⚡ electrical engineering

Risk-Aware Multi-Market Scheduling of Virtual Power Plants with Dynamic Network Tariffs

Dit artikel stelt een tweestaps stochastisch optimalisatiekader voor Virtuele Krachtcentrales voor dat gedetailleerde apparaat- en netwerkbegrenzingen integreert met risicobewust meermarktbodgedrag en dynamische nettarieven, en aantoont dat, hoewel dynamische tarieven lokale flexibiliteit ontsluiten, sterke tariefsignalen de verwachte winstgevendheid aanzienlijk kunnen verminderen ondanks het mitigeren van winstvolatiliteit.

Oorspronkelijke auteurs: Lorenzo Zapparoli, Paul Fäth, Blazhe Gjorgiev, Giovanni Sansavini

Gepubliceerd 2026-04-30

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Lorenzo Zapparoli, Paul Fäth, Blazhe Gjorgiev, Giovanni Sansavini

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een Virtueel Krachtcentrale (VKK) voor, niet als een gigantische fabriek met schoorstenen, maar als een slimme, super-georganiseerde wijkmanager. Deze manager bezit geen enkele krachtcentrale; in plaats daarvan beheert hij een verzameling alledaagse dingen in een wijk: zonnepanelen op daken, laadpalen voor elektrische auto's, thuisbatterijen en warmtepompen.

Het doel van dit artikel is om de beste manier te vinden waarop deze "wijkmanager" elektriciteit en diensten aan het net kan verkopen zonder in de problemen te komen, terwijl hij te maken heeft met twee grote hoofdpijndingen: onzekerheid (we weten niet precies hoeveel zon er zal schijnen of hoeveel mensen hun auto's zullen opladen) en veranderende regels (de prijs die het net rekent voor het gebruik van zijn draden verandert gedurende de dag).

Hieronder wordt uiteengezet hoe het artikel dit opbreekt, met behulp van eenvoudige analogieën:

1. Het Twee-Stadia Spel: Plannen versus Handelen

De onderzoekers hebben een "twee-stadia" spelplan ontworpen voor de VKK, vergelijkbaar met het plannen van een roadtrip:

Stadium 1 (De Dag ervoor): De manager doet een weddenschap. Hij kijkt naar de weersvoorspelling en prijsprognoses en zegt: "Ik beloof morgen 100 eenheden stroom te verkopen tegen deze prijs, en ik beloof 50 eenheden klaar te hebben om het net te helpen als het onstabiel wordt." Hij zet deze weddenschappen vast in de markt.
Stadium 2 (De Dag zelf): De realiteit slaat toe. Misschien was de zon zwakker dan verwacht, of stak een buurman zijn elektrische auto eerder dan gepland in. Nu moet de manager handelen. Hij beslist welke batterijen leeggehaald moeten worden, welke warmtepompen gedimd moeten worden, en hoe hij eventuele fouten (zogenaamde "ongelijkheden") moet oplossen om boetes te vermijden.

Het artikel maakt gebruik van een wiskundig raamwerk om ervoor te zorgen dat de weddenschappen in Stadium 1 slim genoeg zijn om de verrassingen in Stadium 2 het hoofd te bieden.

2. Het Risicovolle Bedrijf: "Risiconeutraal" versus "Risicovermijdend"

Het artikel vergelijkt twee verschillende persoonlijkheidstypen voor de wijkmanager:

De Risiconeutrale Manager (De Gokker): Deze manager zegt: "Ik neem de grootste gok om het meeste geld te verdienen." Hij wedt zwaar op het verkopen van stroom wanneer de prijzen hoog lijken.
- Het Resultaat: Als de gok goed uitpakt, verdienen ze veel geld. Maar wanneer het weer of het gebruikersgedrag hen verrast, eindigen ze met enorme boetes omdat ze niet hebben geleverd wat ze beloofden. Hun dagelijkse winst is als een achtbaan – wilde schommelingen op en neer.
De Risicovermijdende Manager (De Conservatieve): Deze manager zegt: "Ik liever iets minder geld verdienen dan veel te verliezen." Hij gebruikt een veiligheidshulpmiddel genaamd CVaR (Conditional Value-at-Risk), wat vergelijkbaar is met een verzekeringspolis tegen de worst-case scenario's.
- Het Resultaat: Ze verdienen gemiddeld minder geld, maar hun dagelijkse winst is zeer stabiel. Ze vermijden de "achtbaan" door hun beloften dichter bij te houden aan wat ze fysiek daadwerkelijk kunnen leveren.

