Renewable energy is key to a sustainable future. However, the intermittency of most renewable sources and lack of sufficient storage in the current power grid means that reliable integration of significantly more renewables will be a challenging task. Moreover, increased integration of renewables not only increases uncertainty, but also reduces the fraction of traditional controllable generation capacity that is available to cope with supply-demand imbalances and uncertainties. Less traditional generation also means less rotating mass that provides very short term, yet very important, kinetic energy storage to the system and enables mitigation of the frequency drop subsequent to major contingencies but before controllable generation can increase production. Demand, on the other side, has been largely regarded as non-controllable and inelastic in the current setting. However, there is strong evidence that a considerable portion of the current and future demand, such as electric vehicle load, is flexible. That is, the instantaneous power delivered to it needs not to be bound to a specific trajectory. In this thesis, we focus on harnessing demand flexibility as a key to enabling more renewable integration and cost reduction. We start with a data driven analysis of the potential of flexible demands, particularly plug-in electric vehicle (PEV) load. We first show that, if left unmanaged, these loads can jeopardize grid reliability by exacerbating the peaks in the load profile and increasing the negative correlation of demand with wind energy production. Then, we propose a simple local policy with very limited information and minimal coordination that besides avoiding undesired effects, has the positive side-effect of substantially increasing the correlation of flexible demand with wind energy production. Such local policies could be readily implemented as modifications to existing "grid friendly" charging modes of plug-in electric vehicles. We then propose improved localized charging policies that counter balance intermittency by autonomously responding to frequency deviations from the nominal frequency and show that PEV load can offer a substantial amount of such ancillary services. Next, we consider the case where real-time prices are employed to provide incentives for demand response. We consider a flexible load under such a pricing scheme and obtain the optimal policy for responding to stochastic price signals to minimize the expected cost of energy. We show that this optimal policy follows a multi-threshold form and propose a recursive method to obtain these thresholds. We then extend our results to obtain optimal policies for simultaneous energy consumption and ancillary service provision by flexible loads as well as optimal policies for operation of storage assets under similar real-time stochastic prices. We prove that the optimal policy in all these cases admits a computationally efficient form. Moreover, we show that while optimal response to prices reduces energy costs, it will result in increased volatility in the aggregate demand which is undesirable. We then discuss how aggregation of flexible loads can take us a step further by transforming the loads to controllable assets that help maintain grid reliability by counterbalancing the intermittency due to renewables. We explore the value of load flexibility in the context of a restructured electricity market. To this end, we introduce a model that economically incentivizes the load to reveal its flexibility and provides cost-comfort trade-offs to the consumers. We establish the performance of our proposed model through evaluation of the price reductions that can be provided to the users compared to uncontrolled and uncoordinated consumption. We show that a key advantage of aggregation and coordination is provision of "regulation" to the system by load, which can account for a considerable price reduction. The proposed scheme is also capable of preventing distribution network overloads. Finally, we extend our flexible load coordination problem to a multi-settlement market setup and propose a stochastic programming approach in obtaining day-ahead market energy purchases and ancillary service sales. Our work demonstrates the potential of flexible loads in harnessing renewables by affecting the load patterns and providing mechanisms to mitigate the inherent intermittency of renewables in an economically efficient manner. / text

