Towards sustainable future: optimization of hydropower management decisions in the new storage market

The transition to renewable energy sources (RES) has created uncertainty and short-term fluctuations, which can compromise energy supply security. To address this challenge, energy storage technologies are essential. These technologies transform energy from one form, typically electricity, into another form that can be stored and then reconverted into electricity as needed. This storage capability enables energy to be saved when demand is low and released when demand is high, providing significant flexibility to the electrical grid and moderating the variability of RES.The idea of introducing a long-term energy storage market addresses two key challenges in the investment in storage technologies: high costs and high volatility of energy prices. The main goal of this thesis is the modeling and solution of a profit maximization problem for a risk-averse energy producer, who owns a hydroelectric pumping storage facility and aims to seize the opportunity to finance the investment through an energy storage market. The facility owner's decisions were modeled through an optimization problem. Three potential market types were considered, resulting in the development of three models: a physical model, a financial model, and a hybrid model. The owner profits from both selling storage capacity to a counterpart and participating in speculation within the energy spot markets and ancillary services. This study was divided into two parts. First, the models were analyzed in the deterministic case, and subsequently, the stochastic case was studied, integrating the analysis of uncertainty and the customer’s risk aversion. The main contribution of this thesis lies in the joint optimization of generation/pumping and the decision to sell part of the storage capacity. One of the key profit opportunities for the plant owner is to fulfill customer orders through accounting rather than physically, as evidenced by the results obtained for the financial model and the hybrid model. This introduces a significant complication in the hybrid model: it is necessary to consider water movements from both an accounting and a physical perspective. The decision maker’s risk aversion has been formulated by incorporating the Conditional Value-at-Risk as a risk measure in the objective function.In the stochastic case, optimization computational times proved to be extremely high, necessitating the application of heuristics to identify acceptable solutions within reasonable time frames.

L'obiettivo principale di questa tesi è la modellizzazione e la risoluzione di un problema di massimizzazione del profitto per un produttore di energia avverso al rischio, proprietario di un impianto di stoccaggio idroelettrico a pompaggio, che mira a sfruttare l'opportunità di finanziare l'investimento attraverso un mercato di stoccaggio energetico. Le decisioni del proprietario dell'impianto sono state modellate attraverso un problema di ottimizzazione. Sono stati considerati tre possibili tipi di mercato, portando allo sviluppo di tre modelli: un modello fisico, un modello finanziario e un modello ibrido. Il proprietario trae profitto sia dalla vendita della capacità di accumulo a una controparte, sia partecipando alla speculazione nei mercati spot dell'energia e nei servizi ancillari. Questo studio è stato suddiviso in due parti. In primo luogo, i modelli sono stati analizzati nel caso deterministico, e successivamente è stato studiato il caso stocastico, integrando l'analisi dell'incertezza e l'avversione al rischio del cliente. Il principale contributo di questa tesi risiede nell'ottimizzazione congiunta della generazione/pompaggio e della decisione di vendere parte della capacità di stoccaggio. Una delle principali opportunità di profitto per il proprietario dell'impianto consiste nel soddisfare gli ordini dei clienti tramite contabilizzazione piuttosto che fisicamente, come evidenziato dai risultati ottenuti per il modello finanziario e il modello ibrido. Questo introduce una complicazione significativa nel modello ibrido: è necessario considerare i movimenti dell'acqua sia da un punto di vista contabile che fisico. L'avversione al rischio del decision maker è stata formulata incorporando il Conditional Value-at-Risk come misura di rischio nella funzione obiettivo. Nel caso stocastico, i tempi di calcolo per l'ottimizzazione si sono rivelati estremamente elevati, rendendo necessaria l'applicazione di euristiche per identificare soluzioni accettabili entro tempi ragionevoli.