Simplified steady-state model for probabilistic operational planning of a power system

Denne masteroppgaven bruker probabilistisk operasjonell planlegging ved hjelp av en steady state modell med en DC approksimasjon til å finne den mest kostnadseffektive strategien for et 25-bus system. Resultatene fra denne masteroppgaven sammenlignes med resultatene fra RaPid prosjektet til SINTEF Energi med tidssimuleringer for samme 25-bus system. En algoritme fra SINTEF Energi er brukt for å oppnå resultatene i denne masteroppgaven for å finne den mest kostnadseffektive operasjonelle strategien. Denne algoritmen er implementert i Python ved bruk av pandapower. Tidssimuleringene fra SINTEF Energi er erstattet med DC lastflyt (DCLF) og DC optimal lastflyt (DCOPF). Algoritmen er først testet på et 4-bus system for å demonstrere algoritmen, i tillegg til å teste koden før den kjøres på 25-bus systemet. Algoritmen som er implementert med steady state modellering med DC approksimasjon er testet på 25-bus systemet med syv ulike scenarioer. I de ulike scenarioene blir ulike kombinasjoner av begrensninger av effektrampen og ulike systembeskyttelser (SPS) introdusert for å teste valgene av den mest kostnadseffektive strategien i de ulike scenarioene. Den mest kostnadseffektive strategien blant de syv ulike scenarioene er valgt ut som den mest kostandseffektive strategien i denne masteroppgaven. Denne strategien er valgt ut blant de scenarioene som blir ansett som realistiske nok. Denne strategien sammenlignes med den mest kostnadseffektive strategien fra SINTEF Energi med tidssimuleringer. Det blir observert at steady state modellen gir noe forskjeller i valg av startegi, mens totalkostnaden av strategien er relativt lik. Steady state modellen har 8 ganger lavere beregningstid enn tidssimuleringene til SINTEF Energi.