Die Verwendung elektrischer Energie ist ein essenzieller Bestandteil industrieller Prozesse. Aufgrund der aktuellen Bemühungen für eine Energiewende hin zu regenerativen Energien ist es sehr wahrscheinlich, dass die industrielle Bedeutung des elektrischen Stromes weiter zunehmen wird. Damit dabei die Ziele der Roadmap 2050, eine Reduzierung des CO2-Ausstoßes um 80 % bezogen auf 1990, erreichbar bleiben, bedarf es der unausweichlichen Etablierung erneuerbarer Energien. Dies ist kostenintensiv und aufgrund der ungleichmäßigen Energiebereitstellung nicht ohne Probleme für die aufgebauten Netzstrukturen. Der flexible Leistungsbezug (Demand Response) wird aufgrund seines netzdienlichen Charakters als ein Schlüssel zur Netzstabilisierung und direkten Energiekostenreduzierung gesehen. Jedoch trägt die energieintensive Papierindustrie mit ihren Papiermaschinen bislang keinen bedeutenden Teil zu diesem Ansatz bei und profitiert demnach auch nicht von den finanziellen Vorteilen. Eine Ursache dafür ist, dass dieser Branche auf Grundlage der bisherigen Be-wertungsmethoden kaum wirtschaftliche Potentiale für einen flexiblen Lastbezug zugespro-chen werden. Ein wesentlicher Teil der vorliegenden Arbeit widmet sich der Entwicklung eigner, den Be-dürfnissen der Papierindustrie angepassten, Erhebungs-, Bewertungs- sowie angeschlosse-nen Vermarktungsmethoden für eine Energiekostenreduzierung auf der Grundlage flexibler Lasten. Für die Kostenoptimierung stehen unterschiedliche Möglichkeiten, wie die in der vor-liegenden Arbeit betrachtete Regelleistungsvermarktung, zur Verfügung. Die Ergebnisse eines sortenspezifischen Analyseansatzes von Prozess- und Energieein-satzkennzahlen zeigen, dass von der Papierindustrie ein größeres Mitwirken am Regelleis-tungsmarkt zu erwarten sein kann, als es bisher angenommen wurde. Die erkannten Poten-tiale zur Lastflexibilisierung sind jedoch nicht jederzeit verfügbar. Damit diese Verfügbarkeit nicht überschritten wird, müssen die Mechanismen, die zum Regellastabruf führen, verstan-den und deren Einfluss auf einen Lastabruf genutzt werden. Zu diesem Zweck wurde im Zuge der Arbeit die Grenzlast eingeführt. Die Grenzlast kennzeichnet die Regellasthöhe, welche aus statistischer Sicht nicht öfter abgerufen wird, als es die Verfügbarkeit zulässt. Es wird belegt, dass auch von der Papierindustrie eine Beteiligung am Regelenergiemarkt möglich ist und die Energiekosten auf diese Weise reduzierbar wären, ohne den Fokus auf das Kerngeschäft zu verlieren.:I. Abbildungsverzeichnis II. Tabellenverzeichnis III. Formelverzeichnis IV. Abkürzungen, Formelzeichen V. Thesenübersicht 1 Einleitung und Motivation 1.1 Zielstellung und Aufbau der Arbeit 1.1.1 Ziele der Untersuchungen 1.1.2 Abgrenzung zu verfügbaren Software-Lösungen 1.2 Energieoptimierung – Sichtweisen und Definitionen 1.3 Energiepolitik und umweltpolitische Forderungen 1.3.1 Roadmap 2050 1.3.2 Zieldreieck 1.3.3 Flexible Lasten und der zukünftige Energiemarkt 2 Theoretische Grundlagen 2.1 Key Perfomance Indicator - Schlüsselfaktoren 2.2 Kennzahlen der Papierindustrie 2.3 Energiesystem in Deutschland 2.3.1 Energiepreise – Preisbildung 2.4 Netzregulierung – Regelleistung 2.5 Charakterisierung von Regelleistungsarten 2.5.1 Datenaufbereitung des Regelleistungseinsatzes 2.5.2 Minutenreserve 2.5.3 Sekundärreserve 2.6 Demand Response 2.6.1 Demand Response - Definition 2.6.2 Demand Response – Speicher 2.6.3 Finanzielle Auswirkungen von Demand Response 3 Methodik – Entwicklung und Durchführung 3.1 Ableitung konkreter Arbeitsaufgaben 3.2 Erhebung sortenspezifischer Kennzahlen 3.2.1 Sortenspezifische Kennwertberechnung 3.2.2 For-Schleife 3.2.3 Anwendungssoftware 3.2.4 Überführung produktspezifischer Kennzahlen in den Produktionsplan 3.3 Potentialerhebung flexibler Lasten 3.3.1 Potentialermittlung nach Klobasa 3.3.2 Diskussion der Klobasa Methode im Kontext weiterer Methoden 3.4 Analyse der Auktionsergebnisse von Regelleistung 3.5 Ermittlung und Einflussnahme auf die Abrufdauer von Regelleistung 3.5.1 Grenzlastprognose 3.5.2 Entwicklung der Preisstruktur zur Energiekostenoptimierung 3.6 Eignungsbewertung der ermittelten Regelleistungspotentiale 4 Anwendung grundlegender Erkenntnisse und Methoden 4.1 Reservelastpotential durch Änderung des Dampfbezuges 4.1.1 Ermittlung der Potentialhöhe 4.1.2 Qualitätsbewertung der potentiellen Reserveleistung 4.1.3 Ermittlung der Potentialverfügbarkeit 4.1.4 Herleitung und Bewertung des Arbeitspreises 4.1.5 Herleitung und Bewertung des Leistungspreises 4.1.6 Bestimmung der Energiekostenoptimierung 4.2 Reservelastpotential durch Änderung der Antriebslast - Ausblick 4.2.1 Qualitätsbewertung – sortenspezifische Betrachtung der Antriebslast 5 Effizienzsteigerung durch sortenspezifische Kennwerte 5.1 Energieoptimierungssystem 5.1.1 Zielwerterhebung im Energie Optimierungs System (EOS) 5.1.2 Funktionsweise des EOS 6 Zusammenfassung VI. Literaturverzeichnis VII. Anhang

The electric power systems are currently being transformed through the integration of intermittent renewable energy resources and new types of electric loads. These developments run the risk of increasing mismatches between electricity supply and demand, and may cause non-favorable utilization rates of some power system components. Using Demand Response (DR) from flexible loads in the building stock is a promising solution to overcome these challenges for electricity market actors. However, as DR is not used at a large scale today, there are validity concerns regarding its cost-benefit and reliability when compared to traditional investment options in the power sector, e.g. network refurbishment. To analyze the potential in DR solutions, bottom-up simulation models which capture consumption processes in buildings is an