The thesis project outlined in this report aims to comprehensively assess and optimize methods for long-term power production estimation of hybrid PV-wind energy systems. Through practical case studies, this approach seeks to exemplify the challenges and opportunities inherent in such systems. The research is conducted within the Wind Technical Team of Akuo Energy, an independent French renewable energy producer, leveraging their extensive expertise in technologies, industry practices, and data processing. The primary objective is to evaluate the relevance of two key parameters used in Akuo’s internal estimation methods, focusing on their impact on long-term production and revenues within the context of hybrid PV-wind energy systems. These parameters include unavailability losses, modeled on an hourly basis using Markovian transition matrices, and interannual variability of resources, statistically modeled by randomly shuffling yearly production profiles of individual wind and solar plants. Python will be employed to generate hybrid production time series, incorporating the models for unavailability losses and interannual variability. This approach facilitates the creation of multiple scenarios for sensitivity analysis, allowing for the variation of parameters to compare the productivity and profitability of different scenarios. The study sheds light on the importance of employing realistic models to account for unavailability losses, revealing that simpler models tend to overestimate revenues from hybrid power plants systematically. Moreover, the research shows the impact of interannual variability of resources on both production and revenues, emphasizing the necessity of generating multiple scenarios to anticipate best and worst-case outcomes. Ultimately, the results of this study aim to assist the company on the necessity and relevance of using such models for calculating long-term production and revenues in future hybrid PV-wind projects, as opposed to current simpler methods. / Det avhandlingsprojekt som beskrivs i denna rapport syftar till att heltäckande utvärdera och optimera metoder för långsiktig kraftproduktionsestimering av hybrid PV-vindenergisystem. Genom praktiska fallstudier söker detta tillvägagångssätt att exemplifiera de utmaningar och möjligheter som är inneboende i sådana system. Forskningen utförs inom vindtekniska teamet på Akuo Energy, en oberoende fransk producent av förnybar energi, där man dra nytta av deras omfattande expertis inom teknik, branschpraxis och datahantering. Det primära målet är att utvärdera relevansen av två viktiga parametrar som används i Akuos interna estimeringsmetoder och fokuserar på deras påverkan på långsiktig produktion och intäkter inom ramen för hybrid PV-vindenergisystem. Dessa parametrar inkluderar otillgänglighetsförluster, modellerade på timbasis med hjälp av Markovska övergångsmatriser, och årlig variabilitet av resurser, statistiskt modellerade genom att slumpmässigt ordna årliga produktionsprofiler för enskilda vind- och solanläggningar. Python kommer att användas för att generera hybridproduktionsserier och inkludera modeller för otillgänglighetsförluster och årlig variabilitet. Detta tillvägagångssätt möjliggör skapandet av flera scenarier för känslighetsanalys, vilket gör det möjligt att variera parametrar för att jämföra produktiviteten och lönsamheten för olika scenarier. Studien belyser vikten av att använda realistiska modeller för att ta hänsyn till otillgänglighetsförluster och visar att enklare modeller tenderar att systematiskt överskatta intäkter från hybridkraftverk. Dessutom visar forskningen påverkan av årlig variabilitet av resurser på både produktion och intäkter och betonar nödvändigheten av att generera flera scenarier för att förutse bästa och sämsta fall. Slutligen syftar resultaten av denna studie till att bistå företaget när det gäller nödvändigheten och relevansen av att använda sådana modeller för att beräkna långsiktig produktion och intäkter i framtida hybrid PV-vindprojekt, jämfört med nuvarande enklare metoder.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-346345 |
| Date | January 2024 |
| Creators | Perez-Cazard, Alexandre |
| Publisher | KTH, Skolan för industriell teknik och management (ITM) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; 2024:25 |
Page generated in 0.0034 seconds