(i)))^2+(0-Uq(RE(i)))^2)/Unaz*100;
end
end
for i=1:br_red
end
z=z+1;
end
voltage_violation=[];
zadovoljava_napon=true;
for i=1:1:br_red
if voltage_drop(i)>10
elseif voltage_drop(i)<-10
end
end
[red_vv, stupac_vv]=size(voltage_violation);
if stupac_vv>0
zadovoljava_napon=false;
end
if zadovoljava_napon==true
fprintf('Prvi estimacijski proračun tokova snaga je izvršen. Naponi svih čvorova mreže su unutar
dozvoljenih granica sukladno normi EN 50160.\n')
else
fprintf('Prvi estimacijski proračun tokova snaga je izvršen. Čvorovi u kojima postoji pad ili
porast napona veći od onog određenog normom EN 50160 su:\n')
for brojac_napon=1:stupac_vv
if voltage_drop(voltage_violation(brojac_napon))>10
fprintf('Čvor %d has ima pad napona od %f.\n', voltage_violation(brojac_napon),
elseif voltage_drop(voltage_violation(brojac_napon))<-10
fprintf('Čvor %d ima porast napona od %f.\n', voltage_violation(brojac_napon),
end
307
end
end
thermal_violation=[];
zadovoljava_struja=true;
for i=1:1:br_red
if overload(i)>=100
thermal_violation(end+1)=i;
end
end
[red_tv, stupac_tv]=size(thermal_violation);
if stupac_tv>0
zadovoljava_struja=false;
end
if zadovoljava_struja==true
fprintf('Prvi estimacijski proračun tokova snaga je izvršen. Strujna opterećenja svih dionica mreže
su unutar dozvoljenih granica.\n')
else
fprintf('Prvi estimacijski proračun tokova snaga je izvršen. Dionice u kojima postoji
preopterećenje su:\n')
for brojac_struja=1:stupac_tv
if overload(thermal_violation(brojac_struja))>100
fprintf('Dionica %d je opterećena %f posto.\n', thermal_violation(brojac_struja),
overload(thermal_violation(brojac_struja)))
end
end
end
if zadovoljava_napon && zadovoljava_struja==true
first_estimation_LF_success=true;
else
first_estimation_LF_success=false;
end
308
Prilog
daily_average_load_curve_estimation.m
function [PL_d, QL_d]=daily_average_load_curve_estimation(PL_max, QL_max, PL_percent, QL_percent)
% funkcija koja generira prosječne dnevne krivulje opterećenja svakog čvora
[~, br_st_PL]=size(PL_max);
PL_d=0;
QL_d=0;
for i=1:1:br_st_PL
for k=1:1:24
PL_d(k,i)=PL_percent(i,k)*PL_max(1,i);
QL_d(k,i)=QL_percent(i,k)*QL_max(1,i);
end
end
309
daily_average_production_curve_estimation_existing_DG.m
function [PDG_SE_prev_d, PDG_HE_prev_d, PDG_VE_prev_d, PDG_EBUBDIKO_prev_d, PDG_GE_prev_d,
PDG_EBPKOOOBZPBODPPPPOV_prev_d, PDG_ETB_prev_d,
PDG_KGP_prev_d]=daily_average_production_curve_estimation_existing_DG(BR, PDG_SE_prev, PDG_HE_prev,
PDG_VE_prev, PDG_EBUBDIKO_prev, PDG_GE_prev, PDG_EBPKOOOBZPBODPPPPOV_prev, PDG_ETB_prev, PDG_KGP_prev,
PDG_SE_percent_prev, PDG_HE_percent_prev, PDG_VE_percent_prev, PDG_EBUBDIKO_percent_prev,
PDG_GE_percent_prev, PDG_EBPKOOOBZPBODPPPPOV_percent_prev, PDG_ETB_percent_prev, PDG_KGP_percent_prev)
% funkcija koja generira dnevne krivulje proizvodnje svakog tipa postojećeg distribuiranog izvora
% tipovi DI su definirani prema "Tarifnom sustavu za proizvodnju
% električne energije iz obnovljivih izvora energije i kogeneracije"
[no_nodes,~]=size(BR);
[N_SE_prev,~]=size(PDG_SE_prev);
[N_HE_prev,~]=size(PDG_HE_prev);
[N_VE_prev,~]=size(PDG_VE_prev);
[N_EBUBDIKO_prev,~]=size(PDG_EBUBDIKO_prev);
[N_GE_prev,~]=size(PDG_GE_prev);
[N_EBPKOOOBZPBODPPPPOV_prev,~]=size(PDG_EBPKOOOBZPBODPPPPOV_prev);
[N_ETB_prev,~]=size(PDG_ETB_prev);
[N_KGP_prev,~]=size(PDG_KGP_prev);
PDG_SE_prev_d=zeros(24,no_nodes,1);
for i=1:N_SE_prev
for j=1:no_nodes
for k=1:1:24
PDG_SE_prev_d(k,j,i)=PDG_SE_percent_prev(i,k)*PDG_SE_prev(i,j);
end
end
end
PDG_HE_prev_d=zeros(24,no_nodes,1);
for i=1:N_HE_prev
for j=1:no_nodes
for k=1:1:24
PDG_HE_prev_d(k,j,i)=PDG_HE_percent_prev(i,k)*PDG_HE_prev(i,j);
end
end
end
PDG_VE_prev_d=zeros(24,no_nodes,1);
for i=1:N_VE_prev
for j=1:no_nodes
for k=1:1:24
PDG_VE_prev_d(k,j,i)=PDG_VE_percent_prev(i,k)*PDG_VE_prev(i,j);
end
end
end
PDG_EBUBDIKO_prev_d=zeros(24,no_nodes,1);
for i=1:N_EBUBDIKO_prev
for j=1:no_nodes
for k=1:1:24
PDG_EBUBDIKO_prev_d(k,j,i)=PDG_EBUBDIKO_percent_prev(i,k)*PDG_EBUBDIKO_prev(i,j);
end
end
end
PDG_GE_prev_d=zeros(24,no_nodes,1);
310
Prilog
for i=1:N_GE_prev
for j=1:no_nodes
for k=1:1:24
PDG_GE_prev_d(k,j,i)=PDG_GE_percent_prev(i,k)*PDG_GE_prev(i,j);
end
end
end
PDG_EBPKOOOBZPBODPPPPOV_prev_d=zeros(24,no_nodes,1);
for i=1:N_EBPKOOOBZPBODPPPPOV_prev
for j=1:no_nodes
for k=1:1:24
PDG_EBPKOOOBZPBODPPPPOV_prev_d(k,j,i)=PDG_EBPKOOOBZPBODPPPPOV_percent_prev(i,k)*PDG_EBPKOOOBZPBODPPPPOV_pre
v(i,j);
end
end
end
PDG_ETB_prev_d=zeros(24,no_nodes,1);
for i=1:N_ETB_prev
for j=1:no_nodes
for k=1:1:24
PDG_ETB_prev_d(k,j,i)=PDG_ETB_percent_prev(i,k)*PDG_ETB_prev(i,j);
end
end
end
PDG_KGP_prev_d=zeros(24,no_nodes,1);
for i=1:N_KGP_prev
for j=1:no_nodes
for k=1:1:24
PDG_KGP_prev_d(k,j,i)=PDG_KGP_percent_prev(i,k)*PDG_KGP_prev(i,j);
end
end
end
311
second_estimation_LF_d.m
function [wloss_g, ploss_h, Pfeeder_h, Unode_17_h]=second_estimation_LF_d(Unaz, BR, M, R1, X1, B1, l, PL_d,
QL_d, PDG_SE_prev_d, PDG_HE_prev_d, PDG_VE_prev_d, PDG_EBUBDIKO_prev_d, PDG_GE_prev_d,
PDG_EBPKOOOBZPBODPPPPOV_prev_d, PDG_ETB_prev_d, PDG_KGP_prev_d, SE, RE, Totkupa, rast_tereta)
% računati će se satni tokovi snaga kroz period od jednog dana (24 proračuna) za drugi estimacijski
% drugi estimacijski proračun tokova snaga za satne periode tijekom cijelog dana (24 sata)
% računa i sumira gubitke djelatne snage za sve vodove u mreži, za svaki sat
% u obzir se uzima prosječan dan u jednoj kalendarskog godini, gledano po
% prosječnim vrijednostima ulaznih (mjerenih + estimiranih) podataka
% drugi estimacijski proračun tokova snaga najprije računa gubitke energije za
% prosječni dan u godini
% zatim se pretpostavlja da će ukupni godišnji gubici energije promatranog
% izvoda biti 365*(gubitak_energije_za_prosječni_dan)
% konačno se, ovisno o stopi porasta opterećenja za svaki čvor, definiraju
% gubici energije promatranog izvoda za svaku godinu do završetka trajanja
% Ugovora o otkupu električne energije (Totkupa)
% prema važećem "Tarifnom sustavu za
% proizvodnju električne energije iz obnovljivih izvora energije i
% kogeneracije" taj period je 14 godina
for godina=1:1:Totkupa
for m=1:1:br_red
PL_d_g(:,m)=PL_d(:,m)*(((1+rast_tereta(m)/100))^godina);
QL_d_g(:,m)=QL_d(:,m)*(((1+rast_tereta(m)/100))^godina);
end
for sat=1:1:24
[P, ploss, U]=second_estimation_LF(Unaz, BR, M, R1, X1, B1, l, PL_d_g(sat,:), QL_d_g(sat,:),
PDG_SE_prev_d(sat,:,:), PDG_HE_prev_d(sat,:,:), PDG_VE_prev_d(sat,:,:), PDG_EBUBDIKO_prev_d(sat,:,:),
PDG_GE_prev_d(sat,:,:), PDG_EBPKOOOBZPBODPPPPOV_prev_d(sat,:,:), PDG_ETB_prev_d(sat,:,:),
PDG_KGP_prev_d(sat,:,:), SE, RE);
ploss_h(sat)=sum(ploss);
Pfeeder_h(sat)=P(1);
Unode_17_h(sat)=U(17);
end
wloss_d=sum(ploss_h);
wloss_g(godina)=365*wloss_d;
end
wloss_total=sum(wloss_g);
312
Prilog
second_estimation_LF.m
function [P, ploss, U]=second_estimation_LF(Unaz, BR, M, R1, X1, B1, l, PL_d_g, QL_d_g, PDG_SE_prev_d,
PDG_HE_prev_d, PDG_VE_prev_d, PDG_EBUBDIKO_prev_d, PDG_GE_prev_d, PDG_EBPKOOOBZPBODPPPPOV_prev_d,
PDG_ETB_prev_d, PDG_KGP_prev_d, SE, RE)
% funkcija koja računa satne tokove snaga po vodovima mreze

% računaju se djelatna i jalova snaga, te naponi sa magnitudom i faznim
% kutem, uključujući postojeće DI u mreži (ako ih ima)
% kako je ovo ugniježđena funkcija, cilj je izračunati gubitke energije za
% svaki sat
% ualzni podaci su satni iznosi snage potrošača i postojećih DI (ako ih
% ima)
for i=1:br_red
R(1,i)=R1(1,i)*l(1,i);
X(1,i)=X1(1,i)*l(1,i);
B(1,i)=B1(1,i)*l(1,i);
end
PDG_SE_prev_sum_d=zeros(1,br_red);
[N_SE_prev,~]=size(PDG_SE_prev_d);
for k=1:N_SE_prev
for l=1:br_red
PDG_SE_prev_sum_d(1,l)=PDG_SE_prev_sum_d(1,l)+PDG_SE_prev_d(k,l);
end
end
PDG_HE_prev_sum_d=zeros(1,br_red);
[N_HE_prev,~]=size(PDG_HE_prev_d);
for k=1:N_HE_prev
for l=1:br_red
PDG_HE_prev_sum_d(1,l)=PDG_HE_prev_sum_d(1,l)+PDG_HE_prev_d(k,l);
end
end
PDG_VE_prev_sum_d=zeros(1,br_red);
[N_VE_prev,~]=size(PDG_VE_prev_d);
for k=1:N_VE_prev
for l=1:br_red
PDG_VE_prev_sum_d(1,l)=PDG_VE_prev_sum_d(1,l)+PDG_VE_prev_d(k,l);
end
end
PDG_EBUBDIKO_prev_sum_d=zeros(1,br_red);
[N_EBUBDIKO_prev,~]=size(PDG_EBUBDIKO_prev_d);
for l=1:br_red
PDG_EBUBDIKO_prev_sum_d(1,l)=PDG_EBUBDIKO_prev_sum_d(1,l)+PDG_EBUBDIKO_prev_d(k,l);
end
end
PDG_GE_prev_sum_d=zeros(1,br_red);
[N_GE_prev,~]=size(PDG_GE_prev_d);
for k=1:N_GE_prev
for l=1:br_red
PDG_GE_prev_sum_d(1,l)=PDG_GE_prev_sum_d(1,l)+PDG_GE_prev_d(k,l);
end
end
PDG_EBPKOOOBZPBODPPPPOV_prev_sum_d=zeros(1,br_red);
313
[N_EBPKOOOBZPBODPPPPOV_prev,~]=size(PDG_EBPKOOOBZPBODPPPPOV_prev_d);
for l=1:br_red
PDG_EBPKOOOBZPBODPPPPOV_prev_sum_d(1,l)=PDG_EBPKOOOBZPBODPPPPOV_prev_sum_d(1,l)+PDG_EBPKOOOBZPBODPPPPOV_pre
v_d(k,l);
end
end
PDG_ETB_prev_sum_d=zeros(1,br_red);
[N_ETB_prev,~]=size(PDG_ETB_prev_d);
for k=1:N_ETB_prev
for l=1:br_red
PDG_ETB_prev_sum_d(1,l)=PDG_ETB_prev_sum_d(1,l)+PDG_ETB_prev_d(k,l);
end
end
PDG_KGP_prev_sum_d=zeros(1,br_red);
[N_KGP_prev,~]=size(PDG_KGP_prev_d);
for k=1:N_KGP_prev
for l=1:br_red
PDG_KGP_prev_sum_d(1,l)=PDG_KGP_prev_sum_d(1,l)+PDG_KGP_prev_d(k,l);
end
end
fi=zeros(br_st,1);
delta=inf;
z=0;
Uprethodno=U;
fiprethodno=fi;
for i=br_red:-1:1
P(i)=0;
Q(i)=0;
for k=M(i):-1:1
P(i)=P(i)+PL_d_g(BR(i,k))-
(PDG_SE_prev_sum_d(BR(i,k))+PDG_HE_prev_sum_d(BR(i,k))+PDG_VE_prev_sum_d(BR(i,k))+PDG_EBUBDIKO_prev_sum_d(B
R(i,k))+PDG_GE_prev_sum_d(BR(i,k))+PDG_EBPKOOOBZPBODPPPPOV_prev_sum_d(BR(i,k))+PDG_ETB_prev_sum_d(BR(i,k))+
PDG_KGP_prev_sum_d(BR(i,k)));
Q(i)=Q(i)+QL_d_g(BR(i,k));
if k>1
end
end
qCkraj(i)=B(i)/2*(U(RE(i))*1000)^2/1000;
if i>1
else
end
end
314
Prilog
for i=1:br_red
if i==1
else
end
end
for i=1:br_red
end
z=z+1;
end
315
genetic_algorithm.m
function [best_individual_in_generation, position_and_size, wloss_g_best_allocation,
ploss_h_best_allocation, Pfeeder_h_best_allocation, Unode_17_h_best_allocation]=genetic_algorithm(Unaz, BR,
M, R1, X1, B1, l, PL_max, QL_max, Pfeeder_min, Qfeeder_min, PL_d, QL_d, Imax, SE, RE, PDG_SE_prev,
PDG_HE_prev, PDG_VE_prev, PDG_EBUBDIKO_prev, PDG_GE_prev, PDG_EBPKOOOBZPBODPPPPOV_prev, PDG_ETB_prev,
PDG_KGP_prev, PDG_SE_prev_d, PDG_HE_prev_d, PDG_VE_prev_d, PDG_EBUBDIKO_prev_d, PDG_GE_prev_d,
PDG_EBPKOOOBZPBODPPPPOV_prev_d, PDG_ETB_prev_d, PDG_KGP_prev_d, PDG_SE_percent_new, PDG_HE_percent_new,
PDG_VE_percent_new, PDG_EBUBDIKO_percent_new, PDG_GE_percent_new, PDG_EBPKOOOBZPBODPPPPOV_percent_new,
PDG_ETB_percent_new, PDG_KGP_percent_new, DG_step_size, population_size, generation_number,
tournament_size, crossover_probability, mutation_probability_one_DG_location,
mutation_probability_step_size_location, mutation_probability_one_DG_power,
mutation_probability_step_size_power, SE_loc, HE_loc, VE_loc, EBUBDIKO_loc, GE_loc,
EBPKOOOBZPBODPPPPOV_loc, ETB_loc, KGP_loc, SE_size, HE_size, VE_size, EBUBDIKO_size, GE_size,
EBPKOOOBZPBODPPPPOV_size, ETB_size, KGP_size, CccSE, CccHE, CccVE, CccEBUBDIKO, CccGE,
CccEBPKOOOBZPBODPPPPOV, CccETB, CccKGP, CfomSE, CfomHE, CfomVE, CfomEBUBDIKO, CfomGE,
CfomEBPKOOOBZPBODPPPPOV, CfomETB, CfomKGP, CvomSE, CvomHE, CvomVE, CvomEBUBDIKO, CvomGE,
diskontna_stopa_ETB, diskontna_stopa_KGP, diskontna_stopa_ODS, rast_tereta, wloss_g, C_elen, rast_C_elen,
biom_ucin)
% ovaj .m file sadrži objektnu (fitness) funkciju za optimizacijski algoritam

% cilj je optimizacijskog algoritma pronaći optimalne lokacije i vršne
% snage novih distribuiranih izvora (alokacija DI) kako bi se simultano
% optimirala dva kriterija
% najprije se svi potencijalni investicijski projekti distribuiranih izvora
% moraju rangirati preko kriterija neto sadašnje vrijednosti projekta (NPV, engl. Net Present Value)
% pritom razlikujemo NPV investitora i NPV Operatora distribucijskog
% sustava (ODS-a)
% da bi optimizacijska funkcija uopće bila razmatrana NPV svih investitora i NPV ODS-a moraju biti >0
% konačno, ako su svi NPV-i pozitivni, potrebno je maksimizirati njihovu
% sumu
% to znači da će sa stanovišta isplativosti projekata, dana kombinacija DI
% (njihovih snaga i lokacija) biti financijski najpovoljnija za ODS i sve
% investitore
[N_SE_new,~]=size(PDG_SE_percent_new);
[N_HE_new,~]=size(PDG_HE_percent_new);
[N_VE_new,~]=size(PDG_VE_percent_new);
[N_EBUBDIKO_new,~]=size(PDG_EBUBDIKO_percent_new);
[N_GE_new,~]=size(PDG_GE_percent_new);
[N_EBPKOOOBZPBODPPPPOV_new,~]=size(PDG_EBPKOOOBZPBODPPPPOV_percent_new);
[N_ETB_new,~]=size(PDG_ETB_percent_new);
[N_KGP_new,~]=size(PDG_KGP_percent_new);
N_DI_new=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+N_KGP_new;
for i=1:br_red
R(1,i)=R1(1,i)*l(1,i);
X(1,i)=X1(1,i)*l(1,i);
B(1,i)=B1(1,i)*l(1,i);
end
[population]=creation_function(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min, Qfeeder_min, PDG_SE_prev,

PDG_HE_prev, PDG_VE_prev, PDG_EBUBDIKO_prev, PDG_GE_prev, PDG_EBPKOOOBZPBODPPPPOV_prev, PDG_ETB_prev,
PDG_KGP_prev, N_SE_new, N_HE_new, N_VE_new, N_EBUBDIKO_new, N_GE_new, N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new,
N_KGP_new, N_DI_new, Imax, SE, RE, population_size, DG_step_size, SE_loc, HE_loc, VE_loc, EBUBDIKO_loc,
GE_loc, EBPKOOOBZPBODPPPPOV_loc, ETB_loc, KGP_loc, SE_size, HE_size, VE_size, EBUBDIKO_size, GE_size,
EBPKOOOBZPBODPPPPOV_size, ETB_size, KGP_size);
best_individual_in_generation=0;
position_and_size=zeros(1, N_DI_new*2);
ploss_h_best_allocation=zeros(generation_number,24);
Pfeeder_h_best_allocation= zeros(generation_number,24);
Unode_17_h_best_allocation= zeros(generation_number,24);
316
Prilog
brojac_prva_generacija=1;
k=1;
while k<=generation_number
i=1;
while(i<=population_size)
PDG_new=zeros(N_DI_new, br_red);
for j=1:N_DI_new
PDG_new(j,population(i,j))=population(i,j+N_DI_new);
end
[PDG_SE_new_d, PDG_HE_new_d, PDG_VE_new_d, PDG_EBUBDIKO_new_d, PDG_GE_new_d,

PDG_EBPKOOOBZPBODPPPPOV_new_d, PDG_ETB_new_d, PDG_KGP_new_d, SE_energy_g, HE_energy_g, VE_energy_g,
EBUBDIKO_energy_g, GE_energy_g, EBPKOOOBZPBODPPPPOV_energy_g, ETB_energy_g, KGP_energy_g, CF_SE, CF_HE,
CF_VE, CF_EBUBDIKO, CF_GE, CF_EBPKOOOBZPBODPPPPOV, CF_ETB,
CF_KGP]=daily_average_production_curve_estimation_new_DG(BR, PDG_new, N_SE_new, N_HE_new, N_VE_new,
N_EBUBDIKO_new, N_GE_new, N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, PDG_SE_percent_new,
PDG_EBPKOOOBZPBODPPPPOV_percent_new, PDG_ETB_percent_new, PDG_KGP_percent_new);
[wloss_g_alloc, ploss_h_alloc, Pfeeder_h_alloc, Unode_17_h_alloc]=optimization_LF_d(Unaz, BR, M, R,

X, B, PL_d, QL_d, PDG_SE_prev_d, PDG_HE_prev_d, PDG_VE_prev_d, PDG_EBUBDIKO_prev_d, PDG_GE_prev_d,
PDG_EBPKOOOBZPBODPPPPOV_prev_d, PDG_ETB_prev_d, PDG_KGP_prev_d, PDG_SE_new_d, PDG_HE_new_d, PDG_VE_new_d,
PDG_EBUBDIKO_new_d, PDG_GE_new_d, PDG_EBPKOOOBZPBODPPPPOV_new_d, PDG_ETB_new_d, PDG_KGP_new_d, SE, RE,
Totkupa, rast_tereta);
[NPV_SE, NPV_HE, NPV_VE, NPV_EBUBDIKO, NPV_GE, NPV_EBPKOOOBZPBODPPPPOV, NPV_ETB, NPV_KGP,

NPV_ODS]=net_present_value(population(i,:), N_SE_new, N_HE_new, N_VE_new, N_EBUBDIKO_new, N_GE_new,
N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, N_DI_new, SE_energy_g, HE_energy_g, VE_energy_g,
EBUBDIKO_energy_g, GE_energy_g, EBPKOOOBZPBODPPPPOV_energy_g, ETB_energy_g, KGP_energy_g, CccSE, CccHE,
CccVE, CccEBUBDIKO, CccGE, CccEBPKOOOBZPBODPPPPOV, CccETB, CccKGP, CfomSE, CfomHE, CfomVE, CfomEBUBDIKO,
CfomGE, CfomEBPKOOOBZPBODPPPPOV, CfomETB, CfomKGP, CvomSE, CvomHE, CvomVE, CvomEBUBDIKO, CvomGE,
diskontna_stopa_ETB, diskontna_stopa_KGP, diskontna_stopa_ODS, wloss_g, wloss_g_alloc, C_elen, rast_C_elen,
biom_ucin);
NPV_type=9;
for l=1:NPV_type
if l==1
if N_SE_new>0
if NPV_SE>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
else
NPV_positive(l)=1;
end
end
if l==2
if N_HE_new>0
if NPV_HE>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
else
NPV_positive(l)=1;
end
end
if l==3
if N_VE_new>0
if NPV_VE>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
else
NPV_positive(l)=1;
end
end
if l==4
if N_EBUBDIKO_new>0
if NPV_EBUBDIKO>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
317
else
NPV_positive(l)=1;
end
end
if l==5
if N_GE_new>0
if NPV_GE>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
else
NPV_positive(l)=1;
end
end
if l==6
if N_EBPKOOOBZPBODPPPPOV_new>0
if NPV_EBPKOOOBZPBODPPPPOV>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
else
NPV_positive(l)=1;
end
end
if l==7
if N_ETB_new>0
if NPV_ETB>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
else
NPV_positive(l)=1;
end
end
if l==8
if N_KGP_new>0
if NPV_KGP>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
else
NPV_positive(l)=1;
end
end
if l==9
if NPV_ODS>0
NPV_positive(l)=1;
else
NPV_positive(l)=0;
end
end
end
if NPV_positive>0
if N_SE_new>0
NPV_SE_individual(i,:)=NPV_SE;
end
if N_HE_new>0
NPV_HE_individual(i,:)=NPV_HE;
end
if N_VE_new>0
NPV_VE_individual(i,:)=NPV_VE;
end
if N_EBUBDIKO_new>0
NPV_EBUBDIKO_individual(i,:)=NPV_EBUBDIKO;
end
if N_GE_new>0
NPV_GE_individual(i,:)=NPV_GE;
end
NPV_EBPKOOOBZPBODPPPPOV_individual(i,:)=NPV_EBPKOOOBZPBODPPPPOV;
end
if N_ETB_new>0
NPV_ETB_individual(i,:)=NPV_ETB;
end
if N_KGP_new>0
NPV_KGP_individual(i,:)=NPV_KGP;
end
NPV_ODS_individual(i)=NPV_ODS;
NPV_total(i)=sum(NPV_SE)+sum(NPV_HE)+sum(NPV_VE)+sum(NPV_EBUBDIKO)+sum(NPV_GE)+sum(NPV_EBPKOOOBZPBODPPPPOV)
+sum(NPV_ETB)+sum(NPV_KGP)+NPV_ODS;
wloss_g_alloc_individual(i,:)=wloss_g_alloc;
318
Prilog
ploss_h_alloc_individual(i,:)=ploss_h_alloc;
Pfeeder_h_alloc_individual(i,:)=Pfeeder_h_alloc;
Unode_17_h_alloc_individual(i,:)=Unode_17_h_alloc;
else
if k==1
if brojac_prva_generacija>5000
break
end
if N_SE_new>0
NPV_SE_individual(i,:)=NPV_SE;
end
if N_HE_new>0
NPV_HE_individual(i,:)=NPV_HE;
end
if N_VE_new>0
NPV_VE_individual(i,:)=NPV_VE;
end
if N_EBUBDIKO_new>0
NPV_EBUBDIKO_individual(i,:)=NPV_EBUBDIKO;
end
if N_GE_new>0
NPV_GE_individual(i,:)=NPV_GE;
end
NPV_EBPKOOOBZPBODPPPPOV_individual(i,:)=NPV_EBPKOOOBZPBODPPPPOV;
end
if N_ETB_new>0
NPV_ETB_individual(i,:)=NPV_ETB;
end
if N_KGP_new>0
NPV_KGP_individual(i,:)=NPV_KGP;
end
NPV_ODS_individual(i)=NPV_ODS;
[chromosome]=chromosome_GA_NPV(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min,
Qfeeder_min, PDG_SE_prev, PDG_HE_prev, PDG_VE_prev, PDG_EBUBDIKO_prev, PDG_GE_prev,
PDG_EBPKOOOBZPBODPPPPOV_prev, PDG_ETB_prev, PDG_KGP_prev, N_SE_new, N_HE_new, N_VE_new, N_EBUBDIKO_new,
N_GE_new, N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, N_DI_new, Imax, SE, RE, DG_step_size, SE_loc,
HE_loc, VE_loc, EBUBDIKO_loc, GE_loc, EBPKOOOBZPBODPPPPOV_loc, ETB_loc, KGP_loc, SE_size, HE_size, VE_size,
EBUBDIKO_size, GE_size, EBPKOOOBZPBODPPPPOV_size, ETB_size, KGP_size);
population(i,:)=chromosome;
i=i-1;
brojac_prva_generacija=brojac_prva_generacija+1;
else
NPV_total(i)=0;
end
end
i=i+1;
end
position_and_size(i,:)=population(i,:);
break
end
[best_individual,index_best_individual]=max(NPV_total);
best_individual_in_generation(k)=best_individual;
position_and_size(k,:)=population(index_best_individual,:);
wloss_g_best_allocation(k,:)=wloss_g_alloc_individual(index_best_individual,:);
ploss_h_best_allocation(k,:)=ploss_h_alloc_individual(index_best_individual,:);
Pfeeder_h_best_allocation(k,:)= Pfeeder_h_alloc_individual(index_best_individual,:);
Unode_17_h_best_allocation(k,:)=Unode_17_h_alloc_individual(index_best_individual,:);
if N_SE_new>0
NPV_SE_best(k,:)=NPV_SE_individual(index_best_individual,:);
end
if N_HE_new>0
NPV_HE_best(k,:)=NPV_HE_individual(index_best_individual,:);
end
if N_VE_new>0
NPV_VE_best(k,:)=NPV_VE_individual(index_best_individual,:);
end
if N_EBUBDIKO_new>0
NPV_EBUBDIKO_best(k,:)=NPV_EBUBDIKO_individual(index_best_individual,:);
end
if N_GE_new>0
NPV_GE_best(k,:)=NPV_GE_individual(index_best_individual,:);
end
NPV_EBPKOOOBZPBODPPPPOV_best(k,:)=NPV_EBPKOOOBZPBODPPPPOV_individual(index_best_individual,:);
end
if N_ETB_new>0
NPV_ETB_best(k,:)=NPV_ETB_individual(index_best_individual,:);
end
if N_KGP_new>0
319
NPV_KGP_best(k,:)=NPV_KGP_individual(index_best_individual,:);
end
NPV_ODS_best(k)=NPV_ODS_individual(index_best_individual);
[reproduction_pool]=selection_function(population_size, tournament_size, NPV_total, population);
[crossover_children]=crossover_function(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min, Qfeeder_min,

