This study presents a power management method for smart grid that incorporate renewable energy systems (RESs) and energy storage systems (ESSs), utilizing multi-objective optimization. Power management not only reduces peak load and electricity cost, but also improves energy supply reliability. In this thesis, firstly, a peer-to-peer (P2P) power trading algorithm is introduced for power management of multiple nanogrids. P2P power trading enables participants to engage in direct power transactions, leading to cost savings for power consumption and the reduction of carbon emissions by promoting the utilization of RESs and ESSs. P2P power trading is executed based on cooperative game theory with the aim of increasing the benefits for both sellers and buyers. Furthermore, in order to maximize the battery's lifespan with an efficient charging/discharging strategy, a battery aging model or degradation cost model is considered within the context of multi-objective optimization. Secondly, we propose a P2P power trading algorithm for power management of nanogrid clusters. The scale of power transactions between nanogrid clusters is relatively larger than that of individual nanogrids. Although ESSs are not utilized, higher capacity of photovoltaic systems are applied to each nanogrid cluster for P2P power trading. By integrating predicted power data based on a deep learning (DL) network into the power trading algorithm, the efficiency of P2P power trading is improved. Thirdly, power management of microgrid integrated with electric vehicle (EV) charging station is presented. While multiple EVs can be charged simultaneously at EV charging station, excessive charging demand may lead to grid instability issues. In the proposed EV charging/discharging scheduling algorithm, the maximum discharging power of parked EVs is determined based on the measured power data. Charging/discharging scheduling of EVs and power management of microgrid are performed in consideration of the maximum discharging power of EVs. The use of DL network incorporates forecasted power data into the EV charging/discharging scheduling algorithm, further enhancing the economic feasibility of EV charging stations.
본 연구는 다목적 최적화를 이용하여 신재생에너지 시스템과 에너지 저장 시스템이 결합된 스마트 그리드의 전력 관리를 수행하는 방법을 제시한다. 전력 관리는 피크 로드와 전기 요금을 감소시킬 뿐만 아니라, 에너지 공급 안정성 또한 향상시킬 수 있다. 이 학위논문에서는 첫번째로 다수의 나노그리드를 대상으로 한 개인 간 전력 거래 알고리즘을 제시한다. 개인 간 전력 거래는 참여자들에게 직접적으로 전력 거래를 가능하게 함으로써 전력 소비에 대한 비용을 절감할 뿐만 아니라, 신재생 에너지 시스템 및 에너지 저장 장치의 사용을 촉진하여 탄소 배출을 줄인다. 판매자와 구매자 모두의 이익을 증대시키고자 협력적 게임 이론에 근거하여 개인 간 전력 거래가 수행된다. 또한, 배터리의 효율적인 충방전 전략과 함께 배터리 수명을 최대화하고자 배터리 노화 모델 또는 성능 저하 비용 모델이 다목적 최적화에 고려되었다. 두번째로, 나노그리드 클러스터를 대상으로 한 개인 간 전력 거래 알고리즘을 제안한다. 나노그리드 클러스터 간 전력 거래 규모는 나노그리드보다 상대적으로 크다. 에너지 저장 장치는 사용되지 않았으나 더 높은 용량의 태양광 발전 시스템이 각 나노그리드 클러스터에 적용되었다. 딥러닝 네트워크를 기반으로 예측된 전력 데이터를 전력 거래 알고리즘에 반영하여 전력 거래 효율성을 높였다. 세번째로, 전기차 충전 스테이션이 결합된 마이크로그리드의 전력 관리에 대해 설명한다. 전기차 충전 스테이션에서 여러 대의 전기차들이 동시에 충전될 수 있지만, 과도한 충전수요는 전력망에 불안정 문제를 야기할 수 있다. 제안된 전기차 충방전 스케줄링 알고리즘에서는 측정된 전력 데이터를 기반으로 주차된 전기차들의 최대 방전 전력을 결정한다. 전기차들의 최대 방전 전력을 고려하여 전기차 충방전 스케줄링과 마이크로그리드의 전력 관리가 수행된다. 또한, 딥러닝 네트워크를 이용하여 예측된 전력 데이터를 전기차 충방전 스케줄링 알고리즘에 반영함으로써 전기차 충전 스테이션의 경제성을 향상시킨다.
