Return to search

Optimal regulating power market bidding strategies in hydropower systems

<p>Unforeseen changes in production or consumption in power systems lead to changes in grid frequency. This can cause damages to the system, or to frequency sensitive equipment at the consumers. The system operator (SO) is the responsible for balancing production and consumption in the system. The regulating market is the market place where the SO can sell or purchase electricity in order to balance unforeseen events. Producers acting on the regulating market must be able to change their production levels fast (within minutes) when required. Hydropower is therefore suitable for trading on the regulating market because of its flexibility in power production. This thesis describes models that hydropower owners can use to generate optimal bidding strategies when the regulating market is considered.</p><p>When planning for trading on the market, the prices are not known. Therefore, the prices are considered as stochastic variables. The planning problems in this thesis are based on multi-stage stochastic optimization, where the uncertain power prices are represented by scenario trees. The scenario trees are generated by simulation of price scenarios, which is achieved by using a model based on ARIMA and Markov processes. Two optimization models are presented in this thesis:</p><p>* Model for generation of optimal bidding strategies for the regulating market.</p><p>* Model for generation of optimal bidding strategies for the spot market when trading on the regulating market is considered.</p><p>The described models are applied in a case study with real data from the Nordic power system.</p><p>Conclusions of the thesis are that the proposed approaches of modelling prices and generation of bidding strategies are possible to use, and that the models produces reasonable data when applied to real data.</p> / <p>Oväntade produktions- eller konsumtionsändringar i kraftsystem leder till ändringar i nätfrekvens. Detta kan orsaka skador på systemet eller på frekvenskänslig utrustning hos konsumenterna. Systemoperatören (SO) är den ansvarige för att balansera produktion och konsumtion i kraftsystemet. Till sin hjälp har SO reglermarknaden, som är den handelsplats där SO köper eller säljer el för att balansera oväntade händelser i systemet. Producenter som agerar på reglermarknaden måste snabbt (inom minuter) kunna ändra sina produktionsnivåer om så behövs. Vattenkraft är därför lämplig för handel på reglermarknaden på grund av dess flexibilitet i kraftproduktion. Denna avhandling beskriver modeller som vattenkraftägare kan använda för generering av optimala budstrategier då reglermarknaden beaktas.</p><p>När en producents planering för handel på marknaden utförs är marknadspriserna okända. Dessa är därför betraktade som stokastiska variabler. Planeringmodellerna som presenteras i denna avhandling är baserade på multi-periodisk stokastisk programmering, där de osäkra marknadspriserna är representerade av ett scenarieträd. Scenarierna i trädet genereras genom simulering av marknadspriser. En prismodell, baserad på ARIMA- och Markovprocesser, har därför utvecklats. Två olika optimeringsmodeller presenteras i denna avhandling:</p><p>* Model för generering av optimala budstrategier för reglermarknaden.</p><p>* Model för generering av optimala budstrategier för spotmarknaden då handel på reglermarknaden beaktas.</p><p>Modellerna tillämpas i en studie där data från den nordiska elmarknaden appliceras. Slutsatser i avhandlingen är att de föreslagna ansatserna för modellering av priser och generering av budstrategier är möjliga att anvÄanda, samt att modellerna producerar rimliga resultat när applicerade på verkliga data.</p>

Identiferoai:union.ndltd.org:UPSALLA/oai:DiVA.org:kth-596
Date January 2005
CreatorsOlsson, Magnus
PublisherKTH, School of Electrical Engineering (EES)
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageSwedish
TypeLicentiate thesis, monograph, text
RelationTrita-ETS, 1650-674X ; 2005-14

Page generated in 0.002 seconds