Modelling approaches for optimization of integrated regional energy systems
Haikarainen, Carl (2020-12-03)
Haikarainen, Carl
Åbo Akademi University
03.12.2020
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Publikationens permanenta adress är
https://urn.fi/URN:ISBN:978-952-12-3996-0
https://urn.fi/URN:ISBN:978-952-12-3996-0
Abstrakt
Denna avhandling behandlar optimeringsmodeller för energisystem. Energisystem i detta sammanhang syftar på sammankopplade nätverk av energikällor, teknologier för omvandling, transport och lagring av energi, samt diverse slutanvändare i olika samhällssektorer. Energi iolika former som värme, elektricitet eller bränslen ligger som grund förmånga funktioner i mänskliga samhällen, och möjliggör aktiviteter sommatlagning, varutillverkning och global logistik. Samtidigt har skadliga följder av dylik energianvändning uppmärksammats, särskiltmed förbränningen av fossila bränslen som en av de största orsakernabakom antropogen klimatförändring. Att minska miljöpåverkan av energisystemen samtidigt som de lämpligen borde försäkra energiförsörjningen för en växande global population kräver att systemen genomgår en förändring mot mer hållbara teknologier och strukturer.
Optimeringsmodeller för energisystem används för att planera både drift av och investeringar i energisystem. Driftsoptimering sker i kortsiktig optimering av hur enheter i existerande system fungerarsamt i modeller för investeringsplanering för att utvärdera hur möjligasystemstrukturer kunde tillgodose energibehov på längre sikt. Optimeringsmodeller kan användas för att identifiera gynnsammautvecklingssteg på kort eller lång sikt, i regionala, nationella eller ännustörre skalor. I det forskningsarbete som ligger som grund för denna avhandling har linjär blandad heltalsprogrammering tillämpats för attoptimera två slags modeller av energisystem: modeller av regionala värmesystem inklusive topologier för fjärrvärmenätverk och modellerför regionala integrerade energisystem med fokus på införandet av förnybara energiteknologier. Optimeringen av fjärrvärmenätverk krävde en hög detaljnivå gällande olika relevanta alternativ för nätverkets rörlinjer, vilket i sin tur krävde en förenklad tidsresolution för att hålla beräkningstiderna hanterbara. Trots detta kunde modellprincipen konstateras vara praktiskt användbar för att bedömainvesteringar i fjärrvärmenät och decentraliserade enheter såsom värmepumpar, värmepannor och värmelager. Därtill utvecklades en nedbrytningsmetod för att lösa komplexa nätverksmodeller som den ursprungliga modellformuleringen inte kunde lösa.
Den andra typen av modeller som studerades sökte svar på frågor omhur starkt varierande förnybara energikällor i praktiken kunde samverka med varandra och med andra mer eller mindre flexibla teknologier för att tillgodose likaså varierande energibehov i ett integrerat energisystem och hur denna modellerade samverkan skullepåverka optimeringen av investeringar. Detta krävde hög tidsresolution eftersom vindhastigheter, solinstrålning och energibehov alla kan variera snabbt. En tidsskala på ett år uppdelad i timmar valdes, vilket i sin tur krävde relativt låg detaljnivå för energiöverföringsteknologierna för att minska modellernas komplexitet. Optimeringsexempel visade hur vindturbiner, värmepumpar och gasmotorer kunde samverka för att förse ett regionalt energisystem med elektricitet och värme. Eftersom den relevanta frågan gällande investeringsbeslut är hur långtida investeringar kunde planeras utgående från nuläget utvidgadesettårsmodellen till att sträcka sig över en valbar tidshorisont uppdeladi flera perioder. Med denna utvidgning gick det att i optimeringenbeakta uppskattningar av utvecklingen av energibehov, kostnader ochverkningsgrader, samt eventuell nedmontering av befintliga anläggningar. Optimeringsexempel visade igen hur sektorsintegrering kan bidra med flexibilitet i regionala energisystem och hur långsiktig investeringsoptimering kan formuleras som linjär blandad heltalsoptimering, men påvisade också nödvändigheten av att beakta osäkerheter i modellparametrar och i uppskattningar av framtida förhållanden.
