1. Integrated Transmission and Distribution System Expansion Planning Under Uncertainty
- Author
-
Munoz-Delgado, Gregorio, Contreras, Javier, Arroyo, Jose M., Nieta, Agustin Sanchez de la, Gibescu, Madeleine, Integr. of Intermittent Renewable Energy, Energy and Resources, Integr. of Intermittent Renewable Energy, and Energy and Resources
- Subjects
Mathematical optimization ,Incertidumbre ,General Computer Science ,Linear programming ,Stochastic process ,business.industry ,Total cost ,Computer science ,network and generation investment decisions ,Context (language use) ,Planificación integrada de la transmisión y la distribución ,Programación estocástica ,Stochastic programming ,integrated transmission and distribution planning ,Decisiones de inversión en redes y generación ,Generación distribuida ,stochastic programming ,Transmission (telecommunications) ,Distributed generation ,Minification ,business ,uncertainty ,Uncertainty ,Computer Science(all) - Abstract
The increased deployment of distributed generation calls for the coordination and interaction between the transmission and distribution levels. This requirement is particularly relevant for planning purposes when renewable-based generation is involved. Unfortunately, in current industry practice, transmission and distribution network planners solve their problems independent of each other, thereby leading to suboptimal solutions. Within this context, this paper addresses the integrated expansion planning problem of transmission and distribution systems where investments in network and generation assets are jointly considered. Several alternatives are available for the installation of lines as well as conventional and renewable-based generators at both system levels. Thus, the optimal expansion plan identifies the best alternative for the candidate assets under the uncertainty associated with demand and renewable-based power production. The proposed model is an instance of stochastic programming wherein uncertainty is characterized through a set of scenarios that explicitly capture the correlation between the uncertain parameters. The resulting stochastic program is driven by the minimization of the expected total cost, which comprises the costs related to investment decisions and system operation. The associated scenario-based deterministic equivalent is formulated as a mixed-integer linear program for which finite convergence to optimality is guaranteed. Numerical results show the effective performance of the proposed approach, El mayor despliegue de generación distribuida exige la coordinación e interacción entre los niveles de transmisión y distribución. Este requisito es particularmente relevante a efectos de planificación cuando se trata de generación basada en energías renovables. Desafortunadamente, en la práctica actual de la industria, los planificadores de redes de transmisión y distribución resuelven sus problemas de forma independiente, lo que conduce a soluciones subóptimas. En este contexto, este documento aborda el problema de la planificación integrada de la expansión de los sistemas de transmisión y distribución donde se consideran conjuntamente las inversiones en activos de red y generación. Hay varias alternativas disponibles para la instalación de líneas y generadores convencionales y renovables en ambos niveles del sistema. De este modo, el plan de expansión óptimo identifica la mejor alternativa para los activos candidatos bajo la incertidumbre asociada con la demanda y la producción de energía renovable. El modelo propuesto es una instancia de programación estocástica donde la incertidumbre se caracteriza a través de un conjunto de escenarios que capturan explícitamente la correlación entre los parámetros inciertos. El programa estocástico resultante está impulsado por la minimización del costo total esperado, que comprende los costos relacionados con las decisiones de inversión y la operación del sistema. El equivalente determinista basado en escenarios asociado se formula como un programa lineal de enteros mixtos para el que se garantiza una convergencia finita a la optimización. Los resultados numéricos muestran el desempeño efectivo del enfoque propuesto
- Published
- 2021