Data-Driven Operation and Control of Power Systems

The main goal of the project is to explore the possibilities offered by big data analysis, system identification, and advanced control theory to operate a future green power system more optimally and safely. The world’s energy demand is increasing. A key challenge in the face of this and global climate change is the increased use of renewable energy sources, such as hydro-, solar-, and wind power. Increased renewables integration changes the dynamics of the power system. The power system must at all times be balanced, meaning that production and consumption must match. In the Nordics, the rough balancing is handled by a series of market clearings on a power exchange. Imbalances arising within each hour are handled by so called frequency reserves. One of the main challenges with a more renewables-based power system is the reduced predictability and controllability introduced by sources like solar and wind. Not only do these sources offer less controllability compared to conventional production units like stored hydropower and thermal plants, but they also contribute less to system inertia, making it more susceptible to variation. The Nordic system guidelines specify how to employ each reserve and it what quantity to ensure safe system operations. However, the reserves are supplied by units with varying characteristics, which introduces uncertainty about the system’s aggregate response to imbalances. Controlling a power system with lower inertia and more volatile production requires more accurate and robust operating strategies. Suggested solutions include more robust control of the individual reserve providing units (e.g., a specific hydropower plant) and more advanced control on a system level. The identified knowledge gap in this context is how to operate frequency reserves optimally and robustly in a future low-inertia system, while considering modelling uncertainty. Proper models for stability analysis and controller design are therefore imperative.

En av hovedutfordringene med et mer fornybarbasert kraftsystem er den reduserte forutsigbarheten og regulerbarheten kilder som sol- og vindkraft (enheter med kraftelektronikkgrensesnitt mot systemet) introduserer. Ikke bare har disse kildene redusert reguleringsevne sammenlignet med konvensjonelle kraftanlegg som magasinert vannkraft og termiske kraftverk, men de reduserer også systemets treghet og gjør det mer utsatt for ubalanser. Samtidig er implementeringen av slike kilder, sammen med tettere europeisk integrasjon, avgjørende for å muliggjøre en utslippsfri energisektor. For å unngå overdimensjonering og kostbare investeringer, samtidig som man opprettholder systemstabilitet, må kraftsystemet driftes nærmere tålegrensene sine. Det nordiske kraftsystemet benytter i dag frekvensreserver som leveres av enheter med ulike karakteristikker, noe som introduserer en betydelig usikkerhet i systemets aggregerte respons på ubalanser. For å kunne styre et kraftsystem med lavere treghet og mer volatil produksjon kreves mer nøyaktige og robuste driftsstrategier. Dagens utnyttelse av frekvensreserver lider under manglene situasjonsforståelse og robusthet. Foreslåtte løsninger er mer robust regulering av de individuelle frekvensreservene (for eksempel et spesifikt vannkraftverk) og mer avansert regulering på systemnivå. Det identifiserte kunnskapshullet i denne konteksten er hvordan man skal drifte frekvensreserver optimalt og robust for et framtidig lav-treghets-system, samtidig som man tar høyde for modelleringsusikkerhet. Gode modeller for stabilitetsanalyse og regulatordesign blir da avgjørende. Hovedmålet til prosjektet blir da å utforske mulighetene som ligger i stordataanalyse, systemidentifikasjon og avansert reguleringsteknikk for å i større grad drifte et framtidig grønt kraftsystem mer optimalt og sikkert.