Stochastic Short-Term Optimization of Energy Systems with Offshore Hydrogen Production
Abstract
Fornybare energikilder utgjør kjernen av fremtidens energisystem. Verdikjeder av hydrogen vil spille en avgjørende rolle i integreringen av fornybar kraft, men vil også ha nytte som råstoff, drivstoff og energibærer på tvers av ulike sektorer. Samtidig planlegger den Europeiske kommisjon å øke vindkraftkapasiteten i Nordsjøen og forsyne det europeiske kontinentet med 40 GW grønn hydrogen innen 2030. Akademia og industrisektoren har rettet stort forskningsinnsats og allerede gjort store investeringer for å realisere ambisjonene om å skape forsyningskjeder av hydrogen i Nordsjøen. Med dette som bakgrunn er et offshore energisystem bestående av en offshore vindfarm og en hydrogenplattform i Nordsjøen blitt studert. Det såkalte hybridsystemet er koblet til det europeiske fastlandet via en overføringskabel til kraftnettet og en undervanns hydrogenrørledning. Energi fra vindparken kan brukes i hydrogenproduksjon eller sendes direkte inn på kraftnettet. Målet til denne oppgaven har vært å implementere systemets oppførsel inn i en optimaliseringmodell som maksimerer inntekt fra hydrogen- og kraftmarkeder. Optimeringsmodellen tilbyr beslutningsstøtte ved å nøyaktig estimere forventet inngående kontantstrømmer, også for ulike systemkonfigurasjoner dersom kapasiteter endres. Optimeringsmodellen er definert som et lineært stokastisk blandet heltallsproblem, som tar hensyn til usikkerhet i vindkraftproduksjon 36 timer frem i tid ved å kombinere kvantilregresjon og spline basisfunksjoner, og en scenariogenereringsmetode inspirert av Pinson et al. (2009). Regresjonsmodeller er benyttet til å prognostisere kraftpriser i day-ahead og intraday markedet, og straffekostnader ved underleveranser er modellert for å fange opp risiko ved budgivning til disse markedene. Nøyaktigheten i modelleringsbeskrivelsen av elektrolysørenes oppførsel er vektet mot problemstørrelse og løsningstid, og modellen håndterer også begrensninger som følger av overgang mellom ulike driftstilstander. En rullende horisont tilnærming er benyttet for å løse det stokastiske optimeringsproblemet over en bestemt tidshorisont.
Resultatene viser at modellen påvirkes betydelig av graden av usikkerhet knyttet til de eksogene faktorene. Selv om scenariobeskrivelsen fører til relativt robuste løsninger er brenselceller, batteripakker og intraday markedet viktige komponenter for å håndtere situasjoner med underproduksjon, selv om det er forventet at et høyere antall scenarioer fører til mer robuste løsninger. Det er viktig å vurdere straffekostnaden for brudd på avtaler av kraftsalg i sammenheng med antallet scenarioer som modelleres. Dette hensynet er av stor betydning ettersom tilfeldige prosesser er involvert i scenariogenereringsmetoden. Disse aspektene gjør det utfordrende å tolke den nøyaktige verdien av den stokastiske løsningen, selv om det deterministiske problemet oppnår en objektsfunksjonsverdi som er 6.8 % bedre. Videre vil modellen med perfekt informasjon om vind gi en 8.0 % bedre løsning. Høyere overføringskapasitet til kraftnettet kan gi betydelig inntektsøkning, men det vil kreve store investeringer i kraftnettet, som overgår det som er virker fornuftig. Ved å modellere en elektrolysørkapasitet på 1 000 MW, tilsvarende et energisystem dedikert til kun hydrogenproduksjon, anslås denne systemkonfigurasjonen å være konkurransedyktig med det opprinnelig studerte systemet dersom hydrogenprisen anslagsvis overstiger 5 EUR/kg. Salg av hydrogen innebærer lavere finansiell risiko enn avtaler av kraftsalg. Modellen som er foreslått i denne masteroppgaven finner nytte som et lønnsomhetsverktøy for å optimalisere energisystemets design over prosjektets levetid. Fremtidige estimater for kraft og hydrogenpriser spiller en avgjørende rolle for å estimere om investeringsbeslutninger i slike prosjekter kan være lønnsomme. In the next decades, the European energy supply will drastically increase its share of renewable power generation, as the future energy system will comprise renewable energy sources at its core. Hydrogen supply chains will play a vital role in integrating renewable technologies, but will also provide as a feedstock, fuel and energy carrier across a wide range of sectors. Meanwhile, the European Commission is planning to upscale the wind power capacity in the North Sea and provide the European continent with 40 GW renewables-linked electrolysis in 2030. Academia and industry have directed research efforts and investments to realize the ambitions of creating hydrogen corridors from the North Sea. Several companies have announced their investments in offshore systems, accelerating the race towards the production of hydrogen offshore. In that context, an offshore energy system consisting of an offshore wind farm and hydrogen platform in the North Sea has been studied. The so-called hybrid system is connected to the European mainland through a transmission cable to the power grid and a hydrogen pipeline. Energy from the wind farm can be utilized in hydrogen production or injected directly in to the mainland power grid. The objective of this thesis has been to implement the operational behavior of this system into an optimization framework that maximizes the revenue potential by participating in hydrogen and power markets. The optimization model provides decision-support by accurately estimating the expected revenues for a given system configuration of preference for a prospecting investor. A stochastic mixed integer planning model is formulated to account for uncertainty in wind power generation 36 hours ahead, by combining quantile regression with spline basis functions and a scenario generation method proposed by Pinson et al. (2009). Autoregressive structures are applied to forecast electricity prices in the day-ahead and intraday markets, and non-reversible commitments made in bidding auctions to capture risk. A compromise between computational tractability and modeling precision is made when modeling electrolyzer characteristics, that includes ramping constraints between operational states. A rolling horizon framework is implemented to solve the stochastic program.
The performance of the model is significantly influenced by the uncertainty associated with exogenous factors, as revealed by the results. In such scenarios, the role played by fuel cell batteries and the intraday market is crucial in effectively mitigating any potential violations of power purchase agreements. It is expected that a higher number of scenarios would result in more robust solutions. However, it is important to carefully assess the penalty costs and the number of scenarios to prevent the objective function from deteriorating and to avoid long solution times. This consideration is especially important due to the random processes involved in the scenario generation process. These aspects make it difficult to interpret the value of the stochastic solution, although the expected value problem by definition achieves a 6.8 % better solution. Furthermore, the perfect information case achieves an 8 % better solution. Although higher transmission capacities yield greater revenues, they often require substantial grid reinforcements that may not be practically feasible. By modeling a 1000 MW electrolyzer capacity, which corresponds to an island mode configuration, the hydrogen break-even point is estimated to be approximately 5 EUR/kg when considering power sales. Selling hydrogen carries lower financial risks compared to power purchase agreements. The model proposed in this thesis could be iteratively employed with profitability tools for the project lifetime in the optimization of energy system designs. Future estimations of electricity and hydrogen prices, combined with equipment costs, will play a decisive role in determining the profitability and viability of projects involving offshore hydrogen production.