PDG_SE_prev, PDG_HE_prev, PDG_VE_prev, PDG_EBUBDIKO_prev, PDG_GE_prev, PDG_EBPKOOOBZPBODPPPPOV_prev,
PDG_ETB_prev, PDG_KGP_prev, N_DI_new, Imax, SE, RE, reproduction_pool, crossover_probability,
population_size);
[population]=mutation_function(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min, Qfeeder_min,

PDG_ETB_prev, PDG_KGP_prev, N_SE_new, N_HE_new, N_VE_new, N_EBUBDIKO_new, N_GE_new,
N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, N_DI_new, Imax, SE, RE, crossover_children,
mutation_probability_one_DG_location, mutation_probability_step_size_location,
mutation_probability_one_DG_power, mutation_probability_step_size_power, population_size, DG_step_size,
SE_loc, HE_loc, VE_loc, EBUBDIKO_loc, GE_loc, EBPKOOOBZPBODPPPPOV_loc, ETB_loc, KGP_loc, SE_size, HE_size,
VE_size, EBUBDIKO_size, GE_size, EBPKOOOBZPBODPPPPOV_size, ETB_size, KGP_size);
k=k+1
end
nf = java.text.DecimalFormat;
nf.setMaximumFractionDigits(2);
fprintf('Od 5000 generiranih kromosoma za kreiranje prve populacije rješenja sa uvjetom svih NPV>0,
niti jedna kombinacija ne zadovoljava. Provjerite ulazne podatke.\n');
fprintf('Neto sadašnje vrijednosti investicijskih projekata solarnih elektrana su redom:\n');
if N_SE_new>0
for brojac_DI=1:N_SE_new
fprintf('Projekt solarne elektrane br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n',
brojac_DI, char(nf.format(NPV_SE_individual(i,brojac_DI))));
end
else
fprintf('Nema projekata solarnih elektrana na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata hidroelektrana su redom:\n');
if N_HE_new>0
for brojac_DI=1:N_HE_new
fprintf('Projekt hidroelektrane br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n', brojac_DI,
char(nf.format(NPV_HE_individual(i,brojac_DI))));
end
else
fprintf('Nema projekata hidroelektrana na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata vjetroelektrana su redom:\n');
if N_VE_new>0
for brojac_DI=1:N_VE_new
fprintf('Projekt vjetroelektrane br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n', brojac_DI,
char(nf.format(NPV_VE_individual(i,brojac_DI))));
end
else
fprintf('Nema projekata vjetroelektrana na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata elektrana na krutu biomasu, isključujući

komunalni otpad su redom:\n');
if N_EBUBDIKO_new>0
for brojac_DI=1:N_EBUBDIKO_new
fprintf('Projekt elektrane na biomasu, uključujući biorazgradive dijelove industrijskog i
komunalnog otpada br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n', brojac_DI,
char(nf.format(NPV_EBUBDIKO_individual(i,brojac_DI))));
end
else
fprintf('Nema projekata elektrana na biomasu, uključujući biorazgradive dijelove industrijskog i
komunalnog otpada na ovom izvodu srednjenaponske mreže.\n');
end
320
Prilog
fprintf('Neto sadašnje vrijednosti investicijskih projekata geotermalnih elektrana su redom:\n');
if N_GE_new>0
for brojac_DI=1:N_GE_new
fprintf('Projekt geotermalne elektrane br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n',
brojac_DI, char(nf.format(NPV_GE_individual(i,brojac_DI))));
end
else
fprintf('Nema projekata geotermalnih elektrane na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata elektrana na bioplin iz poljoprivrednih

kultura te organskih ostataka i otpada biljnog i životinjskog podrijetla su redom:\n');
for brojac_DI=1:N_EBPKOOOBZPBODPPPPOV_new
fprintf('Projekt elektrane na bioplin iz poljoprivrednih kultura te organskih ostataka, otpada
biljnog i životinjskog podrijetla, biorazgradivog otpada, deponijski plin i plin iz postrojenja za
pročišćavanje otpadnih voda br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n', brojac_DI,
char(nf.format(NPV_EBPKOOOBZPBODPPPPOV_individual(i,brojac_DI))));
end
else
fprintf('Nema projekata elektrana na bioplin iz poljoprivrednih kultura te organskih ostataka,
otpada biljnog i životinjskog podrijetla, biorazgradivog otpada, deponijski plin i plin iz postrojenja za
pročišćavanje otpadnih voda na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata elektrana na tekuća biogoriva su

redom:\n');
if N_ETB_new>0
for brojac_DI=1:N_ETB_new
fprintf('Projekt elektrane na tekuća biogoriva br.%d ima neto sadašnju vrijednost, NPV=%s
kn.\n', brojac_DI, char(nf.format(NPV_ETB_individual(i,brojac_DI))));
end
else
fprintf('Nema projekata elektrana na tekuća biogoriva na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata elektrana na deponijski plin i plin iz

postrojenja za pročišćavanje otpadnih voda su redom:\n');
if N_KGP_new>0
for brojac_DI=1:N_KGP_new
fprintf('Projekt kogeneracijska postrojenja koja kao gorivo ne koriste OIE br.%d ima neto
sadašnju vrijednost, NPV=%s kn.\n', brojac_DI, char(nf.format(NPV_KGP_individual(i,brojac_DI))));
end
else
fprintf('Nema projekata kogeneracijskih postrojenja koja kao gorivo ne koriste OIE na ovom izvodu
srednjenaponske mreže.\n');
end
fprintf('Neto sadašnja vrijednost Operatora distribucijskog sustava je NPV=%s kn.\n',

char(nf.format(NPV_ODS_individual(i))));
else
fprintf('Genetski algoritam je izvršen. Nakon %d generacija maksimalna neto sadašnja vrijednost sume
svih DI investicijskih projekata i ODS-a iznosi %s kn za kombinaciju DI lokacija i snaga kodiranu u
sljedećem kromosomu: %s.\n', generation_number,
char(nf.format(best_individual_in_generation(generation_number))), sprintf('%d',
position_and_size(generation_number,:)));
for brojac_gena_kromosoma=1:1:N_DI_new
if brojac_gena_kromosoma>=1 && brojac_gena_kromosoma<=N_SE_new
fprintf('Projekt solarne elektrane br.%d ima optimalnu lokaciju u čvoru %d i optimalnu snagu %d
kW.\n', brojac_gena_kromosoma-0, position_and_size(generation_number,brojac_gena_kromosoma),
position_and_size(generation_number,brojac_gena_kromosoma+N_DI_new));
elseif brojac_gena_kromosoma>=N_SE_new+1 && brojac_gena_kromosoma<=N_SE_new+N_HE_new
fprintf('Projekt hidroelektrane br.%d ima optimalnu lokaciju u čvoru %d i optimalnu snagu %d
kW.\n', brojac_gena_kromosoma-N_SE_new, position_and_size(generation_number,brojac_gena_kromosoma),
elseif brojac_gena_kromosoma>=N_SE_new+N_HE_new+1 &&
brojac_gena_kromosoma<=N_SE_new+N_HE_new+N_VE_new
fprintf('Projekt vjetroelektrane br.%d ima optimalnu lokaciju u čvoru %d i optimalnu snagu %d
kW.\n', brojac_gena_kromosoma-N_SE_new-N_HE_new,
position_and_size(generation_number,brojac_gena_kromosoma),
elseif brojac_gena_kromosoma>=N_SE_new+N_HE_new+N_VE_new+1 &&
brojac_gena_kromosoma<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
komunalnog otpada br.%d ima optimalnu lokaciju u čvoru %d i optimalnu snagu %d kW.\n',
brojac_gena_kromosoma-N_SE_new-N_HE_new-N_VE_new,
321
elseif brojac_gena_kromosoma>=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1 &&
brojac_gena_kromosoma<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new
fprintf('Projekt geotermalne elektrane br.%d ima optimalnu lokaciju u čvoru %d i optimalnu
snagu %d kW.\n', brojac_gena_kromosoma-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,
elseif brojac_gena_kromosoma>=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+1 &&
brojac_gena_kromosoma<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new
fprintf('Projekt elektrane na bioplin iz poljoprivrednih kultura te organskih ostataka, otpada
biljnog i životinjskog podrijetla, biorazgradivog otpada, deponijski plin i plin iz postrojenja za
pročišćavanje otpadnih voda br.%d ima optimalnu lokaciju u čvoru %d i optimalnu snagu %d kW.\n',
brojac_gena_kromosoma-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new,
elseif
brojac_gena_kromosoma>=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+1 &&
brojac_gena_kromosoma<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_n
ew
fprintf('Projekt elektrane na tekuća biogoriva br.%d ima optimalnu lokaciju u čvoru %d i
optimalnu snagu %d kW.\n', brojac_gena_kromosoma-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new, position_and_size(generation_number,brojac_gena_kromosoma),
elseif
brojac_gena_kromosoma>=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_n
ew+1 &&
brojac_gena_kromosoma<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_n
ew+N_KGP_new
fprintf('Projekt kogeneracijska postrojenja koja kao gorivo ne koriste OIE br.%d ima optimalnu
lokaciju u čvoru %d i optimalnu snagu %d kW.\n', brojac_gena_kromosoma-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,
end
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata solarnih elektrana su redom:\n');
if N_SE_new>0
for brojac_DI=1:N_SE_new
fprintf('Projekt solarne elektrane br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n',
brojac_DI, char(nf.format(NPV_SE_best(generation_number,brojac_DI))));
end
else
fprintf('Nema projekata solarnih elektrana na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata hidroelektrana su redom:\n');
if N_HE_new>0
for brojac_DI=1:N_HE_new
fprintf('Projekt hidroelektrane br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n', brojac_DI,
char(nf.format(NPV_HE_best(generation_number,brojac_DI))));
end
else
fprintf('Nema projekata hidroelektrana na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata vjetroelektrana su redom:\n');
if N_VE_new>0
for brojac_DI=1:N_VE_new
fprintf('Projekt vjetroelektrane br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n', brojac_DI,
char(nf.format(NPV_VE_best(generation_number,brojac_DI))));
end
else
fprintf('Nema projekata vjetroelektrana na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata elektrana na krutu biomasu, isključujući

komunalni otpad su redom:\n');
if N_EBUBDIKO_new>0
for brojac_DI=1:N_EBUBDIKO_new
komunalnog otpada br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n', brojac_DI,
char(nf.format(NPV_EBUBDIKO_best(generation_number,brojac_DI))));
end
else
fprintf('Nema projekata elektrana na biomasu, uključujući biorazgradive dijelove industrijskog i
komunalnog otpada na ovom izvodu srednjenaponske mreže.\n');
322
Prilog
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata geotermalnih elektrana su redom:\n');
if N_GE_new>0
for brojac_DI=1:N_GE_new
fprintf('Projekt geotermalne elektrane br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n',
brojac_DI, char(nf.format(NPV_GE_best(generation_number,brojac_DI))));
end
else
fprintf('Nema projekata geotermalnih elektrane na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata elektrana na bioplin iz poljoprivrednih

kultura te organskih ostataka i otpada biljnog i životinjskog podrijetla su redom:\n');
for brojac_DI=1:N_EBPKOOOBZPBODPPPPOV_new
fprintf('Projekt elektrane elektrane na bioplin iz poljoprivrednih kultura te organskih
ostataka, otpada biljnog i životinjskog podrijetla, biorazgradivog otpada, deponijski plin i plin iz
postrojenja za pročišćavanje otpadnih voda br.%d ima neto sadašnju vrijednost, NPV=%s kn.\n', brojac_DI,
char(nf.format(NPV_EBPKOOOBZPBODPPPPOV_best(generation_number,brojac_DI))));
end
else
fprintf('Nema projekata elektrana elektrane na bioplin iz poljoprivrednih kultura te organskih
ostataka, otpada biljnog i životinjskog podrijetla, biorazgradivog otpada, deponijski plin i plin iz
postrojenja za pročišćavanje otpadnih voda na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata elektrana na tekuća biogoriva su

redom:\n');
if N_ETB_new>0
for brojac_DI=1:N_ETB_new
fprintf('Projekt elektrane na tekuća biogoriva br.%d ima neto sadašnju vrijednost, NPV=%s
kn.\n', brojac_DI, char(nf.format(NPV_ETB_best(generation_number,brojac_DI))));
end
else
fprintf('Nema projekata elektrana na tekuća biogoriva na ovom izvodu srednjenaponske mreže.\n');
end
fprintf('Neto sadašnje vrijednosti investicijskih projekata elektrana na deponijski plin i plin iz

postrojenja za pročišćavanje otpadnih voda su redom:\n');
if N_KGP_new>0
for brojac_DI=1:N_KGP_new
fprintf('Projekt kogeneracijska postrojenja koja kao gorivo ne koriste OIE br.%d ima neto
sadašnju vrijednost, NPV=%s kn.\n', brojac_DI, char(nf.format(NPV_KGP_best(generation_number,brojac_DI))));
end
else
fprintf('Nema projekata kogeneracijskih postrojenja koja kao gorivo ne koriste OIE na ovom izvodu
srednjenaponske mreže.\n');
end
fprintf('Neto sadašnja vrijednost Operatora distribucijskog sustava je NPV=%s kn.\n',

