resilience-based optimization of the electricity sector in response to climate extreme events with distributed generation systems

Extreme weather events stemming from climate change can cause significant damage and disruption to power systems. The profound costs of outage in power systems, integrated with the impacts on individual safety and security from loss of critical services, necessitate an urgent need to guarantee resilience in the long-term planning of power systems. However, due to the changes in the frequency, intensity, and duration of climate extremes, long-term planning involves a high level of uncertainty, and other modeling methods rather than deterministic modeling are needed to incorporate future climate and electricity demand uncertainties. The thesis proposes a framework to find the optimal size and operating strategy of distributed generators to increase the power system's resilience to climate change and extreme weather and compensate for the imposed deregulations and disruptions in the power system in a damaged condition. Considering components' dynamic behavior and interdependencies under an uncertain environment, risk assessment is performed to find the most vulnerable components of the system in the first place, and the climate and demand models are used to generate demand and supply scenarios for identified zones. The generated scenarios are simulated and utilized in a stochastic optimization model to find the optimal resilience-based system design. A bi-level algorithm consisting of Particle Swarm Optimization and Mixed-Integer Linear Programming is developed to find the optimum size and operating strategy of distributed generator units. The framework is validated for the transmission grid of California, USA, in the case of wildfire. The result shows the framework's robustness in finding the optimum size of units while ensuring the system's resilience across all scenarios.

Gli eventi meteorologici estremi derivanti dai cambiamenti climatici possono causare danni significativi e interruzioni al sistema elettrico. Gli ingenti costi delle interruzioni nei sistemi elettrici di potenza, insieme agli impatti sulla sicurezza e la protezione individuale derivanti dalla perdita di servizi critici, richiedono un'urgente necessità di garantire una pianificazione resiliente di lungo termine. Tuttavia, a causa dei cambiamenti nella frequenza, intensità e durata degli eventi climatici estremi, la pianificazione a lungo termine comporta un elevato livello di incertezza e sono necessari nuovi metodi di modellazione alternativi ai modelli deterministici per incorporare le incertezze del clima e della domanda di elettricità. La tesi propone un approccio per trovare il dimensionamento ottimale e la strategia operativa dei generatori distribuiti per aumentare la resilienza del sistema elettrico ai cambiamenti climatici e alle condizioni meteorologiche estreme e compensare le deregolamentazioni e le interruzioni imposte nel sistema di alimentazione in condizioni di guasto. In primo luogo la valutazione del rischio viene eseguita per identificare i componenti più vulnerabili del sistema mentre i modelli climatici e della domanda di energia elettrica vengono utilizzati per generare scenari di domanda e offerta per le zone identificate. Gli scenari generati vengono poi utilizzati in un modello di ottimizzazione stocastica per trovare il dimensionamento ottimale del sistema alla ricerca della Maggiore resilienza possibile. Per fare ciò è stato sviluppato un algoritmo a due livelli costituito da Particle Swarm Optimization e Mixed-Integer Linear Programming per trovare il dimensionamento ottimale e la strategia operativa delle unità di generazione distribuite. L’approccio proposto è stato testato sulla rete di trasmissione della California, USA, valutando la resilienza del sistema elettrico agli eventi di incendio boschivo. Il risultato mostra la robustezza del modello proposto nel trovare la dimensione ottimale delle unità, garantendo al tempo stesso la resilienza del sistema in tutti gli scenari considerati.