Economic modelling and optimisation of smart grids using demand response techniques

Abstract

The energy sector is experiencing major challenges that are dictated by the deregulation of the electricity market, technological advances, the integration of renewable and distributed energy resources, economic factors and the ever-increasing consumer demand in the so-called smart energy grid. The deployment and exploitation of Demand Response (DR) and Automated Demand Response (ADR) techniques constitute an interesting and promising approach to dealing with the supply and demand mismatches by means of shaping or curtailing of consumer loads. DR programs aim to alleviate the peak demand problem and provide higher system stability by modifying user demand in response to power grid’s supply and economic conditions. Designing a successful DR program is challenging, as it depends on a multitude of factors (e.g. accuracy of user profiles) but most importantly on the load curtailment actually attained by the consumers. This implies that DR programs should be designed in a way that consumers are appropriately triggered –by means of either price signals or incentives – to actively participate in the program by modifying their consumption pattern so that the power demand during the peak hours is reduced. In this way, the energy providers and retailers are able to limit their capacity up to the level that they can serve without activating costly and environmentally non-friendly peak demand generators.The main objective of the present doctoral thesis is to contribute to the empowerment of the (currently limited) adoption of DR programs by designing efficient DR incentives and associated contracts, hence contributing to the creation of a socio-economically sustainable ecosystem where all players benefit and the economic and environmental effects of the mismatch between supply and demand (such as CO2 emissions) are reduced. To this end, we propose a complete, practically applicable and scientifically justified approach to design efficient incentive-based DR and ADR programs and validate them by considering consumers' individual characteristics and context, in order to limit their discomfort from the modifications in their consumption patterns. Thus, consumers’ active participation can be attained by means of proper contracts and consumption schedules (acquired by means of either smart meters or load disaggregation), and therefore ensure the ADR programs’ success. In particular, a novel methodology is proposed that utilizes appliance level measurements to develop a utility function that represents the consumption behaviour of a single consumer and his/her associated comfort zone. The utility function introduced is exploited to define efficient incentives and targeting policies for ADR contracts that energy players such as providers and retailers can use in order to engage customers to ADR programs in an economically mutually beneficial manner. Two general cases regarding the available information are considered in order to evaluate the theoretical models presented in this thesis: (i) full information availability and (ii) partial information availability. 3Economic Modelling and Optimisation of Smart Grids using Demand Response TechniquesMarilena Minou |July 2019Moreover, focusing on users’ characteristics and how they can be leveraged to become of greater value for the society (through the success of the DR programs), specific behavioral characteristics delineating users’ behavior (e.g. altruism) are incorporated in users’ utility functions to study the impact on providers’ goals and the proposed theoretical models. In particular, different blends of population are considered, i.e. either only rational users or a mix of rational and altruistic users, with the latter being modelled by utilizing principles from behavioural economics. Building on users’ utility models, an innovative net benefit-based maximization approach of incentives calculation is proposed accompanied with two policies that restrict in a different way the discomfort due to the demand reduction of users in DR, as well as a selection algorithm to target users for DR in the context of offering ADR contracts and on the basis thereof. The net benefit-based maximization approach of incentives calculation and the selection algorithm can be applied both in the full and partial information cases. In order to tackle real life situations, where only partial information is available, we utilize a straightforward and well-known in the literature technique of clustering and classification to obtain detailed information about users and their preferences, i.e. users’ utility functions. The latter are then employed to apply our net benefit-based maximization approach of incentives calculation together with the two policies. Users’ active participation is further encouraged by offering different scenarios of contract selection from the available offered contracts. The proposed methodologies are validated by means of simulations utilizing real consumption measurements from datasets from India and Sweden pilot sites, expanded by means of synthetic data. One of the main results is that our innovative policy constraining directly the reduction in utility of a DR participant, rather than the reduction in energy consumption (as usually done in the literature) results in lower DR total incentives are being offered by the provider and higher social welfare after ADR. This implies that even with a very small percentage permissible reduction of utility, i.e. with very low discomfort, the desired target can be met in an economically effective way when this policy is applied, as the most flexible users in terms of consumption are selected. Moreover, as demonstrated in the thesis, the application of data mining techniques for clustering users in the case of partial information proves to be a very good approach and can lead to similar results as in the full information case. Finally, based on the findings of this thesis, we compile a set of guidelines for the providers to design economically sustainable DR and ADR programs.

