Data-Driven Model Predictive Control of Micro-Grid Operation

Abstract

I 2015 underskrev 196 land klimaavtalen i Paris, med intensjonen om å holde den globale temperaturøkningen under 2 grader. To hovedtiltak som må tas for å nå dette målet er: mer energi produsert fra fornybare kilder og elektrifiseringen av sektorer med høyt utslipp. Denne overgangen vil lede til høyere etterspørsel etter strøm og krever en mer effektiv bruk av strømnettet. Mikronett er distribuerte kraftsystemer med egen kraftproduksjon og energilagring, som kan øke fleksibiliteten i strømnettet. Mikronett er derfor foreslått som en løsning for økt bruk av fornybar energi og effektiv utnyttelse av strømnettet.

Som reguleringssystem i et mikronett foreslår denne oppgaven å bruke modell prediktiv kontroll (MPC) som reflekterer økonomien av å være en del av den norske kraftnettet. I tillegg utvikles metoder for å predikere strømproduksjonen fra et solcelleanlegg og laster som trekker strøm fra mikronettet. Metodene er utviklet og testet med data fra Skagerak EnergyLab i Skien, Norge. Mikronettet har et batterilagringssystem med kapasitet på 1100kWh, og solcellepanel med nominell production på 800kW. Mikronettet leverer strøm til to laster, en industriell bygning og et nabolag. Et realistisk simuleringsmiljø ble utviklet ved å lage en matematisk modell, og data fra mikronettet. Dette ble brukt til å teste forskjellige konfigurasjoner av reguleringssystemet. I tillegg er det lagt fokus på å minimere beregningstiden til systemet, ettersom det skal ha mulighet til å kjøre i sanntid.

En økonomisk MPC (EMPC) ble utviklet for å kontrollere balansering av laster, strømproduksjon fra solceller, batterisystemet og tilkobling til strømnettet på en økonomisk måte. Usikkerheter fra prediksjonsmetodene våre er adressert ved å inkludere mulige scenarioer i reguleringssystemet. Dette ga en senario-tre EMPC (SEMPC), som ble testet i tre konfigurasjoner; med 3, 7, og 9 grener. To forskjellige prediksjonmetoder er foreslått for laster og solcelle-produksjon. Strømforbruket fra lastene blir predikert ved å bruke et kunnskaps-basert system. Produksjonen fra solcellene er beregnet ved å bruke lineær regresjon basert på numeriske værvarsler av solinnstråling og temperatur.

Resultatkapittelet sammenlikninger kostnader og beregningstiden til forskjellige konfigurasjoner av EMPC- strategiene. To forskjellige strukturer for nettleie er testet, hvor den første er den nåværende nettleien med en pris per kWh. Den andre er den nye nettleie-strukturen foreslått av NVE, hvor maksimalt strømforbruk bestemmer nettleien. For å sammenlikne de forskjellige konfigurasjonene brukes et regel-basert reguleringssystem, hvor strømmene er balansert uten bruk av batteriet. Med den nåværende nettleien har alle konfigurasjonene relativt lik ytelse, og kostnadene i systemet er redusert med 47%. Med den nye nettleien er forskjellene større, men systemet med SEMPC reduserer kostnadene med 55%.

In 2015, 196 countries agreed to the Paris Climate Agreement, intending to keep global warming below 2 degrees Celcius. Two main measures have to be implemented to reach this goal: more energy production from renewable energy sources and electrification of sectors with high emissions. This transition will lead to a higher demand for electricity and the need for a more efficient operation of the power grid. Micro-grids are distributed power units with internal power production and energy storage, which can increase flexibility in the grid. Micro-grids are therefore suggested as a solution for increasing the use of renewable energy sources and improving the efficiency of the grid.

However, micro-grids are still a field of research. This thesis proposes to develop a model predictive control (MPC) scheme for micro-grids that reflect the economics of being connected to the Norwegian power infrastructure. Furthermore, data-driven prediction methods are developed for forecasting solar production and load demands. The methods are developed and tested on data from a real-life micro-grid, namely the Skagerak EnergyLab located in Skien, Norway. The micro-grid has a battery energy storage system with a capacity of 1100kWh and PV-cells with a nominal power production of 800kW. It supplies energy to two loads; an industrial facility and a residential neighborhood. A mathematical model was developed and combined with real data measured from the micro-grid to create a realistic simulation environment. The simulations allowed for the testing of the different controllers. Furthermore, keeping the computational time low is considered, as the control system should be able to operate in real-time.

An economic MPC (EMPC) scheme was developed to balance load demands, solar generation, battery storage system, and grid connection in an economical fashion. Furthermore, to handle uncertainty and offer more robust control, the controller was extended to a scenario-tree EMPC (SEMPC) and tested in three configurations; 3, 7, and 9 branches. Two different prediction methods are proposed for load demands and solar production. Load forecasts were implemented with a knowledge-based system. Furthermore, power production from PV cells was calculated with a model found through multiple linear regression, using air temperature and irradiance data from numerical weather forecasts.

The results of the simulations compare the different MPC strategies in the context of computational time and operation cost. Two different models for grid tariff cost are evaluated, the first being the current price model of consumption-based tariff for grid usage. The second is a proposed tariff model by NVE, aiming for a more efficient grid operation where the peak power usage sets the basis for the grid tariff. The baseline used in the results is a rule-based controller, which balances powers without a battery. With the current tariff models, all MPC schemes implemented have similar performance and reduce the total operation cost by 47%. Under the future tariff system of peak cost, the SEMPC with seven branches reduces the operation costs by 55%.