char(nf.format(NPV_ODS_best(generation_number))));
end
323
creation_function.m
function [population]=creation_function(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min, Qfeeder_min,
N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, N_DI_new, Imax, SE, RE, population_size, DG_step_size,
VE_size, EBUBDIKO_size, GE_size, EBPKOOOBZPBODPPPPOV_size, ETB_size, KGP_size)
% ova funkcija kreira početnu (inicijalnu) populaciju rješenja za genetski algoritam
length=N_DI_new*2;
for i=1:population_size
elimination_LF_success=false;
while(elimination_LF_success==false)
for k=1:N_SE_new
c=false;
while(c==false)
p=randi(br_red);
if SE_loc(k-0,p)==1
population(i,k)=p;
c=true;
else
c=false;
end
end
end
for k=N_SE_new+1:N_SE_new+N_HE_new
c=false;
while(c==false)
p=randi(br_red);
if HE_loc(k-N_SE_new,p)==1
population(i,k)=p;
c=true;
else
c=false;
end
end
end
for k=N_SE_new+N_HE_new+1:N_SE_new+N_HE_new+N_VE_new
c=false;
while(c==false)
p=randi(br_red);
if VE_loc(k-N_SE_new-N_HE_new,p)==1
population(i,k)=p;
c=true;
else
c=false;
end
end
end
for k=N_SE_new+N_HE_new+N_VE_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
c=false;
while(c==false)
p=randi(br_red);
if EBUBDIKO_loc(k-N_SE_new-N_HE_new-N_VE_new,p)==1
population(i,k)=p;
c=true;
else
c=false;
end
end
end
for k=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new
c=false;
while(c==false)
p=randi(br_red);
if GE_loc(k-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,p)==1
population(i,k)=p;
c=true;
324
Prilog
else
c=false;
end
end
end
for
k=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N
_EBPKOOOBZPBODPPPPOV_new
c=false;
while(c==false)
p=randi(br_red);
if EBPKOOOBZPBODPPPPOV_loc(k-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new,p)==1
population(i,k)=p;
c=true;
else
c=false;
end
end
end
for
k=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+1:N_SE_new+N_HE_new+N_VE_new
+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new
c=false;
while(c==false)
p=randi(br_red);
if ETB_loc(k-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,p)==1
population(i,k)=p;
c=true;
else
c=false;
end
end
end
for
k=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+1:N_SE_new+N_HE_ne
w+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+N_KGP_new
c=false;
while(c==false)
p=randi(br_red);
if KGP_loc(k-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new,p)==1
population(i,k)=p;
c=true;
else
c=false;
end
end
end
for k=length/2+1:length/2+N_SE_new
d=false;
while(d==false)
[~,pow_lim]=size(SE_size);
for t=1:1:pow_lim/2
limit_donji(1,t)=SE_size(k-length/2,t);
end
for t=pow_lim/2+1:1:pow_lim
limit_gornji(1,t-pow_lim/2)=SE_size(k-length/2,t);
end
r=(randi([500/DG_step_size,10000/DG_step_size]))*DG_step_size;
for t=1:1:pow_lim/2
if r>limit_donji(1,t) && r<limit_gornji(1,t)
population(i,k)=r;
d=true;
break
else
d=false;
end
end
end
end
325
for k=length/2+N_SE_new+1:length/2+N_SE_new+N_HE_new
d=false;
while(d==false)
[~,pow_lim]=size(HE_size);
for t=1:1:pow_lim/2
limit_donji(1,t)=HE_size(k-length/2-N_SE_new,t);
end
limit_gornji(1,t-pow_lim/2)=HE_size(k-length/2-N_SE_new,t);
end
for t=1:1:pow_lim/2
population(i,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for k=length/2+N_SE_new+N_HE_new+1:length/2+N_SE_new+N_HE_new+N_VE_new
d=false;
while(d==false)
[~,pow_lim]=size(VE_size);
for t=1:1:pow_lim/2
limit_donji(1,t)=VE_size(k-length/2-N_SE_new-N_HE_new,t);
end
limit_gornji(1,t-pow_lim/2)=VE_size(k-length/2-N_SE_new-N_HE_new,t);
end
for t=1:1:pow_lim/2
population(i,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for k=length/2+N_SE_new+N_HE_new+N_VE_new+1:length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
d=false;
while(d==false)
[~,pow_lim]=size(EBUBDIKO_size);
for t=1:1:pow_lim/2
limit_donji(1,t)=EBUBDIKO_size(k-length/2-N_SE_new-N_HE_new-N_VE_new,t);
end
limit_gornji(1,t-pow_lim/2)=EBUBDIKO_size(k-length/2-N_SE_new-N_HE_new-N_VE_new,t);
end
for t=1:1:pow_lim/2
population(i,k)=r;
d=true;
break
326
Prilog
else
d=false;
end
end
end
end
for
k=length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1:length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N
_GE_new
d=false;
while(d==false)
[~,pow_lim]=size(GE_size);
for t=1:1:pow_lim/2
limit_donji(1,t)=GE_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,t);
end
limit_gornji(1,t-pow_lim/2)=GE_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new,t);
end
for t=1:1:pow_lim/2
population(i,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for
k=length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+1:length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBD
IKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new
d=false;
while(d==false)
[~,pow_lim]=size(EBPKOOOBZPBODPPPPOV_size);
for t=1:1:pow_lim/2
limit_donji(1,t)=EBPKOOOBZPBODPPPPOV_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new,t);
end
limit_gornji(1,t-pow_lim/2)=EBPKOOOBZPBODPPPPOV_size(k-length/2-N_SE_new-N_HE_new-
N_VE_new-N_EBUBDIKO_new-N_GE_new,t);
end
for t=1:1:pow_lim/2
population(i,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for
k=length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+1:length/2+N_SE_new
+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new
d=false;
while(d==false)
[~,pow_lim]=size(ETB_size);
for t=1:1:pow_lim/2
327
limit_donji(1,t)=ETB_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new-N_EBPKOOOBZPBODPPPPOV_new,t);
end
limit_gornji(1,t-pow_lim/2)=ETB_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new,t);
end
for t=1:1:pow_lim/2
population(i,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for
k=length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+1:length/
2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+N_KGP_new
d=false;
while(d==false)
[~,pow_lim]=size(KGP_size);
for t=1:1:pow_lim/2
limit_donji(1,t)=KGP_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,t);
end
limit_gornji(1,t-pow_lim/2)=KGP_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,t);
end
for t=1:1:pow_lim/2
population(i,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for j=1:N_DI_new
PDG_new(j,population(i,j))=population(i,j+N_DI_new);
end
[elimination_LF_success]=elimination_LF(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min,

PDG_EBPKOOOBZPBODPPPPOV_prev, PDG_ETB_prev, PDG_KGP_prev, PDG_new, N_DI_new, Imax, SE, RE);
end
end
328
Prilog
daily_average_production_curve_estimation_new.m
function [PDG_SE_new_d, PDG_HE_new_d, PDG_VE_new_d, PDG_EBUBDIKO_new_d, PDG_GE_new_d,
PDG_EBPKOOOBZPBODPPPPOV_new_d, PDG_ETB_new_d, PDG_KGP_new_d, SE_energy_g, HE_energy_g, VE_energy_g,
EBUBDIKO_energy_g, GE_energy_g, EBPKOOOBZPBODPPPPOV_energy_g, ETB_energy_g, KGP_energy_g, CF_SE, CF_HE,
CF_VE, CF_EBUBDIKO, CF_GE, CF_EBPKOOOBZPBODPPPPOV, CF_ETB,
CF_KGP]=daily_average_production_curve_estimation_new_DG(BR, PDG_new, N_SE_new, N_HE_new, N_VE_new,
N_EBUBDIKO_new, N_GE_new, N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, PDG_SE_percent_new,
PDG_EBPKOOOBZPBODPPPPOV_percent_new, PDG_ETB_percent_new, PDG_KGP_percent_new)
% funkcija koja generira dnevne krivulje proizvodnje svakog tipa

% novih distribuiranih izvora koje treba alocirati u mrežu
% tipovi DI su definirani prema "Tarifnom sustavu za proizvodnju
% električne energije iz obnovljivih izvora energije i kogeneracije"
[no_nodes,~]=size(BR);
for i=1:N_SE_new
for j=1:no_nodes
PDG_SE_new(i-0,j)=PDG_new(i,j);
end
end
for i=N_SE_new+1:N_SE_new+N_HE_new
for j=1:no_nodes
PDG_HE_new(i-N_SE_new,j)=PDG_new(i,j);
end
end
for i=N_SE_new+N_HE_new+1:N_SE_new+N_HE_new+N_VE_new
for j=1:no_nodes
PDG_VE_new(i-N_SE_new-N_HE_new,j)=PDG_new(i,j);
end
end
for i=N_SE_new+N_HE_new+N_VE_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
for j=1:no_nodes
PDG_EBUBDIKO_new(i-N_SE_new-N_HE_new-N_VE_new,j)=PDG_new(i,j);
end
end
for i=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new
for j=1:no_nodes
PDG_GE_new(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,j)=PDG_new(i,j);
end
end
for
i=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N
for j=1:no_nodes
PDG_EBPKOOOBZPBODPPPPOV_new(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new,j)=PDG_new(i,j);
end
end
for
i=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+1:N_SE_new+N_HE_new+N_VE_new
for j=1:no_nodes
PDG_ETB_new(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,j)=PDG_new(i,j);
end
end
for
i=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+1:N_SE_new+N_HE_ne
for j=1:no_nodes
PDG_KGP_new(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new,j)=PDG_new(i,j);
end
end
PDG_SE_new_d=zeros(24,no_nodes,1);
CF_SE=[];
SE_energy_g=[];
329
for i=1:N_SE_new
for j=1:no_nodes
for k=1:1:24
PDG_SE_new_d(k,j,i)=PDG_SE_percent_new(i,k)*PDG_SE_new(i,j);
end
end
end
if N_SE_new>0
for i=1:N_SE_new
for j=1:no_nodes
SE_energy_g(i)=365*sum(PDG_SE_new_d(:,j,i));
if SE_energy_g>0
break
end
end
CF_SE(i)=SE_energy_g(i)/(8760*(sum(PDG_SE_new(i,j))));
end
end
PDG_HE_new_d=zeros(24,no_nodes,1);
CF_HE=[];
HE_energy_g=[];
for i=1:N_HE_new
for j=1:no_nodes
for k=1:1:24
PDG_HE_new_d(k,j,i)=PDG_HE_percent_new(i,k)*PDG_HE_new(i,j);
end
end
end
if N_HE_new>0
for i=1:N_HE_new
for j=1:no_nodes
HE_energy_g(i)=365*sum(PDG_HE_new_d(:,j,i));
if HE_energy_g>0
break
end
end
CF_HE(i)=HE_energy_g(i)/(8760*(sum(PDG_HE_new(i,j))));
end
end
PDG_VE_new_d=zeros(24,no_nodes,1);
CF_VE=[];
VE_energy_g=[];
for i=1:N_VE_new
for j=1:no_nodes
for k=1:1:24
PDG_VE_new_d(k,j,i)=PDG_VE_percent_new(i,k)*PDG_VE_new(i,j);
end
end
end
if N_VE_new>0
for i=1:N_VE_new
for j=1:no_nodes
VE_energy_g(i)=365*sum(PDG_VE_new_d(:,j,i));
if VE_energy_g>0
break
end
end
CF_VE(i)=VE_energy_g(i)/(8760*(sum(PDG_VE_new(i,j))));
end
end
PDG_EBUBDIKO_new_d=zeros(24,no_nodes,1);
CF_EBUBDIKO=[];
EBUBDIKO_energy_g=[];
for i=1:N_EBUBDIKO_new
for j=1:no_nodes
for k=1:1:24
PDG_EBUBDIKO_new_d(k,j,i)=PDG_EBUBDIKO_percent_new(i,k)*PDG_EBUBDIKO_new(i,j);
end
end
end
if N_EBUBDIKO_new>0
330
Prilog
for i=1:N_EBUBDIKO_new
for j=1:no_nodes
EBUBDIKO_energy_g(i)=365*sum(PDG_EBUBDIKO_new_d(:,j,i));
if EBUBDIKO_energy_g>0
break
end
end
CF_EBUBDIKO(i)=EBUBDIKO_energy_g(i)/(8760*(sum(PDG_EBUBDIKO_new(i,j))));
end
end
PDG_GE_new_d=zeros(24,no_nodes,1);
CF_GE=[];
GE_energy_g=[];
for i=1:N_GE_new
for j=1:no_nodes
for k=1:1:24
PDG_GE_new_d(k,j,i)=PDG_GE_percent_new(i,k)*PDG_GE_new(i,j);
end
end
end
if N_GE_new>0
for i=1:N_GE_new
for j=1:no_nodes
GE_energy_g(i)=365*sum(PDG_GE_new_d(:,j,i));
if GE_energy_g>0
break
end
end
CF_GE(i)=GE_energy_g(i)/(8760*(sum(PDG_GE_new(i,j))));
end
end
PDG_EBPKOOOBZPBODPPPPOV_new_d=zeros(24,no_nodes,1);
CF_EBPKOOOBZPBODPPPPOV=[];
EBPKOOOBZPBODPPPPOV_energy_g=[];
for i=1:N_EBPKOOOBZPBODPPPPOV_new
for j=1:no_nodes
for k=1:1:24
PDG_EBPKOOOBZPBODPPPPOV_new_d(k,j,i)=PDG_EBPKOOOBZPBODPPPPOV_percent_new(i,k)*PDG_EBPKOOOBZPBODPPPPOV_new(i
,j);
end
end
end
for i=1:N_EBPKOOOBZPBODPPPPOV_new
for j=1:no_nodes
EBPKOOOBZPBODPPPPOV_energy_g(i)=365*sum(PDG_EBPKOOOBZPBODPPPPOV_new_d(:,j,i));
if EBPKOOOBZPBODPPPPOV_energy_g>0
break
end
end
CF_EBPKOOOBZPBODPPPPOV(i)=EBPKOOOBZPBODPPPPOV_energy_g(i)/(8760*(sum(PDG_EBPKOOOBZPBODPPPPOV_new(i,j))));
end
end
PDG_ETB_new_d=zeros(24,no_nodes,1);
CF_ETB=[];
ETB_energy_g=[];
for i=1:N_ETB_new
for j=1:no_nodes
for k=1:1:24
PDG_ETB_new_d(k,j,i)=PDG_ETB_percent_new(i,k)*PDG_ETB_new(i,j);
end
end
end
if N_ETB_new>0
for i=1:N_ETB_new
for j=1:no_nodes
ETB_energy_g(i)=365*sum(PDG_ETB_new_d(:,j,i));
if ETB_energy_g>0
break
end
331
end
CF_ETB(i)=ETB_energy_g(i)/(8760*(sum(PDG_ETB_new(i,j))));
end
end
PDG_KGP_new_d=zeros(24,no_nodes,1);
CF_KGP=[];
KGP_energy_g=[];
for i=1:N_KGP_new
for j=1:no_nodes
for k=1:1:24
PDG_KGP_new_d(k,j,i)=PDG_KGP_percent_new(i,k)*PDG_KGP_new(i,j);
end
end
end
if N_KGP_new>0
for i=1:N_KGP_new
for j=1:no_nodes
KGP_energy_g(i)=365*sum(PDG_KGP_new_d(:,j,i));
if KGP_energy_g>0
break
end
end
CF_KGP(i)=KGP_energy_g(i)/(8760*(sum(PDG_KGP_new(i,j))));
end
end
332
Prilog
optimization_LF_d.m
function [wloss_g_alloc, ploss_h_alloc, Pfeeder_h_alloc, Unode_17_h_alloc]=optimization_LF_d(Unaz, BR, M,
R, X, B, PL_d, QL_d, PDG_SE_prev_d, PDG_HE_prev_d, PDG_VE_prev_d, PDG_EBUBDIKO_prev_d, PDG_GE_prev_d,
PDG_EBPKOOOBZPBODPPPPOV_prev_d, PDG_ETB_prev_d, PDG_KGP_prev_d, PDG_SE_new_d, PDG_HE_new_d, PDG_VE_new_d,
PDG_EBUBDIKO_new_d, PDG_GE_new_d, PDG_EBPKOOOBZPBODPPPPOV_new_d, PDG_ETB_new_d, PDG_KGP_new_d, SE, RE,
Totkupa, rast_tereta)
% računati će se satni tokovi snaga kroz period od jednog dana (24

