Optimal Offering Strategy for a Base Station Virtual Power Plant via Stochastic Programming

Abstract

Renewable electricity production is emerging rapidly in power systems due to global targets of reducing carbon emissions. However, renewable energy sources (RESs) often produce electricity at a variable rate and have low inertia compared to conventional power plants, which raises new challenges. To stabilise the imbalances between electricity production and consumption, the need for reserve and balancing power is increasing.

Massive data transfer rates in current mobile networks have increased the energy demand of the networks. A solution to decrease the electricity cost of base stations (BSs) is to compose a virtual power plant (VPP) of BSs and utilise the excessive energy storage capacity of their backup batteries. A BS-VPP could participate in reserve markets and perform load-shifting to reduce its operating costs and besides enhance the stability of the electricity grid, which would benefit the emergence of renewable electricity production.

This thesis presents a two-stage stochastic programming model which aims to find the most profitable day-ahead reserve market offering and load-shifting schedule for a BS-VPP, especially in the Finnish context. The BS-VPP is assumed to participate in Fast Frequency Reserve (FFR), Frequency Containment Reserve for Disturbances (FCR-D) and Automatic Frequency Restore Reserve (aFRR) markets. The risk of the offering strategy is managed by including Conditional Value-at-Risk (CVaR) in the optimisation problem. The results of the case study show that daily participation in multiple reserve markets and load-shifting can reduce the operation cost of the BS-VPP significantly. Also, stochastic modelling improves the cost reduction considerably compared to a deterministic solution. The risk of the strategy is reduced notably by making diverse bids mainly to FCR-D and aFRR markets and performing load-shifting during the average peak-price hours. The sensitivity analysis reveals that the optimal solution is most sensitive to the changes in the load profile of the BS-VPP which is thus the most critical parameter in the modelling.

Uusiutuva sähköntuotanto on kasvamassa erittäin nopeasti maailmanlaajuisten hiilidioksidipäästöjen vähennystavoitteiden vuoksi. Usein kuitenkin uusiutuvien energianlähteiden sähköntuotanto on vaihtelevaa ja inertialtaan vähäistä verrattuna perinteisiin voimalaitoksiin, mistä aiheutuu uusia haasteita. Tarve reservi- ja säätösähkölle on kasvamassa, jotta sähkön tuotannon ja kulutuksen välistä epätasapainoa voidaan vakauttaa.

Suuri tietoliikennemäärä nykyisissä mobiiliverkoissa on kasvattanut verkkojen energiankulutusta. Tukiasemien sähkönkäyttökustannuksien leikkaamista varten voidaan perustaa virtuaalivoimalaitos (VPP) tukiasemista, joka hyödyntää tukiasemien ylimääräistä vara-akkukapasiteettia. Tukiasema-VPP voisi sekä osallistua reservimarkkinoille että suorittaa kuormansiirtoa, mikä vähentäisi tukiasemien käyttökustannusta, mutta myös parantaisi sähköverkon vakautta ja samalla edesauttaisi uusiutuvan sähköntuotannon kasvua.

Tässä työssä esitellään kaksivaiheinen stokastinen ohjelmointimalli, jolla etsitään tuottoisinta vuorokausikohtaista reservimarkkinatarjontaa ja kuormansiirtoaikataulutusta tukiasema-VPP:lle erityisesti Suomen olosuhteissa. Tukiasema-VPP:n oletetaan voivan osallistua nopean taajusreservin (FFR), taajuusohjatun häiriöreservin (FCR-D) ja automaattisen taajuuden palautusreservin (aFRR) markkinoille. Tarjontastrategian riskiä hallitaan sisällyttämällä Conditional Value-at-Risk -mitta (CVaR) optimointiongelmaan. Tapaustutkimuksen tulokset osoittavat, että päivittäinen osallistuminen useille reservimarkkinoille ja kuormansiirto voivat vähentää tukiasema-VPP:n kustannuksia merkittävästi. Lisäksi stokastinen mallinnus parantaa ratkaisun kustannustehokkuutta huomattavasti verrattuna deterministiseen ratkaisumenetelmään. Strategian riski pienenee olennaisesti tekemällä monipuolisia tarjouksia erityisesti FCR-D- ja aFRR-reservimarkkinoihin sekä ajoittamalla kuormansiirtoa keskimääräisesti kalleimpiin sähkönkäyttötunteihin. Herkkyysanalyysi paljastaa, että optimaalinen ratkaisu on kaikista herkin muutoksille VPP:n kulutusprofiilissa, mikä tekee siitä kaikista kriittisimmän parameterin mallinnuksen näkökulmasta.