Συντάχθηκε 15-07-2026 07:35
Ενημερώθηκε:
15-07-2026 07:48
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 21/07/2026 10:00
Λήξη: 21/07/2026 11:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Εμμανουήλ Πετράκη
με θέμα
Βελτιστοποίηση Σχεδιασμού Συστημάτων Αποθήκευσης Ενέργειας σε Συσσωρευτές που Διασυνδέονται με το Ηλεκτρικό Δίκτυο
Design Optimization of Grid-connected Battery Energy-Storage Systems
Εξεταστική Επιτροπή
Καθηγητής Ευτύχιος Κουτρούλης (Επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Επίκουρος Καθηγητής Γεώργιος Πέππας
Περίληψη
Η αυξανόμενη διείσδυση των Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) στα σύγχρονα ηλεκτρικά δίκτυα δημιουργεί αυξημένες απαιτήσεις για την ανάπτυξη αποδοτικών συστημάτων αποθήκευσης ενέργειας. Tα Συστήματα Αποθήκευσης Ενέργειας με Μπαταρίες (Battery Energy Storage Systems – BESS) αποτελούν μία από τις σημαντικότερες τεχνολογίες για την υποστήριξη της λειτουργίας των ηλεκτρικών δικτύων και την αποτελεσματική αξιοποίηση της παραγόμενης ενέργειας.
Στην παρούσα διπλωματική εργασία αναπτύσσεται μια μεθοδολογία βελτιστοποίησης του μεγέθους (διαστασιολόγηση) συστημάτων αποθήκευσης ενέργειας που αποτελούνται από πέντε διαφορετικές τεχνολογίες μπαταριών: μπαταρίες Lead Acid, μπαταρίες Vanadium Redox Flow Battery (VRFB), μπαταρίες Sodium Sulphur (NaS), μπαταρίες Lithium-Ion LFP και μπαταρίες Nickel Cadmium (NiCd). Η αξιολόγηση του συστήματος πραγματοποιείται μέσω ετήσιας προσομοίωσης 8760 ωριαίων χρονικών βημάτων, χρησιμοποιώντας ενεργειακό προφίλ που προέκυψε από επεξεργασία δεδομένων παραγωγής του ΔΕΔΔΗΕ για το νησιωτικό σύστημα Κω–Καλύμνου για το έτος 2025.
Η διαδικασία βελτιστοποίησης υλοποιείται σε περιβάλλον MATLAB με χρήση Γενετικών Αλγορίθμων (Genetic Algorithms – GA). Κάθε υποψήφια λύση περιγράφεται από δεκαπέντε ακέραιες μεταβλητές που καθορίζουν τη διαμόρφωση των επιμέρους τεχνολογιών, δηλαδή τον αριθμό συστοιχιών και τη συνδεσμολογία σε σειρά και παράλληλα. Για κάθε λύση πραγματοποιείται πλήρης προσομοίωση της λειτουργίας του συστήματος και υπολογίζονται οι οικονομικοί δείκτες Net Present Cost (NPC), Net Present Value (NPV) και Levelized Cost of Energy (LCOE).
Η ανάλυση πραγματοποιείται για δύο διαφορετικά σενάρια λειτουργίας. Στο πρώτο σενάριο το BESS ανήκει στον διαχειριστή του δικτύου και λειτουργεί με σκοπό την υποστήριξη του ηλεκτρικού δικτύου, ενώ στο δεύτερο σενάριο εξετάζεται η λειτουργία του BESS από ιδιώτη επενδυτή, ο οποίος αγοράζει ηλεκτρική ενέργεια από το δίκτυο σε χαμηλή τιμή, την αποθηκεύει και στη συνέχεια την μεταπωλεί σε υψηλότερη τιμή, με σκοπό τη μεγιστοποίηση του οικονομικού οφέλους.