% proračuna) za optimizacijski proračun tokova snaga
% optimizacijski proračun tokova snaga za satne periode tijekom cijelog dana (24 sata)
% računa i sumira gubitke djelatne snage za sve vodove u mreži, za svaki sat
% u obzir se uzima prosječan dan u jednoj kalendarskog godini, gledano po
% prosječnim vrijednostima ulaznih (mjerenih + estimiranih) podataka
% optimizacijski proračun tokova snaga najprije računa gubitke energije za
% prosječni dan u godini, uzeto sa postojećim i novim DI u mreži
% zatim se pretpostavlja da će ukupni godišnji gubici energije promatranog
% izvoda biti 365*(gubitak_energije_za_prosječni_dan)
% konačno se, ovisno o stopi porasta opterećenja za svaki čvor, definiraju
% gubici energije promatranog izvoda za svaku godinu do završetka trajanja
% Ugovora o otkupu električne energije (Totkupa)
% prema važećem "Tarifnom sustavu za
% proizvodnju električne energije iz obnovljivih izvora energije i
% kogeneracije" taj period je 14 godina
for godina=1:1:Totkupa
for m=1:1:br_red
PL_d_g_alloc(:,m)=PL_d(:,m)*(((1+rast_tereta(m)/100))^godina);
QL_d_g_alloc(:,m)=QL_d(:,m)*(((1+rast_tereta(m)/100))^godina);
end
for sat=1:1:24
[P, ploss, U]=optimization_LF(Unaz, BR, M, R, X, B, PL_d_g_alloc(sat,:), QL_d_g_alloc(sat,:),
PDG_SE_prev_d(sat,:,:), PDG_HE_prev_d(sat,:,:), PDG_VE_prev_d(sat,:,:), PDG_EBUBDIKO_prev_d(sat,:,:),
PDG_GE_prev_d(sat,:,:), PDG_EBPKOOOBZPBODPPPPOV_prev_d(sat,:,:), PDG_ETB_prev_d(sat,:,:),
PDG_KGP_prev_d(sat,:,:), PDG_SE_new_d(sat,:,:), PDG_HE_new_d(sat,:,:), PDG_VE_new_d(sat,:,:),
PDG_EBUBDIKO_new_d(sat,:,:), PDG_GE_new_d(sat,:,:), PDG_EBPKOOOBZPBODPPPPOV_new_d(sat,:,:),
PDG_ETB_new_d(sat,:,:), PDG_KGP_new_d(sat,:,:), SE, RE);
ploss_h_alloc(sat)=sum(ploss);
Pfeeder_h_alloc(sat)=P(1);
Unode_17_h_alloc(sat)=U(17);
end
wloss_d_alloc=sum(ploss_h_alloc);
wloss_g_alloc(godina)=365*wloss_d_alloc;
end
wloss_total_alloc=sum(wloss_g_alloc);
333
optimization_LF.m
function [P, ploss, U]=optimization_LF(Unaz, BR, M, R, X, B, PL_d_g_alloc, QL_d_g_alloc, PDG_SE_prev_d,
PDG_HE_prev_d, PDG_VE_prev_d, PDG_EBUBDIKO_prev_d, PDG_GE_prev_d, PDG_EBPKOOOBZPBODPPPPOV_prev_d,
PDG_ETB_prev_d, PDG_KGP_prev_d, PDG_SE_new_d, PDG_HE_new_d, PDG_VE_new_d, PDG_EBUBDIKO_new_d, PDG_GE_new_d,
PDG_EBPKOOOBZPBODPPPPOV_new_d, PDG_ETB_new_d, PDG_KGP_new_d, SE, RE)
% funkcija koja računa tokove snaga po vodovima mreže

% racunaju se djelatna i jalova snaga, te naponi sa magnitudom i faznim
% kutem, uključujući postojeće i nove DI koje želimo alocirati u mrežu
% kako je ovo ugniježđena funkcija, cilj je izračunati gubitke energije za
% svaki sat
% ualzni podaci su satni iznosi snage potrošača, postojećih DI (ako ih
% ima) i novih DI koje želimo alocirati u mrežu
[br_red,br_st]=size(BR);
PDG_SE_prev_sum_d=zeros(1,br_red);
[N_SE_prev,~]=size(PDG_SE_prev_d);
for k=1:N_SE_prev
for l=1:br_red
PDG_SE_prev_sum_d(1,l)=PDG_SE_prev_sum_d(1,l)+PDG_SE_prev_d(k,l);
end
end
PDG_HE_prev_sum_d=zeros(1,br_red);
[N_HE_prev,~]=size(PDG_HE_prev_d);
for k=1:N_HE_prev
for l=1:br_red
PDG_HE_prev_sum_d(1,l)=PDG_HE_prev_sum_d(1,l)+PDG_HE_prev_d(k,l);
end
end
PDG_VE_prev_sum_d=zeros(1,br_red);
[N_VE_prev,~]=size(PDG_VE_prev_d);
for k=1:N_VE_prev
for l=1:br_red
PDG_VE_prev_sum_d(1,l)=PDG_VE_prev_sum_d(1,l)+PDG_VE_prev_d(k,l);
end
end
PDG_EBUBDIKO_prev_sum_d=zeros(1,br_red);
[N_EBUBDIKO_prev,~]=size(PDG_EBUBDIKO_prev_d);
for l=1:br_red
PDG_EBUBDIKO_prev_sum_d(1,l)=PDG_EBUBDIKO_prev_sum_d(1,l)+PDG_EBUBDIKO_prev_d(k,l);
end
end
PDG_GE_prev_sum_d=zeros(1,br_red);
[N_GE_prev,~]=size(PDG_GE_prev_d);
for k=1:N_GE_prev
for l=1:br_red
PDG_GE_prev_sum_d(1,l)=PDG_GE_prev_sum_d(1,l)+PDG_GE_prev_d(k,l);
end
end
PDG_EBPKOOOBZPBODPPPPOV_prev_sum_d=zeros(1,br_red);
[N_EBPKOOOBZPBODPPPPOV_prev,~]=size(PDG_EBPKOOOBZPBODPPPPOV_prev_d);
for l=1:br_red
334
Prilog
PDG_EBPKOOOBZPBODPPPPOV_prev_sum_d(1,l)=PDG_EBPKOOOBZPBODPPPPOV_prev_sum_d(1,l)+PDG_EBPKOOOBZPBODPPPPOV_pre
v_d(k,l);
end
end
PDG_ETB_prev_sum_d=zeros(1,br_red);
[N_ETB_prev,~]=size(PDG_ETB_prev_d);
for k=1:N_ETB_prev
for l=1:br_red
PDG_ETB_prev_sum_d(1,l)=PDG_ETB_prev_sum_d(1,l)+PDG_ETB_prev_d(k,l);
end
end
PDG_KGP_prev_sum_d=zeros(1,br_red);
[N_KGP_prev,~]=size(PDG_KGP_prev_d);
for k=1:N_KGP_prev
for l=1:br_red
PDG_KGP_prev_sum_d(1,l)=PDG_KGP_prev_sum_d(1,l)+PDG_KGP_prev_d(k,l);
end
end
PDG_SE_new_sum_d=zeros(1,br_red);
[N_SE_new,~]=size(PDG_SE_new_d);
for k=1:N_SE_new
for l=1:br_red
PDG_SE_new_sum_d(1,l)=PDG_SE_new_sum_d(1,l)+PDG_SE_new_d(k,l);
end
end
PDG_HE_new_sum_d=zeros(1,br_red);
[N_HE_new,~]=size(PDG_HE_new_d);
for k=1:N_HE_new
for l=1:br_red
PDG_HE_new_sum_d(1,l)=PDG_HE_new_sum_d(1,l)+PDG_HE_new_d(k,l);
end
end
PDG_VE_new_sum_d=zeros(1,br_red);
[N_VE_new,~]=size(PDG_VE_new_d);
for k=1:N_VE_new
for l=1:br_red
PDG_VE_new_sum_d(1,l)=PDG_VE_new_sum_d(1,l)+PDG_VE_new_d(k,l);
end
end
PDG_EBUBDIKO_new_sum_d=zeros(1,br_red);
[N_EBUBDIKO_new,~]=size(PDG_EBUBDIKO_new_d);
for k=1:N_EBUBDIKO_new
for l=1:br_red
PDG_EBUBDIKO_new_sum_d(1,l)=PDG_EBUBDIKO_new_sum_d(1,l)+PDG_EBUBDIKO_new_d(k,l);
end
end
PDG_GE_new_sum_d=zeros(1,br_red);
[N_GE_new,~]=size(PDG_GE_new_d);
for k=1:N_GE_new
for l=1:br_red
PDG_GE_new_sum_d(1,l)=PDG_GE_new_sum_d(1,l)+PDG_GE_new_d(k,l);
335
end
end
PDG_EBPKOOOBZPBODPPPPOV_new_sum_d=zeros(1,br_red);
[N_EBPKOOOBZPBODPPPPOV_new,~]=size(PDG_EBPKOOOBZPBODPPPPOV_new_d);
for k=1:N_EBPKOOOBZPBODPPPPOV_new
for l=1:br_red
PDG_EBPKOOOBZPBODPPPPOV_new_sum_d(1,l)=PDG_EBPKOOOBZPBODPPPPOV_new_sum_d(1,l)+PDG_EBPKOOOBZPBODPPPPOV_new_d
(k,l);
end
end
PDG_ETB_new_sum_d=zeros(1,br_red);
[N_ETB_new,~]=size(PDG_ETB_new_d);
for k=1:N_ETB_new
for l=1:br_red
PDG_ETB_new_sum_d(1,l)=PDG_ETB_new_sum_d(1,l)+PDG_ETB_new_d(k,l);
end
end
PDG_KGP_new_sum_d=zeros(1,br_red);
[N_KGP_new,~]=size(PDG_KGP_new_d);
for k=1:N_KGP_new
for l=1:br_red
PDG_KGP_new_sum_d(1,l)=PDG_KGP_new_sum_d(1,l)+PDG_KGP_new_d(k,l);
end
end
fi=zeros(br_st,1);
delta=inf;
z=0;
Uprethodno=U;
fiprethodno=fi;
for i=br_red:-1:1
P(i)=0;
Q(i)=0;
for k=M(i):-1:1
P(i)=P(i)+PL_d_g_alloc(BR(i,k))-
(PDG_SE_prev_sum_d(BR(i,k))+PDG_HE_prev_sum_d(BR(i,k))+PDG_VE_prev_sum_d(BR(i,k))+PDG_EBUBDIKO_prev_sum_d(B
R(i,k))+PDG_GE_prev_sum_d(BR(i,k))+PDG_EBPKOOOBZPBODPPPPOV_prev_sum_d(BR(i,k))+PDG_ETB_prev_sum_d(BR(i,k))+
PDG_KGP_prev_sum_d(BR(i,k)))-
(PDG_SE_new_sum_d(BR(i,k))+PDG_HE_new_sum_d(BR(i,k))+PDG_VE_new_sum_d(BR(i,k))+PDG_EBUBDIKO_new_sum_d(BR(i,
k))+PDG_GE_new_sum_d(BR(i,k))+PDG_EBPKOOOBZPBODPPPPOV_new_sum_d(BR(i,k))+PDG_ETB_new_sum_d(BR(i,k))+PDG_KGP
_new_sum_d(BR(i,k)));
Q(i)=Q(i)+QL_d_g_alloc(BR(i,k));
if k>1
end
end
qCkraj(i)=B(i)/2*(U(RE(i))*1000)^2/1000;
if i>1
else
end
336
Prilog
end
for i=1:br_red
if i==1
else
end
end
for i=1:br_red
end
z=z+1;
end
337
net_present_value.m
function [NPV_SE, NPV_HE, NPV_VE, NPV_EBUBDIKO, NPV_GE, NPV_EBPKOOOBZPBODPPPPOV, NPV_ETB, NPV_KGP,
NPV_ODS]=net_present_value(population, N_SE_new, N_HE_new, N_VE_new, N_EBUBDIKO_new, N_GE_new,
N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, N_DI_new, SE_energy_g, HE_energy_g, VE_energy_g,
EBUBDIKO_energy_g, GE_energy_g, EBPKOOOBZPBODPPPPOV_energy_g, ETB_energy_g, KGP_energy_g, CccSE, CccHE,
CccVE, CccEBUBDIKO, CccGE, CccEBPKOOOBZPBODPPPPOV, CccETB, CccKGP, CfomSE, CfomHE, CfomVE, CfomEBUBDIKO,
CfomGE, CfomEBPKOOOBZPBODPPPPOV, CfomETB, CfomKGP, CvomSE, CvomHE, CvomVE, CvomEBUBDIKO, CvomGE,
diskontna_stopa_ETB, diskontna_stopa_KGP, diskontna_stopa_ODS, wloss_g, wloss_g_alloc, C_elen, rast_C_elen,
biom_ucin)
% pretpostavimo da je pozitivan nominalan novčani tijek (priljev) ostvaren

% u trenutku vremena t, t element intervala [0,T] označen sa Pt, te da je
% negativan nominalan novčani tijek (odljev) u nekom vremenskom trenutku označen sa Nt
% priljevi i odljevi ne moraju se nužno događati u istom trenutku
% petpostavimo dalje da je u svakom trenutku t u kojem se dogodi bilo kakav novčani tijek
% (pozitivan, negativan, ili oba) definiran neto nominalni novčani tijek, Vt = Pt – Nt
% ako sve takve novčane tijekove diskontiramo na današnje vrijeme, pa ih zbrojimo,
% dobit ćemo vrijednost koja se naziva neto sadašnjom vrijednošću projekta
% dakle, investotor ovisno o veličini elektrane ima negativne kapitalne

% troškove investicije, a godišnji cash-flow je rezultat razlike
% prihoda (feed-in tarife, tj. poticaji) i rashoda
% (fiksni+varijabilni troškovi)
% ODS nema kapitalne troškove, ali može imati negativne cash-flow
% tijekove novca zbog povećanih gubitaka u mreži
% ovdje će se uzeti da tvrtka diskontira novčane tijekove projekata stopom

