UNIVERSITÉ DE MONTRÉAL DEMAND SIDE MANAGEMENT IN THE SMART GRID - PDF

Description
UNIVERSITÉ DE MONTRÉAL DEMAND SIDE MANAGEMENT IN THE SMART GRID GIUSEPPE TOMMASO COSTANZO DÉPARTEMENT DE GÉNIE ÉLECTRIQUE ÉCOLE POLYTECHNIQUE DE MONTRÉAL MÉMOIRE PRÉSENTÉ EN VUE DE L OBTENTION DU DIPLÔME

Please download to get full document.

View again

of 94
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Information
Category:

Journals

Publish on:

Views: 44 | Pages: 94

Extension: PDF | Download: 0

Share
Transcript
UNIVERSITÉ DE MONTRÉAL DEMAND SIDE MANAGEMENT IN THE SMART GRID GIUSEPPE TOMMASO COSTANZO DÉPARTEMENT DE GÉNIE ÉLECTRIQUE ÉCOLE POLYTECHNIQUE DE MONTRÉAL MÉMOIRE PRÉSENTÉ EN VUE DE L OBTENTION DU DIPLÔME DE MAÎTRISE ÈS SCIENCES APPLIQUÉES (GÉNIE ÉLECTRIQUE) NOVEMBRE 2 c Giuseppe Tommaso Costanzo, 2. UNIVERSITÉ DE MONTRÉAL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Ce mémoire intitulé: DEMAND SIDE MANAGEMENT IN THE SMART GRID présenté par: COSTANZO, Giuseppe Tommaso en vue de l obtention du diplôme de: Maîtrise ès Sciences Appliquées a été dûment accepté par le jury d examen constitué de: M. MALHAMÉ, Roland, Ph.D., président M. ZHU, Guchuan, Doct., membre et directeur de recherche M. ANJOS, Miguel F., Ph.D., membre et codirecteur de recherche M. SAVARD, Gilles, Ph.D., membre iii À mes très cher grand parents Angela, Tomaso et Giuseppe qui n ont pas vécu assex pour voir ce memoire. iv ACKNOWLEDGEMENTS I would like to express my sincere gratitude to my research directors Prof. Guchuan Zhu at École Polytechnique de Montréal, Prof. Luca Ferrarini at Politecnico di Milano and my research codirector Prof. Miguel F. Anjos at École Polytechnique de Montréal for their continuous guidance, suggestions and essential encouragement during my graduate studies. The experimental study presented in this thesis have been supported by DERri (Distributed Energy Resource Research Infrastructure as a part of a collaboration between Politecnico di Milano and DTU - Danish Technical University. The author is particularly grateful to the staff of the Intelligent Energy Systems department of RISØ DTU for not only the precious help and advice during the experiments, but also for a great hospitality. These last two years in Montreal have been so dense of experiences and so many people left their footprint in my memories that I wish everyone could have such privilege like I had. Particularly, thank you Annick for your precious advice upon my arrival and during my studies in Montreal, Matti and Ire for your essential contribution in the composition and revision of the French summary, Melanie, Ramin, Sean, Nicolette and Heather for proofreding my english. Thank you Amir, my Iranian brother, for being the best roomate ever and most sincere friend. Thanks to my university collegues and friends, such stressing studies have turned into the most enjoyable and amazing adventure: Hani, Jean-Philippe, Sergio, Davide, Matthew, Jacopo, Francesca, Kayla, Paula, Cecilia. Thank you Jan for your friendship and relevant contribution in our first conference paper, you re a brilliant engineer and the most hardworking collegue I had! Thank you Jessica and Roberto for sharing with me your passion for Tango and teaching me such marvellous dance and life style. Thank you my collègues alcooliques Eddy and Lucas, and all the AECSP group for the uncountable parties and outgoings together. Finally, and most importantly, I am deeply grateful to my beloved family for always loving, encouraging and supporting me: my parents Luciano and Enza, my little sister Angela and my grandmother Lina. I address a special thought to my grandparents Tomaso, Angela and Giuseppe, whose humanity, honesty and love for culture have always been for me reference points. v RÉSUMÉ L objectif du présent projet est de développer des solutions pour améliorer l efficacité énergétique dans les réseaux électriques. L approche adoptée dans cette recherche est basée sur un concept nouveau dans le Smart Grids (réseaux électriques intelligents), l optimisation du Demand/Response, qui permet la mise en œuvre de la gestion autonome de la demande de énergie pour une grande variété de consommateurs, des les maisons à les bâtiments, usines, centres commerciaux, les campus, les bases militaires, et même les micro-réseaux. La première partie de cette thèse présente le thème de la Smart Grid et évalue l état de l art par rapport aux portées du projet. Ensuite, nous introduisons une architecture pour la gestion autonome de la charge du côté de la demande. Cette architecture est composée par trois couches principales, dont deux, l ordonnancement en ligne et l ordonnancement au moindre coût, sont pleinement pris en compte, tandis que la troisième couche, la Demande/Response, est laissé comme une extension future. Une telle architecture tire profit de la séparation des des échelles de temps de la consommation d énergie, et elle est évolutif et flexible. La deuxième partie de ce projet est axé sur la mise en œuvre de l architecture