Fuzzy-Logic Based Home Energy Management System
Author
Stegmann, León Carlos
Term
4. term
Education
Publication year
2025
Submitted on
2025-05-28
Pages
40
Abstract
Dette speciale undersøger, hvordan en hjemlig energistyring med batteri bedst kan planlægges, når elpriser, solproduktion og forbrug varierer. Formålet er at opbygge og validere en testbar ramme, der kan vurdere forskellige EMS-strategier med hensyn til både batteriets levetid og økonomi. I et MATLAB/Simulink-miljø modelleres et lille HEMS med solceller, batteri, et batteri‑levetidsmodul, energimåler samt økonomiske nøgletal (bl.a. NPV og LCOS). To fuzzy‑logiske styreformer (en “blød” og en diskret variant) designes og tunes og sammenlignes med en konventionel regelbaseret styring. Testene anvender realistiske profiler for elpriser, vejrbaseret solproduktion og sæsonopdelt husholdningslast. Resultaterne viser, at den bløde fuzzy‑styring delvist lykkes: Når opladning fra nettet tillades, peger simuleringerne på en markant forbedring af batteriets brugstid (omkring 85 %) samtidig med en marginal reduktion af elregningen (omkring 1,5 %) sammenlignet med standard regelbaseret styring. Levetidsmodellen er ikke tiltænkt at give absolutte levetider, men den vurderes pålidelig til at sammenligne relativ batterinedbrydning mellem styringsstrategier. Samlet bidrager arbejdet med en genanvendelig vurderingsramme og indikationer på, at fuzzy‑logik med kontrolleret netopladning kan mindske batterialdring uden nævneværdig omkostningsstigning, med perspektiv til bredere nettilknyttede lagersystemer.
This thesis examines how to schedule home battery operation under variable electricity prices, solar generation and household demand. The goal is to build and validate a testable framework to assess energy management strategies with respect to both battery lifetime and economics. In a MATLAB/Simulink environment, a small HEMS is modeled with PV, a battery, a battery lifetime module, an energy meter, and economic indicators (including NPV and LCOS). Two fuzzy‑logic controllers (a soft and a discrete variant) are designed and tuned and compared to a conventional rule‑based controller. Tests use realistic electricity price profiles, weather‑driven PV production, and seasonally varying load profiles. Results show that the soft fuzzy controller is partly successful: when charging from the grid is allowed, simulations indicate a substantial increase in battery service life (around 85%) alongside a negligible reduction in the electricity bill (around 1.5%) compared with the standard rule‑based approach. While the lifetime model may not yield realistic absolute lifetimes, it reliably captures relative differences in battery degradation across controllers. Overall, the work provides a reusable evaluation framework and evidence that fuzzy logic with controlled grid charging can reduce battery aging with little cost impact, with applicability to broader grid‑connected storage systems.
[This abstract was generated with the help of AI]
Documents