Συμβολή στη βέλτιστη αξιοποίηση ενεργειακών πόρων και υποδομών για τη λειτουργία και ανάπτυξη των συστημάτων ηλεκτρικής ενέργειας

Abstract

Modern power systems are experiencing a period of fast-paced transformation in terms of their operation and planning paradigms. This transformation is driven by the increasing presence of new energy resources, mainly renewable energy, and digitalisation, which is a natural evolution that occurs in many industries. Both drivers are caused by necessity and opportunity at the same time. For example, the need for carbon emissions reduction mandates the use of renewable energy and synergies between energy sectors, while ICT offers the opportunity for more efficient management of resources and better services. The result is a number of new challenges that utilities and power system engineers have to address such as yielding local flexibility potential, electrification of heating and transportation, renewable energy integration, TSO-DSO coordination and cross-border cooperation. The topic of this PhD thesis is the optimal utilisation of energy resources for the operation and development of distribution networks and the operational cooperation of interconnected electric energy systems. It focuses on the following research questions: a) How Day-ahead (DA) scheduling of Distributed Energy Resources (DERs) can take place in a distributed manner without the exchange of private information between actors, b) how Distribution Use-of-System (DUoS) tariffs can be redesigned in order to motivate DER flexibility while ensuring cost recovery and retaining simplicity for the end-users, and c) How Transmission System Operators (TSOs) can cooperate for the sizing (also called dimensioning) of Frequency Restoration Reserves (FRR) across many Balancing Areas (BAs) in order to reduce costs and volumes?On the first question, this thesis proposes a novel method for distributed optimisation of DER in Distribution Networks (DNs), using Distribution Locational Marginal Prices (DLMPs), aiming to alleviate line and voltage problems. The method minimises the exchange of information between the DER aggregators and the Distribution System Operator (DSO), who coordinates the process. The synergy between demand and generation is modelled and demonstrated via simulations. Furthermore, an approach for increasing convergence speed is proposed, using topological information and highlighting the importance of price sensitivity on convergence speed and modelling accuracy. The proposed methodology is validated in two different distribution networks, successfully reaching the optimal solution with a threefold reduction in the number of iterations. On the second question, four chapters are devoted. First, a new model is proposed for designing DUoS tariffs that are more adjusted to short-term conditions and can harvest part of the available flexibility from DER while retaining revenue adequacy for the DSO and some simplicity. Bilevel optimisation is employed for the modelling of the problem, with the DSO at the upper level, designing tariffs to minimise operational costs, and flexible prosumers at the lower level minimising their energy and network usage costs. Contrary to the previous literature, the proposed methodology allows for tariffs to have temporal and spatial granularity, by using a detailed representation of the physical network in the upper level. In order to retain simplicity and intelligibility, the tariffs are allowed to have discrete levels and, more importantly, are constrained to few tariff patterns per planning period, using machine learning techniques. The proposed method is tested using out-of-sample simulations in order to validate the effectiveness of the tariffs and the clustering-based reduction of complexity under realistic conditions. The case studies suggest that properly designed tariff patterns can yield a significant percentage of the available cost reduction due to flexibility motivation, as for example, only 4 tariff patterns can yield 78% of