You will first need to calculate the ‘sent out’ operating cost – short run marginal cost or SRMC - ($/MWh) for each generator for each carbon price, and gas price scenario . The spreadsheet is set up to assist in this. Note that you should still explain your working in the assignment so its clear you know how the calculation works. You’ll then need to sort them from lowest to highest incremental operating costs.

i)    Plot the four supply curves (one for each carbon price scenario, and gas price scenario) on a single graph . These curves represent the cost of the power system providing an additional MWh of demand - that is System Short Run Marginal Cost or SRMC as a function of demand for electrical energy over the entire range of economic dispatch . Discuss the implications of a carbon price or possible future gas price rises on economic dispatch of the Queensland thermal plant, and particularly any impacts on the merit order (that is, the order of generating plant technologies from lowest to highest operating cost)

We are now going to consider all current Queensland generation  including the coal and gas plants  but also hydro, wind and utility PV, and even battery storage.

ii)   You now need to add existing hydro generation to the supply curve. Note that there are really three types of hydro generation to be modelled. Run of river plants effectively run whenever there is water flow - for some schemes these plants effectively look like constant output generators (more water than required at all times of the year) with only variable operating costs to cover. The problem as discussed in lectures, is that  a  lot  of  hydro  plants  are  energy  constrained  -  that  is,  their  water  actually  has  an  opportunity cost/value. The third type is pumped hydro plants. Plot the Queensland supply curve for a zero carbon price now including all the non-pumped hydro units (Barron and Kareeya), assuming that they are run of river and have zero operating cost .

iii)  Now add existing wind and solar to the supply curve. The main challenge here is the high variability of wind and solar. Section ii) shows the supply curve if the wind isn’t blowing and the sun isn’t shining. Now plot the supply curve for a zero carbon price for two cases – midday on a sunny day across Queensland when the  utility  solar  is  all  operating  at  rated  capacity  but there  is  no  wind,  and  on  a  windy winter evening  in  Queensland when the  utility wind  power  is  all  operating  at  rated capacity  but there  is, of course, no solar power   Discuss the implications of Queensland wind and solar on the generation supply curve and its implications for meeting State demand as it varies from a minimum of around 3000MW to its  maximum  of  around  10000MW.  In  particular,  do you  envisage  periods  where  coal  and  gas  plants would ideally be turned off, or when there may be insufficient generation to meet demand?

iv)  Now add the pumped hydro (wivenhoe) and battery energy storage plant to the curve. For reasons that will be explained later in the course, one way to model energy constrained and pumped hydro plants and battery energy storage systems is to consider them as having an relatively high operating cost. For this assignment we will assume they have an operating (actually opportunity operating) cost of $300/MWh (hint, this is based on the standard call option pricing in the NEM).Therefore, add the pumped hydro and battery plant to the curve with an operating cost of $300/MWh.

Please put on the same plot the curves for the zero carbon price and AEMO gas pricing scenario, as well as the curves for  parts  ii,  iii and  iv.  Briefly summarise their  implications for economic dispatch  in the Queensland region as wind and solar deployment increases and coal plant continue to retire.

Question 2:

This question involves analysis of actual generating plant operation in the NEM. You have been given access to NEMSight - an extremely powerful commercial package for analysing NEM data. Details for accessing NEMSight are  available  on  the  course  Moodle.   You  will  want  to  use  its ‘Time Machine’ function  to  analyse  several Queensland generators and characterize their operation over the calendar year 2022.

Choose one plant in Queensland for each of the following technologies:

-       Coal

-       Gas fired unit – CCGT or OCGT

-       Utility wind or solar farm

-       pumped hydro generator or battery energy storage system (only one of each in Queensland)

You will want to eyeball historical data for your chosen plant to make sure there aren’t any surprises - eg. not operating  for  most  of the  year  (a  particular  issue  with  some  of the  renewable  generators  that  have  only recently been commissioned, or may not have even been connected yet). NEMSight offers very useful charting of data, and if you wish to analyse it further you can then right click on the chart and it will allow you to copy the data as a table which you can then paste into Excel.

i) For each of your chosen plant, use 5 minute dispatch data to estimate as best able the following operating characteristics:

a.     Highest ramp rate seen over the year (up or down) in %RatedCapacity/min. Don’t consider starts and stops in this calculation – ramp rate is the change in output over 5 minutes when the plant stays operating. This can be a little tricky with very fast plant like OCGTs, pumped hydro and definitely  BESS where they can go from zero to rated output pretty quickly.  For coal plants on the other hand, they might go from zero to  minimum operating level pretty quickly in the data, but the plant was actually started some time prior to this.

b.    achieved capacity factor over the year % (actual output divided by possible output  if plant operated at its max output for every hour of the year)

c.     % of five minute periods over the year where it was generating at least some power

d.     Number of starts in the year (ie. Going from zero output to generation)

e.     operating profit over the year, using the operating cost estimates from Question 1 above for the zero carbon price and AEMO gas price scenarios, and the regional spot prices over the year (available from NEMSight).

Note that some plants may have been ‘down’ for extended periods over the past year – best to select another plant. A number of these plants, particularly thermal coal and gas plants and hydro, have multiple units that can cause some complexities for the analysis. You should analyse a single unit. Finally, note that we will be checking for assignments that analyse the same generators given there is a choice available– this assignment is meant to be done individually. My advice is to first eyeball the data of a range of plants to get a feel for the general operation of different plants. Then you can write simple data analytics, using a wide range of helpful Excel functions, to characterize their operational characteristics.

