The rapidly evolving Nordic Power System demands enhanced flexibility and robustness in electricity production. The traditional role of hydropower plants in regulating the grid frequency has been challenged by new criteria for dynamic stability, which some units struggle to meet due to their relatively poor dynamic performance. This study addresses this challenge by investigating the potential of integrating optimal energy storage systems with hydropower plants. This study aimed to develop a tool that could streamline the process of converting a traditional hydropower plant into a hybrid unit using an optimal energy storage system. The problem is complex and requires an innovative approach that combines electrical engineering expertise with cutting-edge machine-learning algorithms. A comprehensive hydropower plant model, including governor control and mechanical and hydraulic subsystems, was developed and integrated with an energy storage system model to form a hybrid unit. This model was validated using real power plant data. Three distinct XGBoost Regressor models were trained using data samples generated from the optimized hybrid unit. These models aim to predict power and energy requirements for an optimal energy storage solution, including an estimation of wear and tear reduction. The XGBoost Power Regressor achieved a prediction accuracy of 92 % and the XGBoost Energy Regressor demonstrated a 95 % accuracy. The XGBoost Movement Regressor, indicating wear and tear, boasted an accuracy greater than 99 %. The integration of energy storage systems can significantly mitigate wear and tear on a hydropower plant, with reductions of up to 85 % or more. The results indicate that integrating energy storage systems with hydropower units can substantially enhance the dynamic performance, reduce wear and tear and enable the plants to meet the demanding requirements of providing frequency regulation services in the Nordic Power System. The findings of this study culminate in a robust and user-friendly tool capable of accurately estimating optimal energy storage requirements for any hydropower plant tasked with meeting frequency regulation service demands. / Det nordiska kraftsystemet är under snabb förändring och skiftar alltmera till elproduktion med krav på ökad flexibilitet och tillförlitlighet. Vattenkraftverkens traditionella roll som källa till reglering och stabilisering av nätfrekvensen, utmanas nu av nya krav på dynamisk prestanda och stabilitet. På grund av sina relativt dåliga prestanda har vissa vattenkraftverk svårigheter att uppfylla dessa nya krav. Detta examensarbete behandlar denna utmaning genom att undersöka möjligheterna att integrera optimala energilagringssystem med vattenkraftverk. Syftet med arbetet var att utveckla ett verktyg som skulle kunna effektivisera processen för att omvandla ett traditionellt vattenkraftverk till ett hybridkraftverk med hjälp av ett optimalt energilagringssystem. Detta är ett komplext problem som kräver ett innovativt tillvägagångssätt som kombinerar elkraftteknik med avancerade algoritmer för maskininlärning. En omfattande modell utvecklades för att simulera ett vattenkraftverk med styrsystem, mekaniska och hydrauliska system. Denna kraftverksmodell integrerades med en modell för ett energilagringssystem för att tillsammans bilda en hybridenhet. Modellens validitet verifierades med hjälp av verkliga testdata. Med hjälp av data från simuleringar av den optimerade hybridenheten kunde tre XGBoost-regressionsmodeller skapas för att estimera både effekt och energibehov för ett optimalt energilagringssystem. Utöver detta kunde även en uppskattning av minskning av slitage presenteras. XGBoost Power Regressor uppnådde en träffsäkerhet på 92 % och XGBoost Energy Regressor uppvisade en träffsäkerhet på 95 %. XGBoost Movement Regressor, som indikerar slitage, hade en noggrannhet på högre än 99 %. Integrering med energilagringssystem kan avsevärt minska slitaget på ett vattenkraftverk, med minskningar på upp till 85 % eller mer. Resultaten visar att integrering av energilagringssystem och vattenkraftverk väsentligt kan förbättra den dynamiska prestandan, minska slitage och göra det möjligt för kraftverken att uppfylla kraven för att bidra med frekvensregleringstjänster i det nordiska kraftsystemet. Resultaten av denna studie kulminerar i ett robust och användarvänligt verktyg som kan uppskatta ett optimalt energilagringsystem för ett vattenkraftverk som ska uppfylla kraven för frekvensreglering.

Förnyelsebar och miljövänlig elproduktion är en förutsättning för det mer eller mindre miljömässigt positiva värdet hos de produkter och processer som förbrukar elenergi. Det räcker inte med att dessa produkter och processer är effektiva i sitt användande av el om denna el är producerad med icke förnyelsebara metoder. Målet simuleringsprogram som kan simulera ett hybridkraftverk som använder sig av vindkraft och vattenkraft. Resultatet av detta projekt är ett simuleringsprogram som kan uppskatta storleken på ett pumpkraftverk i form av hur många megawatt dess vattenturbin behöver vara samt hur stor reservoar som behövs. Dessutom uppskattas hur många vindkraftverk som krävs i kombination med vattenkraftverket för att nå en önskad minskning av elektricitet från icke förnyelsebara källor.  med detta projekt är skapandet av ett / Renewable and environmentally friendly electricity production is a necessity for the relative positive value of the products and processes that consumes electricity. It is not enough that these products and processes in and of themselves are effective in their use of electricity if that electricity is produced with non- renewable means. The goal of this project is the creation of a simulation software that can simulate a hybrid powerplant composed of wind turbines and a hydro powerplant. The result of this project is a simulation software that is able is to approximate the size of a pumped-storage megawatts and the size of the reservoir needed. In addition, the software calculates the amount of wind turbines needed in combination with the hydro powerplant to achieve a desired decrease in non-renewable electricity.