Methodology for real impact assessment of the best location of distributed electric energy storage systems

Abstract

Esta tese apresenta uma metodologia para ajudar os decisores a encontrar soluções viáveis que permitam integrar um sistema de armazenamento de energia elétrica distribuída (DEESS) num ambiente urbano, como uma ferramenta para fornecer serviços de potência e de energia para a rede elétrica. Requerendo dados de fácil obtenção no setor elétrico Português, a metodologia desenvolvida utiliza diagramas protótipo de consumo de energia elétrica, de preços de eletricidade, e de geração renovável de eletricidade, visando otimizar a localização das unidades de armazenamento de energia elétrica. Os diagramas protótipo são baseados em dados reais, sendo obtidos através de técnicas de agrupamento (clustering). Para a otimização é utilizado um algoritmo genético melhorado baseado no Non-dominated Sorting Genetic Algorithm-II (NSGAII) que permite encontrar os locais mais adequados para as unidades do DEESS. O presente trabalho considera as atitudes expectáveis dos principais interessados na implementação de um DEESS e discute possíveis opções de enquadramento regulatório, tais como o uso de um incentivo nas tarifas, para definir um modelo de negócio que estimule o aparecimento de intervenientes no mercado com vontade de investir em sistemas de armazenamento de energia. A metodologia foi aplicada a um estudo de caso, utilizando a tecnologia de baterias de Nanofosfato de iões de lítio (LiFePO4) devido a sua crescente utilização em redes de eletricidade e às vantagens oferecidas quando comparado a outras tecnologias disponíveis no mercado. A escolha das localizações usa uma definição do melhor horário de funcionamento enquanto otimiza quatro funções objetivo: a minimização das perdas, desvios de tensão e custo de investimento, e a maximização dos ganhos líquidos de exploração das diferenças entre os preços da energia que variam no tempo. Neste último objetivo é incluída uma avaliação de externalidades com base no sistema europeu de comércio de emissões, a fim de tentar contemplar os principais benefícios associados ao armazenamento. Os resultados mostraram que a melhor localização de DEESS depende do serviço de energia a ser fornecida, nomeadamente nos objetivos que definem o regime de gestão do sistema de armazenamento. Esta característica sugere a necessidade de incorporar este nível de decisão na formulação multiobjetivo e torna a metodologia desenvolvida apropriada para ser usada por diferentes tipos de interessados, tais como investidores privados, o DSO ou uma autoridade pública.

This thesis presents a methodology to assist decision makers on the assessment of feasible solutions to integrate a distributed electric energy storage system (DEESS) in an urban environment, as a tool to provide power and energy services to the electric network. Requiring data easily found in the Portuguese energy sector, the developed methodology uses prototype diagrams of electricity demand, electricity prices and renewable electricity generation to optimize the location of electric energy storage units. The profile prototypes are based on real data, obtained through clustering techniques, and an improved genetic algorithm, based on Non-dominated Sorting Genetic Algorithm-II (NSGAII) is used for the optimization that allows the most suitable locations of DEESS units to be found. The present work considers expected attitudes of the main stakeholders towards DEESS implementation and discusses possible regulatory framework options to define the DEESS business model in order to stimulate the appearance of market players intending to invest on energy storage systems, such as the use of a feed-in-tariff scheme. The methodology was applied to a case study, using the nanophosphate lithium-ion (LiFePO4) battery technology due to its increasing use in electricity networks and to the advantages it offers when compared to other commercially available technologies. The choice of location uses a definition of the best schedule of operation, while optimizing four objective functions: the minimization of losses, voltage deviations and investment cost, and the maximization of the net gains of exploiting the differences among time-varying energy prices. This last objective included an externality assessment based on the European emissions trading system, trying to account for the main associated benefits of DEESS. Results showed that the best DEESS location depends on the energy service to be provided, namely of the goal that defines the management scheme of the storage system. This feature suggests the need to incorporate this level of decision on the multiple objective formulation and makes the developed methodology appropriate to be used by different types of stakeholders, such as a private investor, the DSO or a public authority.