< Terug naar vorige pagina

Project

Datagedreven gedistribueerde controle en optimalisatie voor multi-energievraagbeheer in lokale energiegemeenschappen en microgrids

Multi-energy systemen gebruiken meerdere energiedragers (elektriciteit, warmte, gas,...) om eindgebruikers te voorzien van energiediensten zoals ruimteverwarming, warm water, verlichting, opladen van elektrische voertuigen, enz. Deze energiedragers worden aan elkaar gekoppeld via energieconversie-eenheden (gekoppelde warmteopwekking, warmtepompen, elektrische en gasketels, enz.). De mogelijkheid om de energiedienst van verschillende vervoerders te leveren, maakt operationele flexibiliteit mogelijk, die kan worden gebruikt om objectieve functies te optimaliseren, zoals het minimaliseren van het primaire energieverbruik, het minimaliseren van de kosten, het maximaliseren van de winst voor verschillende actoren, enz. De operationele vrijheid om de flexibiliteit te benutten wordt alleen groter als opslagapparaten (warmwateropslagtanks, batterijen, seizoensgebonden thermische opslag, enz.) worden toegevoegd. Dergelijke opslagapparaten worden vaak gedeeld tussen verschillende huishoudens in een residentiële context, of tussen verschillende eindgebruikers in een meer industriële context, wat leidt tot lokale energiegemeenschappen en microgrids. Op dit niveau worden ook hernieuwbare energiebronnen (fotovoltaïsche of windturbines) toegevoegd om de afhankelijkheid van het net te verminderen. Dankzij de toevoeging van informatie- en communicatietechnologie zijn er veel sensorgegevens beschikbaar over de status van de netten en de aangesloten apparaten (driefasespanningen en stroomstromen voor de elektriciteitsnetten, temperaturen en stromen voor de warmtenetten, de staat van lading van batterijen en opslagtanks, energievereisten van regelbare apparaten, zoals oplaadvereisten voor elektrische voertuigen of warmwatergebruiksprofielen , enz.), en veel apparaten in het systeem kunnen worden bediend , wat resulteert in slimme, multi-energie systemen. Vanwege de onzekerheden in verband met het gedrag van de gebruiker, weersveranderingen of energieprijzen, is het een uitdaging om planning en werking van de controleerbare apparaten in deze lokale energiegemeenschappen en microgrids te doen. Dankzij de grote hoeveelheden sensorgegevens (zowel in real-time als historisch) is het mogelijk om de onzekerheden te voorspellen (met behulp van machine learning-technieken) en om datagestuurde besturingsmethoden te gebruiken voor de controleerbare apparaten en voor systeemoptimalisatie. Een combinatie van de lokale flexibiliteitscontrole en gedistribueerde controlemethoden is nodig om te voldoen aan de hiërarchische vereisten in een microgrid, die een evenwicht nodig hebben tussen vraag en aanbod over alle energiedragers. Een dergelijke gedistribueerde controle kan volledig worden gedecentraliseerd met multi-agent systemen, of hiërarchisch worden gestructureerd in een meer klassieke aanpak. Ten slotte moet deze controle meerdere tijdafmetingen bevatten (seconden, minuten, uren, dagen, maanden), vanwege de verschillende tijdsconstanten die betrokken zijn bij elektrische en thermische balancering van opwekkings-, belasting- en opslagapparaten, wat leidt tot multi-scale, multi-energy systemen. Dit leidt tot de centrale onderzoeksvraag in dit proefschrift, d.w.z. het gebruik van datagestuurde, gedistribueerde methoden om de controleerbare opslag-, opwekkings- en eindgebruiksapparaten te controleren, zodat optimale energiediensten in een microgrid-context worden geleverd.

Datum:18 sep 2020 →  Heden
Trefwoorden:Distributed control, Machine learning, Smart grids, Energy systems in buildings and microgrids
Disciplines:Elektrische energieproductie en -distributie, Hernieuwbare energie en energiesystemen
Project type:PhD project