Оптимизация состава оборудования гибридных энергетических систем с возобновляемыми источниками энергии
Автор: Обухов Сергей Геннадьевич, Ибрагим Ахмед
Журнал: Вестник Южно-Уральского государственного университета. Серия: Энергетика @vestnik-susu-power
Рубрика: Альтернативные источники энергии
Статья в выпуске: 2 т.20, 2020 года.
Бесплатный доступ
Статья посвящена разработке методики и программного приложения для оптимизации состава оборудования гибридных энергетических систем с возобновляемыми источниками энергии. Приведено описание предлагаемой методики и математических моделей основных компонентов гибридных систем: фотоэлектрической станции, ветроэнергетической установки, аккумуляторной батареи и дизель-генераторной установки. Отличительной особенностью предлагаемой методики является использование для прогнозирования солнечной радиации оригинальной модели на базе данных Национального управления по аэронавтике и исследованию космического пространства. Это позволяет ее использовать для прогнозирования основных характеристик солнечного излучения в любой географической точке России, в том числе и для территорий, по которым отсутствуют результаты регулярных актинометрических наблюдений. Для прогнозирования суточного хода скорости ветра используется функция обратного распределения Вейбулла, что обеспечивает повышение достоверности прогнозирования выработки электроэнергии ветроэнергетической установкой на суточных временных интервалах. Для решения оптимизационной задачи используется эволюционный алгоритм роя частиц, который обеспечивает надежное и эффективное определение глобального экстремума целевой функции при различных критериях оптимизации и ограничениях. Рассмотрен практический пример применения методики для выбора оптимального состава оборудования гибридной энергетической системы с различной конфигурацией оборудования, территориально размещенной в районе города Владивостока. Методика реализована в виде программного приложения в популярном математическом комплексе MATLAB, что обеспечивает удобство ее практического применения.
Гибридные энергетические системы, возобновляемые источники энергии, оптимизация состава оборудования, алгоритм роя частиц
Короткий адрес: https://sciup.org/147234055
IDR: 147234055 | DOI: 10.14529/power200206
Текст научной статьи Оптимизация состава оборудования гибридных энергетических систем с возобновляемыми источниками энергии
Одной из наиболее востребованных и активно развивающихся технологий производства электрической энергии в настоящее время являются гибридные энергетические системы с возобновляемыми источниками энергии (hybrid renewable energy systems – HRES) [1, 2].
Первоочередной областью практического применения HRES является электроснабжение потребителей, территориально расположенных в труднодоступных районах, удаленных от центральной электрической сети. Огромные территории с плохо развитой транспортной инфраструктурой и низкая плотность населения определяют хорошие перспективы практического применения HRES в России. По оценкам Минэнерго РФ потенциал для малой генерации насчитывает около 100 тыс. небольших изолированных поселений по всей территории России, в том числе в ряде районов Крайнего Севера и Дальнего Востока, где обеспечить централизованное энергоснабжение невозможно по техническим и экономическим причинам [3]. Велик потенциал развития малой генерации на объектах инфраструктуры Северного морского пути, объектов Министерства обороны РФ, Министерства природных ресурсов и др. Это энергоснабжение метеорологических станций, маяков, военной техники, судового оборудования, объектов сотовой связи, рыбацких хозяйств, кемпингов, технологических потребителей нефте- и газопроводов [4].
В общем случае в составе HRES могут использоваться генерирующие источники различной физической природы, однако наибольшее распространение получили HRES на основе фотоэлектрических (photovoltaic – PV) и ветроэнергетических установок (wind turbines – WT) [5]. Объясняется это тем, что энергия ветра и солнечного излучения являются наиболее доступными видами энергии, энергетические установки на их основе выпускаются на широкий диапазон мощностей и их можно максимально приблизить к потребителям электроэнергии, что особенно важно для автономной энергетики. Для сглаживания баланса мощностей в составе большинства автономных HRES применяются накопители энергии на основе аккумуляторных батарей (battery bank – BB) и/или топливных элементов (fuel cell – FC), в качестве гарантированного источника питания чаще всего применяются дизель-генераторные установки (DG).
