Artificial Neural Network Based Power Management in Microgrid

Klimaforandringer, og det resulterende fokuset på fornybar energi forandrer stadig strukturen og karakteristikken til kraftsystem rundt om i verden. Implementeringen av mikronett fasiliterer for fornybar energi ved å tilrettelegge for lokal energiproduksjon og lagring med blant annet solceller og batterier. Disse mikronettene krever intelligente kontrollsystemer for å kunne regulere kraftflyt, frekvens, spenning og strøm i systemet. Kunstige nevrale nett er foreslått som en mulighet for mikronett kontroll ved bruk av maskin læring. Målet med denne oppgaven er å utvikle og teste en simuleringsmodell av et hybrid mikronett med et kunstig nevralt nett-basert sentralisert kontrollsystem, og sammenlikne den med en mer tradisjonell kraftflyt-basert algoritme. Dette blir gjort med det overværende målet å vurdere og analysere systemet for å identifisere både fordeler og utfordringer rundt bruken av nevrale nett for mikronett kontroll. Prosjektet startet med utviklingen av en Simulink-modell av et mikronett bestående av solceller, et batteri og en elektrisk bil i tillegg til variabel og konstant last. En kraftflytsalgoritme ble laget, og mokronettet ble simulert med et basistilfelle som bestod av normale sol- og lastforhold. Parallelt ble det utviklet et nevralt nett der resultatene fra simuleringen av basistilfelle ble brukt til opplæringen. De to kontrollsystemene ble simulert for tre tilfeller hver: et basistilfelle, et tilfelle med uregelmessig innstråling og et tilfelle med uregelmessig belastning. Resultatene indikerte at når gitt den samme tidligere usynlige input dataen, klarte det nevrale nett-baserte kontrollsystemet å justere utgangsverdiene mot en mer optimal løsning sammenlignet med kraftflytsalgoritmen. Den komplekse strukturen til det nevrale nettet skaper og identifiserer sine egne mønstre som er i stand til å gi forventede utgangsverdier selv om situasjonen er forskjellig fra treningsdataene. Siden dette prosjektet bare testet noen få tilfeller, kan den endelige brukbarheten av nevrale nett som et sentralisert kontrollsystem ikke konkluderes. Resultatet tyder likevel på at dette kan være et brukbart alternativ for et sikrere og mer effektivt kontrollsystem for kraftstyring i fremtiden