Autonomous Demand Side Management of Electric Vehicles

Muhandiram Arachchige Subodha Tharangi Ireshika disputerer med ph.d.-avhandlingen: Autonomous Demand Side Management of Electric Vehicles

Ireshika har fulgt ph.d.-programmet ved Fakultet for teknologi og realfag, med spesialisering i Fornybar energi.

Slik oppsummerer Ireshika selv avhandlingen

Tilnærminger til styring på etterspørselssiden som utnytter den tidsmessige fleksibiliteten til elektriske kjøretøy har fått mye oppmerksomhet de siste årene på grunn av den økende markedspenetrasjonen. Disse tiltakene for etterspørselsstyring bidrar til å redusere belastningen på kraftsystemet, særlig i distribusjonsnett der flaske-halser er mer utbredt. Derfor kan elbiler defineres som en attraktiv ressurs for nettselskapene, som har potensial til å levere nettjenester hvis de forvaltes på riktig måte. I denne avhandlingen gjennomføres først en systematisk undersøkelse av to typiske metoder for styring av etterspørselssiden som er rapportert i litteraturen: en tilnærming basert på kontroll av spenningsfall, og en markedsdrevet tilnærming. Deretter er et kontrollskjema foreslått for desentralisert, autonom styring av etterspørselssiden for planlegging av lading av elektriske kjøretøy som er avhengige av et ensrettet kommunisert nettindusert signal.

For å evaluere implikasjonene for driften av distribusjonsnett, som følge av algoritmene på etterspørselssiden, ble et sett med tidsserier av lastflytsimuleringer ut-førte innenfor rammen av representative østerrikske distribusjonsnett.

Droop-kontrollmekanismer blir diskuterte for ladestyring av elektriske kjøretøy som ikke krever kommunikasjon. Metoden gir en økonomisk levedyktig løsning ved alle penetrasjoner hvis elektriske kjøretøy lades ved lave nominelle effekthastigheter. Men, med dagens markedstrender for ladeutstyr for boliger, særlig i europeisk sammenheng, der det meste av ladeutstyret er konstruert for 11 kW lading, er metodens tekniske gjennomførbarhet åpen for debatt.

Ettersom elektrisitetsetterspørselen er i sterk korrelasjon med energiprisene, en lineær optimaliseringsalgoritme for å minimere ladekostnadene er foreslått, som bruker morgendagens markedspris som den nettinduserte insentivfunksjonen under forut-setning av perfekte prognoser fra forbrukerne. Begrensningene på ladetilstanden garanterer at energien som kreves for kjøring, leveres uten svikt. En gjennomsnittlig energikostnadsbesparelse på 30% ble realiserte ved alle gjennomføringer. Likevel, lavineeffekten introduseres på grunn av lading samtidig i lavprisperioder fører til nye og flere effekttopper enn ved ukontrollerte lading. Dette hindrer en nettvennlig integrering av elektriske kjøretøy.

Det desentraliserte kontrollrammeverket som foreslås i avhandlingen for å overvinne problemene med en prisdrevet tilnærming, benytter et effektsignal som nettindusert insentivfunksjon. Det viser overbevisende resultater når det gjelder å oppnå dal-fylling i etterspørselskurven sammenlignet med det sentraliserte ved alle penetrasjoner. Den lineære tilnærmingen til den ikke-lineære optimaliseringsproblem reduserte kjøre-tiden med en faktor på 32 ved en penetrasjon på 40% som resultat av at beregnings-belastningen ble fordelt på alle elbilkontrollerne. I motsetning til den sentraliserte implementeringen viser ikke den foreslåtte tilnærmingen skalerbarhetsproblemer selv ved full penetrasjon (dvs. 100%). For den konseptuelle valideringen antas det, i tillegg til perfekte prediksjoner av brukernes mobilitetsatferd, en ladekarakteristikk med variabel ladehastighet. Videre ble det også forutsatt en perfekt prognostisert og aggregert etterspørselsprofil og aggregert etterspørsel etter elbiler.

Den lineære formuleringen er utvidet til et blandet heltall lineær formulering som inneholder en semi-kontinuerlig ladekarakteristikk for å overholde ladestandardene definert av IEC 61851. Denne formuleringen viser en risiko for å danne dårligere topper i etterspørselskurven, forårsaket av den mer begrensede fleksibiliteten som pålegges av begrensningen av minimum ladestrømmer. En gruppering og en randomiseringsmekanisme er foreslått for å overvinne denne ulempen. Metoden gir sammenlignbare resultater med den lineære formuleringen.

For å lette gjennomførbarheten av den foreslåtte metoden i praktiske miljøer, fores-lås et rammeverk drevet av modellprediktiv kontroll for å minimere virkningen av estimeringsfeil knyttet til de ulike usikkerhetene (bruk av elektriske kjøretøy og etterspørsel etter ikke-elektriske kjøretøy). Prognoser ble gjort ved hjelp av toppmoderne metoder. Et tilbakevendende nevralt nettverk med lang korttidshukommelse ble brukt til å forutsi etterspørselsprofilen dagen i forveien. En k-nærmeste naboer-algoritme ble brukt til å estimere mobilitetsprofilene til elbilbrukere basert på historiske data. Den MPC-baserte metoden viser forholdsvis robust ytelse i forhold til usikkerheten i etterspørselen. Usikkerheten i estimatene av mobilitetsprofilene har større innvirkning på resultatene. Selv om den foreslåtte MPC-drevne metoden under disse usikkerhetene ikke når den ideelle løsningen, viser den et betydelig potensial for å nå målet om å fylle dalen ved å redusere variansen i etterspørselen med fem ganger sammenlignet med det ukontrollerte scenariet når begge de vurderte usikkerhetene er til stede. Metoden fungerer derfor som en praktisk gjennomførbar, økonomisk metode for distribusjonssystemoperatører for å sikre en nettvennlig integrering av elbilbelastninger.

Se her for mer informasjon om disputasen og hvordan du kan delta.