A data-driven distributionally robust optimal scheduling of battery storage systems in joint electricity market

The battery energy storage systems (BESS), as a promising solution to deal with variability and uncertainty of intermittent renewable energy sources (RES) and loads, could play a pivotal role in the power grid. The high capital expenditure of these assets leads to deploy batteries not only for storing the surplus energy of renewable sources but also to provide different services to the grid. In general, behind the meter batteries are a good candidate to participate in the electricity market either as a flexible load or generator along with improving the RES performance for demand-side management (DSM). To this end, optimal and comprehensive scheduling for BESS which considers different types of uncertainties variables is vital. This research presents the optimal scheduling solution for Battery Energy Storage Systems (BESS) to participate in Demand Side Management (DSM) along with the electricity market based on California Independent System Operator (CAISO) regulations. BESS can be deployed in power grid to optimize the operation of the system. However, due to the high initial cost of BESS, the efficient operation of this asset is imperative. In addition, to deal with the stochastic nature of load and generation as well as uncertainties in the electricity market, stochastic optimization methods should be deployed. This study introduces the data-driven distributionally robust optimization (DRO) model to address the uncertainties by defining an ambiguity set, i.e., Wasserstein ball over historical data. Participation in energy, spinning reserve, regulation up and down markets, both in day-ahead and real-time markets, beside the DSM are considered in this paper. Finally, the proposed method is tested and verified using real market data by comparing different optimization methods such as deterministic and robust with DRO.

I sistemi di accumulo dell'energia a batteria (BESS), rappresentano una soluzione promettente per affrontare la variabilità e l'incertezza delle fonti di energia rinnovabile intermittente (RES) e dei carichi, essi potrebbero quindi svolgere un ruolo fondamentale nella rete elettrica. L'elevata spesa in conto capitale di queste attività porta a distribuire batterie non solo per immagazzinare l'energia in eccesso di fonti rinnovabili, ma anche per fornire diversi servizi alla rete. In generale, le batterie installate presso gli impianti degli utenti finali sono un buon candidato per partecipare al mercato dell'elettricità sia come carico flessibile che come generatore, oltre a migliorare le prestazioni FER per la gestione della domanda (DSM). A tal fine, la pianificazione ottimale e completa per BESS che considera diversi tipi di incertezze variabili è vitale. Questa ricerca presenta la soluzione di pianificazione ottimale per BESS (Battery Energy Storage Systems) per partecipare a Demand Side Management (DSM) insieme al mercato dell'elettricità basato sulla normativa California Independent System Operator (CAISO). I BESS possono essere implementati essere implementato nella rete elettrica per ottimizzare il funzionamento del Sistema, tuttavia, a causa dell'elevato costo iniziale, il funzionamento efficiente di questa risorsa è indispensabile. Inoltre, per gestire la natura stocastica del carico e della generazione, nonché le incertezze nel mercato dell'elettricità, dovrebbero essere impiegati metodi di ottimizzazione stocastica. Questo studio introduce il modello di ottimizzazione distributiva robusta (DRO) basata sui dati per affrontare le incertezze definendo un insieme di ambiguità, ovvero la sfera di Wasserstein sui dati storici. Nell'ambito del lavoro di tesi si è investigata la fornitura di servizio di energia, si riserva rotante, di regolazione a salire e a scendere, la partecipazione a servizi di DSM. Infine, il metodo proposto viene testato e verificato utilizzando dati di mercato reali confrontando diversi metodi di ottimizzazione come deterministico e robusto con DRO.