Demand response verification using baseline estimation and load disaggregation

Abstract

Det fremtidige kraftsystemet står overfor flere utfordringer, for eksempel integrering av fornybareenergikilder og den raske økningen i energiforbruk. Fleksibilitet foreslås som en del av løsningenfor å løse disse utfordringene. Med integrasjonen av smarte systemer kan fleksibilitet tilbys påforbrukersiden av kraftsystemet ved å redusere forbruket for å møte tilbudet. Baseline estimeringrefererer til estimering av den normale driften av lastene som deltar i fleksibilitetsprosessen. Denneestimeringen er utfordrende på grunn av at måling av strømforbruket vanligvis er på bygningsnivåog ikke lastnivå. Baseline estimering gir ikke informasjon om opprinnelsen til fleksibiliteten og utenopprinnelsen kan fleksibilitetsoppgjøret være unøyaktig. Lastdeling er prosessen med å innhenteindividuell lastinformasjon fra aggregerte forbruksmålinger. Det kan gi tilleggsinformasjon om detenkelte lastforbruket, for eksempel en effektprofil for den fleksible lasten og opprinnelsen til denfleksible effekten. Siden det er usikkerhet i både grunnlagsestimering og lastdeling, kan kombineringav metodene skape et mer nøyaktig fleksibilitetsoppgjør.Denne oppgaven undersøker muligheten for å kombinere lastdeling som en ekstra validering av flek-sibilitet itillegg til estimering av baseline. Modellen sammenligner ytelsen til tre forskjellige baselineberegningsmetoder: LSTM reccurent network metode, en artificial nerual network metode og engjennomsnittsmetode. I tillegg undersøkes muligheten for ytterligere verifisering av fleksibilitet vedlastdeling. Kombinasjonen av estimering av baseline og lastdeling blir testet på reelle kundedatalevert av ENFO AS. Den ekstra valideringen kan optimalt gi en effektprofil for den fleksible lastenfor å bestemme fleksibiliteten. Ettersom systemoppsettet bare gir målinger av aktiv effekt, varlastdelingsmetoden ikke sofistikert nok til å gi en effektprofil. Derfor ble det istedenfor undersøktmuligheten for å koble sammen de fleksible tidspunktene for å verifisere at fleksibiliteten er gitt frasamme last. Hvis fleksibiliteten er koblet til en enkelt last, er det rimelig å anta at fleksibilitetenkommer fra den forventede lasten. Modellen foreslår å bruke kantdeteksjon for å oppdage endringeri effektforbruk og skille kantene på de fleksible hendelsene fra de andre endringene i effektforbruketved dynamic time warping.De tre forskjellige estimeringsteknikkene for baseline indikerer at modeller med omtrent samme feilhar betydelige forskjeller i estimering av baseline. Derfor kan valget av baselineteknikk skape etvesentlig annet resultat av fleksibilitetsoppgjøret. Ytterligere trinn for å redusere feil i baselinees-timering er også nødvendig for å sikre at nøyaktigheten av fleksibilitetsoppgjør er tilstrekkelig. Itillegg, på grunn at de forventede fleksible apparatene har flere innstillinger og for lav oppløsningpå dataen, er kantene på de fleksible hendelsene utfordrende å skille fra andre kanter og lastdel-ingsteknikken for enkel. Ved å inkludere flere funksjoner som reaktiv effekt, spenning og strøm, itillegg til spesifikke lastsignaturer, kan en effektprofil for den fleksible lasten estimeres for å hjelpeestimering av baseline og validere opprinnelsen til fleksibiliteten.

The future power system faces multiple challenges, such as the integration of renewable energy sources and the rapid increase in energy consumption. Flexibility is proposed as part of the solution to solve these challenges. With the integration of smart systems, the demand side could provide flexibility by reducing the consumption of multiple appliances to meet the supply. Baseline estimation refers to the estimation of the normal operation of the appliances participating in the flexibility process. However, this estimation is difficult due to the measurement of the power consumption usually are at the building level and not appliance level, and baseline estimation do not offer any information regarding the origin of the flexibility. Without the origin of flexibility, the flexibility settlement can be inaccurate. Load disaggregation is the process of acquiring individual appliance information from aggregated consumption measurements. It can provide additional information regarding the individual appliance consumption, such as a power profile for the flexible appliance and the origin of the flexible power. As there are uncertainties in both baseline estimation and load disaggregation, combining the methods can create a more accurate flexibility settlement.

This thesis examines the possibility to combine load disaggregation as an extra validation of flexibility in addition to baseline estimation. The model compares the performance of three different baseline estimation methods: a long short-term memory recurrent network method, an artificial neural network method and an averaging method and examines the possibility for additional verification of demand response by load disaggregation. The comination of baseline estimation and load disaggregation is tested at real costumer locations provided by ENFO AS. The extra validation could optimally provide a power profile for the flexible appliance to help determine the flexibility provided. However, as the system setup only provides active power measurements, the disaggregation method could not be sophisticated enough to provide a power profile. Therefore, the disaggregation proposed instead examined the possibility to connect the flexible events to verify that the flexibility is provided from the same appliance. If the flexibility is connected to a single appliance, it is reasonable to assume that flexibility is provided by the expected appliance. The model proposes to use edge detection to discover changes in power consumption and differentiate the edges of the flexible events from the other changes in power consumption by dynamic time warping.

The three different baseline estimation techniques indicate that models with approximately the same error have significant gaps in baseline estimation. Therefore, the choice of baseline technique could create a significantly different outcome of the flexibility settlement. Additional steps to reduce error in baseline estimation are also required to ensure that the accuracy of flexibility settlement is sufficient. In addition, due to the aggregation effect and the expected flexible appliances are multi-state, the edges of the flexible events are not similar enough, and the proposed disaggregation technique is too simple. The flexible events could therefore not be differentiated from other edges in the power consumption. By including more features such as reactive power, voltage and current, in addition to specific appliance signatures, a power profile for the flexible appliance might be estimated to assist baseline estimation and validate the origin of the flexibility.