Load management of electric water heaters in a smart grid through forecasting and intelligent centralised control
Date
2018-03
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Stellenbosch : Stellenbosch University
Abstract
ENGLISH ABSTRACT: Globally utilities are facing increasing demand and numerous challenges arise with the
supply and management thereof. The South African electricity utility Eskom is at present still facing difficulty with meeting the country's growing demand. One of the largest consumers of energy in the residential sector has been identified as the domestic electric water heater (EWH). To manage significant peak loads, electricity utilities employ demand side management (DSM) strategies to throttle demand in order to maintain stability in the electrical grid. Ripple control is such a strategy which is a blunt, unidirectional control
scheme which toggles electrical supply to zones of EWHs at times with no consideration
for the comfort of individual consumers.
Smart grid (SG) technology is on the rise and emerging Internet of things (IoT) technology augments the adoption of SG to address the problem of DSM. The data collected from a SG is of high value for knowledge discovery and many advantages can be obtained
from effective analysis of this data. This study utilises data obtained through the Geasy project which presents a smart EWH controller to enable the monitoring and control of EWHs with resolution of 1 minute. This study presents a three-part look at different aspects of the data aimed towards the development of a cogent, data-driven bidirectional DSM application.
Of fundamental importance to data analysis is to assess the current quality of the data, due to the "garbage in, garbage out" principle. High quality data is required for analysis.
After investigating potential data quality impacting factors, the Geasy data was used to
develop a numerical data cleaning framework with scalability in mind. The implemented routines were tailored to the specific needs of the data fields considered, such as removing erroneous spikes and filling in missing data according to the most suitable processes.
The cleaned data had vastly superior data quality and indicates that the developed data cleaning framework may provide a baseline for more advanced data cleaning steps to be employed before data warehousing.
Next, the aspect of predictive scheduling was investigated. The temporal structure of one of the largest drivers of EWH usage, the hot water usage, was investigated using statistical methods including time series decomposition, autocorrelation and partial autocorrelation plots. The decomposition of the usage data indicated a strong seasonal component that indicated potential for forecasting. Linear seasonal autoregressive integrated moving average models were used to create models of the temporal structure of
the usage data. Box-Jenkins parameter identification proved highly effective in estimating good, general-purpose seasonal forecasting models. The obtained forecasting results were shown to predict a daily water volume of 225 L, compared to the observed 272 L, which
indicates an error of 17.3 %. However, correcting the forecast volume with the normalised observed training volume reduced the volume error to 0 %.
Continuing the exploration of the value of the SG data, a DSM application was developed to balance the utility and consumer need in real time. During the development of
the algorithms, a computationally efficient EWH thermal model was revised to provide improved scalability through vectorisation which also enabled the algorithms to consider multiple, micro-simulated EWHs during the macro evaluation of a microgrid. The approach
uses actual individual hot water consumption patterns, measured real-time water heater temperatures and individual EWH properties as the main determinants in a cost function for a centralised scheduler. The application was evaluated against various demand
and temperature limits, with actual consumption measured in a field trial of 34 EWHs for a period of measurements spanning 28 days at 1 minute resolution. For a temperature limit of 60° C, the application reduces the peak load from a measured 47 kW to 20 kW (vs. 106 kW for full ripple control). The number of undesired cold events decreases by 83.3 %, improving consumer experience, while the total grid energy consumption only
increases by 12 %.
AFRIKAANSE OPSOMMING: Wêreldwyd ondervind die elektrisiteit- en waterverskaffers toenemende aanvraag en veelvuldige struikelblokke wat opduik tydens die verskaffing en bedryf van die dienste. Die Suid- Afrikaanse elektrisiteitsverskaffer, Eskom, ondervind geweldige druk om aan die land se groeiende aanvraag te voorsien. Een van die grootste energieverbruikers in die residensiële energieverbruik was geïdentifiseer as die elektriese warmwater verhitter (EWV). Om die hoë aanvraag na krag van die EWV's en die gevolglike druk op die kragnetwerk aan te spreek, maak elektrisiteitsverskaffers gebruik van aanvraagbestuur (AB) om die aanvraag te beperk om sodoende die stabiliteit van die kragnetwerk te behou. Rimpeleffekbeheer is 'n voorbeeld van 'n AB tegniek wat in een rigting beheer uit oefen deur elektrisiteit na sones van EWVs te beperk sonder oorweging van die gerief van individuele verbruikers. Slim kragnetwerk (SK) -tegnologie ondervind toenemende groei. Die ontluikende Internet van Dinge (IvD) -tegnologie dra by tot toenemende toepassing van SK om AB te implimenteer. Data wat vanaf 'n SK versamel is, is waardevol vir die naspeuring van voorheen onbekende inligting. Veelvuldige voordele kan verkry word deur effektiewe data ontleding. Dié studie maak gebruik van data wat as deel van die "Geasy" projek versamel is. Die "Geasy" projek is 'n slim EWV-moniteringstoestel wat die monitering en beheer van EWVs implimenteer teen 'n resolusie van 1 minuut. Dié studie bied 'n drieledige ondersoek oor 'n verskeidenheid aspekte van die data aan met die doelwit om 'n data-bestuurde tweerigting AB-toepassing te ontwikkel. Die evaluering van data-gehalte is van fundamentele belang vir data analise weens die garbage in, garbage out (gemors in, gemors uit) beginsel. Hoë gehalte data is noodsaaklik vir ontleding. Na 'n ondersoek oor potensieële faktore wat die datagehalte mag beïnvloed, is die "Geasy" data gebruik om 'n numeriese data-skoonmaak raamwerk te ontwikkel met die oog op skaalbaarheid. Die toegepaste metodes is ontwikkel om voorsiening vir die individuele behoeftes van die data-velde te maak, soos die verwydering van foutiewe uitskieters en om verlore data volgens die mees toepaslike metodes te vul. Na toepassing, is die skoongemaakte data se gehalte aansienlik verbeter en dui dus aan dat die ontwikkelde data-skoonmaak raamwerk 'n goeie beginpunt mag wees vir toekomstige meer gevorderde data-skoonmaak stappe wat gebruik kan word ter voorbereiding vir die langtermyn stoor van data. Vervolgens is voorspellende skedulering ondersoek. Die tydstruktuur van warm watergebruik (een van die grootste EWV-gebruik aandrywers) is ondersoek deur middel van statistiese metodes wat tydreeksontbinding, outokorrelasie en parsiële outokorrelasiegrafieke insluit. Die tydreeksontbinding het 'n sterk seisoenale komponent uitgewys wat die potensiaal vir voorspelling aandui. Lineêre seisoenale outoregressiewe geïntegreerde bewegende gemiddelde modelle is gebruik om die tydstruktuur van die data vas te vang. Die Box-Jenkins parameter-identifisering was hoogs doeltreffend met die skatting van goeie, algemene-doel voorspellende modelle. Die resultaat het 'n daaglikse warmwater volume gebruik van 225 L voorspel, waar die eintlike waarde 272 L was. Dit dui 'n fout van 17.3 % aan. Die fout is egter verminder na 0 % na die voorspelde daaglikse volume geskaleer is om dieselfde te wees as die opleidingsdata se daaglikse volume. Die nut van SK data is verder ontgin deur die ontwikkeling van 'n AB toepassing met die hoof doel om die behoeftes van die elektrisiteitsverskaffer en die verbruiker intyds te balanseer. Tydens die ontwikkeling van die algoritmes is 'n lae berekeningskompleksiteit termiese EWV model hersien om verbeterde skaalbaarheid te bekom deur middel van vektorisering. Die vektorisering het die algoritmes toegelaat om veelvoudige, mikro-gesimuleerde EWVs te oorweeg tydens die evaluering van 'n mikro elektriese kragnetwerk. Dié benadering maak gebruik van gemete individuele warmwater verbruikspatrone, gemete intydse EWV temperature en individuele EWV eienskappe as bepalende faktore vir die kostefunksie vir 'n sentrale skeduleerder. Die toepassing is geëvalueer teenoor verskeie aanvraag en temperatuur perke, met die werklike verbruiksdata gemeet in 'n veldtoets van 34 EWVs oor 'n tydperk van 28 dae, teen 'n resolusie van 1 minuut. Vir 'n temperatuurperk van 60 °C het die toepassing die piek aanvraag verminder vanaf 'n gemete 47 kW tot 20 kW (teenoor 106 kW vir rimpeleffekbeheer). Die aantal ongewenste koue water gebeurtenisse neem af met 83.3 %, wat die verbruiker se gerief verbeter, terwyl die totale kragnetwerk se energieverbruik met net 12 % toeneem.
