Platforms for (self) evolving smart energy systems

Abstract

The modern society is strongly dependent on electricity which means that the constant supply of such a commodity is essential. On the contrary, while the energy needs of the end-users keep increasing very fast, the expansion of the electricity infrastructure, either talking about the power grid and the transmission system or the power plants themselves does not follow with the same pace that means that the power grid is constantly congested.The advent of Renewable Energy sources (RES) mitigates the supply issues. In contrast, these sources add unpredictability and stochasticity on the grid since nobody can guarantee their uninterrupted contribution in power supply. Moreover, conventional power units have an inherent inertia. They cannot reduce or increase their production and supply instantaneously that means that these units must supply enough amounts that can cover a temporary loss of RES units. Obviously, the extra amounts of power produced by the conventional power plants are wasted if RES operate normally. Electricity cannot be stored. At least not efficiently. In that sense, the extra amounts of the produced power are simply wasted.We should also take into serious consideration the introduction of Electric Vehicles (EVs) which adds more stress on a grid that is already operating at its limits. EVs add an extra load on the system and moreover this load is not diversified too much during the day. More or less, EVs charging cycle follows the same pattern. People leave their homes at morning, go to their works at the same time and charge their cars in the parking lot. They leave their work and return back to their homes where they charge their cars during the afternoon or night.The stability of the power grid is responsibility of the system operators. They are responsible of the load management in order to guarantee the uninterrupted operation of the system. So far, this task is met empirically meaning that system operators have a knowledge about the days or the times that the grid is most congested or stressed and make decisions about how many and which units to dispatch in order to meet the demand and guarantee the safety of the system at the same time.The electricity market is undergoing a transformation from its vertically integrated nature to a competitive one based on a security-constrained, bid-based auctiong system for selling and buying electricity. In this concept that introduced by William W. Hogan, the aforementioned practices become obsolete. Moreover, since producers and consumers compete each other in order to sell/buy energy in the best possible price, Artificial Intelligence (AI) algorithms and methods can offer a solution that maximizes their portfolio on the one hand and on the other hand guarantees the stability of the system in real time.The subject of the current dissertation is on the identification, exploitation and development of novel methods and algorithms focused on the transformation and restructuring of the vertically integrated electricity market into a competitive one where power producers, wholesalers, retailers and end-users compete to optimize their portfolio. A transformation which is of course unavoidable, considering the fossil fuel depletion, and already in progress in the most of the developed countries and especially in the US. To that end, through extensive simulation and experimentation I tried to investigate efficient, non discriminatory ways to exploit electricity auctioning by developing models for a C++ based simulation platform called GridLAB-D. The examination of the feasibility, accuracy and stability of such systems without neglecting or jeopardizing security issues was also under serious consideration. Moreover, the restructuring of the power market and the upcoming "smartness" of the electricity infrastructure has brought up new challenges regarding security and stability issues as well as the handling of the vast amount of data produced in real time. Consequently, the use Big Data analytics along with the use of Artificial Intelligence techniques such as Neural Networks (NNs) and Fuzzy Logic (FL) in order to accurately anticipate, prevent or fix risky conditions was of high priority.

