Hierarchical control concept for optimal operational planning of a battery-hydrogen system

Abstract

In dieser Arbeit wird ein hierarchisches Steuerungskonzept für den optimalen Betrieb eines industriellen hybriden Energiespeichersystems entwickelt, das aus einer Batterie sowie einer Wasserstoffspeicherkette bestehend aus Elektrolyseur, Kompressor, Wasserstofftank und Brennstoffzelle besteht. Der entwickelte Ansatz kombiniert einen übergeordneten Betriebsplaner, der eine kostenoptimale Einsatzplanung über einen längeren Prognosehorizont durchführt, mit einer untergeordneten modellprädiktiven Regelungsebene, welche kurzfristige Abweichungen durch Prognosefehler und Störungen ausgleicht. Der Betriebsplaner wird als gemischt-ganzzahliges lineares Optimierungsproblem (MILP) formuliert, um technische Restriktionen der Komponenten und des Systems abzubilden und gleichzeitig Strom- und Betriebskosten zu minimieren. Die untere Regelungsebene ermöglicht Korrektureingriffe auf Basis von Echtzeitdaten. Für die Simulation werden reale Zeitreihen für Strombedarf, Photovoltaikerzeugung und Day-Ahead-Strompreise verwendet. Die Ergebnisse zeigen, dass die MPC-basierte Strategie die bestehende regelbasierte Steuerung wirtschaftlich übertrifft, indem Netzbezüge zeitlich optimiert und Erlöse aus Netzeinspeisung verbessert werden. Darüber hinaus blieb das hierarchische Steuerungssystem auch unter Prognoseunsicherheiten und strukturellen Störungen stabil und zeigt damit, dass die umgesetzte Strategie einen wirtschaftlich optimalen und robusten Betrieb des System ermöglicht.

This thesis develops a hierarchical control concept for the optimal operation of an industrial hybrid energy storage system (HESS) consisting of a battery and a hydrogen storage chain (electrolyzer, compressor, hydrogen tank and fuel cell). The approach combines a high level operational planner that performs cost-optimal scheduling over a longer prediction horizon with a low level Model Predictive Control (MPC) concept that tracks the planned setpoints and compensates short-term deviations caused by forecast errors and disturbances. The operational planner is formulated as a mixed-integer linear program (MILP) to represent operational logic and system constraints while minimizing electricity procurement and operational costs. The lower-level controller is used for corrective actions based on real-time measurements. Real-world time series for electricity demand, photovoltaic generation and day-ahead electricity prices are used for the use case. The results show that the MPC-based strategy clearly outperforms the existing rule-based controller by reducing unfavourable grid exchanges and improving economic performance. Furthermore, the hierarchical controller remains stable under stochastic forecast uncertainty and structural disturbances, demonstrating that the implemented strategy enables economically optimal and robust operation of an industrial HESS.