Χρήση μεθόδων μηχανικής μάθησης για μείωση χρεώσεων ανισορροπίας ευέλικων καταναλωτών
Διπλωματική Εργασία

Επιβλέπων Αντώνιος Παπαβασιλείου
Συσχετιζόμενο μάθημα Οικονομική και Αξιόπιστη Λειτουργία ΣΗΕ

Περιγραφή

Η παρούσα εργασία διεξάγεται σε συνεργασία με την Net2Grid (https://www.net2grid.com/):

Facts:

  1. εκτεταμένο roll out από smart meters τα τελευταία χρόνια στις περισσότερες χώρες της Ευρώπης και στη Β. Αμερική.
  2. οι smart meters μετράνε με δειγματοληψία 15, 30 ή 60 λεπτών και τα δεδομένα γίνονται διαθέσιμα μετά το πέρας της ημέρας.
  3. συνήθως οι smart meters υποστηρίζουν κάποιο πρωτόκολλο επικοινωνίας (optical reader, P1 κ.α.) και μπορείς με το κατάλληλο επιπλέον hardware που θα συνδεθεί με τον smart meter να παίρνεις α) δεδομένα σε πραγματικό χρόνο και β) δεδομένα σε υψηλότερη δειγματοληψία (ακόμη και second level).

Πρόβλημα:
Οι περισσότεροι πάροχοι μετέχουν στην αγορά της επόμενης ημέρας κάνοντας κάποιες προβλέψεις για το φορτίο το οποίο θα πρέπει να ικανοποιήσουν. Όπως καταλαβαίνω, μεγαλύτερες αποκλίσεις (αποτυχία του forecasting) επιφέρουν κάποιο πρόστιμο.
Τι συμβαίνει αν οι πάροχοι συλλέγοντας δεδομένα σε πραγματικό χρόνο θα μπορούσαν να "διορθώσουν" την πιθανή απόκλιση που βλέπουν ότι θα έχουν κάνοντας την αντίστοιχη τοποθέτηση στην ενδοημερήσια αγορά?
Πιθανές "διορθώσεις" που θα ελαχιστοποιήσουν ζημίες να αντισταθμίζουν την όποια επένδυση θα πρέπει να γίνει για την αγορά του εξοπλισμού. Το γεγονός ότι το ίδιο hardware μπορεί να χρησιμοποιηθεί από τον πάροχο και για άλλου είδους υπηρεσίες (πχ customer engagement) μπορεί να σημαίνει μια συνδυαστικά συμφέρουσα πρόταση και ένα sale point για την Net2Grid.

Ερωτήματα:

  1. Αν υποθέσουμε ότι ένας τέτοιος ισχυρισμός ισχύει θα ενδιέφερε να ποσοτικοποιηθεί το πιθανό όφελος δεχόμενοι διάφορες παραδοχές.
  2. Σε συνέχεια του παραπάνω θα ενδιέφερε να οριστεί τι θα ήταν "αντιπροσωπευτική βάση" έναντι του full customer base που θα μπορούσε να έχει επίπτωση σε ένα τέτοιο πρόβλημα.
  3. Μπορούν οι residential end users (δεδομένων EV, heat pumps κλπ) να έχουν κάποια επίπτωση σε όλο αυτό ή είναι ασήμαντοι συγκριτικά με τους C&I end users?
  4. Θα μπορούσε μια real-time εισροή δεδομένων ειδικά από σπίτια που βεβαιωμένα έχουν EVs, PVs ή HVAC να "διορθώσει" το όποιο forecasting γίνεται μειώνοντας πιθανές αποκλίσεις?

Πως θα βοηθήσει η Net2Grid?

  1. Δεδομένα (τόσο τυπικά smart meter data 15 λεπτών όσο και high-res real-time data)
  2. Industrial experience
  3. Κάποιο standard allocated time slot τον Product Manager μας
  4. Συνδρομή σε κάποια κοινή προσπάθεια για δημοσίευση

Επιστροφή