Probabilistic load flow for correlated wind power and storage extension

Abstract

Immer öfter treten Naturkatastrophen auf, die weltweitem CO2-Ausstoß und dem daraus resultierenden Klimawandel zugeordnet werden. Große Hoffnung wird in die erneuerbaren Energien gesetzt, um die Emissionen zu reduzieren; vor allem Sonnen- und Windenergie werden verstärkt forciert und ausgebaut. Diese Diplomarbeit soll einen Beitrag leisten, um die noch vielen offenen Fragen und ungelösten Probleme rund um die volatilen, erneuerbaren Energieträger schrittweise behandeln und letztendlich auch lösen zu können. Wir haben für unsere Simulationen die Auswirkung der Korrelation zweier Windparks und deren Lasteinspeisung betrachtet. Mit der Korrelation wird die geographische Distanz beider Standorte als Windabhängigkeit modelliert. Die Erzeugungscharakteristik eines Windparks kann sehr gut durch eine Verteilung dargestellt werden. Daher stand die Erzeugung von verteilten Zufallsvariablen mit einer bestimmten Korrelation im Mittelpunkt. Wir wenden das DC-Lastfluss Modell auf ein kleines Testsystem an. Dieses besteht aus zwei Windparks, einer Last mit Weibull-Verteilung und einem Slack. Die Berechnungen wurden für alle wichtigen Leitungen und zwei Szenarien durchgeführt. Einerseits wurden zwei Parks mit gleicher Wahrscheinlichkeitsverteilung für den gesamten Bereich von keiner bis zur vollen Korrelation simuliert. Andererseits haben wir zwei unterschiedliche Windparks betrachtet und von keiner bis zur maximal möglichen Korrelation der beiden Verteilungen untersucht. Diese hängt von der Ähnlichkeit der beiden Verteilungen ab. Als weiteres Szenario wurden noch Speicher und Leitungslimits einbezogen. Die Speicher wurden bei jedem Knoten angebunden und ermöglichen eine ungekürzte Produktion bei Einführung von Limits. Es wurde keine Einschränkungen auf eine bestimmte Speichertechnologie vorgenommen. Mit unserer Korrelationsmethode können wir Gruppen von beta-verteilten Zufallszahlen mit einer exakten, vorgegebenen Korrelation erzeugen. Unsere Simulationen ergeben, dass relativ einfach die minimale und maximale Belastung der Leitung ermittelt werden kann - dazu müssen die Lastfluss-Ergebnisse für keine und maximale Korrelation überlagert werden.

This master thesis deals with probabilistic power flow analysis for correlated, beta-distributed wind power injections. The importance of renewable energies steadily increases over time. Wind and solar energy are playing an ever increasingly significant role in the field of climate change and smart grid applications. In this research we focused on wind energy. We looked specifically at the correlation between wind power injections of different wind power farms. The correlation models the geographical distance between these wind power plant sites. The output of wind power plant farms can be described best by the means of probability density functions with beta-distributions. We developed an algorithm to generate a set of beta-distributed random variables to fit the desired correlation as closely as possible. Our simulation method is DC-load flow and uses power transfer distribution factors. We applied our method to a small grid with two wind power injections and one load with Weibull distribution as well as a slack. We investigated the power flow on the important branches for a range from non to maximum correlation for two scenarios with different input densities. Firstly, we investigated the situation for two equal wind parks and calculated the line flow for the correlation range from zero to full correlation. Secondly, we repeated the simulations with differing beta-distributed power outputs for both of the wind farms. The range of correlation does not even come to full correlation. The maximum correlation level depends on the similarity of the input probability densities. We also took certain line limits into account and used storage devices for keeping the energy surplus to avoid curtailment of energy production or overloading of lines. The storage devices are placed at each bus, but do not represent a specific technology. With our methodology of correlation we can generate exact sets of correlated, beta-distributed random variables. Our simulation method can easily find the absolute maximum and minimum load on a given line just by combining the outcome of the maximum correlation and the uncorrelated result.