Decision analytics in hydropower: Investment and operational planning under uncertainty

Abstract

Den pågående overgangen til et mer bærekraftig kraftsystem byr på utfordringer, men også muligheter. Fra perspektivet til vannkraftsprodusenter gir den raske utviklingen av kraftsektoren opphav til komplekse stokastiske optimeringsproblemer som må formaliseres og løses. Målet med denne avhandlingen er å utvikle optimeringsmodeller og metoder for bærekraftig investering og drift av vannkraftverk.

Investering og driftsplanlegging i vannkraft er påvirket av flere usikre faktorer og mange fysiske begrensninger. Ulike aspekter av problemet er adressert i artiklene i denne avhandlingen, og hver artikkel bidrar med ny innsikt. I Paper I ser vi på vedlikehold og fornyelse av vannkraftverk under prisusikkerhet. I Paper II studerer vi driftsplanlegging under en stokastisk modell med avhengighet i utviklingen av lokalt tilsig, tilgjengelighet av ressurser, og markedspriser. Paper III undersøker virkningen av kortsiktig operasjonell fleksibilitet på langsiktige oppgraderingsbeslutninger. Til slutt tar Paper IV for seg langsiktig risiko knyttet til fornyelse og oppgradering av eksisterende vannkraftverk under begrenset langsiktig markedsinformasjon.

For å representere, løse, og analysere de ulike aspektene som vi undersøker i artiklene, bruker vi kjente verktøy fra operasjonsanalyse og finans. Vi utvikler stokastiske modeller for utviklingen av eksogene faktorer som styrer beslutningstaking. Videre så formulerer vi planleggingsproblemene som Markov-beslutningsprosesser (MDP), som er et rammeverk for sekvensiell beslutningstaking under usikkerhet. Deretter bruker vi realopsjonsanalyse for å finne analytiske løsninger, eller anvender approksimert dynamisk programmering (ADP) for å finne gode løsninger. For å vurdere kvaliteten på ADP-løsninger beregner vi grenser for den optimale verdien basert på etablert teori. Samlet sett bidrar artiklene i denne avhandlingen til forskningsområdene finans og operasjonsanalyse ved å utvikle modeller, algoritmer og teori for å løse storskala optimeringsproblemer, med et spesifikt fokus på vannkraft.

The ongoing transition to a more sustainable power system introduces challenges, but also opportunities. From the perspective of owners of hydropower assets, the rapidly transforming power sector gives rise to complex large-scale stochastic optimization problems that need to be formalized and solved. The aim of this thesis is to develop optimization models and methods for sustainable investment and operations in hydropower plants.

Investment and operational planning in hydropower plants is affected by several uncertain factors and numerous physical constraints. Various aspects are considered in the papers of this thesis, and each paper contributes with novel insights. In Paper I, we study maintenance and renewal of hydropower facilities under price uncertainty. In Paper II, we study operational planning under a joint model for the evolution of local inflow, availability of resources, i.e., system reservoir levels, and market prices. Paper III investigates the impact of short-term operational flexibility on long-term upgrade decisions. Finally, Paper IV addresses long-term risks associated with renewal and upgrading of existing hydropower facilities under limited long-term market information.

To represent, solve, and analyse the different aspects considered in the papers, we apply well-known tools from operations research and finance. In particular, we develop stochastic models for the evolution of exogenous factors which governs decision making. Moreover, we formulate the planning problems as Markov decision processes (MDPs), which is a framework for sequential decision making under uncertainty. Finally, based on structural properties of the MDPs, we employ real options analysis to obtain closed-form solutions, or approximate dynamic programming (ADP) for solving the MDPs near-optimally. To assess the quality of ADP solutions, we compute bounds for the optimal MDP value using established theory. Overall, the papers in this thesis contribute to the areas of finance and operations research by developing models, algorithms, and theory for solving large-scale optimization problems, with a specific focus on hydropower applications.