Two-stage stochastic unit commitment for industrial prosumers with uncertain demand

Abstract

Zur Eindämmung des Klimawandels ist die sofortige Reduktion der Treibhausgasemissionen unerlässlich. Volatile Stromerzeugung aus erneuerbaren Ressourcen und wachsender Strombedarf aufgrund von zunehmender Elektrifizierung erschweren den sicheren Stromnetzbetrieb. Eine Herausforderung ist das gehäufte Auftreten von Netzengpässen, welche durch Redispatch-Maßnahmen verhindert werden. Zukünftig könnten industrielle Produktionsbetriebe ihre Flexibilität im Strombezug für netz-dienliche Zwecke zur Verfügung stellen. Dafür ist es notwendig, vorab Fahrpläne zu erstellen. In dieser Arbeit werden zweistufige stochastische Unit Commitment Probleme zur Erstellung von optimalen Fahrplänen untersucht. Als Use Case wurde das Energieversorgungssystem einer Industrieanlage mit volatilem Strom- und Dampf-bedarf modelliert. Eine mathematische Formulierung zur Abbildung von semi-kontinuierlichem Betriebsverhalten — inklusive Limitierung der Änderungsrate und der Frequenz von Ein- und Ausschaltvorgängen — wurde entwickelt. Außerdem wurden drei Zielfunktionen eingesetzt. Neben dem Erwartungswert der Kosten wurden die Worst-Case-Kosten sowie der Conditional-Value-at-Risk minimiert. Die Ergebnisse zeigen, dass das zweistufige stochastische Optimierungsmodell brauchbare Fahrpläne erstellen kann. Die benötigte Rechenzeit übersteigt jene für deterministische allerdings deutlich, wobei das deterministische Problem ähnliche Optimierungsergebnisse erzeugt. Risikoaverse Formulierungen des Unit Commitment Problems können die Kosten der ungünstigsten Szenarien reduzieren, erhöhen allerdings die Kosten für die restlichen Szenarien deutlich. Bei wiederholter Anwendung führt die den Erwartungswert der Kosten minimierende Zielfunktion langfristig zu besseren finanziellen Ergebnissen.

Immediate reduction of greenhouse gas emissions is necessary to mitigate climate change. Increased electricity generation from renewable sources and higher demand due to the electrification of processes make the secure operation of the electrical grid more challenging. One challenge is the prevention of congestions, which are resolved through redispatch. In the future, industrial production plants could provide flexibility in electricity consumption for grid support. For this reason, operation schedules need to be generated beforehand. This thesis explores the capability of a two-stage stochastic unit commitment problem formulation for the generation of operation schedules. The modelled use case is the energy supply system of an industrial plant that has volatile electricity and steam demand. A formulation was developed to model units with advanced operational constraints like semi-continuous behaviour and limits to ramp rates and switching frequency. Furthermore, three objectives with different approaches to risk were tested: expected cost, worst outcome, and Conditional-Value-at-Risk were minimized. Results show that the two-stage model provides reasonable operation schedules. However, its computational cost is significantly higher than the one of the reference deterministic formulation, which provides similar outcomes. Risk-averse objectives reduce costs for extreme scenarios but increase costs for others. For practical and repeated application, the expected cost objective yields better long-term financial results.