Προημερήσιος καθορισμός σωρευτικών απαιτήσεων αποθήκευσης ενέργειας για ομότιμα (Ρ2Ρ) σχήματα φωτοβολταϊκής παραγωγής στη βάση προγνωστικών σημάτων τεχνητών νευρωνικών δικτύων

Στασινός, Δημήτριος

Day-ahead assessment of energy storage requirements for PV-based, peer-to-peer schemes, on the basis of artificial neural networks prognostic signals

Διπλωματική εργασία

Author

Στασινός, Δημήτριος

Date

2024-03-21

Advisor

Zafirakis, Dimitrios

Stasinos_FINAL_v1_dz_July2024-revisedtitle-signed.pdf (4.987Mb)

Keywords

Πράσινη ενέργεια ; Ανανεώσιμες πηγές ενέργειας ; Τεχνητά νευρωνικά δίκτυα ; Ενεργειακές προβλέψεις ; Ομότιμα σχήματα ; Αποκεντρωμένη παραγωγή ενέργειας ; Φωτοβολταϊκά συστήματα ; Ενεργειακή μετάβαση

Abstract

Η διπλωματική αυτή εργασία στόχο έχει να αναλύσει σύγχρονα ζητήματα πάνω στο κλάδο της ενέργειας και της τεχνολογίας. Η εργασία στοχεύει στη σύνδεση και ανάλυση τριών διαφορετικών συνιστωσών: των ΑΠΕ, της συγκρότησης σχημάτων από ομότιμους καταναλωτές, και της πρόγνωσης μέσω χρήσης τεχνητών νευρωνικών δικτύων. Αρχικά θα ασχοληθούμε με την περιγραφή του ενεργειακού συστήματος, κυρίως στην Ευρώπη και την Ελλάδα, και τα ζητήματα που χρήζουν λύσης, καταλήγοντας στο συμπέρασμα ότι υπάρχει ανάγκη για την ευρεία διάδοση των ΑΠΕ. Στη συνέχεια αναλύονται πιο συγκεκριμένα τα φωτοβολταϊκά συστήματα και οι τάσεις τους. Γενικά οι ΑΠΕ, και συνεπώς και τα φωτοβολταϊκά, δημιουργούν την ανάγκη για αποθήκευση ενέργειας. Απαραίτητη λοιπόν είναι και η αναφορά στην αποθήκευση ενέργειας και τις προοπτικές της .Έπειτα γίνεται η σύνδεση των ενεργειακών ζητημάτων με μία νέα πρωτοπόρα τάση στην τεχνολογία, τα ΤΝΔ (Τεχνητά Νευρωνικά Δίκτυα). Στην συνέχεια στο κεφάλαιο της μεθοδολογίας θα περιγράψουμε το πρόβλημα που θα εξετάσουμε και το πώς θα συνδέσουμε τις τεχνολογικές και ενεργειακές τάσεις που αναφέραμε στην εισαγωγή. Η ανάλυση του προβλήματος θα γίνει σε δύο επίπεδα. Πρώτον κατά πόσο τα ΤΝΔ που αναπτύξαμε είναι σε θέση να προβλέψουν τα ενεργειακά μεγέθη που μας ενδιαφέρουν σε συγκεκριμένα σενάρια και δεύτερον, κατά πόσο η συγκρότηση σχημάτων ομότιμων καταναλωτών επηρεάζει τόσο τις προβλέψεις όσο και τα μεγέθη που μελετάμε. Ακολουθεί η παρουσίαση και ερμηνεία των αποτελεσμάτων καταλήγοντας σε κάποια γενικά αλλά και ειδικά συμπεράσματα, καθώς και σε ερωτήματα που χρήζουν περαιτέρω μελέτης.

Abstract

This thesis aims to analyse current issues in the energy and technology sector. The thesis aims to connect and analyze three different components: renewable energy, peer-to-peer consumer schema formation, and forecasting using artificial neural networks. We will start with a description of the energy system, mainly in Europe and Greece, and the issues that need to be addressed, concluding that there is a need for the widespread diffusion of RES. Then we will analyse more specifically photovoltaic systems and their trends. In general, RES, and therefore photovoltaics, create the need for energy storage. It is therefore necessary to refer to energy storage and its prospects. Then the energy issues are linked to a new pioneering trend in technology the, ANN (Artificial Neural Networks). In the methodology chapter we will then describe the problem we will consider and how we will link the technological and energy trends mentioned in the introduction. The analysis of the problem will be done at two levels. First, whether the ANN we have developed are able to predict the energy quantities of interest in specific scenarios and second, whether the formation of peer-to-peer consumer schemes affects both the predictions and the quantities we study. We then present and interpret the results, drawing some general and specific conclusions, as well as questions that need further study.