Optimierte Tage und Stunden mit stückweise linearen Übergängen für die Planung von Stromsystemen

Core Concepts

Eine hybride Mehrgebiets-Methode, die sowohl die Intra-Tages- als auch die Inter-Tages-Chronologie unter Berücksichtigung von Extremwerten effektiv erfasst, unter Verwendung einer begrenzten Anzahl von repräsentativen Tagen und Zeitpunkten innerhalb jedes Tages.

Abstract

Die Studie präsentiert eine hybride Mehrgebiets-Methode, die sowohl die Intra-Tages- als auch die Inter-Tages-Chronologie unter Berücksichtigung von Extremwerten effektiv erfasst. Dies wird durch die Extraktion einer begrenzten Anzahl von repräsentativen Tagen (RD) und Zeitpunkten (RTP) innerhalb jedes RD erreicht.

Zur Verbesserung der Erfassung der Intra-Tages-Chronologie wird ein optimierungsbasiertes RTP-Extraktionsverfahren vorgeschlagen, das die Anzahl der RTP pro RD anpasst, um eine höhere Genauigkeit bei der Erhaltung der Datenchronologie und der Extremwerte zu erreichen als herkömmliche hierarchische Clustering-Methoden.

Darüber hinaus werden sequenziell verknüpfte Tagesblöcke mit identischen Vertretern verwendet, um die Inter-Tages-Chronologie zu erfassen. Die vorgeschlagene Methode basiert auf einer stückweise linearen Darstellung von Nachfrage und Angebot, die die Approximationsfehler im Vergleich zur traditionellen stückweise konstanten Formulierung reduziert.

Um die Effizienz der vorgeschlagenen Methode zu bewerten, wird ein umfassendes Erweiterungs-Co-Planungsmodell entwickelt, das Übertragungsleitungen, Energiespeichersysteme und Windparks umfasst.

Stats

Die Gesamtplanungskosten (TPC) erhöhten sich im Fall RDTP-ad im Vergleich zum Referenzfall Ref-PWL um 0,348%.
Die Investitionskosten (CI) stiegen im Fall RDTP-ad um 1,449%.
Die Betriebskosten (TCO) sanken im Fall RDTP-ad um 0,075%.

Quotes

"Eine hybride Mehrgebiets-Methode, die sowohl die Intra-Tages- als auch die Inter-Tages-Chronologie unter Berücksichtigung von Extremwerten effektiv erfasst, unter Verwendung einer begrenzten Anzahl von repräsentativen Tagen und Zeitpunkten innerhalb jedes Tages."
"Das optimierungsbasierte RTP-Extraktionsverfahren trägt zu einer höheren Genauigkeit bei der Erhaltung der Datenchronologie und der Extremwerte bei als herkömmliche hierarchische Clustering-Methoden."
"Die vorgeschlagene Methode basiert auf einer stückweise linearen Darstellung von Nachfrage und Angebot, die die Approximationsfehler im Vergleich zur traditionellen stückweise konstanten Formulierung reduziert."

Key Insights Distilled From

Representative Days and Hours with Piecewise Linear Transitions for Power System Planning

by Mojtaba Mora... at arxiv.org 03-25-2024

https://arxiv.org/pdf/2310.04239.pdf

Deeper Inquiries

Wie könnte die vorgeschlagene Methode für die Planung von Stromnetzen mit einer größeren geografischen Ausdehnung und einem längeren Planungshorizont angepasst werden

Um die vorgeschlagene Methode für die Planung von Stromnetzen mit einer größeren geografischen Ausdehnung und einem längeren Planungshorizont anzupassen, könnten mehrere Anpassungen vorgenommen werden. Zunächst könnten zusätzliche geografische Regionen in das Modell einbezogen werden, wobei die spezifischen Last- und Erneuerbare-Energien-Muster jeder Region berücksichtigt werden müssten. Dies würde eine detailliertere Analyse erfordern, um die Interaktionen zwischen den verschiedenen Regionen zu verstehen und die Übertragungskapazitäten entsprechend anzupassen. Darüber hinaus könnte der Planungshorizont verlängert werden, um langfristige Trends und Entwicklungen in der Stromerzeugung und -nachfrage besser zu berücksichtigen. Dies würde eine genauere Modellierung der langfristigen Energiebedarfs- und Erzeugungsszenarien ermöglichen, was wiederum zu fundierteren Investitionsentscheidungen führen würde.

Welche zusätzlichen Herausforderungen könnten sich ergeben, wenn neben Windenergie auch andere erneuerbare Energiequellen wie Photovoltaik in das Modell integriert werden

Die Integration von anderen erneuerbaren Energiequellen wie Photovoltaik in das Modell würde zusätzliche Herausforderungen mit sich bringen. Photovoltaikanlagen haben im Vergleich zu Windenergieanlagen unterschiedliche Erzeugungsmuster und Leistungsprofile, die berücksichtigt werden müssen. Die Vorhersagbarkeit von Solarstrom hängt stark von den Wetterbedingungen ab, was die Unsicherheit in Bezug auf die Erzeugung erhöht. Dies würde eine genauere Modellierung der Unsicherheiten erfordern, um die Auswirkungen von Variabilität und Prognosefehlern auf das Gesamtsystem zu bewerten. Darüber hinaus müssten die spezifischen Eigenschaften von Photovoltaikanlagen, wie z.B. die Tageszeitabhängigkeit der Erzeugung, in das Modell integriert werden, um genaue Investitionsentscheidungen zu treffen.

Wie könnte die Methode weiterentwickelt werden, um die Auswirkungen von Unsicherheiten in Bezug auf zukünftige Lastentwicklungen und Erneuerbare-Energien-Erzeugung besser zu berücksichtigen

Um die Auswirkungen von Unsicherheiten in Bezug auf zukünftige Lastentwicklungen und Erneuerbare-Energien-Erzeugung besser zu berücksichtigen, könnte die Methode weiterentwickelt werden, indem probabilistische Modelle und Szenarioanalysen integriert werden. Durch die Berücksichtigung verschiedener Szenarien und Wahrscheinlichkeiten für zukünftige Entwicklungen könnten robustere und widerstandsfähigere Planungsentscheidungen getroffen werden. Die Einbeziehung von Unsicherheiten in die Modellierung würde es ermöglichen, Risiken zu quantifizieren und geeignete Maßnahmen zur Risikominderung zu identifizieren. Darüber hinaus könnten fortgeschrittene Optimierungsalgorithmen verwendet werden, um Entscheidungen unter Unsicherheit zu treffen und die Flexibilität des Systems zu maximieren.