% troška kapitala (WACC)
% od poduzeća koja su podložna regulatornoj kontroli u principu se zahtjeva
% da novčane tijekove svojih investicijskih projekata diskontiraju WACC-om
% često puta su to poduzeća koja uvijek obavljaju investicijska ulaganja
% istog tipa i stupnja rizičnosti (npr. u ceste, pruge, ili električne mreže),
% tako da to u osnovi, samo po sebi, ne može proizvesti velike pogreške u procjenama
% trošak kapitala je određeni postotak (ili pak relativna vrijednost između 0 i 1)
% koji govori o tome koliki prinos mora ostvariti poduzeće, kako bi namirilo sve zahtjeve
% i/ili očekivanja ulagača kapitala
% diskontna stopa koju treba primijeniti može u načelu biti nešto manja ili veća od
% WACC-a, ovisno o rizičnosti projekta u odnosu na poduzeće, odnosno u odnosu na tržište kapitala
% WACC također ovisi o rizičnosti poduzeća
NPV_SE=[];
for i=1:1:N_SE_new
[~,cc_size]=size(CccSE);
for t=1:1:cc_size/2
limit_power_cc(1,t)=CccSE(i-0,t);
end
for t=cc_size/2+1:1:cc_size
per_unit_cc(1,t-cc_size/2)=CccSE(i-0,t);
end
for t=1:1:cc_size/2
if population(i+N_DI_new)<=limit_power_cc(1,t)
NPV_SE_cc(i-0)=-per_unit_cc(1,t)*population(i+N_DI_new);
break
end
end
for k=1:1:Totkupa
[~,fom_size]=size(CfomSE);
for s=1:1:fom_size/2
limit_power_fom(1,s)=CfomSE(i-0,s);
end
for s=fom_size/2+1:1:fom_size
per_unit_fom(1,s-fom_size/2)=CfomSE(i-0,s);
end
if population(i+N_DI_new)<=limit_power_fom(1,s)
Fix_OM_SE(i-0)=per_unit_fom(1,s)*population(i+N_DI_new);
break
end
end
[~,vom_size]=size(CvomSE);
for u=1:1:vom_size/2
limit_energy_vom(1,u)=CvomSE(i-0,u);
end
for u=vom_size/2+1:1:vom_size
per_unit_vom(1,u-vom_size/2)=CvomSE(i-0,u);
end
338
Prilog
if SE_energy_g(i-0)<=limit_energy_vom(1,u)*1000
Var_OM_SE(i-0)=((per_unit_vom(1,u))/1000)*SE_energy_g(i-0);
break
end
end
if population(i+N_DI_new)<=5000
FIT_SE(i-0)=0.53*SE_energy_g(i-0);
end
[~,disk_size]=size(diskontna_stopa_SE);
for z=1:1:disk_size/2
limit_power_disk(1,z)=diskontna_stopa_SE(i-0,z);
end
for z=disk_size/2+1:1:disk_size
discount(1,z-disk_size/2)=diskontna_stopa_SE(i-0,z);
end
if population(i+N_DI_new)<=limit_power_disk(1,z)
NPV_SE_g(i-0,k)=(FIT_SE(i-0)-Fix_OM_SE(i-0)-Var_OM_SE(i-0))*(1/(1+discount(1,z)/100)^k);
break
end
end
end
NPV_SE(i-0)=NPV_SE_cc(i-0)+sum(NPV_SE_g(i-0,:));
end
NPV_HE=[];
for i=N_SE_new+1:1:N_SE_new+N_HE_new
[~,cc_size]=size(CccHE);
for t=1:1:cc_size/2
limit_power_cc(1,t)=CccHE(i-N_SE_new,t);
end
per_unit_cc(1,t-cc_size/2)=CccHE(i-N_SE_new,t);
end
for t=1:1:cc_size/2
NPV_HE_cc(i-N_SE_new)=-per_unit_cc(1,t)*population(i+N_DI_new);
break
end
end
for k=1:1:Totkupa
[~,fom_size]=size(CfomHE);
limit_power_fom(1,s)=CfomHE(i-N_SE_new,s);
end
per_unit_fom(1,s-fom_size/2)=CfomHE(i-N_SE_new,s);
end
Fix_OM_HE(i-N_SE_new)=per_unit_fom(1,s)*population(i+N_DI_new);
break
end
end
[~,vom_size]=size(CvomHE);
limit_energy_vom(1,u)=CvomHE(i-N_SE_new,u);
end
per_unit_vom(1,u-vom_size/2)=CvomHE(i-N_SE_new,u);
end
if HE_energy_g(i-N_SE_new)<=limit_energy_vom(1,u)*1000
Var_OM_HE(i-N_SE_new)=((per_unit_vom(1,u))/1000)*HE_energy_g(i-N_SE_new);
break
end
end
FIT_HE(i-N_SE_new)=0.93*HE_energy_g(i-N_SE_new);
elseif population(i+N_DI_new)>2000 && population(i+N_DI_new)<=5000
end
339
[~,disk_size]=size(diskontna_stopa_HE);
limit_power_disk(1,z)=diskontna_stopa_HE(i-N_SE_new,z);
end
discount(1,z-disk_size/2)=diskontna_stopa_HE(i-N_SE_new,z);
end
NPV_HE_g(i-N_SE_new,k)=(FIT_HE(i-N_SE_new)-Fix_OM_HE(i-N_SE_new)-Var_OM_HE(i-
N_SE_new))*(1/(1+discount(1,z)/100)^k);
break
end
end
end
NPV_HE(i-N_SE_new)=NPV_HE_cc(i-N_SE_new)+sum(NPV_HE_g(i-N_SE_new,:));
end
NPV_VE=[];
for i=N_SE_new+N_HE_new+1:1:N_SE_new+N_HE_new+N_VE_new
[~,cc_size]=size(CccVE);
for t=1:1:cc_size/2
limit_power_cc(1,t)=CccVE(i-N_SE_new-N_HE_new,t);
end
per_unit_cc(1,t-cc_size/2)=CccVE(i-N_SE_new-N_HE_new,t);
end
for t=1:1:cc_size/2
NPV_VE_cc(i-N_SE_new-N_HE_new)=-per_unit_cc(1,t)*population(i+N_DI_new);
break
end
end
for k=1:1:Totkupa
[~,fom_size]=size(CfomVE);
limit_power_fom(1,s)=CfomVE(i-N_SE_new-N_HE_new,s);
end
per_unit_fom(1,s-fom_size/2)=CfomVE(i-N_SE_new-N_HE_new,s);
end
Fix_OM_VE(i-N_SE_new-N_HE_new)=per_unit_fom(1,s)*population(i+N_DI_new);
break
end
end
[~,vom_size]=size(CvomVE);
limit_energy_vom(1,u)=CvomVE(i-N_SE_new-N_HE_new,u);
end
per_unit_vom(1,u-vom_size/2)=CvomVE(i-N_SE_new-N_HE_new,u);
end
if VE_energy_g(i-N_SE_new-N_HE_new)<=limit_energy_vom(1,u)*1000
Var_OM_VE(i-N_SE_new-N_HE_new)=((per_unit_vom(1,u))/1000)*VE_energy_g(i-N_SE_new-N_HE_new);
break
end
end
FIT_VE(i-N_SE_new-N_HE_new)=0.53*VE_energy_g(i-N_SE_new-N_HE_new);
FIT_VE(i-N_SE_new-N_HE_new)=0.53*VE_energy_g(i-N_SE_new-N_HE_new);
end
[~,disk_size]=size(diskontna_stopa_VE);
limit_power_disk(1,z)=diskontna_stopa_VE(i-N_SE_new-N_HE_new,z);
end
discount(1,z-disk_size/2)=diskontna_stopa_VE(i-N_SE_new-N_HE_new,z);
end
NPV_VE_g(i-N_SE_new-N_HE_new,k)=(FIT_VE(i-N_SE_new-N_HE_new)-Fix_OM_VE(i-N_SE_new-
N_HE_new)-Var_OM_VE(i-N_SE_new-N_HE_new))*(1/(1+discount(1,z)/100)^k);
break
340
Prilog
end
end
end
NPV_VE(i-N_SE_new-N_HE_new)=NPV_VE_cc(i-N_SE_new-N_HE_new)+sum(NPV_VE_g(i-N_SE_new-N_HE_new,:));
end
NPV_EBUBDIKO=[];
for i=N_SE_new+N_HE_new+N_VE_new+1:1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
[~,cc_size]=size(CccEBUBDIKO);
for t=1:1:cc_size/2
limit_power_cc(1,t)=CccEBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new,t);
end
per_unit_cc(1,t-cc_size/2)=CccEBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new,t);
end
for t=1:1:cc_size/2
NPV_EBUBDIKO_cc(i-N_SE_new-N_HE_new-N_VE_new)=-per_unit_cc(1,t)*population(i+N_DI_new);
break
end
end
for k=1:1:Totkupa
[~,fom_size]=size(CfomEBUBDIKO);
limit_power_fom(1,s)=CfomEBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new,s);
end
per_unit_fom(1,s-fom_size/2)=CfomEBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new,s);
end
Fix_OM_EBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new)=per_unit_fom(1,s)*population(i+N_DI_new);
break
end
end
[~,vom_size]=size(CvomEBUBDIKO);
limit_energy_vom(1,u)=CvomEBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new,u);
end
per_unit_vom(1,u-vom_size/2)=CvomEBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new,u);
end
if EBUBDIKO_energy_g(i-N_SE_new-N_HE_new-N_VE_new)<=limit_energy_vom(1,u)*1000
Var_OM_EBUBDIKO(i-N_SE_new-N_HE_new-
N_VE_new)=((per_unit_vom(1,u))/1000)*EBUBDIKO_energy_g(i-N_SE_new-N_HE_new-N_VE_new);
break
end
end
if biom_ucin(i-N_SE_new-N_HE_new-N_VE_new)<45
FIT_EBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new)=0.9*1.25*EBUBDIKO_energy_g(i-N_SE_new-N_HE_new-
N_VE_new);
elseif biom_ucin(i-N_SE_new-N_HE_new-N_VE_new)>=45 && biom_ucin(i-N_SE_new-N_HE_new-
N_VE_new)<=50
N_VE_new);
elseif biom_ucin(i-N_SE_new-N_HE_new-N_VE_new)>50
N_VE_new);
end
N_VE_new);
N_VE_new)<=50
N_VE_new);
N_VE_new);
end
N_VE_new);
N_VE_new)<=50
341
N_VE_new);
N_VE_new);
end
end
[~,disk_size]=size(diskontna_stopa_EBUBDIKO);
limit_power_disk(1,z)=diskontna_stopa_EBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new,z);
end
discount(1,z-disk_size/2)=diskontna_stopa_EBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new,z);
end
NPV_EBUBDIKO_g(i-N_SE_new-N_HE_new-N_VE_new,k)=(FIT_EBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new)-
Fix_OM_EBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new)-Var_OM_EBUBDIKO(i-N_SE_new-N_HE_new-
N_VE_new))*(1/(1+discount(1,z)/100)^k);
break
end
end
end
NPV_EBUBDIKO(i-N_SE_new-N_HE_new-N_VE_new)=NPV_EBUBDIKO_cc(i-N_SE_new-N_HE_new-
N_VE_new)+sum(NPV_EBUBDIKO_g(i-N_SE_new-N_HE_new-N_VE_new,:));
end
NPV_GE=[];
for i=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1:1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new
[~,cc_size]=size(CccGE);
for t=1:1:cc_size/2
limit_power_cc(1,t)=CccGE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,t);
end
per_unit_cc(1,t-cc_size/2)=CccGE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,t);
end
for t=1:1:cc_size/2
NPV_GE_cc(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new)=-
per_unit_cc(1,t)*population(i+N_DI_new);
break
end
end
for k=1:1:Totkupa
[~,fom_size]=size(CfomGE);
limit_power_fom(1,s)=CfomGE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,s);
end
per_unit_fom(1,s-fom_size/2)=CfomGE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,s);
end
Fix_OM_GE(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new)=per_unit_fom(1,s)*population(i+N_DI_new);
break
end
end
[~,vom_size]=size(CvomGE);
limit_energy_vom(1,u)=CvomGE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,u);
end
per_unit_vom(1,u-vom_size/2)=CvomGE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,u);
end
if GE_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new)<=limit_energy_vom(1,u)*1000
Var_OM_GE(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new)=((per_unit_vom(1,u))/1000)*GE_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new);
break
end
end
FIT_GE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new)=1.20*GE_energy_g(i-N_SE_new-N_HE_new-
N_VE_new-N_EBUBDIKO_new);
end
[~,disk_size]=size(diskontna_stopa_GE);
342
Prilog
limit_power_disk(1,z)=diskontna_stopa_GE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,z);
end
discount(1,z-disk_size/2)=diskontna_stopa_GE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,z);
end
NPV_GE_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,k)=(FIT_GE(i-N_SE_new-N_HE_new-
N_VE_new-N_EBUBDIKO_new)-Fix_OM_GE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new)-Var_OM_GE(i-N_SE_new-
N_HE_new-N_VE_new-N_EBUBDIKO_new))*(1/(1+discount(1,z)/100)^k);
break
end
end
end
NPV_GE(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new)=NPV_GE_cc(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new)+sum(NPV_GE_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,:));
end
NPV_EBPKOOOBZPBODPPPPOV=[];
for
i=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+1:1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new
+N_EBPKOOOBZPBODPPPPOV_new
[~,cc_size]=size(CccEBPKOOOBZPBODPPPPOV);
for t=1:1:cc_size/2
limit_power_cc(1,t)=CccEBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new,t);
end
per_unit_cc(1,t-cc_size/2)=CccEBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new,t);
end
for t=1:1:cc_size/2
NPV_EBPKOOOBZPBODPPPPOV_cc(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new)=-
break
end
end
for k=1:1:Totkupa
[~,fom_size]=size(CfomEBPKOOOBZPBODPPPPOV);
limit_power_fom(1,s)=CfomEBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new,s);
end
per_unit_fom(1,s-fom_size/2)=CfomEBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new,s);
end
Fix_OM_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new)=per_unit_fom(1,s)*population(i+N_DI_new);
break
end
end
[~,vom_size]=size(CvomEBPKOOOBZPBODPPPPOV);
limit_energy_vom(1,u)=CvomEBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new,u);
end
per_unit_vom(1,u-vom_size/2)=CvomEBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new,u);
end
if EBPKOOOBZPBODPPPPOV_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new)<=limit_energy_vom(1,u)*1000
Var_OM_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new)=((per_unit_vom(1,u))/1000)*EBPKOOOBZPBODPPPPOV_energy_g(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new);
break
end
end
FIT_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new)=1.26*EBPKOOOBZPBODPPPPOV_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new);
343
end
[~,disk_size]=size(diskontna_stopa_EBPKOOOBZPBODPPPPOV);
limit_power_disk(1,z)=diskontna_stopa_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new,z);
end
discount(1,z-disk_size/2)=diskontna_stopa_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new,z);
end
NPV_EBPKOOOBZPBODPPPPOV_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new,k)=(FIT_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new)-
Fix_OM_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new)-
Var_OM_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new))*(1/(1+discount(1,z)/100)^k);
break
end
end
end
NPV_EBPKOOOBZPBODPPPPOV(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new)=NPV_EBPKOOOBZPBODPPPPOV_cc(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new)+sum(NPV_EBPKOOOBZPBODPPPPOV_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new,:));
end
NPV_ETB=[];
for
i=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+1:1:N_SE_new+N_HE_new+N_VE_n
ew+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new
[~,cc_size]=size(CccETB);
for t=1:1:cc_size/2
limit_power_cc(1,t)=CccETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,t);
end
per_unit_cc(1,t-cc_size/2)=CccETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,t);
end
for t=1:1:cc_size/2
NPV_ETB_cc(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new)=-
break
end
end
for k=1:1:Totkupa
[~,fom_size]=size(CfomETB);
limit_power_fom(1,s)=CfomETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,s);
end
per_unit_fom(1,s-fom_size/2)=CfomETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,s);
end
Fix_OM_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new)=per_unit_fom(1,s)*population(i+N_DI_new);
break
end
end
[~,vom_size]=size(CvomETB);
limit_energy_vom(1,u)=CvomETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,u);
end
per_unit_vom(1,u-vom_size/2)=CvomETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,u);
end
if ETB_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new)<=limit_energy_vom(1,u)*1000
Var_OM_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new)=((per_unit_vom(1,u))/1000)*ETB_energy_g(i-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new);
344
Prilog
break
end
end
FIT_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new)=0.53*ETB_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new);
FIT_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new)=0.53*ETB_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
end
[~,disk_size]=size(diskontna_stopa_ETB);
limit_power_disk(1,z)=diskontna_stopa_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,z);
end
discount(1,z-disk_size/2)=diskontna_stopa_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new-N_EBPKOOOBZPBODPPPPOV_new,z);
end
NPV_ETB_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,k)=(FIT_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new)-Fix_OM_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new)-Var_OM_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new))*(1/(1+discount(1,z)/100)^k);
break
end
end
end
NPV_ETB(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new)=NPV_ETB_cc(i-
N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new)+sum(NPV_ETB_g(i-N_SE_new-
N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new,:));
end
NPV_KGP=[];
for
i=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+1:1:N_SE_new+N_HE_
new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+N_KGP_new
[~,cc_size]=size(CccKGP);
for t=1:1:cc_size/2
limit_power_cc(1,t)=CccKGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,t);
end
per_unit_cc(1,t-cc_size/2)=CccKGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,t);
end
for t=1:1:cc_size/2
NPV_KGP_cc(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)=-per_unit_cc(1,t)*population(i+N_DI_new);
break
end
end
for k=1:1:Totkupa
[~,fom_size]=size(CfomKGP);
limit_power_fom(1,s)=CfomKGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,s);
end
per_unit_fom(1,s-fom_size/2)=CfomKGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,s);
end
Fix_OM_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)=per_unit_fom(1,s)*population(i+N_DI_new);
break
end
end
[~,vom_size]=size(CvomKGP);
limit_energy_vom(1,u)=CvomKGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,u);
end
345
per_unit_vom(1,u-vom_size/2)=CvomKGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,u);
end
if KGP_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)<=limit_energy_vom(1,u)*1000
Var_OM_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)=((per_unit_vom(1,u))/1000)*KGP_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new);
break
end
end
FIT_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)=0.53*KGP_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
FIT_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)=0.53*KGP_energy_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new);
end
[~,disk_size]=size(diskontna_stopa_KGP);
limit_power_disk(1,z)=diskontna_stopa_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,z);
end
discount(1,z-disk_size/2)=diskontna_stopa_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,z);
end
NPV_KGP_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new,k)=(FIT_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)-Fix_OM_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)-Var_OM_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new))*(1/(1+discount(1,z)/100)^k);
break
end
end
end
NPV_KGP(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)=NPV_KGP_cc(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new)+sum(NPV_KGP_g(i-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new,:));
end
for k=1:1:Totkupa
C_elen_god=C_elen*(((1+rast_C_elen/100))^k);
[~,disk_size]=size(diskontna_stopa_ODS);
for h=1:1:disk_size/2
limit_power_disk(1,h)=diskontna_stopa_ODS(1,h);
end
for h=disk_size/2+1:1:disk_size
discount(1,h-disk_size/2)=diskontna_stopa_ODS(1,h);
end
total_P=0;
for i=1:1:N_DI_new
total_P=total_P+population(i+N_DI_new);
end
for h=1:1:disk_size/2
if total_P<=limit_power_disk(1,h)
NPV_ODS_g(k)=((wloss_g(k)-wloss_g_alloc(k))*C_elen_god/1000)*(1/(1+discount(1,h)/100)^k);
break
end
end
end
NPV_ODS=sum(NPV_ODS_g);
end
346
Prilog
chromosome_GA_NPV.m
function [chromosome]=chromosome_GA_NPV(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min, Qfeeder_min,
N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, N_DI_new, Imax, SE, RE, DG_step_size, SE_loc, HE_loc,
VE_loc, EBUBDIKO_loc, GE_loc, EBPKOOOBZPBODPPPPOV_loc, ETB_loc, KGP_loc, SE_size, HE_size, VE_size,
EBUBDIKO_size, GE_size, EBPKOOOBZPBODPPPPOV_size, ETB_size, KGP_size)
% ova funkcija kreira novi kromosom u funkciji genetskog algoritma za

