Model Predictive Control of a Home Energy Management System with a Rolling Horizon Strategy
Master thesis
Date
2024Metadata
Show full item recordCollections
- Institutt for elkraftteknikk [2591]
Abstract
Denne masteroppgaven tilbyr en detaljert beskrivelse av et hjemme-energilagringssystem,med sanntidsdrift ved bruk av MPC og en rullerende horisont. Målet med energila-grinsssystemet er å redusere strømkostnadene til en strømforbruker, uten å endre påforbruksmønsteret til forbrukeren. Dette blir gjort ved å sette opp energilagringssystemeti et laberatorium med en stasjonær energilagringskilde, som blir formulert i en optimalis-eringsmodell. Energilagringssystemet blir driftet i sanntid med MPC gjennom å simulereoptimaliseringsmodellen med input data, hvor formålet er å minimere driftskostnadene.
Hjemme-energigaringssystemet blir beskrevet ved å dele det opp i tre ulike komponenter.Den første komponenten er optimaliseringsmodellen som blir brukt til å generere det op-timale driftsmønsteret til systemet. Den andre komponenten er labratoriet hvor oppsettetblir beskrevet på en detaljert måte. Den siste komponenten er kommunikasjonsverktøyenesom får optimaliseringsmodellen til å kommunisere med maskinvaren. Pixii har bidrattmed teknologi som har gjort det mulig å drifte systemet med resultatene fra optimaliser-ingsmodellen. Modellen ble modellert for å inkludere solcelleproduksjon (PV), men labo-ratoriet inneholdt ingen PV-modul, og det antas derfor at det ikke er noen PV-produksjoni denne oppgaven.
Det er i oppgaven gjennomført en casestudie for en husholdning på Hvaler i Norge, derenergilagringssystemet ble driftet med MPC og en rullerende horisont i 6 timer. Sys-temet fikk perfekt informasjon for en 6 timers horisont inn i fremtiden hver gang dentok en ny beslutning for hvordan det skulle driftes i den påfølgende timen. Det fikkperfekt informasjon istedenfor prognoser fordi formålet med casestudiet var å kjøre en-ergilagringssystemet i et laboratorium, og ikke å teste kvaliteten på prognosene. På grunnav dette viste resultatene fra caset kun potensialet til systemet. Energilagringssystemethadde ikke et batteri håndteringssystem (BMS) som var kompatibel med blybatteriene ilaboratoriet. på grunn av dette måtte det utføres en batteritest for å kartlegge batterietsegenskaper før casestudiet ble gjennomført.
Casestudien viste at energilagringssystemet ikke reduserte strømkostnadene i løpet av den6 timer lange driftsperioden. Dette skyldtes at modellen ikke fikk informasjon om hvilkentime som var den siste driftstimen i casestudiet, som igjen førte til at det hadde planlagtdrift lenger inn i fremtiden. Hvis systemet hadde blitt driftet i en lengre periode, ville detha fått gjennomført driftsplanene sine og dermed redusert strømkostnadene, sammenlignetmed å ikke ha et energilagringssystemt i det hele tatt. Det er svært sannsynlig at systemetkunne ha redusert kostnadene ytterligere hvis batteriet kunne lagret mer energi, og hvissystemet kunne omformet strøm med en høyere effekt enn under casestudien. The research presented in this master’s thesis provides a detailed description of a homeenergy management system (HEMS) with real-time model predictive control (MPC) anda rolling horizon (RH) strategy. The objective of the HEMS is to reduce the cost ofconsuming power without affecting the consumption pattern for a consumer. This isdone by setting up a HEMS in a laboratory with a stationary energy storage unit, whichis formulated in an optimization model. By simulating the optimization model of theHEMS with input data and an objective to minimize the consumption cost, it is operatedin real-time by using MPC.
To describe the HEMS, it is divided into three main components. The first componentis the optimization model which is used to generate the optimal system operation. Thesecond component is the laboratory setup which describes the different components andsystem couplings in the laboratory. The third and final component is the communicationbetween the optimization model and the laboratory hardware. Pixii has provided theresearch with technology which has made it possible to operate the HEMS with theresults generated by the optimization model. The optimization model was modelled toinclude photovoltaic (PV) generation, but the laboratory did not include any PV moduleand therefore it is assumed that there is no PV generation during the research.
A case study is created for a household in Hvaler, Norway, where the HEMS was operatedwith real-time MPC and a RH strategy for 6 hours. The HEMS was provided withperfect information for a 6 hour future horizon each time it made a new decision for howthe system should operate in the following operation hour, instead of forecasts. Thiswas done as the research was focusing on running the HEMS in a laboratory, and not totest the forecasts. Because of this the results from the case only showed the potential ofthe HEMS. Also, the HEMS did not have a battery management system (BMS) whichwas compatible with the lead-acid batteries in the laboratory. Therefore it had to beperformed a battery test to map the battery characteristics before the execution of thecase study.
The case study showed that the HEMS did not reduce the cost during the 6 hour operationperiod. This was because the model was not instructed with information about what hourwas the final operation hour, which caused to HEMS to plan actions further into the future.If the system had been operated for a longer time period it would have proven to reducethe cost of consuming power compared to not having a HEMS at all. It is very likely thatthe system could reduce the cost even further if the battery could store more energy, andif the system could convert power at a higher power rate than during the case study.