HRES могут значительно различаться по установленной мощности, типу и количеству генерирующих источников, архитектуре построения, алгоритмам управления режимами и т. п. [1, 5, 6]. При этом неизменной и важной задачей проектирования любой HRES является выбор состава основного энергетического оборудования, при котором будут обеспечены необходимая надежность энергетической системы и хорошие техникоэкономические показатели. Стохастический характер первичных энергоносителей и нелинейность характеристик генерирующих источников определяют высокую сложность решения данной проблемы, которая с математической точки зрения формулируется как оптимизационная задача.
Решению задач оптимизации состава оборудования HRES в последнее время посвящено большое количество научных работ, авторы которых используют разнообразные критерии и алгоритмы оптимизации, применяют и разрабатывают различные модели компонентов HRES [7, 8]. Проведенный обзор современных научных работ, посвященных оптимизации состава оборудования HRES, показал, что основными проблемами решения данной задачи являются достоверное прогнозирование мощности, генерируемой установками возобновляемой энергетики, и выбор алгоритма решения оптимизационной задачи, обеспечивающего надежное определение экстремума целевой функции при заданных ограничениях с минимальными временными затратами. Применение разнообразных приемов и способов достижения цели исследований свидетельствует о том, что на сегодняшний день научная проблема оптимизации состава оборудования HRES остается актуальной и не имеет законченного решения.
Цель настоящей работы состояла в разработке методики оптимизации состава оборудования HRES, обеспечивающей ее практическое применение для выбора оборудования энергетических систем, территориально расположенных в любом регионе России. Необходимость создания такой методики отмечается авторами работ [9, 10], посвященных решению аналогичных научно-исследовательских задач. Отличительной особенностью разработанной методики является использование для прогнозирования солнечной радиации оригинальной модели на базе данных Национального управления по аэронавтике и исследованию космического пространства (National Aeronautics and Space Administration – NASA) [11] и применение функции обратного распределения Вейбулла для прогнозирования суточного хода скорости ветра.
Предлагаемая методика построена на основе алгоритма роя частиц (particle swarm optimization –
PSO), который является одним из самых распространенных для решения задач оптимизации HRES [12–14]. Результаты сравнения алгоритма PSO с другими видами алгоритмов при решении задач оптимизации состава оборудования HRES доказывают его высокую производительность [2, 15–17], а также надежное функционирование при использовании различных целевых функций и ограничений [18].
В качестве основного инструмента при проведении исследований использовался программный комплекс MATLAB, в котором и реализована математическая модель оптимизационной задачи.
Формирование временных рядов данных
Так как режимы работы HRES определяются соотношением мощностей, генерируемой источниками энергии и потребляемой нагрузкой, для их моделирования необходимо сформировать временные ряды климатических данных и графика нагрузки потребителя. Климатические ряды данных формируются на основе географических координат размещения HRES и данных многолетних наблюдений ближайшей метеостанции, для построения графика электрических нагрузок используются имеющиеся данные об объекте электроснабжения.
В настоящей работе для построения временного ряда солнечной радиации G ( t ) используется комбинированная модель, в которой часть параметров рассчитывается по аналитическим выражениям, а часть определяется с помощью эмпирических коэффициентов, полученных из базы данных NASA [11] для заданной в расчетах географической точки размещения солнечной батареи (СБ). Суммарная солнечная радиация, поступающая на поверхность СБ, определяется по выражению
G = (Gh -Gdh)■+ cos 9 z
_ . cos 9 Z1 . 1 + 1 + cos P)
-
+ GDH ■ Ai—^ + (1- 4)'|—+ cos 9 zV
-
1 - cos в
-
+ GH ■P2---,
где G H , G DH – значения суммарной и рассеянной солнечной радиации, поступающей на горизонтальную поверхность, соответственно, Вт/м2; θ – угол между направлением потока солнечного излучения к поверхности и нормалью к ней, рад; θ z – зенитный угол Солнца, рад; ρ – альбедо земной поверхности; β – угол наклона приемной площадки к горизонтальной плоскости, рад; Ai – показатель анизотропии, который определяется по уравнению
A i = G G - , (2)
G 0
где G 0 = 1367 Вт/м2 – внеатмосферная радиация на горизонтальную поверхность.
Используемая в настоящих исследованиях модель солнечной радиации подробно описана в работе [11]. Особенностью модели является использование в качестве исходных данных численных значений индекса прозрачности атмосферы и альбедо поверхности, полученных из базы данных NASA. Это позволяет использовать модель для прогнозирования основных характеристик солнечного излучения в любой географической точке России, в том числе и для территорий, по которым отсутствуют результаты регулярных актинометрических наблюдений.
