Spenningsregulering for distribusjonssystemer ved hjelp av sannsynlighets-avgrenset lineær AC OPF

Abstract

Det globale energimarkedet er i rask utvikling. Den stadig økende etterspørselen etter distribuert fornybar energi, samt endring i forbruksvaner, krever nye måter å regulere spenning for å muliggjøre maksimal fornybar penetrasjon i kraftsystemet, samtidig som forsyningssikkerheten bevares. Av den grunn vil denne avhandlingen presentere en optimaliseringsmodell som kombinerer den spenningsregulerende kapasiteten til distribusjonstransformatorer og vekselrettere tilkoblet distribuerte solceller, for å forbedre spenningsprofilen til distribusjonssystemet.

Samtidig er en stor utfordring med solceller den usikre, intermittente oppførelsen. For å ta hensyn til usikkerheten i både generering og etterspørsel, vil et sannsynlighets-avgrenset rammeverk bli implementert i optimaliseringsmodellen. Dette gir mulighet til å kvantifisere usikkerheten, uten å avhenge av historiske data fra systemet. Faktisk er metoden bare avhengig av en prognose og en maksimal prognosefeil.

Optimaliseringsmodellen er implementert i IEEE sitt 33-buss testsystem, og testet for flere variasjoner av systemet, inkludert: Ingen distribuert fornybar energi, 1 MW solceller ved buss 30, forskjellige størrelsesvarianter av solceller og vekselretter, innføring av energilagring og til slutt desentraliserte solceller og energilagring til flere busser. I tillegg blir prognosefeilen justert, og effekten på optimaliseringsproblemets begrensninger presenteres.

Resultatene fra de ulike optimaliseringsscenariene viste en klar forbedring i total spenningsprofil på alle busser da distribuert PV ble installert. Videre var det noen forbedringer i spenningen for økt størrelse på vekselretter, økt størrelse på solceller og for innføring av energilagring. Resultatene viste en signifikant forbedring i busspenning når solceller og energilagring ble desentralisert.

Begrensningene til optimaliseringsproblemet ble strengere for høyere relativ prognosefeil, og følgelig betyr en bedre spenningsprofil at optimaliseringsproblemet har en potensiell løsning for høyere prognosefeil. Dermed kan kostnadene ved å oppgradere distribusjonssystemet betraktes som kostnaden for sikkerhet.

The global energy market is rapidly evolving. Ever-rising demand for distributed renewable energy, as well as changing habits of consumption require new ways to regulate voltage to enable maximum renewable penetration in the power system, and at the same time ensure security of supply. To that end, this thesis will present an optimization model that combines the voltage regulating efforts of tap changers and distributed photovoltaic (PV) inverters to improve the voltage profile of the distribution system.

At the same time, a key challenge of solar PV is the uncertain, intermittent behavior. To account for the uncertainty in both generation and demand, a chance constrained framework will be implemented in the optimization model. The chance constrained framework will help quantify the uncertainty of the problem without depending on any historical data from the system. In fact, the method only relies on a forecast and a maximum forecast error.

The optimization model is implemented on the IEEE 33-bus distribution test system, and then tested for multiple variations of the system, including: No distributed renewables, 1 MW PV at bus 30, different size variations of the PV and inverter, introduction of energy storage, and lastly decentralizing PV and storage to multiple buses. Additionally, the forecast error is adjusted, and the impact on the constraints of the optimization is presented.

The conclusion of the different optimization scenarios showed a clear improvement in overall voltage profile at all buses when the distributed PV was installed. Furthermore there was some improvement in the voltage for increased inverter size, increased PV capacity, and for the introduction of energy storage. The results showed a significant improvement in overall bus voltage when the PV and storage were decentralized.

The constraints of the optimization problem were shown to tighten with a higher relative forecast error, and consequently, a better voltage profile means that the solution to the optimization problem is viable for higher forecast errors. Thus, the cost of upgrading the distributed system can be seen as the cost of certainty.