Forecasting Models for Renewable Power Dispatch in Microgrids. Masters thesis, King Fahd University of Petroleum and Minerals.
|
PDF (MS Thesis)
MS_Thesis_Adil_Ahmed_EE.pdf Download (2MB) | Preview |
Arabic Abstract
يتم التأكيد في هذه الأيام على إنتاج الكهرباء من خلال مصادر الطاقة المتجددة على الصعيد العالمي للحصول على كوٍكب أنظف، لكن التقطعات في توليد الطاقة المتجددة تجعل من إدخالها مهمةً صعبةً للباحثين و قطاع الطاقة. تقترح هذه الأطروحة التخفيف من المشاكل الناجمة عن عدم اليقين في إنتاج محطة الطاقة المتجددة عن طريق تطوير نماذج دقيقة للتنبؤ، و الاستفادة من هذه النماذج لتحسين التوزيع الاقتصادي. يتم تنفيذ العمل على مرحلتين: أولاً، يتم تطوير نماذج التنبؤ لخطوات متعددةٍ قبل التكهن بالرياح باستخدام أساليب ذكي ٍة مدمج ٍة مع المخططات متعددة الخطوة المتطورة. تم اقتراح جديد للتنبؤ بالرياح يعتٍمد على الشبكة الوظيفية، و هذا مفهو ٌم جديدٌ في مجال هندسة أنظمة الطاقة. النموذج المقترح سلس حسابياً بالمقارنة مع نماذج التنبؤ الهجينة المتقدمة، و يتضح أن أداءه يتفوق على نموذج الشبكة العصبية المقبولة بشكل جيد بالإضافة إلى نموذج الثبات المرجعي من حيث دقة التنبؤ. في المرحلة الثانية، يتم اقترح استراتيجية توزيع اقتصاديٍ لبيع الطاقة بأسلوب أمثل من شبكة مصغرةٍ بإنتاج طاقة الرياح و نظام تخزين طاقة البطارية. يتم تضمين توقعات كل من طاقة الرياح و سعر السوق في سياسة تحسين الأفق المنحسر لتحقيق أعلى دخل تشغيل و أرباٍح تشغيلية من الشبكة المصغرة ذات نظام الرياح-البطارية. إن استخدام معلومات التنبؤ الدقيقة لا يمكن فقط من تشغيل سلس لمحطة الطاقة المتجددة، بل يساعد أيضاً في تحديد الحجم الأمثل لنظام تخزين طاقة البطارية. كما تم أيضاً التحقق من أن دقة توقعات الطاقة و السعر لها تأثير كبير على تحسين الدخل و الأرباح. و بذلك، فإن لهذه الرسالة فوائد مزدوجةً. من ناحية، فهي تجلب الأفكار الناشئة عن الذكاء الاصطناعي من أجل التقدم التقني في قطاع الطاقة. و من الناحية الأخرى، فإنها تسهل من الدمج – المجدي اقتصاديّاً و القابل للتطبيق تقنيّاً – لمصادر الطاقة المتجددة في شبكة الكهرباء
English Abstract
Electricity production through renewable energy (RE) resources is globally emphasized nowadays for the achievement of a cleaner planet, but the intermittencies in renewable power generation make its penetration a challenging task for researchers and power industry. This thesis work proposes to alleviate the issues caused by the uncertainty in renewable power plant output by developing accurate forecasting models and utilizing these models to optimize the economic dispatch. The work is performed in two phases; Firstly, forecasting models are developed for multi-steps ahead wind prediction using intelligent methods merged with state-of-the-art multi-step schemes. A new wind forecasting model based on Functional Network is proposed which is a novel concept in the field of power systems engineering. The proposed model is computationally light as compared to advanced hybrid forecast models and is shown to outperform the well-accepted neural network model as well as the benchmark persistence model in terms of forecast accuracy. In the second phase, an economic dispatch strategy is proposed for selling energy in an optimal manner from a microgrid with wind generation and battery energy storage system(BESS). Wind power and market price forecasts are incorporated in a receding horizon optimization policy to maximize the running income and operational profits of the wind-BESS microgrid. The utilization of accurate forecast information not only enables a smooth RE power plant operation but also helps in determining an optimal size of the BESS. It is also studied that the accuracy of power and price forecasts has a significant impact on the improvement in income and profits. In this way, this thesis work has twofold benefits, on one hand, it brings the emerging ideas of artificial intelligence for technology advancement in the energy sector, and on the other hand, it can facilitate economically viable and technically feasible integration of RE resources into the electricity grid.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | Engineering Electrical |
| Department: | College of Engineering and Physics > Electrical Engineering |
| Committee Advisor: | Khalid, Muhammad |
| Committee Members: | Abido, Mohammad and Al-Awami, Ali T. |
| Depositing User: | ADIL AHMED (g201408140) |
| Date Deposited: | 14 May 2018 03:52 |
| Last Modified: | 30 Dec 2020 12:14 |
| URI: | http://eprints.kfupm.edu.sa/id/eprint/140716 |