Energibehandlingssystem for korttidslagring av energi i private boliger

Abstract

Oppgaven er en samling av teoretiske kasusstudier av et energibehandlingssystem (EBS) for ulike forbruksmønstre, strømprissoner, batteripakker, og tilkoblede energikilder. Et energibehandlingssystem (EBS) bestående av et analyseverktøy og en reguleringsmetode for overvåkning og kontroll av sammensatte energisystem utvikles med et overordnet formål om å redusere strømpris, lagre overflødig energi, stabilisere strømtrekk og minske klimaavtrykk. Systemet må produsere en avkastning på en tidshorisont som rettferdiggjør den initiale investeringen. Besparelse innføres som et mål på fortjeneste etter investering relativt til uten installert EBS. Ytelsen til EBS vurderes ut i fra hvilken grad overordnede formål oppnås.

Analyseverktøyet presenterer relevant data. Det gir mulighet for sammenlikning og konfigurering av EBS. Reguleringsmetoden bestemmer optimal ladesyklus for en batteripakke installert i en privat bolig. Den tar inn datasett for strømforbruk, tilhørende strømpriser og egen energiproduksjon. Reguleringmetodens kjerne er det lineære optimaliseringsproblemet, bestående av en likning for total kostnad som minimeres innenfor lineære begrensninger.

Reguleringsmetoden har to algoritmer. Algoritmene skilles i metoden de behandler samme datasett på, og representerer hvert sitt tilfelle. I det ene tilfellet representerer resultatene som følger et ideelt EBS, og algoritmen har nøyaktige data på fremtidig strømforbruk og produksjon. I det andre tilfellet representerer resultatene som følger et realistisk EBS, og tilgangen på datasettet er begrenset til hva som ville vært tilgjengelig i praksis. I sistnevnte tilfelle forsøker algoritmen å predikere fremtiden med begrenset data, og danner et realistisk EBS kalt Sanntidskjøring i denne oppgaven.

Ideelt EBS vektlegges og vurderes i størst grad. Hvordan ytelsen til EBS påvirkes av ulike forbruksmønstre, strømprissoner, batteristørrelser og tilkoblede energikilder brukes for å bestemme om det er mulig med optimal utnyttelse av EBS å oppnå formålet med oppgaven. Informasjonen kan i tilegg brukes under utviklingen og planleggingen av mer avansert sanntidsalgortimer dersom resultatet av ideell optimalisering tilatter lønnsom installasjon.

Realistisk EBS tilegnes et eget kapittel Sanntidskjøring. Målet er å komme så nær som mulig den ideelle løsningen, som brukes til sammenlikning med realisitisk EBS. Avvik fra ideell løsning undersøkes for å kartlegge svakhetene og forbedringspotensiale for realistisk løsning. Resultatet ble at reduksjon i strømpris for realistisk EBS uten tilkoblet energikilde avviket fra optimal EBS med 0,05%, og med tilkoblet energikilde avviket med 4,2%.

Analyseverktøyet til energibehandlingssystemet (EBS) utviklet i denne oppgaven produserer resultater som tyder på at reguleringsmetoden reduserer årlig strømkostnad mellom 2,9%-22% avhengig av forbruksmønster, strømprissone, batteripakkens størrelse og tilkoblet energikilde. Den årlige besparelsen i EUR varierte fra 111 EUR - 527 EUR. Besparelsen i forhold til å ikke ha \textbf{EBS} installert var større for alle tilfeller med tilkoblet energikilde. Det ble funnet at strømtrekket fra strømnettet var motsyklisk, som betyr at belastningen på strømnettet reduseres når EBS er installert.

This paper is a collection of theoretical case-studies of an energy management system (EMS) for different usage patterns, price zones, battery packs and connected energy sources. An energy management system (EMS) comprised of a tool for analysis and a regulating method for surveilliance and control of modular energy systems is developed with an overall goal to reduce electricity prices, store excess energy, stabilize loads and reduce environmental impact. The system must produce a return in a time that justifies the original investments. Saving is introduced as a measure of profitability of the investment relative to not installing EMS. The performance is assessed as the degree to which the overall goals are achieved.

The analysis tool presents relevant data. This can be used to compare results or configure EMS. The regulation method decides an optimal charging cycle for a battery pack installed in a private home. Inputs are power-usage, associated power prices and energy production. The core of the regulation method is the linear optimizationproblem, consisting of an equation for total cost which is minimized within linear constraints.

The regulating method has two algorithms. The algorithms are separated by different methods of treating the same set of data, and represent different cases. In one case, the results represent what would be an ideal EMS, and the algorithm has access to precise data on future power consumption and production. In the other case, the results represent a realistic EMS, and the access to precise data is restrained to what would be practically availible. In the latter case, the algorithm attempts to predict the future using limited data, and form the realistic EMS refferred to as real-time operation in this paper.

The ideal EMS is emphasized and evaluated the most. How the EMS performance is affected by different usage patterns, price zones, battery packs and connected energy sources, is used to determine the possibility of an optimal usage and configuration of EMS to achieve the overall goals. The information can also be used during development and planning of more advanced real-time algorithms given that the results from ideal optimization argue for profitable installation of EMS.

Realistic EMS is dedicated to it's own chapter, Real-time operation. The goal is to come as close as possible to the solution of the ideal EMS, which is used to compare to realistic EMS. Deviations from the ideal solution are recorded and investigated in order to map the weaknesses and potential for improvement of realistic EMS. In conclusion, the reduction in electricity cost for realistic EMS without external energy source deviate from the ideal EMS with 0,05%. Adding an external energy source results in a 4,2% deviation from ideal EMS.

The analysis tool developed in this paper produces results that suggest that the regulation method reduces yearly electricity prices between 2,9%-22% dependent on usage pattern, price zone, size of battery pack and external energy source. The yearly savings in EUR varied from 111 EUR - 527 EUR. Savings compared to not having installed EMS were larger for every case using an external energy source. A countercyclical current draw indicates that the load on the grid is reduced using EMS.