Для построения временного ряда скоростей ветра V ( t ) экспериментальные данные о скорости ветра аппроксимируются стандартной функцией распределения Вейбулла:
-
( V ) k
F(V ) = 1 - e I c ^ , (3) где с – параметр масштаба; k – параметр формы; F ( V ) – функция интегральной повторяемости скорости ветра.
С помощью известных методов статистической обработки экспериментальных данных, подробно представленных в [19], предварительно определяются значения коэффициентов с и k для каждого месяца года, и на их основе формируется временной ряд скоростей ветра для необходимого промежутка времени согласно распределению
V ( t ) = c •[- In ( 1 - F(V ) ) ] k (4)
Результаты предварительно проведенных исследований показали, что использование функции обратного распределения Вейбулла (4) позволяет значительно повысить достоверность прогнозирования выработки электроэнергии WT на суточных временных интервалах.
Для построения временного ряда температуры воздуха Т ( t ) используется модель суточного хода температуры [20], согласно которой
T ( t ) = T + 0,5 A T ■ cos [ 2 П ■ ( t мест - t max )/ t пер ] , (5)
где T – среднесуточная температура воздуха, °С; ∆Т – суточная амплитуда температуры воздуха, °С; tпер – период изменения температуры воздуха, ч; t max – местное время максимума температуры, ч; t мест – локальное (местное) солнечное время, ч.
Модель суточного хода температуры применима для любого дня года и любого населенного пункта, а ее применение обосновано тем, что изменения температуры в северных широтах имеют явно выраженный суточный ход, учет которого позволяет повысить точность прогнозирования выработки электроэнергии PV.
Для построения временного ряда графика электрических нагрузок используется вероятностно - статистическая модель электрических нагрузок децентрализованного потребителя [21]:
P oad ( t) = P ik • ks k ±P^ P ik ), (6)
где P load ( t ) – расчетная активная электрическая нагрузка, Вт; Pik – математическое ожидание активной нагрузки i - го часа k - го сезона (определяется по статистическим графикам), Вт; k Sk – коэффици ент сезонности; g( P ik ) - среднее квадратичное отклонение; β – коэффициент надежности расчета (при вероятности 0,975 β = 2).
Используемая в данной работе вероятностностатистическая модель позволяет получить достаточно точный детальный прогноз режимов потребления электрической энергии для конкретного объекта электроснабжения со специфическими для него особенностями.
Временные ряды данных формируются на первом этапе исследований, сохраняются в виде .mat файлов и используются в дальнейшем для моделирования рабочих режимов HRES. Такая организация вычислений позволяет значительно снизить требования к вычислительным ресурсам компьютера, а также обеспечивает возможность решения оптимизационной задачи с различными критериями оптимизации и ограничениями.
Модели компонентов
Для решения задач оптимизации состава оборудования HRES преимущественно используются упрощенные «энергетические» модели компонен- тов, однозначно связывающие их выходные энергетические характеристики с внешними факторами и входными воздействиями [12, 14, 17].
В настоящей работе для определения выходной электрической мощности СБ используется следующее выражение [20]:
P pv = C ff ■ ^ FM ■ ncon v ■ G ■ ln(106 ■ G )/ T fm , Вт, (7) где N FM – число фотоэлектрических модулей (ФМ) в СБ; C FF – постоянный коэффициент СБ; η conv – КПД преобразователя с контроллером максимальной мощности; G – текущий уровень солнечной радиации, Вт/м2; Т FM – текущая температура ФМ, К.
Численные значения коэффициента CFF опре- деляются по уравнению cff =
FF ■ T ef ------ref X
G ref
[ I SC + k I( T FM T re^H V OC + k V( T FM T ref) ] zo\
X a , (8)
ln(106 ■ G ref )
где FF – коэффициент заполнения вольт-амперной характеристики (ВАХ) ФМ; T ref , G ref – значения температуры и освещенности ФМ при стандартных условиях; k I, k V – температурные коэффициенты тока короткого замыкания и напряжения холостого хода ФМ соответственно.
