Stochastic Modelling and Integration of Distributed Energy Resources in the Smart Grid

Abstract

The residential sector accounts for approximately 30% of the energy consumed in developed countries. This demand is currently covered not only by fossil fuels but also renewable energy sources that ensure a reduction in polluting emissions but which are generally distributed, generate intermittently and are difficult to manage. This requires the development of energy policies that reduce global consumption, as well as control and management systems that target the final consumer. In order to deal with this issue a detailed knowledge of the consumers’ behaviour is needed, both at an aggregate level for the management of the system and at an individual level for the development of measures to adapt their consumption. Furthermore, in this novel context, the feasibility of the different available strategies must be studied in addition to the benefits that can be obtained from their implementation and the control measures that can be developed. This PhD Thesis addresses the development of an energy modelling system for the residential sector as a way of predicting the electricity demand in households and establishing demand response strategies, energy policies and control actions that ease the integration process of distributed energy resources accordingly. The selected modelling technique follows the so-called bottom-up methodology, which enables the consumption in the residential sector as the sum of the individual contributions of each device installed in each household to be obtained. In addition, the simulation of these profiles is carried out using stochastic techniques that allow the heterogeneous and unpredictable behaviour of residents to be reproduced with a high temporal resolution. The modelling system has been divided into three main components which include the consumption due to lighting systems, the heating and air conditioning devices demand and the general appliances consumption. This has facilitated a detailed study of different energy saving policies and the assessment of potential demand response strategies, as well as the development of novel energy management techniques. All of these measures together with the modelling system have been implemented in a simulation tool which was also provided with renewable production data, collected in actual installations. Therefore, not only has the consumption been studied on its own, but also the integration of various resources has been assessed. Some of the studied measures are: replacing devices with more efficient technologies in the case of lighting systems, implementing low-level demand response strategies for household appliances, studying the impact on the low-voltage grid of increasing installation rates of certain technologies such as air conditioning systems and developing novel control techniques in the context of a smart community that can improve the hosting capacity of renewable solar production. Finally, the models and strategies studied in this work have been combined with an advanced metering infrastructure under the umbrella of a smart building. In this context, they provided an additional source of information towards the digitalisation of the electrical system where the extensive use of data allows for the implementation of even more advanced control strategies and will undoubtedly lead to future developments under the paradigm of Smart Grids.

El sector residencial representa aproximadamente el 30% de la energía consumida en los países desarrollados. Esta demanda está actualmente cubierta no solo por combustibles fósiles sino también por fuentes renovables que aseguran una reducción en las emisiones contaminantes, pero que generalmente se encuentran distribuidas, producen intermitentemente y son difíciles de gestionar. Esto exige el desarrollo de políticas energéticas que reduzcan el consumo global y sistemas de control y gestión que tengan como objetivo el consumidor final. Solucionar estos retos pasa por conocer el comportamiento los consumidores, tanto a nivel agregado para la gestión del sistema, como a nivel individual para el desarrollo de medidas de adaptación de su propio consumo. Además, en este contexto novedoso es necesario estudiar la viabilidad de las distintas estrategias, los beneficios que se pueden obtener y las medidas de control adicionales que pueden ser desarrolladas. La siguiente Tesis doctoral plantea el desarrollo de un sistema de modelado del consumo en el sector residencial como medio para predecir las necesidades de demanda eléctrica dentro de la red inteligente y establecer a partir de ellas medidas de respuesta a la demanda, políticas energéticas y acciones de control que ayuden a la integración de los recursos energéticos distribuidos. La técnica de modelado escogida sigue una metodología bottom-up (de abajo a arriba) que permite obtener el consumo en el sector residencial como la suma de las contribuciones de cada dispositivo instalado en cada vivienda. Además, la simulación de dichas curvas se ha realizado mediante técnicas estocásticas que permiten reproducir el comportamiento heterogéneo y poco predecible de los residentes con altas resoluciones temporales. El sistema de modelado se ha dividido en tres componentes principales que son el consumo en iluminación, el consumo en calefacción y aire acondicionado y el consumo en electrodomésticos de uso generales. Esto ha permitido un estudio detallado de las distintas medidas de ahorro energético y potenciales estrategias de respuesta a la demanda así como el desarrollo de novedosas técnicas de gestión energética. Todas estas medidas junto con el sistema de modelado han sido implementadas en una herramienta de simulación en la cual se han incluido también datos de producción renovable recogidos en instalaciones reales. De este modo, no solo se ha estudiado el consumo de forma independiente, sino que diversas medidas energéticas han sido también evaluadas. Algunas de ellas han sido: la sustitución de dispositivos por tecnologías más eficientes en el caso de sistemas de iluminación, la implementación de estrategias de respuesta a la demanda a bajo nivel para los electrodomésticos disponibles en los hogares, el estudio del impacto en la red de baja tensión del aumento de determinadas tecnologías como los sistemas de aire acondicionado y el desarrollo de técnicas de control en el contexto de una comunidad inteligente que mejoren la capacidad de acogida de producción fotovoltaica. Finalmente, los modelos y estrategias estudiadas han sido integradas junto con un sistema de contadores inteligentes bajo el paraguas de un edificio gestionable. En este contexto, han aportado una fuente adicional de información hacia la digitalización del sistema eléctrico donde el uso masivo de datos permite implementar estrategias de control aun más avanzadas y que dará pie sin lugar a dudas a futuros desarrollos.