The study carried out in this master thesis is part of a larger project led by Energynautics GmbH focusing on renewable energy development in the Caribbean. One of the Caribbean states, consisting of multiple islands, has set a target of 30 % of renewable energy in the power sector by 2030. The first objective of the thesis is to develop optimal generation capacity expansion plans for two different islands of this country, utilizing solar PV generation, which is the only available renewable energy resource. To achieve this objective, three main tasks are identified. The first is the development of an optimal generation capacity expansion plan for the next three years using the optimization tool HOMER Energy. At the beginning only diesel generation is present on the islands. For each study case year, the installed capacity of PV and BESS is optimized and enabling technologies such as curtailment (controllability of PV) and grid-forming inverters are deployed. The second task focuses on the development of a new dispatch strategy, improving on the black box dispatch algorithms built into HOMER. The dispatch strategy minimises the cost of electricity generation and is based on a rolling 48 hours forecasts of the load and PV. It is implemented in MATLAB and linked to HOMER via the built-in MATLAB interface. As HOMER is focused on generation expansion and dispatch and inherently neglects the grid, a grid study is required to assess the stability of the network. This study is the last task of the thesis and is limited to determined steady-state voltage and the asset loading on one of the studied islands through load flow simulations in DIgSILENT PowerFactory. It is shown that there are no major issues even at high PV shares, however, grid performance can be improved if the PV unit is equipped with reactive power capability to control the voltage. A study on the impact of the Q(U)- control and the PQ-capability of the PV and BESS inverters is performed. / Studien som genomförts i detta examensarbete är en del av ett större projekt vilket leds av Energynautics GmbH med fokus på utveckling av förnybar energi i Karibien. En av de Karibiska staterna, bestående av flera öar, har ett mål på 30 % förnybar energi i elkraftssektorn innan 2030. Första syftet med examensarbetet är att utveckla optimala utbyggnadsplaner för produktionskapaciteten för två olika öar i detta land, med användning av solcellsproduktion, vilket är den enda tillgängliga förnybara energikällan. Den första uppgiften är utvecklingen av en optimal utbyggnadsplan för produktionskapaciteten för de kommande tre åren med optimeringsverktyget HOMER Energy. Från början fanns det bara dieselgeneratorer på öarna. För varje studerat år optimeras den installerade kapaciteten av PV och BESS samt aktivering av möjliggörande teknologier som begränsning av PV-produktion och grid-forming växelriktare. Den andra uppgiften fokuserar på utvecklingen av en ny driftsstrategi, förbättring av den basala driftsalgoritm som är inbyggd i HOMER. Driftsstrategin minimerar kostnaden av elproduktionen och är baserad på en 48 timmars prognos av laster och PV. Den är implementerad i MATLAB och kopplad till HOMER via det inbyggda MATLABgränssnittet. Eftersom HOMER fokuserar på produktionsutbyggnad och drift och i praktiken försummar elnätet, krävs en studie av elnätet för att utvärdera stabiliteten av elnätet. Studien av denna sista uppgift i examensarbetet är begränsad till att bestämma spänningen vid jämnviktsläge och den utvärderade lasten på en av de studerade öarna genom belastningsfördelningsberäkning i DIgSILENT PowerFactory. Det visade sig att det inte fanns några stora problem även med stora andelar PV, men elnätets prestanda kan förbättras om PV-omriktarna är utrustade med reaktiv effektstyrning som kontrollerar spänningen. En studie avinverkan från Q(U)-styrning och PQ-kapacitet av PV- och BESS-växelriktare har utförts.

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).