28
Αυγ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Ιωάννας Γκιάτα
με θέμα
Βέλτιστη Σχεδίαση Συστήματος Ενεργειακής Αποθήκευσης και Έλεγχος Απόκρισης Ζήτησης για Σταθμούς Φόρτισης Ηλεκτρικών Οχημάτων σε Εγκαταστάσεις Λιμένων
Optimal Energy Storage Sizing and Demand Response Control for Electric Vehicle Charging Stations in Port Facilities
Εξεταστική Επιτροπή
Καθηγητής Γεώργιος Σταυρακάκης (επιβλέπων)
Καθηγητής Ευτύχιος Κουτρούλης
Καθηγητής Σπυρίδων Παπαευθυμίου (Πολυτεχνείο Κρήτης, Σχολή ΜΠΔ)
Περίληψη
Η ταχεία επέκταση των σταθμών φόρτισης ηλεκτρικών οχημάτων έχει προκαλέσει σημαντική επιβάρυνση στο ηλεκτρικό δίκτυο. Παρόλο που η εγκατάσταση συστημάτων αποθήκευσης ενέργειας μπορεί να συμβάλει στον μετριασμό αυτού του προβλήματος, η συμβατική προσέγγιση της απαίτησης ξεχωριστού συστήματος αποθήκευσης ενέργειας συνδεόμενου με κάθε αντίστοιχο σταθμό φόρτισης είναι αναποτελεσματική και οικονομικά δαπανηρή. Μια υποσχόμενη εναλλακτική λύση είναι η εισαγωγή ενός ενιαίου κοινού συστήματος αποθήκευσης ενέργειας στην υποδομή των σταθμών φόρτισης. Ωστόσο, η αποτελεσματική διαχείρισή του θεωρείται εξαιρετικά δύσκολη λόγω των πολύπλοκων περιορισμών σύζευξης, των αντικρουόμενων συμφερόντων μεταξύ των διασυνδεδεμένων σταθμών φόρτισης, καθώς και της εγγενούς αβεβαιότητας που προκύπτει από την παραγωγή ενέργειας από ανανεώσιμες πηγές. Επιπλέον, τα τελευταία χρόνια, οι τεχνολογικές πρόοδοι στον εξηλεκτρισμό των μεταφορών και τη βέλτιστη φόρτιση αξιολογούνται ως βιώσιμες προσεγγίσεις για την ανάπτυξη πράσινων λιμενικών εγκαταστάσεων.
Στην παρούσα εργασία, παρουσιάζεται ένα νέο, βάσει δεδομένων, σύστημα διαχείρισης ενέργειας για διασυνδεδεμένους σταθμούς φόρτισης ηλεκτρικών οχημάτων. Το προτεινόμενο σύστημα αντιμετωπίζει τα προβλήματα του συγκεντρωτικού ελέγχου της απόκρισης ζήτησης, της οικονομικής κατανομής και της βέλτιστης διαστασιολόγησης του κοινού συστήματος ενεργειακής αποθήκευσης. Αρχικά, εξετάζεται το πρόβλημα του ελέγχου της απόκρισης ζήτησης ενός μεγάλου στόλου ηλεκτρικών οχημάτων. Το συγκεντρωτικό προφίλ φόρτισης των ηλεκτρικών οχημάτων υπολογίζεται με τη χρήση ενός εικονικού μοντέλου μπαταρίας και στρατηγικών τιμολόγησης Time of Use. Στη συνέχεια, αναπτύσσεται ένας θεωρητικός αλγόριθμος κατανεμημένου πιθανοτικού εύρωστου ελέγχου πρόβλεψης μοντέλου (Distributed Probabilistic Robust Model Predictive Control) που βασίζεται στις μεθόδους βελτιστοποίησης βασισμένη σε σενάρια (scenario optimization) και ADMM για την αντιμετώπιση της οικονομικής κατανομής των σταθμών φόρτισης. Αυτό επιτυγχάνεται με τη χρήση της προσέγγισης των δυναμικών εικονικών αποθηκευτικών χωρητικοτήτων που αγοράζονται από τους σταθμούς φόρτισης και την συνεκτίμηση των συγκεντρωτικών προφίλ φορτίου των ηλεκτρικών οχημάτων και της αβεβαιότητας της παραγωγής ενέργειας από ανανεώσιμες πηγές. Τέλος, για να επιτευχθεί η αποτελεσματική και οικονομικά αποδοτική χρήση του κοινού φυσικού συστήματος αποθήκευσης ενέργειας, οι δυναμικές εικονικές χωρητικότητες που υπολογίστηκαν προηγουμένως χρησιμοποιούνται για την μεγιστοποίηση του αναμενόμενου κέρδους του φορέα εκμετάλλευσης του συστήματος αποθήκευσης ενέργειας, οδηγώντας στη βέλτιστη διαστασιολόγηση του κοινού φυσικού συστήματος ενεργειακής αποθήκευσης. Μελέτες σε επίπεδο προσομοίωσης στην λιμενική περιοχή του Αμβούργου της Γερμανίας υπογραμμίζουν την υψηλή αποτελεσματικότητα και αξιοπιστία του προτεινόμενου συστήματος διαχείρισης ενέργειας.
Abstract
The rapid expansion of electric vehicle charging stations has introduced significant burden to the electrical grid. Even though the installation of energy storage systems can help mitigate this, the conventional approach of requiring an individual energy storage system attached to each respective charging station is inefficient and expensive. A more promising alternative is the introduction of a single shared energy storage to the charging station infrastructure. However, its effective management is considered highly challenging due to complex coupling constraints, conflicting interests between interconnected charging stations, as well as the inherent uncertainty arisen from renewable energy generation. Furthermore, in recent years, the technological advances in electrification of transportation and optimal charging have been at the spotlight as sustainable approaches for the development of green port facilities.
In this thesis, a novel, data-driven energy management framework for interconnected electric vehicle charging stations is presented. The proposed system tackles the problems of aggregated demand response control, economic dispatch and optimal shared storage sizing. Firstly, the problem of demand response control of a large fleet of electric vehicles is examined. The aggregated charging profile of electric vehicles is computed by utilizing a virtual battery model and Time of Use pricing strategies. Then, a theoretically rigorous, distributed probabilistic robust model predictive control algorithm based on scenario optimization and alternating direction method of multipliers is designed to deal with the economic dispatch of charging stations. This is accomplished by employing the approach of dynamic virtual storage capacities purchased by charging stations and the consideration of aggregated electric vehicle load profiles and renewable power generation uncertainty. Finally, to achieve the efficient and cost-effective utilization of the actual shared physical energy storage system, the dynamic virtual capacities previously computed are used to maximize the expected profit of the energy storage system operator, leading to the optimal sizing of the shared physical storage. Simulation case studies in the port area of Hamburg, Germany underline the high effectiveness and reliability of the proposed overall energy management system.
Meeting ID: 934 400 1013
Password: 123456