AAU Student Projects - visit Aalborg University's student projects portal
A professional bachelor's project from Aalborg University
Book cover


Prediction of electricity consumption of heat pumps for use in an intelligent power-grid

Translated title

Forudsigelse af varmepumpers strømforbrug til brug i et intelligent elnet

Author

Term

7. term

Publication year

2015

Submitted on

Pages

61

Abstract

Danmark planlægger, at elforbruget skal være 100 % baseret på vedvarende energi i 2050. Det kræver, at meget mere vindkraft og andre kilder med varierende produktion kobles på elnettet. Fordi deres produktion kan ændre sig hurtigt og ikke let kan styres, skal elforbruget blive mere fleksibelt. En måde at skabe fleksibilitet er at samle mange forbrugere i et virtuelt kraftværk (Virtual Power Plant, VPP) og koordinere, hvornår de bruger elektricitet. Denne afhandling fokuserer på at forudsige den samlede effekt fra et VPP bestående af en pulje af varmepumper (elektriske enheder, der flytter varme til at opvarme bygninger). Vi udvikler en model, metoder til at estimere modellens parametre ud fra data, og en tilgang til at vurdere, hvor godt modellen præsterer. Parameterestimeringen bruger data fra platformen 'Control Your Heat Pump'. Til sidst viser vi, hvordan modellen er implementeret med Matlab og YALMIP.

Denmark aims for electricity consumption to be 100% renewable by 2050. This will add much more wind power and other variable sources to the grid. Because their output changes and is not easy to control, electricity demand will need to become more flexible. One way to create flexibility is to group many consumers into a Virtual Power Plant (VPP) and coordinate when they use electricity. This thesis focuses on predicting the total power of a VPP made up of a pool of heat pumps (electric devices that move heat to warm buildings). We develop a model, methods to estimate its parameters from data, and an approach to evaluate how well the model performs. The parameter estimation uses data from the 'Control Your Heat Pump' platform. Finally, we show how the model is implemented using Matlab and YALMIP.

[This abstract was generated with the help of AI]