Development of a method for planning a resilient multi-vector energy system through a multi-objective optimization model

Abstract

Uno de los grandes problemas de la operación de sistemas energéticos es la ocurrencia de desastres naturales. Esto se podría mejorar si se considera la resiliencia en su etapa de diseño. Además, el uso de energías renovables está aumentando, pero estas son altamente variables, al depender de las condiciones climáticas. Es por esto, que la integración de los distintos sectores energéticos, usando sistemas multi-energéticos, ha demostrado traer beneficios minimizando esta variabilidad. Sin embargo, el impacto de desastres naturales en estos sistemas no ha sido estudiado en detalle. La bibliografía muestra una falta en el estudio de métricas de resiliencia en sistemas energéticos y menos para sistemas multi-energéticos. Es por esto, que el objetivo de esta tesis es desarrollar un método para planificar óptimamente un sistema multi-energético incluyendo resiliencia en el diseño. Este método se divide en tres etapas, primero, i) la planificación de la inversión de un sistema multi-energético con dos objetivos: minimizar costos y maximizar la resiliencia, siendo este último parte esencial de este trabajo, ya que se propone un nuevo indicador de resiliencia; ii) la simulación operacional del sistema dado un evento disruptivo; y iii) la validación del indicador de resiliencia, donde se considera la incertidumbre del tiempo de recuperación de las distintas tecnologías, a través de una simulación de Montecarlo. Ambas simulaciones son procesos iterativos, donde se compara el valor de resiliencia obtenido con el que se predijo en la etapa de planificación. Si los resultados difieren, se repite la metodología modificando el indicador de resiliencia hasta obtener uno apropiado. Los resultados de la etapa de planificación muestran una contraposición de ambas funciones objetivo, donde aumentar la resiliencia del sistema conlleva mayores costos. La simulación de la operación del sistema muestra valores superiores a los esperados de la etapa de planificación, porque, a diferencia de la planificación, en esta etapa el modelo es libre de adaptar sus flujos minimizando la energía no suministrada. La validación del modelo con la simulación de Montecarlo muestra valores menores a los esperados, lo que se explica por la diferencia de las funciones de recuperación de las tecnologías. A pesar de que con este método los valores son inferiores a los que predice el modelo en la etapa de planificación, el comportamiento de aumentar la resiliencia es el esperado, por lo que el método es prometedor para planificar un sistema multi-energético con resiliencia.

The operation of energy systems is affected by natural disasters; however, these systems can be improved if their resilience to such events is taken into account at the design phase. Moreover, the use of renewable energy technologies is increasing, but they are highly variable since they depend on climate conditions. Thus, coupling energy sectors using multi-energy systems has proven to be beneficial in smoothing out the variability of renewable sources; nonetheless, the impact of natural disasters on these systems has not been thoroughly studied. The literature review has shown a lack in the study of resilience metrics for energy systems, specifically, there is no study observed for multi-energy systems. Therefore, the goal of this thesis is to develop a method to optimally plan a multi-energy system including resilience in its design. This method includes three stages: i) investment planning of a multi-energy system with two targets: resilience and costs, the first one being a core-part of our work: we create a new resilience indicator, ii) operational simulation of the system in case of a disrupting event, and iii) the index validation where we consider the uncertainty of restoration time through a Monte Carlo simulation. Both simulations are iterative processes, in which we compare the results with the predicted resilience value in the planning stage. If the results differ, the methodology is repeated, modifying the resilience index to obtain an appropriated one. The results of the planning stage show a clear trade-off between both targets, where increasing resilience involves an increase in costs. The operational simulation of the system in case of an event shows a higher value of resilience than predicted by the indicator because the model is free to adapt the power delivered, minimizing the unserved energy. To validate the model, we performed a Monte Carlo simulation. It shows lower results than predicted due to the restoration function used. Even though the values are lower than predicted, the increase in resilience is expected; therefore, the method looks promising to plan a multi-energy system including resilience.