Συντάχθηκε 09-12-2013 10:18
από Eleni Stamataki
Email συντάκτη: estamataki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: σύνταξη/αποχώρηση υπάλληλος.
Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών Σπουδών
Ανακοίνωση Μεταπτυχιακής Διατριβής
ΧΑΡΙΛΑΟΥ ΑΚΑΣΙΑΔΗ
με θέμα
"Μια πρωτότυπη τεχνική για τη διαχείριση της ενεργειακής ζήτησης μέσω συνεταιρισμών πολλών πρακτόρων στο έξυπνο ηλεκτρικό δίκτυο"
"A novel electricity demand management scheme via multi agent cooperatives in the Smart Grid"
Τετάρτη 11 Δεκεμβρίου 2013, 11πμ Αίθουσα Intelligence, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Γεώργιος Χαλκιαδάκης (επιβλέπων)
Αναπληρωτής Καθηγητής Μιχαήλ Λαγουδάκης
Επίκουρος Καθηγητής Αντώνιος Δεληγιαννάκης
Περίληψη
Σε αυτήν την εργασία παρουσιάζουμε ένα άμεσα εφαρμόσιμο μηχανισμό για τη μεταφορά κατανάλωσης ηλεκτρικού ρεύματος στο χρόνο με σκοπό την αποτελεσματική εξομάλυνση της καμπύλης ζήτησης. Ο μηχανισμός αυτός μπορεί να συμπεριλάβει ανεξάρτητους ή και συνεταιριζόμενους πράκτορες. Ωστόσο, στους συμμετέχοντες δίδεται κίνητρο για να σχηματίζουν συνεταιρισμούς, έτσι ώστε να μειώσουν τους λογαριασμούς του ηλεκτρικού ρεύματος, μέσω της εξασφάλισης χαμηλότερων ομαδικών τιμών που δίδονται για μεταφορά ουσιώδους μεγέθους κατανάλωσης από χρονικά διαστήματα υψηλής ζήτησης σε άλλα χαμηλότερης. Η προσέγγισή μας λαμβάνει υπ'όψιν τα κόστη του κάθε πράκτορα και χρησιμοποιεί έναν ``αυστηρά αρμόζοντα κανόνα βαθμολόγησης'' (strictly proper scoring rule) για να ανταμείψει τους συμμετέχοντες σύμφωνα με την αποδοτικότητά τους. Συγκεκριμένα, τα μέλη του συνεταιρισμού μπορούν να εξασφαλίσουν μειωμένες τιμές ηλεκτρικού ρεύματος, οι οποίες είναι ενδεχομένως διαφορετικές για κάθε μέλος (και εξαρτώνται από τις συγκεκριμένες δυνατότητες των μελών). Αυτό επιτρέπει σε πράκτορες με αρχικά απαγορευτικά κόστη μεταφοράς κατανάλωσης να συμμετάσχουν, μέσω ενός μηχανισμού διαμοιρασμού των κερδών, ο οποίος αποτρέπει ψευδείς δηλώσεις να τον επηρεάζουν (truthful) και επιτυγχάνει ασθενή ισολογισμό του κεφαλαίου (weak-budget balancedness). Προτείνουμε τέσσερις παραλλαγές αυτής της προσέγγισης και τις αξιολογούμε πειραματικά. Ένα μεγάλο πρόβλημα σε αυτόν τον τομέα είναι η κατανόηση της αβεβαιότητας των συμμετεχόντων και η ακριβής πρόβλεψη των μελλοντικών ενεργειών τους. Ως εκ τούτου, σε αυτή την εργασία υιοθετούμε δύο τεχνικές ``στοχαστικού φιλτραρίσματος'', το φίλτρο Unscented Kalman, και το φίλτρο ιστογράμματος και τις χρησιμοποιούμε για να παρακολουθήσουμε αποτελεσματικά την αξιοπιστία των δηλώσεων των πρακτόρων σε σχέση με τις τελικές τους πράξεις. Μια περαιτέρω ενδιαφέρουσα συνεισφορά της εργασίας μας είναι ο εξοπλισμός του UKF φίλτρου με ένα μοντέλο στοχαστικής παλινδρόμησης, τις Γκαουσσιανές διαδικασίες (Gaussian Processes). Χρησιμοποιούμε αυτές τις τεχνικές στον κύριο μηχανισμό μας, ο οποίος προσφέρει υπηρεσίες διαχείρισης της ζήτησης του ηλεκτρικού ρεύματος. Τα αποτελέσματα των εξομοιώσεων επιβεβαιώνουν ότι αυτές οι τεχνικές προσδίδουν απτά πλεονεκτήματα όσον αφορά τον περιορισμό της ζήτησης, αλλά και τα αυξημένα χρηματικά κέρδη για τον συνεταιρισμό.
Abstract
In this work, we present a directly applicable scheme for power consumption shifting and effective electricity demand curve flattening. The scheme can employ the services of either individual or cooperating consumer agents alike. Agents participating in the scheme, however, are motivated to form cooperatives, in order to reduce their electricity bills via lower group prices granted for sizeable consumption shifting from high to low demand time intervals. The scheme takes into account individual costs, and uses a strictly proper scoring rule to reward contributors according to efficiency. Cooperative members, in particular, can attain variable reduced electricity price rates, given their different load shifting capabilities. This allows even agents with initially forbidding shifting costs to participate in the scheme, and is achieved by a weakly budget-balanced, truthful reward sharing mechanism. We provide four variants of this approach, and evaluate it experimentally. One major problem arising in this domain is assessing the participating agents’ uncertainty, and correctly predicting their future behavior. Thus, in this work we adopt two stochastic filtering techniques, the Unscented Kalman Filter and the Histogram Filter, and use them to effectively monitor the trustworthiness of agent statements regarding their final actions. Interestingly, our UKF filter is equipped with a Gaussian Process regression model. We incorporate these techniques within our demand management scheme. Our simulation results confirm that these techniques provide tangible benefits regarding enhanced consumption reduction performance, and increased financial gains for the cooperative.
