Optimizing Hybrid Hydro-Solar Power Systems Using Two-Stage Stochastic Programming

Abstract

Inkluderingen av fornybare energikilder i kraftmiksen har de senere årene fått økt oppmerksomhet på grunn av etterspørselen etter fornybare og bærekraftige energikilder. Hybride kraftsystemer som kombinerer fornybar energi og kontrollerbare energikilder tilbyr økt stabilitet i kraftproduksjonen og økt ressursutnyttelse. Denne masteroppgaven fokuserer på bruken av to-stegs stokastiske optimeringsteknikker i planleggingen av produksjonsforpliktelser ved et hybrid vann- og solkraftverk i Guinea. Masteroppgaven fyller gapet i literatur om kraftplanlegging i hybride kraftsystemer ved å kombinere avanserte teknikker innen vannkraftsproduksjon, solscenariogenerering og stokastisk programmering. Vi utvikler et planleggingsrammeverk gjennom optimeringsmodeller som maksimerer ressursutnyttelse ved å minimere kostnader. Rammeverket innkorporerer usikkerhet i solkraftproduksjon og representerer en nøyaktig tilnærming av vannkraftproduksjonen. Oppgaven understreker viktigheten av hybrid produksjonsplanlegging ved å sammenligne et tilsvarende produksjonssystem der vann- og solkraftprodusentene planlegger og produserer uten kommunikasjon. Vi ser en tydelig fordel av hybrid kraftproduksjon i slike settinger gjennom vesentlig mer effektiv ressursbruk. Vi ser også på effekten av å implementere stokastikk i solproduksjonen, samt forskjellene ved å planlegge eksakt og planlegge tilnærmet. Resultatene er inkonklusive rundt fordelene ved å inkludere stokastikk, men tydeliggjør viktigheten av nøyaktig representasjon av kraftproduksjonen. Det utviklede rammeverket kan modifiseres til forskjellige tilbud- og etterspørselstrukturer, og har potensiale i spot-markeder. I tillegg diskuterer denne masteroppgaven anvendeligheten av en Branch-and-Cut algoritme basert på Disjunktiv Dekomponering for stokastisk programmering i produksjonsplanlegging av vannkraft.

The integration of renewable energy sources into the energy mix has gained significant attention due to the demand for reliable and sustainable energy. Hybrid power systems that combines renewable energy technologies and dispatchable power sources offer enhanced grid stability and resource utilization. This thesis focuses on the application of two-stage stochastic optimization techniques for the day-ahead load commitment of a hybrid hydro-solar power plant in Guinea. We seek to bridge a gap in literature regarding hybrid power system scheduling by combining state of the art methods from hydropower scheduling, solar scenario generation, and stochastic programming. We develop a scheduling framework through optimization models that maximize resource utilization while minimizing costs. The framework incorporates uncertainties associated with solar power and maintains accuracy in the complexities of hydropower production scheduling. The study highlights the importance of hybrid production planning in off-grid locations with grid congestion issues, comparing it to planning and operating separately. We show a significant advantage in hybrid power production in these settings, as the resource utilization of hybrid configurations is much more efficient. We also explore the effects of representing the hybrid power production as a stochastic problem and accurately representing the hydropower production function. The study is inconclusive regarding advantages to including stochasticity but explicate the significance in accurate representation. The developed framework can be adapted to suit different supply and demand structures and has potential applications in spot markets worldwide. Additionally, the thesis discusses the applicability of a Branch-and-Cut algorithm based on Disjunctive Decomposition for stochastic programming in hydropower production planning.