De Afweging: De studie vond dat "risicovermijdend" zijn de manager ongeveer 264 CHF aan potentiële winst kost, maar het bespaart hen de stress en het financiële gevaar van wilde winstschommelingen. Om deze veiligheid te bereiken, gebruikt de risicovermijdende manager zijn batterijen veel vaker (146% meer) om dingen te gladstrijken, optredend als een schokdemper voor de wijk.

3. Het Dynamische Tarief: De "Happy Hour" voor Elektriciteit

Het artikel test ook wat er gebeurt wanneer de netbeheerder Dynamische Nettarieven invoert. Denk hierbij aan de netbeheerder die de prijs van "het gebruik van de weg" (de draden) gedurende de dag verandert.

Het Signaal: "Het is goedkoop om op onze wegen te rijden tussen 10.00 en 14.00 uur (lage tarieven), maar het is zeer duur tussen 17.00 en 21.00 uur (hoge tarieven)."
De Reactie: De VKK-manager probeert het energieverbruik van de wijk te verschuiven naar de "goedkope uren". Ze laden elektrische auto's op en laten warmtepompen overdag draaien en vertragen 's avonds.
De Vloer: De studie vond een "Goudelocks"-zone.
- Kleine prijsveranderingen (10–20% verschil) krijgen mensen succesvol hun gewoonten te verschuiven zonder de winst van de VKK veel te schaden.
- Enorme prijsveranderingen (tot 100% verschil) dwingen mensen om te verschuiven, maar dit vernietigt daadwerkelijk de winst van de VKK (tot 65%) omdat de kosten voor het kopen/verkopen van stroom te chaotisch worden. De verkregen "flexibiliteit" is niet het financiële schade waard.

4. Het Geheime Ingrediënt: Benders Decompositie

De wiskunde hierachter is ongelooflijk complex omdat de manager 97 verschillende locaties, honderden apparaten en 1.000 verschillende "wat-zou-als"-scenario's tegelijkertijd moet bijhouden. Een normale computer zou crashen bij het proberen dit op te lossen.

De auteurs gebruikten een truc genaamd Benders Decompositie. Stel je voor dat je een gigantische puzzel probeert op te lossen. In plaats van dat één persoon probeert alle 10.000 stukjes tegelijk te passen, splits je de puzzel op in:

Het Hoofddeel: Iemand beslist over het grote plaatje (de weddenschappen).
De Subproblemen: Veel mensen werken parallel aan kleine, aparte secties (de specifieke scenario's).
Ze wisselen notities uit totdat het hele plaatje past. Dit stelde de onderzoekers in staat om een zeer gedetailleerde, realistische simulatie te draaien die anders onmogelijk zou zijn geweest.

Samenvatting

Het artikel concludeert dat:

Veiligheid loont: Voorzichtig zijn (risicovermijdend) maakt de Virtuele Krachtcentrale betrouwbaarder en minder vluchtig, zelfs als dat betekent dat de winst iets lager is.
Batterijen zijn cruciaal: Om veilig te blijven, moet de VKK zijn batterijen agressiever gebruiken om fouten te compenseren.
Drijf niet te ver met priksignalen: Netbeheerders kunnen mensen aanmoedigen op andere tijden stroom te gebruiken door prijzen te wijzigen, maar als de prijsveranderingen te extreem zijn, schaadt dit de winstgevendheid van het systeem zonder veel extra flexibiliteit te winnen.

Kortom, het artikel biedt een blauwdruk voor het runnen van een wijkenergienetwerk dat slim, veilig en winstgevend is, zelfs wanneer het weer en menselijk gedrag onvoorspelbaar zijn.

1. Probleemstelling

Het artikel behandelt de uitdaging van het plannen van Virtuele Krachtcentrales (VCC's) die bestaan uit Gedistribueerde Energiebronnen (DER's) in een steeds complexer wordende elektriciteitsmarktomgeving. Naarmate de penetratie van hernieuwbare energie groeit, moeten VCC's navigeren door:

Deelname aan Meerdere Markten: Gelijktijdige deelname aan sequentiële markten (Day-Ahead Energie, Reservecapaciteit, en Reserveactivering/Onbalansmarkten).
Onzekerheid: Volatiliteit in hernieuwbare opwekking, lastvraag, gebruikersgedrag (bijv. EV-laden) en marktprijzen.
Netwerkbeperkingen: De noodzaak om fysieke netwerkbegrenzingen (spanning en thermische limieten) op distributieniveau te respecteren, die vaak worden genegeerd in geaggregeerde modellen.
Dynamische Netwerktarieven: Het opkomende regelgevingsmechanisme waarbij Netbeheerders (DSO's) tijd-variabele tarieven gebruiken om lokale congestie te managen, wat een extra laag prijssignalen toevoegt die onderscheiden zijn van marktprijzen.

