Cilj
Cilj ovog radnog paketa je razvoj algoritama upravljanja i alata za predviđanje temeljenih na umjetnoj inteligenciji za optimalan rad i koordinaciju izvora fleksibilnosti u suvremenim elektroenergetskim sustavima. Fokus će biti na sustavima za pohranu energije u baterijama (BESS), električnim vozilima s mogućnošću Vehicle-to-Grid (EV/V2G) te elektrolizerima, kako na razini pojedinačnih jedinica tako i na razini njihovih agregacija. Cilj je osmisliti strategije upravljanja koje će omogućiti tim tehnologijama učinkovito pružanje važnih usluga elektroenergetskoj mreži, kao što su regulacija frekvencije, potpora napona, smanjenje vršnog opterećenja (peak shaving) i energetska arbitraža, uz poštivanje tehničkih ograničenja te minimiziranje operativnih troškova i degradacije. Paralelno će se razvijati napredni modeli predviđanja temeljeni na umjetnoj inteligenciji i strojnom učenju za predviđanje različitih tržišnih signala. Kombiniranjem prediktivnih pristupa upravljanju s točnim alatima za predviđanje, ovaj cilj nastoji povećati pouzdanost, odzivnost i ekonomsku učinkovitost izvora fleksibilnosti. Razvijeni algoritmi omogućit će koordinirani rad distribuiranih energetskih resursa te podržati njihovo učinkovito sudjelovanje u budućim pametnim i fleksibilnim energetskim sustavima.
Metode
Za ostvarenje ovog cilja projekt će kombinirati pristupe upravljanja temeljene na modelima, metode umjetne inteligencije i strategije koordiniranog upravljanja. Projekt će razviti napredne alate za upravljanje i predviđanje fleksibilnih resursa kroz tri glavna pristupa. Prvo će se razviti algoritmi modelno prediktivnog upravljanja (MPC) za pojedinačne resurse poput BESS-a, EV/V2G punjača i elektrolizera, čime će se omogućiti optimalan rad i pružanje mrežnih usluga uz poštivanje operativnih ograničenja te minimiziranje troškova i degradacije. Drugo, metode umjetne inteligencije i strojnog učenja koristit će se za razvoj kratkoročnih modela predviđanja proizvodnje iz obnovljivih izvora, potražnje električne energije te potencijalno tržišnih cijena. Ta će predviđanja pružiti ključne ulazne podatke za prediktivno upravljanje i poboljšati planiranje i raspoređivanje fleksibilnih resursa. Na kraju će se razviti strategije koordiniranog upravljanja i agregacije za upravljanje flotama distribuiranih resursa. Hijerarhijske ili distribuirane arhitekture upravljanja omogućit će skalabilnu i pouzdanu koordinaciju, dok će algoritmi agregacije objediniti fleksibilnost velikog broja manjih resursa kako bi se omogućilo pružanje usluga na razini elektroenergetskog sustava i sudjelovanje na tržištima električne energije.
