To achieve a sustainable future fossil electricity is being replaced with renewable, leading to higher uncertainties in electricity production. This has resulted in an incentive for consumers to produce, sell, and store their own electricity, hence becoming prosumers. Austerland Skags is a Swedish project that explores the possibility to convert a small society into a prosumption system. The system includes solar and wind power as electricity producers and hydrogen-fueled vehicles for commodity transport. To capitalize the most on their produced electricity they want to store excess electricity. This master thesis uses Austerland Skags as a case study to develop a stochastic linear optimization model to determine the optimal energy storage solution for an energy prosumption system with both electricity and hydrogen demand. The method used in this thesis was the sample average approximation (SAA) algorithm. The results from the SAA were compared to the expected results from the expected value problem (EEV) to show the difference between a stochastic and deterministic solution. The results from the SAA turned out to consistently outperform the EEV for the samples created. Since hydrogen demand could only be sourced in-house, the model was forced to use an electrolyzer and hydrogen tank. The final result from the SAA showed that both a battery and fuel cell was used in addition to the electrolyzer and hydrogen tank in the optimal solution. All capacities stayed within reasonable levels showing the possibility of realizing a cost-effective prosumption system. / För att uppnå en hållbar framtid byts fossila bränslen ut mot förnyelsebara energikällor, vilket leder till högre osäkerheter i elproduktionen. Detta har skapat ett initiativ för konsumenter att börja producera, sälja, och lagra sin egen elektricitet och därav bli prosumenter. Austerland Skags är ett svenskt projektsom undersöker möjligheten att konvertera ett litet samhälle till ett prosumentsystem. Systemet är uppbyggt med sol och vindkraft för produktion av elektricitet och planerar att använda vätgasdrivna fordon för transport av råvror. För att utnyttja så mycket som möjligt av den producerade elektriciteten vill de kunna lagra överskotts elektricitet. Den här masteruppsatsen använder Austerland Skag som en fallstudie för att utveckla en stokastisk linjär optimeringsmodell för att avgöra den optimala energilagringslösningen för ett energiprosumentsystem med både el och vätgasbehov. Metodvalet i denna uppsats var sample average approximation (SAA) algoritmen. Resultatet från SAA jämfördes med det förväntade resultatet från förväntade värdeproblemet (EEV) för att visa skillnaden mellan stokastiska och deterministiska lösningar. Resultatet från SAA visade sig ständigt ge bättre resultat än EEV för undersökta stickprov. Eftersom vätgasbehovet endast kunde förses in-house i modellen var den tvingad att dimensionera upp ett elektrolysör och vätgaslager. Slutresultatet av SAA visade att både batterier och bränsleceller var aktuellt tillsammans med elektrolysör och vätgaslager i den optimala lösningen. Alla kapaciteter förhöll sig inom rimliga nivåer vilket påvisar möjligheten att realisera ett kostnadseffektivt prosumentsystem. / Austerland Skags

Modern power systems are at the forefront of addressing the transition towards a decarbonized energy system, with increased integration of renewable energy sources becoming the key means to achieve the same. In this context, an expansion planning problem provides a decision support framework for investments in new generation and transmission assets over a long time-frame, addressing a wide range of technical and economic criteria aligned with national policies. It is thus an important but complex problem to solve, involving a number of modelling challenges and uncertainties to be considered. These include the treatment of operational variability due to the intermittent nature of renewable sources like wind or solar, while also considering uncertainties such as demand growth, technological developments impacting future investment costs among others, that define the long-term dynamics in the expansion. In this regard, one of the goals of the EU Project Spine is to create open source models to study investment scenarios for the expansion of power systems. This thesis work aims to offer insights for the Spine project, by identifying and exploring various requirements pertinent to a planning problem, along with method development. The primary objective of this thesis is to develop an expansion planning model, that determines the optimal location, size or capacity and time of investment for different candidates in generation and transmission assets, including short-term energy storage. A Mixed-Integer Linear Programming (MILP) optimization problem is formulated for the same, with both investment and operational sub-problems solved together. Operational variability has been modelled in a reduced form using profiles of representative days, while also incorporating contemporary requirements in the planning problem such as penetration targets for renewable generation. The developed model has been evaluated using a case study done on a small test network, in which different expansion scenarios involving varying demand growth and phase-out of conventional generators are investigated. Also, a two-stage stochastic optimization is performed to consider long-term uncertainties in demand growth and the quality of the stochastic solution is analyzed. It is inferred from the results that the expansion solution is indeed different for different scenarios, and stochastic optimization proves to be important in addressing long-term uncertainties, as reflected by a high value of stochastic solution (VSS). / Moderna kraftsystem ligger i framkant när det kommer till omställningen till ett fossilfritt energisystem. Ökad integrering av förnybara energikällor är den främsta lösningen för att uppnå detta. I samband med omställningen kan ett utbyggnadsplanering problem bidra till ramverk för investeringsbeslut för genererings- och transmissionstillgångar över ett långt tidsspann, vilket tar hänsyn till en bredd av tekniska och ekonomiska kriterier i linje med nationella policyer. Detta är ett viktigt, men ett komplext problem som inkluderar ett stort antal modelleringsutmaningar och osäkerheter som måste beaktas. Bland annat inkluderas hur drift varierar på grund av de förnybara energikällornas intermittenta karaktär såsom vind och sol, medan osäkerheter kring hur efterfrågan utvecklas, tekniska framsteg som påverkar framtida investeringar m.m., också behöver vägas in. Med hänsyn till detta är ett av målen för EU Project Spine att skapa en open source för modeller med syftet att studera investeringsscenarier när kraftsystemet expanderar. Syftet med detta examensarbete är att ge insikt i Spine-projektet genom att identifiera och utforska olika relevanta krav för ett planneringsproblem samt att utveckla metoder. Det huvudsakliga målet för detta examensarbete är att utveckla en expanderad planeringsmodell som bestämmer optimal placering, storlek, kapacitet och tidpunkt för investering för olika typer av genererings- och transmissionstillgångar samt kortvarig energilagring. Ett mixed-integer linjär programmering (MILP) optimeringsproblem har formulerats, där både investerings- och drifts-subproblem beräknas tillsammans. Variabel drift av kraftsystemet har modellerats på reducerad form genom att använda profiler för representativa dagar, därtill inkluderas samtida krav i planeringen såsom mål för penetreringsnivå av förnybara energikällor. Den utvecklade modellen har utvärderats i en fallstudie på en liten nätmodell där olika scenarier har utforskats. I scenarierna varieras tillväxten på efterfrågan och när utfasningen av konventionella generatorer sker. Därtill, sker en två-stegs stokastisk optimering för att ta hänsyn till långsiktiga osäkerheter kring tillväxten på efterfrågan och kvalitén av den stokastiska lösningen har analyserats. Resultaten visar att den expanderade lösningen är olika för olika scenarier, och att den stokastiska optimeringen är viktig när långsiktiga osäkerheter måste beaktas som visas genom ett högt värde för den stokastiska lösningen (VSS).