<  Back to the Polytechnique Montréal portal

Modeling and Aggregation of Thermostatically Controlled Loads for Participation in Frequency and Voltage Control of a Power System

Imen Jendoubi

Masters thesis (2019)

[img] Restricted to: Repository staff only until 11 October 2020.
Cite this document: Jendoubi, I. (2019). Modeling and Aggregation of Thermostatically Controlled Loads for Participation in Frequency and Voltage Control of a Power System (Masters thesis, Polytechnique Montréal). Retrieved from https://publications.polymtl.ca/3974/
Show abstract Hide abstract

Abstract

L’opération d’un réseau électrique est un acte de balancement puisque l’équilibre entre la production et la consommation doit être maintenue en temps réel. La fréquence et la tension sont des indicateurs précis des déséquilibres et doivent par conséquent être maintenues dans les limites autorisées pour un fonctionnement stable des réseaux électriques. Traditionnellement, l’équilibre entre la production et la consommation est assuré par les générateurs conventionnels fonctionnant aux combustibles fossiles. Or, ce moyen est économiquement inefficace et a un impact négatif sur l’environnement. La pénétration croissante des sources d’énergie renouvelable complique plus que jamais l’équilibre production-consommation puisqu’elles induisent davantage des fluctuations, ce qui accroît le besoin en réserves de contrôle à réaction rapide. La réponse à la demande est une des solutions efficaces, économiques et à impact environnemental positif pouvant prendre part dans la provision des réserves de contrôle, surtout avec le développement des technologies et techniques des réseaux intelligents. En particulier, les charges thermiquement contrôlées (TCLs) sont des candidats potentiels car elles sont nombreuses et largement distribuées dans le réseau électrique. De plus, les TCLs sont des appareils à action rapide et peuvent être gérées sans compromettre le confort du client. L’objectif principal de ce travail est l’implication des TCLs dans la provision du contrôle primaire et secondaire de la fréquence ainsi que la régulation de la tension. Par conséquent, un défi important consiste à développer une stratégie de contrôle fiable et à réaction rapide pour une participation efficace des TCLs dans de tels services auxiliaires. De plus, cela devrait être fait en tenant compte du confort du client, de l’usure des appareils et des problèmes liés aux cycles courts. De plus, une estimation et prévision précises des réserves de contrôle disponibles offertes par les TCLs sont essentielles. A cette fin, une approche basée sur un réseau de neurones est proposée pour l’estimation et la prévision précises de la flexibilité disponible offerte par les TCLs. Une comparaison entre cette nouvelle approche et l’approche conventionnelle basée sur la chaîne de Markov montre une précision de prédiction supérieure de l’approche basée sur un réseau de neurones. Des méthodes de contrôle sont ensuite développées pour une gestion efficace et optimale d’une population de TCLs via un agrégateur afin d’obtenir une réponse collective imitant le comportement des générateurs conventionnels, tout en respectant les exigences des services de contrôle fournis. En particulier, la participation des TCLs au contrôle primaire de la fréquence est semi-autonome et ne repose pas sur une communication en temps réel bénéficiant de la réponse rapide des TCLs.----------Abstract Operating an electric power system is a balancing act as the equilibrium between generation and consumption must be maintained in real-time. Frequency and voltage are accurate indicators of imbalances, and therefore must be kept within permissible ranges for a stable operation of power systems. Traditionally, the generation-consumption balancing is provided by fossil-fueled conventional generators which are economically inefficient and environmentally unfriendly. The increasing penetration of renewable energy sources is making the balancing more challenging than ever as they induce further fluctuations, which in turn increase the need for fast-responding control reserves. Demand Response is one of the efficient, cost-effective and environment-friendly alternatives for taking part in the provision of control reserves, especially with the development of smart grid technologies and techniques. In particular, thermostatically controlled loads (TCLs) are potential candidates as they are numerous and widely distributed in the electrical network. Furthermore, TCLs are fast-acting devices and can be managed without compromising customer comfort. The main objective of this work is the implication of TCLs in the provision of primary and secondary frequency control as well as voltage regulation. In this way, an important challenge is to develop a reliable and fast reacting control strategy for an efficient participation of TCLs in such ancillary services. Furthermore, this should be done taking into account customer comfort, device wear and tear, and short cycling issues. Moreover, an accurate estimation and prediction of the available control reserves offered by TCLs are essential. To this aim, a neural network-based approach is proposed for the accurate estimation and prediction of the available flexibility offered by TCLs. A comparison between this new approach and the conventional Markov-Chain approach shows a superior prediction accuracy of the neural network-based approach. Control methods are then developed for an effective and optimal management of a population of TCLs through an aggregator in order to obtain a collective response that imitates the behaviour of conventional generators, while respecting the requirements of the provided control services. In particular, TCLs participation in primary frequency control is semi-autonomous with no reliance on real-time communication benefiting from TCLs fast response. The proposed control methods are characterized by a fast response and a very low communication burden, while the customer comfort is maintained, the switching number is minimized by proper prioritization of TCLs, and short-cycling is reduced by the division of TCLs into groups.

Open Access document in PolyPublie
Department: Département de génie électrique
Dissertation/thesis director: Keyhan Sheshyekani and Houshang Karimi
Date Deposited: 11 Oct 2019 10:39
Last Modified: 11 Oct 2019 10:39
PolyPublie URL: https://publications.polymtl.ca/3974/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only