Forskningen kring optimeringsmodeller för energisystem pågår och utöver att bara utveckla själva modellerna är det nödvändigt att utveckla ramverk och praxis för hur modellerna används i en beslutsprocess. Osäkerheter är inneboende både i modeller och i deras indata, och för att få relevant information ur modellerna krävs omtanke i formuleringen av optimeringsscenarion och i analysen av optimeringsresultaten. Eftersom detta kan medföra ett stort antal optimeringskörningar är det desto mer önskvärt att minska behövligberäkningstid för att lösa modellerna. Därmed finns det en efterfrågan av generella modellformuleringar som kan omformas för problem i olika skalor och med olika teknologialternativ, emedan energiplaneringsker i diverse situationer med olika geografiska, klimatiska och samhälleliga förhållanden.
Optimeringsmodeller för energisystem används för att planera både drift av och investeringar i energisystem. Driftsoptimering sker i kortsiktig optimering av hur enheter i existerande system fungerarsamt i modeller för investeringsplanering för att utvärdera hur möjligasystemstrukturer kunde tillgodose energibehov på längre sikt. Optimeringsmodeller kan användas för att identifiera gynnsammautvecklingssteg på kort eller lång sikt, i regionala, nationella eller ännustörre skalor. I det forskningsarbete som ligger som grund för denna avhandling har linjär blandad heltalsprogrammering tillämpats för attoptimera två slags modeller av energisystem: modeller av regionala värmesystem inklusive topologier för fjärrvärmenätverk och modellerför regionala integrerade energisystem med fokus på införandet av förnybara energiteknologier. Optimeringen av fjärrvärmenätverk krävde en hög detaljnivå gällande olika relevanta alternativ för nätverkets rörlinjer, vilket i sin tur krävde en förenklad tidsresolution för att hålla beräkningstiderna hanterbara. Trots detta kunde modellprincipen konstateras vara praktiskt användbar för att bedömainvesteringar i fjärrvärmenät och decentraliserade enheter såsom värmepumpar, värmepannor och värmelager. Därtill utvecklades en nedbrytningsmetod för att lösa komplexa nätverksmodeller som den ursprungliga modellformuleringen inte kunde lösa.
Den andra typen av modeller som studerades sökte svar på frågor omhur starkt varierande förnybara energikällor i praktiken kunde samverka med varandra och med andra mer eller mindre flexibla teknologier för att tillgodose likaså varierande energibehov i ett integrerat energisystem och hur denna modellerade samverkan skullepåverka optimeringen av investeringar. Detta krävde hög tidsresolution eftersom vindhastigheter, solinstrålning och energibehov alla kan variera snabbt. En tidsskala på ett år uppdelad i timmar valdes, vilket i sin tur krävde relativt låg detaljnivå för energiöverföringsteknologierna för att minska modellernas komplexitet. Optimeringsexempel visade hur vindturbiner, värmepumpar och gasmotorer kunde samverka för att förse ett regionalt energisystem med elektricitet och värme. Eftersom den relevanta frågan gällande investeringsbeslut är hur långtida investeringar kunde planeras utgående från nuläget utvidgadesettårsmodellen till att sträcka sig över en valbar tidshorisont uppdeladi flera perioder. Med denna utvidgning gick det att i optimeringenbeakta uppskattningar av utvecklingen av energibehov, kostnader ochverkningsgrader, samt eventuell nedmontering av befintliga anläggningar. Optimeringsexempel visade igen hur sektorsintegrering kan bidra med flexibilitet i regionala energisystem och hur långsiktig investeringsoptimering kan formuleras som linjär blandad heltalsoptimering, men påvisade också nödvändigheten av att beakta osäkerheter i modellparametrar och i uppskattningar av framtida förhållanden.
Forskningen kring optimeringsmodeller för energisystem pågår och utöver att bara utveckla själva modellerna är det nödvändigt att utveckla ramverk och praxis för hur modellerna används i en beslutsprocess. Osäkerheter är inneboende både i modeller och i deras indata, och för att få relevant information ur modellerna krävs omtanke i formuleringen av optimeringsscenarion och i analysen av optimeringsresultaten. Eftersom detta kan medföra ett stort antal optimeringskörningar är det desto mer önskvärt att minska behövligberäkningstid för att lösa modellerna. Därmed finns det en efterfrågan av generella modellformuleringar som kan omformas för problem i olika skalor och med olika teknologialternativ, emedan energiplaneringsker i diverse situationer med olika geografiska, klimatiska och samhälleliga förhållanden.