Μοντελοποίηση στοχαστικού προβλήματος βέλτιστης ένταξης μονάδων υπό αβεβαιότητα σε μικροδίκτυο και σύγκριση αποτελεσμάτων με αντίστοιχο ντετερμινιστικό μοντέλο.

Μελετιές, Κωνσταντίνος; Meleties, Konstantinos

dc.contributor.author	Μελετιές, Κωνσταντίνος	el
dc.contributor.author	Meleties, Konstantinos	en
dc.date.accessioned	2022-07-20T11:40:04Z
dc.date.available	2022-07-20T11:40:04Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55458
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23156
dc.rights	Default License
dc.subject	Μικροδίκτυο	el
dc.subject	Ενεργειακή αγορά	el
dc.subject	Ένταξη μονάδων παραγωγής	el
dc.subject	Στοχαστικός προγραμματισμός	el
dc.subject	Βελτιστοποίηση	el
dc.subject	Ανανεώσιμες πηγές ενέργειας	el
dc.subject	Microgrid	en
dc.subject	Energy market	en
dc.subject	Unit commitment	en
dc.subject	Stochastic programming	en
dc.subject	Optimization	en
dc.subject	Renewable energy sources	en
dc.title	Μοντελοποίηση στοχαστικού προβλήματος βέλτιστης ένταξης μονάδων υπό αβεβαιότητα σε μικροδίκτυο και σύγκριση αποτελεσμάτων με αντίστοιχο ντετερμινιστικό μοντέλο.	el
dc.contributor.department	Τομέας Ηλεκτρικής Ισχύος	el
heal.type	bachelorThesis
heal.classification	Electrical Engineering	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-03-08
heal.abstract	Διαφόρων ειδών στοχαστικές προσεγγίσεις χρησιμοποιούνται ευρέως για την επίλυση προβλημάτων ένταξης μονάδων παραγωγής υπό αβεβαιότητα. Σε κάθε περίπτωση όμως η ευστοχία στη πρόβλεψη των τυχαίων μεταβλητών καθώς επίσης και η αποδοτική λειτουργία του στοχαστικού μοντέλου αποτελούν ακόμη σημαντικές προκλήσεις σε ερευνητικό επίπεδο. Αδιαμφισβήτητα τα μικροδίκτυα αποτελούν το μέσο μετάβασης από τα παραδοσιακά ενεργοβόρα δίκτυα ηλεκτρικής ενέργειας σε νέα ευέλικτα και αποδοτικά συστήματα υψηλών περιβαλλοντικών προδιαγραφών. Η παρούσα διπλωματική εργασία καλείται να δώσει λύση στο πρόβλημα της βέλτιστης ένταξης μονάδων παραγωγής σε ένα μικροδίκτυο λαμβάνοντας υπόψη τους παράγοντες αβεβαιότητας που ενσωματώνονται στο πρόβλημα λόγω της διείσδυσης των ανανεώσιμων πηγών ενέργειας αλλά και του απρόβλεπτου φορτίου. Για το σκοπό αυτό αναπτύχθηκε ένα μοντέλο για επίλυση προβλημάτων ένταξης δύο σταδίων υπό αβεβαιότητα. Για την επίλυση του προβλήματος έγινε εφαρμογή της μεθόδου L-shape. Επιπρόσθετα για να διαβεβαιώσουμε την αποδοτικότητα της λειτουργίας του μικροδικτύου δημιουργούμε ένα ντετερμινιστικό μοντέλο το οποίο χρησιμοποιείται ως σημείο αναφοράς για τη σύγκριση του συνολικού κόστους παραγωγής ενέργειας. To στοχαστικό μοντέλο λαμβάνει τις αποφάσεις για την διαχείριση των ενεργειακών πόρων του μικροδικτύου με γνώμονα το λειτουργικό κόστος. Τη διαδικασία βελτιστοποίησης πλαισιώνουν διάφοροι περιορισμοί λειτουργίας. Τα διάφορα σενάρια με τα οποία τροφοδοτείται το μοντέλο παράγονται μέσω της μεθόδου Μόντε Κάρλο. Τέλος η αποδοτικότητα των αποφάσεων που λαμβάνει το μοντέλο ελέγχεται μέσω ενός νέου τυχαίου συνόλου σεναρίων φορτίου και αιολικής παραγωγής. Το στοχαστικό μοντέλο υλοποιήθηκε στο περιβάλλον της Python κάνοντας χρήση της βιβλιοθήκης pyomo . H προσέγγιση της βέλτιστης λύσης έγινε με την βοήθεια του επιλυτή Gurobi.	el
heal.abstract	A variety of stochastic approaches have been widely used to address unit-commitment problems under uncertainty. However, the accurate estimation of uncertainty factors as well as the efficient operation of the stochastic model still pose significant challenges. Undoubtedly , microgrids constitute the mean of transition from conventional energy-consuming power grids to modern, flexible, and efficient systems that follow high environmental standards. This thesis is addressing the optimization problem of unit commitment in a microgrid taking into account uncertainty factors that are integrated into the problem due to the high penetration of renewable energy sources and volatile load. For this purpose, a two-stage stochastic unit-commitment model with uncertainty is developed. The proposed model implements L-shape method to achieve an efficient solution process . Additionally, a second deterministic model is developed to assure the efficiency of the former and is used as a reference point for the total energy production cost. The stochastic model manages microgrid’s energy sources by considering the total operational cost. The optimization process also considers various constraints about unit-commitment, energy market and power system operation. Load and wind production scenarios are generated via the Monte Carlo method following a known probability distribution. After operation’s decisions are made, the performance of the model is checked via another test sample. The project’s code is written in Python and Pyomo library was used to construct the optimization problem. Furthermore, optimal solution was approached using Gurobi solver.	en
heal.advisorName	Χατζηαργυρίου, Νικόλαος	el
heal.committeeMemberName	Χατζηαργυρίου, Νικόλαος	el
heal.committeeMemberName	Παπαθανασίου, Σταύρος	el
heal.committeeMemberName	Γεωργιλάκης, Παύλος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικής Ισχύος	el
heal.academicPublisherID	ntua
heal.numberOfPages	74 σ.	el
heal.fullTextAvailability	false