Tesis:
Artificial recurrent neural networks for the distributed control of electrical grids with photovoltaic electricity
- Autor: MATALLANAS DE ÁVILA, Eduardo
- Título: Artificial recurrent neural networks for the distributed control of electrical grids with photovoltaic electricity
- Fecha: 2016
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: ELECTRONICA FISICA
- Acceso electrónico: http://oa.upm.es/43059/
- Director/a 1º: CAAMAÑO MARTÍN, Estefanía
- Director/a 2º: GUTIÉRREZ MARTÍN, Álvaro
- Resumen: The present electrical systems have not evolved since its inception. This fact has triggered the emergence of different problems which are necessary to tackle in order to enhance the grid performance. The demand growth is one of these problems, while others, such as the Information and Communications Technology (ICT) or Distributed Generation (DG), have been recently developed inside the grid without their proper integration. This Thesis addresses the problems arising from the management and operation of existing electrical grids and their evolution to what is considered the grid of the future or Smart Grid (SG). The SG is born from the convergence of five aspects: i) the grid, ii) ICTs, iii) renewable energies, iv) Electrical Energy Storages (EESs) and v) Demand Side Management (DSM). This Thesis consists of a first step towards the SG by linking and integrating the five key aspects for its development and deployment in the near future. To this end, the enhancement of the grid status is achieved by the smoothness of the aggregated consumption. In order to fulfill this objective, an algorithm has been proposed that processes the data gathered from the ICTs to benefit all the parts of the grid. Some of these benefits are: better use of the infrastructure, reduction in its size, greater operational efficiency, cost reductions and integration of the DG, among others. The proposed algorithm is based on a decentralized approximation in which the users are made participants in their decisions, being able to manage their power flows into this objective. It is implemented by following DSM techniques combined with an automatic control of demand that helps to integrate Distributed Energy Resources (DER) (renewable energies and EESs), which leads to an innovative concept called Active Demand Side Management (ADSM). In this Thesis, an Artificial Intelligence (AI) approach is used to implement the proposed algorithm. This algorithm is built based on Artificial Neural Networks (ANNs), specifically Recurrent Neural Networks (RNNs). The use of ANNs is motivated by the advantages of working with distributed, adaptive and nonlinear systems. The election of RNNs is based on their dynamic behavior, which perfectly fits with the nonlinear dynamic behavior of the grid. In addition, a neural controller is used to operate in each element of the grid to increase the global efficiency by smoothing the aggregated consumption and to maximize the local self-consumption of the available DER. Furthermore, there is no communication among the users and the sole available information is the aggregated consumption of the grid. Finally, the enhancement of the grid is achieved collectively by using the proposed algorithm to coordinate the responses of the neural controller ensemble. RESUMEN El sistema eléctrico actual no ha evolucionado desde sus orígenes. Esto ha hecho que emerjan diferentes problemas los cuales son necesarios afrontar para incrementar el rendimiento de las redes eléctricas. Uno de estos problemas es el crecimiento de la demanda, mientras que otros, como las Tecnologías de la Información y las Comunicaciones (TIC) o la Generación Distribuida (GD), se han desarrollado dentro de la red eléctrica recientemente sin ser propiamente integradas dentro de ella. Esta Tesis afronta los problemas derivados del manejo y la operación de las redes eléctricas existentes y su evolución hacia lo que se considera la red eléctrica del futuro o Smart Grid (SG). El SG nace de la convergencia de cinco aspectos: i) la red eléctrica, ii) TICs, iii) energías renovables, iv) almacenamiento eléctrico y v) Gestión de la Demanda Eléctrica (GDE). Esta Tesis consiste en un primer paso hacia el SG uniendo e integrando los cinco aspectos claves para su desarrollo y despliegue en el futuro cercano. Para ello, la mejora del estado de la red eléctrica se consigue a través del suavizado del consumo agregado. Para lograr este objetivo, se propone el uso de un algoritmo que procese la información proveniente de las TICs para que todas las partes de la red eléctrica se puedan beneficiar. Algunos de estos beneficios son: mejor uso de las infraestructuras, reducción de su tamaño, mayor eficiencia, reducción de costes e integración de GD, entre otros. El algoritmo propuesto está basado en una aproximación distribuida en la que los usuarios son hechos partícipes de sus decisiones, siendo capaces de manejar sus flujos de potencia con este objetivo. El algoritmo se ha implementado siguiendo una estrategia basada en la GDE combinada con el control automático de la demanda que ayude a integrar los Recursos Energéticos Distribuidos (RED) (energías renovables y sistemas de almacenamiento eléctrico), que lo conducen hacia un concepto innovador denominado Gestión de la Activa de la Demanda Eléctrica (GADE). En esta Tesis, una aproximación basada en la Inteligencia Artificial (IA) ha sido utilizada para implementar el algoritmo propuesto. Este algoritmo ha sido construido utilizando Redes Neuronales Artificiales (RNAs), más concretamente Redes Neuronales Recurrentes (RNRs). El uso de RNAs ha sido motivado por las ventajas de trabajar con sistemas distribuidos, adaptativos y no lineales. Y la elección de las RNRs se ha basado en sus propiedades dinámicas, las cuales encajan perfectamente con el comportamiento dinámico no lineal de la red eléctrica. Además, un controlador neural es utilizado para manejar cada elemento de la red eléctrica, incrementado la eficiencia global a través del suavizado del consumo agregado y maximizando el autoconsumo de los RED disponibles. Sin embargo, no existe ningún tipo de comunicación entre los distintos individuos y la única información disponible es el consumo agregado de la red eléctrica. Finalmente, la mejora de la red eléctrica se ha conseguido de manera colectiva utilizando el algoritmo propuesto para coordinar la respuesta del conjunto de controladores neuronales.