Πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης για τον σχεδιασμό και την αποτίμηση συστημάτων ανανεώσιμης ενέργειας υπό αβεβαιότητα

G.-K. Sakki, I. Tsoukalas, P. Kossieris, C. Makropoulos, and A. Efstratiadis, Stochastic simulation-optimisation framework for the design and assessment of renewable energy systems under uncertainty, Renewable and Sustainable Energy Reviews, 168, 112886, doi:10.1016/j.rser.2022.112886, 2022.

[Πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης για τον σχεδιασμό και την αποτίμηση συστημάτων ανανεώσιμης ενέργειας υπό αβεβαιότητα]

[doc_id=2229]

[Αγγλικά]

Καθώς η συμμετοχή των ανανεώσιμων πηγών ενέργειας στο ηλεκτρικό μίγμα αυξάνει ραγδαία, η αναγνώριση, αναπαράσταση, ποσοτικοποίηση και, εν τέλει, ερμηνεία των αβεβαιοτήτων τους καθίσταται σημαντική. Σε αυτή την κατεύθυνση, προτείνουμε ένα γενικό πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης, προσαρμοσμένο σε συστήματα ανανεώσιμης ενέργειας (ΣΑΕ), ικανό να αντιμετωπίσει τις πολλαπλές πτυχές της αβεβαιότητας, εξωτερικές και εσωτερικές. Αυτές αφορούν στις φορτίσεις (υδρομετεωρολογικές είσοδοι) και καταστάσεις (μέσω των παραμέτρων των μοντέλων μετατροπής του καυσίμου σε ενέργεια, καθώς και των τιμών αγοράς ενέργειας) του συστήματος, που και οι δύο εκφράζονται σε πιθανοτικούς όρους, μέσω μιας καινοτόμου σύζευξης του τρίπτυχου στατιστική, στοχαστική και συζεύξεις. Καθώς οι πιο διαδεδομένες πηγές (άνεμος, ήλιος, νερό) παρουσιάζουν αρκετά κοινά χαρακτηριστικά, εισάγουμε αρχικά τη διατύπωση του καθολικού πλαισίου μοντελοποίησης υπό αβεβαιότητα, και στη συνέχεια προσφέρουμε εργαλεία ποσοτικοποίησης της αβεβαιότητας, προκειμένου να αξιοποιήσουμε στην πράξη την πληθώρα των αποτελεσμάτων της προσομοίωσης και μέτρων επίδοσης που προκύπτουν (επενδυτικά κόστη, παραγωγή ενέργειας, κέρδη). Το προτεινόμενο πλαίσιο εφαρμόζεται σε δύο χαρακτηριστικές μελέτες περίπτωσης, ήτοι τον σχεδιασμό ενός μικρού υδροηλεκτρικού σταθμού (ειδικότερα, το βέλτιστο μίγμα των υδροστροβίλων του), και τη μακροχρόνια αποτίμηση ενός σχεδιασμένου αιολικού πάρκου. Και οι δύο περιπτώσεις αναδεικνύουν ότι η άγνοια ή υποεκτίμηση της αβεβαιότητας μπορεί να αποκρύψει σε σημαντικό βαθμό την κατανόησή μας περί της πραγματικής λειτουργίας και επίδοσης των ΣΑΕ. Αντίθετα, το πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης επιτρέπει την εκτίμηση της τεχνικο-οικονομικής αποδοτικότητας έναντι ενός μεγάλου εύρους αβεβαιοτήτων, και με τον τρόπο αυτό παρέχει ένα κρίσιμο εργαλείο λήψη αποφάσεων, στην κατεύθυνση της ανάπτυξης βιώσιμων και οικονομικά εφικτών ΣΑΕ.