Коэффициент заполнения ВАХ ФМ определяется по данным их технической спецификации:
FF = I MPP ■ V MPP I S SC ■ V OC , (9)
где IMPP, VMPP – паспортные значения тока и на- пряжения ФМ в точке максимальной мощности; ISC, VOC – паспортные значения тока короткого замыкания и напряжения холостого хода ФМ при стандартных условиях тестирования.
Для определения температуры поверхности ФМ используется эмпирическое выражение, полученное по результатам статистической обработки экспериментальных данных, полученных в условиях эксплуатации кремниевых ФМ в Сибири [20]:
T FM = T + 0,0283 - G - 0,0058 - G - V +
+ 0,0005 - G - V 2, ° C,
где Т – температура окружающего воздуха, °С; V – скорость ветра, м/с; G – текущий уровень солнечной радиации, Вт/м2.
Нужно отметить, что многие авторы в своих исследованиях принимают температуру поверхности ФМ, равной температуре окружающего воздуха, что обуславливает заметное снижение точности расчетов при определении выходной электрической мощности СБ. Результаты эксплуатации фотоэлектрических станций показывают, что превышение температуры ФМ над температурой внешней среды при высоких значениях солнечной инсоляции может достигать 30 °С, поэтому учет реальной температуры ФМ в эксплуатационных условиях позволяет существенно повысить достоверность результатов при определении выходной мощности СБ P PV.
Выходная электрическая мощность WT определяется скоростью ветра, набегающего на ветро-колесо, и рабочей характеристикой, заявленной ее производителем. В настоящей работе для определения выходной мощности WT используется распространенная «кубическая» аппроксимация рабочей характеристики [12, 14]:
Показатель | Оборудование | ||||
Kyocera Solar KD320GX-LPB | Aeolos H2KW | HOPPECKE 8OPzS 800 | Perkins 403D-15G | Victron Phoenix3000 | |
Номинальная мощность (емкость) | 320 Вт | 2 кВт | 1,6 кВт∙ч | 12 кВт | 12 кВт |
Капитальные затраты, долл. США | 800 | 4200 | 360 | 10 000 | 8600 |
Затраты на обслуживание, долл. США | 8 | 170 | 3,6 | 0,33/ч | 0 |
Срок службы | 20 лет | 20 лет | 5 лет | 15 000 ч | 10 лет |
Таблица 2
Оптимальный состав оборудования HRES с гарантированным источником питания
Конфигурация HRES | Количество единиц оборудования | LCC, долл. США | |||
NPV | NWT | NBB | NDG | ||
DG | 0 | 0 | 0 | 1 | 20 046 |
DG-PV-BB | 86 | 0 | 73 | 1 | 17 044 |
DG-WT-BB | 0 | 14 | 40 | 1 | 16 310 |
DG-PV-WT-BB | 39 | 8 | 38 | 1 | 14 428 |
Таблица 3
Оптимальный состав оборудования HRES без гарантированного источника питания
LPSP*, % | Количество единиц оборудования | LCC, долл. США | |||
NPV | NWT | NBB | NDG | ||
2 | 51 | 9 | 39 | 0 | 14 146 |
1 | 53 | 9 | 42 | 0 | 14 588 |
0 | 79 | 4 | 63 | 0 | 15 846 |

Рис. 4. Структура общих затрат на гибридную энергетическую систему

Рис. 5. Временные диаграммы режимов работы гибридной энергетической системы
состава оборудования HRES произвольной конфигурации, но и разработки эффективных алгоритмов контроля и управления режимами.
Результаты решения задач оптимизации состава оборудования HRES без DG представлены в табл. 3. Результаты получены для различных значений показателя вероятности потери питания LPSP*.
Полученные результаты свидетельствуют о том, что конфигурации HRES без гарантированного источника питания являются конкурентоспособными по величине LCC с конфигурациями HRES, представленными в табл. 2. Соответственно, данные конфигурации являются перспектив- ными для применения в энергетических системах, предназначенных для электроснабжения потребителей, не требующих высокого уровня надежности.
Заключение
Результаты проведенных исследований показывают, что предлагаемая методика может быть использована для выбора оптимального состава оборудования HRES различных конфигураций. Методика реализована в виде программного приложения в популярном математическом комплексе MATLAB, что обеспечивает удобство ее практического применения. В отличие от известных спе- циализированных прикладных программ, применяемых для оптимизации состава оборудования HRES [29], предложенная методика является гиб- кой и позволяет использовать для решения оптимизационной задачи различные критерии оптимизации и ограничения.
