Islanded Microgrids: a Predictive Approach to Control Operation

Abstract

Bygging av mikronett i øydrift er et alternativ for å levere energi til avsidesliggende områder. For å bidra til det grønne skiftet er alternativer som bruker fossile brennstoff ikke aktuelle. Væravhengige energikilder er vanlige å bruke for å gjøre mikronett fornybare. For å kompensere for deres varierende generering er prediksjoner nyttige.

Et casestudie er utført på Rye Mikronett i Trondheim. Prediksjoner av effekt fra fotovoltaiske paneler, en vindturbin og last er utført. Lagringsenhetene i mikronettet er et batteri og et hydrogensystem (elektrolysør, tank og brenselcelle). En dieselgenerator er installert som reserveløsning.

I denne oppgaven har det blitt utviklet en ny operasjonsstrategi. Det nye designet er inspirert av Model Predictive Control. Effektprediksjoner er laget, basert på enkle maskinlæringskonsepter. Prediksjonsmodellene er trent på historiske målinger av værdata og tidspunkter. I hvert tidssteg blir prediksjonene over en viss tidshorisont laget. Disse prediksjonene blir tatt med i en optimering for å bestemme hver enkelt komponents effekt. Det første tidssteget fra optimeringsresultatet blir utført. Før dette kan gjøres må effektene balanseres på nytt, for å gjøre opp for feil i prediksjonene. Prosessen blir gjentatt for hver time i ett år.

Resultatene tydeliggjør viktigheten av et godt styringssystem. Optimeringens objektivfunksjon sitt hovedfokus var å begrense bruken av dieselgeneratoren. I tillegg ble mengden kuttet energi fra solcellepanelene og vindmøllen begrenset. Den siste prioriteringen var å begrense mengden tapt energi i omgjøringene i batteri, elektrolysør og brenselcelle. Den prediktive metoden har stor innvirkning på hvordan mikronettet opereres. Ved den implementerte objektivfunksjonen er det enkelt å endre strategien. Sammenligning av den nye, prediktive metoden med den eksisterende strategien, viser at energien fra dieselgeneratoren blir redusert med 48.71%. Disse resultatene reduserer mikronettets dieselavhengighet.

Som en konsekvens av dette kan endringene i styringssystemet ha en effekt på mikronettets suksess. Det kan bli et verdifullt tillegg i både nye og eksisterende mikronett. Håpet er at denne oppgaven kan bidra til å gjøre fornybar energi tilgjengelig, særlig i avsidesliggende områder.

Building an island mode operated microgrid is a solution to supply remote areas with electricity. In order to contribute to the decarbonization, fossil fuel solutions are not an option. Weather dependent energy sources are common, in order to make these microgrids renewable. To compensate for their intermittent behaviour power predictions are useful.

A case study is conducted on Rye microgrid in Norway. Predictions of the power from photovoltaic panels, a wind turbine and a load are made. The storage units in the microgrid are a battery energy storage system and a hydrogen energy storage system (electrolyser, tank and fuel cell). A diesel generator set is also included for backup.

In this thesis, a new operational strategy for the microgrid is developed. The new design is inspired by Model Predictive Control. Power predictions are made, based on basic machine learning concepts. The prediction models are trained on historical measurements of environmental data and time stamps. In every time step, the predictions are made for a certain control horizon. These predictions are input into an optimisation, that is executed to determine the power of all involved components. The first time step of the optimisation result is applied to the microgrid. In order to do so, a balancing of powers is done, to make up for inaccuracies in the predictions. The process is repeated for every hour of a year.

The results clarify the importance of having a good control system. The objective function's main focus was to limit the power from the diesel generator. In addition, it limited the amount of curtailed power from the generating units. The final priority was to limit the energy lost in conversion related to the battery, electrolyser and fuel cell. The predictive control greatly influences the operation, and having an objective function makes the system strategy easy to alter. Comparing the developed model with the existing model, the energy supplied by the diesel generator was reduced by 48.71%. These results bring the microgrid closer to meeting its goal of limiting the diesel dependence.

As a consequence, changing the operational strategy may have an impact on the microgrid success. It could be considered a valuable design feature in new and established microgrids. The final hope is for this thesis to contribute to renewable energy being available, even in remote locations.