PDF Πλήρες κείμενο (6011 KB)

Βλέπε επίσης: https://www.sciencedirect.com/science/article/pii/S1364032122007687

Εργασίες μας στις οποίες αναφέρεται αυτή η εργασία:

1. D. Koutsoyiannis, C. Makropoulos, A. Langousis, S. Baki, A. Efstratiadis, A. Christofides, G. Karavokiros, and N. Mamassis, Climate, hydrology, energy, water: recognizing uncertainty and seeking sustainability, Hydrology and Earth System Sciences, 13, 247–257, doi:10.5194/hess-13-247-2009, 2009.
2. G. Tsekouras, and D. Koutsoyiannis, Stochastic analysis and simulation of hydrometeorological processes associated with wind and solar energy, Renewable Energy, 63, 624–633, doi:10.1016/j.renene.2013.10.018, 2014.
3. A. Efstratiadis, Y. Dialynas, S. Kozanis, and D. Koutsoyiannis, A multivariate stochastic model for the generation of synthetic time series at multiple time scales reproducing long-term persistence, Environmental Modelling and Software, 62, 139–152, doi:10.1016/j.envsoft.2014.08.017, 2014.
4. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Stochastic periodic autoregressive to anything (SPARTA): Modelling and simulation of cyclostationary processes with arbitrary marginal distributions, Water Resources Research, 54 (1), 161–185, WRCR23047, doi:10.1002/2017WR021394, 2018.
5. I. Tsoukalas, Modelling and simulation of non-Gaussian stochastic processes for optimization of water-systems under uncertainty, PhD thesis, 339 pages, Department of Water Resources and Environmental Engineering – National Technical University of Athens, Δεκέμβριος 2018.
6. I. Tsoukalas, P. Kossieris, and C. Makropoulos, Simulation of non-Gaussian correlated random variables, stochastic processes and random fields: Introducing the anySim R-Package for environmental applications and beyond, Water, 12 (6), 1645, doi:10.3390/w12061645, 2020.
7. N. Mamassis, A. Efstratiadis, P. Dimitriadis, T. Iliopoulou, R. Ioannidis, and D. Koutsoyiannis, Water and Energy, Handbook of Water Resources Management: Discourses, Concepts and Examples, edited by J.J. Bogardi, T. Tingsanchali, K.D.W. Nandalal, J. Gupta, L. Salamé, R.R.P. van Nooijen, A.G. Kolechkina, N. Kumar, and A. Bhaduri, Chapter 20, 617–655, doi:10.1007/978-3-030-60147-8_20, Springer Nature, Switzerland, 2021.
8. A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Generalized storage-reliability-yield framework for hydroelectric reservoirs, Hydrological Sciences Journal, 66 (4), 580–599, doi:10.1080/02626667.2021.1886299, 2021.
9. L. Katikas, P. Dimitriadis, D. Koutsoyiannis, T. Kontos, and P. Kyriakidis, A stochastic simulation scheme for the long-term persistence, heavy-tailed and double periodic behavior of observational and reanalysis wind time-series, Applied Energy, 295, 116873, doi:10.1016/j.apenergy.2021.116873, 2021.
10. G.-F. Sargentis, P. Siamparina, G.-K. Sakki, A. Efstratiadis, M. Chiotinis, and D. Koutsoyiannis, Agricultural land or photovoltaic parks? The water–energy–food nexus and land development perspectives in the Thessaly plain, Greece, Sustainability, 13 (16), 8935, doi:10.3390/su13168935, 2021.
11. G.-K. Sakki, I. Tsoukalas, and A. Efstratiadis, A reverse engineering approach across small hydropower plants: a hidden treasure of hydrological data?, Hydrological Sciences Journal, 67 (1), 94–106, doi:10.1080/02626667.2021.2000992, 2022.
12. K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Day-ahead energy production in small hydropower plants: uncertainty-aware forecasts through effective coupling of knowledge and data, Advances in Geosciences, 56, 155–162, doi:10.5194/adgeo-56-155-2022, 2022.

Κατηγορίες: Ντετερμινισμός και στοχαστικότητα, Ανανεώσιμες πηγές ενέργειας, Στοχαστική, Αβεβαιότητα