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).
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-308816 |
Date | January 2021 |
Creators | Tammanur Ravi, Akshaya |
Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
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-EECS-EX ; 2021:898 |
Page generated in 0.0015 seconds