Dynamic management of schedulable household assets for solar self-consumption maximization with demand side management

A crucial challenge introduced by the decentralized installations of photovoltaic (PV) systems in the residential sector, is the mismatch between PV electricity generation and the load curve for energy consumption. To overcome this incompatibility between production and consumption, energy storage and demand response are seen as effective solutions. Smart meters and the installation of intelligent smart appliances in homes have paved the way for efficient energy consumption monitoring and active household load control in the residential sector. The aim of the thesis work is to develop a dynamic energy management algorithm tailored to optimize the energy consumption pattern of controllable household assets to maximize PV selfconsumption. A rolling horizon algorithm based dynamic model was designed using mixedinteger linear programming (MILP) and later compared with the baseline model to understand the real-time operational benefits of the rolling horizon approach. Analyzing device scheduling patterns based on the feed-in-tariff showed considerable differences in the scheduling approach for both optimization models. A comparative analysis was conducted to understand the system benefits offered by both optimization models under different feed-in-tariff structures. Higher self-consumption rates were achieved through annual scheduling approach, but it does not reflect the real-time operation of the systems in the household. A rolling horizon optimization reflects the real-time operation of the energy system and has a lower self-consumption rate due to a limited optimization horizon. The method indicates the significant potential of self-consumption specially in lieu of decreasing feed-in tariffs.En viktig utmaning som de decentraliserade installationerna av solcellssystem i bostadssektorn innebär är att elproduktionen från solcellerna inte stämmer överens med belastningskurvan för energiförbrukningen. För att komma till rätta med denna oförenlighet mellan produktion och konsumtion ses energilagring och efterfrågeflexibilitet som effektiva lösningar. Smarta mätare och installation av intelligenta smarta apparater i hemmen har banat väg för effektiv övervakning av energiförbrukningen och aktiv styrning av hushållens belastning i bostadssektorn. Syftet med avhandlingen är att utveckla en dynamisk energihanteringsalgoritm som är skräddarsydd för att optimera energiförbrukningsmönstret för kontrollerbara hushållstillgångar för att maximera självförbrukningen av solceller. En dynamisk modell baserad på en algoritm med rullande horisont utformades med hjälp av blandad linjär programmering (MILP) och jämfördes senare med basmodellen för att förstå de operativa realtidsfördelarna med metoden med rullande horisont. Analysen av schemaläggningsmönster för enheter baserat på inmatningstariffen visade att det fanns betydande skillnader i schemaläggningsmetoden för båda optimeringsmodellerna. En jämförande analys genomfördes för att förstå de systemfördelar som erbjuds av de båda optimeringsmodellerna under olika strukturer för inmatningstariffer. Högre självförbrukningsnivåer uppnåddes genom den årliga schemaläggningsmetoden, men den återspeglar inte realtidsdriften av systemen i hushållet. En optimering med rullande horisont återspeglar energisystemets drift i realtid och har en lägre självförbrukningsgrad på grund av en begränsad optimeringshorisont. Metoden visar på den betydande potentialen för självförbrukning speciellt i stället för minskande inmatningstariffer