本論文では，電力利用率向上と需給バランス調整に寄与する蓄電池付太陽光PCSの新たな制御法について検討を行い，その有効性を確認している。受電点の潮流に応じてPCSの力率を制御することで，逆潮流時には系統電圧の上昇を抑制しつつ，順潮流時には負荷への電力利用率を向上する手法を提案し，フィールド試験により有効性を定量評価した。また，受電電力の制御目標値を可変とする制御を用い目標値を最適化することで，新たな機器を付加する必要なく上げ下げのDRに対応し需給バランスを調整する制御手法を提案し，その有効性をシミュレーションおよび実機により検証した。 / 博士(工学) / Doctor of Philosophy in Engineering / 同志社大学 / Doshisha University

The electricity grids have become a key player in the society. An increased usage of electricity is both a result from the more electrified society, but also as a main solver in reaching the climate goals by reducing emissions. This thesis work explores some of the new features for the electricity grid from integration of electrification from renewable energy resources (RES) and from strategies for energy optimization related to the loads and specifically from thermal heat pumps. These strategies lie in the field of demand response, which takes advantage of the flexibility of loads in terms of willingness to switch or decrease their consumption at a particular moment of the day. This research proposes a three-step framework to harness the flexibility of Thermo-Statically controlled loads (TCLs) based on a simulated grey-box building model that uses historical outside temperature and prices data and learns the thermal parameters such as Thermal Resistance, Thermal Capacitance, but also price responsiveness (pth ) through a Differential Evolution (DE) based optimization algorithm. The price responsiveness is used to provide further insight into the flexibility of the loads and is employed in the last step to propose a price policy estimation algorithm also based on DE that minimizes the gap between supply and demand while preserving supplier and customer profitability. The proposed approach has proven to be accurate for a large number of parameters but also effective with reduced training data (prediction errors around 2.5% on the power average and standard deviation), as well as to be successful in providing a Day-Ahead Real-Time Price policy that maximizes supplier and customer utility. The price policy provides a lower total price for the customer compared with a tariff without demand response (reduction up to 53.63 %), reduces the gap between RES-based energy sources and heating demand, and respects grid technical constraints. / Elnätet har blivit en nyckelaktör i samhället. En ökad elanvändning är både ett resultat av det mer elektrifierade samhället, men också som en huvudlösare för att nå klimatmålen genom att minska utsläpp. Detta examensarbete undersöker några av de nya funktionerna för elnätet från integration av elektrifiering från förnybara energiresurser (RES) och från strategier för energioptimering relaterade till ellaster och specifikt från termiska värmepumpar. Dessa strategier ligger inom området för efterfrågerespons, som drar fördel av lasternas flexibilitet när det gäller viljan att byta eller minska sin konsumtion vid en viss tidpunkt på dagen. Den här forskningen föreslår ett ramverk i tre steg för att utnyttja flexibiliteten hos termostatiskt kontrollerade laster (TCL) baserat på en simulerad gråbox-byggnadsmodell som använder historisk utomhustemperatur och prisdata och lär sig de termiska parametrarna som termisk motstånd, termisk kapacitans , men också priskänslighet (pth) genom en Differential Evolution (DE) baserad optimeringsalgoritm. Priskänsligheten används för att ge ytterligare insikt om lasternas flexibilitet och används i det sista steget för att föreslå en prispolitisk uppskattningsalgoritm också baserad på DE som minimerar klyftan mellan utbud och efterfrågan samtidigt som leverantörs- och kundlönsamheten bevaras. Det föreslagna tillvägagångssättet har visat sig vara korrekt för ett stort antal parametrar men också effektivt med reducerad träningsdata (förutsägelsefel runt 2,5% på effektmedelvärde och standardavvikelse), samt vara framgångsrik i att tillhandahålla en Day-Ahead Real -Tidsprispolicy som maximerar leverantörs- och kundnyttan. Prispolicyn ger ett lägre totalpris för kunden jämfört med en tariff utan efterfrågerespons (reduktion upp till 53, 63 %), minskar gapet mellan RES-baserade energikällor och värmebehov samt följer nättekniska begränsningar.

Support for this work from Praxair; the McMaster Advanced Control Consortium; and the Natural Sciences and Engineering Research Council of Canada (NSERC), Grant CRDPJ 445717, is gratefully acknowledged. / In the air separation industry, cryogenic distillation is the dominant technology for separating large quantities of air into individual high purity component products. Due to the complexity of the process, in addition to significant energy input, air separation units (ASUs) also have high degrees of material and thermal integration and low process agility. As markets become more competitive and dynamic, especially after electricity market deregulation, ASUs can no longer practice mostly stationary operations, and are in need for design and control strategies to achieve high adaptability. In this study, we address such issues through a dynamic optimization framework. The use of rigorous dynamic models is important for developing economically beneficial designs and operating practices. The first part of this study focuses on the modeling aspect. For the column section of the plant, a full-order stage-wise model and a collocation based reduced order model are proposed. Model size, simulation time and predication accuracy are compared. For the primary heat exchanger, a novel moving boundary model is derived to handle the phase change in such a multi-stream heat exchanger. Simulation results demonstrate the capability of the proposed model in tracking the boundary points of the phase change occurrence, as well as the potential pinch point, along the length of the heat exchanger. The second part of the study addresses the operation aspects of ASUs through conducting dynamic optimization studies with collocation based dynamic models. We first performed a comprehensive analysis for a storage-then-utilization strategy on a nitrogen plant, following a two-tier multi-period formulation. As the parameter varies with time, the plant collects liquid, either directly from liquid product or by liquefaction of overproduced gas product, and then redistributes it for meeting gas product demand or as additional reflux. Effects of electricity price and demand profiles, additional operation costs, as well as product specifications are explored. Then we investigated the economic incentive for employing preemptive actions on a super-staged argon system, which allows the plant to take actions before external changes arrive. In the evaluation, changes are in the gas oxygen product demand. During the preemptive period, the plant takes either a single set or multiple sets of control actions. In the demand increase case, operation degrees of freedom are introduced to or removed from the set of decision variables. The demand decrease scenarios are explored with an under-supplied or saturated liquid oxygen market. / Dissertation / Doctor of Philosophy (PhD)

The use of electricity from Distributed Energy Resources like wind and solar powerwill impact the performance of the electricity network and this sets a limit to theamount of such renewables that can be connected. Investment in energy storage andcommunication technologies enables more renewables by operating the networkcloser to its limits. Electricity networks using such novel techniques are referred toas “Smart Grids”. Under favourable conditions the use of these techniques is analternative to traditional network planning like replacement of transformers orconstruction of new power line.The Hosting Capacity is an objective metric to determine the limit of an electricitynetwork to integrate new consumption or production. The goal is to create greatercomparability and transparency, thereby improving the factual base of discussionsbetween network operators and owners of Distributed Energy Resources on thequantity and type of generation that can be connected to a network. This thesisextends the Hosting Capacity method to the application of storage and curtailmentand develops additional metrics such as the Hosting Capacity Coefficient.The research shows how the different intermittency of renewables and consumptionaffect the Hosting Capacity. Several case studies using real production andconsumption measurements are presented. Focus is on how the permitted amountof renewables can be extended by means of storage, curtailment and advanceddistributed protection and control schemes. / Användningen av el från förnyelsebara energikällor som vind och sol kommer att påverka elnätet, som sätter en gräns för hur mycket distribuerad energiproduktion som kan anslutas. Investeringar i storskalig energilager och användning av modern kommunikationsteknologi gör det möjligt att öka andelen förnyelsebarenergi genom att nätet kan drivas närmare sina gränser. Elnät med sådana nya tekniker kallas ofta för ”Smarta Elnät". Implementering av sådana smarta elnät kan vara ett alternativ till traditionell nätplanering och åtgärder som utbyte av transformatorer eller konstruktion av nya kraftledningen.Nätets acceptansgräns är ett objektivt mått för att bestämma gränsen för nätets förmåga att integrera ny förbrukning eller produktion. Målet är att skapa större transparens och bidra till ett bättre faktaunderlag i diskussioner mellan nätoperatörer och ägare av distribuerade energiresurser. Denna avhandling utökar acceptansgränsmetoden för tillämpning med energilager och produktions nedstyrning och utvecklar ytterligare begrepp så som acceptansgränsen koefficienten.Forskningen visar hur varierbarheten hos olika förnyelsebara energikällor samverkar med förbrukningen och påverkar nätets acceptansgräns. Flera fallstudier från verkliga elnät och med uppmätt produktion och konsumtion presenteras. Fokus är på hur den tillåtna mängden förnyelsebara energikällor kan ökas med hjälp av energilagring, kontrollerad produktionsnedstyrning och med avancerad distribuerade skydd och kontroll applikationer. / Nicholas Etherden works at STRI AB (www.stri.se) in Gothenburg, Sweden. When he is not pursuing his half-time PhD studies he works as a specialist consultant in the field of Power Utility Automation, specialising on the IEC 61850 standard for power utility automation (today widely used in substations as well as some wind parks, hydro plants and DER and Smart Grid applications such as vehicle-to-grid integration). The author of this thesis received his Master of Science in Engineering Physics from Uppsala University 2000. Side tracks during his engineering studies included studies in theoretical philosophy, chemistry, ecology and environmental sciences as well as chairing the Swedish student committee of the Pugwash Conferences on Science and Worlds Affairs and later board member of the International Network of Engineers and of Scientists for Global Responsibility (INES) and chair of Swedish Scientists and Engineers Against Nuclear Arms. He has been a trainee at ABB in Västerås Sweden and spent six years as developer and team leader for the application development of a new relay protection family (ABB IED 670 series). In parallel to his professional work he studied power system engineering at Mälardalens University and travelled to all continents of the world. Since 2008 he is responsible for the STRI IEC 61850 Independent Interoperability Laboratory and a member of IEC Technical Committee 57 working group 10 "Power system communication and associated data models” and UCA/IEC 61850 User group testing subcommittee. He is co-author of IEC 61850-1 and main contributor to “Technical Report on Functional Test of IEC 61850 systems” and has held over 25 hands-on courses around the world on IEC 61850 “Communication networks and systems for power utility automation”. / SmartGrid Energilager

L'immense potentiel des approches d'apprentissage par renforcement profond (ARP) pour la conception d'agents autonomes a été démontré à plusieurs reprises au cours de la dernière décennie. Son application à des agents physiques, tels que des robots ou des réseaux électriques automatisés, est cependant confrontée à plusieurs défis. Parmi eux, l'inefficacité de leur échantillonnage, combinée au coût et au risque d'acquérir de l'expérience dans le monde réel, peut décourager tout projet d'entraînement d'agents incarnés. Dans cette thèse, je me concentre sur l'application de l'ARP sur des agents physiques. Je propose d'abord un cadre probabiliste pour améliorer l'efficacité de l'échantillonnage dans l'ARP. Dans un premier article, je présente la pondération BIV (batch inverse-variance), une fonction de perte tenant compte de la variance du bruit des étiquettes dans la régression bruitée hétéroscédastique. La pondération BIV est un élément clé du deuxième article, où elle est combinée avec des méthodes de pointe de prédiction de l'incertitude pour les réseaux neuronaux profonds dans un pipeline bayésien pour les algorithmes d'ARP avec différences temporelles. Cette approche, nommée apprentissage par renforcement à variance inverse (IV-RL), conduit à un entraînement nettement plus rapide ainsi qu'à de meilleures performances dans les tâches de contrôle. Dans le troisième article, l'apprentissage par renforcement multi-agent (MARL) est appliqué au problème de la réponse rapide à la demande, une approche prometteuse pour gérer l'introduction de sources d'énergie renouvelables intermittentes dans les réseaux électriques. En contrôlant la coordination de plusieurs climatiseurs, les agents MARL obtiennent des performances nettement supérieures à celles des approches basées sur des règles. Ces résultats soulignent le rôle potentiel que les agents physiques entraînés par MARL pourraient jouer dans la transition énergétique et la lutte contre le réchauffement climatique. / The immense potential of deep reinforcement learning (DRL) approaches to build autonomous agents has been proven repeatedly in the last decade. Its application to embodied agents, such as robots or automated power systems, is however facing several challenges. Among them, their sample inefficiency, combined to the cost and the risk of gathering experience in the real world, can deter any idea of training embodied agents. In this thesis, I focus on the application of DRL on embodied agents. I first propose a probabilistic framework to improve sample efficiency in DRL. In the first article, I present batch inverse-variance (BIV) weighting, a loss function accounting for label noise variance in heteroscedastic noisy regression. BIV is a key element of the second article, where it is combined with state-of-the-art uncertainty prediction methods for deep neural networks in a Bayesian pipeline for temporal differences DRL algorithms. This approach, named inverse-variance reinforcement learning (IV-RL), leads to significantly faster training as well as better performance in control tasks. In the third article, multi-agent reinforcement learning (MARL) is applied to the problem of fast-timescale demand response, a promising approach to the manage the introduction of intermittent renewable energy sources in power-grids. As MARL agents control the coordination of multiple air conditioners, they achieve significantly better performance than rule-based approaches. These results underline to the potential role that DRL trained embodied agents could take in the energetic transition and the fight against global warming.

The power utilities in Sweden are planning to replace the major part of thenuclear power plants with renewable energy resource by the year 2030. Some ofthe renewable energy resources are intermittent, which may endanger the powersystem stability. A solution to this problem could be increased exibility in theend-users consumption, which is known as demand response. This is a usefultool that can be used to facilitate the large integration of renewable energyresource into the power grid. Therefore, several of the Swedish governmentauthorities have stated that the possibilities for demand response should befurther investigated.During this thesis, a case study is carried out at Volvo Group Truck OperationsPowertrain Productions in Koping, with the purpose of deriving theirtechnical possibilities for DR in the factory. Volvo in Koping mainly producesgearboxes to all trucks within the Volvo Group concern and belongs to the engineeringindustry sector. The engineering industry has previously not beeninvestigated for DR purposes in Sweden. The main goal of the thesis is to derivethe DR capacity of the factory and the associated time parameters. Onlydemand response by shifting the production in time is considered.One production group (Midiblock 2) in the factory is modelled using MixedInteger Linear Programming and the optimization problem is used to minimizethe electricity cost while fullling the production requirements. The optimizationproblem is done on daily basis and the result is binary operating pointsfor CNC-machines. The output from the Mixed Integer Linear Programmingproblem is sent to a discrete event model, which is used to validate the resultsand display the optimal energy consumption.The simulation results indicates that the modelled production group can performa load shift of 270 kWh/h during 4 hours by scheduling production. Duringthe reduction it should be possible to perform actions such as maintenance andchanging settings of machines. If the results are true for the entire factory, theresulting load reduction is 1.35 MWh/h during 4 hours. However, the nancialincentives to perform load reductions are low. Also, Volvo in Koping does nothave any routines to shut-o the CNC-machines and an extensive work is requiredto make a load reduction possible. Resulting in that DR at the factory isat the moment unrealistic. In addition to the possibilities for DR, the possibleeconomic savings by shutting o the CNC-machines when they are not producingunits are also approximated. Volvo in Koping can save a large amount ofenergy and yearly cut the cost by at least 5 000 000 SEK on these actions, whichis also the rst step towards enabling DR in the factory. / Elkraftsbolagen i Sverige planerar att ersätta kärnkraftverken med förnybaraenergikällor fram till och med år 2030. Några av de förnybara energikällornaär intermittenta i sin produktion och kan på grund av detta medföra en faraför stabilitet i kraftsystemet. En del av lösningen till detta problem kan varaefterfrågeflexibiltet, vilket innebär att el-användarna är mer flexibla i förbrukningenoch anpassar sig till viss del efter kraftsystemets tillstånd. Efterfrågeflexibiltetär ett användbart verktyg som kan underlätta integreringen av de förnybaraenergikällorna. På grund av detta har era svenska statliga företag sagtatt er undersökning bör genomföras inom området efterfrågeflexibiltet.Under detta arbeta har en fallstudie utförts hos Volvo Group Truck OperationPowertrain Production i Köping. Syftet av fallstudien har varit attundersöka möjligheterna för efterfrågeflexibilitet i fabriken. Volvo i Köping producerartill största dels växellådor till samtliga lastbilar inom Volvo Group koncernenoch de tillhör därför industrisektorn verkstadsindustrier.En produktionsgrupp i fabriken modelleras med hjälp av linjärprogrammeringoch modellen används för att för att minimera elkostnaderna genom att föryttalast i tid och samtidigt uppfylla produktionskraven. Optimeringsproblemetberäknas med elpriser för ett dygn och resultatet av problemet är binära tillståndför CNC-maskinerna i produktionsgruppen. De binära tillstånden skickas tillen diskret modell i Matlab som används för att verifiera produktionskraven ochvisa den resulterande energiförbrukningen för produktionsgruppen.Resultatet visar att det är teoretiskt möjligt att förytta 270 kWh/h underen period på 4 timmar genom att förskjuta produktion i tid. Under produktionsstoppenär det möjligt att genomföra underhåll och att förändring iinställningarna på CNC-maskinerna. Om resultaten skalas upp till hela fabrikenskulle den resulterande lastförflyttningen vara 1.35 MWh/h under 4 timmar.Dock så är de ekonomiska incitamenten låga och lastföryttningen är inteekonomiskt hållbar. Ett ytterligare problem är att Volvo i Köping förtillfälletinte har några rutiner för att stänga av maskinerna. Därför krävs det ett omfattandearbete innan det skulle vara möjligt att genomföra en lastförflyttning.Efterfrågeflexibiltet hos Volvo i Köping är därför orealistiskt. Utöver att undersöka möjligheterna för efterfrågeflexibiltet i fabriken, har en del av arbetetsom mål att undersöka de möjliga energi- och kostnadsbesparingar som skapasav att stänga av CNC-maskinerna när de inte producerar enheter. Arbetet harvisat att Volvo i Köping kan varje är spara 5 000 000 SEK på att stänga avmaskinerna, vilket också är ett första steg mot efterfrågeflexibilitet i fabriken.

The electric power systems are currently being transformed through the integration of intermittent renewable energy resources and new types of electric loads. These developments run the risk of increasing mismatches between electricity supply and demand, and may cause non-favorable utilization rates of some power system components. Using Demand Response (DR) from flexible loads in the building stock is a promising solution to overcome these challenges for electricity market actors. However, as DR is not used at a large scale today, there are validity concerns regarding its cost-benefit and reliability when compared to traditional investment options in the power sector, e.g. network refurbishment. To analyze the potential in DR solutions, bottom-up simulation models which capture consumption processes in buildings is an alternative. These models must be simple enough to allow aggregations of buildings to be instantiated and at the same time intricate enough to include variations in individual behaviors of end-users. This is done so the electricity market actor can analyze how large volumes of flexibility acts in various market and power system operation contexts, but also can appreciate how individual end-users are affected by DR actions in terms of cost and comfort. The contribution of this thesis is bottom-up simulation models for generating load profiles in detached houses and office buildings. The models connect end-user behavior with the usage of appliances and hot water loads through non-homogenous Markov chains, along with physical modeling of the indoor environment and consumption of heating and cooling loads through lumped capacitance models. The modeling is based on a simplified approach where openly available data and statistics are used, i.e. data that is subject to privacy limitations, such as smart meter measurements are excluded. The models have been validated using real load data from detached houses and office buildings, related models in literature, along with energy-use statistics from national databases. The validation shows that the modeling approach is sound and can provide reasonably accurate load profiles as the error results are in alignment with related models from other research groups. This thesis is a composite thesis of five papers. Paper 1 presents a bottom-up simulation model to generate load profiles from space heating, hot water and appliances in detached houses. Paper 2 presents a data analytic framework for analyzing electricity-use from heating ventilation and air conditioning (HVAC) loads and appliance loads in an office building. Paper 3 presents a non-homogeneous Markov chain model to simulate representative occupancy profiles in single office rooms. Paper 4 utilizes the results in paper 2 and 3 to describe a bottom-up simulation model that generates load profiles in office buildings including HVAC loads and appliances. Paper 5 uses the model in paper 1 to analyze the technical feasibility of using DR to solve congestion problems in a distribution grid. / Integrering av förnybara energikällor och nya typer av laster i de elektriska energisystemen är möjliga svar till klimatförändringar och uttömning av ändliga naturresurser. Denna integration kan dock öka obalanserna mellan utbud och efterfrågan av elektricitet, och orsaka en ogynnsam utnyttjandegrad av vissa kraftsystemkomponenter. Att använda efterfrågeflexibilitet (Demand Response) i byggnadsbeståndet är en möjlig lösning till dessa problem för olika elmarknadsaktörer. Men eftersom efterfrågeflexibilitet inte används i stor skala idag finns det obesvarade frågor gällande lösningens kostnadsnytta och tillförlitlighet jämfört med traditionella investeringsalternativ i kraftsektorn. För att analysera efterfrågeflexibilitetslösningar är botten-upp-simuleringsmodeller som fångar elförbrukningsprocesser i byggnaderna ett alternativ. Dessa modeller måste vara enkla nog för att kunna representera aggregeringar av många byggnader men samtidigt tillräckligt komplicerade för att kunna inkludera unika slutanvändarbeteenden. Detta är nödvändigt när elmarknadsaktören vill analysera hur stora volymer efterfrågeflexibilitet påverkar elmarknaden och kraftsystemen, men samtidigt förstå hur styrningen inverkar på den enskilda slutanvändaren.  Bidraget från denna avhandling är botten-upp-simuleringsmodeller för generering av elförbrukningsprofiler i småhus och kontorsbyggnader. Modellerna kopplar slutanvändarbeteende med elförbrukning från apparater och varmvattenanvändning tillsammans med fysikaliska modeller av värmedynamiken i byggnaderna. Modellerna är byggda på en förenklad approach som använder öppen data och statistisk, där data som har integritetsproblem har exkluderats. Simuleringsresultat har validerats mot elförbrukningsdata från småhus och kontorsbyggnader,  relaterade modeller från andra forskargrupper samt energistatistik från nationella databaser. Valideringen visar att modellerna kan generera elförbrukningsprofiler med rimlig noggrannhet. Denna avhandling är en sammanläggningsavhandling bestående av fem artiklar. Artikel 1 presenterar botten-upp-simuleringsmodellen för genereringen av elförbrukningsprofiler från uppvärmning, varmvatten och apparater i småhus. Artikel 2 presenterar ett dataanalytiskt ramverk för analys av elanvändningen från uppvärmning, ventilation, och luftkonditioneringslaster (HVAC) och apparatlaster i en kontorsbyggnad. Artikel 3 presenterar en icke-homogen Markovkedjemodell för simulering av representativa närvaroprofiler i enskilda kontorsrum. Artikel  4 använder resultaten i artiklarna  2 och 3 för att beskriva en botten-upp-simuleringsmodell för generering av elförbrukningsprofiler från HVAC-laster och apparater i kontorsbyggnader. Artikel  5 använder modellen i artikel 1 för att analysera den tekniska möjligheten att använda efterfrågeflexibilitet för att lösa överbelastningsproblem i ett eldistributionsnät. / <p>QC 20160329</p>

Kenntnisse über das prinzipielle Verhalten der Lasten und deren Benutzung durch die Endabnehmer sind im Wesentlichen vorhanden. Viele der aktuell notwendigen Untersuchungen benötigen jedoch Zeitreihen elektrischer Lasten, sogenannte Lastgänge. Mit der Synthese von Zeitreihen elektrischer Lasten können unter Berücksichtigung verschiedenster Anforderungen Lastgänge aufgebaut werden, wobei in dieser Arbeit der Fokus auf Haushaltsabnehmer liegt. Wichtige Eingangsdaten für die Lastgangsynthese sind die technischen Kenngrößen der elektrischen Geräte und die sozialen Kennzahlen zur Benutzung der Geräte durch die Endabnehmer. Anhand dieser Eingangsdaten wird die Lastgangsynthese durchgeführt und werden Anwendungsbeispiele dargestellt. Die Entwicklung von klassischen Versorgungsnetzen hin zu aktiven Verteilungsnetzen ist bedingt durch neue Verbraucher, wie Wärmepumpen, Elektroautos, sowie vielen dezentralen Erzeugungsanlagen. Speziell die fluktuierende Einspeisung durch Photovoltaik-Anlagen ist Anlass zur Forderung nach einem Verbrauchs- und Lastmanagement. Mit dem Verbrauchsmanagement wird die Last an die Einspeisung angepasst und das Lastmanagement berücksichtigt zusätzlich die Versorgungssituation des Netzes. Für die Lastgangsynthese werden die Haushaltsgeräte in fünf Geräteklassen unterteilt, für die spezifische Kennzahlen aus technischer und sozialer Sicht angegeben werden. Diese Kennzahlen sind Leistung pro Gerät oder Energieverbrauch pro Nutzung sowie Ausstattungsgrade, Benutzungshäufigkeiten und Zeiten für das Ein- und Ausschalten der Geräte. Damit wird ein neuer Ansatz gewählt, welcher nicht mehr auf die detaillierte Beschreibung des Bewohnerverhaltens beruht, da die Datenbereitstellung dafür äußerst schwierig war und ist. Vorzugsweise in Niederspannungsnetzen sind mit synthetischen Zeitreihen umfangreiche und umfassende Untersuchungen realisierbar. Es gibt verschiedenste Möglichkeiten, die Zeitreihen zusammenzustellen. Mit Lastgängen je Außenleiter können beispielsweise unsymmetrische Zustände der Netze analysiert werden. Zudem können auch Lastgänge für Geräte bzw. Gerätegruppen erstellt werden, welche für Potenzialanalysen des Verbrauchsmanagement essenziell sind. Der wesentliche Unterschied besteht darin, dass viele Berechnungen nicht mehr auf deterministische Extremwerte beruhen, sondern die stochastischen Eigenschaften der Endabnehmer mit den resultierenden Lastgängen berücksichtigt werden. / Distributed generation and novel loads such as electric vehicles and heat pumps require the development towards active distribution networks. Load curves are needed for the appropriate design process. This thesis presents a feasible and expandable synthesis of load curves, which is performed exemplary on residential customers with a period under review of 1 year and time steps of as little as 30 s. The data is collected for up-to-date appliances and current statics examining the way of life. The main focus lies on the input data for the synthesis and distinguishes between technical and social factors. Some thirty home appliances have been analyzed and are classified into five appliance classes by incorporating switching operations and power consumptions. The active power is the key figure for the technical perspective and the data is derived from manufacturer information. For the social perspective six different customer types are defined. They differ in sizes of household and housekeeping. The social key figures are appliance penetration rate and depending on the appliance class the turn-on time, turn-off time, operating duration or cycle duration. The elaborated two-stage synthesis is efficiently implemented in Matlab®. First, artificial load curves are created for each appliance of the households under consideration of the appliance class. In the second step, the individual load curves of the appliances are combined to load curves per line conductor. The algorithms have been validated in the implementation process by retracing the input data in the load curves. Also, the feasibility of the results is shown by comparing the key figures maximum load and power consumption to data in literature. The generated load curves allow for unsymmetrical calculations of distribution systems and can be used for probabilistic investigations of the charging of electric vehicles, the sizing of thermal storage combined with heat pumps or the integration of battery storage systems. A main advantage is the possibility to estimate the likelihood of operating conditions. The enhancement to further appliances and the changeability of the input data allows for versatile further possible investigations.

Le souhait d’augmenter la part des énergies renouvelables dans le mix énergétique entraine une augmentation des parts des énergies volatiles et non pilotables, et rend donc l’équilibre offre-demande difficile à satisfaire. Une façon d’intégrer ces énergies dans le réseau électrique actuel est d’utiliser de petits moyens de production, de consommation et de stockage répartis sur tout le territoire pour compenser les sous ou sur productions. Afin que ces procédés puissent être intégrés dans le processus d’équilibre offre-demande, ils sont regroupés au sein d’une centrale virtuelle d’agrégation de flexibilité, qui est vue alors comme une centrale virtuelle. Comme pour tout autre moyen de production du réseau, il est nécessaire de déterminer son plan de production. Nous proposons dans un premier temps dans cette thèse une architecture et un mode de gestion pour une centrale d’agrégation composée de n’importe quel type de procédés. Dans un second temps, nous présentons des algorithmes permettant de calculer le plan de production des différents types de procédés respectant toutes leurs contraintes de fonctionnement. Et enfin, nous proposons des approches pour calculer le plan de production de la centrale d’agrégation dans le but de maximiser son gain financier en respectant les contraintes réseau. / The desire to increase the share of renewable energies in the energy mix leads to an increase inshare of volatile and non-controllable energy and makes it difficult to meet the supply-demand balance. A solution to manage anyway theses energies in the current electrical grid is to deploy new energy storage and demand response systems across the country to counter balance under or over production. In order to integrate all these energies systems to the supply and demand balance process, there are gathered together within a virtual flexibility aggregation power plant which is then seen as a virtual power plant. As for any other power plant, it is necessary to compute its production plan. Firstly, we propose in this PhD thesis an architecture and management method for an aggregation power plant composed of any type of energies systems. Then, we propose algorithms to compute the production plan of any types of energy systems satisfying all theirs constraints. Finally, we propose an approach to compute the production plan of the aggregation power plant in order to maximize its financial profit while complying with all the constraints of the grid.

Abstract This thesis includes three studies on household preferences for energy goods and services. The first study examines determinants of households’ heating system choices using a choice experiment. The choice sets include six main heating alternatives (district heating, ground heat pump, exhaust air heat pump, solid wood boiler, wood pellet boiler, and electric storage heating) that are described by five attributes (supplementary heating systems, investment costs, operating costs, comfort of use and environmental friendliness). The results imply that hybrid heating appears to be accepted among households. The results also reveal differing preferences for the main heating alternatives and show that they are affected by demographic characteristics. The studied attributes also play a significant role when heating systems are being chosen. The second study is a methodological one that extends the analysis of the first study. The second study explores the effect of perceived choice complexity on the randomness of choices in choice experiments. The study investigates how different self-evaluated factors of choice complexity affect mean scale and scale variance. The findings suggest that perceived choice complexity has a systematic impact on the parameters of econometric models of choice. However, differences exist between alternative self-evaluated complexity-related covariates. The results indicate that individuals who report that answering the choice tasks is more difficult have less deterministic choices. Perceptions of the realism of home heating choice options also affect scale and scale variance. The third study utilizes the choice experiment to analyze households’ willingness to participate in demand side flexibility. The study examines whether individuals are willing to time their electricity usage and heating; whether they are interested in dynamic pricing contracts such as real-time pricing, two-rate tariffs, or power-based tariffs; and how emissions reductions affect their choices. The results indicate that households’ sensitivity to restrictions in electricity usage is much stronger than their sensitivity to restrictions in heating. Households also require compensation to choose real-time pricing over fixed fees. The findings suggest that room may exist for new dynamic electricity distribution contracts, such as power-based tariffs, in the market. Other value-creating elements besides monetary compensation also exist that could incentivize households to offer demand side flexibility because households value power system level reductions in CO2 emissions. / Tiivistelmä Tämä väitöskirja koostuu kolmesta tutkimuksesta, joissa tarkastellaan kotitalouksien preferenssejä energiahyödykkeitä ja -palveluita kohtaan. Ensimmäinen tutkimus keskittyy kotitalouksien lämmitysjärjestelmävalintoihin ja niitä määrittäviin tekijöihin. Tämä tutkimus on tehty valintakoemenetelmällä, jonka valintatilanteet sisältävät kuusi eri päälämmitysjärjestelmävaihtoehtoa (kaukolämpö, maalämpöpumppu, puulämmitys, pellettilämmitys, varaava sähkölämmitys ja poistoilmalämpöpumppu). Päälämmitysjärjestelmiä kuvataan viiden ominaisuuden avulla, jotka ovat tukilämmitysjärjestelmä, investointikustannukset, käyttökustannukset, käyttömukavuus ja ympäristöystävällisyys. Tulosten mukaan kotitalouksien preferenssit päälämmitysjärjestelmävaihtoehtoja kohtaan ovat vaihtelevia. Valintaan vaikuttavat sekä tarkastellut ominaisuudet että kotitalouden demografiset tekijät. Tulokset myös paljastavat, että kotitaloudet suhtautuvat myönteisesti hybridilämmitykseen. Toinen tutkimus on menetelmällinen, missä hyödynnetään ensimmäisen tutkimuksen aineistoa. Tämä tutkimus keskittyy yksilöiden kokeman vastaamisen vaikeuden vaikutuksiin valintakoemenetelmässä. Vastaamisen epätarkkuus tunnistetaan valintakoemenetelmässä skaalan ja skaalavarianssin avulla. Tutkimus tarkastelee, kuinka itsearvioidut vastaamisen vaikeutta mittaavat tekijät vaikuttavat keskimääräiseen skaalaan ja skaalavarianssiin valintojen ekonometrisissa malleissa. Tulosten mukaan koettu vastaamisen vaikeus vaikuttaa systemaattisesti ekonometrisen valintamallin parametreihin. Vastaamisen vaikeutta mittaavien tekijöiden välillä on kuitenkin eroja. Tuloksien perusteella vastaajat, jotka kokevat valintatilanteisiin vastaamisen keskimääräistä vaikeampana, tekevät satunnaisempia valintoja. Myös valintatilanteiden koettu realistisuus vaikuttaa skaalaan ja skaalavarianssiin. Kolmannessa tutkimuksessa arvioidaan kotitalouksien halukkuutta osallistua energian kysyntäjoustoon valintakoemenetelmällä. Tämä tutkimus selvittää ovatko kotitaloudet halukkaitta siirtämään sähkönkulutusta ja lämmitystä, ja kuinka kiinnostuneita he ovat dynaamisista sähkön hinnoittelusopimuksista kuten pörssisähkösopimuksesta, yösähkösopimuksesta tai tehoperusteisesta sopimuksesta. Lisäksi tutkitaan vaikuttavatko järjestelmätason päästövähennykset kotitalouksien valintoihin. Tulosten perusteella kotitaloudet suhtautuvat sähkönkulutuksen rajoituksiin selvästi negatiivisemmin kuin lämmityksen rajoituksiin. Kotitaloudet myös vaativat rahallista korvausta valitakseen pörssisähkösopimuksen kiinteähintaisen sopimuksen sijaan. Tulosten mukaan markkinoilla voisi olla tilaa uudenlaisille sopimustyypeille, kuten tehoperusteiselle vaihtoehdolle. Tulokset osoittavat, että kotitaloudet arvostavat järjestelmätason hiilidioksidipäästövähennyksiä. Täten rahallisen korvauksen lisäksi on olemassa myös muita arvoa luovia tekijöitä lisätä kotitalouksien osallistumista kysyntäjoustoon.