Optimal Allocation of Demand Response Through Aggregators Considering the Transmission System Topology

La participation croissante des sources d'énergie renouvelables dans le réseau électrique entraîne de nouveaux défis opérationnels, tels que la fluctuation de la production des énergies renouvelables ainsi que la difficulté de prévoir adéquatement leur production. Il est donc nécessaire de trouver des moyens efficaces pour trouver des façons d'ajuster la demande, malgré sa nature distribuée dans le réseau. Les agrégateurs peuvent être utilisés pour gérer un ensemble de ces ressources dites de gestion de la demande de puissance (en anglais, “demand response”), facilitant ainsi leur utilisation par l'opérateur indépendant du système. Cependant, la conception des agrégateurs et la décision sur comment allouer leurs ressources sont des problèmes importants. Un des aspects qui nécessite plus d'attention est l'impact de la topologie du réseau électrique sur ces décisions. Notre première contribution est un modèle d'optimisation à court terme pour l'allocation des ressources gestion de la demande de puissance (DR) ainsi que des ressources de production pour satisfaire la demande externe qui est offerte après que la décision de génération soit prise. Les ressources de DR ne pourront être utilisées qu'après la décision de la génération. Enfin, notre travail tient également compte de l'impact de la congestion du système de transmission lors de l'allocation des ressources DR. Des tests numériques avec les études de cas IEEE 96-RTS et ACTIVSG500 montrent que l'utilisation de la DR aide à gérer la congestion du système de transmission, permettant ainsi aux générateurs de satisfaire à une plus grande demande externe. Dans notre deuxième contribution, nous considérons les incertitudes liées à la production d'énergies renouvelables et à l'offre de demande externe. En outre, nous ajoutons une autre couche de complexité au problème en considérant le problème d'engagement des unités de production. Cela conduit à un problème mixte stochastique semi-défini, qui est assez difficile à résoudre. Afin de résoudre ce problème, nous appliquons la décomposition de Benders généralisée (GBD), ce qui nous permet de surmonter la complexité du problème original. Comme l'algorithme GBD a souvent un taux de convergence lent, nous avons utilisé différentes méthodes d'accélération pour améliorer sa performance. Nous montrons également que toutes les méthodes employées contribuent de manière significative à la diminution du temps de résolution. En particulier, la méthode des coupes Pareto-optimales contribue le plus à l'amélioration des performances de l'algorithme GBD. Nous évaluons ces méthodes en résolvant plusieurs instances de notre problème avec la grille de test IEEE 96-RTS. Comme les programmes de DR jouent un rôle plus important dans l'opération du réseau électrique, à la fois à court et à long terme, le problème de son allocation optimale devient primordial. Pour cette raison, notre contribution finale est une étude détaillée des travaux existants qui adoptent une approche intégrée pour planifier de manière optimale l'opération du réseau électrique et l'utilisation de la DR. Nous présentons les différentes approches pour résoudre ce problème ainsi que les recherches futures possibles sur ce sujet.

Abstract

The increasing penetration of renewable energy sources in the power grid brings new operational challenges, such as the renewable energies generation fluctuation as well as the difficulty to adequately predict their generation. This brings up the need for effective means to provide demand response in spite of its distributed nature throughout the grid. Aggregators can be used to manage a set of such demand response resources, facilitating their usage by the independent system operator. However, both designing aggregators and deciding how to allocate their resources is an important problem. One of the aspects that needs more attention is the impact of the transmission system on these decisions. Our first contribution is a short-term optimization model for allocating demand response (DR) resources as well as generation resources to supply external demand that is offered after the dispatch decision is made. The DR resources will only be available for use after the dispatch decision is made. Our work also considers the impact of congestion in the transmission system when allocating DR. Numerical tests with the IEEE 96-RTS and the ACTIVSG500 case studies show that DR usage helps to manage the transmission system congestion allowing for more external demand to be supplied by the generators. In our second contribution, we consider the renewable energy generation and the external demand offer uncertainties. Besides that, we also add another layer of complexity to the problem by considering the unit commitment problem. This leads to a stochastic semidefinite mixed integer problem, which is fairly challenging to solve. In order to solve this problem, generalized Benders decomposition (GBD) is applied, allowing us to overcome the complexity of the original problem. Because the GBD algorithm often has a slow convergence rate, we have employed different acceleration methods to obtain improvements on its performance. We show that all of the employed methods contribute significantly to diminishing the time of solution when making a benchmark of them. In particular, the Pareto-Optimal cuts method contributes the most to improve the performance of the GBD algorithm. We benchmark those methods by solving several instances of our problem with the IEEE 96-RTS test grid. As DR programs play a more significant role in the operation of the power grid, both in the short- and long-term horizon, the problem of the optimal allocation of DR resources becomes primordial. Because of that, our final contribution is a detailed survey of the existing works that take an integrated approach to optimally planning the operation of the power grid and the use of DR. We present the different approaches for solving this problem as well as possible future research on this topic.