Stokastisk optimaliseringsmodell for Norden med individuelle vannverdier og nettrestriksjoner

Prosjektet er gjennomført etter plan men ble tre måneder forsinket. 1. Implementering Det er implementert en helt ny hydrotermisk markedsmodell kalt SOVN. Modellen er levert ut til deltagerne i prosjektet. Modellen bygger på sekvensiell løsning av to-stegs stokastiske lineærprogrammeringsproblemer hvor det andre steget er representert ved ulike scenarier for fremtidig tilsig, temperatur, vindkraftproduksjon og eksogene priser. I siste resultatperiode har mye av prosjektarbeidet vært knyttet til robustgjøring av modellen samt implementasjon av detaljert nett og utnyttelse av snømagasin informasjon. Prototyp-modellen har følgende hovedfunksjonalitet: - Detaljerte fysisk vannkraftmodeller på stasjonsnivå, inkludert tidsforsinkelser, ramping og fallhøyde. - Termiske produksjonsenheter beskrevet ved kapasiteter og marginalkostnader og eventuelt lineariserte oppstartkostander - Prisuavhengig og prisavhengig forbruk - Eksogene stokastiske priser - Stokastisk vind og solkraftproduksjon - Temperaturavhengig forbruk - Transportkapasiteter mellom ulike prisområder - Verdisetting av vann ved slutten av scenarioperioden basert på verdier fra standard Samkjøringsmodell - Benytter parallellprosessering i tre nivå - Fleksibel tidsoppløsning, f.eks. time i første steget, prisavsnitt og uke oppløsning langs scenariebanene. - Fysisk nettflyt basert på aggregerte eller detaljerte PTDF-er - Implementert scenarioreduksjon for å redusere regnetiden. - Driftsstrategi avhengig av snømagasintilstanden. 2. Kompetansebygging på parallellprosessering Kompetansebygging på parallellprosessering ble gjennomført i starten av prosjektet da vi testet den SDDP-baserte markedsmodellen ProdRisk modellen på en Linux-klynge. Dette gav oss ny kunnskap om flytting programkode fra Windows-miljø til Linux miljø, parallellprosessering på klynger og erfaringer med hensyn til hvordan SDDP algoritmen skalerer. I implementasjon av SOVN modellen har vi blant annet utnyttet denne kompetansen til å implementere parallellprosessering i tre nivå. Prototypen testes blant annet på en klynge med ca 80 beregningskjerner hos SINTEF og en klynge med ca 200 kjerner hos en av prosjektdeltakerne. Vi har også sett på Micosoft Azure sin skyløsning og hva som skal til for å kjøre SOVN modellen i det miljøet. Azure eller andre skyløsninger er et godt alternativ hvis man skal teste modellen med virkelig storskala parallellprosessering. 3. Verifisering Hovedkonklusjonen er at modellen gir bedre og mer konsistente resultater enn alternative modeller men at beregningstiden som forventet er svært lang. 4. Kartlegging av aktuelle metoder. Konklusjonen fra kartleggingsarbeidet var tidlig i prosjektperioden at man skal implementere den nye SOVN modellen basert på scenarietre metodikken fordi vi skal kunne simulere/optimalisere med observert tilsigsstatistikk. Det innledende arbeidet er dokumentert i [1]. 5. Storskalatesting Arbeidet med å teste modellen på reelle datasett har pågått for fullt i resultatperioden. Forbedringer i kjernefunksjonalitet, spesielt forbedringer i tidsoppløsningen, har pågått parallelt og forlenget testarbeidet. Resultatet av de siste og mest systematiske testene er dokumentert i referanse [4]. 6. Dokumentasjon/publikasjoner Arbeidet med dokumentasjon og artikkelskriving har vært en betydelig del av arbeidet i siste resultatperiode. Referanse [2]-[5] er gjennomført i siste resultatperiode. Referanser. [1] A. Helseth, B. Mo, K.S. Gjerden, O. Wolfgang, "Stochastic optimization model with individual water values and power flow constraints -choice of method", TR A7375, 2014-01-10. [2] A. Helseth, B. Mo, A. L. Henden, G. Warland, "SOVN Model Implementation ? Method functionality and details", TR A7618, ISBN 978-82?594-3680-1, SINTEF Energy Research, 2017. [3] SOVN user manual, project memo, SINTEF Energy Research, 2017. [4] A. Helseth, B. Mo, A. L. Henden and G. Warland, "Detailed Long-Term Hydro-thermal Scheduling for Expansion planning in the Nordic Power System", paper submitted to IEEE Transactions on Power Systems. [5] B. Mo, A. Helseth, G. Warland and A L Henden, "Modelling and quantifying the importance of snow storage information for the Nordic power system", paper ready to submit to journal or conference.

Kraftsystemer og -markeder på kontinentet er i hurtig utvikling, og det er derfor viktig for Norge å ta bærekraftige beslutninger hvorvidt man skal investere i ytterligere kabler til kontinentet og utvidelser av fleksibiliteten i vannkraftsystemet. Eventu elle investeringsbeslutninger vil kreve et robust analytisk underlag som viser en tydelig lønnsomhet, både for kablene i seg selv, eventuelle utvidelser av fleksibiliteten og ikke minst den samlede samfunnsøkonomiske nytten. Det er derfor et klart beho v for å etablere en fundamental stokastisk optimaliseringsmodell som beskriver samspillet mellom norsk vannkraft og det kontinentale systemet med tilstrekkelig detaljeringsgrad. I denne modellen vil driften av hvert enkelt vannkraftmagasin være et resulta t av en formell stokastisk optimalisering hvor alle relevante fysiske detaljer i markedet er representert. En slik modell vil gi bedre og mer robuste investeringsbeslutninger og produksjonsplanlegging enn hva som oppnås med dagens verktøy. Dagens anvend te fundamentale markedsmodeller er i stor grad basert på aggregering og disaggregering av vannkraften noe som gjør at disse modellene optimaliserer på forenklede beskrivelser av vannkraftsystemene. Så vidt vi kjenner til har ingen løst det fundamentale hy drotermiske markedsproblemet som et stokastisk dynamisk optimaliseringsproblem med så mange magasin og med så fin tidsoppløsning som vi her tar sikte på. Vi foreslår tre metoder som er godt egnet for å løse problemet, og tar sikte på å velge en av disse f or videre implementering, testing og verifisering mot reelle data. Forskningsutfordringene ligger primært i valg av metode og i bruk av parallelliseringsteknikker og egnet maskinvare for å oppnå akseptable regnetider.