Be sure to  put your  results  in  a table.  Please  comment  on your findings,  and the  operational  flexibility  of different generation technologies, and the potential implications for Queensland electricity sector operation.

ii) Using 5 minute Queensland scheduled demand data for 2022 (available from NEMsight – be sure to use scheduled demand), determine the following:

a.     Average demand (MW) over the year

b.     Highest 5 minute demand (and when it occurred – date  and time).

c.     Lowest 5 minute demand (and when it occurred – date  and time)

d.     Highest up ramp rate (MW/min)

e.     Highest down ramp rate (MW/min)

f.      Effective capacity factor of demand (%) with respect to highest 5 minute demand seen over the year 2022.

Be sure to put your results in a table and discuss their implications, particularly with respect to the variability of Queensland demand compared with wind and utility PV.

Question 3:

An  Excel spreadsheet is available on the  Moodle that  has 30  minute  household data for approximately  100 houses in the Ausgrid network region of Sydney for a complete year. Each house has metered load (kWh over 30  minutes) for  both what  is termed  General Consumption  (GC) and Controlled  Load  (CL). GC  measures all household electricity consumption other than controlled loads. The CLs are typically hot water systems and/or pool pumps - which are electronically controlled through either a timer, or via ripple control as instructed by the distribution network service provider. CLs are separately metered because they can be flexibly dispatched by  the  network  operator  and  therefore  pay  a  lower  tariff  (c/kWh)  rate.  Somewhere  around  half  of  NSW households have CLs although this is falling as off-peak hot water systems are replaced.

The dataset also includes Gross (total) Generation (kWh over 30 minutes) (GG) from the household PV system. While the Ausgrid  data set  has  different capacity  PV systems  on  each  house we  have standardized the  PV system size to 4kW – the average PV system across Australia.

You will  analyse the  house  number that  matches the  last two  digits  of your student  number – eg.  if your student number is s1234567 you will analyse house 67. Note that some houses have very questionable data suggesting metering errors or PV system failure – if that is the case for your house, please note this in your report, explaining the issue, and then use the  next house number. Note that you must use the house data corresponding with your student number or explain why not.

For your particular house,

i) estimate as best able from the 30 minute data over the year:

- highest GC demand (kW) and day (date day/month) and time it occurred (24 hour eg. 17:00 = 5pm)

- average GC daily consumption (kWh/day) over the year

- highest CL demand (kW) and date (day/month) and time at which this occurred  (only relevant of course if your house has CL)

- average CL daily consumption (kWh/day) over the year

- proportion of total household load which is CL over year (%)

-annual electricity bill for the house assuming no PV, GC tariff of 30c/kWh and CL tariff of 12c/kWh

ii) For the PV system, estimate as best able from the 30 minute data over the year

- average PV capacity factor (%) (with respect to provided 4kW PV system capacity) over year.

- peak net export of PV generation (kW) if any (that is, greatest PV generation exports to grid after removing GC and CL demand) and the day (date day/month) and time at which this occurred.

- annual electricity bill for the house given the consumption tariffs above, and an export tariff (when the  PV generation exceeds total GC and CL load in a 30 minute period) of 5c/kWh.

Again, I suggest you first graph the output for your house to ‘eye -ball’ its load and PV behavior before then using some of the available Excel spreadsheet functions to identify the factors above. Always apply a sanity check to your answers, and be sure to use the units suggested above. In particular, note that 1kWh consumed in 30 minutes reflects a load consuming 2kW.

Be  sure to  put your  results  in  a table.  Please  comment  on your findings,  and their  implications for  power system operation to meet residential load in NSW.

Question 4:

Consider  a very  simplified version  of the  Queensland  generation  fleet  and  State  demand  as  a  competitive electricity  market  as  outlined  in table  1  below.  For  convenience, you  can  assume that  no generators  have minimum operating  levels  hence  no fixed variable costs. Their  incremental variable costs  apply across their entire operating range. Assume that there are no transmission constraints or losses, and ignore the existing transmission  interconnections  between  NSW  and  Queensland.  Note  that  we  now  consider  rooftop  PV  in Queensland,  but  keep  in  mind  that  it  doesn’t  participate  in  the  market  but,  instead,  appears  as  reduced demand to be met by utility generation (including wind and utility PV).

We assume that there are four large market participants in Queensland, Stanwell which owns coal generation, CS Energy which also owns coal-fired generation, Origin Energy which owns gas generation and CleanCo which owns  gas generation  and  pumped  hydro  as  well  as  a  Battery  Energy  Storage System  (BESS) .    Each  market participant can offer one quantity/price pair into the market for each of its plant. Note that the PV and wind generation in the state is bundled into generic, multiple owner, participants for simplicity, and because they are likely to be market price takers rather than makers . The market operates at hourly intervals. The market operator  AEMO  bids  its  load  forecast  for  each  hour  into  the  market  at  a  Market  Ceiling  Price  (MCP)  of $15400/MWh, equivalent to its estimate of the short-run marginal benefit (SRMB) of electricity demand . Yes, you can model demand operating profit on the basis that electricity is worth $15400/MWh to all loads (quite the assumption but actually how almost all Australian NEM demand is currently offered into the market).

Assume for simplicity that the wind and solar are market participants who don’t earn income from PPAs, and that the pumped hydro and BESS is offered into the electricity market at $300/MWh.  Consider three possible hourly scenarios of renewable generation and demand:

1)    all  wind  farms  and  utility  PV  plants  able  to  generate  at  their  rated  output  and  household  PV generating at 3000MW (a very windy and sunny spring day in Queensland) with demand at 6500MW (underlying demand, hence not considering the impact of household PV generation) .

2)    Wind farms not generating and utility PV at 1200MW and household PV at 600MW (a calm yet very hot summer evening in Qld) with demand at 10000MW (lots of air-conditioning running)

3)    A cold still winter evening with  no wind generation,  no solar generation of course, and demand of 10,000MW (lots of electrical heating running)