Operational optimization of an industrial energy system considering balancing energy markets

Abstract

Der steigende Anteil volatiler erneuerbarer Energien im europäischen Energiesystem ist eng mit neuen Herausforderungen für die Netzstabilität verbunden. Aufgrund dieser anstehenden Veränderungen in der Energieerzeugung muss auch das Design des Regelenergiemarktes angepasst werden. Die daraus resultierende Flexibilisierung der Regelenergiemärkte wird neue wirtschaftliche Felder schaffen, da die Teilnahme auch für kleinere industrielle Energieanlagen, z.B. in Produktionsbetrieben, möglich wird. Durch die Teilnahme an den Regelenergiemärkten können industrielle Energieanlagen nicht nur ihre Gewinne steigern oder ihre Kosten senken, sondern auch einen Beitrag zur Netzstabilität leisten. Die Hauptaufgabe dieser Diplomarbeit ist es, eine Formulierung zur Implementierung des Regelenergiemarktes in einen betrieblichen Optimierungsrahmen eines industriellen Energiesystems, unter Berücksichtigung gültiger Richtlinien, zu erstellen. Dieses Ziel wird mit Hilfe der gemischt-ganzzahligen linearen Programmierung erreicht. Die Daten, die zur Gewinnung der Optimierungsergebnisse verwendet werden, werden durch historische Daten und eine Strompreisprognose unter Verwendung eines neuronalen Netzes generiert. Die Modellierung erfolgt für die automatische Frequenzwiederherstellungsreserve, auch Sekundärregelenergie genannt, da es sich bei dieser Ebene des Regelenergiemarktes um eine Kombination aus verhältnismäßigen hohen Erlösen und mit einem moderaten Präqualifikationsaufwand handelt. \\In der ersten Stufe wird anhand des prognostizierten Strompreises für den Folgetag, historischer Daten für die Photovoltaikanlage und der unterschiedlichen Preisniveaus, für den Leistungsausschreibung des Regelenergiemarktes der ideale Fahrplan des industriellen Energiesystems berechnet. Des weiteren wird zwischen positiver und negativer Regelenergie unterschieden. Da jedes Gebot entweder angenommen oder abgehlent werden kann ergibt sich die Anzahl der möglichen Szenarien nach der Gesetzmäßigkeit 2^Anzahl der Angebote sowohl für positive als auch für negative Regelenergie. Der verwendete stochastische Ansatz ordnet jedem dieser Szenarien eine bestimmte Eintrittswahrscheinlichkeit zu, diese Werte werden mit den erwarteten Erlösen des entsprechenden Szenarios multipliziert, durch Bildung der Summe aller dieser Produkte werden die erwarteten Erlöse für die negative und positive Energieausschreibung berechnet. Zusätzlich muss die angebotene Menge durch die freie Kapazität des industriellen Energiesystems gedeckt werden. Die zweite Stufe nutzt die Ergebnisse der ersten Stufe und optimiert den Fahrplan anhand der realen Strompreise und der Information, ob die Gebote angenommen, abgerufen oder nicht abgerufen wurden. Zur Beantwortung der Hauptfrage, ob es für den Betreiber eines industriellen Energiesystems wirtschaftlich sinnvoll ist, am Regelenergiemarkt teilzunehmen, wurden vier verschiedene Anwendungsfälle untersucht. Die Anwendungsfälle 1 und 2 werden als Referenz betrachtet und die Anwendungsfälle 3A und 3B, um Informationen über die Implementierung des Regelenergiemarktes zu erhalten. In allen Fällen ist das industrielle Energiesystem identisch. Im Anwendungsfall 1 wird ein konstanter Strompreis erzielt, mit einem Aufschlag beim Kauf und einer Reduktion beim Verkauf des Stroms. In Anwendungsfall 2 wird die Vorhersage des neuronalen Netzes für den nächsten Tag zur Optimierung verwendet, und für die Berechnung der Kosten werden die realen Preise für den nächsten Tag verwendet. In den Anwendungsfällen 3A und 3B wird der Regelenergiemarkt implementiert und die Optimierung erfolgt entsprechend der ersten Stufe. Sie unterscheiden sich durch die Annahme in der zweiten Stufe, für Use Case 3A werden keine Gebote angenommen oder abgerufen und für Use Case 3B werden alle Gebote angenommen und abgerufen, was den besten und den schlechtesten Fall darstellt. Zum Vergleich der verschiedenen Anwendungsfälle werden drei verschiedene Tage herangezogen.

The increasing share of volatile renewable energies in the European energy system is closely linked to new challenges for grid stability. Due to these upcoming changes in energy production, the design of the balancing energy market must also be adapted. The resulting flexibilisation of the balancing energy markets will create new economic fields, as participation will also be possible for smaller industrial energy plants, e.g. in production plants. By participating in the balancing energy markets, industrial energy plants will not only increase profits or reduce costs, but also contribute to grid stability. The main task of this diploma thesis is to create a formulation to implement the balancing energy market into an operational optimization framework of an industrial energy system, under consideration of valid guidelines. This goal is achieved with the use mixed integer linear programming. Data used to obtain results of the optimization is generated trough historical data and an electricity price forecast using an NARX neural network. The modelling is done for the automatic frequency restoration reserve, since this level of the balancing energy market is a combines rather high revenues, with relative moderate prequalification effort. Stage one uses the predicted day ahead electricity price, historical data for the photovoltaic system and the different levels of acceptance probability, which are determined by the price, for the capacity tender of the balancing market, to calculate the ideal schedule of the industrial energy system. A further distinction is made between positive and negative balancing energy. Since every bid can either be accepted or neglected and the amount possible scenarios are calculated according to 2amount of Bids for both positive and negative balancing energy. The used stochastic approach allocates each of these scenarios a certain probability, likelihood of occurrence, these value are multiplied with the expected revenues of the corresponding scenario, by building the sum of all these products, the expected revenue for the negative and positive energy tender are calculated. Additionally the offered volume has to be covered by the free capacity of the industrial energy system. Stage two uses the results of stage one, and optimizes the schedule according to the real electricity prices and the information if the bids have been accepted, called up or not. To answer the main topic, is it economic useful for the operator of an industrial energy system to take part of the balancing energy market, four different use cases were investigated. Use Case 1 and 2 are considered for reasons of reference and Use Case 3A and 3B to generate information about the implementation of the balancing energy market. For all of them the industrial energy system is the same. Use Case 1 a constant electricity price is obtained, with a surcharge by buying a and reduction by selling the electricity. In Use Case 2 the day ahead prediction of the neural net is used for optimisation and for the calculation of the expanses the real day ahead price are used. In Use Case 3A and 3B the balancing market is implemented and the optimisation is done according to stage one. They differ through the acceptance in stage two, for Use Case 3A no bids are accepted or called and for Use Case 3B all bids are accepted and called up, which represent the best and the worst case. Three different days are used to compare the different use cases.