% slučaj da se u prvoj generaciji (populaciji) GA nalaze kromosomi koji
% sadržavaju barem jedan projekt DI ili ODS-a sa NPV<0
length=N_DI_new*2;
for k=1:N_SE_new
c=false;
while(c==false)
p=randi(br_red);
if SE_loc(k-0,p)==1
chromosome(1,k)=p;
c=true;
else
c=false;
end
end
end
for k=N_SE_new+1:N_SE_new+N_HE_new
c=false;
while(c==false)
p=randi(br_red);
if HE_loc(k-N_SE_new,p)==1
chromosome(1,k)=p;
c=true;
else
c=false;
end
end
end
for k=N_SE_new+N_HE_new+1:N_SE_new+N_HE_new+N_VE_new
c=false;
while(c==false)
p=randi(br_red);
if VE_loc(k-N_SE_new-N_HE_new,p)==1
chromosome(1,k)=p;
c=true;
else
c=false;
end
end
end
for k=N_SE_new+N_HE_new+N_VE_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
c=false;
while(c==false)
p=randi(br_red);
if EBUBDIKO_loc(k-N_SE_new-N_HE_new-N_VE_new,p)==1
chromosome(1,k)=p;
c=true;
else
c=false;
end
end
end
for k=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new
c=false;
while(c==false)
p=randi(br_red);
if GE_loc(k-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,p)==1
chromosome(1,k)=p;
c=true;
else
347
c=false;
end
end
end
for
k=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+1:N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N
c=false;
while(c==false)
p=randi(br_red);
if EBPKOOOBZPBODPPPPOV_loc(k-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new,p)==1
chromosome(1,k)=p;
c=true;
else
c=false;
end
end
end
for
k=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+1:N_SE_new+N_HE_new+N_VE_new
c=false;
while(c==false)
p=randi(br_red);
if ETB_loc(k-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-
N_EBPKOOOBZPBODPPPPOV_new,p)==1
chromosome(1,k)=p;
c=true;
else
c=false;
end
end
end
for
k=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+1:N_SE_new+N_HE_ne
c=false;
while(c==false)
p=randi(br_red);
if KGP_loc(k-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-
N_ETB_new,p)==1
chromosome(1,k)=p;
c=true;
else
c=false;
end
end
end
for k=length/2+1:length/2+N_SE_new
d=false;
while(d==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=SE_size(k-length/2,t);
end
limit_gornji(1,t-pow_lim/2)=SE_size(k-length/2,t);
end
for t=1:1:pow_lim/2
chromosome(1,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for k=length/2+N_SE_new+1:length/2+N_SE_new+N_HE_new
d=false;
348
Prilog
while(d==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=HE_size(k-length/2-N_SE_new,t);
end
limit_gornji(1,t-pow_lim/2)=HE_size(k-length/2-N_SE_new,t);
end
for t=1:1:pow_lim/2
chromosome(1,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for k=length/2+N_SE_new+N_HE_new+1:length/2+N_SE_new+N_HE_new+N_VE_new
d=false;
while(d==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=VE_size(k-length/2-N_SE_new-N_HE_new,t);
end
limit_gornji(1,t-pow_lim/2)=VE_size(k-length/2-N_SE_new-N_HE_new,t);
end
for t=1:1:pow_lim/2
chromosome(1,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for k=length/2+N_SE_new+N_HE_new+N_VE_new+1:length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
d=false;
while(d==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=EBUBDIKO_size(k-length/2-N_SE_new-N_HE_new-N_VE_new,t);
end
limit_gornji(1,t-pow_lim/2)=EBUBDIKO_size(k-length/2-N_SE_new-N_HE_new-N_VE_new,t);
end
for t=1:1:pow_lim/2
chromosome(1,k)=r;
d=true;
break
else
d=false;
end
end
end
end
349
for
k=length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1:length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N
_GE_new
d=false;
while(d==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=GE_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,t);
end
limit_gornji(1,t-pow_lim/2)=GE_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new,t);
end
for t=1:1:pow_lim/2
chromosome(1,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for
k=length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+1:length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBD
IKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new
d=false;
while(d==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=EBPKOOOBZPBODPPPPOV_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-
end
limit_gornji(1,t-pow_lim/2)=EBPKOOOBZPBODPPPPOV_size(k-length/2-N_SE_new-N_HE_new-
N_VE_new-N_EBUBDIKO_new-N_GE_new,t);
end
for t=1:1:pow_lim/2
chromosome(1,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for
k=length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+1:length/2+N_SE_new
+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new
d=false;
while(d==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=ETB_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new-N_EBPKOOOBZPBODPPPPOV_new,t);
end
limit_gornji(1,t-pow_lim/2)=ETB_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new,t);
end
350
Prilog
for t=1:1:pow_lim/2
chromosome(1,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for
k=length/2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+1:length/
2+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_new+N_KGP_new
d=false;
while(d==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=KGP_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-
N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,t);
end
limit_gornji(1,t-pow_lim/2)=KGP_size(k-length/2-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,t);
end
for t=1:1:pow_lim/2
chromosome(1,k)=r;
d=true;
break
else
d=false;
end
end
end
end
for j=1:N_DI_new
PDG_new(j,chromosome(1,j))=chromosome(1,j+N_DI_new);
end

end
end
351
selection_function.m
function [reproduction_pool]=selection_function(population_size, tournament_size, NPV_total, population)
% ova funkcija obavlja k-turnirsku generacijsku selekciju nad kromosomima

% trenutne populacije (generacije)
% k-turnirska generacijska selekcija će biti selekcija sa duplikatima, što
% znači da slucajno odabire k jedinki, koje ne moraju biti nužno međusobno
% razlicite
[NPV_total_best, index_best]=max(NPV_total);
for k=1:population_size-1
for j=1:tournament_size
index(j)=randi(population_size);
end
NPV_tournament=-Inf;
for l=1:tournament_size
if NPV_total(index(l))>NPV_tournament
NPV_tournament=NPV_total(index(l));
index_reproduction_pool(k)=index(l);
end
end
end
if i==1
reproduction_pool(i,:)=population(index_best,:);
else
reproduction_pool(i,:)=population(index_reproduction_pool(i-1),:);
end
end
352
Prilog
crossover_function.m
function [crossover_children]=crossover_function(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min,
PDG_EBPKOOOBZPBODPPPPOV_prev, PDG_ETB_prev, PDG_KGP_prev, N_DI_new, Imax, SE, RE, reproduction_pool,
crossover_probability, population_size)
% ova funkcija obavlja križanje nad međupopulacijom u bazenu za

% reprodukciju
length=N_DI_new*2;
crossover_children(1,:)=reproduction_pool(1,:);
index_parent_one=randi([2,population_size]);
index_parent_two=randi([2,population_size]);
rand_crossover=rand(1);
if rand_crossover<=crossover_probability
for k=1:length/2
crossover_children(i,k)=reproduction_pool(index_parent_one,k);
end
for k=length/2+1:length
crossover_children(i,k)=reproduction_pool(index_parent_two,k);
end
else
crossover_children(i,:)=reproduction_pool(index_parent_one,:);
end
for j=1:N_DI_new
PDG_new(j,crossover_children(i,j))=crossover_children(i,j+N_DI_new);
end

end
end
353
mutation_function.m
function [population]=mutation_function(Unaz, BR, M, R, X, B, PL_max, QL_max, Pfeeder_min, Qfeeder_min,
N_EBPKOOOBZPBODPPPPOV_new, N_ETB_new, N_KGP_new, N_DI_new, Imax, SE, RE, crossover_children,
mutation_probability_one_DG_location, mutation_probability_step_size_location,
mutation_probability_one_DG_power, mutation_probability_step_size_power, population_size, DG_step_size,
VE_size, EBUBDIKO_size, GE_size, EBPKOOOBZPBODPPPPOV_size, ETB_size, KGP_size)
% ova funkcija obavlja dvije simultane mutacije nad međupopulacijom koju

% sačinjavaju djeca dobivena križanjem - mutaciju lokacije i mutaciju snage
[br_red,br_st]=size(BR);
population(1,:)=crossover_children(1,:);
for i=1:N_DI_new
if N_DI_new==1
mutation_probability_location(1,i)=mutation_probability_one_DG_location;
else
mutation_probability_location(1,i)=mutation_probability_one_DG_location*(mutation_probability_step_size_loc
ation)^(i-1);
end
end
for j=1:N_DI_new
if N_DI_new==1
mutation_probability_power(1,j)=mutation_probability_one_DG_power;
else
mutation_probability_power(1,j)=mutation_probability_one_DG_power*(mutation_probability_step_size_power)^(j
-1);
end
end
for k=2:population_size
rand_mutation_location=rand(1);
rand_mutation_power=rand(1);
no_of_DG_locations_to_change=0;
for l=1:N_DI_new
if rand_mutation_location<=mutation_probability_location(1,l)
no_of_DG_locations_to_change=l;
end
end
if no_of_DG_locations_to_change>0
location_change_necessary=true;
else
location_change_necessary=false;
end
if location_change_necessary==false
population(k,:)=crossover_children(k,:);
else
population(k,:)=crossover_children(k,:);
for m=1:no_of_DG_locations_to_change
index_of_DG_location_to_change=randi(N_DI_new);
if index_of_DG_location_to_change>=1 && index_of_DG_location_to_change<=N_SE_new

