Optimizing Bidding Curves for Renewable Energy in Two-Settlement Electricity Markets
Dieses Paper schlägt ein bi-level Optimierungsframework vor, das optimierte Gebotskurven für variable erneuerbare Energien in Zwei-Settlement-Strommärkten generiert, wobei nachgewiesen wird, dass eine Nullpreis-Einsegmentkurve die Systemoptimalität erreicht, während ein linearisierter Multi-Segment-Ansatz das unerreichbare kostengünstigste stochastische Ergebnis in groß angelegten praktischen Systemen effektiv approximiert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich das Stromnetz wie ein riesiges, hochriskantes Spiel von Stuhlfangen vor, aber anstelle von Menschen sind die Stühle Kraftwerke und die Musik ist die Sonne, die scheint, oder der Wind, der weht. In diesem Spiel sind die Spieler in zwei Teams aufgeteilt: das „Day-Ahead“-Team, das einen Plan für die Party von morgen macht, und das „Real-Time“-Team, das herbeieilt, um Unordnung zu beseitigen, wenn die eigentliche Party beginnt. Das Problem ist, dass Wind und Sonne notorisch unzuverlässige Gäste sind; sie können in einer Minute mit einer vollen Ladung Energie auftauchen und im nächsten Moment verschwinden. Wenn das Day-Ahead-Team für einen sonnigen Tag plant, aber Wolken aufziehen, muss das Real-Time-Team hektisch reagieren und teure Backup-Generatoren hochfahren, um das Licht an der Kippschalter zu halten. Dieses hektische Reagieren kostet ein Vermögen und macht das gesamte System ineffizient. Die große Frage, die sich Wissenschaftler stellen, lautet: Wie können die Wind- und Solarproduzenten dem Day-Ahead-Team genau sagen, für wie viel Energie es planen soll, damit alle Geld sparen und das Licht an bleibt?
Diese Arbeit widmet sich diesem Rätsel, indem sie einen neuen Weg vorschlägt, wie Wind- und Solarenergieproduzenten ihre Energie in den Markt „bieten“ können. Denken Sie an eine Gebotskurve wie an eine Speisekarte, die ein Restaurant einem Caterer gibt. Anstatt nur zu sagen: „Wir haben 100 Burger“, sagt die Speisekarte: „Wir haben 100 Burger für jeweils 5 Dollar oder 200 für jeweils 10 Dollar.“ In Strommärkten reichen Produzenten diese Menüs (Gebotskurven) ein, um anzugeben, wie viel Energie sie liefern können und zu welchem Preis. Die Autoren haben unter Verwendung eines anspruchsvollen mathematischen Werkzeugs namens „bilevel optimization“ (was so etwas wie ein Schachgroßmeister ist, der drei Züge im Voraus denkt) das perfekte Menü gefunden, um die Gesamtkosten des gesamten Spiels zu minimieren.
Hier ist die überraschende Wendung, die sie entdeckten: Um das absolut beste Ergebnis für das gesamte System zu erzielen, müssen die Wind- und Solarproduzenten keine komplexe Speisekarte mit ausgeklügelten Preisen haben. Sie benötigen nur eine einzige, einfache Linie auf ihrer Speisekarte, die besagt: „Wir haben diese Menge an Energie, und sie kostet uns null Dollar, sie euch zu geben.“ Die Arbeit beweist mathematisch, dass, wenn die tatsächlichen Kosten der Erzeugung von Wind- oder Solarkraft null sind (was sie sind), das Bieten zu einem Preis von Null ausreicht, um das System zu seinem effizientesten Zustand zu führen. Es ist, als würden Wind und Sonne sagen: „Nehmt, was ihr braucht, umsonst, und wir kümmern uns später darum, falls etwas schiefgeht.“
Die Forscher testeten diese Idee in einem massiven, realen Maßstab unter Verwendung des Netzes des New York Independent System Operator (NYISO), das 1.576 verschiedene Standorte (Bussen) abdeckt und Tausende von Stromleitungen handhabt. Sie führten Simulationen durch, bei denen sie ihre neue „smarte Gebotsstrategie“ mit dem derzeitigen Standard verglichen, bei dem Produzenten einfach die durchschnittliche Menge raten, die sie an Wind oder Sonne erwarten. Die Ergebnisse waren dramatisch. Durch die Verwendung ihrer optimierten Gebotskurven sparte das System etwa 155.000 Dollar pro Stunde im Vergleich zur Ratestrategie. Das ist eine Reduktion der Kosten um 36 %!
Noch beeindruckender ist, dass ihre Methode das System fast so günstig und effizient gemacht hat wie eine „perfekte“ theoretische Welt, in der die Zukunft mit 100-prozentiger Sicherheit bekannt ist – ein Szenario, das derzeit in der Realität unmöglich zu erreichen ist. Die Arbeit zeigt, dass, obwohl Produzenten komplexe Menüs mit mehreren Preispunkten einreichen können, das System am besten funktioniert, wenn sie sich an die einfache Null-Preis-Strategie halten. Die Autoren schlagen vor, dass dieser Rahmen von Marktregulierern als „Benchmark“ oder „Risiko-Score“ verwendet werden könnte, um Produzenten bei der Gestaltung ihrer Gebote anzuleiten und sicherzustellen, dass jeder das Spiel so spielt, dass der Strom für alle erschwinglich und zuverlässig bleibt. Während die Studie auf Simulationen basiert und Batterien oder Demand Response noch nicht berücksichtigt, bietet sie einen kraftvollen, bewährten Weg, um unseren Übergang zu grüner Energie reibungsloser und kostengünstiger zu gestalten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.