alternative. These models must be simple enough to allow aggregations of buildings to be instantiated and at the same time intricate enough to include variations in individual behaviors of end-users. This is done so the electricity market actor can analyze how large volumes of flexibility acts in various market and power system operation contexts, but also can appreciate how individual end-users are affected by DR actions in terms of cost and comfort. The contribution of this thesis is bottom-up simulation models for generating load profiles in detached houses and office buildings. The models connect end-user behavior with the usage of appliances and hot water loads through non-homogenous Markov chains, along with physical modeling of the indoor environment and consumption of heating and cooling loads through lumped capacitance models. The modeling is based on a simplified approach where openly available data and statistics are used, i.e. data that is subject to privacy limitations, such as smart meter measurements are excluded. The models have been validated using real load data from detached houses and office buildings, related models in literature, along with energy-use statistics from national databases. The validation shows that the modeling approach is sound and can provide reasonably accurate load profiles as the error results are in alignment with related models from other research groups. This thesis is a composite thesis of five papers. Paper 1 presents a bottom-up simulation model to generate load profiles from space heating, hot water and appliances in detached houses. Paper 2 presents a data analytic framework for analyzing electricity-use from heating ventilation and air conditioning (HVAC) loads and appliance loads in an office building. Paper 3 presents a non-homogeneous Markov chain model to simulate representative occupancy profiles in single office rooms. Paper 4 utilizes the results in paper 2 and 3 to describe a bottom-up simulation model that generates load profiles in office buildings including HVAC loads and appliances. Paper 5 uses the model in paper 1 to analyze the technical feasibility of using DR to solve congestion problems in a distribution grid. / Integrering av förnybara energikällor och nya typer av laster i de elektriska energisystemen är möjliga svar till klimatförändringar och uttömning av ändliga naturresurser. Denna integration kan dock öka obalanserna mellan utbud och efterfrågan av elektricitet, och orsaka en ogynnsam utnyttjandegrad av vissa kraftsystemkomponenter. Att använda efterfrågeflexibilitet (Demand Response) i byggnadsbeståndet är en möjlig lösning till dessa problem för olika elmarknadsaktörer. Men eftersom efterfrågeflexibilitet inte används i stor skala idag finns det obesvarade frågor gällande lösningens kostnadsnytta och tillförlitlighet jämfört med traditionella investeringsalternativ i kraftsektorn. För att analysera efterfrågeflexibilitetslösningar är botten-upp-simuleringsmodeller som fångar elförbrukningsprocesser i byggnaderna ett alternativ. Dessa modeller måste vara enkla nog för att kunna representera aggregeringar av många byggnader men samtidigt tillräckligt komplicerade för att kunna inkludera unika slutanvändarbeteenden. Detta är nödvändigt när elmarknadsaktören vill analysera hur stora volymer efterfrågeflexibilitet påverkar elmarknaden och kraftsystemen, men samtidigt förstå hur styrningen inverkar på den enskilda slutanvändaren.  Bidraget från denna avhandling är botten-upp-simuleringsmodeller för generering av elförbrukningsprofiler i småhus och kontorsbyggnader. Modellerna kopplar slutanvändarbeteende med elförbrukning från apparater och varmvattenanvändning tillsammans med fysikaliska modeller av värmedynamiken i byggnaderna. Modellerna är byggda på en förenklad approach som använder öppen data och statistisk, där data som har integritetsproblem har exkluderats. Simuleringsresultat har validerats mot elförbrukningsdata från småhus och kontorsbyggnader,  relaterade modeller från andra forskargrupper samt energistatistik från nationella databaser. Valideringen visar att modellerna kan generera elförbrukningsprofiler med rimlig noggrannhet. Denna avhandling är en sammanläggningsavhandling bestående av fem artiklar. Artikel 1 presenterar botten-upp-simuleringsmodellen för genereringen av elförbrukningsprofiler från uppvärmning, varmvatten och apparater i småhus. Artikel 2 presenterar ett dataanalytiskt ramverk för analys av elanvändningen från uppvärmning, ventilation, och luftkonditioneringslaster (HVAC) och apparatlaster i en kontorsbyggnad. Artikel 3 presenterar en icke-homogen Markovkedjemodell för simulering av representativa närvaroprofiler i enskilda kontorsrum. Artikel  4 använder resultaten i artiklarna  2 och 3 för att beskriva en botten-upp-simuleringsmodell för generering av elförbrukningsprofiler från HVAC-laster och apparater i kontorsbyggnader. Artikel  5 använder modellen i artikel 1 för att analysera den tekniska möjligheten att använda efterfrågeflexibilitet för att lösa överbelastningsproblem i ett eldistributionsnät. / <p>QC 20160329</p>