Onderzoeksgaten: Bestaande literatuur vertrouwt vaak op sterk geaggregeerde DER-modellen, vereenvoudigde netwerktopologieën, of negeert het gezamenlijke effect van dynamische tarieven en marktaanbiedingen onder onzekerheid. Bovendien incorporeren weinig modellen expliciet risicopreferenties (risicoaversie) naast gedetailleerde apparaatniveau-beperkingen en netwerkfysica.

2. Methodologie

De auteurs stellen een tweestaps-stochastisch optimalisatiekader voor dat is ontworpen om marktaanbiedingen en fysieke dispatch gelijktijdig te optimaliseren.

A. Wiskundige Formulering

Beslissingsstructuur:
- Stap 1 (Day-Ahead): De VCC-exploitant bepaalt biedingen voor de Day-Ahead Energiemarkt en de Reservecapaciteitsmarkt. Deze beslissingen worden genomen voordat onzekerheid zich realiseert.
- Stap 2 (Leveringsdag): De exploitant dispatched individuele DER's, biedt aan op de Reserveactiveringsmarkt en beheert onbalansen op basis van gerealiseerde scenario's (prijzen, opwekking, last).
Doelfunctie: Het model minimaliseert een risicofunctionaal $R[\cdot]$ $R [\cdot]$ toegepast op de totale operationele kosten.
- Risiconeutraal: Minimaliseert de Verwachte Waarde ( $E[\cdot]$ ).
- Risicoavers: Minimaliseert de Conditional Value-at-Risk (CVaR) op een betrouwbaarheidsniveau $\alpha$ ( ingesteld op 0,9). Dit richt zich op het minimaliseren van de gemiddelde kosten van de worst-case scenario's (tail risk).
Kostencomponenten: De doelfunctie houdt rekening met inkomsten (Energie, Reservecapaciteit, Reserveactivering) en kosten (DER-operaties, netwerktarieven, onbalansboetes).

B. Beperkingen

Financiële Beperkingen: Zorgen voor consistentie tussen markttoezeggingen en fysieke dispatch. Ze koppelen day-ahead biedingen, reserveaanbiedingen en werkelijke onbalansen.
Fysieke Beperkingen:
- Netwerk: Gemodelleerd met behulp van gelineariseerde DistFlow-vergelijkingen om spannings- en stroomlimieten op een radiaal distributienetwerk te vangen.
- Apparaatniveau: Gedetailleerde modellen voor vier DER-types:
  - Gedistribueerde Generatoren (DG): Capaciteitsfactoren gebaseerd op weer.
  - Warmtepompen (HP): Thermische dynamiek (temperatuur, capaciteit) om comfort te handhaven.
  - Elektrische Voertuigen (EV): Laadmomenten, laadtoestand (SoC)-beperkingen en Vehicle-to-Grid (V2G)-mogelijkheden.
  - Batterij-Energiesystemen (BESS): Laad-/ontlaadefficiënties en SoC-beperkingen.
Onzekerheidsmodellering: Gebruikt een scenario-gebaseerde aanpak met 1.000 scenario's gegenereerd via Latin Hypercube Sampling. Fouten worden gemodelleerd voor zonne-irradiatie, omgevingstemperatuur, EV-gedrag, lastprofielen en marktprijzen.

C. Oplossingsalgoritme

Benders Decompositie: Om de computationele onoplosbaarheid van een monolietisch stochastisch programma met duizenden variabelen en beperkingen aan te pakken, passen de auteurs Benders-decompositie toe.
- Hoofdprobleem: Optimaliseert eerste-staps variabelen (biedingen) en risicovariabelen (CVaR).
- Subproblemen: Lost tweede-staps variabelen (dispatch) op voor elk scenario onafhankelijk.
- Voordeel: Dit maakt parallelle berekening mogelijk en maakt het probleem oplosbaar met grote scenario-sets en gedetailleerde netmodellen die anders de geheugenlimieten zouden overschrijden.