Τα αποτελέσματα δείχνουν ότι το μοντέλο λειτουργίας και οι οικονομικές παραδοχές επηρεάζουν καθοριστικά τη βέλτιστη σύνθεση του συστήματος αποθήκευσης. Στο πρώτο σενάριο η βέλτιστη λύση αξιοποιεί και τις πέντε διαθέσιμες τεχνολογίες μπαταριών, με τις Li- Ion LFP να παρουσιάζουν τη μεγαλύτερη εγκατεστημένη ενεργειακή χωρητικότητα και τις Lead Acid να συμμετέχουν επίσης σημαντικά στη συνολική διαμόρφωση του συστήματος. Αντίθετα, στο δεύτερο σενάριο επιλέγονται μόνο οι τεχνολογίες Li-Ion LFP και NaS, σύμφωνα με τις οικονομικές παραδοχές της μελέτης. Και στα δύο σενάρια επιτυγχάνεται πλήρης κάλυψη του ετήσιου ενεργειακού φορτίου. Η εργασία αναδεικνύει τη σημασία της τεχνοοικονομικής βελτιστοποίησης κατά τον σχεδιασμό συστημάτων αποθήκευσης ενέργειας και δείχνει ότι η βέλτιστη επιλογή των τεχνολογιών εξαρτάται τόσο από τα τεχνικά χαρακτηριστικά των μπαταριών όσο και από το μοντέλο λειτουργίας και τις οικονομικές παραμέτρους που χρησιμοποιούνται στη διαδικασία βελτιστοποίησης.
Abstract
The increasing penetration of Renewable Energy Sources (RES) into modern power systems has created a growing demand for efficient energy storage technologies. Battery Energy Storage Systems (BESS) have emerged as one of the most promising solutions for improving grid stability, increasing the utilization of renewable energy, and enhancing the overall reliability of electrical power systems.
This diploma thesis presents an optimization methodology for the optimal sizing of a hybrid Battery Energy Storage System consisting of five different battery technologies: Lead Acid, Vanadium Redox Flow Battery (VRFB), Sodium Sulphur (NaS), Lithium-Ion Lithium Iron Phosphate (Li-Ion LFP), and Nickel Cadmium (NiCd). The proposed methodology is implemented in MATLAB and is based on an annual simulation of 8,760 hourly time steps using an energy profile derived from processed Hellenic Electricity Distribution Network Operator (HEDNO) generation data for the Kos–Kalymnos island power system for the year 2025.
The optimization process is performed using Genetic Algorithms (GA). Each candidate solution is represented by fifteen integer decision variables defining the number of battery strings as well as the series and parallel configuration of each battery technology. For every candidate solution, a complete annual simulation is carried out and the corresponding economic performance is evaluated using the Net Present Cost (NPC), Net Present Value (NPV), and Levelized Cost of Energy (LCOE) indices.
The proposed methodology is evaluated under two different operating scenarios. In the first scenario, the BESS is owned by the grid operator and is used to support grid operation by storing surplus energy and supplying energy during periods of demand. In the second scenario, the BESS is owned by a private investor who purchases electricity from the grid at a low price, stores it, and sells it back to the grid at a higher price in order to maximize economic benefit.
The results demonstrate that the operating model and the economic assumptions significantly influence the optimal configuration of the hybrid BESS. In the first scenario, the optimal solution utilizes all five battery technologies, with Li-Ion LFP batteries providing the largest installed energy capacity, while Lead Acid batteries also contribute significantly to the overall system configuration. In contrast, the second scenario selects only Li-Ion LFP and NaS batteries according to the economic assumptions adopted in this study. In both scenarios, the system achieves full annual demand coverage while satisfying all technical operating constraints.
Overall, the proposed methodology demonstrates that combining annual time-series simulation with Genetic Algorithms provides an effective and reliable approach for the optimal sizing of hybrid Battery Energy Storage Systems. Furthermore, the study highlights that the optimal selection of battery technologies depends not only on their technical characteristics but also on the operating strategy and the economic parameters considered during the optimization process.
