Massive RES integration in power systems - linking planning and dynamic simulations

Abstract

Este proyecto nace de la necesidad de contribuir a la mejora de la gestión de las redes eléctricas como consecuencia de la gran penetración que está teniendo el sector de la generación renovable en España y, en general, en el mundo. En colaboración con el Instituto de Investigación Tecnológica de la Universidad Pontificia de Comillas, se han desarrollado una serie de algoritmos y ficheros en Python que permiten la configuración de una red eléctrica de interés en PSSE a través de la introducción de datos de generación, demanda y generación renovable, la ejecución del flujo de cargas óptimo sobre la red por horas, la ejecución de análisis estáticos de contingencias sobre líneas, generadores y transformadores, y de análisis dinámicos de pérdidas de generación y de cortocircuitos, todo sobre cada uno de los casos. En concreto, la herramienta se ha desarrollado utilizando Tenerife como caso de estudio, la cual, debido a su condición de isla eléctrica, ligeramente interconectada con otras islas de la zona, presenta una robustez considerablemente menor que la de otros sistemas eléctricos como el de la península ibérica. De esta manera, se han ejecutado todos los distintos análisis desarrollados en Python sobre Tenerife, y se han extraído conclusiones sobre el funcionamiento óptimo de la isla en cada hora del despacho económico aportado, y de los posibles problemas que pueden surgir bajo contingencias.

This project arose from the need to contribute to the improvement of the management of power systems as a result of the high penetration of the renewable generation sector in Spain and, in general, in the world. In collaboration with the Institute of Technological Research of the Comillas Pontifical University, a series of Python scripts and algorithms have been developed to conduct analysis on power systems. In particular these scripts allow to set up a power system in PSSE with the hourly generation, demand and renewable generation data, running the optimal power flow for each case, conduct static contingency analysis on branches, generators and transformers and conduct dynamic analyses of generator trippings and bus short circuits, all on each evaluated hourly case. In particular, the tool has been developed with Tenerife as its study case, which due to its condition as an electrical island, slightly interconnected with other islands in the area, has a considerably lower robustness than other power systems like the one in the Iberian peninsula. Therefore, all the different analyses developed in Python have been conducted in Tenerife, and conclusions have been extracted regarding the optimal hourly operation of the island’s system with the given dispatch inputs, as well as regarding the possible problems that might surge under contingencies.