Joustavan sähkökuorman aggregointi reservimarkkinoille
Romppainen, Miska (2025)
2025
Automaatiotekniikan DI-ohjelma - Master's Programme in Automation Engineering
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
Hyväksymispäivämäärä
2025-02-18
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202502172235
https://urn.fi/URN:NBN:fi:tuni-202502172235
Tiivistelmä
Diplomityössä tutkitaan joustavan sähkökuorman aggregointia reservimarkkinoille. Tavoitteena on kehittää malli, joka yhdistää pienet kuormat suuremmiksi ohjausyksiköiksi, jotta ne voivat osallistua reservimarkkinoille.
Työssä käsitellään sähköjärjestelmän reservimarkkinoita, reservilajeja ja niiden merkitystä tasehallinnassa. Lisäksi tarkastellaan Suomen reservimarkkinoiden rakennetta ja osallistumisen edellytyksiä.
Resurssien allokointiin sovelletaan kombinatorisia optimointimenetelmää nimeltä monivalintainen reppuongelma (MCKP). Työssä kehitetty aggregointiohjelma jakaa resurssit huomioiden ohjauslohkojen kapasiteetit ja prioriteetit. Ohjelma on toteutettu Pythonilla ja perustuu dynaamiseen ohjelmointiin.
Järjestelmäympäristöön kuuluvat tekniset komponentit, kuten tietoliikenneprotokollat (MQTT, OPC UA), Siemensin S7-1200- ja LOGO!-sarjan logiikkaohjainten toiminta. MQTT:n avulla aggregointiohjelma vastaanottaa säätöpyyntöjä ja käyttämällä OPC UA:ta aggregointiohjelma ohjaa ohjauslohkoja.
Mallin toimintaa testattiin eri reservimarkkinaskenaarioissa (FCR-D, aFRR). Tulokset osoittavat, että malli pystyy käsittelemään ja jakamaan sähkökuormaa ohjauslohkojen välillä myös silloin, kun se saa jatkuvasti uusia säätöpyyntöjä. Algoritmia voidaan edelleen parantaa huomioimalla ohjauslohkojen prioriteetit tarkemmin.
Kehitetty malli soveltuu joustavan sähkökuorman hallintaan. Se mahdollistaa esimerkiksi valaistuksen liittämisen reservimarkkinoille, mikä voi parantaa sähköverkon hallintaa ja tehostaa reservimarkkinoiden toimintaa. Jatkokehityksessä voidaan tutkia hybridijärjestelmien ja energiavarastojen yhdistämistä malliin sekä koneoppimisen hyödyntämistä aggregoinnissa. The Master's thesis examines the aggregation of flexible electrical loads for reserve markets. The objective is to develop a model that consolidates small loads into larger control units, enabling their participation in reserve markets.
The study covers the reserve markets of the power system, different types of reserves, and their role in balance management. Additionally, it analyzes the structure of the Finnish reserve markets and the requirements for participation.
For resource allocation, a combinatorial optimization method called the multi-choice knapsack problem (MCKP) is applied. The aggregation program developed in this thesis distributes resources while considering the capacities and priorities of control blocks. The program is implemented in Python and is based on dynamic programming.
The system environment includes technical components such as communication protocols (MQTT, OPC UA) and the operation of Siemens S7-1200 and LOGO! series logic controllers. Using MQTT the aggregation program receives control requests and using OPC UA it controls the control blocks.
The model’s performance was tested in different reserve market scenarios (FCR-D, aFRR). The results indicate that the model can successfully process and distribute electrical loads between control blocks, even when continuously receiving new control requests. The algorithm can be further improved by refining how it accounts for control block priorities.
The developed model is suitable for managing flexible electrical loads. For instance, it enables the integration of lighting into reserve markets, which can enhance power grid management and improve the efficiency of reserve market operations. Future research could explore the integration of hybrid systems and energy storage into the model, as well as the application of machine learning in aggregation.
Työssä käsitellään sähköjärjestelmän reservimarkkinoita, reservilajeja ja niiden merkitystä tasehallinnassa. Lisäksi tarkastellaan Suomen reservimarkkinoiden rakennetta ja osallistumisen edellytyksiä.
Resurssien allokointiin sovelletaan kombinatorisia optimointimenetelmää nimeltä monivalintainen reppuongelma (MCKP). Työssä kehitetty aggregointiohjelma jakaa resurssit huomioiden ohjauslohkojen kapasiteetit ja prioriteetit. Ohjelma on toteutettu Pythonilla ja perustuu dynaamiseen ohjelmointiin.
Järjestelmäympäristöön kuuluvat tekniset komponentit, kuten tietoliikenneprotokollat (MQTT, OPC UA), Siemensin S7-1200- ja LOGO!-sarjan logiikkaohjainten toiminta. MQTT:n avulla aggregointiohjelma vastaanottaa säätöpyyntöjä ja käyttämällä OPC UA:ta aggregointiohjelma ohjaa ohjauslohkoja.
Mallin toimintaa testattiin eri reservimarkkinaskenaarioissa (FCR-D, aFRR). Tulokset osoittavat, että malli pystyy käsittelemään ja jakamaan sähkökuormaa ohjauslohkojen välillä myös silloin, kun se saa jatkuvasti uusia säätöpyyntöjä. Algoritmia voidaan edelleen parantaa huomioimalla ohjauslohkojen prioriteetit tarkemmin.
Kehitetty malli soveltuu joustavan sähkökuorman hallintaan. Se mahdollistaa esimerkiksi valaistuksen liittämisen reservimarkkinoille, mikä voi parantaa sähköverkon hallintaa ja tehostaa reservimarkkinoiden toimintaa. Jatkokehityksessä voidaan tutkia hybridijärjestelmien ja energiavarastojen yhdistämistä malliin sekä koneoppimisen hyödyntämistä aggregoinnissa.
The study covers the reserve markets of the power system, different types of reserves, and their role in balance management. Additionally, it analyzes the structure of the Finnish reserve markets and the requirements for participation.
For resource allocation, a combinatorial optimization method called the multi-choice knapsack problem (MCKP) is applied. The aggregation program developed in this thesis distributes resources while considering the capacities and priorities of control blocks. The program is implemented in Python and is based on dynamic programming.
The system environment includes technical components such as communication protocols (MQTT, OPC UA) and the operation of Siemens S7-1200 and LOGO! series logic controllers. Using MQTT the aggregation program receives control requests and using OPC UA it controls the control blocks.
The model’s performance was tested in different reserve market scenarios (FCR-D, aFRR). The results indicate that the model can successfully process and distribute electrical loads between control blocks, even when continuously receiving new control requests. The algorithm can be further improved by refining how it accounts for control block priorities.
The developed model is suitable for managing flexible electrical loads. For instance, it enables the integration of lighting into reserve markets, which can enhance power grid management and improve the efficiency of reserve market operations. Future research could explore the integration of hybrid systems and energy storage into the model, as well as the application of machine learning in aggregation.