o=false;
while(o==false)
p=randi(br_red);
if SE_loc(index_of_DG_location_to_change-0,p)==1
population(k,index_of_DG_location_to_change)=p;
o=true;
else
354
Prilog
o=false;
end
end
end
if index_of_DG_location_to_change>=N_SE_new+1 &&
index_of_DG_location_to_change<=N_SE_new+N_HE_new
o=false;
while(o==false)
p=randi(br_red);
if HE_loc(index_of_DG_location_to_change-N_SE_new,p)==1
o=true;
else
o=false;
end
end
end
if index_of_DG_location_to_change>=N_SE_new+N_HE_new+1 &&
index_of_DG_location_to_change<=N_SE_new+N_HE_new+N_VE_new
o=false;
while(o==false)
p=randi(br_red);
if VE_loc(index_of_DG_location_to_change-N_SE_new-N_HE_new,p)==1
o=true;
else
o=false;
end
end
end
if index_of_DG_location_to_change>=N_SE_new+N_HE_new+N_VE_new+1 &&
index_of_DG_location_to_change<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
o=false;
while(o==false)
p=randi(br_red);
if EBUBDIKO_loc(index_of_DG_location_to_change-N_SE_new-N_HE_new-N_VE_new,p)==1
o=true;
else
o=false;
end
end
end
if index_of_DG_location_to_change>=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1 &&
index_of_DG_location_to_change<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new
o=false;
while(o==false)
p=randi(br_red);
if GE_loc(index_of_DG_location_to_change-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new,p)==1
o=true;
else
o=false;
end
end
end
if index_of_DG_location_to_change>=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1 &&
index_of_DG_location_to_change<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_EBPKOOOBZPBODPPPPOV_new
o=false;
while(o==false)
p=randi(br_red);
if EBPKOOOBZPBODPPPPOV_loc(index_of_DG_location_to_change-N_SE_new-N_HE_new-
N_VE_new-N_EBUBDIKO_new,p)==1
o=true;
else
o=false;
end
end
end
if
index_of_DG_location_to_change>=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_EBPKOOOBZPBODPPPPOV_new+1 &&
index_of_DG_location_to_change<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_n
ew
o=false;
while(o==false)
p=randi(br_red);
355
if ETB_loc(index_of_DG_location_to_change-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_EBPKOOOBZPBODPPPPOV_new,p)==1
o=true;
else
o=false;
end
end
end
if
index_of_DG_location_to_change>=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_n
ew+1 &&
index_of_DG_location_to_change<=N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_EBPKOOOBZPBODPPPPOV_new+N_ETB_n
ew+N_KGP_new
o=false;
while(o==false)
p=randi(br_red);
if KGP_loc(index_of_DG_location_to_change-N_SE_new-N_HE_new-N_VE_new-
N_EBUBDIKO_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,p)==1
o=true;
else
o=false;
end
end
end
end
end
no_of_DG_powers_to_change=0;
for n=1:N_DI_new
if rand_mutation_power<=mutation_probability_power(1,n)
no_of_DG_powers_to_change=n;
end
end
if no_of_DG_powers_to_change>0
power_change_necessary=true;
else
power_change_necessary=false;
end
if power_change_necessary==true
for o=1:no_of_DG_powers_to_change
index_of_DG_power_to_change=randi([N_DI_new+1,N_DI_new*2]);
if index_of_DG_power_to_change>=N_DI_new+1 &&
index_of_DG_power_to_change<=N_DI_new+N_SE_new
r=false;
while(r==false)
s=(randi([500/DG_step_size,10000/DG_step_size]))*DG_step_size;
for t=1:1:pow_lim/2
limit_donji(1,t)=SE_size(index_of_DG_power_to_change-N_DI_new,t);
end
limit_gornji(1,t-pow_lim/2)=SE_size(index_of_DG_power_to_change-N_DI_new,t);
end
for t=1:1:pow_lim/2
if s>limit_donji(1,t) && s<limit_gornji(1,t)
population(k,index_of_DG_power_to_change)=s;
r=1;
break
else
r=0;
end
end
end
end
if index_of_DG_power_to_change>=N_DI_new+N_SE_new+1 &&
index_of_DG_power_to_change<=N_DI_new+N_SE_new+N_HE_new
r=false;
while(r==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=HE_size(index_of_DG_power_to_change-N_DI_new-N_SE_new,t);
end
356
Prilog
limit_gornji(1,t-pow_lim/2)=HE_size(index_of_DG_power_to_change-N_DI_new-
N_SE_new,t);
end
for t=1:1:pow_lim/2
r=1;
break
else
r=0;
end
end
end
end
if index_of_DG_power_to_change>=N_DI_new+N_SE_new+N_HE_new+1 &&
index_of_DG_power_to_change<=N_DI_new+N_SE_new+N_HE_new+N_VE_new
r=false;
while(r==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=VE_size(index_of_DG_power_to_change-N_DI_new-N_SE_new-
N_HE_new,t);
end
limit_gornji(1,t-pow_lim/2)=VE_size(index_of_DG_power_to_change-N_DI_new-
N_SE_new-N_HE_new,t);
end
for t=1:1:pow_lim/2
r=1;
break
else
r=0;
end
end
end
end
if index_of_DG_power_to_change>=N_DI_new+N_SE_new+N_HE_new+N_VE_new+1 &&
index_of_DG_power_to_change<=N_DI_new+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new
r=false;
while(r==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=EBUBDIKO_size(index_of_DG_power_to_change-N_DI_new-N_SE_new-
N_HE_new-N_VE_new,t);
end
limit_gornji(1,t-pow_lim/2)=EBUBDIKO_size(index_of_DG_power_to_change-N_DI_new-
N_SE_new-N_HE_new-N_VE_new,t);
end
for t=1:1:pow_lim/2
r=1;
break
else
r=0;
end
end
end
end
if index_of_DG_power_to_change>=N_DI_new+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+1 &&
index_of_DG_power_to_change<=N_DI_new+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new
r=false;
while(r==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=GE_size(index_of_DG_power_to_change-N_DI_new-N_SE_new-
N_HE_new-N_VE_new-N_EBUBDIKO_new,t);
end
limit_gornji(1,t-pow_lim/2)=GE_size(index_of_DG_power_to_change-N_DI_new-
N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new,t);
end
for t=1:1:pow_lim/2
r=1;
break
357
else
r=0;
end
end
end
end
if
index_of_DG_power_to_change>=N_DI_new+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+1 &&
index_of_DG_power_to_change<=N_DI_new+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPP
POV_new
r=false;
while(r==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=EBPKOOOBZPBODPPPPOV_size(index_of_DG_power_to_change-N_DI_new-
N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new,t);
end
limit_gornji(1,t-
pow_lim/2)=EBPKOOOBZPBODPPPPOV_size(index_of_DG_power_to_change-N_DI_new-N_SE_new-N_HE_new-N_VE_new-
end
for t=1:1:pow_lim/2
r=1;
break
else
r=0;
end
end
end
end
if
index_of_DG_power_to_change>=N_DI_new+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPP
POV_new+1 &&
POV_new+N_ETB_new
r=false;
while(r==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=ETB_size(index_of_DG_power_to_change-N_DI_new-N_SE_new-
N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new,t);
end
limit_gornji(1,t-pow_lim/2)=ETB_size(index_of_DG_power_to_change-N_DI_new-
N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new,t);
end
for t=1:1:pow_lim/2
r=1;
break
else
r=0;
end
end
end
end
if
index_of_DG_power_to_change>=N_DI_new+N_SE_new+N_HE_new+N_VE_new+N_EBUBDIKO_new+N_GE_new+N_EBPKOOOBZPBODPPP
POV_new+N_ETB_new+1 &&
POV_new+N_ETB_new+N_KGP_new
r=false;
while(r==false)
for t=1:1:pow_lim/2
limit_donji(1,t)=KGP_size(index_of_DG_power_to_change-N_DI_new-N_SE_new-
N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,t);
end
limit_gornji(1,t-pow_lim/2)=KGP_size(index_of_DG_power_to_change-N_DI_new-
N_SE_new-N_HE_new-N_VE_new-N_EBUBDIKO_new-N_GE_new-N_EBPKOOOBZPBODPPPPOV_new-N_ETB_new,t);
end
for t=1:1:pow_lim/2
r=1;
358
Prilog
break
else
r=0;
end
end
end
end
end
end
for j=1:N_DI_new
PDG_new(j,population(k,j))=population(k,j+N_DI_new);
end

end
end
359
ŽIVOTOPIS
Rene Prenc je rođen 3. listopada 1984. u Rijeci, u Republici Hrvatskoj. Tehnički fakultet u
Rijeci, smjer Elektrotehnika upisao je 2003. godine, a diplomirao je 2008. godine na
usmjerenju Električna postrojenja. Tijekom diplomskoga studija ostvario je prosječnu ocjenu
svih ispita od 4,5, a dobitnik je i nagrade za najboljeg studenta generacije 2006./2007. na
smjeru elektrotehnika.
Od 2008. zaposlen je u tvrtci Hrvatska Elektroprivreda (HEP-a d.d.), HEP ODS
Elektroprimorje Rijeka gdje radi u Službi za razvoj i investicije, Odjelu za razvoj i pristup
mreži kao planer srednjenaponske mreže grada Rijeke. Također, od 2009. honorarno je
zaposlen kao stručni suradnik na Pomorskom fakultetu u Rijeci, na Zavodu za elektrotehniku,
automatiku i informatiku.
Područje njegovoga znanstvenoga rada obuhvaća kratkoročno planiranje razvoja i
izgradnje distribucijskih mreža, modeliranje distribuiranih izvora električne energije i njihov
optimalan razmještaj u srednjenaponskoj distribucijskoj mreži. Autor je većega broja
znanstvenih i stručnih članaka iz područja elektroenergetike.
360
Životopis
POPIS OBJAVLJENIH ZNANSTVENIH RADOVA
Izvorni znanstveni i pregledni radovi u CC časopisima:
1. Prenc, Rene; Škrlec, Davor; Komen, Vitomir. Distributed generation allocation based
on average daily load and power production curves. // International journal of electrical
power & energy systems. 53 (2013) ; 612-622 (članak, znanstveni).
Znanstveni radovi u drugim časopisima:
1. Prenc, Rene; Škrlec, Davor; Komen, Vitomir. A novel load flow algorithm for radial
distribution networks with dispersed generation. // Tehnički vjesnik – Technical Gazette.
20 (2013) , 6; 969-977 (članak, znanstveni).
2. Prenc, Rene; Komen, Vitomir; Bogunović, Nikola. GIS-based Determination of

Optimal Accommodation of Embedded Generation on the MV Network. // The
International Journal on Communications Antenna and Propagation (IRECAP). 2 (2012) , 2;
91-101 (članak, znanstveni).
Znanstveni radovi u zbornicima skupova s međunarodnom recenzijom:
1. Prenc, Rene; Škrlec, Davor; Komen, Vitomir. Optimal PV System Placement in a

Distribution Network on the Basis of Daily Power Consumption and Production
Fluctuation. // IEEE EuroCon 2013 / Kuzle, Igor ; Capuder, Tomislav ; Pandžić, Hrvoje (ur.).
Zagreb : Curran Associates, Inc., 2013. 777-783 (predavanje, međunarodna recenzija,
objavljeni rad, znanstveni).
361
CURRICULUM VITAE
Rene Prenc was born on 3rd of October in 1984 in Rijeka, Croatia. In 2003 he enrolled at
the "Faculty of Engineering" in Rijeka and graduated from the university study programme of
Electrical Engineering in 2008, with course in Electrical Facilities. During his studies his
average grade was 4.5, and he received an award for the best student in electrical engineering
programme for the generation 2006/2007.
From 2008 he is employed in the company "Hrvatska Elektroprivreda" (HEP Group),
"HEP ODS Elektroprimorje Rijeka", where he works as a planner for the medium voltage
network of the city of Rijeka in the Office for Development and Investments, Department for
Network Development and Connection. Also, from 2009 he is a part-time employee at the
"Faculty of Maritime Studies", where he works as an expert assistant on the Department for
Marine Electronics and Communications.
The area of his scientific research includes short-term distribution network planning,
modeling of distributed generation and its optimal allocation in a medium voltage distribution
network. He is an author of a significant number of original scientific and professional papers
in the field of electrical engineering.
362

Optimalan Razmještaj Distribuirane Proizvodnje U Srednjenaponskim Elektroenergetskim Mrežama

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Optimalan Razmještaj Distribuirane Proizvodnje U Srednjenaponskim Elektroenergetskim Mrežama

Uploaded by

Copyright:

Available Formats

FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA

OPTIMALAN RAZMJEŠTAJ DISTRIBUIRANE

OPTIMALAN RAZMJEŠTAJ DISTRIBUIRANE

OPTIMAL ALLOCATION OF DISTRIBUTED

Davor Škrlec je rođen 1. siječnja 1963. godine u Vinkovcima, Republika Hrvatska. Na

Traženje optimalnoga razmještaja distribuirane proizvodnje u srednjenaponskim

OPTIMAL ALLOCATION OF DISTRIBUTED GENERATION IN MEDIUM

2. OPĆENITO O DISTRIBUIRANIM IZVORIMA ELEKTRIČNE ENERGIJE .........3

3. PROBLEMATIKA PLANIRANJA SREDNJENAPONSKIH MREŽA U

4. METODE PROCJENE INVESTICIJSKIH PROJEKATA..................................... 76

4.3.6. Temeljne metode ....................................................................................................94

5. OPTIMIZACIJA GENETSKIM ALGORITMIMA.............................................. 100

6. DOSADAŠNJA ISKUSTVA U RJEŠAVANJU PROBLEMA OPTIMALNOG

7. OPIS NOVOG ALGORITMA ZA RJEŠAVANJE PROBLEMA OPTIMALNA

8. PRIMJENA NOVOG ALGORITMA ................................................................... 239

PRILOG ...................................................................................................................... 296

CURRICULUM VITAE ............................................................................................... 362

Slika 2.1. Primjer elektroenergetskoga sustava s distribuiranim izvorima.........................................4

Slika 8.2. Podjela potrošača distribucijske mreže u primjeru.......................................................244

Tradicionalni distribucijski elektroenergetski sustavi donedavno su bili planirani i

Naime sa stajališta planiranja, priključenje distribuiranih izvora ne predstavlja samo tehničku

2. OPĆENITO O DISTRIBUIRANIM IZVORIMA

2.1. Pojam distribuirane proizvodnje električne energije

Slika 2.1. Primjer elektroenergetskoga sustava s distribuiranim izvorima

Neki od ekonomskih preduvjeta koji stimuliraju povećanje udjela distribuiranih izvora u

2.2. Integracija distribuiranih izvora unutar Europske unije

Slika 2.2. Ciljevi energetske politike EU-a 20-20-20 do 2020. godine

Tablica 2.1. Usvojeni nacionalni akcijski planovi zemalja članica EU-a

Pritom je očigledno da su zadaće pojedinih zemalja različite i ovise o zatečenom udjelu te

Ukupan kapacitet od 44,9 GW novih elektrana predstavljao je porast za 1,3 GW u odnosu

izgraditi prvo nuklearno postrojenje u Europi od tragedije u japanskoj Fukushimi. Projekt

2.3. Vrste distribuiranih izvora koji se mogu priključiti na

2.3.1. Sunčane elektrane

rasprostranjuje po površini Zemlje ovisno o zemljopisnoj širini, godišnjemu dobu i dužini

Fotonaponski sustavi su modularnoga tipa, s jedinicama snage od 50 W do 300 W, koji se

Slika 2.4. Primjer fotonaponske elektrane Kukuljanovo

prirodna vodnoga potencijala, u prvom redu pregrađivanjem vodnoga toka branom i

Slika 2.5. Primjer mini hidroelektrane Pleternica

Sva obnovljiva energija dolazi od Sunca. Oko 1 % do 2 % te energije pretvara se u energiju

Slika 2.6. Primjer vjetroparka Trtar-Krtolin

2.3.4. Elektrane na biogorivo

tehnologije. Danas se primjena biomase za proizvodnju energije potiče uvažavajući načelo

Slika 2.7. Primjer kogeneracijskoga postrojenja na biomasu Lika Energo Eko

2.3.5. Geotermalne elektrane

Geotermalna energija je toplinska energija koja se nalazi u Zemljinoj kori. Svrstavanje

tome su najvažniji podaci o temperaturama, količini vode/pare i o sastavu tla na nekom

2.3.5.1. Geotermalna elektrana s isparavanjem

prilagođenije su distribuiranoj proizvodnji. Elektrana s isparavanjem je jeftinija i

2.3.5.2. Geotermalna elektrana s binarnim ciklusom

2.3.6. Kogeneracijska postrojenja koja kao pogonsko gorivo ne

Budući da se u hrvatskom tarifnom sustavu potiče proizvodnja električne energije iz

lokalnu distribucijsku mrežu. Prednost malih kogeneracijskih elektrana je i u modularnoj

2.3.6.1. Plinskoturbinska kogeneracija

Slika 2.8. Primjer kogeneracijskoga postrojenja na plin u sklopu bazenskoga kompleksa

2.3.6.2. Termomotorna kogeneracija

2.3.6.3. Parnoturbinska kogeneracija

2.3.7. Procjena troškova izgradnje i održavanja različitih vrsta

TRizg  trizg  Pnaz (2.1)

gdje je Pnaz nazivna (instalirana) snaga elektrane.

TRsto  trsto  Pnaz (2.2)

gdje trsto označava specifične stalne troškove (n.j./kW).

TRvto  trvto  W god (2.3)

U tablici 2.2. navedena je procjena troškova izgradnje i održavanja različitih tipova