Η σύγχρονη κοινωνία εξαρτάται σε μεγάλο βαθμό από την χρήση ηλεκτρικής ενέργειας κάτι που σημαίνει ότι η συνεχής παροχή του συγκεκριμένου αγαθού είναι απαραίτητη. Αντίθετα, ενώ η ζήτηση των καταναλωτών αυξάνεται πολύ γρήγορα, η επέκταση της υποδομής του ηλεκτρικού δικτύου, είτε μιλάμε για το ίδιο το δίκτυο είτε για τα εργοστάσια παραγωγής ηλεκτρικής ενέργειας, δεν ακολουθεί με τον ίδιο ρυθμό κάτι που οδηγεί σε ένα μόνιμα συμφορημένο δίκτυο.Η έλευση των Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) βελτιστοποιεί τα ζητήματα παροχής ηλεκτρικής ενέργειας. Σε αντίθεση, οι συγκεκριμένες πηγές ενέργειας προσθέτουν στο δίκτυο το στοιχείο του απρόβλεπτου καθώς και στοχαστικότητα μιας και κανείς δεν μπορεί να εγγυηθεί την αδιάλειπτη συνεισφορά τους στην παραγωγή ηλεκτρικής ενέργειας. Επιπλέον οι συμβατικές μονάδες παραγωγής έχουν μια εγγενή αδράνεια. Δεν μπορούν να αυξήσουν ή να μειώσουν την παραγωγή τους στιγμιαία κάτι που σημαίνει ότι θα πρέπει να παράγουν ποσότητες ενέργειας ικανές να αντισταθμίσουν μια προσωρινή απώλεια των μονάδων ΑΠΕ. Προφανώς τα επιπλέον αυτά ποσά ενέργειας απλά χάνονται στην περίπτωση που οι μονάδες ΑΠΕ λειτουργούν κανονικά. Η ηλεκτρική ενέργεια δεν μπορεί να αποθηκευτεί. Η επιπλέον λοιπόν ενέργεια που παράγεται απλά σπαταλιέται.Κάτι που επίσης πρέπει να ληφθεί πολύ σοβαρά υπόψιν είναι η εισαγωγή των Ηλεκτρικών Αυτοκινήτων (ΗΑ) και ο επιπλέον φόρτος που προσθέτουν σε ένα ήδη συμφορημένο δίκτυο. Τα ΗΑ προσθέτουν ένα επιπλέον φορτίο στο δίκτυο και επιπλέον το φορτίο αυτό δεν διαφοροποιείται πολύ κατά την διάρκεια της μέρας. Λίγο ή πολύ ο κύκλος φόρτισης των ΗΑ ακολουθεί το ίδιο μοτίβο. Οι άνθρωποι αφήνουν το σπίτι τους το πρωί και πηγαίνουν στις δουλειές τους όπου φορτίζουν τα αυτοκίνητά τους στο πάρκινγκ. Παρόμοια, αφήνουν τις δουλειές τους και επιστρέφουν στο σπίτι τους όπου φορτίζουν ξανά τα αυτοκίνητά τους κατά την διάρκεια του απογεύματος ή της νύχτας.Παραδοσιακά, υπεύθυνος για την ευστάθεια του δικτύου ηλεκτρικής ενέργειας είναι ο διαχειριστής συστήματος. Είναι υπεύθυνος για την διαχείριση του φορτίου με τρόπο που εγγυάται την απρόσκοπτη λειτουργία του δικτύου. Μέχρι τώρα αυτό ήταν μια διαδικασία που γίνονταν εμπειρικά υπό την έννοια ότι ο διαχειριστής του συστήματος έχοντας γνώση των ημερών ή των ωρών που το σύστημα λειτουργεί με μεγάλο φόρτο, έπαιρνε αποφάσεις για το ποια εργοστάσια παραγωγής ενέργειας θα έπρεπε να λειτουργήσουν ούτως ώστε και να καλυφθεί η ζήτηση και να διασφαλιστεί η ασφάλεια του δικτύου.Η αγορά ηλεκτρικής ενέργεια υφίσταται αυτή τη στιγμή μία αναδιαμόρφωση από την καθετοποιημένη φύση της προς μία ανταγωνιστική η οποία στηρίζεται σε ένα σύστημα δημοπρασιών τόσο για την παραγωγή και πώληση όσο και για την αγορά ηλεκτρικής ισχύος. Μέσα σ' αυτό το πλαίσιο, το οποίο εκφράστηκε πρώτη φορά από τον William W. Hogan, οι παραπάνω μέθοδοι καθίστανται παρωχημένες. Επιπλέον, αφού τόσο οι παραγωγοί όσο και οι καταναλωτές ανταγωνίζονται ο ένας τον άλλο ούτως ώστε να πουλήσουν/αγοράσουν ηλεκτρική ενέργεια στην καλύτερη δυνατή τιμή, μέθοδοι και αλγόριθμοι Τεχνητής Νοημοσύνης (ΤΝ) μπορούν να προσφέρουν λύσεις οι οποίες από την μια μεγιστοποιούν το χαρτοφυλάκιο τους και από την άλλη εγγυώνται την ασφάλεια του δικτύου σε πραγματικό χρόνο.Το αντικείμενο της παρούσας διατριβής είναι η ταυτοποίηση, η παραγωγή και η χρήση καινούριων μεθόδων και αλγορίθμων οι οποίοι θα επικεντρώνονται στον μετασχηματισμό της καθετοποιημένης αγοράς ηλεκτρικής ενέργειας σε μία ανταγωνιστική όπου παραγωγοί ηλεκτρικής ενέργειας, χονδρέμποροι, λιανοπωλητές και τελικοί χρήστες ανταγωνίζονται μεταξύ τους σε μία προσπάθεια να μεγιστοποιήσουν τα κέρδη τους. Ο μετασχηματισμός αυτός ο οποίος είναι προφανώς αναπόφευκτος, ιδίως αν αναλογιστούμε την συνεχή μείωση των ορυκτών καυσίμων, και ήδη σε εξέλιξη στις περισσότερες από της αναπτυγμένες χώρες και κυρίως τις Ηνωμένες Πολιτείες της Αμερικής. Σ' αυτό το πλαίσιο και μέσα από εκτενή πειραματισμό και προσομοιώσεις προσπάθησα να ερευνήσω αποτελεσματικούς και χωρίς διακρίσεις τρόπους εκμετάλλευσης του προαναφερθέντος συστήματος δημοπρασιών αναπτύσσοντας μοντέλα σε μία πλατφόρμα ανοιχτού λογισμικό βασισμένη σε C++, το GridLAB-D. Η μελέτη του κατά πόσο τέτοια συστήματα είναι εφικτά, της ακρίβειας αλλά και της ευστάθειας τους χωρίς να υποβαθμίσουμε ή να αδιαφορήσουμε για ζητήματα ασφάλειας ήταν επίσης μεγάλου ενδιαφέροντος. Επιπλέον, η αναδιάρθρωση της αγοράς ηλεκτρικής ενέργειας και η επερχόμενη «ευφυΐα» της υποδομής του ηλεκτρικού δικτύου έφερε νέες προκλήσεις σχετικά με θέματα ασφάλειας και σταθερότητας, καθώς και τον χειρισμό του τεράστιου όγκου δεδομένων που παράγονται σε πραγματικό χρόνο. Συνεπώς, η χρήση και επεξεργασία μεγάλου όγκου δεδομένων μαζί με τη χρήση τεχνικών τεχνητής νοημοσύνης όπως τα Νευρωνικά Δίκτυα (ΝΔ) και η Ασαφής Λογική (ΑΛ) για την ακριβή πρόβλεψη, πρόληψη ή διόρθωση επικίνδυνων συνθηκών ήταν υψηλής