proposée dans Matlab/Simulink, après une preuve de concept est donnée par des simulations et résultats expérimentaux. Mots-clés: programmation optimale de la charge, nivelement de la charge de pointe, Demand-Side Management (DSM) autonome, bâtiments intelligents, Demand/Response, efficacité énergétique. vi ABSTRACT The objective of the present project is to develop solutions to improve energy efficiency in electric grids. The basic approach adopted in this research is based on a new concept in the Smart Grid, namely Demand/Response Optimization, which enables the implementation of the autonomous demand side energy management for a big variety of consumers, ranging from homes to buildings, factories, commercial centers, campuses, military bases, and even micro-grids. The first part of this thesis presents the topic of the Smart Grid and assesses the state of the art with respect to the scopes of the project. Afterward, we introduce an architecture for autonomous demand side load management composed of three main layers, of which two, online scheduling and minimum-cost scheduling, are fully addressed, while the third layer, Demand/Response, is left as future extension. Such architecture takes advantage of timescale separation of energy consumption. It is scalable and flexible. The second part of this project is focused on the implementation of the proposed architecture in Matlab/Simulink and a proof of concept is given through simulations and experimental results. Keywords: Optimal load scheduling, Peak-load shaving, Autonomous Demand-Side Management (DSM), Smart Buildings, Demand/Response, Energy efficiency. vii CONDENSÉ EN FRANCAIS Introduction Le réseau électrique intelligent (the Smart Grid) est une technologie émergente dans le domaine des systèmes de production, transmission et utilisation de l énergie. Ceci aura un impact profond sur la vie de nombreux consommateurs au cours de ce siècle. Les progrès dans ce domaine apporteront également de multiples avantages économiques, sociaux et environnementaux dans notre société. Pour faire face à ce défi, non seulement la communauté scientifique mais aussi de nombreux partenaires industriels et publics prennent des mesures pour moderniser les infrastructures du réseau électrique et des technologies connexes, afin d assurer la production et la distribution d énergie dans le siècle prochain. Cette recherche a pour but d apporter des instruments pour une gestion efficace de l énergie électrique, qui peut être étendue à différents niveaux de la Smart Grid (comme à la maison, dans le bâtiment ou le district). Ce travail se concentre en particulier sur l optimisation des charges électrique de consommateurs en vue de favoriser l utilisation des sources renouvelables dans les réseaux de distribution et de permettre une consommation intelligente de l énergie. Les Réseaux Électriques Inteligents D après la définition de F.L. Bellifemine, le Smart Grid est un réseau électrique capable d intégrer toutes les actions des clients et des producteurs branchés au fin de distribuer l énergie électrique de manière efficace, durable, à bas prix et en toute sécurité. [Bellifemine, F.L. et al. (29)]. Le mot Smart Grid exprime une vision combinée qui utilise le réseau d information pour améliorer le fonctionnement du réseau d électricité. [V. Pothamsetty and S. Malik (February 29)]. Par rapport aux réseaux électriques traditionnels, la Smart Grid peut gérer des flux bidirectionnels d électricité et d information. Cette caractéristique joue un rôle clé pour une participation active des consommateurs dans le marché énergétique. L union entre les infrastructures du réseau électrique et des technologies disponibles dans le domaine des communications permettra la programmation de la consommation, la prévision de charge et le nivellement des pics de charge dans le réseau de distribution ce qui améliorera considérablement l efficacité du réseau. Le contrôle des charges du consommateur et son interfaçage vers la grille visent à une amélioration de l efficacité énergétique. Les sujets d intérêt de ce domaine comprennent: viii Compteurs intelligents: appareils capables de mesurer des grandeurs différentes en temps réel, d analyser les données et de les rapporter grâce à des systèmes de communication. Ces dispositifs peuvent être intégrés dans une structure de mesure avancée (Advanced Metering Infrastructure) qui fournit des types d informations différents et de services pour les clients et les fournisseurs d énergie. Appareils intelligents et domotique: ce secteur concerne la modernisation des appareils électroménagers afin de communiquer et ajuster leur fonctionnement aux besoins des usagers en vue d optimiser la consommation électrique. Gestion dynamique et prévision des consommations: ceci permettrait aux clients une meilleure programmation des activités à domicile dépendament du prix de l énergie. Pour les fournisseurs, en revanche, cette gestion serait extrêmement utile pour l optimisation de la production de l énergie. Intégration