Implementation of Methods for Generation Adequacy Assessment with Wind Considerations

Abstract

Denne oppgaven lager åpen kildekode Python-skript for gjennomføring av generasjonstilstrekkelighetsanalysestudier (tilgjengelig på GitHub). Først konstrueres manus uten vindhensyn, og deretter manusene har blitt modifisert for å inkludere vindhensyn. Generasjons- og lastmodeller er implementert for å få pålitelighetsindeksene (adequacy) Loss of Load Expectation (LOLE) og Expected Energy Ikke servert (EENS). To probabilistiske metoder er implementert: en analytisk metode og en ikke-sekvensiell Monte Carlo Simulation (MCS) metode. Begge metodene bruker IEEE-lastkurven for lastmodellen deres, men ulike generasjonsmodeller brukes. Den analytiske modellen bruker en rekursiv algoritme, hvor generasjonsenheter legges til én etter én for å oppnå en sannsynlighet for kapasitetsavbrudd Tabell (COPT). Den ikke-sekvensielle MCS-metoden bruker tilstandsprøvetaking, hvor et enhetlig tilfeldig tall genereres for hver timetilvekst og en tilstand velges basert på tilstandssannsynlighetene til en generator.

Vindhensyn, som kan være et hvilket som helst antall turbiner plassert på- eller offshore, er lagt til skriptene ved å modellere effektkurven til en vindturbin. De analytiske metodemodellene a vindturbin som en konvensjonell generasjon med flere tilstander, hvor en tilstandssannsynlighetstabell er basert på vindkraftfordelingen og den mekaniske tilgjengeligheten. Kraftfordelingen oppnås ved å konvertere vindhastigheter til effektuttak ved hjelp av effektuttakskurven. MCS-metoden, på på den andre siden simulerer vindhastigheten med en Weibull-fordeling og et ensartet tilfeldig tall generator. Den bruker også effektkurven, og resultatet kombineres med den mekaniske tilgjengeligheten.

De foreslåtte skriptene har blitt testet på to testsystemer - Roy Billinton Test System og IEEE Pålitelighetstestsystem. De resulterende pålitelighetsmålingene har blitt sammenlignet med referanseverdier i litteraturen og funnet å være nært samsvarende. Videre metodisk klarhet i hvordan man skal få tak de presenterte skriptene er gitt. Selv om alle elementene i de implementerte metodene er tilstede i lys- erature, ikke alle er tydelig forklart eller kombinert på ett sted. Dette arbeidet tar sikte på å overvinne denne begrensningen.

I tillegg har effekten av turbinstans på produksjonen til en havvindpark vært vurdert. Den kumulative fordelingen viste at den delen av grafen som opererer mellom nr effekt og nominell effekt er nær lineær for turbiner med perfekt pålitelighet. Introduserer ikke- null tvangsavbruddsrater for turbinene resulterer i en trinnvis sannsynlighetsadferd mot øvre ende av vindparkens produksjon. Disse trinnene skjer rundt økninger av den nominelle kapasiteten til en singular turbin og senke sannsynligheten for drift i intervallene i øvre ende av vindparken.

En tilnærmet lineær relasjon mellom en turbins Forced Outage Rate (FOR) og den årlige energien produksjon kan observeres. En økning i FOR, for FORs over 0,10, ser ut til å ha en økende større innvirkning på den årlige energiproduksjonen. Den samme oppførselen kan observeres i casestudien som gjennomføres. Studien ser på hvor mange turbiner som kreves for å levere energi til byen Trondheim, forutsatt at en lagerløsning tar seg av alle kraftsvingningene. En konstant kraft etterspørsel på 688 MW kan dekkes av en 1,43 GW vindpark med perfekt pålitelighet. Gården bruker 10 MW turbiner, og 3 ekstra turbiner er nødvendig for en 0,02 økning i FOR. Fra en FOR på 0,10, dette verdien ser ut til å øke til 4 turbiner for å tilfredsstille etterspørselen.

Resultatene for den ikke-sekvensielle MCS-metoden med vindhensyn er av med opptil 15 % pga. en dårlig passende Weibull-fordeling for vindhastighetene. Videre en tredje sannsynlighetsmetode er også implementert, en sekvensiell MCS uten vindhensyn i form av staten varighetsmetode. Disse resultatene er redusert med 5 til 10 %, men det er to hovedårsaker til dette misforholdet. En av dem er å avrunde den simulerte tilstandsvarigheten til et heltall antall timer for å matche heltallet timebelastningsprofil. Den andre begrensningen skyldes måten generasjonsprofilen initialiseres på. De generatoren antas i dag å være i drift ved starten av hvert simuleringsår. Imidlertid bærer over staten og statens varighet fra forrige simuleringsår ville gi bedre resultater. Disse to begrensninger kan tas opp i fremtidig arbeid. Send feedback Translation results available

This thesis creates open-source Python scripts for conducting generation adequacy analysis studies (available on GitHub). First, scripts without wind considerations are constructed, and then the scripts have been modified to include wind considerations. Generation and load models have been implemented to obtain the reliability (adequacy) indices Loss of Load Expectation (LOLE) and Expected Energy Not Served (EENS). Two probabilistic methods have been implemented: an analytical method and a non-sequential Monte Carlo Simulation (MCS) method. Both methods use the IEEE load curve for their load model, but different generation models are used. The analytical model uses a recursive algorithm, where generation units are added one by one to obtain a Capacity Outage Probability Table (COPT). The non-sequential MCS method uses state sampling, where a uniform random number is generated for each hourly increment and a state is selected based on the state probabilities of a generator.

Wind considerations, which can be any number of turbines located on- or offshore, have been added to the scripts by modelling the power output curve of a wind turbine. The analytical method models a wind turbine as a conventional generation with multiple states, where a state probability table is based on the wind power distribution and the mechanical availability. The power distribution is obtained by converting wind speeds to power outputs using the power output curve. The MCS method, on the other hand, simulates the wind speed with a Weibull distribution and a uniform random number generator. It also uses the power output curve, and the result is combined with the mechanical availability.

The proposed scripts have been tested on two test systems - the Roy Billinton Test System and the IEEE Reliability Test System. The resulting reliability metrics have been compared with benchmark values in the literature and found to be closely matching. Furthermore, methodological clarity on how to obtain the presented scripts is given. Even though all elements of the implemented methods are present in the lit- erature, not all are clearly explained or combined in one place. This work aims to overcome this limitation.

Additionally, the effect of turbine outage rates on the output of an offshore wind farm has been assessed. The cumulative distribution showed that the portion of the graph operating between no output and the rated output is close to linear for turbines with perfect reliability. Introducing non- zero Forced Outage Rates for the turbines results in a stepwise probability behaviour towards the upper end of the wind farm output. These steps occur around increments of the rated capacity of a singular turbine and lower the probability of operating in the intervals at the upper end of the wind farm.

An approximately linear relation between a turbine’s Forced Outage Rate (FOR) and the yearly energy production can be observed. An increase in FOR, for FORs above 0.10, seems to have an increasingly bigger impact on the yearly energy production. The same behaviour can be observed in the case study that is carried out. The study looks at how many turbines are required to supply energy to the city of Trondheim, assuming that a storage solution takes care of all the power fluctuations. A constant power demand of 688 MW can be covered by a 1.43 GW wind farm with perfect reliability. The farm uses 10 MW turbines, and 3 additional turbines are needed for a 0.02 increase in FOR. From a FOR of 0.10, this value seems to increase to 4 turbines to satisfy the demand.

The results for the non-sequential MCS method with wind considerations are off by up to 15% due to a poorly fitting Weibull distribution for the wind speeds. Furthermore, a third probabilistic method has also been implemented, a sequential MCS without wind considerations in the form of the state duration method. These results are off by 5 to 10%, but there are two main reasons for this mismatch. One of them is rounding the simulated state duration to an integer number of hours to match the integer hourly load profile. The second limitation is due to the way that the generation profile is initialised. The generator is currently assumed to be operational at the start of each simulation year. However, carrying over the state and state duration from the previous simulation year would yield better results. These two limitations can be addressed in future work.