Návrh řízení zdrojů elektrické energie zohledňující nová pravidla na trhu s energiemi

Abstract

Práce se zabývá řízením a optimalizací distribuovaných energetických systémů. Cílem práce je návrh algoritmu, pro optimální řízení distribuovaného systému v reálném čase. První část práce se zabývá obecným popisem trhu s energiemi, zavedením systémového popisu jednotek, charakterizováním řídících signálů a formulací optimalizačního problému. V druhé části je na základě této studie sestaven MILP model, řešící optimalizační zpětně při znalosti všech požadavků na systém. Při řízení v reálném čase, ale nemáme k dispozici budoucí požadavky a úloha tak obsahuje neurčitosti. Neurčitosti byly vyřešeny heuristikami upravující MILP model pro provoz v reálném čase a odhadováním budoucích požadavků. K odhadování požadavků byly zkonstruovány dva prediktory. První prediktor využívá statistického ARIMA modelu a druhý prediktor byl vytvořen jako LSTM neuronová síť. Následné experimenty testují na reálných datech online algoritmus s ARIMA prediktorem a LSTM prediktorem a porovnávají jeho efektivitu vůči optimálnímu řešení nalezené zpětnou optimalizací pomocí offline algoritmu.

The thesis is focused on the optimization of the Virtual Power Plant (VPP). Its aim is to design an algorithm for optimal control of VPP in real-time. First part describes the energy market, the behaviour of VPP, rules for providing Frequency Restoration Reserve services and formulates our optimization task. The second part of the thesis is focused on the design of the control algorithm. Initially is formulated formal mathematical description of the problem and subsequently provided MILP model. It represents an offline algorithm, that founds an optimal solution on a closed time interval if we know the trajectories of input signals. As demands for the reserve power activations are not known in real-time, it brings additional uncertainties to be solved. To deal with them is used rolling window method with a modified MILP model and with created predictors using ML algorithms and statistic methods. The developed algorithm is then tested with the real data from multiple VPPs and the output is compared with the optimal solution obtained from an offline algorithm.