et optimisation des sources d énergie renouvelables: l augmentation des centrales de génération distribuée et la forte pénétration des ressources renouvelables dans le marchée énergétique, représente un grand défi pour l augmentation de la stabilité du reseau et de l efficacité ainsi que la baisse des émissions de CO 2. Par ailleurs, la participation des clients dans le marché énergétique à travers la coopération des pays, l intégration des nouvelles technologies, la standardisation, l augmentation de fiabilité et les nouveaux investissements dans les pays de l Union Européenne et de l Amérique du Nord sont facteurs importants pour la construction des Smart Grids. Optimisation du demand/response et la tarification dynamique de l énergie, qui permettra un contrôle intelligent des charges selon le prix de l énergie. De cette manière les clients peuvent régler leurs consommations en temps réel selon le tarif. Cyber sécurité: aujourd hui les réseaux électriques peuvent offrir un bon niveau de sécurité informatique contre les attaques des pirates informatiques grâce à des standards et des réseaux de communication dédiés, ainsi que des systèmes de contrôle redondantes. Il ne reste qu à vérifier si le passage au Smart Grid rendra les pays plus vulnérables aux attaques informatiques. Une architecture pour la gestion automatisée de la charge électrique La distribution intelligente de l énergie serait une application directe des compteurs intelligents. Ces premiers permettront une consommation optimisée en coordonnant tous les dispositifs afin de minimiser les coûts. Commerce et tarification de l énergie en temps réel, ix choix éco durables, gestion du CO 2, ne sont que quelques applications possibles dans le domaine de l automatisation des bâtiments. L architecture du système proposé pour le DSM (Demand Side Management) consiste en trois niveaux principaux (figure.): Admission Control (AC), Load Balancing (LB) et Demand/ Response Manager (DRM). AC est le niveau inférieur qui interagit avec les appareils intelligents pour le contrôle de la consommation en temps réel. Dans ce travail, l approche adoptée pour le contrôle des appareils utilise des stratégies de planification en ligne inspirée de la technique d ordonnancement dans les systèmes informatiques embarqués (voir, par exemple, [Buttazzo (25)] et les références citées). L introduction d un modèle d appareil électroménage générique permet la planification des activités et de la consommation de façon systématique. Le niveau supérieur, le DRM, est l entrée du système DSM et représente une interface à la Smart Grid. Il est possible de mettre au point plusieurs stratégies de tarification de l énergie comme la tarification de pointe critique ou la tarification de temps d utilisation. Le niveau intermédiaire (LB) coordonne les activités du niveau supérieur (DRM) et inférieur (AC) et équilibre la consommation à travers un algorithme qui répartit la charge en minimisant les couts énergétiques. L équilibrage de charge entraîne un problème d optimisation qui sera résolu avec les instruments de la programmation linéaire. Le LB fournit également au DRM des informations importantes concernant le taux de rejet des demandes, un paramètre de performance requis pour la gestion effective du Demand/Response. Les charges électriques sont classées selon leurs caractéristiques intrinsèques en trois catégories différentes:. La charge de base est une consommation électrique requise nécessaire des appareils qui sont activés immédiatement à n importe quel moment ou pour le maintien dans l état de stand by. Cette catégorie comprend l éclairage, les ordinateurs, les systèmes de communication et tous les autres dispositifs dont la valeur commerciale ne permet pas l installation d une intelligence comme le sèche cheveux, le toaster ou le chargeur. 2. La charge régulière est la puissance requise par les électroménagers qui sont toujours en fonction pendant une longue période de temps, comme la climatisation, le chauffage ou le réfrigérateur. 3. La charge de pointe est propre aux appareils dont le cycle d opération a une durée fixe. Cette catégorie comprend, par exemple, le sèche linge, le lave-vaisselle, la machine à laver ou le four. Souvent les pics d absorption sont causées par l accumulation des charges de pointe avec des charges régulières. Par conséquent, une gestion attentive de la charge de pointe devient fondamentale pour la réduction des coûts de l énergie. x Smart Grid Smart Grid Interface D/R Manager Capacity/Price Capacity Limit Available Capacity Predicted Demand Load Balancer DSM System Load Forecaster Predicted Load REJECT Admission Controller Consumption Information Schedule REQUEST ACCEPT Appliance Interface Smart Meter Baseline Load Regular Load Burst Load Figure. Architecture proposé pour le systéme de géstion des charges. Dans cette recherche, les appareils électroménagers intelligents sont supposés être capables de communiquer avec le gestionaire d énergie et de garantir un contrôle adéquat au