Smoothing of a non-interconnected island's power system load curve, with the use of a predictive BESS controller

Χαπαλόγλου, Σπύρος; Chapaloglou, Spyridon

dc.contributor.author	Χαπαλόγλου, Σπύρος	el
dc.contributor.author	Chapaloglou, Spyridon	en
dc.date.accessioned	2018-07-25T09:59:26Z
dc.date.available	2018-07-25T09:59:26Z
dc.date.issued	2018-07-25
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47424
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.8505
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Σύστημα Αποθήκευσης Ενέργειας	el
dc.subject	Προβλεπτικός Έλεγχος	el
dc.subject	Νευρωνικά Δίκτυα	el
dc.subject	Ανανεώσιμες Πηγές Ενέργειας	el
dc.subject	Ηλεκτρικά Δίκτυα Ισχύος	el
dc.subject	Neural Networks	en
dc.subject	Predictive Control	en
dc.subject	Renewable Sources	en
dc.subject	Dynamic Simulation	en
dc.subject	Power Systems Simulation	en
dc.title	Smoothing of a non-interconnected island's power system load curve, with the use of a predictive BESS controller	en
dc.title	Εξομάλυνση καμπύλης φορτίου μη διασυνδεδεμένου νησιωτικού συστήματος, με προβλεπτικό αλγόριθμο διαχείρησης συστήματος αποθήκευσης ενέργειας	el
dc.contributor.department	ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΙΣΜΟΥ	el
heal.type	masterThesis
heal.classification	Έλεγχος Ενεργειακών Συστημάτων	el
heal.classification	Energy Management System	en
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-06-11
heal.abstract	Στην παρούσα διπλωματική εργασία, μελετήθηκε η επίδραση της ενσωμάτωσης ενός ‘έξυπνου’ αλγορίθμου διαχείρισης συστήματος αποθήκευσης ηλεκτρικής ενέργειας, στη λειτουργία ενός μη-διασυνδεδεμένου νησιωτικού ηλεκτρικού δικτύου. Το τελευταίο αποτελείται από σύστημα αποθήκευσης ενέργειας με συστοιχίες μπαταριών (BESS), Diesel ηλεκτροπαραγωγά ζεύγη και ένα φωτοβολταϊκό πάρκο (PV). Συγκεκριμένα, αναπτύχθηκε προβλεπτικός αλγόριθμος διαχείρισης του συστήματος αποθήκευσης, ο οποίος είχε ως κύριο σκοπό την εξομάλυνση της λειτουργίας των Diesel μηχανών, την μεγιστοποίηση της διείσδυσης ανανεώσιμης ενέργειας στο δίκτυο και την μείωση του μέγιστου φορτίου που καλούνται να καλύψουν οι μηχανές. Σχετικά με την ικανότητα πρόβλεψης του αλγορίθμου, σχεδιάστηκε ένα νευρωνικό δίκτυο (ANN), με το οποίο επιτεύχθηκε η πρόβλεψη της καμπύλης φορτίου του επόμενου 24-ώρου σε ωριαία βάση. Για την ανάπτυξη του νευρωνικού, χρησιμοποιηθήκαν τα ωριαία δεδομένα θερμοκρασίας και φορτίου του νησιωτικού συστήματος των τελευταίων 3 ετών (2014, 2015, 2016). Τα πρώτα δύο έτη χρησιμοποιήθηκαν για την διαδικασία εκπαίδευσης του δικτύου ενώ το τελευταίο έτος χρησιμοποιήθηκε για την εκτίμηση της αποτελεσματικότητας της πρόβλεψης. Για το τελευταίο έτος, το νευρωνικό δίκτυο κατάφερε να επιτύχει μέσο απόλυτο σχετικό σφάλμα (MAPE) ως προς την πραγματική ετήσια χρονοσειρά φορτίου 1.751%. Στη συνέχεια, με βάση την πρόβλεψη, έγινε η εκτίμηση της τροχιάς των σημείων λειτουργίας των συμβατικών ηλεκτροπαραγωγών μηχανών (Diesel) του νησιού, για κάθε ώρα της ημέρας, έτσι ώστε να ικανοποιούνται οι απαιτήσεις για i) περικοπή των κορυφών της καμπύλης φορτίου και ii) εξομάλυνση της καμπύλης. Συγκεκριμένα, αναπτύχθηκε αλγόριθμος ο οποίος έπαιρνε σαν δεδομένα εισόδου την πρόβλεψη του φορτίου, όπως αυτή προκύπτει από το νευρωνικό δίκτυο, την παραγωγή των PV της επόμενης ημέρας και την τιμή περικοπής της κορυφής. Με βάση τα προηγούμενα δεδομένα εισόδου και κατόπιν συγκεκριμένης διαδικασίας, έβγαζε σαν έξοδο την πορεία λειτουργίας των συμβατικών μονάδων παραγωγής καθώς και τις τιμές ισχύος που θα έπρεπε να αποθηκευτούν στο σύστημα μπαταριών (BESS) κάθε ώρα της ημέρας. Κατά την αρχικοποίησή του αλγορίθμου αυτού, ο οποίος εκτελείται για κάθε ημέρα του έτους, θεωρείται ένα επίπεδο ισχύος (που ονομάστηκε offset), πάνω στο οποίο προστίθεται η συνολική παραγωγή των PV, ενώ ταυτόχρονα περικόπτονται οι αιχμές λειτουργίας των μηχανών. Το επίπεδο offset, μεταβάλεται (αυξάνεται σταδιακά) κατά την επαναληπτική διαδικασία του αλγορίθμου και ταυτόχρονα συμπαρασύρει μαζί του την καμπύλη παραγωγής των PV, δημιουργώντας έτσι μια νέα «συνθετική» καμπύλη συνολικής παραγωγής ενέργειας, η οποία κάποια στιγμή εμφανίζει σημεία τομής με την καμπύλη του φορτίου της ίδιας ημέρας. Η διαδικασία αυτή συνεχίζεται περεταίρω με τον ίδιο τρόπο, μέχρις ότου να δημιουργηθεί μια «τεχνητή» περίσσεια ενέργειας, η οποία αποθηκεύεται στο σύστημα μπαταριών και προσεγγίζει με την ελάχιστη θετική διαφορά, το ποσό ενέργειας που