AFRIKAANSE OPSOMMING: Wêreldwyd ondervind die elektrisiteit- en waterverskaffers toenemende aanvraag en veelvuldige struikelblokke wat opduik tydens die verskaffing en bedryf van die dienste. Die Suid- Afrikaanse elektrisiteitsverskaffer, Eskom, ondervind geweldige druk om aan die land se groeiende aanvraag te voorsien. Een van die grootste energieverbruikers in die residensiële energieverbruik was geïdentifiseer as die elektriese warmwater verhitter (EWV). Om die hoë aanvraag na krag van die EWV's en die gevolglike druk op die kragnetwerk aan te spreek, maak elektrisiteitsverskaffers gebruik van aanvraagbestuur (AB) om die aanvraag te beperk om sodoende die stabiliteit van die kragnetwerk te behou. Rimpeleffekbeheer is 'n voorbeeld van 'n AB tegniek wat in een rigting beheer uit oefen deur elektrisiteit na sones van EWVs te beperk sonder oorweging van die gerief van individuele verbruikers. Slim kragnetwerk (SK) -tegnologie ondervind toenemende groei. Die ontluikende Internet van Dinge (IvD) -tegnologie dra by tot toenemende toepassing van SK om AB te implimenteer. Data wat vanaf 'n SK versamel is, is waardevol vir die naspeuring van voorheen onbekende inligting. Veelvuldige voordele kan verkry word deur effektiewe data ontleding. Dié studie maak gebruik van data wat as deel van die "Geasy" projek versamel is. Die "Geasy" projek is 'n slim EWV-moniteringstoestel wat die monitering en beheer van EWVs implimenteer teen 'n resolusie van 1 minuut. Dié studie bied 'n drieledige ondersoek oor 'n verskeidenheid aspekte van die data aan met die doelwit om 'n data-bestuurde tweerigting AB-toepassing te ontwikkel. Die evaluering van data-gehalte is van fundamentele belang vir data analise weens die garbage in, garbage out (gemors in, gemors uit) beginsel. Hoë gehalte data is noodsaaklik vir ontleding. Na 'n ondersoek oor potensieële faktore wat die datagehalte mag beïnvloed, is die "Geasy" data gebruik om 'n numeriese data-skoonmaak raamwerk te ontwikkel met die oog op skaalbaarheid. Die toegepaste metodes is ontwikkel om voorsiening vir die individuele behoeftes van die data-velde te maak, soos die verwydering van foutiewe uitskieters en om verlore data volgens die mees toepaslike metodes te vul. Na toepassing, is die skoongemaakte data se gehalte aansienlik verbeter en dui dus aan dat die ontwikkelde data-skoonmaak raamwerk 'n goeie beginpunt mag wees vir toekomstige meer gevorderde data-skoonmaak stappe wat gebruik kan word ter voorbereiding vir die langtermyn stoor van data. Vervolgens is voorspellende skedulering ondersoek. Die tydstruktuur van warm watergebruik (een van die grootste EWV-gebruik aandrywers) is ondersoek deur middel van statistiese metodes wat tydreeksontbinding, outokorrelasie en parsiële outokorrelasiegrafieke insluit. Die tydreeksontbinding het 'n sterk seisoenale komponent uitgewys wat die potensiaal vir voorspelling aandui. Lineêre seisoenale outoregressiewe geïntegreerde bewegende gemiddelde modelle is gebruik om die tydstruktuur van die data vas te vang. Die Box-Jenkins parameter-identifisering was hoogs doeltreffend met die skatting van goeie, algemene-doel voorspellende modelle. Die resultaat het 'n daaglikse warmwater volume gebruik van 225 L voorspel, waar die eintlike waarde 272 L was. Dit dui 'n fout van 17.3 % aan. Die fout is egter verminder na 0 % na die voorspelde daaglikse volume geskaleer is om dieselfde te wees as die opleidingsdata se daaglikse volume. Die nut van SK data is verder ontgin deur die ontwikkeling van 'n AB toepassing met die hoof doel om die behoeftes van die elektrisiteitsverskaffer en die verbruiker intyds te balanseer. Tydens die ontwikkeling van die algoritmes is 'n lae berekeningskompleksiteit termiese EWV model hersien om verbeterde skaalbaarheid te bekom deur middel van vektorisering. Die vektorisering het die algoritmes toegelaat om veelvoudige, mikro-gesimuleerde EWVs te oorweeg tydens die evaluering van 'n mikro elektriese kragnetwerk. Dié benadering maak gebruik van gemete individuele warmwater verbruikspatrone, gemete intydse EWV temperature en individuele EWV eienskappe as bepalende faktore vir die kostefunksie vir 'n sentrale skeduleerder. Die toepassing is geëvalueer teenoor verskeie aanvraag en temperatuur perke, met die werklike verbruiksdata gemeet in 'n veldtoets van 34 EWVs oor 'n tydperk van 28 dae, teen 'n resolusie van 1 minuut. Vir 'n temperatuurperk van 60 °C het die toepassing die piek aanvraag verminder vanaf 'n gemete 47 kW tot 20 kW (teenoor 106 kW vir rimpeleffekbeheer). Die aantal ongewenste koue water gebeurtenisse neem af met 83.3 %, wat die verbruiker se gerief verbeter, terwyl die totale kragnetwerk se energieverbruik met net 12 % toeneem.
Description
Thesis (MEng)--Stellenbosch University, 2018.
Keywords
Intelligent control systems, UCTD, Load (Electric power), Electric water heaters, Smart power grids