Optimal energy management strategies for autonomous and interconnected microgrids with renewable energy production and storage

Abstract

This thesis investigates the design, implementation, and evaluation of advanced energy management strategies for autonomous multi-node microgrids, using a real small-scale microgrid pilot infrastructure as the primary development and validation platform. The overarching objective is to ensure reliable load supply while maximizing renewable energy utilization, minimizing dependence on fossil-based backup units, and coordinating heterogeneous distributed resources—including photovoltaic and wind generation, battery storage, hydrogen production and consumption systems, and flexible loads. To achieve these goals, the research adopts a hierarchical control approach, combining local node-level management with supervisory coordination mechanisms. The initial supervisory layer developed in this work is based on a Finite State Machine (FSM), which discretizes the battery state of charge (SOC) into operational zones and prescribes state transitions associated with energy import, export, or autonomous operation. The FSM provides a transparent, computationally lightweight coordination mechanism that improves renewable energy absorption and reduces reliance on diesel backup relative to isolated node operation. Nevertheless, due to its rule-based nature, the FSM lacks the ability to anticipate future variations in renewable output or load demand, limiting its effectiveness under rapidly changing conditions. To overcome these limitations, the thesis introduces a nonlinear Model Predictive Control (NMPC) framework as its central contribution. NMPC leverages forecasts of renewable generation and load profiles to optimize energy exchanges among nodes over a prediction horizon, ensuring compliance with device constraints while minimizing renewable curtailment and fossil fuel usage. Comparative studies demonstrate that while isolated node operation can maintain basic autonomy, it leads to suboptimal utilization of storage resources and increased diesel consumption. In contrast, NMPC-enabled coordination facilitates sharing of surpluses and deficits across the network, yielding superior efficiency and renewable penetration. The thesis further investigates forecast-driven tuning of NMPC weight coefficients, enabling dynamic adjustment of the balance between SOC tracking accuracy and control effort. This enhances the controller’s adaptability to meteorological variability and operational uncertainty. Additionally, the integration of electric vehicles as flexible loads is assessed. Optimal charging scheduling successfully aligns charging demand with renewable availability, mitigating demand peaks and transforming EVs into valuable controllable assets. A major contribution of the thesis is the development of a digital twin of the pilot microgrid. This digital twin couples real operational data with the model of the system, enabling real-time replication of system behavior, predictive scenario analysis, and evaluation of alternative control strategies without exposing the physical infrastructure to risk. It functions as a diagnostic and decision-support tool, facilitating forecasting, controller validation actions communication and structured exploration of future expansion scenarios. Through this capability, the digital twin significantly strengthens system resilience, situational awareness, and the capacity for proactive energy management. Overall, the thesis demonstrates that predictive supervisory management, supported by NMPC, adaptive tuning, flexible-load integration, and digital twin technology, significantly enhances the operational efficiency, sustainability, and robustness of autonomous multi-node microgrids, establishing a unified framework for next-generation distributed energy systems.

Η παρούσα διατριβή παρουσιάζει μια ολοκληρωμένη μελέτη διαχείρισης ενέργειας αυτόνομων πολυ-κομβικών μικροδικτύων, αξιοποιώντας ένα πιλοτικό μικροδίκτυο μικρής κλίμακας. Κεντρικό στόχο αποτελεί ο σχεδιασμός, η ανάπτυξη και η εφαρμογή εποπτικών στρατηγικών ελέγχου που μεγιστοποιούν τη διείσδυση ανανεώσιμων πηγών ενέργειας (ΑΠΕ), μειώνουν την εξάρτηση από εφεδρικές μονάδες παραγωγής, και εξασφαλίζουν την αδιάλειπτη τροφοδοσία όλων των φορτίων. Η μεθοδολογία στηρίζεται σε ιεραρχική δομή διαχείρισης, η οποία συντονίζει παραγωγή, αποθήκευση, υποδομές υδρογόνου και ευέλικτα φορτία μέσω προηγμένων προβλεπτικών τεχνικών. Η πρώτη εποπτική προσέγγιση που μελετάται βασίζεται στη χρήση Μηχανής Πεπερασμένων Καταστάσεων (FSM). Η FSM οργανώνει την κατάσταση φόρτισης των μπαταριών σε διακριτές ζώνες και καθορίζει βασικές μεταβάσεις μεταξύ λειτουργικών καταστάσεων. Παρέχει έναν απλό και ερμηνεύσιμο μηχανισμό λήψης αποφάσεων, ο οποίος μειώνει τις απώλειες ΑΠΕ και τη χρήση γεννητριών. Ωστόσο, ως μέθοδος βασισμένη σε κανόνες, δεν διαθέτει τη δυνατότητα πρόβλεψης μελλοντικών μεταβολών ούτε τη δυνατότητα λήψης βέλτιστων αποφάσεων σε μεγαλύτερους χρονικούς ορίζοντες. Για την υπέρβαση των παραπάνω περιορισμών αναπτύσσεται πλαίσιο Μη Γραμμικού Προβλεπτικού Ελέγχου (NMPC), το οποίο αποτελεί τη βασική συνεισφορά της διατριβής. Ο NMPC χρησιμοποιεί προβλέψεις παραγωγής και φορτίου για τη βελτιστοποίηση των ενεργειακών ανταλλαγών, ενσωματώνοντας πλήρως τους τεχνικούς περιορισμούς των συστημάτων. Τα αποτελέσματα καταδεικνύουν σημαντική βελτίωση στην αξιοποίηση των ΑΠΕ, μείωση της κατανάλωσης καυσίμου και πιο ισόρροπη λειτουργία των μέσων αποθήκευσης, σε σύγκριση με την τοπική διαχείριση ή την FSM. Παράλληλα, αναπτύσσεται μεθοδολογία για τη δυναμική ρύθμιση των συντελεστών βάρους του NMPC, η οποία προσδίδει αυξημένη ευελιξία και προσαρμοστικότητα υπό μεταβαλλόμενες συνθήκες. Επιπλέον, διερευνάται η ενσωμάτωση ηλεκτρικών οχημάτων ως ευέλικτων φορτίων. Ο βέλτιστος προγραμματισμός φόρτισης οδηγεί σε εξομάλυνση αιχμών και αύξηση της χρήσης ανανεώσιμης ενέργειας, αναδεικνύοντας τον ρόλο των EV ως ενεργών στοιχείων ενίσχυσης της σταθερότητας του μικροδικτύου. Καίρια συνεισφορά της διατριβής αποτελεί η ανάπτυξη ενός ολοκληρωμένου ψηφιακού διδύμου του πιλοτικού μικροδικτύου. Το ψηφιακό δίδυμο ενοποιεί πραγματικά λειτουργικά δεδομένα με το μαθηματικό μοντέλο του μικροδικτύου, επιτρέποντας την αναπαράσταση της στιγμιαίας κατάστασης του συστήματος, την εκτέλεση προβλεπτικών αναλύσεων και την αξιολόγηση εναλλακτικών στρατηγικών ελέγχου χωρίς κίνδυνο για την πραγματική υποδομή. Λειτουργεί ως εργαλείο διαγνωστικής υποστήριξης, πρόγνωσης, σχεδιασμού και εφαρμογής ελέγχου, ενισχύοντας ουσιαστικά την επιχειρησιακή ανθεκτικότητα και επιτρέποντας την ασφαλή εξέταση μελλοντικών σεναρίων ανάπτυξης του μικροδικτύου. Με τη συνδυασμένη αξιοποίηση προβλεπτικών αλγορίθμων, ευέλικτων φορτίων και ψηφιακού διδύμου, η διατριβή διαμορφώνει ένα συνεκτικό και επεκτάσιμο πλαίσιο εποπτικής διαχείρισης που αναβαθμίζει σημαντικά την αποδοτικότητα, τη βιωσιμότητα και την ευρωστία των αυτόνομων πολυ-κομβικών μικροδικτύων, θέτοντας θεμέλια για τα επόμενα στάδια εξέλιξης κατανεμημένων ενεργειακών συστημάτων.