Ο τομέας της ενέργειας αντιμετωπίζει μείζονες προκλήσεις που προκύπτουν από την απελευθέρωση της αγοράς ηλεκτρικής ενέργειας, την τεχνολογική πρόοδο, την ενσωμάτωση των ανανεώσιμων και κατανεμημένων πηγών ενέργειας, οικονομικούς παράγοντες και την συνεχώς αυξανόμενη ζήτηση στην κατανάλωση ενέργειας στο ευφυές ενεργειακό δίκτυο/πλέγμα (smart grid). Η ανάπτυξη και η εκμετάλλευση των τεχνικών απόκρισης ζήτησης (Demand Response - DR) και ιδιαίτερα τεχνικών αυτοματοποιημένης απόκρισης (Automated Demand Response - ADR) αποτελούν μια ενδιαφέρουσα και υποσχόμενη προσέγγιση για την αντιμετώπιση των αναντιστοιχιών μεταξύ προσφοράς και ζήτησης μέσω της διαμόρφωσης ή περιορισμού των φορτίων κατανάλωσης. Οι τεχνικές απόκρισης ζήτησης αποσκοπούν στην «ανακούφιση» του προβλήματος της αυξημένης ζήτησης σε ώρες αιχμής και στην εξασφάλιση υψηλότερης σταθερότητας του συστήματος, μεταβάλλοντας τη ζήτηση των χρηστών σύμφωνα με τα επίπεδα προσφοράς και τις οικονομικές συνθήκες του ηλεκτρικού δικτύου. Ο σχεδιασμός ενός επιτυχημένου προγράμματος DR εξαρτάται από πολλούς παράγοντες (π.χ. ακρίβεια των προφίλ χρηστών) αλλά κυρίως από την πραγματική μείωση του φορτίου που επιτυγχάνουν οι καταναλωτές. Αυτό σημαίνει ότι τα προγράμματα DR πρέπει να σχεδιάζονται με τέτοιο τρόπο ώστε οι καταναλωτές να παρακινούνται κατάλληλα - είτε με τη βοήθεια σημάτων αυξομείωσης των τιμών είτε μέσω παροχής κινήτρων - για να συμμετέχουν ενεργά στο πρόγραμμα, τροποποιώντας τον συνηθισμένο χρονοπρογραμματισμό της κατανάλωσης τους, προκειμένου να επιτευχθεί μείωση στη ζήτηση κατά τις ώρες αιχμής. Με αυτόν τον τρόπο, οι πάροχοι ενέργειας και οι προμηθευτές λιανικής πώλησης είναι σε θέση να περιορίσουν την παραγωγική τους ικανότητα μέχρι εκείνο το επίπεδο που μπορούν να εξυπηρετήσουν χωρίς να χρειαστεί να ενεργοποιήσουν δαπανηρές και μη φιλικές προς το περιβάλλον γεννήτριες, οι οποίες χρησιμοποιούνται για την κάλυψη της αυξημένης ζήτησης σε ώρες αιχμής. Ο βασικός στόχος αυτής της διατριβής είναι να συμβάλει στην προαγωγή της, έως τώρα περιορισμένης, υιοθέτησης προγραμμάτων DR με τον καθορισμό αποτελεσματικών κινήτρων DR και αντίστοιχων συμβολαίων που θα συνάπτουν οι χρήστες, συντελώντας έτσι στη δημιουργία ενός κοινωνικοοικονομικά βιώσιμου οικοσυστήματος όπου όλοι οι συμμετέχοντες επωφελούνται και οι οικονομικές και περιβαλλοντικές επιπτώσεις (όπως οι εκπομπές CO2) που προκύπτουν από την αναντιστοιχία μεταξύ προσφοράς και ζήτησης περιορίζονται δραστικά. Για το σκοπό αυτό, αυτή η διατριβή προτείνει μια πλήρη, πρακτική και επιστημονικά τεκμηριωμένη προσέγγιση για το σχεδιασμό αποτελεσματικών προγραμμάτων DR και ADR, τα οποία συνδυάζονται με τα κατάλληλα κίνητρα για τους συμμετέχοντες χρήστες. Η αξιολόγηση των προτεινόμενων μεθόδων