English
Integrazione di flotte di veicoli elettrici e fonti rinnovabili nella gestione energetica dell'edificio
Luca Ferrarini - Politecnico di Milano - DEIB
Alberto Valentini, Politecnico di Milano - DEIB
- Descrizione del problema
- Formulazione del problema di ottimizzazione
- Analisi del decadimento batteria
- Limiti di potenza
- Apprendimento logica BMS
- Conclusioni e sviluppi futuri
Descrizione del problema
- Smart meter (PCC - MPC, RES) - Power grid trading - Company
- Company - Battery power transactions
Formulazione del problema di ottimizzazione
Definizione stati e ingressi MPC
Obiettivi:
- Decide la Potenza di carica / scarica per ogni EV
- Minimizza i costi dell'energia
- Aggiorna le predizioni man mano che il tempo procede
Used techniques:
- Model Predictive Control
- Receding / Shrinking horizon
- Vincoli sullo stato finale (SOC finale = SOC iniziale + reward)
Radar chart
Formulazione del problema di ottimizzazione
Analisi dei risultati
Il grafico (nel PDF) mostra la correlazione tra le caratteristiche del prezzo dell'energia,i dettagli della flotta, e il consumo energetico con i risparmi sui costi.
Le caratteristiche che influenzano i risparmi sono posizionate tra 0 e 1. Al contrario, le componenti che hanno un impatto minimo ricadono all'interno del cerchio rosso interno.
"Tariff factors and industrial load consumption significantly impact savings. To isolate and examine the variability associated with the EV fleet, a consistent profile for both load and energy cost is selected and applied across 30 days."
Continua nel PDF
- Smart meter (PCC - MPC, RES) - Power grid trading - Company
- Company - Battery power transactions
Formulazione del problema di ottimizzazione
Definizione stati e ingressi MPC
Obiettivi:
- Decide la Potenza di carica / scarica per ogni EV
- Minimizza i costi dell'energia
- Aggiorna le predizioni man mano che il tempo procede
Used techniques:
- Model Predictive Control
- Receding / Shrinking horizon
- Vincoli sullo stato finale (SOC finale = SOC iniziale + reward)
Radar chart
Formulazione del problema di ottimizzazione
Analisi dei risultati
Il grafico (nel PDF) mostra la correlazione tra le caratteristiche del prezzo dell'energia,i dettagli della flotta, e il consumo energetico con i risparmi sui costi.
Le caratteristiche che influenzano i risparmi sono posizionate tra 0 e 1. Al contrario, le componenti che hanno un impatto minimo ricadono all'interno del cerchio rosso interno.
"Tariff factors and industrial load consumption significantly impact savings. To isolate and examine the variability associated with the EV fleet, a consistent profile for both load and energy cost is selected and applied across 30 days."
Continua nel PDF
Leggi tutto
Fonte: SAVE ottobre 2024 Smart Building: un paradigma in continua evoluzione
Settori: Ambiente, Automotive, Edilizia, Efficienza energetica edifici, Efficienza energetica immobili terziario e commerciale, Efficienza energetica industriale, Elettrotecnica, Energia Elettrica, Energy storage, Mobilità Sostenibile, Rinnovabili, Smart City
Mercati: Trasporti e Automotive
Parole chiave: Auto elettriche, Batterie, Efficienza energetica degli edifici, Efficienza energetica immobili terziario e commerciale, Gestione energetica, Rinnovabili, Smart building