θα χρειαστεί για να καλυφθεί η αιχμή του φορτίου που θα ακολουθήσει αργότερα την ίδια ημέρα. Η εκτίμηση της επίδρασης του αλγορίθμου στη λειτουργία του συστήματος, έγινε μέσω της μοντελοποίησης του νησιωτικού δικτύου και της εκτέλεσης δυναμικής προσομοίωσης της λειτουργίας του, στο λογισμικό Advanced Process Simulator (APROS). Για την καλύτερη δυνατή προσομοίωση της λειτουργίας και της δυναμικής συμπεριφοράς του συστήματος αποθήκευσης ενέργειας, χρησιμοποιήθηκε αναλυτικό μη-γραμμικό ηλεκτρικό μοντέλο, ενώ το υπόλοιπο δίκτυο μοντελοποιήθηκε σε επίπεδο ενεργειακών ροών. Επίσης, στο δυναμικό μοντέλο του νησιωτικού συστήματος, ενσωματώθηκε ένα εποπτικό σύστημα διαχείρισης των ροών ισχύος και των κατάλληλων βρόγχων ελέγχου (Energy Management System - EMS), με βάση το οποίο ορίστηκε και ρυθμίστηκε η λειτουργία των διαφόρων υποσυστημάτων, κατά τη διάρκεια της δυναμικής προσομοίωσης. Τα αποτελέσματα των προσομοιώσεων έδειξαν ότι με την εφαρμογή της προτεινόμενης μεθοδολογίας, είναι δυνατή η επίτευξη ομαλότερης λειτουργίας των Diesel μηχανών καθώς ακόμη και η αντικατάστασή τους από μηχανές μικρότερης ισχύος, ενώ ταυτόχρονα βελτιώθηκε η αξιοποίηση της παραγόμενης ηλεκτρικής ενέργειας από το φωτοβολταϊκό πάρκο, επιτρέποντας μεγαλύτερη διείσδυση τις νυχτερινές ώρες αιχμής. Εν κατακλείδι, σύμφωνα με την διαδικασία που ακολουθήθηκε στην παρούσα εργασία, προτείνεται ένα ενοποιημένο πλαίσιο ανάπτυξης και δοκιμής προβλεπτικών διαχειριστικών αλγορίθμων, με εφαρμογή σε ενεργειακά συστήματα, στο οποίο ενσωματώνεται η δυναμική προσομοίωση και οι αντίστοιχες διατάξεις ελέγχου και αυτοματισμού. Με τον τρόπο αυτό επιτυγχάνεται η καλύτερη διακρίβωση της επίδρασης τέτοιων αλγορίθμων στη λειτουργία ενός ενεργειακού συστήματος, υπό μεταβαλλόμενες συνθήκες.	el
heal.abstract	In this study, a novel smart algorithm for the management of the power flows of an islandic power system was developed and integrated into the dynamic simulation of the system’s model. The system under investigation is composed of Diesel Generators and a PV farm while a Battery Energy Storage System (BESS) is proposed, in order to support the developed algorithm’s implementation. In particular, a predictive energy management (EMS) algorithm was developed, capable of load smoothing and peak shaving of the maximum demand values, simultaneously. In this way, the maximum demand of the island’s system, was covered from stored renewable energy, while the operation of the diesel engines remained stable, diminishing the ramp up and the steep gradients before the night hours’ peak demand. Additionally, considering the system’s ability for energy storage as a result of the BESS installation, a portion of the PV energy produced in daylight time period could be shifted for later use and therefore the diesel engines could avoid abrupt load changes. The prediction ability of the algorithm was based on a developed feedforward artificial neural network, which was capable of short-term load forecasting. Through this, it was possible to estimate an hourly based trajectory for the diesel generators operation and acquire the BESS setpoints which would result in the desired peak shaving and smoothing level. Subsequently, the islandic power system was modeled in APROS software and the algorithm was integrated into the system dynamic simulation. In order to better represent the storage capacity and the degradation effects, a nonlinear detailed model was employed for the battery operation, including charge and discharge control loops, while the rest of the power system was modelled in the energy flow level. A rule-based strategy was also developed in APROS software through basic modules, which was tasked with the implementation of the setpoints obtained from the developed management algorithm. The simulation results proved that from the application of the proposed algorithm, a smoother diesel generator operation and peak shaving is achievable. Under this scope, the diesel engines could be rated at lower maximum capacity while the renewable energy penetration to the grid was increased.	en
heal.advisorName	Αντωνιάδης, Ιωάννης	el
heal.committeeMemberName	Βοσνιάκος, Γεώργιος Χριστόφορος	el
heal.committeeMemberName	Κουλοχέρης, Δημήτριος	el
heal.committeeMemberName	Αντωνιάδης, Ιωάννης	el
heal.academicPublisher	Σχολή Μηχανολόγων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	98
heal.fullTextAvailability	true