Wind Power Forecasting Uncertainty and Unit Commitment

Abstract

In this work we evaluate the impact of considering a stochastic approach on the day-ahead basis Unit Commitment. Comparisons between stochastic and deterministic Unit Commitment solutions are provided.

The Unit Commitment model consists in the minimization of the total operation costs considering units’ technical constraints like ramping rates and minimum up and down time. Load shedding and wind power spilling is acceptable, but at inflated operational costs.

The generation of Unit Commitment solution is guaranteed by DEEPSO, which is a hybrid DE-EA-PSO algorithm, where DE stands for Differential Evolution, EA for Evolutionary Algorithms and PSO for Particle Swarm Optimization.

The evaluation process consists in the calculation of the optimal economic dispatch and in verifying the fulfillment of the considered constraints. For the calculation of the optimal economic dispatch an algorithm based on the Benders Decomposition, namely on the Dual Dynamic Programming, was developed. If possible, the constraints added to the dispatch problem by the Benders Decomposition algorithm will provide a feasible and optimal dispatch solution.

Two approaches were considered on the construction of stochastic solutions. Either the top 5 more probable wind power output scenarios are used, or a set of extreme scenarios are considered instead.

Data related to wind power outputs from two different operational days is considered on the analysis. Stochastic and deterministic solutions are compared based on the actual measured wind power output at the operational day. Through a technique capable of finding representative wind power scenarios and their probabilities we were able to analyze in a more detailed process the expected final operational costs. Also, we expose the probability that the system operator has on the operational costs being under/above certain value.

Results show that the stochastic approach leads to more robust Unit Commitment solutions than the deterministic one. The method of using the top 5 more probable scenarios on the search for the stochastic solution proved to produce preferable results.

Alternate abstract:

Neste trabalho avaliou-se o impacto de se considerar uma abordagem estocástica no problema de Unit Commitment. Comparações entre soluções estocásticas e determinísticas são efetuadas.

O modelo de Unit Commitment consiste na minimização dos custos totais de operação, considerando restrições técnicas das unidades de geração, como janelas de operação e tempos mínimos de funcionamento. Corte de carga e desperdício de produção eólica são permitidos, mas com custos de operação inflacionados.

A criação de soluções de Unit Commitment é assegurada através de um algoritmo hídrido, chamado DEEPSO, que combina Evolução Diferencial, Programação Evolucionária e Otimização por Enxame de Partículas.

O processo de avaliação consiste no cálculo do despacho económico ótimo e na verificação do cumprimento das restrições consideradas. Para o cálculo do despacho económico ótimo foi criado um algoritmo baseado na Decomposição de Benders. Caso seja possível, as restrições criadas pelo dito algoritmo e acrescentadas ao problema de despacho fornecem uma solução de despacho ótima.

Duas abordagens foram consideradas na construção de soluções estocásticas. Ou são usados os 5 cenários de produção eólica mais prováveis, ou então é usado um conjunto de cenários extremos.

Dados relativos a produções eólicas de 2 dias diferentes de operação são considerados neste estudo. Soluções estocásticas e determinísticas são comparadas com base nos valores de produção eólica medidos no dia de operação. Através de uma técnica capaz de encontrar cenários de produção eólica representativos e as suas probabilidades, foi possível analisar de uma forma mais detalhada os custos de operação esperados. O risco que o operador do sistema corre em ter custos de operação superiores a determinado valor é analisado.

Os resultados mostram que uma abordagem estocástica leva a soluções de Unit Commitment mais robustas do que as conseguidas através de uma abordagem determinística. O método de utilizar os 5 cenários mais prováveis no cálculo da solução estocástica provou ser o mais adequado.