Abstract

The global energy system is undergoing a slow but massive change, initiated by environmental concerns but it is increasingly driven also by the zero-marginal cost of renewable energy. This change includes an increase in the effort to make the electric power system the main transport path for energy in the future. A massive research and development effort has henceforth been put into modernizing the electricity grid towards a so-called Smart Grid, by combining the power grid with communication networks and automation, as well as modernized market systems and structures.

This work contributes to this process by introducing two unique models. The first provides a tool for better understanding the impact of combined infrastructure networks with a simple yet complex model of a combined energy, communication and decision model. The second model provides a detailed agent-based environment of an electricity market, supporting various independent entities inside the market, as well as a high time resolution and the often-neglected aspect of coupled market stages. That is, all mispredictions of the first market stage (day-ahead) have to be settled at the second (balancing) stage.

Both models are then used to assess the problem of demand side management, in which the traditional practice of power production being adjusted to the demand is at least partially dropped and flexibility in the demand is used to match the supply — as such technologies are deemed crucial to integrate the unsteady supply from renewable resources, like wind and solar power.

We find that complicated scaling effects can be found even in the simplified model, hinting at insufficient consideration of the complexities involved in the real world. We then go to show such unfavorable scaling effects also exist in the current market environment as modeled in our second model.

Finally, we show how to circumvent these problems within the current environment as well as introduce a framework to analyze cyber-physical systems and better handle their complexity.

Tiivistelmä

Globaali energiajärjestelmä on hitaan, mutta massiivisen muutoksen edessä. Tämän muutostarpeen on käynnistänyt ympäristöämme koskevat huolet, mutta lisääntyvässä määrin tähän vaikuttaa nykyään uusiutuvan energian marginaalikustannusten nollataso. Tähän muutokseen liittyy selkeä sähköverkkojen roolin korostuminen, ja pyrkimyksenä näyttää olevan muutos, jossa sähköverkot siirtävät suurimman osan käyttämästämme energiasta. Tämän seurauksena on käynnistetty merkittäviä tutkimus-ja tuotekehityspanostuksia, joiden tavoitteena on nykyaikaistaa sähköverkot älysähköverkoiksi. Älysähköverkoissa yhdistyvät sähköverkkoon integroidut tietoliikenneverkot ja automaatio sekä modernit sähkömarkkinajärjestelmät ja -rakenteet.

Tämä työ tuottaa lisää ymmärrystä uudistumisprosessiin tuottamalla kaksi uutta malliratkaisua. Ensimmäisessä mallissa kehitetään työkalu, jonka avulla pystytään paremmin ymmärtämään toisiinsa yhdistettyjen infrastruktuuriverkkojen toimintaa yksinkertaisella, mutta kompleksisella mallilla, jossa energia- ja tietoliikenneverkot sekä tarvittava päätöksenteko yhdistetään. Toinen malli tuottaa yksityiskohtaisen agenttipohjaisen ympäristön sähkömarkkinasta. Malli tukee erilaisten itsenäisten sähkömarkkinaosapuolten mallintamista korkealla aikaresoluutiolla ja erityisesti usein huomiotta jätettyjen toisiinsa kytkeytyvien eri markkinavaiheiden mallintamista. Malli antaa eväitä vastata kysymykseen, miten ensimmäisessä markkinavaiheessa (vuorokausimarkkina) syntyvä ero tuotannon ja kulutuksen välillä tasapainotetaan toisessa markkinavaiheessa (tasapainotusmarkkina).

Kumpaakin luotua mallia hyödynnetään arvioitaessa kulutushallintaa, jossa sähköverkkojen perinteisestä tuotannon ja kulutuksen tasapainosta ainakin osittain luovutaan ja kysyntä- eli kulutusjoustoa käytetään tasaamaan kulutus tuotannon suuruiseksi. Tämänkaltaiset mekanismit ovat oleellisia ja kriittisiä, kun sähköverkkoon liitetään suuria määriä vaihtelevatuottoista uusiutuvaa energiaa, kuten aurinko- ja tuulienergiaa.

Tutkimuksessa huomasimme merkittäviä ja monimutkaisia skaalautuvuusilmiöitä, jotka kertovat, että sähköverkkojen tutkimuksessa reaalimaailman kompleksisuuden huomioiminen on ollut riittämätöntä.

Sähkömarkkinamallia hyödyntämällä huomasimme vastaavia epätoivottuja skaalausilmiöitä esiintyvän myös nykyisessä sähkömarkkinassa.

Erityisesti loimme keinoja, joilla skaalausilmiöistä on mahdollista päästä eroon nykyistä sähkömarkkinarakennetta käytettäessä. Tässä työssä luotuja malleja ja niiden viitekehystä hyödyntämällä pystymme paremmin analysoimaan kyberfysikaalisia järjestelmiä ja hallitsemaan niiden kompleksisuutta.

Osajulkaisut / Original papers

Osajulkaisut eivät sisälly väitöskirjan elektroniseen versioon. / Original papers are not included in the electronic version of the dissertation.

1. Kühnlenz, F., & Nardelli, P. H. J. (2016). Dynamics of Complex Systems Built as Coupled Physical, Communication and Decision Layers. PLOS ONE, 11(1), e0145135. https://doi.org/10.1371/journal.pone.0145135

   Rinnakkaistallennettu versio / Self-archived version

2. Kuhnlenz, F., Nardelli, P. H. J., & Alves, H. (2018). Demand Control Management in Microgrids: The Impact of Different Policies and Communication Network Topologies. IEEE Systems Journal, 12(4), 3577–3584. https://doi.org/10.1109/jsyst.2018.2808940

   Rinnakkaistallennettu versio / Self-archived version

3. Kuhnlenz, F., & Nardelli, P. H. J. (2017). Agent-based model for spot and balancing electricity markets. 2017 IEEE International Conference on Communications Workshops (ICC Workshops). https://doi.org/10.1109/iccw.2017.7962809

   Rinnakkaistallennettu versio / Self-archived version

4. Kühnlenz, F., Nardelli, P. H. J., Karhinen, S., & Svento, R. (2018). Implementing flexible demand: Real-time price vs. market integration. Energy, 149, 550–565. https://doi.org/10.1016/j.energy.2018.02.024

   Rinnakkaistallennettu versio / Self-archived version

5. Nardelli, P. H. J., & Kuhnlenz, F. (2018). Why Smart Appliances May Result in a Stupid Grid: Examining the Layers of the Sociotechnical Systems. IEEE Systems, Man, and Cybernetics Magazine, 4(4), 21–27. https://doi.org/10.1109/msmc.2018.2811709

   Rinnakkaistallennettu versio / Self-archived version