Contribution of Energy Storage to Generation Adequacy

Abstract

Formålet med denne avhandlingen er å evaluare bidraget fra batterilargringssystemer på leveringspåliteligheten til kraftsystem ved å anvende Monte Carlo-simulering og kvantifisering av kapasitetsverdi. Den installerte vindkraftskapasiteten har på verdensbasis økt kraftig de siste årene som en reaksjon på det økende energibehovet og miljøproblemene globalt. De tilfeldige og periodiske egenskapene til vind skaper utfordringer for pålitelig-heten til kraftsystemet. Med fremskrittene innen batteriteknologi kan batterilagrings-systemer være en essensiell del av løsningen i utnyttelsen av vindkraft. Probabilistiske pålitelighetsstudier for kraftsystemer, et svært etablert fagfelt innen leveringspålitelighets-evalueringer av kraftsystemer med tilfeldig og usikker atferd, er nødvendige for effektiv planlegging av komplekse kraftsystemer, spesielt for kraftsystemer med en stor andel av fornybare energikilder. Innføringen av intertemporale karakteristikker på grunn av tilstedeværelsen av fornybare energiressurser og batterilagringssystemer vil introdusere nye betrakninger til leveringspålitelighetsevalueringen, som krever sekvensielle Monte Carlo-simuleringsteknikker.

Avhandlingen fokuserer på å inkorporere kvantifisering av kapasitetsverdi i evalueringen av leveringspålitelighet for kraftsystem bestående av konvensjonelle generatorer og vindkraftproduksjon med inkludering av batterilagringssystemer. Probabilistiske indekser for leveringspålitelighet (Loss of Load Expectation - LOLE, og Expected Energy Not Served - EENS) anvendes for å beregne kapasitetsbidraget med indeksen Equivalent Load Carrying Capability (ELCC). Den algoritmiske prosedyren for utregningen av ELCC har blitt implementert i den eksisterende, interne MATLAB-kodene for evaluering av kraftsystemers leveringspålitelighet ved anveding av Monte Carlo-simuleringsmetoden kjent som "state transition", mens koder for sampling av vinddata og modellering av batterilagringssystemer og driftsstrategier har blitt utviklet. De resulterende kodene er testet på standardtestsystemene for pålitelighetsstudier av kraftsystemer, kjent som Roy Billinton Test System og IEEE Reliability Test System.

Fire driftsstrategier for energilagring og to metoder for utregning av ELCC blir evaluert. Det er tydelig observert at driftsstrategiene med mål om å forbedre systemets pålitelighet gir betydelig høyere kapasitetsverdi for batterilagringssystemet. Det ble også oppdaget at EENS-metoden for utregning av ELCC var den foretrukne metoden, ettersom EENS vurderer alvorlighetsgraden ved tap av last snarere enn forekomsten av lasttapssituasjoner.

The objective of this thesis is to evaluate the contribution of battery energy storage systems to generation adequacy by applying Monte Carlo simulation and capacity value quantification. As a response to the increasing global energy demand and environmental problems, the installed wind power capacity has grown rapidly over the last years. The intermittent characteristics of wind challenge the reliability of the power system. With the recent advances in battery technology, battery energy storage systems may be an essential key in exploiting wind energy. Probabilistic power system reliability studies, a highly developed field for evaluating reliability of power systems with uncertain behaviour, are needed for efficient planning of complex power systems, especially the ones with high penetration of renewable energy resources. The introduction of intertemporal characteristics due to the presence of renewable energy resources and battery energy storage will introduce new considerations to the reliability assessment, requiring sequential Monte Carlo simulation techniques. This thesis explores these aspects.

The thesis focuses on incorporating quantification of capacity value in generation adequacy assessment of power systems consisting of traditional and wind power generation with the inclusion of battery energy storage systems. Probabilistic generation adequacy indices (Loss of Load Expectation - LOLE, and Expected Energy Not Served - EENS) are applied to obtain the capacity value metric Equivalent Load Carrying Capability (ELCC). The algorithmic approaches for calculating ELCC have been implemented in existing indigenous MATLAB scripts for generation adequacy assessment using the Monte Carlo state transition simulation method, while scripts for wind speed sampling, and battery energy storage modelling together with operation strategies have been developed. The scripts are tested on two test systems - the Roy Billinton Test System (RBTS) and the IEEE Reliability Test System (RTS).

Four different energy storage operation strategies and two methods of calculating the ELCC metric are evaluated. It is clearly observed that strategies aiming to improve the system reliability provide considerably higher capacity value of battery energy storage systems. Due to EENS considering the severity of Loss of Load (LOL) events rather than the mere occurrence of LOL, it was found that the EENS is the preferred method of obtaining the ELCC.