A standalone DC microgrid energy management strategy using the battery state of charge

• Autorzy: Yusubov Elvin , Bekirova Lala

Identyfikatory

DOI

10.35784/iapgos.5320

Warianty tytułu

PL

Strategia zarządzania energią samodzielnej mikrosieci DC z wykorzystaniem stanu naładowania baterii

• Języki publikacji: EN

Abstrakty

EN

This article introduces an enhanced energy management strategy that employsthe state of charge (SoC) of batteries in standalone DC microgrids with photovoltaic (PV) modules. Efficient energy management is crucial to ensure uninterrupted power supply to the load units inmicrogrids. To address the challenges posed by external factors such as temperature fluctuations and variations in solar irradiance, energy storage systemsare deployed to compensate for thenegative effectsof the external factorson the output power of PV modules. The proposed approach takes into account various parameters of the microgrid elements, including the available power from the sources, demand power, and the SoC of batteries, in orderto develop an efficient energy control mechanism with load-shedding capability. By considering these parameters, the strategy aims to optimizethe utilization of available resources while ensuring a reliable power supply to the connected loads. The SoC of the batteries plays a critical rolein determining optimal charging and discharging profiles, enabling effective energy management within the microgrid. To evaluate the effectivenessof the proposed approach, an algorithm is designed and simulations are conducted.The proposed algorithm utilizes a hybrid approach by combining power and SoC-based methods for efficient control.Through analysis of the simulation results, it is found that the presented approach is capableof delivering the intended load power while increasing the life cycle of the batteries with the pre-definedSoC levels.

PL

Niniejszy artykuł wprowadza ulepszoną strategię zarządzania energią, która wykorzystuje stan naładowania akumulatorów (SoC)w autonomicznych mikrosieciach prądu stałego z modułami fotowoltaicznymi (PV). Efektywne zarządzanie energią ma kluczowe znaczeniedla zapewnienia nieprzerwanego zasilania jednostek odbiorczych w mikrosieciach. Aby sprostać wyzwaniom związanym z czynnikamizewnętrznymi, takimi jak wahania temperatury i zmiany natężenia promieniowania słonecznego, systemy magazynowania energii są wdrażane w celu skompensowania negatywnego wpływu czynników zewnętrznych na moc wyjściową modułów fotowoltaicznych. Proponowane podejście uwzględnia różne parametry elementów mikrosieci, w tym dostępną moc ze źródeł, moc zapotrzebowania i SoC akumulatorów, w celu opracowania wydajnego mechanizmu kontroli energii z możliwością zrzucania obciążenia. Biorąc pod uwagę te parametry, strategia ma na celu optymalizację wykorzystania dostępnych zasobówprzy jednoczesnym zapewnieniu niezawodnego zasilania podłączonych obciążeń. SoC akumulatorów odgrywa kluczową rolę w określaniu optymalnych profili ładowania i rozładowywania, umożliwiając efektywne zarządzanie energią wmikrosieci. Aby ocenić skuteczność proponowanego podejścia, zaprojektowano algorytm i przeprowadzono symulacje. Proponowany algorytm wykorzystuje podejście hybrydowe, łącząc metody oparte na mocy i SoCw celu zapewnienia wydajnej kontroli. Poprzez analizęwyników symulacji stwierdzono, że prezentowane podejście jest w stanie dostarczyć zamierzoną moc obciążenia, jednocześnie zwiększając cykl życia akumulatorów przy wstępnie zdefiniowanych poziomach SoC.

Słowa kluczowe

EN

DC microgrid; energy management strategy; battery state of charge; photovoltaicsystems

PL

mikrosieć prądu stałego; strategia zarządzania energią; stan baterii akumulatorów; systemy fotowoltaiczne

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2023
• Tom: T. 13, nr 3
• Strony: 75--78
• Opis fizyczny: Bibliogr. 21 poz., rys.

Twórcy

autor

Yusubov Elvin

• Azerbaijan State Oil and Industry University, Department of Instrumentation Engineering, Baku, Azerbaijan

• https://orcid.org/0000-0001-6199-9266

autor

Bekirova Lala

• Azerbaijan State Oil and Industry University, Department of Instrumentation Engineering, Baku, Azerbaijan

