Scheduling of Aggregated Electric Water Heaters for Potential Participation in the Balancing Markets
Master thesis
Date
2024Metadata
Show full item recordCollections
- Institutt for elkraftteknikk [2589]
Abstract
Etter hvert som den globale bekymringen for klimaendringer øker, oppfordrer initiativer som Parisavtalen og European Green Deal land til å redusere global oppvarming. FNs bærekraftsmål understreker behovet for rimelig, ren energi. I EU har bruken av fornybar energi, spesielt vind og sol, mer enn doblet seg fra 2004 til 2021, noe som gir utfordringer som usikkerhet i produksjon og stabilitetsproblemer. Fleksibilitet i energiproduksjon og energiforbruk er avgjørende for nettstabilitet. Strategier på etterspørselssiden, som etterspørselsstyring og etterspørselrespons, optimaliserer energibruken. Nøkkelen til dette er elektriske kjøretøy og termostatisk kontrollerte laster som varmepumper og elektriske varmtvannsberedere (EVBer). Aggregering av disse ressursene tillater deltakelse i balansemarkeder, avgjørende for sanntidsbalanse mellom tilbud og etterspørsel. Mens individuelle ressurser mangler betydelig fleksibilitet, bidrar aggregering av disse til betydelig nettbalansering og dermed den bærekraftige energiovergangen.
Aggregering av EVBer har betydelig potensial for deltakelse i kraftmarkedet. Denne prosessen står imidlertid overfor barrierer som beregningsmessig kompleksitet og den stokastiske naturen av problemet. Tekniske utfordringer ved planlegging av distribuerte aggregerte ressurser i stor skala kompliserer implementeringen ytterligere. Studier av ressurser som elektriske kjøretøy, varmepumper og batterier på tvers av ulike markeder sikter mot kostnads- og fleksibilitetsmaksimering, overbelastningshåndtering og frekvensregulering. Til tross for disse anstrengelsene, gjenstår et gap i lønnsom markedsdeltakelse for EVBer. Bruken av Model Predictive Control (MPC) for EVBer er begrenset, med utfordringer som omfatter skala, kontrollintegrasjon og håndtering av stokastisitet, noe som bidrar til høy beregningsmessig kompleksitet.
En temperaturmodell for en EVB er utviklet. For det første blir varmtvannsbehovet initialisert for 100 EVBer over en 24-timers periode med ett-minutts oppløsning. Disse vannbehovsdataene brukes deretter til å generere temperatur- og effektbaselinen for tidshorisonten. I neste trinn blir EVBer hvis temperaturer faller under komfortgrensen i baseline i den aktuelle tidshorisonten ekskludert. De gjenværende EVBer, som oppfyller kravet om minimum komforttemperatur, brukes i testtilfeller for å finne en tidsplan i et MPC-kontrollbasert optimaliseringsrammeverk.
Resultatene viser betydelig hvordan ulike faktorer i optimaliseringsrammeverket påvirker både fleksibiliteten og simuleringstiden. Blant de testede EVB-temperaturmodellene balanserer en 6-sonemodell simuleringsnøyaktighet og tid effektivt, sammenlignet med 3-sone- og 9-sonemodellene. For enkelhet og redusert beregningsbelastning kan imidlertid 3-sonemodellen være å foretrekke. En 3-timers tidshorisont er optimal for optimalisering av EVB-kontrollstrategier, og balanserer simuleringstid og fleksibilitet. Kortere kontrollintervaller, som 5 minutter mot 10 eller 15 minutter, gir finere kontrolloppløsning, men øker beregningstidene betydelig. Implementering av optimalisering for individuelle EWHs eller gjennom kollektiv aggregering via minimum budstørrelse gir betydelige beregningsutfordringer. Tester som undersøker minimum komforttemperaturen og vannbruksmønstre gir innsikter verdifulle for potensielle kommersielle aggregatorer. Maksimering av fleksibilitet korrelerer godt med gjennomsnittlig vannbehov over høye eller lave behovsscenarier. I tillegg kan samarbeid mellom aggregatorer og kunder om å redusere minimum komforttemperaturen forbedre inntektsmuligheter for begge parter.
Konklusjonen er at det er en utfordring med høy beregningsmessig kompleksitet ved planlegging av aggregerte EWHs for markedsdeltakelse. Teorien, litteraturen og resultatene presenterer fortsatt barrierer for kommersialisering av aggregering av EWHs på balanseringsmarkedene. Tekniske og markedsmessige krav fremheves som noen av de viktigste barrierene. As global concern for climate change grows, initiatives like the Paris Agreement and the European Green Deal encourage countries to reduce global warming. The UN's Sustainable Development Goals emphasize the need for affordable, clean energy. In the EU, renewable energy use, especially wind and solar, has more than doubled from 2004 to 2021, posing challenges like generation uncertainties and stability issues. Flexibility in energy production and consumption is crucial for grid stability. Demand-side strategies, such as demand management and response, optimize energy use. Key to this are electric vehicles and thermostatically controlled loads like heat pumps and electric water heaters (EWHs). Aggregating these resources allows effective participation in balancing markets, crucial for real-time supply-demand equilibrium. While individual resources lack substantial flexibility, their aggregation significantly aids grid balancing and the sustainable energy transition.
The aggregation of EWHs holds significant potential for power market participation. However, this process faces barriers such as computational complexity and the stochastic nature of water demand. Technical challenges in scheduling distributed aggregated resources at a large cale further complicate implementation. Studies on resources like electric vehicles, heat pumps, and batteries across various markets aim for cost and flexibility maximization, congestion management, and frequency regulation. Despite these efforts, a gap remains in profitable market participation for EWHs. The use of MPC for EWHs is limited, with challenges including scale, control integration, and managing stochasticity, contributing to high computational complexity.
A temperature model for an EWH is developed. Firstly, the hot water demand data is initialised for 100 EWHs over a 24-hour period with one-minute resolution. This water demand data is then used to generate the temperature and power baseline for the time horizon. In the next step, EWHs whose temperatures fall below the comfort threshold in the baseline during the considered time horizon are excluded. The remaining EWHs, which meet the minimum comfort temperature constraint, are used in test cases to find a schedule in a MPC control-based optimisation framework.
The results significantly demonstrate how various factors in the optimization framework impact both the extracted flexibility and the simulation time. Among the tested EWH temperature models, a 6-zone model balances simulation accuracy and time effectively compared to 3-zone and 9-zone models. However, for simplicity and reduced computational load, the 3-zone model may be preferable. A 3-hour time horizon is ideal for optimizing EWH control strategies, striking a balance between simulation time and flexibility. Shorter control intervals, such as 5-minute versus 10 or 15 minutes, offer finer control resolution but increase computational demands substantially. Implementing optimization for individual EWHs or through collective aggregation via minimum bid size presents significant computational challenges. Test cases examining minimum comfort temperatures and water demand patterns provide insights valuable to potential commercial aggregators. Maximizing flexibility correlates well with average water demand over high or low demand scenarios. Additionally, collaboration between aggregators and customers to reduce minimum comfort temperatures could enhance revenue opportunities for both parties.
In conclusion, there is a challenge of high computational complexity of scheduling aggregated EWHs for market participation. The theory, literature and results presents still barriers in commercialising aggregation of EWHs on the balancing markets. Technical and market requirements are highlighted as some of the main barriers.