Optimization of a wind and storage power plant participating in the electricity market : a data-driven stochastic approach
DATE:
2018-12-03
UNIVERSAL IDENTIFIER: http://hdl.handle.net/11093/1091
UNESCO SUBJECT: 2501 Ciencias de la Atmósfera ; 1209.04 Teoría y Proceso de decisión ; 1209.03 Análisis de Datos
DOCUMENT TYPE: doctoralThesis
ABSTRACT
In recent years, as a result of a growing concern about the effects of climate change, the decarbonization of the sector of generation of electrical energy has received an increasing attention. As a result, the generation technologies based on renewable sources, primarily wind and solar, have experienced a strong development that has led them to be considered mature generation technologies available to compete with traditional sources of generation in the electricity markets. As a consequence, these technologies have an important share in the generation mix of many countries.
This high penetration of renewable generation in electrical systems presents a series of challenges both at the electrical system and the electric market levels. The solutions to these problems are being focused on providing a higher flexibility to the electrical system, being one example to add storage capacity. Thus, in parallel to the development of the renewable generation, have been developing technologies for the storage of electrical energy which have also reached maturity states that make them applicable to facilitate the integration of renewable generation in electrical systems.
In this context, this thesis seeks to offer solutions to the problem faced by an operator of an installation generator based on renewable energy, in particular, the operator of a wind farm, when deciding how to operate in the electricity market and if it would be interesting to have storage technologies to optimize its results.
The scope of the thesis lies in the intersection among very wide fields: electricity market, optimization techniques and machine learning techniques. On the one hand, it is of the highest importance to know the electricity market to be able to take full advantage of the capabilities of a generation plant, in this case, based on wind energy. On the other hand, the decision problem that will arise to optimize the participation of that generation plant in the electricity market, intends to use the recent advances in optimization techniques. Specifically, the first aim of the thesis is to develop optimization models in an environment of uncertainty to decide the operational strategy of a wind farm in the electricity markets as well as to assess the suitability of storage capacity.
Finally, in order to provide the optimization model defined with input data as representative as possible of the reality, advanced data analysis techniques will be use. The second aim of the thesis is, therefore, to propose and validate strategies to extract information out of the available data that, in turn, will be used as input data to the optimization models developed. In particular, machine learning techniques, both supervised and non-supervised, will be used.
In summary, it can be concluded that the approach of the thesis is to generate mathematical models of optimization under uncertainty that, along with strategies to extract information from data, are useful to decide the operation of a generator based on renewable energy and equipped with storage that participates in one or more of the electrical markets available. En los últimos años, como consecuencia de una preocupación creciente por los efectos del cambio climático, se ha promovido la descarbonización del sector de la generación de energía eléctrica. Como resultado, las tecnologías de generación basadas en fuentes renovables, principlamente eólica y solar, han experimentado un fuerte desarrollo que las ha llevado, a día de hoy, a ser consideradas tecnologías de generación maduras en disposición de competir con las fuentes de generación tradicionales en los mercados eléctricos. Así, estas tecnologías han conseguido importantes cuotas de presencia en el mix de generación de muchos países.
Esta elevada penetración de generación renovable en los sistemas eléctricos presenta una serie de problemas tanto a nivel de sistema eléctrico como de mercado eléctrico. Las soluciones a estos problemas pasan por dotar de flexibilidad al sistema eléctrico, siendo una de las soluciones posibles el añadir capacidad de almacenamiento. Así, en paralelo al desarrollo de la generación renovable, se han ido desarrollando tecnologías de almacenamiento de energía eléctrica que han alcanzado también estados de madurez que las hacen aplicables para facilitar la integración de la generación renovable en los sistemas eléctricos.
En este contexto, esta tesis busca ofrecer soluciones al problema que afronta un operador de una instalación generadora basada en energías renovables, en concreto, el operador de un parque eólico, a la hora de decidir cómo operar en el mercado eléctrico y si sería interesante contar con tecnologías de almacenamiento de cara a optimizar sus resultados.
