An analysis of energy storage system with wind power for multi-market operation under uncertainty
Master thesis
![Thumbnail](/ntnu-xmlui/bitstream/handle/11250/2778260/no.ntnu%3ainspera%3a54193643%3a20971185.pdf.jpg?sequence=5&isAllowed=y)
Permanent lenke
https://hdl.handle.net/11250/2778260Utgivelsesdato
2020Metadata
Vis full innførselSamlinger
- Institutt for elkraftteknikk [2482]
Sammendrag
En økende andel av uregulerte fornybare energikilder i dagens energimiks fører til at balanseringen av kraftproduksjon og -forbruk blir mer utfordrende. I den sammenheng identifiseres energilagring som en viktig teknologi for å løse denne utfordringen og bidra til kraftbalanse. Når man kombinerer energilagring med uregulert kraftproduksjon, er det viktig å vurdere hvordan man skal planlegge energilagringen og interaksjonen med de tilknyttede systemene. En optimal energiplanlegging er derfor avgjørende for å få et fungerende og lønnsomt energisystem.
I denne masteroppgaven er det laget en optimaliseringsmodell for et energisystem bestående av en energilagringsenhet og en vindturbin. Energisystemet er koblet sammen med kraftnettet og opererer i både energi- og balansemarkedet med mål om å maksimere overskuddet. Selve modellen er en korttidsmodell som opererer på et nivå som er både flerstegs og multi-scenario stokastisk og er basert på konsepter som brukes i produksjonsplanlegging av vannkraft. Den har to faser som utføres i to steg. Første fase er strategifasen som bruker stokastisk dynamisk programmering for å beregne lagringsverdiene til systemet, som kan defineres som den marginale verdien av lagret energi. Deretter brukes disse lagringsverdiene i simuleringsfasen for å beregne den optimale planleggingsstrategien.
En deterministisk og en stokastisk case-studie blitt brukt for å analysere resultatene og oppførselen til optimaliseringsmodellen. Ulike situasjoner i disse casene ble simulert ved hjelp av data fra ulike årstider. Det deterministiske case-studiet fokuserte på ulike vindkraftstørrelser og modelloppførselen under en ekstrem situasjon. I den stokastiske casestudien ble det gjort en grundigere analyse av to forskjellige årstider, nemlig vinter og sommer. Prisdata og vinddata som er brukt i casene er basert på historiske data fra 2018 og 2012. Modellen er testet med lagringskapasitet på 1-15 MWh og forskjellige vindturbiner i størrelsene 0.5-2.0 MW. For å analysere deltagelsen og oppførselen i markedene har energisystemet blitt testet når det bare opererer i energimarkedet, sammenlignet med å få delta i begge markedene.
Resultatene viser at en økning i installert vindkraft fører til en betydelig økning i profitten. For å begrense overflødig vindkraft og samtidig maksimere utnyttelsen av vindenergien, ble det funnet at en 1,5 MW vindturbin passet dette systemet. Resultatene viser at modellen øker sin prioritering av energimarkedet med mer "gratis" vindkraft tilgjengelig. Så når vindproduksjonen øker minsker deltagelsen i begge markedene. Først når prisen i balansemarkedet er høyere enn energiprisen, blir balansemarkedet prioritert på bekostning av redusert vindkraft. Når det er lite vindkraftproduksjon, deltar modellen mer i begge markedene. Resultatene viser altså at årstidene har stor innvirkning på energisystemet med tanke på den totale profitten og deltagelsen i de ulike markedene. Mens vinter-casen med mye vindkraft nesten utelukkende opererer i energimarkedet, drar sommer-casen fordel av muligheten av å operere i to markeder der 12-16 % av det totale driftsresultatet kommer fra balansemarkedet. Ved deltagelse i begge markedene, var den totale profitten i vinter-casen 34-38 % høyere enn for sommer-casen, avhengig av lagringskapasiteten. Merk at en installert lagringskapasitet over 3 MWh ikke gir en særlig økning av profitt i noen av markedene. Merk også at når vindproduksjonen er høy fører ikke energilagringen til en særlig høyere profitt, men det gir en mer stabil kraftutveksling. Til slutt kan man konkludere med at energilagring i samspill med vindkraft utfyller hverandre når systemet får operere i flere markeder. Systemet vil da kunne øke sin årlige fortjeneste og ytelse ved å ha flere strategier å spille på ved for eksempel variasjoner i vind. With the increasing shares of unregulated renewable energy sources in today’s energy mix, balancing energy demand and energy supply over time becomes more challenging. Energy storage is identified as a key technology to overcome this challenge and to ensure power stability. When combining energy storage with unregulated power productions one must consider the scheduling of energy storage operations and interactions with the surrounding systems. An optimal energy scheduling is crucial to obtain a profitable energy system.
In this thesis, an optimisation model was created for an energy system consisting of an energy storage unit and a wind turbine. The energy system is connected to the grid and operates in a multi-market setup, where it participates in both the energy and regulating market with the objective to maximise its profit. The model itself is a short-term model operating at a level that is both multi-stage and multi-scenario stochastic and is based on concepts found in hydropower optimisation. It consists of a two-step process with two phases. Firstly, in the strategy phase, the model uses stochastic dynamic programming to obtain the storage values for the energy system, which is the marginal value of stored energy. Secondly, these storage values are used in the simulation phase to simulate the optimal scheduling strategy.
To analyse the results and behaviour of the optimisation model, a deterministic and stochastic case study is included and seasonal data is used to showcase the model in different situations. The deterministic case study focuses on wind power sizing and system behaviour under an extreme scenario. The stochastic case study has a more thorough analysis of two very different seasonal cases, winter and summer. The price and wind data used in the cases are based on historical data obtained from 2018 and 2012. The model has been tested with different storage capacities in the range of 1-15 MWh and various wind power ratings in the range of 0.5-2.0 MW. To analyse the multi-market feature, the energy system has been tested when only allowed to operate in the energy market, compared to operating in both markets.
The results show that an increase in installed wind power leads to a significant increase in profit. To limit the wind power shed and maximise the wind power utilisation, it is found that a 1.5 MW wind turbine suited this energy system. The model enhances its trade in the energy market when there is an increase in ”free” wind power available. Thus, the multi-market operation decreases as wind production increases. Only when the reserve capacity price is higher than the energy price the capacity market is prioritised by shedding wind power. When wind power production is low, the system operates in both markets due to more available transfer capacity. The seasonal variations have a great impact on the energy system in terms of profit and its multimarket operation. While the winter case with high wind production almost solely operates in the energy market, the summer case benefit from the multi-market opportunity with 12-16 % of total operating profit coming from the reserve capacity market. When participating in both markets, the total operating profit in the winter case with high wind production was 34-38 % higher than for the summer case depending on storage capacity. Note that an installed storage capacity above 3 MWh does not give a significant additional profit in either market. When wind production is high the storage does not contribute to a significantly higher profit, but it provides a more stabilised power exchange. To conclude, the energy storage and wind turbine complement each other in the multi-market setup due to seasonal variations in the wind and would increase the overall yearly performance with different strategies throughout.