基于模型预测控制与神经网络的杂货店灵活性管理
系统与控制
2020-01-22 v1 系统与控制
摘要
随着越来越多的能源来自可再生能源（RES），平衡生产与消费的挑战正从电网转向消费者。这需要在建筑和区域层面采用新颖智能的灵活性管理方式。为此，本文提出一种嵌入深度神经网络的基于模型的最优控制（MPC）算法，用于日前消费与发电预测。该算法用于优化位于芬兰的一家中型杂货店的能源消耗。系统在利用该杂货店真实功率测量的仿真工具中测试。我们报告在 20 kWh 电池提供灵活性的情况下，日峰值负荷降低 。另一方面，在针对能源现货价格进行优化时未见到显著收益。我们得出结论，我们的方法能够在不增加额外运营成本的情况下显著降低杂货店峰值负荷。
引用
@article{arxiv.2001.07448,
title = {Grocery Store Flexibility Management Using Model Predictive Control With Neural Networks},
author = {Roope Sarala and Jussi Kiljander},
journal= {arXiv preprint arXiv:2001.07448},
year = {2020}
}