3. Belangrijkste Bijdragen

Geïntegreerd Risicobewust Kader: Een nieuw tweestaps-stochastisch model dat expliciet CVaR incorporeert om financieel risico te managen terwijl het optimaliseert over energiemarkten en ancillary service-markten.
Hoge Resolutie Modellering: In tegenstelling tot eerdere studies die geaggregeerde eenheden gebruikten, maakt dit model gebruik van beperkingen op apparaatniveau voor heterogene DER's (PV, HP, EV, BESS) gekoppeld aan gelineariseerde stroomvergelijkingen voor een realistisch laagspanningsnetwerk.
Analyse van Dynamische Tarieven: De eerste studie die gezamenlijk het effect analyseert van dynamische netwerktarieven en marktdeelname op de winstgevendheid van VCC's en flexibiliteitsvoorziening onder onzekerheid.
Schaalbare Oplossingsmethode: Demonstreert de haalbaarheid van het oplossen van grootschalige stochastische programma's (1.000 scenario's, ~41M variabelen) met behulp van Benders-decompositie, waardoor de geheugenbeperkingen van uitgebreide formuleringen worden overwonnen.

4. Resultaten

Het model werd getest op een realistische casestudie van een Zwitsers laagspanningsnetwerk (97 bussen, 150kW pieklast, 150kWp PV, 85kW HP's, 75kWh BESS, 40 EV's).

A. Impact van Risicoaversie

Winst vs. Stabiliteit: De risiconeutrale strategie leverde een hogere verwachte winst op (22,1 CHF) maar met hoge volatiliteit (207,5 CHF). De risicoaverse strategie (CVaR) verlaagde de volatiliteit aanzienlijk (31,0 CHF) maar resulteerde in een verwacht verlies (-242,3 CHF) door conservatief bieden.
Operationele Verschuiving: De risicoaverse strategie bracht biedingen dichter bij de fysieke dispatch om onbalansboetes te vermijden.
- BESS-gebruik: Steeg met 146% ten opzichte van het risiconeutrale geval om zich te beschermen tegen onbalansen.
- EV & HP: Lichte toename in cycli en verbruik om thermische flexibiliteit te creëren.
Reservecapaciteit: De VCC bood niet aan op de Reservecapaciteitsmarkt vanwege ongunstige prijsstimulansen en de restrictieve 4-uurs boekingsduur onder onzekerheid.

B. Impact van Dynamische Netwerktarieven

Lastverschuiving: Dynamische tarieven stimuleerden lastverschuiving succesvol. Het verbruik nam toe tijdens uren met lage tarieven (10:00–14:00) en nam af tijdens uren met hoge tarieven (17:00–21:00).
Afnemende Meeropbrengst:
- Matige Signalen (10–60%): Effectief in het verschuiven van last met minimale winstderving.
- Sterke Signalen (>20% toename): Leidden tot beperkte extra flexibiliteitswinsten maar verlaagden de verwachte winstgevendheid drastisch (tot 65% reductie).
Conclusie: Hoewel dynamische tarieven lokale flexibiliteit ontsluiten, eroderen buitensporig sterke signalen de economische levensvatbaarheid van de VCC zonder proportionele operationele voordelen te bieden.

5. Betekenis en Conclusie

Dit artikel biedt een cruciale vooruitgang in VCC-planning door de kloof te overbruggen tussen hoogwaardige marktstrategieën en laagwaardige fysieke netwerkbegrenzingen.

Voor Markexploitanten: Het benadrukt dat risicoaverse strategieën, hoewel gemiddeld minder winstgevend, een stabielere en betrouwbaardere dispatch bieden, waardoor de systeemstress door onbalansen wordt verminderd.
Voor Beleidsmakers: Het suggereert dat dynamische netwerktarieven zorgvuldig moeten worden gekalibreerd. Matige signalen kunnen congestie effectief managen, maar te agressieve prijsstelling kan de winstgevendheid van VCC's vernietigen zonder significante extra netontlasting te bereiken.
Toekomstig Werk: De auteurs suggereren voorbij te gaan aan onafhankelijke Gaussische foutaannames (door copula's te gebruiken voor gezamenlijke tail-risico's) en het kader uit te breiden met intraday-markten.

De studie toont aan dat een risicobewuste, hoogwaardige aanpak essentieel is voor de betrouwbare integratie van gedistribueerde bronnen in toekomstige elektriciteitssystemen.