Vis enkel innførsel

dc.contributor.advisorFosso, Olav Bjarte
dc.contributor.advisorZaferanlouei, Salman
dc.contributor.authorPérez Bravo, Manuel
dc.date.accessioned2021-09-15T17:18:30Z
dc.date.available2021-09-15T17:18:30Z
dc.date.issued2020
dc.identifierno.ntnu:inspera:54192396:48117894
dc.identifier.urihttps://hdl.handle.net/11250/2778268
dc.description.abstractTransport- og energisektorer er kilde til de fleste klimagassutslippene i Europa. Elektriske kjøretøy blir sett på som et effektivt alternativ mot optimalisering av transportenergieffektivitet, innføring av lavutslippsenergier og overgangen til nullutslippskjøretøyer. Samtidig er det behovet for å akselerere opptaket av fornybare energier, med et spesielt fokus på strømproduksjonen. Elektriske kjøretøyer kan faktisk også bidra til introduksjonen deres, ved å gjøre etterspørselen mer fleksibel og legge til energilagring til systemet, og dermed takle variasjonen i noen fornybare kilder som vind eller sol. Likevel er den økende bruken av elektriske kjøretøy ikke bare en mulighet, men også en utfordring. En større bilpark sammen med tendensen til å øke batterikapasiteten og ladeprisen, kompromitterer sikker drift av distribusjonsnettet og begrenser det. Med det formål å unngå den fysiske oppgraderingen av nettverket oppstår konseptet Smart lading, i samsvar med prinsippene i Smart Grid: integrere oppførselen til alle brukere for å sikre økonomisk effektiv og bærekraftig drift av strømnettet. Blant Smart Charging-settet med teknikker søker Smart Pricing å fremme en effektiv ladeadferd ved å sende forbrukerne økonomiske signaler som gjenspeiler de faktiske energikostnadene. Locational Marginal Pricing (LMP) er en markedsdesign som allerede er i bruk, og som gjør det mulig for grossistprisene for elektrisk energi å reflektere de faktiske energikostnadene på forskjellige steder, og ikke bare utgjør systemprisen, men også for belastning og tapskostnader i Nettverk. I denne oppgaven studeres innføringen av et prisopplegg basert på LMP for ladestasjonene. Hensikten er å vurdere effektiviteten i å flytte etterspørselen i både tid og rom, dvs. oppfordre sjåfører til å lade i perioder med høyere generasjon og dermed lavere priser, samtidig som belastningen fordeles mellom stasjonene med færre belastninger og tapskostnader. For dette formålet er det utviklet et sanntids samarbeidende simuleringsverktøy, som integrerer en Agentbasert modell av sjåførenes oppførsel, og den optimale kraftstrømmen til nettverkets begrensninger, basert på et reelt norsk lokalt nettverk med 856 forbrukere. Ved å analysere agensenes respons på den dynamiske lokale prisingen over flere dager, og i sammenligning med to andre referansescenarier, viser resultatene hvordan ladeaksjonen kan optimaliseres på kort og lang sikt ved å flytte etterspørselen i henholdsvis rom og tid. Sammenlignet den foreslåtte prisordningen med dagens situasjon i Norge, ser kostnadene for lading av energi en reduksjon på opptil 35 % for nettet og 18 % for sjåførene, mens de øker gevinstmarginene til infrastrukturleverandøren, og dermed gjør ladingen av elektriske kjøretøyer som er mer fordelaktig for alle involverte parter.
dc.description.abstractTransport and energy sectors are source to the majority of greenhouse gas emissions in Europe. Electric vehicles are regarded as an effective alternative towards the optimisation of the transport energy efficiency, the introduction of low-emission energies, and the shift to zero-emission vehicles. Simultaneously, there is the need of accelerating the uptake of renewable energies, with a special focus on the electricity generation. Electric vehicles can indeed also contribute to their introduction, by making the demand more flexible and adding energy storage to the system, thus tackling the variability of some renewable sources such as wind or solar. Nevertheless, the growing adoption of electric vehicles is not only an opportunity but also a challenge. A larger fleet of vehicles, together with the tendency of increasing their battery capacity and charging rates, compromises the safe operation of the distribution grid and limits its hosting capacity. With the purpose of avoiding the physical upgrade of the network, the concept of Smart Charging arises, aligned with the principles of the Smart Grid: integrating the behavior of all users to assure the economically efficient and sustainable operation of the power grid. Among the Smart Charging set of techniques, Smart Pricing seeks fostering an efficient charging behavior by means of sending the consumers economic signals that reflect the actual cost of energy. Locational Marginal Pricing (LMP) is a market design, already in use, that enables the wholesale electric energy prices to reflect the actual cost of energy in different locations, accounting not only for the system price but also for the congestion and losses costs in the network. In this thesis, the introduction of a pricing scheme based on LMP for the charging stations is studied. The purpose is to assess its efficiency in relocating the demand in both time and space, i.e., encouraging drivers to charge during periods of higher generation thus lower prices, while distributing the load among the stations with fewer congestion and losses costs. For this purpose, a real-time cooperative simulation tool has been developed, integrating an Agent-Based Model of the drivers' behavior, and the Optimal Power Flow of the network constraints, based on a real Norwegian local network with 856 consumers. By analysing the response of agents to the dynamic local pricing over several days, and in comparison with two other reference scenarios, results show how the charging operation can be optimized in the short and long terms, by relocating the demand in space and time respectively. Comparing the proposed pricing scheme with the current situation in Norway, the cost of charging energy sees a reduction of up to 35 % for the grid and 18 % for the drivers while increasing the profit margins to the infrastructure provider, hence making the charging of electric vehicles more advantageous for all the parties involved.
dc.language
dc.publisherNTNU
dc.titleAgent-based modelling of EV charging scheduling towards optimized operation in Smart Grids
dc.typeMaster thesis


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel