Prediktivní řízení odezvy strany spotřeby využívající termostatické spotřebiče

Ing. Nikita Zemtsov

Doctoral thesis

Model Predictive Control for Demand Response of Thermostatically Controlled Loads

Abstract:

Increasing the share of renewable electricity generation is a characteristic feature of modern energy systems. Renewable electricity generation has important environmental benefits, however, it is also marked by significant stochasticity and its large scale integration into power grid is not possible without new methods for control of electricity consumption, new energy storage technologies and communication infrastructure. Thermostatically controlled loads represent a significant share of total electricity consumption and they are often tightly connected with large thermal storage capacities. For these reasons they can be used for controlling electricity consumption and cost effective energy storage. This motivates the focus of this thesis on advanced control algorithms for thermostatically controlled loads. Any control requires a suitable control signal. In this thesis, an indirect control signal is used - the role of the control signal is played by variable electricity price. This concept is considered in many pilot projects both in the USA and in the EU. It has certain advantages: the customers can choose the preferred strategy for responding to the needs of the grid, so their comfort is not compromised; also there is no need to install significantly more complex interfaces for direct control of the loads and monitoring of their states. However, the design of suitable control algorithms for responding to variable prices is still a largely open problem. The thesis focuses on two aspects of this problem. The first part of the thesis considers the control of a single large thermostatically controlled load that responds to the price signal. This load is described by a linear time varying system and a local economic model predictive controller is designed for it. This controller must account for the time varying dynamics of the controlled load. By performing local economic optimization this controller helps to balance supply and demand in the electricity grid. This part of the thesis was created within the framework of H2020 SmartNet project and it considers one of the project pilot demonstrations: heated swimming pool. The time varying character of the model of this pool is due to the changes of the heat transfer coefficient between water and air depending on the wind speed. The second part of the thesis focuses on smaller thermostatically controlled loads. They are negligible individually, but they can play an important role if a larger population is aggregated. The structure of the proposed control system is hierarchical. Economic model predictive controller in the upper level responds to varying electricity price and changes the temperature setpoints of the thermostats in the lower level. The objective of the control system is the same as in the first part of the thesis: the cost of the operation of this population is minimized and this helps to keep the balance in the grid. However, the high number of the loads does not allow individual modelling of each load in the model predictive controller and an aggregate model had to be developed and tested. This model is non-linear and economic model predictive controller has to solve mixed integer non-linear optimization problem. The effectiveness of the proposed control strategy was demonstrated by simulation.

Abstract:

Charakteristickým rysem moderní energetiky je narůstající podíl výroby elektřiny z obnovitelných zdrojů. To přináší řadu výhod z pohledu kvality životního prostředí. Výroba elektřiny z obnovitelných zdrojů má však výrazně stochastický charakter a integrace většího množství takto vyrobené elektřiny do elektrizační sítě není možná, pokud nebudou vytvořeny nové metody řízení spotřeby elektřiny, nové technologie pro skladování elektrické energie a vyspělá řídicí a komunikační infrastruktura. Na straně spotřeby elektrické energie připadá významný podíl termostaticky řízeným spotřebičům. Ty jsou navíc obvykle těsně propojeny s velkými tepelně akumulačními kapacitami. Jsou proto zvláště vhodné pro řízení spotřeby elektřiny a nákladově efektivní akumulaci energie. Z této motivace vychází zaměření této disertační práce na pokročilé algoritmy pro řízení termostatických spotřebičů. Jakékoliv řízení nutně předpokládá, že existuje vhodný řídicí signál, kterým můžeme chování řízené soustavy ovlivňovat. V této práci pracujeme s nepřímým řídicím signálem: cenou elektřiny proměnnou v reálném čase. Tento koncept je používán v řadě pilotních projektů v USA i v EU. Z řady hledisek je tento koncept výhodný: zákazníci si mohou sami rozhodnout, jak na proměnnou cenu budou reagovat bez toho, že by jejich komfort byl ohrožen. Rovněž tak není nutné instalovat složitá rozhraní pro přímé ovládání spotřebičů a monitorování jejich stavu. Návrh vhodných algoritmů pro to, jak reagovat na proměnné ceny však zůstává stále do značné míry otevřeným problémem. Tato práce je zaměřena na dva aspekty tohoto problému. První část práce se zabývá problematikou řízení jednotlivých velkých termostatických spotřebičů, které reaguje na proměnnou cenu elektřiny. Tyto spotřebiče jsou zde popsány obecně jako lineární časově proměnné systémy a jejich řízení je navrženo jako lokální ekonomické prediktivní řízení. Tento ekonomický prediktivní regulátor musí vzít v úvahu časově proměnný charakter řízené soustavy. Tím, že provádí lokální ekonomickou optimalizaci, napomáhá tento regulátor udržet rovnováhu výroby a spotřeby v elektrizační soustavě. Tato část práce vznikla v rámci projektu H2020 SmartNet a jako případovou studii používá jedno z pilotních experimentálních zařízení tohoto projektu: vyhřívaný plavecký bazén. Časová proměnnost matematického modelu tohoto bazénu pramení ze změn součinitele přestupu tepla mezi vodou a vzduchem v závislosti na rychlosti větru. Druhá část práce je zaměřena na menší termostatické spotřebiče, které sice mají jednotlivě zanedbatelný příkon, mohou však hrát významnou roli, pokud je jejich větší počet sdružen dohromady. Struktura navrhovaného řídicího systému je hierarchická. Ekonomický prediktivní regulátor na vyšší rovině řízení reaguje na proměnnou cenu elektřiny a mění žádané hodnoty termostatů na nižší rovině. Cíl řízení je stejný jako v první části práce: cena provozu celé skupiny spotřebičů je minimalizována a to napomáhá udržení rovnováhy v síti. Vzhledem k velkému počtu spotřebičů však není možné, aby prediktivní regulátor pracoval s modely všech jednotlivých spotřebičů, ale bylo nutné vyvinout a ověřit sdružený model dynamiky celé skupiny. Tento model je nelineární a ekonomický prediktivní regulátor musí řešit úlohu nelineárního smíšeného celočíselného programování. Efektivita navržené strategie řízení byla prokázána pomocí simulačních experimentů.

Keywords

Inteligentní elektrické sítě, Odezva strany spotřeby, Ceny elektřiny proměnné v reálném čase, Ekonomické prediktivní řízení, Nelineární prediktivní řízení, Modelování skupin termostatických spotřebičů, Lineární v čase proměnné systémy

Language used: English

Date on which the thesis was submitted / produced: 5. 12. 2018

Thesis defence

• Date of defence: 12. 4. 2019
• Supervisor: doc. Dr. Ing. Jaroslav Hlava

Technical University of Liberec

Faculty of Mechatronics, Informatics and Interdisciplinary Studies

Doctoral programme / field:
Electrical Engineering and Informatics / Technical cybernetics