A Predictive Flexibility Aggregation Method for Low Voltage Distribution System Control

Dit artikel presenteert een voorspellende aggregatiemethode voor flexibiliteit in laagspanningsnetwerken die door middel van een privacybehoudend, hybride optimalisatiekader (offline multiparametrisch en online operationeel) real-time sturing mogelijk maakt.

De kern

Stel je voor dat je wijk een levend organisme is, waar elk huis een klein hartje heeft dat energie produceert (zonnepanelen) of opslaat (batterijen). Vroeger was het net zo simpel als een eenrichtingsstraat: energie stroomde van het grote centrale station naar je huis. Maar nu, met steeds meer zonnepanelen en elektrische auto's, wordt het een drukke tweerichtingsverkeer. Soms is er te veel stroom (en springt de spanning omhoog), soms te weinig (en zakt de spanning).

De elektriciteitsnetbeheerder (de DSO) moet dit verkeer regelen, maar mag niet zomaar in elk huisje komen om de schakelaars om te zetten. Dat is privé en juridisch lastig.

Wat doet dit papier?
Het papier introduceert een slimme, voorspellende methode om al die kleine huishoudelijke batterijen en zonnepanelen samen te laten werken, zonder dat de netbeheerder in elk huis hoeft te kijken. Het noemen dit "voorspellende flexibiliteitsaggregatie".

Hier is hoe het werkt, vertaald in alledaagse termen:

1. De "Flexibiliteitskaart" (Het Menu)

In plaats van dat de netbeheerder vraagt: "Huis 1, kun jij nu 2 kW minder verbruiken?", sturen de huizen een menu naar de netbeheerder.

• Dit menu is een Flexibiliteitskaart.
• Op deze kaart staat niet alleen hoeveel stroom een huis kan geven of nemen, maar ook hoeveel het kost om dat te doen.
• Analogie: Stel je voor dat je een taxi-bestelling doet. Je zegt niet alleen "Ik wil naar station X", maar je geeft ook aan: "Ik ben bereid 5 minuten te wachten voor een goedkopere rit, of ik kan nu direct gaan voor een dure rit." De netbeheerder ziet dit menu en kiest de goedkoopste optie die het netwerk veilig houdt.

2. De Twee Stappen: De "Vaste Menukaart" en de "Dagplanning"

Het slimme van deze methode is dat het zware rekenwerk offline (in de achtergrond) wordt gedaan, zodat het in real-time supersnel gaat.

• Stap 1: De Vaste Menukaart (Offline Rekenen)
  De huizen berekenen van tevoren een enorme, complexe "menukaart". Deze kaart bevat alle mogelijke situaties: wat als de zon schijnt? Wat als de batterij halfvol is? Wat als de stroomprijs hoog is?

  • Analogie: Het is alsof een restaurantchef van tevoren alle mogelijke combinaties van ingrediënten uitrekent en een lijst maakt met de perfecte gerechten voor elke mogelijke situatie. Dit duurt lang, maar gebeurt één keer, niet elke seconde.

• Stap 2: De Dagplanning (Voorspellen)
  Vervolgens kijken ze naar de voorspelling voor de rest van de dag. "Zal het morgen zonnig zijn? Zal de stroomprijs 's avonds stijgen?"

  • Analogie: De chef kijkt naar het weerbericht. Als het morgen regent, past hij het menu aan: "We gaan meer soep maken en minder salade." Dit zorgt ervoor dat het huis niet nu al zijn batterij leegmaakt als het morgen nodig is.

3. De Real-Time Coördinatie (De Chef die Bestelt)

Elke 10 seconden kijkt de netbeheerder naar al deze menukaarten van de hele wijk.

• Hij ziet: "Oh, bij Huis 10 is de zon fel, en bij Huis 12 is de batterij vol. Als we Huis 10 een beetje minder laten exporteren en Huis 12 een beetje meer laten laden, is het netwerk veilig en goedkoper."
• Omdat de menukaarten al klaarliggen (van de offline berekening), hoeft de computer niet opnieuw te rekenen. Hij pakt gewoon de juiste optie uit de lijst.
• Analogie: Het is alsof een orkestleider (de netbeheerder) naar de partituren van alle muzikanten kijkt. Omdat de muzikanten hun partituren al uit hun hoofd kennen (de offline berekening), kunnen ze direct spelen zodra de dirigent een teken geeft. Geen tijdverlies met het zoeken naar de noten.

