Simplified steady-state model for probabilistic operational planning of a power system

Abstract

Denne masteroppgaven bruker probabilistisk operasjonell planlegging ved hjelp av en steady state modell med en DC approksimasjon til å finne den mest kostnadseffektive strategien for et 25-bus system. Resultatene fra denne masteroppgaven sammenlignes med resultatene fra RaPid prosjektet til SINTEF Energi med tidssimuleringer for samme 25-bus system.

En algoritme fra SINTEF Energi er brukt for å oppnå resultatene i denne masteroppgaven for å finne den mest kostnadseffektive operasjonelle strategien. Denne algoritmen er implementert i Python ved bruk av pandapower. Tidssimuleringene fra SINTEF Energi er erstattet med DC lastflyt (DCLF) og DC optimal lastflyt (DCOPF). Algoritmen er først testet på et 4-bus system for å demonstrere algoritmen, i tillegg til å teste koden før den kjøres på 25-bus systemet.

Algoritmen som er implementert med steady state modellering med DC approksimasjon er testet på 25-bus systemet med syv ulike scenarioer. I de ulike scenarioene blir ulike kombinasjoner av begrensninger av effektrampen og ulike systembeskyttelser (SPS) introdusert for å teste valgene av den mest kostnadseffektive strategien i de ulike scenarioene.

Den mest kostnadseffektive strategien blant de syv ulike scenarioene er valgt ut som den mest kostandseffektive strategien i denne masteroppgaven. Denne strategien er valgt ut blant de scenarioene som blir ansett som realistiske nok. Denne strategien sammenlignes med den mest kostnadseffektive strategien fra SINTEF Energi med tidssimuleringer. Det blir observert at steady state modellen gir noe forskjeller i valg av startegi, mens totalkostnaden av strategien er relativt lik. Steady state modellen har 8 ganger lavere beregningstid enn tidssimuleringene til SINTEF Energi.

In this Master's thesis, probabilistic operational planning using steady-state modeling with DC approximation is used to find the most cost-efficient operational strategy for a 25-bus system. The results of this Master's thesis are compared to the results from the RaPid project from SINTEF Energy Research with time-domain simulations of the same 25-bus system.

To obtain the results of this Master's thesis, an algorithm from Sintef Energy Research is implemented in Python using pandapower to find the most cost-efficient operational strategy. The time-domain simulations in the algorithm are replaced with DC load flow (DCLF) and DC optimal power flow (DCOPF). The algorithm is first tested on a 4-bus system to demonstrate the algorithm in detail, as well as test the correctness of the implemented Python algorithm before applying it to the 25-bus system.

The algorithm using steady-state modeling with DC approximation is tested on seven various cases of the 25-bus system in this Master's thesis. In the different cases, different combinations of ramp rate limits and system protection schemes (SPS) will be introduced to test the choice and the cost of the most cost-efficient operational strategy.

The most cost-efficient operational strategy among the cases that can be assumed to be realistic, is chosen to be compared to the most cost-efficient strategy from SINTEF Energy Research. It is observed that the steady state modeling gives some differences in the choice of strategy, while the total costs of the chosen strategy are almost similar. The computational time is approximately 8 times lower with steady-state modeling compared to the time-domain simulations from SINTEF Energy Research.