γίνεται λαμβάνοντας υπ’ όψιν ατομικά χαρακτηριστικά των χρηστών καθώς και παράγοντες του εξωτερικού περιβάλλοντος, με στόχο να περιοριστεί το επίπεδο ενόχλησης (discomfort) των χρηστών από τις αλλαγές των συνηθειών κατανάλωσής τους. Συνεπώς, η ενεργός συμμετοχή των καταναλωτών μπορεί να επιτευχθεί μέσω κατάλληλων συμβολαίων τα οποία καθορίζονται βάσει και πληροφοριών κατανάλωσης (που αποκτώνται είτε μέσω έξυπνων μετρητών είτε μέσω μεθόδων διαχωρισμού του φορτίου (load disaggregation algorithms)) και εξασφαλίζουν την επιτυχία των προγραμμάτων ADR. Συγκεκριμένα, στα πλαίσια της διατριβής αυτής προτείνεται αρχικά μια νέα μεθοδολογία για τη χρήση των μετρήσεων ανά οικιακή συσκευή για την ανάπτυξη μιας συνάρτησης χρησιμότητας που αντιπροσωπεύει την συμπεριφορά κατανάλωσης ενός ατομικού καταναλωτή και την αντίστοιχη ζώνη άνεσης. Η συνάρτηση χρησιμότητας χρησιμοποιείται στη συνέχεια για τον καθορισμό των αποτελεσματικών κινήτρων και πολιτικών στόχευσης για τα συμβόλαια ADR που μπορούν να χρησιμοποιήσουν οι πάροχοι ενέργειας και οι προμηθευτές λιανικής πώλησης, για να προσελκύσουν πελάτες σε προγράμματα ADR με έναν οικονομικά αμοιβαία επωφελή τρόπο. Εξετάζονται δύο γενικές περιπτώσεις ως προς τις πληροφορίες που διαθέτει ο πάροχος ενέργειας προκειμένου να αναπτυχθούν και αξιολογηθούν οι μηχανισμοί και τα θεωρητικά υποδείγματα που παρουσιάζονται στη παρούσα διατριβή. Πιο συγκεκριμένα θεωρούνται οι εξής περιπτώσεις: (i) πλήρης διαθεσιμότητα πληροφοριών και (ii) μερική διαθεσιμότητα πληροφοριών. Επιπλέον, εστιάζοντας στα χαρακτηριστικά των χρηστών και τον τρόπο με τον οποίο μπορούν να αξιοποιηθούν για να οδηγήσουν σε μεγαλύτερη αξία για την κοινωνία (μέσω της επιτυχίας των προγραμμάτων DR) ενσωματώνονται συγκεκριμένα συμπεριφορικά χαρακτηριστικά των χρηστών στις συναρτήσεις χρησιμότητας (π.χ. ο βαθμός αλτρουισμού), με στόχο να μελετηθούν οι επιπτώσεις τους στους στόχους των παρόχων προσαρμόζοντας τα προτεινόμενα θεωρητικά μοντέλα. Συγκεκριμένα, λαμβάνονται υπ’ όψη διαφορετικοί τύποι πληθυσμού, δηλαδή είτε μόνο χρήστες που δρουν εντελώς ορθολογικά (rational) είτε συνδυασμός αυτών με αλτρουιστές, οι οποίοι μοντελοποιούνται με τη χρήση βασικών αρχών από τα συμπεριφορικά οικονομικά (Behavioral Economics). Με βάση τα υποδείγματα χρησιμότητας των χρηστών, προτείνεται (για αμφότερες τις περιπτώσεις πλήρους και μερικής πληροφορίας) μια καινοτόμος μέθοδος υπολογισμού των κινήτρων συμμετοχής σε ένα συμβάν DR βάσει της μεγιστοποίησης της καθαρής ωφέλειας που απολαμβάνει ένας χρήστης από την κατανάλωση ενέργειας. Η μέθοδος αυτή συνοδεύεται από δύο πολιτικές που περιορίζουν με διαφορετικό τρόπο την ενόχληση που προκαλείται στους χρήστες λόγω της μείωσης της κατανάλωσης τους κατά τη διάρκεια ενός συμβάντος DR, καθώς και έναν αλγόριθμο επιλογής του συνόλου των χρηστών που θα μετάσχουν στο εκάστοτε συμβάν DR και σύμφωνα με τους όρους που έχουν προκαθοριστεί στα συμβόλαια ADR. Η προσέγγιση υπολογισμού κινήτρων μέσω μεγιστοποίησης της καθαρής ωφέλειας και ο αλγόριθμος επιλογής μπορούν να εφαρμοστούν τόσο σε περιπτώσεις πλήρους όσο και μερικής πληροφόρησης. Προκειμένου να αντικατοπτριστούν οι πραγματικές συνθήκες, όπου ο πάροχος διαθέτει μόνο μερική πληροφόρηση, χρησιμοποιείται μια απλή και ευρέως γνωστή στη βιβλιογραφία τεχνική ομαδοποίησης και κατηγοριοποίησης των χρηστών ώστε να αντιστοιχίζεται μια συνάρτηση χρησιμότητας και σε κάθε χρήστη για τον οποίο δεν διατίθενται λεπτομερείς πληροφορίες σχετικά με την κατανάλωση του και τις προτιμήσεις του. Οι συναρτήσεις αυτές χρησιμοποιούνται στη συνέχεια κατά την εφαρμογή της προσέγγισης υπολογισμού των κινήτρων συμμετοχής σε ένα συμβάν DR βάσει της μεγιστοποίησης της καθαρής ωφέλειας σε συνδυασμό με τις δύο πολιτικές περιορισμού της ενόχλησης του χρήστη από το DR. Η ενεργός συμμετοχή των χρηστών ενθαρρύνεται περαιτέρω προσφέροντας διαφορετικά σενάρια επιλογής συμβολαίων από το σύνολο των προσφερόμενων. Οι προτεινόμενες μεθοδολογίες αξιολογούνται μέσω προσομοιώσεων που χρησιμοποιούν σύνολα πραγματικών μετρήσεων κατανάλωσης (datasets) από δεδομένα διαθέσιμα από πιλοτικά έργα, τα οποία έλαβαν χώρα στην Ινδία και τη Σουηδία, και επεκτείνονται μέσω της δημιουργίας συνθετικών δεδομένων. Ένα από τα βασικά αποτελέσματα είναι ότι η καινοτόμος πολιτική η οποία περιορίζει την ενόχληση του χρήστη όταν συμμετέχει σε ένα συμβάν DR άμεσα μέσω ενός άνω φράγματος που αφορά τη μείωση της χρησιμότητας του και όχι τη μείωση της κατανάλωσης ενέργειας (όπως συνηθίζεται στη βιβλιογραφία) οδηγεί να προσφέρονται συνολικά χαμηλότερα κίνητρα από τον πάροχο ADR προγραμμάτων, καθώς και σε υψηλότερη κοινωνική ευημερία μετά την εφαρμογή των προγραμμάτων, ακόμη και όταν το ποσοστό της επιτρεπόμενης μείωσης της χρησιμότητας είναι πολύ μικρό. Αυτό σημαίνει ότι με πολύ χαμηλή ενόχληση, ο επιθυμητός στόχος του παρόχου μπορεί να επιτευχθεί με οικονομικά πιο αποδοτικό τρόπο όταν εφαρμόζεται η πολιτική αυτή, γιατί επιλέγονται οι χρήστες με την μεγαλύτερη ευελιξία κατανάλωσης. Επιπλέον, όπως αποδεικνύεται στην παρούσα διατριβή, η ομαδοποίηση των χρηστών μέσω τεχνικών εξόρυξης δεδομένων σε περίπτωση μερικής πληροφόρησης αποτελεί πολύ καλή προσέγγιση και μπορεί να οδηγήσει σε παρόμοια αποτελέσματα με εκείνα που επιτυγχάνονται στην περίπτωση της πλήρους πληροφόρησης. Τέλος, με βάση τα κύρια ευρήματα της διατριβής, καταρτίζεται ένα σύνολο οδηγιών που συστήνεται να ακολουθηθούν από τους παρόχους ενέργειας προκειμένου να σχεδιάσουν οικονομικά βιώσιμα προγράμματα DR και ADR.