Список литературы Оптимизация состава оборудования гибридных энергетических систем с возобновляемыми источниками энергии
- Chauhan, A. A review on Integrated Renewable Energy System based power generation for stand-alone applications: Configurations, storage options, sizing methodologies and control / A. Chauhan, R.P. Saini // Renewable and Sustainable Energy Reviews. - 2014. - Vol. 38. - Р. 99-120. DOI: 10.1016/j.rser.2014.05.079
- Stand-alone hybrid energy systems for remote area power generation / A. Razmjoo, R. Shirmohammadi, A. Davarpanah et al. // Energy Reports. -2019. - Vol. 5. - P. 231-241. DOI: 10.1016/j.egyr.2019.01.010
- Сайт Национального исследовательского университета «Высшая школа экономики». -https://energy.hse.ru/distributed (дата обращения: 10.05.2020).
- Люкайтис, В.Ю. Автономные энергокомплексы, гибридные конструкции с применением возобновляемых источников энергии / В.Ю. Люкайтис, С.Ю. Глушков // Силовое и энергетическое оборудование. Автономные системы. - 2019. - Т. 2, вып. 2. - С. 111-120. DOI: 10.32464/2618-8716-2019-2-2-111-120
- Badwawi, R. A Review of Hybrid Solar PV and Wind Energy System / R. Badwawi, M. Abusara, T. Mallick // Smart Science. - 2015. - Vol. 3, no. 3. - P. 127-138. DOI: 10.6493/SmartSci.2015.324
- Mohammed, Y.S. Hybrid renewable energy systems for off-grid electric power: Review of substantial issues / Y.S. Mohammed, M.W. Mustafa, N. Bashir // Renewable and Sustainable Energy Reviews. - 2014. - Vol. 35. -Р. 527-539. DOI: 10.1016/j.rser.2014.04.022
- Singh, S. A review on optimization techniques for sizing of solar-wind hybrid energy systems / S. Singh, M. Singh, S.C. Kaushik //International Journal of Green Energy. - 2016. - Vol. 13, no. 15. - P. 1564-1578. DOI: 10.1080/15435075.2016.1207079
- Saharia, B.J. A review of algorithms for control and optimization for energy management of hybrid renewable energy systems / B.J. Saharia, H. Brahma, N. Sarmah // Journal of Renewable and Sustainable Energy. -2018. - Vol. 10 (053502). - P. 1-33. DOI: 10.1063/1.5032146
- Елистратов, В.В. Автономное энергоснабжение территорий России энергокомплексами на базе возобновляемых источников энергии /В.В. Елистратов // Энергетический вестник. - 2016. - № 21. - С. 42-49.
- Денисов, К.С. Решение задачи комплексного энергоснабжения автономного потребителя с целью уменьшения экономических затрат /К.С. Денисов, В.И. Велькин, А.Н. Тырсин //Вестник ЮУрГУ. Серия «Энергетика». - 2019. - Т. 19, № 3. - С. 84-92. DOI: 10.14529/power190309
- Обухов, С.Г. Математическая модель прихода солнечной радиации на произвольно-ориентированную поверхность для любого региона России / С.Г. Обухов, И.А. Плотников // Альтернативная энергетика и экология (ISJAEE). - 2017. - № 16-18. - С. 43-56. DOI: 10.15518/isjaee.2017.16-18.043-056
- Optimized sizing of a standalone PV-wind-hydropower station with pumped-storage installation hybrid energy system / X. Xu, W. Hu, D. Cao et al. //Renewable Energy. - 2020. - Vol. 147, part 1. - P. 1418-1431. DOI: 10.1016/j.renene.2019.09.099
- Multi-Objective Optimal Design of Stand-Alone Hybrid Energy System Using Entropy Weight Method Based on HOMER / J. Lu, W. Wang, Y. Zhang, S. Cheng // Energies. - 2017. - Vol. 10 (1664). - P. 1-17. DOI: 10.3390/en10101664
- Eriksson, E.L. V. Optimization of renewable hybrid energy systems e A multi-objective approach / E.L.V. Eriksson, E.M. Gray //Renewable Energy. - 2019. - Vol. 133. - P. 971-999. DOI: 10.1016/j.renene.2018.10.053
