Electric water heaters as flexible energy resources in the power grid

Abstract

Usammenhengende kraftproduksjon fra vind- og solenergi kan være utfordrende for strømnettet. Forbrukerfleksibilitet fra aggregerte elektriske varmtvannsberedere er en lovende løsning for å håndtere denne utfordringen, ettersom varmtvannsberedere hos forbrukere kan skifte forbruk til perioder med høy andel fornybar kraftproduksjon. Ettersom det behøves bedre forretningsmodeller for aggregatorer med varmtvannsberedere, undersøker dette arbeidet hvordan aggregatorer kan maksimere forbrukerfleksibilitet fra aggregerte varmtvannsberedere.

En oversikt over tidligere forskningsarbeid vurderer tre hovedtemaer for aggregatorer med varmtvannsberedere. Det første temaet er modellering av berederne, det andre deltakelse i markeder med beredere og andre fleksible ressurser, og det tredje er optimeringsproblemer knyttet til beredere. Oversikten viser betydelige forskjeller i modelleringsnøyaktighet, oppsett for markedsdeltagelse og bruk av optimeringsmetoder. Det kommer også frem at mange tekniske utfordringer må løses og barrierer må brytes for at aggregatorer i større grad skal kunne kontrollere og optimere varmtvannsberedere til forbrukere for å oppnå en betydelig mengde fleksibilitet. En av de største utfordringene er å modellere beredernes ikke-lineære temperaturdynamikk nøyaktig og med lav kjøretid, som er avgjørende for å få ut mest mulig fleksibilitet med lav risiko for kaldt vann hos forbrukerne.

Denne masteroppgaven tar sikte på å finne den beste avveiningen mellom mengden fleksibilitet, nøyaktighet i modellering og lavest mulig kjøretid til algoritmene for et problem laget fra bunnen som maksimerer fleksibilitet fra varmtvannsberedere. En modell med ti temperaturlag og ett minutts tidsoppløsning brukes for å nøyaktig modellere opptil 100 beredere. Deretter antas det at berederne gir fleksibilitet ved å delta i et nordisk balansemarked. For å maksimere fleksibiliteten og dermed inntektene for aggregatoren, brukes en genetisk algoritme for å håndtere beredernes ikke-lineære temperaturdynamikk med høy nøyaktighet innenfor en rimelig kjøretid. Deretter blir det benyttet tre ulike gjentilkoblingsstrategier for å håndtere situasjoner der mange beredere er tilkoblet nettet samtidig, som kan ha negative konsekvenser for nettet.

Resultatene viser at aggregatorer kan forvente å oppnå en energimengde på opptil 5.8 kWh med fleksibilitet per bereder per dag. Dersom denne fleksibiliteten anvendes på balansemarkedet kan aggregatorer forvente å få en inntekt fra markedet på opptil 1.5 EUR per bereder per dag, med balansemarkedspriser fra januar 2023. Mens den genetiske algoritmen fungerer bra for å gi mye fleksibilitet, modellere nøyaktig og ha en brukbar kjøretid for et lavt antall beredere, skalerer kjøretiden dårlig for en portefølje med mange beredere. Til sammenligning skalerer en forenklet referansealgoritme lineært med antall beredere og kan derfor være bedre egnet for en portefølje med et høyt antall beredere.

Resultatene indikerer også at gjentilkoblingsstrategiene ikke påvirker mengden fleksibilitet eller den aggregerte topplasten til berederne på en negativ måte. Alle gjentilkoblingsstrategiene implementert i simuleringene resulterte i høyere eller lik gjennomsnittlig fleksibilitet sammenlignet med simuleringene uten gjentilkoblingsstrategi. I tillegg viste to av gjentilkoblingsstrategiene en betydelig reduksjon i aggregert topplast sammenlignet med simuleringene uten gjentilkoblingsstrategier.

The intermittency of renewable power generation from wind and solar is challenging as it can cause severe issues for grid safety and reliability. Demand-side flexibility (DSF) from aggregated electric water heaters (EWHs) is a promising solution to mitigate this challenge, as the load of residential EWHs can be shifted to periods with a high share of renewable generation present to supply the load. However, as good business cases still need to be improved for aggregators with EWHs, this work investigates how aggregators can maximise flexibility from EWHs.

A review of previous work assesses three pillars for aggregators with EWHs; modelling of EWHs, market participation with EWHs and other flexible resources, and optimisation problems concerning EWHs. The review indicates significant differences in modelling accuracy, setups for market participation and optimisation techniques applied in problems with EWHs. It is also evident that many technical challenges and barriers must be overcome for aggregators to control and optimise EWHs to achieve significant flexibility. One of the major challenges is to model the non-linear temperature dynamics of the EWHs accurately and computationally efficiently, which is essential to extract the maximum amount of flexibility with a low risk of cold water for consumers.

This work aims to find the best trade-off between the amount of flexibility, accuracy in modelling and computational efficiency for an optimisation problem created from scratch with aggregated residential EWHs. A 10-layer stratified temperature model with a one-minute resolution is used for up to 100 EWHs, assumed to be part of a portfolio of flexible resources applied in a balancing market. A genetic algorithm (GA) maximises flexibility and, coincidently, revenue from the EWHs, and handles the non-linear EWH temperature model with high accuracy. Additionally, three different reconnection strategies are applied to manage the aggregated load of many EWHs connected to the grid simultaneously.

The results indicate that aggregators can provide up to 5.8 kWh of flexibility per EWH per day using the GA. This can translate to revenue of up to 1.5 EUR per day per EWH when applying prices from manual frequency restoration reserve (mFRR) markets of January 2023. The GA performs well for providing a high amount of flexibility, modelling accurately and being computationally manageable for a low number of EWHs. However, its simulation time scales poorly with many aggregated EWHs in the portfolio. In comparison, the simulation time of a simplified reference algorithm scales linearly with the number of EWHs and can therefore be useful for aggregators with a high number of EWHs in their portfolio.

The results also indicate that it is possible to apply the reconnection strategies without negatively affecting flexibility or peak load. All of the reconnection strategies implemented in the simulations resulted in higher or equal average flexibility than those without reconnection strategies. Additionally, two reconnection strategies significantly reduced peak load compared to the simulations without reconnection strategies.