Modelling of stand alone micro-grid using hybrid energy storage Solar - Battery - Hydrogen
Authors
Maniatis, Foivos ; Moreno Roche, Ignacio Javier ; Fernandes De Carvalho, Pedro Miguel
Term
4. term
Education
Publication year
2023
Submitted on
2023-06-02
Abstract
Dette speciale undersøger, hvordan selvstændige mikronet baseret på solenergi kan gøres teknisk og økonomisk bæredygtige ved at kombinere batterier og hydrogen som energilagring. Formålet er at udvikle et automatiseret værktøj, der genererer realistiske forbrugsprofiler for forskellige bolig- og erhvervsanvendelser, dimensionerer hovedkomponenterne (PV, batteri, elektrolysør, brændselscelle og hydrogenlagring) ved hjælp af AI-baserede metoder og vurderer de samlede omkostninger over en 20-årig driftsperiode. Arbejdet beskriver de anvendte modeller for solindstråling, belastningskurver og komponentadfærd samt de økonomiske antagelser, og anvender både genetiske algoritmer og lineær programmering (PYOMO) til henholdsvis dimensionering og energistyringsoptimering. Værktøjet anvendes på fire cases (et fællesanlæg i Kenya, et hus i Nederlandene, et resort på Maldiverne og et datacenter i Grækenland) for at belyse variationer i behov, solressourcer og økonomi. Resultatafsnittet præsenterer komponentstørrelser og centrale økonomiske nøgletal for hver case samt en sammenligning mellem ikke-optimeret og optimeret energistyring, der illustrerer, hvordan energiflow kan planlægges i praksis. Da der ikke indgår detaljerede tal i dette uddrag, sammenfattes resultaterne på overordnet niveau. Specialets bidrag er et integreret værktøj og en metodepakke, der kobler vedvarende energi, AI og økonomisk analyse for at understøtte design og drift af hybrid hydrogen-mikronet.
This thesis examines how standalone solar-powered microgrids can be made technically and economically viable by combining batteries and hydrogen for energy storage. Its aim is to develop an automated tool that creates realistic consumption profiles for residential and commercial applications, sizes key components (PV, battery, electrolyzer, fuel cell, and hydrogen storage) using AI-based methods, and evaluates total costs over a 20-year operating period. The work details models for solar irradiation, load curves, and component behavior, as well as economic assumptions, and applies both genetic algorithms and linear programming (PYOMO) for system sizing and energy management optimization. The tool is demonstrated on four case studies—a communal facility in Kenya, a house in the Netherlands, a resort in the Maldives, and a data center in Greece—to highlight differences in demand, solar resources, and economics. The results section reports component sizes and key economic indicators for each case and contrasts non-optimized with optimized energy management to illustrate practical energy flow planning. As this excerpt contains no numerical outcomes, findings are summarized at a high level. The thesis contributes an integrated tool and methodology that connect renewable energy, AI, and economic assessment to support the design and operation of hybrid hydrogen microgrids.
[This summary has been generated with the help of AI directly from the project (PDF)]
Documents