the available cost reduction compared to the theoretical optimal. The next chapter expands the case studies on DUoS tariffs by employing State Estimation (SE) techniques. SE is used for obtaining a full state of the distribution network, which is necessary for implementing the tariff design method, in the absence of the necessary field data. A full validation framework is built to test the efficacy of this synergy where the proposed solution (SE and DUoS tariff design) is compared to the theoretical optimal solution (centralised optimisation under perfect knowledge). The results show that the proposed solution achieves over 75% of the optimal efficacy which is measured in operational cost reduction. The proposed solution can be used in the immediate future by system operators due to its reliance on fewer and easily accessible field data. An additional contribution to the second question is an expansion of the tariff design model by considering its synergies with Local Flexibility Markets (LFMs). More specifically, in this model, the DSO in the upper level minimises flexibility procurement costs, instead of curtailment, while in the lower level an aggregator of an EV parking lot, optimises charging costs and and profits from selling flexibility to the DSO, in the form of capacity limitation. The case studies demonstrate that flexibility products such as capacity limitation contracts, are the preferable method for reducing demand during peak hours, while more elaborate demand response incentives are necessary in more complex cases. One of these cases is that of excess PV generation that can be absorbed by neighbouring flexible demand. In such cases, DUoS tariffs have the necessary precision in demand shifting incentivisation, therefore they should be preferred. The last contribution to the second question is a more complete model of DUoS tariffs design that includes investment decisions. The proposed method is a planning tool to be used by system operators under the supervision of the regulatory authorities which assists them in deciding network investment decisions and their cost recovery via DUoS tariffs that are variable and can motivate demand flexibility. The planning horizon is that of investment decision-making, i.e., years, and uncertainty on future demand and generation are considered. Moreover, fairness objectives can also be part of the overall optimization. The case studies show that such a tool is superior in reducing investment costs for DSOs and optimizing social welfare, compared to the business-as-usual method. On the third question, this thesis has contributed with a novel probabilistic method for shared cross-border FRR commitment and sizing, based on the concept of System Generation Margin (SGM) and employing mathematical optimization. The cross-border interconnection capacities among countries are taken into account, and the shared uncertainty across interconnections is addressed via a novel robust approach. The method is tested using the region of southeast Europe and 5 scenarios for generation and demand. Results demonstrate that the method leads to an average of 19% reduction in FRR volume and over 50% reduction in costs, which encourages further investigation of this approach. Overall, this PhD thesis demonstrates the value of using efficient resource management, ICT, and DER flexibility to optimize the operation and planning of power system infrastructure by applying these principles to 3 adjacent research topics.

