Risk-aware control, dispatch and coordination in sustainable power systems

dc.contributor.advisorRaisch, Jörg
dc.contributor.advisorDvorkin, Yury
dc.contributor.authorMieth, Robert
dc.contributor.grantorTechnische Universität Berlinen
dc.contributor.refereeRaisch, Jörg
dc.contributor.refereeDvorkin, Yury
dc.contributor.refereeHirschhausen, Christian von
dc.date.accepted2021-04-28
dc.date.accessioned2021-06-21T11:28:32Z
dc.date.available2021-06-21T11:28:32Z
dc.date.issued2021
dc.description.abstractA timely transition towards a sustainable carbon-neutral power sector requires modern power systems to host increasing numbers of renewable energy sources (RES) and other non-traditional distributed energy sources (DER). However, the stochastic nature and limited controllability of these resources undermines the efficiency of current power system and market operations and creates new forms of physical and financial risks. Modern and future operational paradigms must internalize and mitigate these risks to ensure availability of sustainable electric power at a socially acceptable cost. This dissertation proposes uncertainty- and risk-aware decisionmaking tools for transmission and distribution systems to account for RES and DER stochasticity. The proposed methods leverage mathematically and computationally advantageous properties of a chanceconstrained optimal power flow formulation to internalize statistical uncertainty parameters and predefined risk levels into generator dispatch and reserve decisions. As a result, these decisions are immunized against uncertain RES and DER generation at minimal system cost, while avoiding a sub-optimal over- or underestimation of reserve requirements. Additionally, this dissertation explores datadriven and learning-based modifications of the proposed approaches to ensure robustness against estimation errors of uncertainty parameters. Furthermore, this dissertation shows that convex properties of the proposed chance-constrained framework yield risk-aware price signals that enable an efficient stochastic electricity market design. Specifically, separate energy and reserve prices that capture the expected system state, its inherent uncertainty and the risk acceptance of its participants enable a fully ex-ante settlement of the market. The proposed chance-constrained market design overcomes typical shortcomings of scenario-based stochastic market designs related to computational tractability and per-scenario trade-offs and fulfills desirable market properties for all outcomes of the underlying uncertainty. Additionally, this dissertation demonstrates that the volatility of system state-variables can be controlled in this market via suitable variance metrics and how risk-averse behavior and asymmetric information among market participants can be modeled. The proposed market design and prices are analyzed for distribution (retail) and transmission (wholesale) markets.en
dc.description.abstractDie zeitnah notwendige Dekarbonisierung des Stromsektors erfordert signifikante Investitionen in erneuerbare Energieanlagen (EE) und in flexible, dezentrale Energieressourcen (DER). Das stochastische und nur eingeschränkt regelbare Einspeiseverhalten dieser Ressourcen beeinträchtigt jedoch die Wirksamkeit und Effizienz derzeitiger Methoden des Stromnetzbetriebes und des Stromhandels und schafft neue Formen physikalischer und finanzieller Risiken. Diese Dissertation untersucht stochastische Optimierungsmodelle, die in der Gegenwart volatiler Einspisung von EE und DER einen sicheren und kostengünstigen Betrieb von Verteil- und Übertragungsnetzen gewährleisten. Die vorgeschlagenen Modelle und Lösungsmethoden nutzen dafür mathematisch und numerisch vorteilhafte Eigenschaften stochastischer Optimierung mit probabilistischen Nebenbedingungen (englisch chance constraints) aus, um statistische Parameter der EE und DER Einspeisung sowie explizite Risikobewertungen in Planungsentscheidungen über Generatoreinsatz und Reservevorhaltung einzubeziehen. Dadurch werden diese Entscheidungen zu minimalen zusätzlichen Systemkosten immunisiert, während eine suboptimale Über- oder Unterschätzung des Reservebedarfs vermieden wird. Weiterhin untersucht diese Dissertation datengestützte Modifikationen der entwickelten Optimierungsmodelle, um den Effekt eventueller Fehler bei der Schätzung statistischer Parameter abzuschwächen. Die zunächst für einen risikobewussten Netzbetrieb entwickelten mathematischen Optimierungsprobleme sind konvex und erlauben daher eine markttheoretische Ableitung von Preissignalen zur Entwicklung eines praktikablen stochastischen Strommarktdesigns. Insbesondere kann gezeigt werden, dass separate Energie- und Reservepreise den erwarteten Systemzustand, statistische Informationen über unsichere Parameter und die Risikoakzeptanz der Markteilnehmer transparent abbilden. Dies ermöglicht eine planungssichere Beschaffung der notwendigen Erzeugungs- und Übertragungsresourcen und erhöht somit Versorgungssicherheit und -effizienz. Das vorgeschlagene Marktdesign mit chance constraints vermeidet typische Probleme szenariobasierter stochastischer Marktdesigns in Bezug auf Berechnungskomplexität und Transparenz. Die hergeleiteten Preissignale werden im Detail analytisch untersucht und die Erfüllung notwendiger ökonomischer Kriterien bewiesen. Zusätzlich zeigt diese Dissertation, dass die Volatilität bestimmter Systemvariablen durch geeignete Varianzmetriken kontrolliert werden kann und wie risikoaverses Verhalten sowie asymmetrische Informationen unter den Marktteilnehmern modelliert werden können.de
dc.identifier.urihttps://depositonce.tu-berlin.de/handle/11303/13151
dc.identifier.urihttp://dx.doi.org/10.14279/depositonce-11945
dc.language.isoenen
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/en
dc.subject.ddc003 Systemede
dc.subject.ddc537 Elektrizität, Elektronikde
dc.subject.ddc620 Ingenieurwissenschaftende
dc.subject.otherpower systemsen
dc.subject.otherstochastic optimizationen
dc.subject.otherpower system economicsen
dc.subject.otherchance constraintsen
dc.subject.othersustainabilityen
dc.subject.otherStromnetzde
dc.subject.otherstochastische Optimierungde
dc.subject.otherElektrizitätswirtschaftde
dc.subject.otherNachhaltigkeitde
dc.titleRisk-aware control, dispatch and coordination in sustainable power systemsen
dc.title.translatedRisikobewusste Regelung, Planung und Koordination in nachhaltigen Stromsystemende
dc.typeDoctoral Thesisen
dc.type.versionacceptedVersionen
tub.accessrights.dnbfreeen
tub.affiliationFak. 4 Elektrotechnik und Informatik::Inst. Energie- und Automatisierungstechnikde
tub.affiliation.facultyFak. 4 Elektrotechnik und Informatikde
tub.affiliation.instituteInst. Energie- und Automatisierungstechnikde
tub.publisher.universityorinstitutionTechnische Universität Berlinen

Files

Original bundle
Now showing 1 - 1 of 1
Loading…
Thumbnail Image
Name:
mieth_robert.pdf
Size:
4.06 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.9 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections