Dynamic Demand Control of flexible household appliances a decentralized frequency regulation...

Registre bibliogràfic

  • Títol: Dynamic Demand Control of flexible household appliances a decentralized frequency regulation strategy based on a Neural Network architecture and Genetic Algorithms = Control dinámico de la demanda de electrodomésticos flexibles una estrategia descentralizada de regulación de frecuencias basada en una arquitectura de red neuronal y algoritmos genéticos
  • Autor: Sánchez Muñoz, Daniel José
  • Publicació original: 2020
  • Descripció física: PDF
  • Nota general:
    • Berlín (Alemania)
  • Notes de reproducció original: Digitalización realizada por la Biblioteca Virtual del Banco de la República (Colombia)
  • Notes:
    • Resum: Abstract: This Master thesis presents a decentralized DDC strategy for major household appliances in Berlin. It exploits their power flexibility by means of three key indicators and supported by artificial intelligence. It has been examined whether those appliances may be used in a decentralized frequency regulation successfully. The appliances have been divided into two groups according to their operating characteristics- Thermal and Sequential Loads. This work also inquiries about the suitability of the control strategy to overcome power imbalances caused by PV generation. To answer this question, different seasonal and consumption scenarios have been analyzed. The control strategy is implemented using a modular approach. For this purpose, three main stages have been defined and divided into smaller units. For the implementation of these units Pandapower, MATLAB, and its toolbox MATPOWER have been used. The first stage is the power consumption forecast using a Neural Network. A feed-forward Network has been designed to estimate a day-ahead consumption profile for each household. At the second stage the Sequential Loads optimal scheduling takes place. A Genetic Algorithm optimizes the Sequential Loads turn on time based on householder preferences and characteristics. At the last stage the Dynamic Demand Control strategy takes place. On one hand, LSI stands for the characteristics of the appliances and for the user´s comfort. On the other hand, GSI and GCI represent the grid state from a technical and economic point of view. To validate the method a suitable network has been implemented. This network has 1800 households and includes 198 residential rooftop PV systems. Besides, several scenarios have been designed to test and compare the control strategy under different conditions. Influencing factors such as Energy Consumption Patterns and the size of the higher-level distribution grid are been modified. The analysis of the simulations shows that the proposed DDC strategy succeeds in frequency stabilization with flexible loads. The Energy Consumption Patterns play a relevant role to achieve this regulation. ECP d- the most realistic pattern, allows a successful control during the entire year with a significant low X value equal 10. These positive results allow for the conclusion that a decentralized control strategy with no information exchange can be implemented in a city like Berlin. Resumen: Esta tesis de maestría presenta una estrategia de control dinámica de demanda descentralizada para los principales electrodomésticos en la ciudad de Berlín. Esta estrategia explota la flexibilidad energética de los electrodomésticos mediante tres indicadores clave y al apoyarse en inteligencia artificial. Se ha examinado si esos aparatos pueden utilizarse con éxito en la regulación de frecuencia descentralizada. Los aparatos se han dividido en dos grupos según sus características de funcionamiento: cargas térmicas y secuenciales. Este trabajo también indaga sobre la idoneidad de la estrategia de control para superar los desequilibrios energéticos provocados por la generación fotovoltaica. Para responder a esta pregunta se han analizado diferentes escenarios estacionales y de consumo. La estrategia de control se implementa mediante un enfoque modular. Para ello, se han definido tres etapas principales y se han dividido en unidades más pequeñas. Para la implementación de estas unidades se han utilizado Pandapower, MATLAB y su aplicativo MATPOWER. La primera etapa es la pronostico del consumo de energía mediante una red neuronal. Se ha diseñado una red feed-forward para estimar el perfil de consumo diario para cada hogar. En la segunda etapa tiene lugar la programación óptima de cargas secuenciales. Un algoritmo genético optimiza el tiempo de activación de las cargas secuenciales en función de las preferencias y características del hogar. En la última etapa se lleva a cabo la estrategia de control dinámico de la demanda. Por un lado, LSI representa las características de los electrodomésticos y la comodidad del usuario. Por otro lado, GSI y GCI representan el estado de la red desde un punto de vista técnico y económico. Para validar el método se ha implementado una red adecuada. Esta red tiene 1800 hogares e incluye 198 sistemas fotovoltaicos residenciales en tejados. Además, se han diseñado varios escenarios para probar la estrategia de control en diferentes condiciones. Se modifican factores de influencia como los Patrones de Consumo de Energía y el tamaño de la red de distribución de nivel superior. El análisis de las simulaciones muestra que la estrategia DDC propuesta tiene éxito en la estabilización de frecuencia con cargas flexibles. Los Patrones de Consumo de Energía juegan un papel relevante para lograr esta regulación. ECP d- el patrón más realista, permite un control exitoso durante todo el año con un valor X bajo significativo igual a 10. Estos resultados positivos permiten concluir que una estrategia de control descentralizado sin intercambio de información se puede implementar en una ciudad como Berlín.
    • © Derechos reservados del autor
    • Colfuturo
  • Forma/gènere: Tesi
  • Idioma: castellano
  • Institució origen: Biblioteca Virtual del Banco de la República
  • Encapçalament de matèria:

Web semàntica