Multi-time scale energy management framework for smart PV systems mixing fast and slow dynamics
Multi-time scale energy management framework for smart PV systems mixing fast and slow dynamics
复制标题
混合快慢动态的智能光伏系统多时间尺度能源管理框架
DOI：
10.1016/j.apenergy.2021.116671
复制
发表时间：
2021
期刊：
影响因子：
11.2
通讯作者：
Onoye Takao
中科院分区：
文献类型：
--
作者：
Watari Daichi;Taniguchi Ittetsu;Goverde Hans;Manganiello Patrizio;Shirazi Elham;Catthoor Francky;Onoye Takao
我们提出了一个多时间尺度的智能光伏（PV）系统的能源管理框架，可以计算优化的时间表，电池的操作，电力购买和家电的使用。智能光伏系统是一个本地能源社区，包括几个配备光伏电池板和电池的建筑物和家庭。然而，由于光伏发电的不可预测性和快速变化，维持系统中的能量平衡和降低电力成本是具有挑战性的。我们提出的框架采用了模型预测控制方法，基于物理的光伏预测模型和准确的参数化电池模型。我们还介绍了一个多时间尺度结构组成的两个时间尺度：一个较长的粗粒度的时间尺度为15分钟的分辨率和较短的细粒度的时间尺度为15分钟的水平线与1秒的分辨率。与当前的单时间尺度方法相比，这种替代结构能够以合理的计算时间管理快速和慢速系统动态的必要混合，同时保持高精度。仿真结果表明，与基线方法相比，所提出的框架降低了48.1%的电力成本。多时间尺度的必要性和准确的系统建模方面的光伏预测和电池的影响也被证明。
We propose a multi-time scale energy management framework for a smart photovoltaic (PV) system that can calculate optimized schedules for battery operation, power purchases, and appliance usage. A smart PV system is a local energy community that includes several buildings and households equipped with PV panels and batteries. However, due to the unpredictability and fast variation of PV generation, maintaining energy balance and reducing electricity costs in the system is challenging. Our proposed framework employs a model predictive control approach with a physics-based PV forecasting model and an accurately parameterized battery model. We also introduce a multi-time scale structure composed of two-time scales: a longer coarse-grained time scale for daily horizon with 15-minutes resolution and a shorter fine-grained time scale for 15-minutes horizon with 1-second resolution. In contrast to the current single-time scale approaches, this alternative structure enables the management of a necessary mix of fast and slow system dynamics with reasonable computational times while maintaining high accuracy. Simulation results show that the proposed framework reduces electricity costs up 48.1% compared with baseline methods. The necessity of a multi-time scale and the impact on accurate system modeling in terms of PV forecasting and batteries are also demonstrated.
登录
查看更多内容
影响因子：
8.8
作者：
Leong Kit Gan;Pengfei Zhang;Jaehwa Lee;Michael A. Osborne;D. Howey
通讯作者：
Leong Kit Gan;Pengfei Zhang;Jaehwa Lee;Michael A. Osborne;D. Howey
在快速变化的天气条件下准确预测短期发电量的模型要求
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
H. Goverde;D. Anagnostos;B. Herteleer;J. Govaerts;K. Baert;B. Aldalali;F. Catthoor;J. Driesen;J. Poortmans
通讯作者：
J. Poortmans
影响因子：
8.7
作者：
Anagnostos, D.;Schmidt, T.;Catthoor, F.
通讯作者：
Catthoor, F.
基于预测的并网光伏存储系统运营策略对盈利能力和能源系统的影响
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
Anna;Lukas Teichtmann
通讯作者：
Lukas Teichtmann
混合系统建筑能源管理的层次模型预测控制
DOI：
10.1016/j.ifacol.2018.08.040
发表时间：
2018
期刊：
IFAC Conference on Analysis and Design of Hybrid Systems
影响因子：
--
作者：
A. Abreu;R. Bourdais;H. Guéguen
通讯作者：
H. Guéguen