4. Privacy en Snelheid

• Privacy: De netbeheerder ziet alleen het samengevoegde menu van de wijk. Hij ziet niet wat jij precies doet in je eigen huis. Je persoonlijke voorkeuren blijven verborgen in de "zwarte doos" van je eigen slimme meter.
• Snelheid: Omdat het zware rekenwerk al gedaan is, kan het systeem in een flits reageren op veranderingen. Het is alsof je een GPS hebt die al alle routes heeft uitgewerkt; je hoeft alleen maar op "huidige locatie" te klikken en de route verschijnt direct.

Waarom is dit belangrijk?

Zonder dit soort slimme systemen zouden we meer nieuwe kabels en transformatorstations moeten bouwen (duur en lelijk in het landschap) om de pieken op te vangen. Met deze methode kunnen we de bestaande netten slimmer gebruiken.

Kort samengevat:
Het papier beschrijft een systeem waarbij huizen van tevoren een "prijslijst" maken voor hun energie-flexibiliteit, rekening houdend met de voorspellingen voor de rest van de dag. De netbeheerder gebruikt deze lijsten om in real-time de beste beslissingen te nemen voor het hele dorp, zonder dat er zware berekeningen nodig zijn op het moment zelf. Het is een manier om het energienetwerk slimmer, goedkoper en veiliger te maken door samen te werken, zonder dat je privacy in gevaar komt.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "A Predictive Flexibility Aggregation Method for Low Voltage Distribution System Control" in het Nederlands.

Probleemstelling

De toenemende penetratie van decentrale hernieuwbare energiebronnen (zoals zonnepanelen) en de elektrificatie van verwarming en mobiliteit (warmtepompen, elektrische voertuigen) stellen de beheerders van laagspanningsnetten (DSO's) voor grote uitdagingen. Dit leidt tot frequentere spanningsproblemen (over- en onderspanning) en vereist vaak dure netversterkingen.

Hoewel het real-time regelen van flexibiliteit (via omvormers, batterijen, etc.) een alternatief zou kunnen zijn, kunnen DSO's deze bronnen niet direct aansturen vanwege ontvlechtingseisen. Ze zijn afhankelijk van huishoudens die hun beschikbare flexibiliteit rapporteren. Bestaande methoden voor het aggregeren van deze flexibiliteit hebben echter tekortkomingen:

• Ze negeren vaak de reactieve vermogensflexibiliteit.
• Ze houden geen rekening met de economische waarde (kosten) van het activeren van flexibiliteit.
• Ze zijn vaak te rekenintensief voor real-time toepassing of negeren de impact van huidige beslissingen op toekomstige kosten (bijv. batterijlading voor later gebruik).

Methodologie

Het artikel presenteert een voorspellende aggregatiemethode die gebruikmaakt van multiparametrische optimalisatie (MPO) om een "flexibiliteitskaart" (flexibility chart) te genereren. Deze kaart toont de toelaatbare actieve en reactieve vermogensinjecties en de bijbehorende kosten voor de gebruiker.

De aanpak bestaat uit drie hoofdfasen:

1. Offline Multiparametrische Optimalisatie (Lokaal):

   • Voor elk huishouden wordt een MPO-probleem offline opgelost.
   • Dit probleem optimaliseert de dagelijkse energiekosten, rekening houdend met:
     • Kosten van import/export in de huidige marktperiode.
     • De impact van huidige acties op toekomstige kosten (via een kostenfunctie gekoppeld aan de laadtoestand/SoC van de batterij).
     • Kosten voor reactieve vermogensgebruik en batterijdegradatie.
   • De oplossing resulteert in een expliciete kaart van kritieke regio's (polyhedra) in de parameterruimte. Voor elke regio is er een lineaire waardefunctie en een optimale beleidsregel.

2. Operationele Planning (Voorspellend):

   • Een tweede MPO-probleem wordt opgelost om een kostenfunctie te genereren die de SoC aan het einde van de huidige periode koppelt aan de verwachte toekomstige kosten (gebaseerd op dag-vooruitblik op tarieven, productie en verbruik).
   • Deze functie fungeert als een "cost-to-go" term in het lokale real-time probleem, waardoor het systeem rekening houdt met toekomstige beperkingen en kansen.

