Hydropower Scheduling Analysis Using Statistics and Stochastic Programming

Abstract

Vannkraftprodusenter med magasin har muligheten til å flytte produksjon til timer hvor prisen er gunstig. Dette øker produsentenes inntekter og bidrar til å møte samfunnsbehovet for elektrisitet. Å flytte produksjonen til de mest gunstige timene er ikke rett fram. Både framtidig pris og framtidig tilsig er usikker. Videre er det fysiske beskrankninger på produksjonen og reguleringsbestemmelser som produsenter må ta hensyn til. I tillegg gjøres de daglige produksjonsbeslutningene ved bud i spotmarkedet. Dette betyr at produksjonsbeslutninger gjøres for 24 timer om gangen, før prisen er kjent men betinget på hva prisen blir. Tilsammen gjør dette produksjonsplanlegging til et komplekst og vanskelig tema.

Den første delen av avhandlingen ser på aspekter ved budgivning i spotmarkedet og hvordan stokastisk optimering kan brukes til å forbedre denne. Stokastiske optimering gjøres med to forskjellige tilnærminger. Den første bruker lineær programmering til å optimere bud samtidig med en langsiktig modell. Den andre tilnærmingen bruker lineær programmering for budgivningen som er priskoblet til en langsiktig modell. Denne tilnærming er implementert for et sammensatt elveløp og prestasjonene er sammenlignet med eiers egne beslutninger ved hjelp av simuleringer og historisk data.

Del to av avhandlingen ser på hvordan produksjonsplanlegging gjøres i praksis og hvor vellykket den har vært er ved bruk av historisk produksjonsdata.  Regresjon brukes til å se på sammenhengen mellom pris, framtidig prisforventninger og produksjon. Den andre delen av den empiriske analysen sammenligner produsentenes inntekter med inntektene de ville oppnådd ved å bruke tidligere års produksjonsplan eller ved ingen produksjonsplanlegging.

Hydropower producers with reservoirs can allocate production to hours when the price is favorable. This increases revenue for the producers and helps society meet the demand for electricity. Allocating production to the most favorable hours is not straight forward. Both future prices and future inflow is uncertain. Future more, there are restrictions on the operations on power plants. In addition, most of the daily production decisions in the Nord pool area are made by bidding in the day-ahead market. This means the production decisions are made for 24 hours at the time, before the price is known but conditional on the price. Together this makes the scheduling a complex and difficult subject.

The first part of this thesis looks into bidding in a day-ahead market and how stochastic optimization can be used to improve it.  The stochastic optimization of bidding is implemented with two different schemes. The first uses linear programing to optimize the bidding and a medium term model simultaneously. The second uses linear programming for the bidding combined with price coupling to a long term model. This is implemented for a complex river cascade and then benchmarked with the owners own production decisions using a scheme which combines simulations and real data to achieve a realistic comparison.

The second part focuses on empirical analysis of historical production data. Using regression, the influence of the forward market on production is investigated. There are also a detailed comparison between the producers revenue and the revenue which would have been achieved by using the same schedule as previous years or no schedule at all.