Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/63658
Title: การควบคุมเชิงทำนายแบบจำลองของระบบบริหารจัดการพลังงานขนาดไมโครเพื่อจัดสรรพลังงานไฟฟ้าในเมืองแม่ฮ่องสอน
Other Titles: Model Predictive Control Of Micro-Energy Management System For Electrical Energy Dispatch In Mae Hong Son City
Authors: ธัญวลัย ปานะพงศ์ปกรณ์
Advisors: เดวิด บรรเจิดพงศ์ชัย
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email: [email protected]
Issue Date: 2561
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: ระบบผลิตไฟฟ้าของไมโครกริดเป็นแบบกระจายศูนย์ และทำให้การบริหารจัดการมีความซับซ้อนเพิ่มขึ้น ระบบจัดการพลังงานมีความสำคัญอย่างยิ่งสำหรับการวางแผน สั่งการเเละปฏิบัติการของไมโครกริด เพื่อทำให้ระบบไฟฟ้ามีความน่าเชื่อถือ และจัดสรรกำลังผลิตไฟฟ้าให้เพียงพอต่อความต้องการใช้ไฟฟ้า ฉะนั้น ระบบจัดการพลังงาน จำเป็นต้องมีความน่าเชื่อถือเเละมีประสิทธิภาพ ในทางปฏิบัติ การวางแผนเเละปฏิบัติการของระบบจัดการพลังงาน ต้องอาศัยแบบจำลองการพยากรณ์ความต้องการไฟฟ้าเพื่อให้จัดสรรพลังงานได้อย่างเหมาะที่สุด ประสิทธิภาพเเละความแม่นยำของแบบจำลองการพยากรณ์ความต้องการไฟฟ้าส่งผลกระทบต่อประสิทธิภาพของการจัดสรรพลังงานของระบบไมโครกริด วิทยานิพนธ์นี้มีจุดประสงค์เพื่อพัฒนาแบบจำลองพยากรณ์ความต้องการใช้ไฟฟ้าล่วงหน้าด้วยวิธีโครงข่ายประสาทเทียมแบบวกกลับ และได้การพยากรณ์ความต้องไฟฟ้าล่วงหน้า 1 วัน ซึ่งต่อมาเป็นข้อมูลขาเข้าให้กับขั้นตอนวิธีการจัดสรรพลังงาน นอกจากนี้ วิทยานิพนธ์นี้เสนอการออกแบบการควบคุมเชิงทำนายแบบจำลองของระบบจัดการพลังงานเพื่อจัดสรรการผลิตไฟฟ้าต่าง ๆ ในพื้นที่ รวมถึงการแลกเปลี่ยนพลังงานไฟฟ้าร่วมกับโครงข่ายไฟฟ้าหลักเพื่อทำให้จุดประสงค์ค่าใช้จ่ายการปฏิบัติการรวมต่ำที่สุดเเละการปล่อยก๊าซคาร์บอนไดออกไซด์รวมต่ำที่สุด การปฏิบัติการของระบบจัดการพลังงานประกอบด้วย 4 แบบแผน ได้แก่ แบบแผนปกติ แบบแเผนไม่ซื้อไฟ แบบแผนไม่ขายไฟ เเละแบบเเผนพลังงานสุทธิเป็นศูนย์ ท้ายสุดเราประยุกต์ขั้นตอนวิธีกับกรณีศึกษาระบบไมโครกริดของเมืองแม่ฮ่องสอน ผลลัพธ์เชิงตัวเลขเปรียบเทียบการจัดสรรพลังงานระหว่างการควบคุมเชิงทำนายแบบจำลองกับระบบจัดการพลังงานของงานก่อนหน้านี้ พบว่า ค่าใช้จ่ายการปฏิบัติการรวมและการปล่อยก๊าซคาร์บอนไดออกไซด์รวมของการควบคุมเชิงทำนายแบบจำลองมีค่าต่ำกว่าของระบบจัดการพลังงานของงานก่อนหน้า
Other Abstract: Power generation system of microgrid is decentralized and makes the management increasingly complex. Energy management system (EMS) is very important for planning and operation of microgrid to make sure that the power system is reliable and dispatch resources to sufficiently meet the demand. Therefore, energy management system (EMS) should be reliable and efficient. In practice, planning and operation of EMS requires the load forecast for the optimal dispatch strategy. The efficiency and accuracy of short-term load forecasting (STLF) model affects the efficiency of dispatch algorithm of microgrid.  This thesis aims to develop the load forecast using recurrent neural network (RNN) to obtain the suitable STLF for forecasting load one day ahead which is used as input for dispatch algorithm. In addition, this thesis proposes Model Predictive Control (MPC) design of EMS to dispatch various power generation in the area and exchange energy with the main grid to achieve minimum total operating cost (TOC) and minimum total Carbon-dioxide emission (TCOE) objectives. The operation of EMS consists of 4 modes, namely, normal mode, zero import mode, zero export mode and zero net energy mode. Finally, the proposed algorithm is applied to a microgrid case study of Mae Hong Son (MHS) City. Numerical results compare between MPC and the previous EMS and show that TOC and TCOE of MPC are lower than that of previous EMS.
Description: วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2561
Degree Name: วิศวกรรมศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: วิศวกรรมไฟฟ้า
URI: http://cuir.car.chula.ac.th/handle/123456789/63658
URI: http://doi.org/10.58837/CHULA.THE.2018.1237
metadata.dc.identifier.DOI: 10.58837/CHULA.THE.2018.1237
Type: Thesis
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
6070216421.pdf4.48 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.