Στοχαστική Διεπίπεδη Βελτιστοποίηση Ενσωμάτωσης Σταθμού Φόρτισης Ηλεκτρικών Οχημάτων σε Έξυπνα Δίκτυα

Abstract

Η παρούσα διπλωματική εργασία μελετά το πρόβλημα της ενσωμάτωσης Σταθμού Φόρτισης Ηλεκτρικών Οχημάτων (ΣΦΗΟ) σε έξυπνα δίκτυα, μέσω στοχαστικής διεπίπεδης βελτιστοποίησης. Στο ανώτερο επίπεδο, ο Διαχειριστής του Δικτύου καθορίζει τον προγραμματισμό της παραγωγής και της εφεδρείας, με στόχο την ελαχιστοποίηση του συνολικού λειτουργικού κόστους, ενώ στο κατώτερο επίπεδο ο φορέας λειτουργίας του ΣΦΗΟ προσδιορίζει τη φόρτιση, την εκφόρτιση και την παρεχόμενη εφεδρεία του στόλου ηλεκτρικών οχημάτων, με στόχο την ελαχιστοποίηση του καθαρού κόστους λειτουργίας του. Το διεπίπεδο πρόβλημα μετασχηματίζεται σε ισοδύναμο πρόβλημα Μεικτού Ακεραίου Γραμμικού Προγραμματισμού μέσω των συνθηκών Karush-Kuhn-Tucker και της γραμμικοποίησης των συνθηκών συμπληρωματικότητας με τη μέθοδο Big-M. Το βασικό μοντέλο επεκτείνεται προς τρεις αλληλένδετες κατευθύνσεις. Πρώτον, η αβεβαιότητα της ζήτησης ενσωματώνεται μέσω περιορισμών πιθανότητας, οι οποίοι επιτρέπουν τη διαμόρφωση διαφορετικών επιπέδων εμπιστοσύνης ως προς την ικανοποίηση των λειτουργικών περιορισμών. Δεύτερον, η διαθεσιμότητα ενός ετερογενούς στόλου ηλεκτρικών οχημάτων μοντελοποιείται με βάση κανονικές κατανομές των χρόνων άφιξης και αναχώρησης, από τις οποίες προσδιορίζονται η ωριαία διαθέσιμη ισχύς και η ενεργειακή χωρητικότητα του ΣΦΗΟ. Τρίτον, στην αντικειμενική συνάρτηση ενσωματώνεται το κόστος γήρανσης των συσσωρευτών, ώστε να αποτιμάται πληρέστερα η οικονομική επίδραση της λειτουργίας Vehicle-to-Grid. Παράλληλα, η αβεβαιότητα της παραγωγής από Ανανεώσιμες Πηγές Ενέργειας λαμβάνεται υπόψη στις απαιτήσεις εφεδρείας. Οι περιορισμοί πιθανότητας μετασχηματίζονται στα αντίστοιχα αιτιοκρατικά ισοδύναμά τους, διατηρώντας τη μορφή του προβλήματος ως Μικτού Ακέραιου Γραμμικού Προγράμματος. Το μοντέλο υλοποιείται σε γλώσσα Python με χρήση του πλαισίου βελτιστοποίησης Pyomo και επιλύεται με τους εμπορικούς επιλυτές Gurobi και CPLEX. Η αξιολόγηση πραγματοποιείται σε τρία συστήματα διαφορετικής κλίμακας, τα οποία περιλαμβάνουν από 3 έως 80 μονάδες διεσπαρμένης παραγωγής και από 200 έως 1.000 ηλεκτρικά οχήματα, για χρονικό ορίζοντα 24 ωρών. Τα αποτελέσματα καταδεικνύουν ότι η συμμετοχή του ΣΦΗΟ στην αγορά εξισορρόπησης μειώνει το συνολικό λειτουργικό κόστος κατά 1,11% έως 3,34% στο βασικό μοντέλο και κατά 1,70% έως 7,66% στο επεκταμένο μοντέλο. Η αύξηση του επιπέδου εμπιστοσύνης οδηγεί σε πιο συντηρητικό προγραμματισμό της παραγωγής, περιορίζει τη διαθέσιμη ευελιξία του στόλου και αυξάνει το λειτουργικό κόστος, χωρίς όμως να αναιρεί το οικονομικό όφελος από την παροχή εφεδρείας. Όλες οι εξεταζόμενες περιπτώσεις επιλύονται επιτυχώς, με χαμηλούς χρόνους επίλυσης και χάσματα βελτιστοποίησης που δεν υπερβαίνουν το 0,01%. Συμπερασματικά, η εργασία αναδεικνύει την αξία της συνδυασμένης αντιμετώπισης της αβεβαιότητας και της ευελιξίας των ηλεκτρικών οχημάτων για τον οικονομικό και αξιόπιστο προγραμματισμό των έξυπνων δικτύων.