Impact of increased temporal detail in long-term dynamic energy system model with an increasing share of volatile renewable energy sources

Abstract

Dlouhodobé energetické modely zpravidla zjednodušují časové rozlišení. Toto zjednodušení však není adekvátní při vyšším podílu volatilních obnovitelných zdrojů na celkové výrobě elektřiny. Nízké časové rozlišení způsobuje systematickou chybu ve výsledcích modelu. Model predikuje vyšší podíl obnovitelných zdrojů na celkové výrobě elektřiny a s tím souvisí zkreslení v celkových nákladech energetického systému, energetickém mixu a skleníkových emisích. Zkreslení v energetických modelech by mohlo zapříčinit špatné plánování energetické politiky a nedosažení cílů na dekarbonizaci energetického sektoru. Tato práce zvyšuje časové rozlišení modelu TIMES CZ z 12 sezonních časových úseků a 3 vnitrodenních časových úseků na 24 vnitrodenních časových úseků a porovnává 8 scénářů s 1, 4 a 12 sezonními časovými úseky. Tato práce porovnává tři metody výběru reprezentativních dnů - prostou heuristickou metodu, výběr geometrického středu pomocí hierarchického shlukování a výběr historického dne nejbližšího geometrickému středu. Pro data z výchozího roku 2012 nejlépe popisuje výrobu obnovitelných zdrojů a celkovou výrobu scénář s 12 sezonními časovými úseky vybraných pomocí výběru hierarchického shlukování representovaného geometrickým středem.

Long-term energy systems often simplify temporal detail resolution. However, this simplification is not appropriate for systems with an increasing share of intermittent renewable energy sources (IRES). The low temporal resolution causes a systemic bias in the model's outputs. The model overpredicts the share of the IRES on the total generation. This entails an underprediction of the total system costs, underprediction of the amount of greenhouse gas emissions and a bias in the energy mix. This could lead to an ill-informed energy policy and eventually cause a failure in the decarbonization of the energy sector. This thesis increases the temporal resolution of the TIMES-CZ model from 12 seasonal times slices and 3 daynite time slices to 24 daynite time slices and compares 8 scenarios with 1, 4 and 12 seasonal time slices. This thesis compares three representative days selection methods - simple heuristics, hierarchical clustering centroid selection method and historical day closest to the centroid selection method. The electricity generation of IRES and the total production in base year (2012) is the most accurately approximated by the 12 seasonal time slices selected by the hierarchical clustering centroid method.