Optimal Planning of Energy Storage Systems in Power Transmission Networks Considering Wind Farms

Abstract

This thesis is composed of two sections. In the first section, a probabilistic discretising method is derived and developed to discretise the continuous joint power distribution of correlated wind farms. Combining the probabilistic discretizing method with a multi-objective hybrid particle swarm optimisation (MOPSO) and non-dominated sorting genetic algorithm (NSGAII), a new hybrid probabilistic optimisation algorithm is proposed. The proposed hybrid algorithm aims to search for the best location and size of energy storage system (ESSs) and considers the power uncertainties of multi correlated wind farms. The objective functions to be minimised include a system’s total expected cost restricted by investment budget, total expected voltage deviation and total expected carbon emission. IEEE 30-bus and IEEE 57-bus systems are adopted to perform the case studies using the proposed hybrid probabilistic optimisation algorithm. The simulation results demonstrate the effectiveness of the proposed hybrid method in solving the optimal allocation problem of ESSs and considering the uncertainties of wind farms’ output power and the correlation among them. The expected cost, emission, voltage deviation and power losses reduced by 66.99%, 60.54%, 71.13% and 33.03%, respectively, in the case study of IEEE 30-bus system and decreased by 36.12%, 88.90%, 81.74% and 68.49%, respectively, in the case study of IEEE 57-bus system, compared to the cases without considering ESSs. In the second section, bi-level mixed integer non-linear optimisation planning and operation model is formulated for the optimal configuration (location, capacity and power ratings) of compressed air energy storage system (CAES) in power transmission networks. The model was formulated with consideration for independent and iv correlated wind farms. The single objective function in the inner layer of the bi-level model includes the difference between the total daily expected operational cost of conventional generators and the energy arbitrage benefits derived when considering the operational strategies of ESSs. The outer layer is a multi-objective function composed of three objective functions to be minimised. The objective functions encompass the total daily expected planning and operational cost, total daily expected emission and the maximum expected voltage deviation. Wind power uncertainties in independent and correlated wind farms were also examined. A hybrid non-dominating sorted genetic algorithm and multi-objective particle swarm optimisation were used to minimise the outer layer objective function, whilst fast tabu search algorithm that considers the probabilistic load flow represented by wind power uncertainties and the operational strategies of ESSs was adopted to minimise the inner layer objective function. An IEEE 57-bus system was subjected to a case study using the proposed two-stage model. The simulation results confirmed the advantage of considering the benefits of a peak shaving operational strategy from economic, technical and environmental points of view. The total daily expected cost, emission and maximum voltage deviation were reduced by 1.077%, 14.756% and 21.055%, respectively, after considering the peak shaving operation strategy considering independent wind farms Keywords: Energy Storage System (ESS); Correlated Wind Farms; Probabilistic Load Flow (PLF); Operational Strategy; Two-Stage Optimization Problem; Non-Dominated Sorting Genetic Algorithm (NSGAII); Multi-Objective Particle Swarm Optimization (MOPSO); Tabu Search Algorithm (TSA).

ÖZ:Bu tez iki bölümden oluşmaktadır. İlk bölümde, ilintili rüzgar çiftliklerinin sürekli ortak güç dağılımını ayrıklaştırmak için olasılıksal bir ayrıklaştırma yöntemi türetilmiş ve geliştirilmiştir. Olasılıksal ayrıklaştırma yöntemini çok hedefli bir hibrit parçacık sürüsü optimizasyonu (MOPSO) ve baskın olmayan sıralamalı genetik algoritması (NSGAII) ile birleştiren yeni bir hibrit olasılıklı optimizasyon algoritması önerilmiştir. Önerilen hibrit algoritma, enerji depolama sisteminin (ESS'ler) en iyi konumunu ve boyutunu aramayı amaçlamaktadır ve çoklu-ilintili rüzgar çiftliklerinin güç belirsizliklerini dikkate almaktadır. En aza indirilecek hedef işlevler, bir sistemin yatırım bütçesi, toplam beklenen gerilim sapması ve toplam beklenen karbon salınımı ile sınırlandırılmış toplam beklenen maliyetini içerir. IEEE 30-bara ve IEEE 57-bara sistemleri, önerilen hibrit olasılık optimizasyon algoritmasını kullanarak vaka çalışmaları gerçekleştirmek için seçilmiştir. Benzetim sonuçları, ESS'lerin en iyi tahsis problemini çözmede ve rüzgar çiftliklerinin çıktı gücünün belirsizliklerini ve bunlar arasındaki ilintiyi dikkate alarak önerilen hibrit yöntemin etkinliğini göstermektedir. IEEE 30-bara sisteminin vaka çalışmasında beklenen maliyet, salınım, gerilim sapması ve güç kayıpları ESS'ler dikkate alınmayan durumlara kıyasla sırasıyla 66,99%, 60,54%, 71,13% ve 33,03%, ve IEEE 57-bara sistemi vaka çalışmasında sırasıyla 36,12%, 88,90%, 81,74% ve 68,49% azaltılmıştır. İkinci bölümde, güç iletim şebekelerinde basınçlı hava enerji depolama sisteminin (CAES) en iyi düzenleşimi (konum, kapasite ve güç seviyeleri) için iki seviyeli karışık tamsayı doğrusal olmayan optimizasyon planlaması ve işletim modeli formüle edilmiştir. Model, bağımsız ve ilintili rüzgar çiftlikleri dikkate alınarak formüle edildi. v İki seviyeli modelin iç katmanındaki tek hedef işlevi, geleneksel üreteçlerin toplam günlük beklenen işletim maliyeti ile ESS'lerin işletim stratejileri dikkate alındığında elde edilen enerji arbitraj faydaları arasındaki farkı içerir. Dış katman, en aza indirilmesi gereken üç hedef işlevinden oluşan çok hedefli bir işlevdir. Hedef işlevleri, toplam günlük beklenen planlama ve işletim maliyetini, toplam günlük beklenen salınımı ve beklenen en büyük gerilim sapmasını kapsar. Bağımsız ve ilintili rüzgar çiftliklerindeki rüzgar gücü belirsizlikleri de incelendi. Dış katman hedef işlevini en aza indirmek için hibrit baskın olmayan sıralamalı genetik algoritma ve çok hedefli parçacık sürüsü optimizasyonu kullanılırken, iç katman hedef işlevini en aza indirmek için ise rüzgar gücü belirsizlikleri ve ESS'lerin işletimsel stratejileri tarafından temsil edilen olasılıklı yük akışını dikkate alan hızlı tabu arama algoritması benimsenmiştir. IEEE 57-bara sistemi, önerilen iki aşamalı model kullanılarak bir vaka çalışmasına tabi tutuldu. Benzetim sonuçları, ekonomik, teknik ve çevresel bakış açılarından, tepe tıraşlama işletim stratejisinin faydalarını değerlendirmenin üstünlüğünü doğruladı. Bağımsız rüzgar çiftlikleri dikkate alınarak tepe tıraşlama işletim stratejisi değerlendirildikten sonra, toplam günlük beklenen maliyet, salınım ve en büyük gerilim sapması sırasıyla 1.077%, 14.756% ve 21.055% azaltıldı. Anahtar Kelimeler: Enerji Depolama Sistemi (ESS); İlintili Rüzgar Çiftlikleri; Olasılıklı Vük Akışı (PLF); İşletimsel Strateji; İki Aşamalı Optimizasyon Problemi; Baskın Olmayan Sıralamalı Genetik Algoritması (NSGAII); Çok Hedefli Parçacık Sürüsü Optimizasyonu (MOPSO); Tabu Arama Algoritması (TSA).