Reduksjon Av KjøreTid baserT på dekomponering for markedsmodeller med detaljert vannkraft

The players in the Nordic power market, i.e. producers, transmission system operators and regulators use computer models to plan for the best possible utilization of the system and energy resources. The computer models give results such as power prices, power production, dispatch etc. for different weather scenarios. This is important to avoid emptying reservoirs which may result in curtailment of electricity or to avoid too cautious operation which may result in unnecessary spillage and lost power production. The future power system will have more non-controllable renewable power sources such as wind and solar and a stronger coupling to the continental Europe. Today's computational methods are not adapted for analysis of the future power system with intermittent energy sources. The Fansi model, developed in the SOVN-project, was developed with methods suitable for analysis of the future power system. The results from this model are promising but comes at the cost of a high computational burden. This project will investigate techniques to reduce the computational burden, and thus make the model usable for analyses or operational use. The FanSi model formulates mathematical optimisation problems of a large power system, for example the Nordic power system. In addition, the optimisation problem has a long time-horizon stretching over many timesteps, for example 8760 hours of a year. A know technique to reduce calculation time is to divide the large optimisation problem into many smaller optimisation problems, for example one can split the problem into smaller geographical areas and/or in time. This requires the coordination of the solutions from the smaller problems into a complete solution of the problem. This allows for reduced calculation time and large-scale parallel processing which in turn will reduce calculation time. The project inherited a market model from the PRISBAS project (Pricing Balancing service in the future Nordic power market). This model has been developed further to project needs. This allows for solving the market problem by decomposition techniques in the spatial and temporal dimensions. The applied decomposition techniques are Lagrangian Relaxation(LR) and Benders decomposition(BD). The project has achieved a reduction in calculation time of about 50% by relaxing the reservoir balanance constraints. The decomposition techniques applied and tested in the project are: - BD in space - BD in time - LR in space Decomposition in space did not achieve appropriate result quality to be applied in the FanSi model (both BD and LR in space). BD in time provides moderate reduction in calculation time given a moderate reduction in result quality. Further study on BD in time is recommended. The project results are encouraging and strengthens the potential role for FanSi to become the next generation power market model, replacing the currently used power market model. Project results are published in an article in IEEE Transactions for sustainable energy and we have several technical reports and project memos. We aim at using the technical reports and memos as a basis for further publication.

Nordiske markedsaktører og TSOer står ovenfor store investeringsbeslutninger knyttet til økt fleksibilitet i produksjonssystemet (f.eks. effektutvidelser og pumping) og flere kabler mot Europa. Koordinert utbygging av fleksibilitet i produksjonsapparatet og kabler til utlandet vil kreve nøyaktige og etterprøvbare modellberegninger som dokumenterer nytten og konsekvensene av investeringene. Det ligger betydelig verdiskapingspotensial i modellens egenskaper som verktøy for investeringsbeslutninger. Potensialet er vanskelig å kvantifisere, men bør sees i lys av størrelsen på mulige investeringer. Ved å redusere kjøretiden vil modellen bli mer anvendbar og gi samfunnsnytte ved at flere bruker modellen og dersom faglig enighet om godheten av modellverktøyet oppnås. Dette er viktig både for å få aksept fra myndighetene og få til en nødvendig koordinering mellom utbygging av kabler og fleksibilitet. Det vil være et viktig steg for å nå målet om utvikling av neste genererasjons modeller. Prosjekt resultatene viste potensiale for å redusere regnetiden med ca 50 %. I tillegg har prosjektet bidratt til forslag til grep som gjøre endres i metodikken til FanSi for bedre utnyttelse av beregningsressurser. Dette vil senke regntiden ytterligere, men er per i dag ikke kvantifisert. Resultatene i prosjektet er allerede tatt i bruk hos SINTEF Energi AS i et prosjekt for utvikling/utforskning av neste generasjons markedsmodell. Resultatene fra prosjektet styrker markedsmodellen FanSis kandidatur som neste generasjons markedsmodell og arvtager for Samkjøringsmodellen.

Bruk av modellverktøy for optimal planlegging av vannkraftdominerte kraftsystemer er viktig for kraftsystemaktører og samfunnet generelt. Optimal ressursbruk og utnyttelse av kraftsystemet senker samfunnskostnader for kjøp av kraft og øker inntjeningen til produsenter. Fremtidens kraftsystem vil ha en stor andel nye fornybare kraftkilder i tillegg til eksisterende vannkraft som utfordrer metodikken i eksisterende modellverktøy. Et nytt modellverktøy (FanSi) med metodikk tilpasset fremtidens kraftsystem ble utviklet i SOVN -prosjektet. I denne modellen lages det store optimaliseringsproblemer som dekker markedsbeskrivelsen av et helt system over et stort geografisk område, f.eks. det Nordiske kraftsystemet. Optimaliseringsproblemet strekker seg også over mange tidssteg, f.eks. 8760 timer i ett år. Usikkerheten i optimaliseringsproblemet er i stor grad knyttet til usikkert vær, f.eks. år med mye nedbør, lite nedbør eller normalt nedbør. Usikkerhet i vær er representert i modellen i form av en scenarievifte, her løses kjente scenarier parallelt og koordineres til en samlet løsning. Styrken til en slik modell er de detaljerte resultatene som er en konsekvens av høy detaljeringsgrad, ulempen er at løsningstiden er svært lang. For å redusere løsningstiden er det mulig å dele optimaliseringsproblemet i flere mindre deler, såkalt dekomponering, som koordineres til en samlet løsning. Modellen benytter allerede dekomponering, men vi ønsker ytterligere dekomponering, både geografisk og i tid. Dekomponering i seg selv reduserer regnetiden og det muliggjør ytterligere parallellisering som også reduserer regnetiden. Dekomponering for denne type anvendelse, størrelse og omfang er ikke beskrevet i vitenskapelig literatur. Forskningsbehovet ligger i 1. Hvordan dele opp problemet i rom eller tid for best effekt og er best for parallellisering? 2. Hvordan koordinere den samlede løsningen fra alle delproblemer for best effekt? 3. Hvordan nå konvergens raskest mulig?