Electrical demand flexibility is a key component to enabling a low cost, low carbon grid. In this study, residential electricity demand and flexibility is explored from the lens of a virtual power plant operator. Individual and aggregate asset consumption is analysed using a pool of >10,000 household assets over 6 years. Key safety, comfort and availability limitations are identified per asset type. Pool flexibility is analysed using a combination of past data and principled calculations, with flexibility quantified for different products and methods of control. A machine learning model is built for a small pool of 200 assets, predicting consumption 24 hours in advance. Calculated flexibility and asset limitations are then used within an optimisation model, leveraging flexibility and combining the value of self consumption and day ahead price optimisation for a residential home. / Flexibilitet i efterfrågan av elektricitet är essentiellt för att möjliggöra ett elnät med låga kostnader och utsläpp. I denna studie undersöks elanvändning av en bostad samt flexibilitet i perspektiv från en virtuell kraftverksoperatör. Individuell och sammanlagd konsumtion analyseras genom tillgång av data från >10 000 bostäder över 6 år. Begränsningar av säkerhet, komfort och tillgänglighet identifieras per tillgångstyp. Sammanlagda flexibiliteten analyseras genom en kombination av tidigare data och principiella beräkningar, med flexibilitet kvantifierad för diverse produkter och kontrollmetoder. En modell för maskininlärning utvecklades för 200 bostäder och förutser konsumtion 24 timmar i förväg. Den beräknade flexibiliteten och tillgångsbegränsningar används sedan i en optimeringsmodell som utnyttjar flexibilitet och kombinerar värdet av självkonsumtion och optimerat pris för nästkommande dag för ett bostadshus.

To create more sustainable power systems, as well as achieve environmental goals, further integration of Renewable Energy Sources (RES) is essential. However, this may result in a power system more vulnerable to disturbances, since RES do not contribute to the system’s inertia. A power system’s ability to counteract disturbances is highly dependant on inertia. This is because the power system uses the kinetic energy of rotating machines, i.e. inertia, to restore the power balance after a disturbance. This causes a deviation of the system’s frequency, which must be contained within certain limits or, in the worst case scenario, a blackout could follow. Frequency Containment Reserves (FCR) stabilizes the frequency first dozens of seconds after a disturbance, therefore, it is the inertia that plays the major role in controlling the initial frequency deviation. One possibility to counter disturbances in a power system with less inertia is to use electrical batteries as fast power support, by injecting power into the system when needed. This project aims to investigate the dynamics of the FCR as well as the possibility to use batteries as fast power support. Different parameters of the batteries are also analyzed. The project is conducted through a case study of a power system model in Simulink and Matlab. Additional aspects, such as sustainability, cost-effectiveness, and future research, are discussed. / För att skapa mer hållbara kraftsystem, men även uppnå miljömål, är fortsatt integrering av förnyelsebara energikällor viktigt. Dock kan detta resultera i ett kraftsystem som är mer sårbart mot störningar, då förnyelsebara energikällor inte bidrar till systemets svängmassa. Ett kraftsystems förmåga att möta störningar är direkt relaterad till svängmassan i systemet. Detta är på grund av att systemet använder kinetisk energi från roterande maskiner, deras svängmassa, för att återställa balans mellan produktion och konsumtion efter en störning. Dock orsakar detta en avvikelse hos systemets frekvens, som måste hållas inom vissa gränser, annars kan det i värsta fall leda till strömavbrott. Primärreglering stabiliserar frekvensen först dussin sekunder efter en störning, därför är det svängmassan som spelar den avgörande rollen för att kontollera den initiella avvikelsen. En möjlig lösning för att möta störningar i ett kraftsystem med mindre svängmassa är att använda elektriska batterier som snabbt kraftstöd, genom att tillföra effekt till systemet vid behov. Detta projekt syftar till att undersöka dynamiken hos primärregleringen men även huruvida batterier kan användas som snabbt kraftstöd. Olika parametrar hos batterierna analyseras även. Projektet görs genom en fallstudie av en model av ett kraftsystem i Simulink och Matlab. Andra aspekter, så som hållbarhet, kostnadseffektivitet samt framtida forskning diskuteras.

Volvo Construction Equipment (VCE) manufactures wheel loaders, articulated haulers, and excavators. By the end of 2030, the company hopes to have reduced the carbon footprint of its machines by 30 %. To increase energy efficiency and productivity, VCE is focused on developing futuristic wheel loaders that are both electric and autonomous. VCE has unveiled its latest autonomous wheel loader prototype called Zeux. This thesis work aims to create a simulation setup that includes a vehicle model of Zeux and a driver model that is optimised for the machine to complete a certain drive/load cycle. This simulation setup will be used to examine the machine’s performance, energy usage, and efficiency and compare it to a conventional machine to determine its advantages and limitations. The new vehicle model was created by modifying a conventional electric machine’s vehicle modeland a new four-wheel steering system was developed. A driver model was developed based on a condition-based decision tree and state machines with unique controllers for each driver input. This complete vehicle-driver simulation set-up has been tunedand optimised with respect to energy efficiency and productivity. The simulation results are then compared to the results of a similar conventional electric machine simulation model. According to the comparison study, the autonomous wheel loader concept has better productivity, lower hydraulic energy consumption as well as lower overall energy consumption compared to the conventional machine. It can complete the drive cycle much more efficiently despite having a similar powertrain and loading unit as the conventional machine. / Volvo Construction Equipment (VCE) tillverkar hjullastare, midjestyrda dumprar och grävmaskiner. I slutet av 2030 hoppas företaget ha minskat koldioxidavtrycket för sina maskiner med 30 %. För att öka energieffektiviteten och produktivitet är VCE fokuserade på att utveckla framtida hjullastare som både är elektriska och autonoma. VCE har presenterat sitt senaste autonoma hjullastarprototyp som heter Zeux. Detta examensarbete syftar till att skapa en simuleringsmiljö som innehåller en fordonsmodell av Zeux och en förarmodell som är optimerad för att maskinen ska klara en viss kör-/lastcykel. De framtagna modellerna ska sedan användas för att undersöka maskinens prestanda, energianvändning och effektivitet och jämföra resultaten med en konventionell elektrisk maskin för att fastställa dess fördelar och begränsningar. Den nya fordonsmodellen skapades genom att modifiera en konventionell elektrisk maskins fordonsmodell och ett nytt fyrhjulsstyrningssystem utvecklades. En förarmodell utvecklades baserad på ett tillståndsbaserat beslutsträd och tillståndsmaskiner med unika regulatorer för varje drivrutin. Den kompletta simuleringsmodellen har justerats och optimerats med avseende på energianvändning och produktivitet. Resultaten jämfördes sedan med simuleringsresultat av en liknande konventionell elektrisk hjullastare. Enligt jämförelsestudien, har konceptet med autonoma hjullastare bättre produktivitet, lägre hydrauliskenergiförbrukning samt lägre total energiförbrukning jämfört med den konventionella maskinen. Den kan slutföra körcykeln mycket mer effektivt samtidigt trots att den har en liknande drivlina och lastenhet som den konventionell maskin.

