Optimal energy management for smartgrids considering thermal load and dynamic pricing.

Nguyen, Duong Tung (2014). Optimal energy management for smartgrids considering thermal load and dynamic pricing. Mémoire. Québec, Université du Québec, Institut national de la recherche scientifique, Maîtrise en télécommunications, 112 p.

Prévisualisation

PDF Télécharger (4MB) | Prévisualisation

Résumé

Une participation plus active de la demande dans le fonctionnement du réseau et l'intégration efficace des ressources énergétiques distribuées (RED) telles que les véhicules électriques (VE), le stockage de l'énergie (SE), et les sources d'énergie renouvelables (SER) dans les systèmes d'alimentation existants sont des objectifs importants dans la conception du futur réseau électrique intelligent. En outre, les gestionnaires de réseau d'électricité ont besoin d'équilibrer l'offre et la demande d'électricité en temps réel pour maintenir la stabilité du réseau. Traditionnellement, les réseaux d'électricité sont construits avec une capacité de réserve pour répondre à la pointe de consommation électrique. Ici, la gestion de la pointe de consommation est essentielle dans la planification de l'extension du réseau tout en gardant le prix de l'électricité raisonnable. La maitrise de la demande en énergie (MDE) a été considérée comme un moyen efficace pour gérer la demande croissante en électricité. En particulier, MDE aide non seulement les services publics et les gestionnaires de réseau à différer la nécessité de mettre à niveau leurs réseaux d'électricité et d'améliorer le service à la clientèle, mais aussi à fournir aux clients la possibilité de réduire leurs factures d'électricité. Un système de chauffage, de ventilation et de climatisation (CVC) est l'un des éléments clés dans la maitrise de la demande en énergie. En fait, les utilisateurs d'électricité désirent généralement maintenir la température intérieure à une valeur consigne optimale, qui dépend de leurs préférences et de l'état d'occupation du bâtiment. Toutefois, les utilisateurs peuvent accepter un petit écart entre la température de l'intérieur et le point de consigne désiré. Évidemment, ils sont plus confortables lorsque la température intérieure est plus proche du point de consigne préféré. Si la température souhaitable et la déviation de la température maximale admissible sont connues alors, la température de l'intérieur doit être maintenue pour qu'elle soit dans la plage de température requise. Ensuite, la consommation d'énergie de CVC peut être programmée d'une façon intelligente afin de réaliser des économies de coûts de l'électricité sans violer les exigences de confort des utilisateurs. Plus précisément, le système de CVC peut consommer plus de puissance pendant les heures de faible prix d'électricité pour prérefroidir (préchauffage) les bâtiments en été (hiver) alors qu'il peut réduire la consommation d'énergie pendant les heures où le prix de l'électricité est élevé, tout en maintenant la température à l'intérieur de la zone de confort grâce à l'inertie thermique du bâtiment. La planification intelligente de l'énergie pour les systèmes de CVC est un sujet de recherche important pour plusieurs raisons. Tout d'abord, la charge de CVC contribue à une partie significative de la consommation totale d'énergie dans les bâtiments résidentiels et commerciaux. Par conséquent, il représente une part importante des factures d'électricité des utilisateurs. Ensuite, la consommation d'énergie agrégée des systèmes de CVC est la principale cause de la pointe de consommation électrique en été et en hiver. Enfin, tout en étant l'un des appareils les plus consommant d'énergie, le système de CVC offre une grande flexibilité dans le contrôle de sa consommation tout en respectant les besoins de confort des utilisateurs. L'objectif général de cette thèse est d'étudier le problème de coordination de la planification énergétique des systèmes de CVC et les différentes ressources énergétiques distribuées afin de maximiser les avantages pour les utilisateurs. Les avantages de la coordination sont évalués dans deux scénarios d'application différents en utilisant des modèles mathématiques rigoureux. En outre, les caractéristiques de fonctionnement des différents RED, le concept de microréseau (MR), et les principes de négoce d'énergie dans le marché concurrentiel de l'électricité sont également étudiés. Le contenu de cette thèse est organisé comme suit. Le chapitre 2 couvre le fond pertinent, y compris la modélisation de la dynamique thermique du bâtiment et les techniques basiques d'optimisation. Le chapitre 3 présente le cadre d'optimisation conjointe pour les véhicules électriques et les systèmes de CVC. Le chapitre 4 étudie un modèle d'optimisation stochastique pour la planification énergétique et les activités d'appels d'offres des microréseaux où la charge de CVC est utilisée pour compenser les incertitudes dans le processus de prise de décision de l'agrégateur du MR. Enfin, le chapitre 5 conclut la thèse en fournissant un bref résumé du travail accompli et énumérant quelques orientations futures de la recherche.

