Combined stochastic and nested temporal structure for optimization based planning of energy systems
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Science |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2024-09-12
Department
Major/Subject
Advanced Energy Technologies
Mcode
Degree programme
Master's Programme in Engineering Physics
Language
en
Pages
65
Series
Abstract
Including the uncertainty to modelling of energy systems with long-term storage can increase the time it takes to solve a model even by orders of magnitude. While methods exist to address the issue, they either lack the accuracy or do not reduce the solution time enough. In this thesis, a nested structure is presented to reduce the model solution time while keeping accuracy of the results on an acceptable level. It solves the long-term stochastic storage behaviour separately, by introducing a storage model where the same system is solved with coarser data and longer forecasts. This then gives constraints for the storage usage to the short-term stochastic dispatch model. The method was tested with a Denmark-Norway model using historical data to construct stochastic timelines. The comparisons were made between several variations of the nested structure to see which performs the best. Faster solutions with acceptable result quality were achieved both when lowering the temporal resolution of the storage model and separating the long-term water inflow and the short-term wind forecasts to different model instances. Additionally, the nested structure was compared with a basic rolling horizon method. The nested structure resulted in significantly lower costs when the solution times were set to be the same.Ennusteiden epävarmuuden lisääminen energiasysteemimalleihin, jotka sisältävät kausivarastoja, voi kasvattaa optimointiin kuluvaa aikaa jopa kertaluokilla. Tämä johtuu epävarmuutta kuvaavan skenaariopuun eksponentiaalisesta kasvusta ennusteiden päivittymisen aiheuttamana. Ongelman ratkaisemiseksi on kehitetty useita menetelmiä, mutta ne eivät vähennä optimointiaikaa tarpeeksi tai kärsivät tulosten epätarkkuudesta. Tässä diplomityössä esitetään sisäkkäisten mallien rakenne pienentämään optimointiaikaa heikentämättä tuloksia liikaa. Rakenne erottaa kausivarastojen käytön ja tuotantomallinnuksen omiin malleihinsa. Kausivarastomalli optimoi systeemin karkeammalla datalla ja pitkän aikavälin ennusteilla. Tämä tuottaa kausivarastojen käytölle rajoitteet alemmalle tuotantomallille, joka optimoi systeemin käyttäen tarkempaa resoluutiota ja lyhyen aikavälin ennusteita. Rakennetta testattiin yksinkertaistetulla Tanska-Norja sähköjärjestelmämallilla, jossa käytettiin historiallista dataa ennusteiden luomiseen. Erilaisia muunnelmia rakenteesta vertailtiin nopeuden ja tarkkuuden näkökulmista. Aikaresoluution pienentäminen kausivarastomallissa havaittiin lyhentävän optimointiaikaa, mutta vaikuttavan tuloksiin vain vähän. Samanlainen tulos havaittiin muunnelmassa, jossa stokastisia sade-ennusteita käytettiin vain kausivarastomallissa ja tuuliennusteita tuotantomallissa. Molemmat muunnelmat todettiin käyttökelpoisiksi. Tämän lisäksi sisäkkäistä rakennetta verrattiin käytössä olevaan puhtaaseen rullaavan horisontin menetelmään. Sisäkkäinen rakenne tuotti selvästi pienemmät kustannukset, kun molempien mallien optimointiajat asetettiin vastaamaan toisiaan.Description
Supervisor
Lund, PeterThesis advisor
Kiviluoma, JuhaKeywords
stochastic optimization, energy systems, nested structure, rolling horizon, seasonal storage, modelling tools