Se plantea así, el marco de la tesis en la intersección entre campos muy amplios: mercado eléctrico, técnicas de optimización y técnicas de aprendizaje automático. Por un lado, es de suma importancia el conocer el mercado eléctrico para poder sacar el máximo provecho a las capacidades de un planta de generación, en este caso, basada en energía eólica. Por otro lado, el problema de decisión que se planteará para optimizar la participación de dicha planta de generación en el mercado eléctrico, pretende utilizar los recientes avances en técnicas de optimización. Específicamente, el primer objetivo de la tesis es el de desarrollar modelos de optimización en un entorno de incertidumbre de cara a decidir la estrategia operativa de un parque eólico en los mercados eléctricos así como valorar la idoneidad de contar con capacidad de almacenamiento.
Por último, y de cara a proporcionar al modelo de optimización definido datos de entrada lo más representativos posible de la realidad, se utilizarán técnicas de tratamientos de datos avanzadas. El segundo objetivo de la tesis es, por tanto, el de proponer y validar estrategias para la utilización de los datos disponibles que sean útiles para alimentar los modelos de optimización desarrollados. En particular, se utilizarán técnicas de aprendizaje automático, tanto supervisado como no supervisado.
A modo de resumen, se puede concluir que el planteamiento de la tesis es el de generar modelos matemáticos de optimización bajo incertidumbre que unidos a estrategias de análisis de datos, sean de utilidad para decidir la operación de un generador basado en energías renovables y equipado con almacenamiento que participa en uno o varios de los mercados eléctricos disponibles. Nos últimos anos, como consecuencia dunha preocupación crecente polos efectos do cambio climático, estase a promover a descarbonización do sector de xeración de enerxía eléctrica. Como resultado, as tecnoloxías de xeración baseadas en fontes renovables, principalmente eólica e solar, experimentaron un forte desenvolvemento que as levou, a día de hoxe, a ser consideradas tecnoloxías de xeración maduras en disposición de competir coas fontes de xeración tradicionais nos mercados eléctricos. Así, estas tecnoloxías conseguiron importantes cotas de presenza no mix de xeración de moitos países. Esta elevada penetración de xeración renovable nos sistemas eléctricos presenta unha serie de problemas tanto a nivel de sistema eléctrico como de mercado eléctrico. As solucións a estes problemas pasan por dotar de flexibilidade ao sistema eléctrico, sendo unha das solucións posibles o engadir capacidade de almacenamento. Así, en paralelo ao desenvolvemento da xeración renovable, fóronse desenvolvendo tecnoloxías de almacenamento de enerxía eléctrica que alcanzaron tamén estados de madurez que as fan aplicables para facilitar a integración da xeración renovable nos sistemas eléctricos.
Neste contexto, esta tese busca ofrecer solucións ao problema que afronta un operador dunha instalación xeradora baseada en enerxías renovables, en concreto, o operador dun parque eólico, á hora de decidir como operar no mercado eléctrico e se sería interesante contar con tecnoloxías de almacenamento para optimizar os seus resultados.
Exponse así, o marco da tese na intersección entre campos moi amplos: mercado eléctrico, técnicas de optimización e técnicas de aprendizaxe automática. Por unha banda, é de suma importancia o coñecer o mercado eléctrico para poder sacar o máximo proveito ás capacidades dun planta de xeración, neste caso, baseada en enerxía eólica. Doutra banda, o problema de decisión que se exporá para optimizar a participación de dita planta de xeración no mercado eléctrico, pretende utilizar os recentes avances en técnicas de optimización. Especificamente, o primeiro obxectivo da tese é o de desenvolver modelos de optimización nunha contorna de incerteza para decidir a estratexia operativa dun parque eólico nos mercados eléctricos así como valorar a idoneidade de contar con capacidade de almacenamento. Por último, e para proporcionar ao modelo de optimización definido datos de entrada o máis representativos posible da realidade, utilizaranse técnicas de tratamento de datos avanzadas. O segundo obxectivo da tese é, por tanto, o de propoñer e validar estratexias para a utilización dos datos dispoñibles que sexan útiles para alimentar os modelos de optimización desenvolvidos. En particular, utilizaranse técnicas de aprendizaxe automática, tanto supervisado como non supervisado.
A modo de resumo, pódese concluír que o obxectivo da tese é o de xerar modelos matemáticos de optimización baixo incerteza que unidos a estratexias de análises de datos, sexan de utilidade para decidir a operación dun xerador baseado en enerxías renovables e equipado con almacenamento que participa nun ou varios dos mercados eléctricos dispoñibles.