Συντάχθηκε 02-09-2022 12:18
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 06/09/2022 15:00
Λήξη: 06/09/2022 16:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών (Διδακτορικών) Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ
ΙΑΣΩΝ ΧΡΗΣΤΟΣ ΚΑΛΑΪΤΖΑΚΗΣ
με θέμα
Προγραμματισμός Λειτουργίας και Έλεγχος Οικιακών Ενεργειακών Μικροδικτύων
Optimal Power Management and Control of Residential Microgrids
Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής ΚΑΝΕΛΛΟΣ ΦΩΤΙΟΣ (επιβλέπων)
Αναπληρωτής Καθηγητής ΚΟΥΤΡΟΥΛΗΣ ΕΥΤΥΧΙΟΣ
Καθηγητής ΣΤΑΥΡΑΚΑΚΗΣ ΓΕΩΡΓΙΟΣ
Περίληψη
Η ραγδαία ανάπτυξη και διάχυση της τεχνολογίας Smart Grid στο ηλεκτρικό δίκτυο επέβαλε και την ανάγκη για πιο έξυπνα συστήματα διαχείρισης ενέργειας, τόσο στο επίπεδο μεταφοράς όσο και στο επίπεδο διανομής. Σε αυτή τη διατριβή μελετήθηκε, σχεδιάστηκε και αναπτύχθηκε ένα έξυπνο Οικιακό Σύστημα Διαχείρισης Ενέργειας (ΟΣΔΕ) το οποίο μειώνει το ημερήσιο ενεργειακό κόστος της οικίας και επιπρόσθετα προσφέρει βοηθητικές υπηρεσίες στο δίκτυο. Η έξυπνη οικία του καταναλωτή/παραγωγού θεωρείται ότι εμπεριέχει φωτοβολταϊκά πάνελ, ηλεκτρικό όχημα, συστήματα αποθήκευσης ενέργειας, ευέλικτα και κρίσιμα φορτία, καθώς και ένα μετατροπέα πολλαπλών θυρών ο οποίος διασυνδέει όλα τα παραπάνω με το κεντρικό ηλεκτρικό δίκτυο. Η βέλτιστη διαχείριση ενέργειας επιτυγχάνεται με τη χρήση του αλγορίθμου Particle Swarm Optimization - Βελτιστοποίηση Σμήνους Σωματιδίων. Το ΟΣΔΕ είναι επίσης σχεδιασμένο να λειτουργεί και αυτόνομα, δηλαδή χωρίς να είναι συνδεδεμένο με το κεντρικό δίκτυο. Η στήριξη συχνότητας του κεντρικού δικτύου εξασφαλίζεται βέλτιστα, λαμβάνοντας ταυτόχρονα υπόψη την ευελιξία ισχύος της κάθε μονάδας του συστήματος. Προτείνεται επίσης ο συνδυασμός των μεθόδων k-means clustering και feed-forward νευρωνικών δικτύων σε ένα σύστημα πρόβλεψης της κατανάλωσης ενέργειας από τα οικιακά φορτία. Τα αποτελέσματα που προέκυψαν από το προτεινόμενο ΟΣΔΕ αποδεικνύουν την αποτελεσματικότητα του συστήματος στην μείωση του ημερήσιου κόστους ηλεκτρικής ενέργειας, ενώ ταυτόχρονα τηρούνται και όλοι οι περιορισμοί που είναι εγγενείς στο παραπάνω σύστημα ισχύος.
Abstract
The adoption of smart energy management systems at demand and distribution levels of the grid is mandated by the ever-increasing presence of smart grids. In this dissertation, a smart Home Energy Management System (HEMS) that reduces prosumers' daily energy costs and offers the grid ancillary services is proposed. Photovoltaic (PV) systems, Electric Vehicles (EV), Energy Storage Systems (ESS), flexible and critical loads, and a Multi-Port Converter (MPC) that connects the aforementioned modules with the power grid make up the residential prosumer residence. Optimal power management is carried out using the Particle Swarm Optimization (PSO) method. The HEMS also features the ability to function independently, by cutting its connection to the main grid. Additionally, the designed system can support grid frequency while taking into account the operational flexibility of the controlled power sources and loads. The use of k-means clustering and feed-forward neural networks in a load demand forecasting system is also proposed. The results obtained from the proposed system demonstrate that the HEMS minimizes the residential prosumer's operating costs, supports system frequency optimally, satisfies all operational requirements of the controlled system, and maintains the operational flexibility of all cooperating power components at the highest level.
Meeting ID: 996 5379 7263
Password: 677803
