Optimization of electricity consumption using thermal and battery energy storage systems in smart buildings

Rostamnezhad, Zohreh (2023). Optimization of electricity consumption using thermal and battery energy storage systems in smart buildings. Thèse de doctorat électronique, Montréal, École de technologie.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

Due to the variable electricity consumption pattern in buildings during the day, energy storage systems (ESS) are considered to be employed to store the energy and release it in peak hours to achieve peak load shaving, save cost, provide the demand load, and increase the power quality and stability. However, based on the limited capacity of ESSs and their limitations, it is challenging to meet peak load shaving criteria determined by utility companies. The novelty of this thesis is the employment of thermal energy storage system (TESS) alongside battery energy storage system (BESS) to compensate for BESS limitations and define the optimal charging/discharging schedule of TESS and BESS by optimization approaches.

The proposed power management unit uses a thermal energy storage system (TESS) and a battery energy storage system (BESS) to store the energy in off-peak periods and discharge it in high load demands. The optimal charging/discharging schedule of TESS and BESS has an important role in achieving complete peak load shaving. Therefore, the charging/discharging schedules of TESS and BESS are formulated as an optimization problem. In the first framework, particle swarm optimization (PSO) is employed to obtain the optimal schedule due to its computational time efficiency. The mathematical approach is also applied to prove the convexity of the problem and the uniqueness of the solution. In the second framework and to validate the optimal solution by PSO, reinforcement learning (RL) is employed and results are compared. In this context, the optimization problem is formulated as Markov decision process (MDP) and then solved by Q-learning algorithm. To provide power reliability and stability, all types of loads including electrical plugged and thermal loads are considered to be supported by ESS during peak periods. Moreover, to model the building components and loads, grey-box modeling is adopted. The efficacy of the proposed framework is demonstrated by using real electric power consumption data of a campus building. Results show these proposed frameworks are capable of defining optimal charging/discharging of ESSs, saving cost, compensating for BESS limitations, and reducing its capacity.

Titre traduit

Optimisation de la consommation d’électricité utilisant un système de stockage d’énergie thermique et un système de stockage d’énergie par batterie dans les bâtiments intelligents

Résumé traduit

En raison de la consommation d’électricité variable dans les bâtiments pendant la journée, les systèmes de stockage d’énergie (SSE) sont utilisés pour stocker l’énergie et la restituer aux heures de pointe pour réaliser l’écrêtage de la charge de pointe, afin d’économiser les coûts, fournir la demande de la charge et augmenter la qualité de l’alimentation ainsi que la stabilité. Cependant, compte tenu de la capacité limitée des SSE et de leurs diverses contraintes, il est difficile de répondre entièrement aux critères d’écrêtement des pointes de charge déterminés par les compagnies d’électricité. La nouveauté de la présente thèse est l’utilisation d’un système de stockage d’énergie thermique (SSET) parallèlement au stockage d’énergie par batterie (SSEB) pour compenser les limitations des SSEB et définir la charge/décharge optimale des SSE par des approches d’optimisation.

L’unité de gestion de l’énergie proposée utilise un système de stockage d’énergie thermique (SSET) et un système de stockage d’énergie par batterie (SSEB) pour stocker l’énergie en période creuse et la décharger en période de pointe. Le programme de charge/décharge optimal de TESS et BESS a une grande importance dans la réalisation d’un écrêtage complet de la charge de pointe. Par conséquent, les horaires de charge/décharge de SSET et SSEB sont formulés comme un problème d’optimisation. Dans un premier temps, l’optimisation par essaims de particules (PSO) est utilisée afin d’obtenir un horaire optimal en raison de son efficacité et de son temps de calcul. L’approche mathématique est également appliquée pour prouver la convexité du problème et l’unicité de la solution. Dans un deuxième temps, pour valider la solution optimale obtenue par PSO, l’apprentissage par renforcement (RL) est employé et les résultats sont comparés. Dans ce contexte, le problème d’optimisation est formulé comme un processus de décision de Markov puis résolu par la méthode d’apprentissage Q. Pour assurer la fiabilité et la stabilité de l’alimentation, tous les types de charges, y compris les charges électriques branchées et thermiques sont considérées et supportées par les SSE pendant les périodes de pointe. De plus, pour modéliser les composants et les charges du bâtiment, la modélisation en boîte grise est adoptée.

L’efficacité des méthodes proposées est démontrée en utilisant la consommation électrique réelle d’un bâtiment du campus. Les résultats montrent que les méthodes sont capables de définir les horaires de charge/décharge des SSE de façon optimale afin de réduire les coûts tout réduisant la capacité du SSEB.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy". Comprend des références bibliographiques (pages 87-97).
Mots-clés libres:	gestion de l’énergie, essaims de particule, apprentissage par renforcement, système de stockage d’énergie thermique, système de stockage d’énergie par batterie
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Dessaint, Louis-A.
Programme:	Doctorat en génie > Génie
Date de dépôt:	07 sept. 2023 17:17
Dernière modification:	07 sept. 2023 17:17
URI:	https://espace.etsmtl.ca/id/eprint/3263

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt