Load-shift optimisation of individual customers in a real-time pricing environment considering renewable electricity generation

Abstract

Das Aufkommen von intelligenten Strommesssystemen ermöglicht Nachfragesteuerung in Form dynamischer Preisgestaltung, wo wirtschaftliche Anreize zur Beeinflussung des Nachfrageverhaltens von Endverbrauchern eingesetzt werden. Automatisierte Lastdispositionssysteme können helfen, die Reaktion der Kunden auf Preissignale zu verbessern, ihren wirtschaftlichen Vorteil zu maximieren und somit die erwünschte Nachfragereaktion hervorzubringen. In dieser Arbeit wird ein Lastdispositionsalgorithmus entwickelt, welcher die Stromrechnungen von Endkunden unter Echtzeit-Preisbildung minimiert indem er einen optimalen Lasteinsatz berechnet. Die Methode wird auf Simulationen beispielhafter Endabnehmer aus unterschiedlichen Kundensektoren angewandt und in verschiedenen Szenarien wirtschaftlich analysiert. Der Einsatz der Lasten wird in einem zeitdiskreten Verfahren im Hinblick auf die Stromrechnung des Kunden minimiert. Die Entwicklung der Marktpreise, der erneuerbaren Eigenerzeugung sowie der nicht kontrollierbaren Lasten wird mittels linearer Regressionsanalyse geschätzt. Ein modellprädiktives Regelungsschema hält die Optimierung auf Kurs und profitiert bei jedem Zeitschritt von aktuellen Vorhersagen. Die Simulationsergebnisse zeigen merkbares Einsparungspotential bei Haushalten und gewissen kommunalen Endverbrauchern. Ein hoher Anteil an Eigenerzeugung, wie meist bei Haushalten, hat in der Simulation einen positiven Einfluss auf den Optimierungsprozess. Eine alternative Preiszusammensetzung mit flexiblen Netznutzungsentgelten und Abgaben zeigt sich für eine signifikante Steigerung des Einsparungseffektes verantwortlich. Das vorliegende Lastdispositionssystem demonstriert die Fähigkeit, die Stromrechnungen von verschiedenen Endkunden positiv zu beeinflussen. Eine hohe Flexibilität von sowie ein großer Anteil an kontrollierbaren Lasten sind entscheidend um zufriedenstellende Ergebnisse zu erhalten.

The advent of advanced metering infrastructure enables the application of demand side management like dynamic pricing, where economic incentives are used to influence the consumer's demand patterns. An automated load scheduling system can help to improve the customer's response to price signals, maximising their economic advantage and thus providing the intended demand response. In this thesis a load scheduling algorithm is developed, taking advantage of real-time pricing through minimising the customer's electricity payments by calculating an optimal dispatch of end-uses. The method is applied to simulations of multiple exemplary consumers from different customer sectors, analysing its economic impact in various scenarios. Working with discrete time slots, an end-use's operation is scheduled as to optimise the customer's payments for electricity. Future trends of market prices, renewable generation, and non-controllable load are forecast using linear regression analysis. A model predictive control scheme keeps the load dispatch on its course to minimise costs and makes use of updated forecasts. Regarding the economic advantage gained, simulation results display favourable responses by households and certain communal facilities. High shares of own generation, as often found with households, are shown to have a positive impact on the optimisation process. A more flexible price composition, featuring dynamic network and energy charges, is revealed to significantly enhance the economic effects of the load scheduling scheme. The proposed automated load scheduling system displays the ability to create beneficial effects on the electricity payments of individual customers. A good amount of flexibility in the dispatch as well as a favourable proportion of controllable loads in general prove to be important in generating a satisfying outcome.