More active participation of the demand side and efficient integration of distributed energy resources ( DERs) such as electric vehicles(EVs), energy storage (ES), and renewable energy sources (RESs) into the existing power systems are important design objectives of the future smart grid. In general, effective demand side management (DSM) would benefit both system operators (e.g., peak demand reduction) and electricity customers (e.g., cost saving). For building and home energy scheduling design, heating, ventilation, and air-conditioning (HVAC) systems play a very important role since HVAC power consumption is very significant and the HVAC load can be scheduled flexibly while still maintaining user comfort requirements. This thesis focuses on energy scheduling design for two different application scenarios where HVAC and various DERs are considered to optimize the benefits electric users. The first part of the thesis studies the joint scheduling optimization of EVs and HVACs, which aims to minimize the total electricity cost considering user comfort requirements. The proposed design exploits EVs as a dynamic storage facility where the energy stored in each EV can be used to charge other EVs (EV2EV) or to supply to HVAC systems (EV2HVAC) during the high-priced periods. Various system and design parameters such as user temperature comfort preference, household occupancy and EV travel patterns as well as detailed modeling of building thermal dynamics are captured in the proposed model. Under our design, optimal power consumption profiles of HVACs and optimal charging/discharging profiles of EVs can be obtained by solving a simple linear programming (LP) problem. Numerical studies show that the HVAC systems tend to consume more energy during off-peak hours to precol (preheat) buildings in summer (winter) and consume less energy during the on-peak periods while still maintaining the indoor temperature within the predefined comfort range thanks to building thermal inertia. Furthermore, our design enables a subset of EVs to be discharged to supply electricity to the HVAC systems and other EVs during on-peak hours. This is confirmed to result in significant cost saving, allow more flexibility in setting the tradeoff between cost and user comfort, and reduce energy demand during on-peak hours. The second part of the thesis investigates an optimal power scheduling and bidding problem for a community-scale microgrid (MG) under the day-ahead( DA) pricing. The considered MG consists of RESs (e.g., wind turbines, solar panels), conventional generating units (e.g., fuel cells, microturbines), a number of buildings with their associated loads, and an optional battery storage facility. The proposed optimization framework aims to balance between maximizing the expected benefit of the MG and minimizing the MG operation cost considering user thermal comfort requirements and other system constraints. The underlying problem is formulated as a two-stage stochastic program where first-stage decisions include commitment statues of all conventional units and hourly bid quantities that the MG aggregator submits to the DA market while the second-stage decisions comprise power dispatch decisions actual power exchange between the MG and the main grid, battery charging/discharging decisions, and amount of involuntary load curtailment and renewable energy curtailment. The thermal dynamic characteristics of buildings is exploited to compensate for the variability of renewable energy generation. Numerical results show that integrating flexible HVAC load scheduling into energy management framework of the MG aggregator can indeed increase significantly the MG profit and reduce the amount of renewable energy curtailment, which also helps mitigate the high energy imbalance charge caused by bid deviation.

Type de document:	Thèse Mémoire
Directeur de mémoire/thèse:	Le, Long Bao
Mots-clés libres:	chauffage; ventilation; climatisation; CVC; coordination de planification énergétique; modèles mathématiques; ressources énergétiques distribuées
Centre:	Centre Énergie Matériaux Télécommunications
Date de dépôt:	04 déc. 2014 21:41
Dernière modification:	01 oct. 2021 17:41
URI:	https://espace.inrs.ca/id/eprint/2427

Gestion Actions (Identification requise)

Modifier la notice