• https://orcid.org/0000-0003-0584-7916

Bibliografia

• [1] Ashok K. A., Amutha N. P.: A Comprehensive Review of DC Microgrid in Market Segments and Control Technique. Heliyon, 2022, e11694 [http://doi.org/10.1016/j.heliyon.2022.e11694].
• [2] Caldognetto T. et al.: Power-Based Control of Low-Voltage Microgrids. IEEE Journal of Emerging and Selected Topics in Power Electronics 3(4), 2015, 1056–1066 [http://doi.org/10.1109/jestpe.2015.2413361].
• [3] Chang W. Y.: The State of Charge Estimating Methods for Battery: A Review. ISRN Applied Mathematics 2013, 1–7 [http://doi.org/10.1155/2013/953792].
• [4] Darwish M. et al.: Review of Battery Management Systems. IEEE International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2021
• [http://doi.org/10.1109/iceccme52200.2021.9590884].
• [5] Fanoro M. et al.: A Review of the Impact of Battery Degradation on Energy Management Systems With a Special Emphasis on Electric Vehicles. Energies 15(16), 2022, 5889 [http://doi.org/10.3390/en15165889].
• [6] Garg A. et al.: Implementation of Energy Management Scenarios in a DC Microgrid Using DC Bus Signaling. IEEE International Conference on Power Electronics, Smart Grid and Renewable Energy (PESGRE), 2020 [http://doi.org/10.1109/pesgre45664.2020.9070484].
• [7] Giroletti F., Scattolini A.: A Hybrid Frequency/Power Based Method for Industrial Load Shedding. International Journal of Electrical Power & Energy Systems 35(1), 2012, 194–200
• [http://doi.org/10.1016/j.ijepes.2011.10.013].
• [8] Ibrahim M. S. et al.: Economic Energy Dispatch of Microgrids Using Computational Intelligence. Renewable Energy Microgeneration Systems, Elsevier, 2021, 229–245 [http://doi.org/10.1016/b978-0-12-821726-9.00010-2].
• [9] Jayasena K. N. C. et al.: SoC Based Multi-Mode Battery Energy Management System for DC Microgrids. IEEE Moratuwa Engineering Research Conference (MERCon), 2019 [http://doi.org/10.1109/mercon.2019.8818765].
• [10] Kandari R. et al.: Chapter 4 – DC microgrid. Microgrids Modeling, Control, and Applications. Elsevier, 2022, 91–139 [http://doi.org/10.1016/b978-0-323-85463-4.00007-1].
• [11] Lawder M. T. et al.: Battery Energy Storage System (BESS) and Battery Management System (BMS) for Grid-Scale Applications. Proceedings of the IEEE 102(6), 2014, 1014–1030 [http://doi.org/10.1109/jproc.2014.2317451].
• [12] Li F. et al.: Active DC bus signalling control method for coordinating multiple energy storage devices in DC microgrid. IEEE Second International Conference on DC Microgrids (ICDCM), 2017
• [http://doi.org/10.1109/icdcm.2017.8001048].
• [13] Li X. et al.: DC Bus Signaling-Based Coordination Through Masked Sensing for DC Microgrid. 9th International Power Electronics and Motion Control Conference (IPEMC2020-ECCE Asia), IEEE, 2020 [http://doi.org/10.1109/ipemc-ecceasia48364.2020.9368065].
• [14] Li X. et al.: A novel control strategy based on DC bus signalling for DC micro-grid with photovoltaic and battery energy storage. China International Conference on Electricity Distribution (CICED), IEEE, 2016 [http://doi.org/10.1109/ciced.2016.7576132].
• [15] Liu S. et al.: A Multivariable Hysteresis-Based DC Bus Signaling Control for DC Microgrid With Enhanced Reliability. Third International Conference on DC Microgrids (ICDCM), IEEE, 2019 [http://doi.org/10.1109/icdcm45535.2019.9232907].
• [16] Ma T. et al.: A Control Strategy of DC Building Microgrid Connected to the Neighborhood and AC Power Network. Buildings 7(4), 2017, 42 [http://doi.org/10.3390/buildings7020042].
• [17] Mitra S. K., Srinivas B. K.: A SOC Based Adaptive Energy Management System for Hybrid Energy Storage System Integration to Grid. 12th Energy Conversion Congress & Exposition – Asia (ECCE-Asia), IEEE, 2021 [http://doi.org/10.1109/ecce-asia49820.2021.9479107].
• [18] Tenti P., Caldognetto T.: Chapter 4 – Master/Slave Power-Based Control of Low-Voltage Microgrids. Microgrid Advanced Control Methods and Renewable Energy System Integration, Elsevier, 2017, 101–135 [http://doi.org/10.1016/b978-0-08-101753-1.00004-8].
• [19] Wu H. et al.: Dynamic Economic Dispatch of a Microgrid: Mathematical Models and Solution Algorithm. International Journal of Electrical Power & Energy Systems 63, 2014, 336–346
• [http://doi.org/10.1016/j.ijepes.2014.06.002].
• [20] Yang Y. et al.: Modelling and Optimal Energy Management for Battery Energy Storage Systems in Renewable Energy Systems: A Review. Renewable and Sustainable Energy Reviews 167, 2022, 112671 [http://doi.org/10.1016/j.rser.2022.112671].
• [21] Yusubov E., Bekirova L.: Adaptive Metaheuristic Moth-Flame Optimized Droop Control Method for DC Microgrids. International Conference Automatics and Informatics (ICAI), IEEE, 2022 [http://doi.org/10.1109/icai55857.2022.9960119].

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).