- Maleki, A. Optimal sizing of autonomous hybrid photovoltaic/wind/battery power system with LPSP technology by using evolutionary algorithms / A. Maleki, F. Pourfayaz // Solar Energy. - 2015. - Vol. 115. -P. 471-483. DOI: 10.1016/j.solener.2015.03.004
- Techno-economical optimization based on swarm intelligence algorithm for a stand-alone wind-photovoltaic-hydrogen power system at south-east region of Mexico / V.M. Sanchez, A. U. Chavez-Ramirez, S.M. Duron-Torres et al. // International Journal of Hydrogen Energy. - 2014. - Vol. 39, no. 29. - P. 1664616665. DOI: 10.1016/j.ijhydene. 2014.06.034
- Rouhani, A. A Comprehensive Method for Optimum Sizing of Hybrid Energy Systems using Intelligence Evolutionary Algorithms / A. Rouhani, H. Kord, M. Mehrabi // Indian Journal of Science and Technology. - 2013. -Vol. 6, no. 6. - P. 4702-4712. DOI: 10.17485/ijst/2013/v6i6/33924
- Phommixay, S. Review on the cost optimization of microgrids via particle swarm optimization / S. Phommixay, M.L. Doumbia, D.L. St -Pierre // International Journal of Energy and Environmental Engineering. -2020. - Vol. 11. - P. 73-89. DOI: 10.1007/s40095-019-00332-1
- Обухов, С.Г. Методика выбора ветроэнергетических установок малой мощности / С.Г. Обухов, М.А. Сурков, З.П. Хошнау // Электро. Электротехника, электроэнергетика, электротехническая промышленность. - 2011. - №. 2. - C. 25-30.
- Обухов, С.Г. Имитационная модель режимов работы автономной фотоэлектрической станции с учетом реальных условий эксплуатации / С.Г. Обухов, И.А. Плотников // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2017. - Т. 328, № 6. - С. 38-51.
- Обухов, С.Г. Прогнозирование режимов потребления электрической энергии автономными энергетическими системами / С.Г. Обухов, З.П. Хошнау //Электрические станции. - 2012. - №. 11. - C. 43-47.
- Optimization of the Operation of Isolated Industrial Diesel Stations / C.F. Matt, L.S.R. Vieira, G.F.W. Soares, L.P.T. de Faria // 6th World Congress on Structural and Multidisciplinary Optimization (WCSMO6). - Rio de Janeiro. - 2005. - P. 1-8.
- Kennedy, J. Particle swarm optimization / J. Kennedy, R. Eberhart // Proceedings International Conference on Neural Networks. - 1995. - Vol. 4. - P. 1942-1948. DOI: 10.1109/ICNN.1995.488968
- Shi, Y. A modified particle swarm optimizer / Y. Shi, R. Eberhart // IEEE International Conference on Evolutionary Computation Proceedings. - 1998. - P. 69-73. DOI: 10.1109/ICEC. 1998.699146
- Optimal performance of dynamic particle swarm optimization based maximum power trackers for standalone PV system under partial shading conditions / S. Obukhov, A. Ibrahim, A.A.Z. Diab et al. // IEEE Access. -2020. - Vol. 8. - P. 20770-20785. DOI: 10.1109/ACCESS.2020.2966430
- Сайт «Расписание погоды». - https://rp5.ru/ (дата обращения: 10.05.2020).
- Techno-economic feasibility of photovoltaic, wind, diesel and hybrid electrification systems for off-grid rural electrification in Colombia / A.H. Mamaghani, S.A.A. Escandon, B. Najafi et al. // Renewable Energy. -2016. - Vol. 97. - P. 293-305. DOI: 10.1016/j.renene.2016.05.086
- Maleki, A. Modeling and optimum design of an off-grid PV/WT/FC/diesel hybrid system considering different fuel prices / A. Maleki // International Journal of Low-Carbon Technologies. - 2018. - Vol. 13, no. 2. -P. 140-147. DOI: 10.1093/ijlct/cty006
- Sinha, S. Review of software tools for hybrid renewable energy systems / S. Sinha, S.S.Chandel // Renewable and Sustainable Energy Reviews. - 2014. - Vol. 32. - P. 192-205. DOI: 10.1016/j.rser.2014.01.035