Doctorandus/a PhD student
Partners
Thema
Promotor / Supervisor
Prof. dr. ir. D. Van Hertem
Samenvatting van het onderzoek / Summary of Research
De toegenomen installatie van hernieuwbare bronnen, zoals PV-panelen en nieuwe belastingen zoals elektrische voertuigen (EV) en warmtepompen (HP), hebben de onzekerheidsniveaus in het laagspanningsdistributiesysteem (LVDS) vergroot. De traditionele benadering voor het plannen van dergelijke LVDS is de conservatieve `fit and forget'-benadering waarbij geïnvesteerd wordt voor het worstcasescenario. Dit houdt in dat er vaak veel extra infrastructuur moet worden voorzien. Het beschouwen van LVDS-planning daarentegen als een stochastisch probleem wordt als efficiënter beschouwd, omdat er dan rekening gehouden kan worden met de kans op en het risico horende bij een plannings-scenario, dat niet noodzakelijk het worstcasescenario hoeft te zijn, waardoor de investeringskosten voor de netinfrastructuur mogelijk worden verlaagd. Het bepalen van de PV-hostingcapaciteit (HC) is zo'n planningsprobleem: hierbij wordt de capaciteit van het systeem om nieuwe PV-bronnen op te nemen, berekend. Stochastische HC-berekeningen worden momenteel uitgevoerd met behulp van iteratieve, op Monte Carlo (MC) gebaseerde methoden, waarvoor de vermogensstroomvergelijkingen duizenden keren moeten worden opgelost voor elke iteratie van een PV-installatiescenario. Om de PV HC van een groot gebied, bestaande uit duizenden LV-feeders te berekenen, is een probabilistische powerflow (PPF)-tool vereist die nauwkeurig is, maar ook de berekeningen in redelijke tijd kan uitvoeren. Er bestaan verschillende benaderingen om de op MC gebaseerde iteratieve HC-berekeningsmethode rekenkundig efficiënter te maken, bijv. het lineariseren van de vermogensstroomvergelijkingen, het vervangen van enkele van de onzekere variabelen door deterministische waarden, enz. Als alternatief kunnen de op MC gebaseerde methoden worden vervangen door snellere analytische methoden, of de iteratieve HC-berekeningsmethode kan worden vervangen door stochastische optimalisatie. Dit proefschrift heeft tot doel analytische alternatieven te ontwikkelen voor de op MC gebaseerde methoden om iteratieve LVDS HC-berekeningsmethoden te vervangen.
Ten eerste is het een uitdaging om de bestaande PV HC-methoden te vergelijken, omdat ze worden gedemonstreerd op verschillende testfeeders met verschillende belastingaannames. Daarom wordt in dit proefschrift een benchmark voorgesteld, waarin de effecten van de aannames die zijn gemaakt voor het berekenen van de HC worden geëvalueerd. De vergelijking van de PV HC verkregen uit bestaande methodes laat een enorme spreiding zien, voornamelijk beïnvloed door de aannames over het net en stochastische limieten en de grootte en het aantal van de PV-installaties. Het standaardiseren van deze limieten is een belangrijke stap in de richting van het definiëren van een realistische HC van LVDS-feeders. Als benchmark wordt een stochastische limiet van 5% en een net spanning limiet van 0,95-1,05 pu aanbevolen.
Ten tweede vormen de MC-simulaties het knelpunt bij de klassieke berekening van de stochastische PV HC van een groot gebied. Dit proefschrift stelt een niet-intrusieve algemene Polynomial Chaos (gPC) expansie-gebaseerde PPF voor als alternatief. De op gPC gebaseerde PPF bereikt veel sneller de oplossing in vergelijking met MC en quasi-Monte Carlo (qMC) methoden met vergelijkbare nauwkeurigheid. De reden hiervoor is dat de complexe vermogensstroomvergelijkingen worden vervangen door hun polynoomsurrogaat. Wanneer de voorgestelde PPF wordt gebruikt om het risico op een congestie van een Europees LVDS te berekenen, is deze tien keer sneller dan de op MC gebaseerde methode met dezelfde nauwkeurigheid.
Ten derde vereisen stochastische HC-berekeningen inzicht in de onzekerheden in LVDS. De operationele onzekerheden als gevolg van belastings- en opwekkingsvariaties en onzekerheden in het PV-scenario als gevolg van de grootte, het type en de fase van de PV-installaties worden gewoonlijk samen gesampled in op MC gebaseerde probabilistische HC-benaderingen. Dit proefschrift presenteert een ontkoppelde benadering om de stochastische PV HC te berekenen, waarbij de kans op overschrijding van de operationele limieten wordt berekend voor mogelijke PV-planningsscenario's. Vervolgens wordt het PV-vermogen in het PV-scenario dat resulteert in het hoogste totale geïnstalleerde PV-vermogen zonder de stochastische operationele limieten van de LV-feeder te schenden, de stochastische HC van die feeder. Door de PV-scenario's (planning) los te koppelen van de operationele onzekerheden in plaats van ze samen te nemen, kan de impact van planningsbeleid en operationele regels op de algehele PV HC worden bestudeerd.
Ten vierde is de iteratieve benadering van het berekenen van de PV HC, waarbij de geïnstalleerde PV-grootte bij elke iteratie wordt vergroot, een rekenkundig veeleisend proces. De ontkoppelde methode is ook een brute force-benadering waarbij voor elk mogelijk scenario de kans op congestie wordt berekend. Daarentegen reduceert een chance constrained, op stochastische optimale power flow (SOPF) gebaseerde methode de ontkoppelde HC-berekening tot een enkelvoudig probleem. Dit proefschrift stelt een intrusieve, op gPC gebaseerde SOPF voor als berekeningmethode van de stochastische PV HC. Het gebruik van deze methode vermindert de rekentijd van dagen tot seconden. Met deze methode wordt de bovengrens van de HC berekend die kan worden geïdentificeerd met behulp van conventionele methoden.
Ten slotte is het over het algemeen moeilijk om de stochastische HC voor alle individuele LV-feeders binnen een bepaalde regio te berekenen, aangezien een kleiner gebied al honderden feeders kan hebben. Een benadering van de PV HC van het gehele gebied kan worden verkregen door de HC van een klein aantal representatieve feeders op te schalen. Dit proefschrift presenteert een clusterschema dat de meest relevante kenmerken van LVDS-feeders voor PV HC vastlegt om dergelijke representatieve feeders te verkrijgen. Een case study toont aan dat de PV HC van een klein gebied kan worden benaderd door slechts 3% van de zorgvuldig gekozen representatieve feeders te gebruiken met een fout van 20%.