In response to the ever-increasing threat of the negative impacts of climate change, there has been a renewed international focus on the integration of renewable energy to meet their demands. One such project is located at Tezpur University in the state of Assam, India. In this project, a large PV project of 1 MWp capacity was installed in 2018, followed by a 91 kWh Li-ion battery system in 2020. While the system has been installed, an optimal operational algorithm (OA) is needed for the system to operate and meet the needs of the connected load. This thesis will consider several OAs for the battery system. The charging schedule for the system will be optimised based on data for the substation system. First, data from the electrical load and power outages with a time resolution of one minute were considered. Upon analysis of this data, an initial algorithm was proposed and its effectiveness was evaluated based on selected key performance indicators (KPIs). Next, a linear programming approach was used to optimise the battery charging schedule based on electricity cost, PV power production, and electric load. Based on the results of the optimisation, input from the proprietors of the energy management system, and results from the initial algorithm, a second advanced algorithm was created and its effectiveness was again evaluated based on the same KPIs. It was found that the two main goals within this project, initiating appropriate charging times to limit grid power usage while also maintaining sufficient energy reserves whenever a power outage occurs. While diesel usage cannot be completely eliminated, it can be greatly reduced for shorter power outages. Additionally, a high degree of load autonomy can be achieved before the diesel generator becomes necessary to activate. / Som svar på det ständigt ökande hotet om klimatförändringens negativa effekter har det skett en förnyad internationell fokus på integrering av förnybar energi för att tillgodose deras behov. Ett sådant projekt finns på Tezpur University i delstaten Assam i Indien. Under detta projekt installerades ett stort solcellsprojekt med en kapacitet på 1 MWp under 2018, med följt av ett 91 kWh Li-ion-batterisystem under 2020. Medan systemet har installerats behövdes en optimal driftalgoritm för att systemet skulle kunna fungera och uppfylla behoven hos den anslutna lasten. I den här avhandlingen kommer flera driftalgoritmer för batterisystemet att diskuteras. Laddningsschemat för systemet kommer att optimeras utifrån data för understationssystemet. Först beaktades data från den elektriska belastningen med en minutupplösning och frekvensen av strömavbrott. Efter analys av dessa data samt föreslogs en första algoritm och dess effektivitet utvärderades utifrån utvalda nyckelindikatorer för prestanda. Därefter användes en metod för multivariabel linjär programmering för att optimera schemat för batteriladdning baserat på elkostnad, produktion av solcellseffekt och elektrisk belastning. På grundval av resultaten av optimeringen, input från ägarna till energihanteringssystemet och resultaten från den ursprungliga algoritmen skapades en andra avancerad algoritm och dess effektivitet utvärderades återigen utifrån samma nyckelindikatorer. Det visade sig att de två huvudmålen inom detta projekt, att initiera lämpliga laddningstider för att begränsa elanvändningen och samtidigt upprätthålla tillräckliga energireserver när ett strömavbrott inträffar. Dieselanvändningen kan inte helt elimineras, men den kan minskas avsevärt vid kortare strömavbrott. Dessutom kan en hög grad av lastautonomi uppnås innan dieselgeneratorn måste aktiveras.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-318687 |
| Date | January 2022 |
| Creators | Sinha, Shashwat |
| Publisher | KTH, Skolan för industriell teknik och management (ITM) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; 2022:205 |
Page generated in 0.0021 seconds