HPC-Enabled Generator Importance Assessment for RTO-Scale Resource Adequacy Planning

Resumo Técnico: Avaliação de Importância de Geradores Habilitada por HPC para Planejamento de Adequação de Recursos em Escala de RTO

Declaração do Problema
Os sistemas de potência modernos, tanto nos EUA quanto na UE, enfrentam estresse crescente devido ao envelhecimento de ativos que se aproximam da aposentadoria, ao crescimento da carga superando a construção de novas gerações e à transição para recursos baseados em inversores. Nos EUA, o crescimento da carga (impulsionado por centros de dados) superou as adições de geração, criando riscos de adequação de recursos onde as partes interessadas adiam aposentadorias. Inversamente, a UE enfrenta desafios decorrentes do declínio da geração de combustíveis fósseis e gargalos de transmissão. Determinar quais unidades geradoras específicas podem ser aposentadas, mantidas ou adiadas requer uma avaliação sistemática de sua contribuição para a confiabilidade do sistema, custos operacionais e mix de combustíveis. Historicamente, tais avaliações eram proibitivas devido ao alto custo computacional da modelagem baseada em física, especificamente o Fluxo de Potência Ótimo de Corrente Alternada (ACOPF) com restrições de transmissão. Embora o ACOPF seja o padrão ouro para capturar a física não linear do fluxo de potência, avaliar milhares de cenários de aposentadoria sequencialmente em redes de escala de sistema (milhares de geradores e barras) era tradicionalmente muito lento para ciclos de planejamento rotineiros.

Metodologia
Os autores apresentam um framework de Computação de Alto Desempenho (HPC) utilizando o toolkit Exascale Grid Optimization (ExaGO), implantado no supercomputador de escala exa escala Frontier. O estudo aplica uma lógica N-1 a um modelo sintético de 70.000 barras da Interconexão Oriental (desenvolvido pela Texas A&M University), que contém 10.390 geradores (dos quais 8.107 estão online).

O design da simulação envolve:

1. Geração de Cenários: Desconectar independentemente cada um dos 8.107 geradores operantes para avaliar o desempenho da rede sem aquela unidade.
2. Métricas de Avaliação: Para cada cenário, o framework avalia:
   • Confiabilidade: Se o ACOPF converge (indicando que a rede pode operar sem a unidade).
   • Impacto Econômico: Mudanças no custo operacional total do sistema.
   • Mix de Combustíveis: Mudanças no portfólio de geração entre tipos de combustíveis (gás natural, carvão, nuclear, hidrelétrica, óleo combustível e recursos baseados em inversores).
3. Grupos Experimentais: O estudo executa três grupos primários de simulações:
   • Main (Principal): ACOPF padrão sem corte de carga e com limites de transmissão restritos (modificados para 150% do fluxo base).
   • Load Shed (Corte de Carga): ACOPF permitindo o corte de carga para garantir a convergência.
   • Unlimited Network (Rede Ilimitada): ACOPF com restrições de transmissão relaxadas (MVA ilimitado) para simular o benefício teórico de um grande investimento em transmissão.
4. Verificações de Robustez: Os autores comparam os resultados do ACOPF com o Fluxo de Potência Ótimo de Corrente Contínua (DCOPF) e testam a sensibilidade às condições iniciais do solver (flat start, midpoint e "from file") e contagens de iteração (calibrando entre 100 e 500 etapas).

Principais Resultados

• Desempenho Computacional: O framework processou com sucesso mais de 8.000 cenários por grupo. O tempo total de computação para um grupo completo de 8.108 cenários variou de 1,5 a 6 minutos usando 427 nós de CPU. Os cenários individuais no grupo "Main" tiveram uma média de 92,98 segundos.
• Convergência e Confiabilidade: No grupo "Main", aproximadamente 86,58% dos geradores operantes puderam ser removidos sem causar colapso do sistema (convergência). Permitir o corte de carga aumentou este número para 99,89%, enquanto o cenário "Unlimited Network" alcançou 100% de convergência.
• Impactos Econômicos e de Combustíveis:
  • A remoção de certos geradores (especificamente 6 unidades identificadas) na verdade reduziu os custos do sistema ao permitir o redespacho para unidades mais eficientes.
  • No grupo "Main", os custos do sistema variaram de ~$16,47M a$16,64M. No grupo "Load Shed", os custos poderiam subir para ~$18,96M devido à alta penalidade do corte de carga.
  • As mudanças no mix de combustíveis foram geralmente leves nos cenários restritos, mas significativas no cenário "Unlimited Network", destacando o valor da flexibilidade de transmissão.
• Ranking de Geradores: O estudo produziu listas de prioridade classificando os geradores pelo seu impacto. As unidades de topo cuja remoção melhorou ou afetou minimamente o custo do sistema eram predominantemente grandes unidades de carvão (ex: unidades de 568 MW e 793 MW), embora algumas unidades de gás natural também tenham aparecido.
• Robustez:
  • Soluções de ACOPF foram encontradas dentro de 10% das soluções de DCOPF em mais de 99% dos casos, validando o uso do ACOPF apesar de seu maior custo computacional.
  • A inicialização "from file" foi significativamente mais eficiente do que as estratégias flat ou midpoint, com valores da função objetivo diferindo em menos de 0,05% entre as estratégias.
  • As contagens de iteração do solver estabilizaram em 500 etapas; aumentar além disso não ofereceu melhoria na taxa de convergência ou na qualidade da solução.

Significância e Alegações
O artigo afirma que o historicamente alto custo computacional dos estudos de aposentadoria de geração baseados em ACOPF não é mais uma barreira para o planejamento rotineiro. Ao alavancar a computação de escala exa, os planejadores podem agora avaliar uma gama muito mais ampla de cenários de portfólio de geração em minutos, em vez de dias ou semanas. Essa capacidade permite uma avaliação sistemática e baseada em física da importância de geradores individuais, permitindo que os operadores tomem decisões informadas sobre sequências de aposentadoria que equilibrem confiabilidade, custo e implicações de saúde pública (via mudanças no mix de combustíveis). Os autores enfatizam que, embora o estudo tenha focado em uma única hora de pico, a metodologia é escalável para avaliações anuais completas, desde que haja recursos computacionais suficientes disponíveis.