Island System Operation with High Degree of Renewable Energy Resources : proposing solutions for smaller power systems to ease the transition to clean energy generation

Abstract

Los sistemas eléctricos insulares, y en general los sistemas eléctricos pequeños, tienen características específicas que hacen más difícil la transición ecológica a un mix de generación con mayor cantidad de energía renovable. Existen diferentes retos que dificultan aumentar la penetración de fuentes de energía renovable. En esta tesis se identifican estos retos y se proponen soluciones novedosas que pueden ayudar a los operadores a facilitar la transición ecológica contribuyendo al estado actual del arte. Para hacer frente a la escasez de reservas, se evalúan las repercusiones económicas y técnicas de permitir la participación de fuentes de energía renovable en el control de la frecuencia, ofrezciendo parte del producible eólico como reserva a subir. Los resultados demuestran que proporcionar reserva con energías renovables es siempre beneficioso en islas eléctricas pequeñas, y beneficioso para las islas medianas y grandes cuando la energía renovable es abundante. Dado que la producción de los generadores renovables es muy variable, los dispositivos de almacenamiento deben programarse junto con los generadores térmicos y renovables, para ser utilizados de forma eficiente. En esta tesis se presenta una formulación que permite incluir la tecnología LAES (almacenamiento de energía en aire líquido) en el problema de despacho económico. Otro problema que han sufrido los sistemas eléctricos pequeños y que se agrava con el aumento de la participación de las fuentes de energía renovables es la escasez de inercia. Cualquier contingencia puede provocar una rápida caída de la frecuencia cuando la inercia es baja. Para evitar que las contingencias provoquen una mala respuesta de la frecuencia, se ha incluido la dinámica de la frecuencia en el proceso de programación. Es un reto porque la dinámica de la frecuencia es altamente no lineal y no convexa, lo que hace muy difícil añadirla al problema de despacho económico, que normalmente se resuelve mediante un problema de programación lineal entera mixta. En esta tesis se propone un despacho económico con restricciones de frecuencia con la ayuda del aprendizaje automático, que mantiene el tamaño del problema de despacho económico similar a la formulación convencional. Esto también lo hace adecuado para formulaciones más exigentes desde el punto de vista computacional, como la optimización robusta o estocástica. Esto es importante porque los sistemas con una alta proporción de generación renovable tienen una gran variabilidad. En esta tesis se propone una formulación robusta del despacho económico con restricciones de frecuencia, que utiliza la regresión logística para modelar las restricciones relacionadas con la frecuencia. A continuación, se introduce un proceso de aprendizaje automático para representar la frecuencia mínima ante contingencias se compara con una formulación analítica previamente propuesta en el estado del arte. Los resultados muestran que el método propuesto basado en el aprendizaje automático es tan preciso como los métodos analíticos y tiene un tiempo de ejecución considerablemente menor.

Island power systems, and in general smaller power systems, have specific characteristics that make the transition to renewable energy generation even harder. There are different challenges that are hindering the operation of a bigger share of renewable energy sources. These challenges are acknowledged in this thesis and novel solutions are introduced, that can help operators to ease the transition and also contributes to the current state-of-the-art. To tackle the reserve scarcity, the economic and technical impacts of storing renewable energy by deloading are assessed. Deloading enables renewable sources to offer some reserve as their headroom. The results show that providing online reserve by deloading is always beneficial for small power islands, and beneficial for medium and big islands when renewable energy is abundant. As renewable generators are uncertain, storing energy for periods with generation surplus and releasing it when necessary has been recognized and studied a lot in the literature. Storage devices should be scheduled alongside the thermal and renewable generators, to be used efficiently. A formulation is presented in this thesis, that makes it possible to include liquid air energy storage in the unit commitment problem. Another issue that small power systems have been suffering from and it's getting worse by increasing the share of renewable energy sources is inertia scarcity. Any contingency can lead to a fast frequency decay when inertia is low. To prevent contingencies that will cause poor frequency response, it's been tried to include frequency dynamics in the scheduling process. It's challenging because frequency dynamics are highly non-linear and non-convex, making it very hard to add them to the unit commitment problem, which is usually solved as a mixed integer linear programming problem. In this thesis frequency constrained unit commitment is proposed with the help of machine learning, which keeps the size of the unit commitment similar to the conventional formulation. That also makes it suitable for more computationally demanding unit commitment formulations like robust and stochastic methods. This is important because systems with a high share of renewable generation are also uncertain. A robust frequency constrained unit commitment formulation is proposed in this thesis, which uses logistic regression to learn the frequency-related constraints. Then a machine learning process to learn the frequency nadir after outages as a constraint for the unit commitment problem is introduced and compared with an analytical state-of-the-art formulation. Results show that the proposed method based on machine learning is as effective as the analytical methods while having a considerably lower run-time.