A Stochastic Programming Approach to Optimal Operation of Low-Temperature District Heating

Abstract

Den økende energietterspørselen i verden sammen med økende utfordringer knyttet til klimaendringer har ført til en omstilling av dagens energisystemer mot fornybar energi og smarte energisystemer. I dag blir en stor andel av oppvarmingsbehovet i Norge dekket av elektrisitet. Lavtemperatur fjernvarmenett kan bidra vesentlig til mer effektiv bruk av energiressurser, samt bedre integrering av fornybar energi og overskuddsvarme for å dekke oppvarmingsbehovet. Denne masteroppgaven studerer et optimaliseringsproblem som minimerer total forventet operasjonell kostnad gjennom bruk av spillvarme, styring av etterspørsel og termisk energilager i lavtemperatur fjernvarmenett. For å løse problemet presenterer denne oppgaven en deterministisk modell som utvides til to stokastiske modeller som inkluderer usikkerhet i romoppvarmingsbehov.

Et annet viktig bidrag i denne masteroppgaven er sammenligningen av den deterministiske og de stokastiske modellene, hvor verdien av å inkludere usikkerhet i romoppvarmingsbehovet blir vurdert. Oppgaven presenterer både en tradisjonell, scenario tre modell og en modell med multihorizon struktur. Scenario treet i den tradisjonelle stokastiske modellen øker betraktelig med antall perioder med usikkerhet som inkluderes i problemet. Ved å frakoble perioder med usikkerhet klarer multi-horizon modellen å redusere størrelsen på problemet betydelig og overkomme beregningsutfordringene som den tradisjonelle stokastiske modellen har. Beregningstiden for hver probleminstans blir redusert fra rundt 9 timer til 25 sekunder. For de fleste probleminstansene gir multi-horizon modellen en tilfredsstillende løsning som er nær løsningen til den tradisjonelle stokastiske modellen.

En case-studie, som inkluderer et termisk sesonglager og styring av etterspørsel, av et planlagt boligområdet på Leangen, i Trondheim, er også gjennomført. Analysen i denne oppgaven viser at et termisk lager har størst innvirkning på den årlige driftskostnaden, da det bidrar til å redusere produksjonen fra dyre varmeproduksjonsteknologier i vintermånedene, mer enn reduksjonen som er mulig gjennom styring av etterspørsel. Styring av etterspørsel er verdifullt både med og uten et termisk lager til stede, men har en lavere innvirkning på den totale driftskostnaden. Sesonglageret og mulighet til styring av etterspørsel gjør det mulig å spare opptil 22% i CO2 utslipp, 11% i maksimal produksjon og 9% i total driftskostnad. I tillegg, hvis det er et stort overskudd av spillvarme fra søppelforbrenning om sommeren, gjør et lager med høy kapasitet det mulig å eliminere produksjon fra de dyreste produksjonsteknologiene, noe som resulterer i en betydelig reduksjon i total driftskostnad. Selv om det per dags dato ikke foreligger noen plan om å installere et lager på Leangen indikerer resultatene våre at tilbakebetalingstiden kan være så lav som 9 til 11 år for det termiske lageret. Basert på resultatene foreslår vi at ytterligere analyse av lager i fjernvarmenettet på Leangen bør utføres.

The growing energy demand in the world, together with the increasing challenges related to climate change, has sparked an ongoing restructuring of energy systems towards renewable energy. The variability of non-dispatchable renewable energy sources and the increasing power demand caused by increasing electrification have triggered the development of new smart energy systems. Currently, electricity covers a large part of the heating demand in Norway. Low-temperature District Heating Grids (DHGs) can contribute substantially to more efficient use of energy resources as well as better integration of renewable energy and surplus heat to cover heating demand. This thesis studies an optimization problem regarding the cost-effectiveness of utilizing waste heat, Demand Side Management (DSM), and Thermal Energy Storage (TES) in low-temperature DHGs. To solve the optimization problem, we first present a deterministic model, before expanding it to two stochastic models with uncertain Space Heating demand.

Another significant contribution of this work is the comparison of the deterministic and stochastic models and assessing the value of including uncertainty in Space Heating demand. This thesis presents both a traditional scenario tree-based model and a multi-horizon structure model. The size of the traditional stochastic model increases exponentially with the number of periods with uncertainty. By decoupling the periods with uncertainty, the multi-horizon approach reduces the problem size extensively and overcomes the computational challenges faced by the traditional stochastic model. Calculation times are reduced from about 9 hours for each problem instance to 25 seconds. In most cases, the multi-horizon model provides a satisfactory solution close to the one provided by the traditional stochastic model.

The methodology is evaluated in a planned residential area at Leangen, in Trondheim. Considering seasonal TES and DSM, the analysis in this thesis shows that a TES has the most significant impact on the annual operational cost as it allows the largest reduction of heat production from expensive heat technologies in winter months. If there is a large surplus of heat from waste incineration in the summer, the larger the TES capacity, the more production from the most expensive production technologies can be reduced, which results in a significant reduction in total operational cost. DSM is valuable both with and without TES, but with a moderately lower impact on operational cost. The availability of TES and application of DSM provides savings of up to 22% in CO2 emissions, 11% in peak production, and 9% lower operational cost. Even if the current development of the DHG at Leangen does not consider a TES, our results indicate that the payback time for storage may be as low as 9 to 11 years and suggest that further research should be carried out of including TES in the DHG.