Extended model predictive control software framework for real-time local management of complex energy systems

Aragón Cabrera, Gustavo Alejandro; Jarke, Matthias (Thesis advisor); Monti, Antonello (Thesis advisor)

Aachen : RWTH Aachen University (2021)
Doktorarbeit

Dissertation, RWTH Aachen University, 2021

Kurzfassung

Derzeit sind fossile Brennstoffe die Hauptquelle für Stromerzeugung. Diese erhöhen die CO2 Emissionen und verschärfen den Klimawandel auf unserem Planeten. Daher ist eine nachhaltigere Form der Energieerzeugung erforderlich, die mit der Erhöhung des Anteils erneuerbaren Energiequellen erreicht werden kann. Das verlangt den Übergang von zentralisierter zu dezentralisierter Energieerzeugung. Aufgrund der Probleme, die mit der Zunahme von verteilter Erzeugung im Verteilnetz verbunden sind, wie z.B. Spannungsschwankungen und bidirektionaler Stromfluss, muss sich das Verteilnetz in ein steuerbares System umwandeln, welches auch Smart Grid genannt wird. Neue Sensor- und Aktuatortechnologien und EMS, die dank der schnellen ICT-Entwicklung zur Verfügung stehen, sind unerlässlich, um den mit verteilter Erzeugung verbundenen Problemen entgegenzuwirken und ihre Integration in die Energieversorgung zu ermöglichen.Die vorliegende Arbeit befasst sich mit den Herausforderungen von MPC-basierten EMS und der zunehmenden Integration neuer Sensorik und Aktorik, um ein intelligentes Netz zu ermöglichen. In der Literatur gibt es keine Hinweise auf eine höhere Abstraktion von MPC, die über die ursprüngliche Definition hinaus geht. In dieser Arbeit wird daher das Konzept des erweiterten MOC-Frameworks vorgestellt, das ICT-Aspekte der Integration neuer Sensorik und Aktorik, Prognosemethoden, Datenverwaltung, Definition flexibler Optimierungsmodelle und Solver-Integration unter Berücksichtigung von Benutzeranforderungen und Bereitstellungsanforderungen in reellen Systemen umfasst. Somit erleichtert das erweiterte MPC-Framework die Implementierung und Bereitstellung von MPC als lokales EMS in Energiesystemen.Um das erweiterte MPC Framework zu definieren und zu implementieren, analysiert diese Arbeit MPC aus zwei verschiedenen Perspektiven. Die erste sind die Herausforderungen für Benutzer, die mit MPC arbeiten, die durch Kontextinterviews ausgewertet wurden. Die zweite ergibt sich aus den Anforderungen für die lokale Bereitstellung von MPC-Systemen an realen Teststandorten. Die Verbindung beider Perspektiven bildet die Grundlage für die Definition und Implementierung des erweiterten MPC-Frameworks. Es unterstützt die Integration heterogener Sensorik und Aktorik und umfasst das Datenmanagement, die Implementierung von Prognosen, ein flexibles Optimierungsmodellmanagement und die Integration verschiedener Solvers.Das erweiterte MPC-Framework wird durch seine Bereitstellung in drei verschiedenen Anwendungsfällen validiert. Der erste Anwendungsfall umfasst diskrete MPC-Systeme mit vier eingebetteten, unterschiedlichen Optimierungsmodellen, die lokal in fünf Wohngebäuden in Fur (Dänemark) eingesetzt werden. Der zweite Anwendungsfall stellt stochastische MPC-Systeme mit zwei verschiedenen Optimierungsmodellen dar, die an dem Beispiel eines Wohngebäudes und eines Parkplatzes in Bozen (Italien), demonstriert werden. Schließlich verknüpft der dritte Anwendungsfall das erweiterte MPC-Framework mit einem Power Flow Simulator, um Simulationen mit ESS und Ladestationen für EV in einem Netzmodell zu ermöglichen.

Einrichtungen

• Fraunhofer-Institut für Angewandte Informationstechnik - FIT [053300]
• E.ON Energy Research Center [080052]
• Fachgruppe Informatik [120000]
• Lehrstuhl für Informatik 5 (Informationssysteme und Datenbanken) [121810]
• Lehrstuhl für Automation of Complex Power Systems [616310]