University of Groningen
Distributed Control, Optimization, Coordination of Smart Microgrids
Silani, Amirreza
DOI:
10.33612/diss.156215621
IMPORTANT NOTE: You are advised to consult the publisher's version (publisher's PDF) if you wish to cite from it. Please check the document version below.
Document Version
Publisher's PDF, also known as Version of record
Publication date: 2021
Link to publication in University of Groningen/UMCG research database
Citation for published version (APA):
Silani, A. (2021). Distributed Control, Optimization, Coordination of Smart Microgrids: Passivity, Output Regulation, Time-Varying and Stochastic Loads. University of Groningen.
https://doi.org/10.33612/diss.156215621
Copyright
Other than for strictly personal use, it is not permitted to download or to forward/distribute the text or part of it without the consent of the author(s) and/or copyright holder(s), unless the work is under an open content license (like Creative Commons).
Take-down policy
If you believe that this document breaches copyright please contact us providing details, and we will remove access to the work immediately and investigate your claim.
Downloaded from the University of Groningen/UMCG research database (Pure): http://www.rug.nl/research/portal. For technical reasons the number of authors shown on this cover page is limited to 10 maximum.
Samenvatting
Micronetwerken zijn stroomdistributiesystemen die gewoonlijk worden ingedeeld in gelijkstroom- (DC) en wisselstroomnetwerken (AC) en zijn onderling verbonden clusters van gedistribueerde productie-eenheden (DGU’s), ladingen en energieop-slagapparaten. Tegenwoordig worden de hernieuwbare energiebronnen en nieuwe ladingen zoals elektrische voertuigen (EV’s) grotendeels gebruikt in energiesystemen als gevolg van de technologische ontwikkelingen en de politiek voor de bescherming van het milieu. Hernieuwbare energiebronnen verminderen de kosten van de elek-triciteitsopwekking en zorgen voor schone energie voor de klanten. Hernieuw-bare energiebronnen zijn echter oncontroleerbaar en moeten worden beheerd als de onzekerheid van de opwekkingszijde naast de onzekerheid van de ladingszijde. Elektriciteitsnetwerken pakken traditioneel de onzekerheid van de belasting aan door de beheersbare generaties aan te passen. Dankzij het toegenomen aandeel van hernieuwbare generaties en de grootschalige introductie van nieuwe belastingen zoals EV’s, zijn echter nieuwe regelstrategieën nodig om de onzekerheden van elek-triciteitsnetwerken aan te pakken. De integratie van slimme sensoren en meters, gea-vanceerde tweewegscommunicatietechnologieën, gedistribueerde besturingsstrate-gieën en IT-infrastructuren kunnen worden gebruikt om de besturingsstratebesturingsstrate-gieën te bevorderen om de onzekerheden van elektriciteitsnetwerken aan te pakken.
Aangezien de steeds toenemende elektrificatie van het transport (bijv. plug-in elektrische voertuigen) en de gebouwen (bijv. verwarming/koeling) de schommelin-gen in de vraag kunnen vergroten en de stabiliteit van het systeem onder druk kunnen zetten, kan de veerkracht en betrouwbaarheid van het elektriciteitsnet baat hebben bij het ontwerp en de analyse van de regeling. strategieën die theoretisch de stabiliteit van het systeem garanderen in aanwezigheid van stochastische of tijd-safhankelijke belastingen. Vanwege de willekeurige en onvoorspelbare diversiteit van de belastingspatronen is het daarom realistischer om dynamische of stochastis-che differentiaalbelastingsmodellen te overwegen. Om een goede en veilige werking van het totale netwerk en de daarop aangesloten apparaten te garanderen, is bij DC-netwerken de spanningsregeling het belangrijkste doel. Daarom stellen wij voor
216 Samenvatting om de spanningsregeling te realiseren en de stabiliteit van het totale DC-netwerk te garanderen. Bovendien is een belangrijke operationele doelstelling van de wis-selstroomnetten de frequentieregeling. Daarom stellen wij regelingen voor om de frequentie te reguleren en de stabiliteit van het totale wisselstroomnet te waarborgen. Inderdaad, in zowel AC als DC-netwerken gebruiken we de outputregelmethodolo-gie voor het regelontwerp wanneer we de belastingen modelleren als dynamische systemen en we gebruiken het Ito-berekeningskader wanneer we de belastingen modelleren door middel van stochastische processen.
Bovendien stellen we een Energy Management Strategy (EMS) voor die rekening houdt met de belasting, de energiestroom en de operationele beperkingen van het systeem in een distributienetwerk, zodat de kosten van de Distributed Generations (DG’s), Distributed Storages (DS’s) en de aangekochte energie van het hoofdnet worden geminimaliseerd en de gevraagde belasting van de klanten wordt voorzien wanneer de belastingen worden beschouwd als stochastische belastingen die worden opgewekt door een tijd-homogene Markov-keten. Tot slot lossen we een optimaal controleprobleem op door rekening te houden met het sociale gedrag van de EV-bestuurders via een overeenstemmende reële dataset.