Self-Forecasting Energy Load Stakeholders for Smart Grids

Predictability of energy loads is a big challenge for electricity grids. As the consumption loads are forecasted, the system must stay in balance even when a forecast error occurs. These errors, or imbalances, are simply pushed upstream to the parties responsible for balancing them. With reliable sources of production in place such techniques have been successfully applied for a century now. However, the penetration of unreliable energy supply from renewable sources will completely change operation of energy industry. By adopting the renewable sources of energy, today even the traditional consumers became producers, or the so called ”prosumers”. As such, not only energy is intermittently produced, it will also come from distributed resources. This takes complexity one step further, where forecasted consumer loads are powered by unpredictable and distributed resources. Thereby the value of reliability will significantly grow. Although many events cannot be predicted, such as natural disasters damaging power lines, a significant portion of unpredictability comes directly from consumers. In order to improve system reliability, the emerging business models and roles in Smart Grids call for active participation by traditionally passive consumers. Such opportunities include for instance active involvement in grid operations, participation in local energy markets, or demand response programs etc. To participate in such programs, an accurate self-forecast of energy loads is a prerequisite of key importance. If a prosumer could achieve determinism in his energy signature, via highly accurate load forecast and potentially control over the deviations from that forecast, he could act as a resource that can reliably support needs of other stakeholders. Still, not all stakeholders can achieve it, but for those who do (by any means) additional benefits are expected. This work uses Smart Grids as foundation to build a solution that enables active contribution of the traditionally passive consumers. The challenges are to (1) enable an efficient communication in between stakeholders, (2) reach sufficient forecast accuracy of an individual or a small group of consumers, and to (3) build a system that enables active involvement of the traditionally passive consumers. The main contribution of this dissertation consists of: • Design and (real world) evaluation of an enterprise integration and energy management system – including scalability and performance issues • Assessment of the forecast accuracy impact on small scale aggregations and relevance of energy storage solutions to absorb the forecast errors • System proposal for enabling the deterministic behaviour of traditionally passive consumers – evaluated on a real world case Following the vision of Smart Grids, this work proposes an enterprise integration and energy management system as the foundation for efficient communication between stakeholders. Their awareness is raised by the accessibility of the energy services designed and evaluated in this work. Key performance points of their scalability are also investigated to support a large number of smart meters that will stream their energy readings at high resolution e.g. 15 minutes. Even though the data can be collected, many services are highly time dependent and on-demand near real-time data processing must be in place as well. Great amounts of continuously streaming data challenge such systems. An evaluation of the entire infrastructure is made in a real world trial with 5000 smart meters, as well as the actual implementation of an application built on top of the platform’s energy services. Traditionally, an accurate energy forecast is achieved by large scales of customer aggregation. However, many added-value services of Smart Grids are envisioned for smaller scales, or even individuals, thus a question if a sufficient accuracy can be achieved by them is raised. This work contributes by investigating how accurate smaller scales of aggregation can be. Results show that small scales, e.g. of 150–200 residential stakeholders, or even individuals, e.g. commercial building, can already achieve a significant accuracy. This accuracy is still lower than what retailers of today would achieve (in an aggregation of tens of thousands), and static storage solutions are investigated for further improvement. The results show the potential to address the forecast errors with capacities of 6–10% of stakeholder’s daily consumption. Still, the static solutions bear costs and this work investigates potential of available assets to replace them. Electric vehicles were identified as a promising alternative. Although their behaviour is dynamic, the simulation results show their huge potential in absorbing the errors. If an accurate self-forecast of a stakeholder (or group of them) is achieved by absorbing the errors locally, an external stakeholder cannot be aware of it. Hereby the same infrastructure of smart metering is proposed to be used for continuous reporting of the self-forecasted intervals. Still, a smart energy system needs to be in place to autonomously support stakeholders in respecting their reported load. With this system in place, deterministic behaviour is achieved and new opportunities for many Smart Grid stakeholders are expected. Since the stakeholder’s determinism can be measured, self-forecasting stakeholders can benefit from the flexibility based on the state of their storage. This work proposes an architecture that is used for system design that is evaluated for one of the proposed strategies. The evaluation results showed, in a real world case, that combined contribution of this thesis will lead us to existence of self-forecasting energy load stakeholders. Deutsche Zusammenfassung Die Vorhersagbarkeit von Energieverbräuchen ist eine große Herausforderung für Stromnetze. Obgleich Verbräuche vorhergesagt werden können, muss das Gesamtsystem ausgeglichen sein, auch wenn die Vorhersage einen Fehler beinhaltet. Diese Fehler werden an die darüberliegenden Parteien weitergeleitet, welche für einen entsprechenden Ausgleich verantwortlich sind. Dank verlässlicher Produktionsquellen konnten derartige Techniken ein Jahrhundert lang erfolgreich eingesetzt werden. Die Durchdringung mit unzuverlässiger Energie aus erneuerbaren Quellen wird den Betrieb der Energieindustrie jedoch vollständig verändern. Durch die Einbringung erneuerbarer Energiequellen wurden herkömmliche Konsumenten zu Produzenten, sogenannte Prosumenten. Somit wird Energie nicht nur periodisch erzeugt, sie stammt auch von unterschiedlichen verteilten Ressourcen. Dies erhöht den Grad der Komplexität, indem vorhergesagte Verbräuche durch unvorhersagbare verteilte Ressourcen bedient werden. Der Wert der Vorhersage wird deshalb signifikant an Bedeutung gewinnen. Obgleich viele Ereignisse nicht verhindert werden können, wie etwa durch Naturkatastrophen beschädigte Stromleitungen, stammt ein signifikanter Anteil der Unvorhersagbarkeit unmittelbar vom Konsumenten. Um die Systemverlässlichkeit zu erhöhen fordern aufkommende Geschäftsmodelle in Smart Grids die aktive Teilnahme von traditionell passiven Konsumenten. Derartige Möglichkeiten umfassen beispielsweise die aktive Einbindung in den Netzbetrieb, Teilname an lokalen Energiemärkten sowie Programmen zu Angebot und Nachfrage. Für die Teilnahme an solchen Programmen ist eine genaue Vorhersage des eigenen Energieverbrauchs eine maßgebliche Notwendigkeit. Sollte es dem Prosumenten gelingen, seine Energiesignatur durch höchstgenaue Verbrauchsprognosen und eigene Kontrolle in deren Abweichung zu bestimmen, könnte er verlässlicher anderer Teilnehmer unterstützen. Wenn dies auch nicht für alle Teilnehmer gilt, so werden für diejenigen, denen es gelingt, zusätzliche Anreize erwartet. Diese Arbeit verwendet Smart Grids als Grundlage um eine Lösung zu bauen, die ein aktives Beitragen von traditionell passiven Konsumenten ermöglicht. Die Herausforderungen sind (1) das Ermöglichen einer effizienten Kommunikation zwischen den Teilnehmern, (2) das Erreichen einer hinreichend genauen Vorhersage individueller Konsumenten oder kleiner Gruppen von Konsumenten und (3) der Aufbau eines Systems, welches einen aktiven Einbezug traditionell passiver Konsumenten ermöglicht. Die Hauptbeiträge dieser Dissertation bestehen in: • Entwurf und (praktische) Evaluierung eines Unternehmensintegrationund Energieverwaltungssystems – unter Einbezug der Schwierigkeiten von Skalierbarkeit und Performanz • Bewertung des Einflusses der Vorhersagegenauigkeit auf Aggregationen im Kleinen und Relevanz von Energiespeicherlösungen, um Vorhersagefehler zu absorbieren • Systemvorschlag zur Ermöglichung deterministischen Verhaltens tradionell passiver Konsumenten – evaluiert in einem echten Anwendungsfall Der Vision von Smart Grids folgend, schlägt diese Arbeit ein Unternehmensintegrations und Energieverwaltungssystem vor als Grundlager für effiziente Kommunikation zwischen Teilnehmern. Deren Aufmerksamkeit wird durch die Benutzbarkeit der Energiedienste geweckt, welche in dieser Arbeit entworfen und evaluiert werden. Schlüsselpunkte hinsichtlich der Skalierbarkeit werden ebenfalls untersucht, um eine große Anzahl von Smart Metern zu unterstützen, welche ihre Energiewerte in großer Auflösung, etwa 15 minütig, senden. Obgleich der Möglichkeit Daten zu sammeln, sind viele Dienste sehr zeitkritisch und erfordern darüber hinaus bedarfsgesteuerte nah-echtzeit Datenverarbeitung. Große Menge kontinuierlicher Daten strapzieren solche Systeme. Es wird eine Evaluierung der gesamte Infrastruktur wird anhand 5000 Smart Metern mit echten Daten durchgeführt, sowie eine Evaluierung einer auf der Energiedienste der Plattform aufbauenden Anwendungsimplementierung. Im herkömmlichen Ansatz wird eine genaue Vorhersage des Energieverbrauchs durch die Aggregation von großen Konsumentendatenmengen erzielt. Viele wertschöpfende Dienste von Smart Grids sehen allerdings Datenmengen kleinerer G