Η διατριβή πραγματεύεται περιοχές της λειτουργίας των Συστημάτων Ηλεκτρικής Ενέργειας (ΣΗΕ) για τις οποίες υπάρχει έντονο ερευνητικό ενδιαφέρον. Τέτοιες περιοχές είναι: α) μηχανισμοί και διαδικασίες έτσι ώστε να αξιοποιούνται βέλτιστα οι υποδομές και οι ενεργειακοί πόροι που βρίσκονται στο επίπεδο του δικτύου διανομής (ΔΔ) ηλεκτρικής ενέργειας, καθώς και β) η διασυνοριακή συνεργασία συστημάτων για την από κοινού διαστασιολόγηση εφεδρειών συχνότητας. Η διατριβή επικεντρώνεται πρώτα στα δίκτυα διανομής και την εύρεση της οριακής τιμής ανά μονάδα ηλεκτρικής ενέργειας με χρήση κατανεμημένων αλγορίθμων που δεν απαιτούν την χρήση ιδιωτικών πληροφοριών για τους χρήστες του δικτύου (καταναλώσεων, παραγωγών). Στα πλαίσια της διατριβής προτείνεται κατάλληλο γραμμικό ισοδύναμο μοντέλο για την κατά προσέγγιση εύρεση της οριακής τιμής με αποδεκτό σφάλμα. Επιπλέον, προτείνεται μέθοδος επιτάχυνσης της σύγκλισης προς την βέλτιστη λύση του προβλήματος με χρήση πληροφοριών της τοπολογίας του δικτύου. Η προτεινόμενη μέθοδος επιτυγχάνει τουλάχιστον τριπλάσια ταχύτητα σύγκλισης σε σχέση με άλλες μεθόδους στην υπάρχουσα βιβλιογραφία και σφάλματα από το γραμμικό ισοδύναμο μοντέλο μικρότερα του 1%. Η χρήση της οριακής τιμής ως σήμα κινητοποίησης ευελιξίας από Διεσπαρμένες Πηγές Ενέργειας (ΔΠΕ) στα ΔΔ χρειάζεται σημαντικές υποδομές μέτρησης και αυτοματοποίησης. Για το λόγο αυτό, η πρόσφατη βιβλιογραφία, στρέφεται σε εναλλακτικούς τρόπους ενεργοποίησης των ΔΠΕ. Το κύριο μέσο που εξετάστηκε είναι οι κυμαινόμενες Χρεώσεις Χρήσης Δικτύου (ΧΧΔ). Η διατριβή αυτή προτείνει ένα ολοκληρωμένο πλαίσιο σχεδιασμού τέτοιων χρεώσεων, που συνδυάζει την ανάκτηση εσόδου στο οποίο αποσκοπούν οι ΧΧΔ με την χρονική μετατόπιση της ζήτησης για την εξυπηρέτηση των αναγκών του συστήματος. Στο πρώτο μέρος της ανάπτυξης του σχετικού πλαισίου, μελετήθηκε ο σχεδιασμός κυμαινόμενων ΧΧΔ με χρήση μεθόδων που μοντελοποιούν ταυτόχρονα και την απόκριση της ζήτησης, προσθέτοντας έτσι ένα επιπλέον επίπεδο ακρίβειας στις αποφάσεις του μοντέλου. Χρησιμοποιήθηκαν κατάλληλα μαθηματικά εργαλεία που βασίζονται στην θεωρία παιγνίων και τον μαθηματικό προγραμματισμό. Συγκεκριμένα, το πρόβλημα περιγράφεται ως ένα παίγνιο τύπου Stackelberg, ή ηγέτη-ακολούθου, όπου ο ηγέτης (διαχειριστής) καθορίζει τις ΧΧΔ και οι ακόλουθοι (ΔΠΕ) αντιδρούν ορθολογικά στις χρεώσεις αυτές. Ο βαθμός λεπτομέρειας των ΧΧΔ είναι επιλογή του χρήστη της μεθόδου και μπορεί να φτάσει την ανά ζυγό του δικτύου και περίοδο λειτουργίας διακύμανση. Κύριο χαρακτηριστικό της μεθόδου είναι η χρήση μηχανικής μάθησης για την μείωση της πολυπλοκότητας των ΧΧΔ που σχεδιάζονται καθώς η καθημερινή διακύμανση ζήτησης και παραγωγής ανάγεται σε λίγα αντιπροσωπευτικά ημερήσια μοτίβα που καλούνται αντιπροσωπευτικές ημέρες. Τα αποτελέσματα έδειξαν ότι οι κυμαινόμενες ΧΧΔ είναι εξαιρετικά αποτελεσματικές στη μετατόπιση της ζήτησης ακόμη και με χρήση λίγων αντιπροσωπευτικών ημερών.Στα πλαίσια της ευρύτερης εφαρμογής μελετήθηκε η περίπτωση όπου τα δεδομένα πεδίου (ηλεκτρικά μεγέθη όπως ισχύς, τάση, ρεύμα, κλπ.) που χρειάζεται η μέθοδος δεν προέρχονται από πραγματικές μετρήσεις αλλά από εκτιμητή κατάστασης που βασίζεται σε λιγότερες και περισσότερο ετερογενείς μετρήσεις, προσομοιώνοντας έτσι την πραγματικότητα που αντιμετωπίζουν οι περισσότεροι διαχειριστές σήμερα. Σε επόμενα στάδια της διατριβής επεκτάθηκε το μοντέλο σχεδίασης ΧΧΔ με σκοπό να ενσωματώνει την δυνατότητα του διαχειριστή να αγοράζει επιπλέον υπηρεσίες ευελιξίας από ΔΠΕ. Οι υπηρεσίες αυτές έχουν την μορφή συμβολαίων δυναμικού περιορισμού μέγιστης διαθέσιμης ισχύος και είναι αρκετά χρήσιμες για ΔΠΕ που έχουν υψηλές αιχμές, όπως φορτιστές ηλεκτρικών οχημάτων. Από τις σχετικές προσομοιώσεις, έγινε εμφανές ότι οι δύο μέθοδοι κινητοποίησης ευελιξίας (ΧΧΔ και υπηρεσίες περιορισμού μέγιστης ισχύος) αναπτύσσουν ενδιαφέρουσες και χρήσιμες συνέργειες. Στο τελευταίο μέρος της έρευνας γύρω από τις ΧΧΔ, η μέθοδος συμπεριέλαβε τις αποφάσεις επενδύσεων για επέκταση της χωρητικότητας του ΔΔ καθώς και το αντίστοιχο κόστος. Τέλος, η παρούσα διατριβή μελέτησε την διασυνοριακή συνεργασία συστημάτων με σκοπό την μείωση της ισχύος και του κόστους της εφεδρείας αποκατάστασης συχνότητας (ΕΑΣ) (ή δευτερογενούς εφεδρείας). Αναπτύχθηκε μέθοδος για την από κοινού διαστασιολόγηση της εφεδρείας σε πολλαπλά γειτονικά συστήματα η οποία συμπεριλαμβάνει την σχετική αβεβαιότητα γύρω από τις ανάγκες τέτοιας εφεδρείας και το πως η διασυνοριακή σύνδεση την επηρεάζει. Έγινε δοκιμή της μεθόδου, σε μορφή προσομοίωσης, με χρήση πραγματικών δεδομένων από 9 χώρες της νοτιοανατολικής Ευρώπης.