Multi-stage day-ahead scheduling for building-integrated large-scale electrical vehicle charging station

Ngo, Van Quyen (2022). Multi-stage day-ahead scheduling for building-integrated large-scale electrical vehicle charging station. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (3MB) | Prévisualisation

Résumé

Electric vehicle (EV) fleets have grown significantly over the past decade. To meet the increase in EV charging demand, one scenario considered is to convert parking spaces in functional buildings into EV charging stations, so that the large-scale EV charging demand is added to the building microgrid in a cooperatively controlled manner to avoid the negative effect on the building itself as well as on the main grid. In this work, we consider a building charging microgrid (BCM) system equipped with a solar photovoltaic (PV) system and a stationary battery-based energy storage system (BESS), which aims to achieve three objectives: 1) minimize their operating cost, 2) commit to acting as a well-behaved load in the day-ahead electricity market by flattening their power profile and following their day-ahead schedule; and 3) balance PV generation, given the limitation of the main grid, the capacity/power limit of the BESS, and the stochastic behavior of the EV parking pattern, building load, PV generation, and electricity price. The biggest challenges faced by BCM operators are the highly stochastic behavior of the EV parking models, the high computational complexity, and the dynamics of EV load. To address these challenges, we propose a multi-stage charge/discharge scheduling framework, which consists of three main steps: 1) a day-ahead scheduling optimisation is solved one hour in advance of the operating day; 2) an intra-hour rolling horizon optimization is solved every 15 minutes adapting to the forecast errors of EV demand; 3) a real-time heuristic control and adjustment algorithm is based on the laxity and stage of charge (SOC) of the EVs and their real-time flexibility assessment. A stochastic modeling approach for EV fleets adopting the Monte Carlo simulation method assuming known probability distribution of the arrival time, parking duration, initial SOC, battery capacity, and diversity of the charging rate is proposed to capture the stochastic nature of EV behaviors. To reduce the computational complexity related to large-scale EV fleets, a novel cluster-based aggregation technique which divides EV fleets into three clusters based on their laxity and discharge capability is applied to guarantee high satisfaction of EV users. Finally, a real-time adjustment algorithm is applied to track the day-ahead power schedule. The performance of the proposed algorithm is measured through extensive simulations in office, residential and commercial BCMs using both real and simulated data. Our simulation results show a 4.42% reduction of operating cost in average while maintaining customer satisfaction at over 97% thanks to the real-time electric vehicle flexibility assessment and the new cluster-based aggregation model.

Titre traduit

Ordonnancement de recharge en plusieurs étapes de la veille pour la grande échelle station de véhicules électriques intégrée à bâtiment

Résumé traduit

Afin de répondre à la croissance rapide de la demande de recharge des véhicules électriques (VE) pendant la dernière décennie, les espaces de stationnement des bâtiments ont été transformés en stations de recharge des VE. Cette solution permet de contrôler la demande de recharge des VE ajoutée au micro-réseau du bâtiment d'une manière coopérative pour éviter des effets négatifs sur le bâtiment lui-même ainsi que sur le réseau d’électricité. Dans ce mémoire, nous optimisons un micro-réseau de charge de bâtiment (BCM) équipé d'un système solaire PV et d'un système de stockage d'énergie stationnaire en batterie. Ce modèle proposé a pour but de: 1) minimiser les coûts d'exploitation, 2) contribuer à la stabilité du marché d’énergie en anticipant les demandes de recharge des VEs et de les communiquer avec les fournisseurs la veille de l’opération; et 3) équilibrer la production PV, compte tenu de la limitation du réseau d’électricité, de la limite de capacité du BESS, et des demandes stochastiques des VEs, de la production PV et du prix de l'électricité. Pour résoudre ce problème d’optimisation, nous proposons un algorithme d'ordonnancement de la charge/décharge, qui se compose de trois étapes principales: 1) planifier la recharge une heure avant le jour d'exploitation; 2) résoudre le modèle d’optimisation toutes les 15 minutes en s'adaptant aux erreurs de prévision de la demande des VE; 3) contrôler la recharge des VEs en temps réel. Une modélisation stochastique basée sur la méthode de simulation de Monte Carlo est proposée pour capturer la nature stochastique des comportements des VE. Pour réduire la complexité de calcul résultant d’un grand nombre des VEs, nous appliquons une technique d'agrégation basée sur des clusters pour diviser les flottes de VE en trois groupes en fonction de leur laxité et de leur capacité de décharge, ce qui peut garantir une grande satisfaction aux utilisateurs de VE. Enfin, un algorithme d'ajustement en temps réel est implémenté pour s’adapter au changement de puissance. L'algorithme proposé a été validé à travers de plusieurs expérimentations dans des BCMs de bureau, résidentiels et centres commerciaux en utilisant des données réelles et simulées. Les résultats expérimentaux montrent une réduction de 4,42% du coût moyen d'exploitation tout en maintenant la satisfaction du client à plus de 97% grâce à l'adaptation en temps réel et au nouveau modèle d'agrégation basé sur le regroupement.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	“Thesis presented to École de technologie supérieure in partial fulfillment for a master’s degree with thesis in electrical engineering”. Comprend des références bibliographiques (pages 67-70).
Mots-clés libres:	micro-réseau de bâtiment, BESS, PV solaire, MILP, station de charge EV, V2G
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Al-Haddad, Kamal
Codirecteur:	Codirecteur Nguyen, Kim Khoa
Programme:	Maîtrise en ingénierie > Génie électrique
Date de dépôt:	11 févr. 2022 20:23
Dernière modification:	17 août 2022 17:46
URI:	https://espace.etsmtl.ca/id/eprint/2900

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt