Energy management of a hybrid energy storage system in a single-family house including e-car mobility

The transition into the new era in transport sector after the invasive introduction of electromobility and the already established tactic of the installation of small‐scale renewable energy units in the domestic sector force to the exploration of an undiscovered aspect of energy allocation if the individual components are synthesized into an ensemble which is supported from storage devices. The existence of a unique battery system is already a widespread policy in the new renewable installations. It is though common knowledge that none of the existing storage systems is from physical aspect steadily efficient under each operational condition, whereas it still remains partly explored the coupling of two storage systems, which from structural point of view are complementary. Stimulated from the abovementioned concept in the frame of this research it is attempted to delimitate the capability of a hybrid energy storage system (HESS) so as to support the domestic load demand of a single family house in a central north area in Germany which is accumulated from the load demand of a E‐vehicle which is used for commute reasons of the family and always charges at home. The designed HESS is composed of PV installation, two storage devices, namely a lead acid battery system (LAB) and a vanadium redox flow battery (VRB), as well as the respective load demand of the previously referred dwelling. The application ought to consume as much as possible of the on‐site renewable generation and to minimize the interaction between the grid and the system. So as to succeed an optimized utilization of the dual storage system a novel algorithm is developed based on the Markov Decision Process, according to which the priority for charging and discharging process is assigned to the storage facility which depicts a favorable performance under the given conditions. This is accomplished through a reward/ penalty policy which is by default integrated into the Markov Decision Process and is respectively adapted while it depends on the efficiency curves of the storage devices and the amount of the demanded or surplus of power. The main target is to reduce the great fluctuations between the building and the grid and succeed a higher rate of self‐energy consumption. The designed method tackles the problem of controlling a dual storage installation in the domestic sector, when considering the electric vehicle charging requirements and contributes to the management of the energy flow into a novel system topology with the introduction of reinforcement learning tools. The results are evaluated after the comparison of the designed technique with a benchmark method which stems from the physical attributes of the battery systems and the evaluation metrics are two index factors which are respectively computed with real registered input data stemming from annual simulations as well as from an indicatively chosen sunny period, which is particularly selected in order to study the behavior of the complete system under high production PV rates. It is thereby proved that a control algorithm is essential in order to fully leverage the key resources.Die rasche Durchdringung dezentraler Energiesysteme in den Energiemarkt im letzten Jahrzehnt und die zunehmende Erhöhung des Anteils an Eigenenergieverbrauch haben dazu geführt, dass elektrischen Speichersystemen auch im Gebäudebereich zunehmende Aufmerksamkeit gewidmet wird. Der Einsatz von Speichern, die einen momentanen Überschuss an erneuerbarer Energie sammeln und diesen, im Falle eines Leistungsdefizites zusätzlich für die Lasten bereitstellt, setzt sich bereits zunehmend in der Praxis durch. Allerdings sind keine der derzeit bestehenden Speichertechniken oder Batterietypen unter allen Randbedingungen für Haushaltszwecke geeignet. Es gibt Systeme, deren Technologie zwar bereits weitgehend marktreif ist, die aber trotzdem bei anderen Merkmalen, wie der Energiedichte oder dem Grad der Selbstentladung, noch einen Optimierungsbedarf aufweisen. Im Gegensatz dazu können Speicher mit teilweise besseren Eigenschaften wiederum in anderen Charakteristika, wie der Reaktionszeit oder der Systemeffizienz, nur unterdurchschnittlich abschneiden. Durch den Einsatz hybrider Speichersysteme werden die unterschiedlichen Eigenschaften kombiniert und vereinen folglich auch die Vorteile der beteiligten Speichertypen. Die vorgestellte Arbeit widmet sich der Analyse eines hybriden Speichersystems, das aus einer Solar‐Blei‐Gel‐Batterie, einer Vanadium‐Redox‐Flussbatterie (VRB) sowie einer Photovoltaik‐ Anlage (PV) besteht, die den Strombedarf eines Einfamilienhauses und zusätzlich für ein dort integriertes Elektrofahrzeug liefert. Der Fokus dieser Studie liegt auf dem optimierten Betrieb der beiden Speichersysteme unter den genannten Randbedingungen. Die Speicheranlagen werden im wechselseitigen Mischbetrieb betrieben, um in jedem Fall von der jeweiligen Technologie mit dem effizientesten Wirkungsgrad zu profitieren. Hierfür wurde ein mathematisches Verfahren des sog. „bestärkendes Lernen“ erarbeitet, das als ein „Markov‐ Entscheidungsprozess“ (MEP) formuliert wird. Zur Bewertung des vorgestellten Verfahrens wurde das Gesamtsystem betrachtet, das alle Anlagenbestandteile (PV, Solar‐Blei‐Gel‐Batterie, VRB, Lastprofile eines Hauses und eines E‐Autos mit zugehörigem Energiemanagement) umfasst. Die für jede Anlage entwickelten Simulationsmodelle wurden mit real gewonnenen Prozessdaten aus der mit dem Energiepark verknüpften Datenbank validiert. Die Evaluierung des Prozesses erfolgt durch einen Vergleich mit den entsprechenden Ergebnissen, die nur durch Anwendung der naiven Methode gewonnen wurden. Damit wurden jährliche Simulationen für einen Jahresverlauf mit beiden Verfahren (Markov und naive Methode) durchgeführt und dabei bestimmte Energieanteile berechnet. In Anbetracht der berechneten Ergebnisse erscheint ein intelligent konzipiertes Energiemanagement als ein substantieller Bestandteil für beide Batterietypen zum Erreichen eines höheren Wirkungsgrades und einer niedrigeren Netzbelastung zu sein. Zusammenfassend lässt sich konstatieren, dass man mit der Anwendung einer „intelligenten“ Methode, wie es der Markovsche Entscheidungsprozess darstellt, einen optimierten Betrieb für eine solche hybride Anlage erreichen kann