Agber, Emmanuel (2026) Intelligent Dispatch and Control Strategies for Microgrids: Integrating Model Predictive Control, Metaheuristic Optimization, and Machine Learning. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Thesis Report g202392010 Signed.pdf Restricted to Repository staff only until 28 July 2027. Download (5MB)

Arabic Abstract

تطوّر هذه الأطروحة إطارًا متكاملًا للتحجيم، والتشغيل، والتقييم التقني-الاقتصادي لنظام طاقة متجددة هجين خارج الشبكة (HRES)، يتكوّن من مصفوفة كهروضوئية (PV)، ومولّد ديزل (DG)، ووحدة تخزين بالبطاريات، ومحوّل مشترك، وحمل يعمل بالتيار المتناوب. يجمع الإطار بين خوارزمية مفترسات البحر التجميعية الانتقائية (SEMPA)، والتحكم التنبؤي بالنموذج (MPC)، والنمذجة البديلة باستخدام التعلم الآلي (ML)، ومحاكاة برنامج التحسين الهجين لموارد الطاقة المتعددة (HOMER) Pro. تقوم خوارزمية SEMPA أولًا بتحجيم نظام الطاقة المتجددة الهجين من خلال تقليل إجمالي صافي التكلفة الحالية (TNPC)، مع فرض عقوبات على الحمل غير الملبّى وانتهاكات القيود الصارمة. أعطى حل SEMPA قدرة كهروضوئية مقدارها 40.263 كيلوواط، ومولّد ديزل بقدرة 18.8736 كيلوواط، وسعة بطارية مقدارها 126.8396 كيلوواط-ساعة، وقدرة تحويل للبطارية مقدارها 30.6952 كيلوواط، وقدرة محوّل مشترك مقدارها 14.0922 كيلوواط، مع إجمالي صافي تكلفة حالية قدره $137,339.66، وتكلفة مستوية للطاقة (LCOE) قدرها $0.1883/كيلوواط-ساعة، ونسبة طاقة متجددة (RF) مقدارها 78.51%، وعدم وجود حمل سنوي غير ملبّى. باستخدام النظام المحجّم بواسطة SEMPA، يولّد مجدول MPC غير المتصل مسارات تشغيل ساعية لمدة سنة واحدة لاستخدام الطاقة الكهروضوئية، وخَرْج مولّد الديزل، وشحن/تفريغ البطارية، والحدّ من الطاقة، والحمل غير الملبّى، وحالة الشحن (SOC). يتتبع تشغيل MPC حملًا سنويًا مقداره 54,750 كيلوواط-ساعة مع حمل غير ملبّى شبه معدوم، ويحقق نسبة طاقة متجددة قدرها 71.59%. ثم تُحوّل هذه المسارات إلى معادلات تشغيل بديلة متوافقة مع HOMER باستخدام الانحدار الخطي. ويُقيَّم التشغيل الناتج، القائم على MPC المدعوم بالتعلم الآلي (ML–MPC)، في برنامج HOMER Pro، ويُقارَن مع استراتيجيات تتبع الحمل (LF)، والشحن الدوري (CC)، والتشغيل المشترك (CD). يختار الفرز الباريتي لـ 645 حلًا ممكنًا في HOMER حالة أساس لنظام ML–MPC تتكوّن من 25.2 كيلوواط من الطاقة الكهروضوئية، و19.0 كيلوواط من مولّد الديزل، وخمس وحدات بطارية، ومحوّل بقدرة 15.5 كيلوواط. يحقق النظام المختار صافي تكلفة حالية (NPC) قدره $125,421، وتكلفة مستوية للطاقة (LCOE) قدرها $0.172/كيلوواط-ساعة، ونسبة طاقة متجددة قدرها 60.9%، ونسبة حمل غير ملبّى مقدارها 0.00165%. تُظهر النتائج أن ذكاء التشغيل المستمد من MPC يمكن نقله إلى HOMER Pro من خلال نماذج بديلة قابلة للتفسير قائمة على التعلم الآلي، وذلك من أجل التقييم طويل الأمد لأنظمة الطاقة المتجددة الهجينة خارج الشبكة المعتمدة على الطاقة الكهروضوئية، ومولّدات الديزل، والبطاريات.

English Abstract

This thesis develops an integrated sizing, dispatch, and techno-economic evaluation framework for an off-grid Hybrid Renewable Energy System (HRES) consisting of a Photovoltaic (PV) array, Diesel Generator (DG), battery storage, shared converter, and alternating-current load. The framework combines the Selective Ensemble Marine Predators Algorithm (SEMPA), Model Predictive Control (MPC), Machine Learning (ML) surrogate modeling, and Hybrid Optimization of Multiple Energy Resources (HOMER) Pro simulation. SEMPA first sizes the HRES by minimizing the Total Net Present Cost (TNPC) while penalizing unmet load and hard-constraint violations. The SEMPA solution gives 40.263 kW PV, 18.8736 kW DG, 126.8396 kWh battery capacity, 30.6952 kW battery power-conversion rating, and 14.0922 kW shared-converter rating, with TNPC of $137,339.66, Levelized Cost of Energy (LCOE) of $0.1883/kWh, Renewable Fraction (RF) of 78.51%, and zero annual unmet load. Using the SEMPA-sized system, an offline MPC scheduler generates one-year hourly dispatch trajectories for PV utilization, DG output, battery charge/discharge, curtailment, unmet load, and State of Charge (SOC). The MPC dispatch tracks a 54,750 kWh annual load with nearly zero unmet load and achieves an RF of 71.59%. These trajectories are then converted into HOMER-compatible surrogate dispatch equations using linear regression. The resulting ML-assisted MPC (ML–MPC) dispatch is evaluated in HOMER Pro and benchmarked against Load Following (LF), Cycle Charging (CC), and Combined Dispatch (CD). Pareto screening of 645 feasible HOMER solutions selects an ML–MPC base case with 25.2 kW PV, 19.0 kW DG, five battery units, and a 15.5 kW converter. The selected system achieves Net Present Cost (NPC) of $125,421, LCOE of $0.172/kWh, RF of 60.9%, and unmet-load fraction of 0.00165%. The results show that MPC-derived dispatch intelligence can be transferred into HOMER Pro through interpretable ML surrogate models for long-horizon assessment of off-grid PV–DG–battery HRESs.

Item Type:	Thesis (Masters)
Subjects:	Systems Engineering Research
Department:	College of Engineering and Physics > Control and Instrumentation Engineering
Thesis Advisor:	Mujahed Al Dhaifallah,
Thesis Committee Members:	Md Shafiullah, Salman Habib,
Depositing User:	EMMANUEL AGBER
Date Deposited:	30 Jul 2026 11:17
Last Modified:	30 Jul 2026 11:17
URI:	https://eprints.kfupm.edu.sa/id/eprint/144678