This study investigated the implementation of a remaining range estimation algorithm for electrical vehicles, an essential feature to define a vehicle's reliability on the road. The implementation was made on an electrical motorcycle, comparing three models: a dynamic force based model, a power based model and a mass estimation model. The mass model estimated the mass with the help of a RLS algorithm and is a combination of the force based model and the power model. It investigates the possibility to further increase the accuracy of a range estimation algorithm by estimating the total mass of the vehicle over a driving session. On top of these models, two kinds of prediction methods for future consumption were evaluated: the average-past prediction and the home-intention prediction. Both models uses past data to predict the future, but the home-intention prediction is a suggested method to further improve the classic average-past method, where the beginning and end of the vehicle's driving sessions is assumed to be the same location. Tests were executed for the models on an electrical motorcycle provided by the company CAKE. A test equipment were put on the motorcycle, consisting of microprocessors and sensors, used for computation and collection of data. With this equipment, experiments were performed on three test routes with different conditions, comparing the models’ accuracies. The results showed that the Power Model, even with its lower complexity performed best overall, while the Force Model showed mixed results. Depending on the prediction method the Force Model performed either at the top or at the bottom. When the results were analyzed, this behavior seem to be the result of insufficient/faulty hardware which were essential for the average-past prediction to achieve proper results. The Force Model using home-intention prediction consistently performed better, as long as its prediction was correct. The Mass Model was executed offline and were then used to simulate the effect it could have had online. This showed promising result, suggesting improved accuracy if implemented online, but which in this thesis is left as a suggestion of improvement for future work. / Den här studien utforskade implementationen av en algoritm för att estimatera kvarstående räckvidd för ett elektriskt fordon, som är en viktigt funktionalitet för att utvärdera ett fordons pålitlighet på vägen. Implementeringen gjordes på en elektrisk motorcykel på tre modeller: en kraftbaserad-, en effektbaserad- och en massestimeringsmodell. Massestimeringsmodellen estimerar fordonets massa med hjälp av en RLS algoritm och är en kombination av kraft- och effektmodellen. Den utforskar möjligheten att förbättra räckviddsestimeringen ytterligare genom att kunna estimera den totala vikten av fordonet under körningen. På dessa modeller så utvärderades två typer av prediktionsmetoder för att förutspå framtida energiförbrukning: genomsnittliga-datametoden, en metod som använder genomsnittlig data i dåtid, och hem-avsiktsmetoden, en metod som förutspår förarens avsikt att åka hem. Båda modellerna använder gammal data för att förutspå framtiden, men hem-avsiktsmetoden är en föreslagen metod för att ytterligare förbättra den klassiska genomsnittliga-passerade metoden, där början och slutet av körningen antas vara samma position. Test utfördes för modellerna på en elektrisk motorcykel från företaget CAKE. En testutrustning monterades på motorcykeln som består av mikroprocessorer och sensorer och användes för samla och bearbeta data. Med denna utrustning genomfördes experiment på tre olika rutter som hade olika förutsättningar där modellerna träffsäkerhet sedan jämfördes. Resultatet visade på att Effektmodellen, även då den har en lägre nivå av komplexitet, faktiskt presterade generellt sätt bäst, medans Kraftmodellen visade på blandat resultat. Beroende på prediktionsmetod som användes så presterade Kraftmoddel antingen i toppen eller botten. När resultatet analyserades så verkar detta beteende bero på otillräcklig/problematisk hårdvara som var avgörande för den genomsnittliga-passerade metoden. Kraftmodellen tillsammans med hem-avsiktsmetoden ökade prestandan konsekvent så länge som förutsägelsen var korrekt. Massmodellen utfördes offline och detta resultat användes sedan för att simulera massmodellens påverkan på estimering online. Detta visade på lovande resultat och visar på att ifall den metod kördes online så skulle pricksäkerheten kunna ökas, men är något som inte utförs i detta arbete utan lämnas som ett förslag på förbättring för framtida studier.

Kyoto University (京都大学) / 0048 / 新制・課程博士 / 理学博士 / 甲第1783号 / 理博第417号 / 新制||理||236(附属図書館) / 5091 / UT51-52-C115 / 京都大学大学院理学研究科化学専攻 / (主査)教授 大杉 治郎, 教授 山本 常信, 教授 藤永 太一郎 / 学位規則第5条第1項該当

Kyoto University (京都大学) / 0048 / 新制・課程博士 / 博士(工学) / 甲第14574号 / 工博第3042号 / 新制||工||1453(附属図書館) / 26926 / UT51-2009-D286 / 京都大学大学院工学研究科材料工学専攻 / (主査)教授 粟倉 泰弘, 教授 杉村 博之, 教授 田中 功 / 学位規則第4条第1項該当

Kyoto University (京都大学) / 0048 / 新制・論文博士 / 博士(工学) / 乙第11217号 / 論工博第3738号 / 新制||工||1285(附属図書館) / UT51-2003-H879 / (主査)教授 松重 和美, 教授 松波 弘之, 教授 野澤 博 / 学位規則第4条第2項該当

Kyoto University (京都大学) / 0048 / 新制・論文博士 / 工学博士 / 乙第4343号 / 論工博第1353号 / 新制||工||498(附属図書館) / UT51-57-E408 / (主査)教授 池上 文夫, 教授 池上 淳一, 教授 木嶋 昭 / 学位規則第5条第2項該当

Kyoto University (京都大学) / 0048 / 新制・論文博士 / 工学博士 / 乙第2757号 / 論工博第782号 / 新制||工||310(附属図書館) / 4195 / UT51-50-E75 / (主査)教授 上之園 親佐, 教授 林 宗明, 教授 板谷 良平 / 学位規則第5条第2項該当

Kyoto University (京都大学) / 0048 / 新制・論文博士 / 医学博士 / 乙第3631号 / 論医博第748号 / 新制||医||245(附属図書館) / 5666 / UT51-53-M163 / (主査)教授 藤原 元始, 教授 日笠 頼則, 教授 河合 忠一 / 学位規則第5条第2項該当