Resilience Through Distributed Energy Resources

QC 20260506

Abstract

Ett motståndskraftigt elsystem behöver hantera den ökade risken för exrema händelser. Även om förbättrad motståndskraft skulle kunna uppnås genom nätförstärkingar kan detta bli dyrt. Samtidigt observerar vi ett ökat antal batterier, flexibla konsumenter, och andra distribuerande energiresurer (DERs) i elnätet.  Dessa DER introducerar en kostnadseffektiv möjlighet för distributionsnätsoperatörer (DSOs) att förbättra sin motståndskraft. För att tillgodogöra sig dessa potentiella lösningar behöver en DSO kunna förutse strömavbrott, hantera osäkerhet, och driva elnätet på ett klokt sätt. Det behövs också samordning med DER-ägare, andra DSOs, och överförningsnätsoperatören, vars mål kanske inte alltid överensstämmer. Sådan förberedelse är också nödvändig eftersom i en obundlad Europeisk marknad kan DSOs inte äga sina egna DERs och sälja sina tjänster för vinst.

Därför föreslår vi en process för att förbättra motståndskraften som kretsar kring att använda DERs som motståndskraftsförstärkande teknologier (RETs). I denna formulering fortsätter DERs att förse befintliga stödtjänster, som frekvensstöd, men anses vara RETs när DSO tillfälligt kontrollerar dem som del av en motståndskrafttjänst. Processen börjar med att uppskatta DSOs känslighet mot strömavbrott genom både generella och specialiserade indikatorer som reflekterar den genomsnittliga förväntade effekten av ett avbrott baserat på kvasi-statiska egenskaper hos DSO. En rullande 36-timmars avbrottsprognos kan sedan konstrueras genom att kombinera samma kvasi-statiska egenskaper med realtidsdata. Processen avslutas med ett beslutsstödssystem för driften av RETs, vilket vi åstadkommer genom tillämpning av flera Deep Reinforcement Learning (DRL)-agenter. I mitten kombinerar vi känsligheten för avbrott, sannolikheten för kommande avbrott och den förväntade effektiviteten hos RETs för att göra det möjligt för DSO att objektivt bestämma när, var och hur många DERs de behöver för en förväntad extrem händelse.

Implementering tillhandahålls för varje steg i den motståndskraftsförstärkande processen. Detta inkluderar bidrag till en generell indikator för avbrottskänslighet, baserad på tillförlitlighetsindex, samt en specialiserad indikator för avbrottskänslighet för cyberattacker, baserad på Monte Carlo-simuleringar. För att förutse avbrott användes en regressionsmodell för att förutsäga stormrelaterade avbrott baserat på de tekniska egenskaperna hos en DSO samt meteorologiska data i realtid. Huvudsyftet var dock att undersöka i vilken utsträckning användningen av DERs för att mildra extrema händelser är motiverad. För detta ändamål fokuserade bidragen särskilt på det sista steget, där vi antar att en portfölj av RETs är tillgänglig och DSO måste bestämma hur de bäst kan använda dem för att förhindra ytterligare belastningsbortfall. Genom användning av efterfrågeflexibilitet och energilagring visar vi att mängden energi som inte levereras kan minskas med upp till 52,9\% (i genomsnitt) jämfört med en passiv respons. Känslighetsanalys visar sedan att större, välplacerade RET-portföljer är mer effektiva, men med minskande avkastning. Följaktligen skulle en DSO kunna försöka motivera sitt förvärv av en RET-portfölj baserat på portföljens kostnad kontra den förväntade kostnaden för avbrottet.

Link to DiVA