niveau des dispositifs. La communication au sein du système DSM doit être suffisamment fiable et les retards doivent être négligeables par rapport à la dynamique des appareils. Le réseau de communication se base sur des technologies filaires et sans fil [Drake et al. (2),Li et Sun (2)] et utilise des interfaces spéciales pour communiquer avec les électroménagers intelligents. Une telle architecture se base sur la division temporelle des dynamiques liées à la gestion des charges domestiques. Mise en œuvre avec Matlab/Simulink Cette section présente la mise en œuvre de l architecture proposée avec Matlab/Simulink, ainsi que des études de simulation pour le système de gestion des charges résidentielles. Le schéma Simulink du système envisagé est montré dans la figure.2, où chaque composant peut être facilement identifié dans l architecture présentée à la section du DSM (sec. 3.2). Notez que, même si dans la simulation les appareils sont représentés par des modèles simplifiés, l architecture proposeé dans cette recherche est conçue indépendamment de la précision du xi modèle des appareils. Les performances de la gestion de la charge dans l implémentation réelle seront effectivement influencées par les modèles des appareils. La période de simulation Signals SIGNAL SPLITTER u app fcnbas BSL Goto REQUESTS GENERATOR signals requests requestgen schedule Trigger ADMISSION CONTROL accepted C rejected admissioncontrol request_m rej_rate rej_rate Memory Compare To Zero Out Add trigger Out In Bas. Est. Cap_inst 2 BSL Rejected Requests Memory 3 Cprof ile Out_Schedule C_used New_Schedule Memory 2 C_profile Schedule Updated_Schedule SCHED. MANAGER 4 Energy cost profile K_profile Load Balancer active act dispatcher schedule op DISPATCHER act_signals Scope2 Figure.2 Scéma Simulink de l Home Energy Manager est normalisée à unités de temps qui peuvent être étendues ou réuites en fonction du comportement des appareils dans un environnement d application réelle. Les dynamiques thermiques des appareils sont fixées pour représenter un comportement plausible dans l échelle de temps envisagée. La configuration comprend trois charges régulières: les chauffages dans deux chambres et le réfrigérateur, alors que les trois charges de pointe sont la machine à laver, le lave-vaisselle et la séchoir. La charge de base est modélisée comme une consommation d énergie constante dans un laps de temps donné (2 unités de puissance pendant 2 unités de temps). Les appareils intelligents sont modélisés avec le Stateflow Toolbox TM de Simulink et chaque appareil est en mesure de définir la quantité d énergie nécessaire pour accomplir sa tâche. Une telle information permet au système d équilibrage de charge (LB) de calculer le temps restant nécessaire pour compléter chaque tâche. La valeur heuristique pour des charges régulières est linéarisée entre et à l intérieur des limites supérieures et inférieures des zones de confort, tandis que pour les charges de pointe ce valeur est calculées de façon lineaire envisageant le temps restant pour amorcer. Le modèle d appareil est complété par le couplage de la machine à états finis dans la figure 3.5 avec l interface de communication présentée dans la figure 4.4. Le bloc de Contrôle d Admission (Admission Control) reçoit deux informations: demandes provenant des charges intelligentes et la capacité disponible à chaque période. De cette manière l AC permet de démarrer une série d appareils dont la consommation totale respecte la limite de charge. Les demandes sont classées selon la valeur heuristique décroissante et xii sont fournie à l algorithme de contrôle d admission. Notez que les tâches non-préemptives ne seront pas arrêtées jusqu à ce qu elles soient terminées. Par contre, chaque fois que l AC est invoqué, les tâches préemptives pourraient être interrompues en faveur de tâches avec une priorité plus élevée. Le Load Balancer est implémenté comme une fonction Matlab imbriquée (embedded function) sur Simulink et il est invoqué dans la simulation comme une fonction extrinsèque. L outil de programmation entier binaire est utilisée pour résoudre le problème défini dans la section 3.5. Cette fonction utilise l outil Matlab de programmation linéaire (PL) avec un algorithme de recherche de solutions basé sur la technique de branch-and-bound. La stratégie de recherche de nœud est basée sur la recherche en profondeur (depth-first search), qui choisit un nœud enfant au niveau inférieur dans l arbre si ce nœud n a pas déjà été exploré. Sinon, l algorithme se déplace vers le nœud d un niveau supérieur dans l arbre et poursuit la recherche [The Mathworks Inc. (2)]. Le répartiteur de tâches (dispatcher) est activé toutes les -2 unités de temps et fournit aux appareils les signaux de contrôle pour l opération. Toutes les dix unités de temps le gestionnaire du plan (Schedule Manager) fournit au répartiteur la liste d opérations pour les dix unités de temps s
Related Search
Similar documents
View more...
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks