Kurzbeschreibung
(Deutsch)
|
Das Streben nach einer nachhaltigen Energieversorgung führt zu einer Umstrukturierung des elektrischen Energiesystems. Verteilte Ressourcen (Erzeugung, Speicher, flexible Lasten) spielen dabei eine wichtige Rolle und prägen vermehrt die tieferen Spannungsebenen. Derzeit sind in einigen Ländern Peer-to-Peer-Plattformen im Einsatz, die einen lokalen Energiehandel ermöglichen. Dies kann für einige Haushalte Kostenvorteile mit sich bringen, für den Netzbetrieb bleiben die Potenziale einer lokalen Koordination der Ressourcen jedoch grösstenteils ungenutzt. Ziel des Projektes ist es, unter dem Gesichtspunkt der Netzdienlichkeit als auch im Sinne einer fairen Kostenverteilung, das Niederspannungsnetz der Zukunft mit erhöhter Durchdringung von erneuerbaren Energien zu ermöglichen. Der Ansatz verfolgt die Lenkung des Kundenverhaltens über dynamische Tarife, welche Einfluss auf die Netzbelastung ausüben, die Attraktivität intelligenter Steuerungsmechanismen erhöhen und schlussendlich ein gesellschaftlich wünschenswertes Verhalten der Netzteilnehmer fördern. Zentral für die Umsetzung des Ziels ist das Verständnis des Wechselspiels zwischen Tarifierung und Kundenreaktion. Dafür werden Marktmechanismen sowie konkrete statische und dynamische Tarifmodelle definiert. Die Grundlage der Modellierung und Umsetzung sind Tools basierend auf Lernalgorithmen (künstliche Intelligenz) zum automatisierten Energiemanagement. Durch die Optimierung und Automatisierung der Interaktionen wird die Grundlage zu einem zuverlässigen und kosteneffizienten Netzbetrieb gelegt. Die Ergebnisse sollen wichtige Daten und Erkenntnisse für das schweizerische Elektrizitätssystem der Zukunft und die künftige Ausgestaltung der regulatorischen Rahmenbedingungen liefern.
|
Kurzbeschreibung
(Englisch)
|
The desire to render the energy system more sustainable is leading to a restructuring of the electrical energy system. Distributed resources (generation, storage, flexible loads) play an important role and are increasingly shaping the lower voltage levels. Peer-to-peer platforms are currently in use in some countries to enable local energy trading. This can bring cost advantages for some households, but for grid operation the potential of local coordination of resources remains mostly unrealized. The goal of the project is to enable the low-voltage grid of the future with increased penetration of renewable energy by providing a high grid efficiency and fair cost distribution. The approach aims to steer the customer behavior via dynamic tariffs, which influence the grid load, increase the attractiveness of intelligent control mechanisms and finally promote a socially desirable behavior of the grid participants. Central to the implementation of the objective is the understanding of the interplay between tariff setting and customer reactivity. For this purpose, market mechanisms as well as static and dynamic tariff models are defined. The basis for modeling and implementation are tools based on optimization and learning algorithms (artificial intelligence) for automated energy management. By optimizing and automating the interactions, the foundation is laid for reliable and cost-efficient grid operation. The results will provide important data and insights for the Swiss electricity system of the future and the future design of the regulatory framework.
|
Kurzbeschreibung
(Französisch)
|
La recherche d'un approvisionnement énergétique durable conduit à une restructuration du système énergétique électrique. Les ressources distribuées (production, stockage, charges flexibles) jouent un rôle important dans ce contexte et marquent de plus en plus les niveaux de tension inférieurs. Actuellement, des plateformes peer-to-peer sont utilisées dans certains pays pour permettre le commerce local d'énergie. Cela peut présenter des avantages en termes de coûts pour certains ménages, mais pour l'exploitation du réseau, les potentiels d'une coordination locale des ressources restent en grande partie inexploités. L'objectif du projet est de rendre possible le réseau basse tension du futur avec une pénétration accrue des énergies renouvelables, tant du point de vue de l'utilité du réseau que de la répartition équitable des coûts. L'approche consiste à orienter le comportement des clients par le biais de tarifs dynamiques qui ont une influence sur la charge du réseau, augmentent l'attractivité des mécanismes de contrôle intelligents et encouragent finalement un comportement socialement souhaitable des participants au réseau. La compréhension de l'interaction entre la tarification et la réaction des clients est essentielle pour la mise en œuvre de l'objectif. Pour ce faire, des mécanismes de marché ainsi que des modèles tarifaires statiques et dynamiques concrets sont définis. La modélisation et la mise en œuvre reposent sur des outils basés sur des algorithmes d'apprentissage (intelligence artificielle) pour la gestion automatisée de l'énergie. L'optimisation et l'automatisation des interactions permettront de jeter les bases d'une exploitation fiable et rentable du réseau. Les résultats doivent fournir des données et des connaissances importantes pour le système électrique suisse du futur et pour la conception future des conditions-cadres réglementaires.
|
Publikationen / Ergebnisse
(Deutsch)
|
Der steigende Einsatz dezentraler erneuerbarer Energiequellen sowie die Elektrifizierung des Transportund Wärmesektors stellen grosse Anforderungen an das Verteilnetz. Zur Bewältigung der entstehenden Herausforderungen untersucht das Pilotprojekt OrtsNetz den Einsatz von zeitabhängigen Netznutzungstarifen, welche helfen sollen, Leistungsspitzen im Niederspannungsnetz zu vermeiden und dezentrale Quellen zu integrieren. In diesem Kontext ermittelt und vergleicht das Projekt (i) Verhaltensänderungen von Kundinnen und Kunden durch Tarifsignale, (ii) eine automatisierte lokale Laststeuerung wichtiger Verbraucher (Boiler, Wärmepumpen und Elektrofahrzeuge) und (iii) eine direkte Ansteuerung flexibler Lasten durch den Verteilnetzbetreiber, die auf einer zentralen Optimierung basiert. Das Projekt ist in vier Arbeitspakete unterteilt. Das erste Arbeitspaket befasst sich mit der Kundeninteraktion sowie mit dem Tarif- und Studiendesign. In den Arbeitspaketen 2 und 3 werden die Algorithmen zur Ermittlung der genauen Tarifwerte und der Schaltbefehle entwickelt. Der Fokus des vierten Arbeitspakets liegt auf dem Systemdesign und den Komponenten, die für eine erfolgreiche Implementierung während der Pilotphase benötigt werden. In Arbeitspaket 1 wurde das Tarifdesign finalisiert. Basierend auf historischen Energiemessungen aus dem Projektgebiet wurde ein Time-of-Use Tarifprofil evaluiert und auf Kostenneutralität skaliert. Diese Skalierung bestimmt auch die Spanne eines Echtzeittarifs. Die verschiedenen Studiengruppen des Projekts wurden definiert und den insgesamt 630 Teilnehmenden zugeordnet. Erste Ergebnisse zeigen eine Opt-out-Rate von unter 4 %.
Das Arbeitspaket 2 analysiert die Wechselwirkung zwischen den Tarifwerten und dem Verbrauchsverhalten unter idealisierten Bedingungen. Sowohl die Perspektive des Verteilnetzbetreibers als auch die der Kundinnen und Kunden wurden modelliert, und ihre hierarchische Interaktion wurde als Bilevel-Optimierungsproblem formuliert. Die Lösung des Problems hat wertvolle Erkenntnisse für den Timeof-Use Tarif geliefert. Aufgrund des hohen Rechenaufwands bei der Betrachtung eines dynamischen Tarifs wurden alternative Methoden angewandt, welche in Arbeitspaket 3 beschrieben sind.
In Arbeitspaket 3 werden Unsicherheiten und begrenzte Informationen, d.h. reale Bedingungen, berücksichtigt. Für die Bestimmung der Preise des Echtzeittarifs haben wir eine proportionale Preismethode entwickelt und arbeiten an einem Reinforcement Learning basierten Ansatz. Darüber hinaus wurde das automatische Lastmanagement auf Haushaltsebene mit Hilfe eines Reinforcement Learning Agenten zur Steuerung von Boilern und Wärmepumpen sowie zur Optimierung der Steuerung des Ladevorgangs von Elektrofahrzeugen fertiggestellt. Letztlich haben wir einen Algorithmus zur Berechnung der Schaltbefehle für die direkte Laststeuerung entwickelt.
Im Arbeitspaket 4 wurde die Hardware und Infrastruktur für die Testphase entwickelt und fast vollständig installiert. Dies beinhaltet die Entwicklung der bei den Kunden installierten Lastschaltgeräte, die Einrichtung der Cloud-Infrastruktur, die Installation der Kommunikationsinfrastruktur und die Entwicklung der OrtsNetz-Plattform. Die Infrastruktur befindet sich noch nicht im Endzustand, aber die Steuerung der Lasten von Kunden hat bereits begonnen.
|
Publikationen / Ergebnisse
(Englisch)
|
The increasing deployment of decentralized renewable energy sources and the electrification of the transport and heating sectors place great demands on the distribution grid. To meet these challenges, the OrtsNetz pilot project is investigating the use of time-dependent grid usage tariffs, which are intended to help avoid power peaks in the low-voltage grid and ease the integration of decentralized sources. In this context, the project is investigating and comparing (i) changes in customer behavior through tariff signals, (ii) automated local load control of important consumers (boilers, heat pumps, and electric vehicles) and (iii) direct control of flexible loads by the distribution grid operator based on central optimization. The project is structured into four work packages. Work package 1 focuses on customer interaction, as well as the tariff and experiment design. The algorithms to determine the exact tariff values and the switching commands are developed in work packages 2 and 3. Work package 4 focuses on the system design and the components that are needed for a successful pilot implementation.
In work package 1, the tariff design was finalized. Based on historic energy measurements from the project area, a time-of-use tariff profile was evaluated and scaled for cost recovery. The same scaling determines the range of a real-time tariff. The different study groups of the project were defined and applied to a total of 630 participants. First results show an opt-out rate below 4 %.
Work package 2 analyzes the interplay between tariff values and consumption behavior under idealized conditions. Both the perspective of the distribution system operator and the customers have been modeled, and their hierarchical interaction has been formulated as a bilevel programming problem. Solving the problem gave relevant insights for the time-of-use tariff scheme. Due to the computational complexity when considering a dynamic tariff, alternative methods were applied, as described in work package 3. In work package 3, uncertainties and limited information, i.e., real-world conditions are considered. For determining the real-time price values in the dynamic tariff scheme, we developed a proportional pricing method and are working on a reinforcement learning-based approach. Furthermore, the automatic load management at the household level has been finalized, using a reinforcement learning agent to control electric water heaters and heat pumps, and optimization for controlling electric vehicle charging. Third, we developed an algorithm to compute the switching commands in the direct load control setting. Finally, in work package 4, the hardware and infrastructure for the test phase has been developed and almost completely been installed. This includes the development of the load control devices installed at the customers, setting up the cloud infrastructure, installing the infrastructure necessary for power line communication and developing the OrtsNetz platform. The infrastructure is not in its final state but control of customers’ loads has already started.
Zugehörige Dokumente
|
Publikationen / Ergebnisse
(Französisch)
|
L'utilisation croissante de sources d'énergie renouvelables décentralisées ainsi que l'électrification des secteurs du transport et du chauffage posent de grandes exigences au réseau de distribution. Pour relever ces défis, le projet pilote Réseau local étudie l'utilisation de tarifs d'utilisation du réseau en fonction du temps, qui devraient aider à éviter les pics de puissance dans le réseau basse tension et à intégrer des sources décentralisées. Dans ce contexte, le projet détermine et compare (i) les changements de comportement des clients par des signaux tarifaires, (ii) une commande de charge locale automatisée des consommateurs importants (chauffe-eau, pompes à chaleur et véhicules électriques) et (iii) une commande directe des charges flexibles par le gestionnaire du réseau de distribution, basée sur une optimisation centrale. Le projet est divisé en quatre lots de travail. Le premier package de travail porte sur l'interaction avec le client ainsi que sur la conception des tarifs et des études. Les paquets de travail 2 et 3 développent les algorithmes permettant de déterminer les valeurs exactes des tarifs et les ordres de commutation. Le quatrième lot de travaux se concentre sur la conception du système et les composants nécessaires à une mise en œuvre réussie pendant la phase pilote. Le package de travail 1 a permis de finaliser la conception du tarif. Sur la base des mesures historiques de l'énergie dans la zone du projet, un profil tarifaire "time-of-use" a été évalué et mis à l'échelle pour assurer la neutralité des coûts. Cette mise à l'échelle détermine également la marge d'un tarif en temps réel. Les différents groupes d'étude du projet ont été définis et attribués aux 630 participants au total. Les premiers résultats montrent un taux d'opt-out inférieur à 4 %.
Le package de travail 2 analyse l'interaction entre les valeurs tarifaires et le comportement de consommation dans des conditions idéalisées. Tant la perspective du gestionnaire du réseau de distribution que celle des clients ont été modélisées et leur interaction hiérarchique a été formulée sous la forme d'un problème d'optimisation de niveau. La résolution du problème a fourni des informations précieuses pour le tarif time-of-use. En raison de la charge de calcul élevée liée à l'examen d'un tarif dynamique, des méthodes alternatives ont été appliquées, qui sont décrites dans le package de travail 3.
Dans le package de travail 3, les incertitudes et les informations limitées, c'est-à-dire les conditions réelles, sont prises en compte. Pour déterminer les prix du tarif en temps réel, nous avons développé une méthode de prix proportionnelle et travaillons sur une approche basée sur l'apprentissage par renforcement. En outre, nous avons achevé la gestion automatique de la charge au niveau du ménage à l'aide d'un agent d'apprentissage par renforcement pour le contrôle des chauffe-eau et des pompes à chaleur, ainsi que pour l'optimisation du contrôle de la charge des véhicules électriques. En fin de compte, nous avons développé un algorithme pour calculer les ordres de commutation pour la commande directe de la charge.
Dans le package de travail 4, le matériel et l'infrastructure pour la phase de test ont été développés et presque entièrement installés. Cela comprend le développement des dispositifs de commutation de charge installés chez les clients, la mise en place de l'infrastructure cloud, l'installation de l'infrastructure de communication et le développement de la plateforme de réseau local. L'infrastructure n'est pas encore dans son état final, mais la gestion des charges des clients a déjà commencé.
|
