Integrated Management of Residential Energy Resources: Models, Algorithms and Application

Abstract

The gradual development of electricity networks into smart(er) grids is expected to provide the technological infrastructure allowing the deployment of new tariff structures and creating the enabling environment for the integrated management of energy resources. The suitable stimuli, for example induced by dynamic tariffs, i.e. energy prices varying in short periods of time, and an adequate technological infrastructure for metering, controlling and data communication are expected to become major tools to foster a more active role of demand-side resources and facilitating the penetration of distributed generation based on renewable sources. In this setting, active residential load management can play an important role to help end-users optimizing the usage of energy resources to minimize the overall energy cost without compromising comfort. This load management asks for the development of optimization models of combinatorial nature and able to account for multiple objectives, given the diversity of comfort requirements, technical constraints, appliances to be scheduled, etc., in a near real-time framework, to decide which automated demand response action should be implemented. The decisions are influenced by energy costs, end-users’ preferences and requirements, potential dissatisfaction when the operation cycle of loads is changed, technical constraints, weather forecasts, the existence of local generation and storage systems. Evolutionary algorithms have been used to solve a variety of complex optimization problems, coping with large and irregular search spaces, and also multiple objectives of different nature. Due to these features and the ability to provide good solutions in a reasonable computational time, an evolutionary algorithm approach has been developed to solve a multi-objective optimization model for managing residential energy resources. The energy resources to be considered include local generation, storage systems (stationary and plug-in electric vehicle) and manageable demand. Demand resources can be categorized under shiftable loads, reparameterizable loads and interruptible loads. The evolutionary algorithm developed makes the most of the physical characteristics of the problem to obtain results that can be implemented in practice with a mild computational effort. For the different types of loads, customized solution encoding and operators are used since the detailed knowledge of the physical characteristics of the problem is essential to obtain better results. The bi-objective model considers as objective functions the minimization of the energy cost and the minimization of end-user’s dissatisfaction associated with management strategies. The consideration of a bi-objective model enables to study the trade-offs between the competing objective functions and then select a compromise solution more in accordance with the end-user profile. The use of the tailored evolutionary algorithm proposed in this research, though not directly aiming at an overall reduction of energy consumption, allows minimizing the electricity bill and end-user’s dissatisfaction through an optimized use of energy resources. According to the results obtained, the contracted power level can also be lowered. Savings in the electricity bill are usually between 5-16%, although higher ones can be attained since savings are strongly dependent on the tariff structure, end-user’s preferences and willingness to accept a higher level of control. Results show the higher the flexibility of the end-user regarding the usage of the different energy services, the higher the savings. This evolutionary algorithm approach endows the Energy Management System with a reliable method to automatically make decisions concerning the optimal integrated use of multiple residential energy resources according to the end-user profile and has a high flexibility concerning the integration of a high diversity of manageable resources.

A evolução gradual das redes de energia no sentido de redes mais inteligentes expectavelmente fornecerá a infraestrutura tecnológica necessária permitindo a implementação de novas estruturas tarifárias, criando um ambiente favorável para a gestão integrada de recursos energéticos. Os estímulos adequados induzidos, por exemplo, por tarifas dinâmicas, em que o preço de energia é variável ao longo de intervalos de tempo curtos, assim como a infraestrutura tecnológica para monitorização, controlo e comunicação de dados tornar-se-ão ferramentas importantes para fomentar um papel mais ativo dos recursos do lado da procura e promover a penetração da geração distribuída baseada em fontes renováveis. Neste contexto, a gestão ativa das cargas no setor residencial pode desempenhar um papel importante para permitir aos utilizadores a otimização da utilização de recursos energéticos, com o intuito de minimizar o custo total de energia, sem comprometer o nível de conforto. Esta gestão de cargas requer o desenvolvimento de modelos de otimização de natureza combinatória e tendo em conta múltiplos objetivos, dada a diversidade de requisitos em termos de conforto, restrições técnicas, quantidade de cargas a escalonar, entre outros, num ambiente em tempo quase real, para decidir que ações de gestão da procura devem ser implementadas. As decisões são influenciadas pelos custos de energia, pelas preferências e requisitos do utilizador, pela potencial insatisfação quando o ciclo de funcionamento das cargas é alterado, pelas restrições técnicas, pelas previsões meteorológicas e pela existência de sistemas de geração local e de armazenamento. Os algoritmos evolucionários têm sido usados para resolver problemas de otimização complexos, devido à sua capacidade para trabalhar com espaços de procura grandes e irregulares, e com vários objetivos de natureza diversa. Devido a estas características e ainda à capacidade para encontrar boas soluções num tempo computacional razoável, foi desenvolvida uma abordagem baseada num algoritmo evolucionário para resolver um modelo de otimização multi-objetivo para a gestão de recursos energéticos no setor residencial. Os recursos energéticos a considerar incluem geração distribuída local, sistemas de armazenamento (estacionários ou veículos elétricos) e a procura controlável. A procura controlável pode ser dividida em cargas ajustáveis no tempo (ou que permitem reagendamento), cargas reparametrizáveis e cargas cujo funcionamento pode ser interrompido. O algoritmo evolucionário desenvolvido tira partido do conhecimento das características físicas do problema de modo a obter resultados que podem ser implementados na prática, com um esforço computacional moderado. Assim, para os diferentes tipos de cargas, é feita uma adaptação da codificação da solução e dos operadores, pois um conhecimento detalhado das caraterísticas físicas do problema permite obter melhores resultados. O modelo bi-objetivo considera como funções objetivo a minimização do custo de energia e a minimização da insatisfação associada à implementação das ações de gestão da procura. A consideração de um modelo bi-objetivo permite a análise dos trade-offs entre as duas funções objetivo e a seleção de uma solução de compromisso de acordo com o perfil do utilizador. O uso do algoritmo evolucionário proposto neste trabalho, embora não tenha como intenção essencial a redução global do consumo de energia, permite minimizar a fatura de eletricidade, assim como a insatisfação do utilizador, através de uma gestão otimizada dos recursos energéticos. De acordo com os resultados obtidos, o escalão da potência contratada também pode ser reduzido. As poupanças na fatura de eletricidade variam geralmente entre 5 e 16%, apesar de poderem ser atingidas poupanças mais elevadas uma vez que estas são fortemente dependentes da estrutura tarifária, das preferências do utilizador e da sua predisposição para aceitar um nível de controlo mais elevado. Os resultados mostram que quanto maior a flexibilidade do utilizador relativamente à utilização dos diferentes serviços de energia, maior é a poupança. Esta abordagem, baseada num algoritmo evolucionário, permite dotar o sistema de gestão de energia de um método confiável para gerir automaticamente e de modo integrado os vários recursos energéticos existentes no setor residencial de acordo com o perfil do utilizador. Esta abordagem apresenta ainda uma flexibilidade elevada em termos de integração de uma elevada diversidade de recursos controláveis.