Multiagentní MPC protokoly pro energetickou optimalizaci mikrosítě

Abstract

Navržení efektivního a spolehlivého řízení mikrosítí s vysokým podílem energie z obnovitelných zdrojů, je jednou z výzev při jejich nasazení. Prediktivní řízení (MPC) systému je slibný přístup, jak vyřešit tento problém v určitém časovém horizontu. Tento přístup umožňuje integraci řízení na základě minimalizace funkce, která dává do souvislosti různé druhy nákladů a omezení systému, ve vazbě na výrobu a spotřebu energie. Navržené multiagentní MPC řízení bylo vyvinuto jako dvoustupňová architektura, založená na konsensuálním algoritmu více agentů, který zajišťuje výkonovou rovnováhu v mikrosíti a centralizovaném MPC, který zefektivňuje řízené procesy tak, aby dosáhly vytyčených cílů. Při zkoumání navržených simulací byla ověřena předpokládaná korelace získaných výsledků a řídicích parametrů. Dále byla identifikována a analyzována situace s nejvyšším zlepšením ve srovnání s výsledky referenční řídící architektury. Na základě výsledků testů řídicího protokolu na testovaných datech, které byly měřeny v reálné mikrosíti, je vidět možnost významného snížení nákladů na provoz mikrosítě. Navrhované řešení tedy ukazuje vhodnost jeho implementace a přínos, jak pro provozovatele mikrosítí, tak pro zákazníky distribuční soustavy.

One of the challenges of microgrids under the influence of high shares of intermittent renewable energy sources (RES) is an effective and reliable control. Model predictive control (MPC) is a promising approach to solve this problem for a specified time horizon since it allows integrating of a cost-minimizing objective function and system boundaries while taking power demand and supply into account. An agent-based MPC scheme was developed as a two-level architecture based on multi-agent control system (MAS) consensus algorithm providing power balance in the microgrid and centralized MPC that is aspiring to streamline the control processes to reach the targeted objectives. During the examination of the simulated results, the expected correlation of the result properties and control parameters was found. Additionally, the situations with the highest improvement ratio in comparison with the results of the reference control architecture were discovered and analysed. Based on the results, a significant cost reduction can be seen in most of the tested datasets that were measured on a real-life microgrid solution. Therefore, the implementation of the suggested control can prove to be appropriate and beneficial for microgrid operators and grid customers.