Hierarchical Optimal Operation in Microgrids. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (M.S. Thesis) MSc Thesis - Hierarchical Optimal Operation in Microgrids - Saad Ahmad.pdf - Accepted Version Restricted to Repository staff only until 28 December 2026. Download (4MB)

Arabic Abstract

تم اعتماد الشبكات المصغّرة على نطاق واسع كحل فعّال لتعزيز موثوقية الشبكة الكهربائية ومرونتها، مما يضمن استمرارية تزويد الأحمال بالطاقة. ومع ذلك، ولضمان التشغيل الكفء لمصادر الطاقة الموزعة ، لا بد أن تتضمن الشبكات المصغّرة أنظمة إدارة طاقة فعّالة .تبدأ هذه الرسالة بمراجعة شاملة للأساليب الحديثة في تقنيات التحسين التي طُبّقت على الشبكات المصغّرة، حيث تناولت المراجعة عدة عوامل ضمن دوال الهدف، من بينها التكاليف التشغيلية اليومية، وتدهور سعة أنظمة تخزين الطاقة، والإيرادات الناتجة عن تبادل الطاقة مع الشبكة أو أطراف ثالثة، إضافةً إلى التأثيرات البيئية .وقد خلُصت المراجعة إلى أن الطبيعة المتقطعة لمصادر الطاقة المتجددة ، مثل الطاقة الشمسية وطاقة الرياح، تفرض تحديات في تحقيق التوازن بين العرض والطلب على الطاقة. وعلى الرغم من أن أنظمة تخزين الطاقة باستخدام البطاريات تمثل حلاً واعدًا للتخفيف من هذه التحديات، إلا أنها قد تعاني من تدهور في السعة نتيجة دورات الشحن والتفريغ المتكررة، خصوصًا عند غياب إدارة فعّالة لجداول التشغيل، مما يؤدي إلى ارتفاع التكاليف التشغيلية على المدى الطويل .بناءً عليه، تقترح هذه الرسالة إطارًا طويل الأمد لإدارة الطاقة يأخذ في الحسبان عدم اليقين المرتبط بمصادر الطاقة المتجددة، وذلك من خلال توظيف نهج قائم على المحاكاة باستخدام طريقة مونت كارلو المستندة إلى البيانات، بهدف تحقيق توازن بين تقليل التكاليف التشغيلية وتعظيم عمر البطاريات، ضمن صيغة متعددة الأهداف.لاحقًا، يُوسَّع هذا الإطار ليأخذ شكل نظام ثنائي المراحل لإدارة الطاقة، حيث تتولى المرحلة الأولى جدولة اليوم المسبق، بينما تُعنى المرحلة الثانية بتحسين قرارات الإرسال على مستوى الدقائق، عبر استخدام خوارزمية التحكم التنبؤي ذات الأفق المتراجع ، لضمان التزام تبادل الطاقة مع الشبكة كما حُدّد في المرحلة الأولى، حتى في ظل وجود أخطاء في التنبؤ الفوري .أخيرًا، تم تطوير خوارزمية هجينة جديدة تجمع بين الخوارزمية الجينية وخوارزمية أسراب الجسيمات، مع تطبيق مفهوم الأسراب الفرعية ، لحل مشكلتي التحسين طويل الأجل وثنائي المراحل، مستفيدة من قدرات الخوارزمية الجينية في الاستكشاف، ومن تعزيز التنوع في أداء خوارزمية أسراب الجسيمات لتفادي الوقوع في الحلول المحلية. وقد أظهرت المقارنات مع خوارزميات ميتاهيوريستية أخرى نتائج واعدة لصالح الخوارزمية المقترحة.

English Abstract

Microgrids (MG) have been widely accepted as a viable solution to improve grid reliability and resiliency, ensuring a continuous power supply to loads. However, to ensure the efficient operation of the Distributed Energy Resources (DER), MGs must have effective Energy Management Systems (EMS). This thesis first presents a comprehensive review of recent optimization methods applied to MGs. Multiple factors are explored in the EMS problem formulation throughout this review, including MG daily operational costs, energy storage degradation, revenue through trading with the grid or other parties, and environmental impacts. The review concludes that the intermittency of renewable energy sources (RES), such as solar and wind, poses challenges for balancing energy supply and demand. While Battery Energy Storage Systems (BESS) can play a crucial role in mitigating these challenges, they can suffer from capacity degradation due to frequent cycling resulting from ineffective charging and discharging schedules, which can increase long-term operational costs. Therefore, this thesis proposed a long-term EMS framework that addresses the uncertainty of RES by employing a data-driven Monte-Carlo Simulation (MCS) based approach in order to balance the minimization of MG operational cost and maximizing BESS life under a multi-objective set-up. The framework is then extended to a short-term, Two-Stage EMS structure, where the first stage performs the day-ahead scheduling and the second stage refines the dispatch decisions at a few-minutes level using a Receding Horizon (RH) scheme, ensuring that the grid-exchange commitments of the first-stage and reliable supply of load are maintained under real-time forecast errors. The formulated problems are solved using a novel hybrid Genetic Algorithm-Particle Swarm Optimization with sub-swarms (GA-PSO-SS), which benefits from the exploration capability of GA and the diversity enhancement of PSO with sub-swarms to avoid local minima. A comparative analysis with other metaheuristic algorithms shows promising results for the proposed solution.

Item Type:	Thesis (Masters)
Subjects:	Engineering Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Al Owaifeer, Maad M.
Committee Co-Advisor:	Shafiullah, Md
Committee Members:	Al-Muhaini, Mohammed M. and Khalid, Muhammad and Kassas, Mahmoud
Depositing User:	SAAD AHMAD (g202002920)
Date Deposited:	28 Dec 2025 06:32
Last Modified:	28 Dec 2025 06:32
URI:	http://eprints.kfupm.edu.sa/id/eprint/143906