3. Real-time Controle en Aggregatie:

   • Projectie: Op basis van actuele metingen (belasting, PV-productie, huidige SoC) en voorspellingen worden de parameters van het offline MPO-probleem gefixeerd. Hierdoor wordt de complexe offline oplossing geprojecteerd naar een 2D-vlak (P-Q vlak) voor de huidige periode, wat de actuele flexibiliteitskaart oplevert.
   • Centrale Optimalisatie: De DSO verzamelt deze kaarten van alle knooppunten en lost een centraal optimalisatieprobleem op (gebaseerd op het Branch Flow Model) om de optimale setpoints te bepalen die de totale systeemkosten minimaliseren en de netveiligheid garanderen.
   • Disaggregatie: De centrale setpoints worden lokaal weer opgesplitst over de individuele apparaten (PV, batterij) zonder extra optimalisatie, door simpelweg de corresponderende regio in de offline oplossing te raadplegen.

Belangrijkste Bijdragen

• Integratie van Voorspelling en Real-time: Het is de eerste aggregatiemethode die zowel actieve als reactieve flexibiliteit combineert met een voorspellende component die de impact van huidige beslissingen op toekomstige kosten kwantificeert.
• Econometrisch Fair Control: In tegenstelling tot methoden die afwijkingen kwadratisch straffen, activeert deze methode eerst de meest kosteneffectieve flexibiliteit en compenseert de prosumers daarvoor.
• Privacy en Schaalbaarheid: Gebruikersvoorkeuren en lokale data blijven lokaal; alleen de geaggregeerde flexibiliteitskaart wordt gedeeld. De zware berekeningen worden offline gedaan, wat de online rekentijd drastisch verlaagt en parallelisatie mogelijk maakt.
• Expliciete Oplossing: Door MPO te gebruiken, is er geen online iteratieve optimalisatie nodig; de oplossing is een directe lookup in de geprecomputeerde kritieke regio's.

Resultaten

De methode is gevalideerd op een laagspanningsnetwerk met 43 bussen (gebaseerd op SimBench) met realistische belasting- en productieprofielen. De resultaten werden vergeleken met:

1. Een Omnisciente (OMNI) strategie (ideale, dag-vooruitblik optimalisatie met perfecte voorspelling).
2. Een Flexibility Aggregation (FA) strategie (gebaseerd op [22], zonder voorspelling en met vaste kostenfuncties).

Kernbevindingen:

• Kosten: De voorgestelde methode (PFA) bereikt een totale dagkost van €42,88, wat zeer dicht in de buurt komt van de ideale OMNI-strategie (€38,79) en aanzienlijk beter is dan de FA-methode (€74,11).
• PV-productie: PFA reduceert het afkappen van zonne-energie (curtailment) aanzienlijk ten opzichte van FA, doordat het systeem toekomstige spanningsproblemen en tariefpieken anticiperen.
• Spanningsbeheer: De methode houdt de spanningsniveaus binnen alle netknopen succesvol binnen de toegestane grenzen (0,95 - 1,05 p.u.).
• Berekeningstijd: De methode is compatibel met real-time eisen. De projectie en disaggregatie duren slechts milliseconden tot seconden, terwijl de centrale optimalisatie gemiddeld 0,80 seconden duurt. De operationele planning (offline) duurt ongeveer 7,77 seconden per 15 minuten.

Significantie

Dit onderzoek biedt een praktische en schaalbare oplossing voor DSO's om de toenemende complexiteit van laagspanningsnetten te beheren zonder dure netversterkingen. Door de zware berekeningen offline te verplaatsen en gebruik te maken van voorspellende optimalisatie, maakt het de real-time coördinatie van duizenden decentrale bronnen haalbaar. De methode waarborgt niet alleen de netstabiliteit, maar optimaliseert ook de economische efficiëntie voor zowel de netbeheerder als de prosumer, terwijl het tegelijkertijd de privacy van de gebruikers respecteert. Toekomstig werk zal zich richten op uitbreiding naar onbalansdriefasensystemen en de integratie van warmtepompen en elektrische voertuigen.