Bibliografija str. 96-103.

A microgrid is a cluster of distributed generation sources, storage devices and loads that operate together. Ideally, they improve reliability and quality of the power supply and the power system. Microgrids are expected to significantly reduce power transmission losses and enable integration of a large share of renewable energy sources. This doctoral dissertation primarily develops control algorithms for residential grid-connected DC microgrids with renewable energy sources to improve stability and optimize techno-economic microgrid operation. To that aim, the dissertation addresses several important aspects: (i) modeling of all systems included in the microgrid; (ii) prediction of day-ahead production and consumption in a microgrid by means of machine learning and artificial intelligence, which is especially challenging due to strong correlation of predicted variables with atmospheric conditions; (iii) power flow management based on convex optimization and the model predictive control scheme with receding horizon principle, which is developed in a stochastic framework to account for production and consumption prediction uncertainty; and (iv) DC link (bus) voltage control with power flow reference tracking, whereas optimal power references are generated by the power flow management control loop. Control (decision) variables in the system under consideration are charge and discharge profiles for local energy storage devices, that serve as an energy buffer which improves system stability and enables joining a decentralized electricity market. In the simplest scenario, a microgrid would buy electricity during low electricity price intervals and sell during high price intervals, which reduces microgrid operating costs. However, the decision of when to buy and sell energy to the utility grid and in which amount, i.e., when to charge and discharge storage devices, is a complex function of the predicted microgrid load, power production, current storage device state of charge, and of the predicted electricity price provided by the electricity market. Together, this is the central subject of the conducted research. Note that all concepts developed in this dissertation can also be applied to AC microgrids.
The residential DC microgrid under consideration was constructed at the Laboratory for Renewable Energy Systems (LARES) at the University of Zagreb Faculty of Electrical Engineering and Computing (UNIZG-FER), Croatia. The developed concepts are verified by experiments in LARES based on real meteorological and electricity price data, i.e., they are tested in a real operating environment. Predictions of relevant meteorological variables, which are used as inputs to predict day-ahead production and consumption in the microgrid, are provided by the Croatian Meteorological and Hydrological Service (DHMZ).
Keywords: dc microgrid, smart grid, renewable energy systems, distributed storage, photovoltaic
system, machine learning, artificial intelligence, load prediction, battery state of charge estimation,
Kalman filter, ultracapacitor, fuel cell, power flowmanagement, convex optimization, linear program,
model predictive control, stochastic control framework, voltage stability

Mikromreža je skup sustava za distribuiranu proizvodnju i pohranu električne energije i trošila koji rade zajedno s ciljem poboljšanja pouzdanosti i kvalitete opskrbom električne energije. Očekuje se da će mikromreže znatno smanjiti gubitke u prijenosu električne energije, i kroz distribuiranu pohranu omogućiti ugradnju većeg udjela sustava obnovljivih izvora energije. Glavni cilj ove doktorske disertacije je razviti algoritam upravljanja istosmjernom mikromrežom s obnovljivim izvorima energije za poboljšanje stabilnosti i optimalan tehno-ekonomski rad mikromreže. U tu svrhu, u doktorskoj disertaciji razmatra se: (i) modeliranje svih sustava uključenih u mikromrežu; (ii) predikcija proizvodnje i potrošnje električne energije u mikromreži za jedan dan unaprijed koristeći tehnike strojnog učenja i umjetne inteligencije, što je posebno izazovno zbog snažne ovisnosti predikcijskih varijabli o atmosferskim prilikama; (iii) algoritam upravljanja tokovima snage temeljen na konveksnoj optimizaciji i modelskom prediktivnom upravljanju s pomičnim horizontom, koji je razvijen u stohastičkom okruženju uzimajući u obzir nesigurnost predikcije proizvodnje i potrošnje; te (iv) upravljanje naponom na istosmjernoj sabirnici s algoritmom za praćenje referenci optimalnih tokova snage, pri čemu su reference tokova snage generirane od strane algoritma za upravljanje tokovima snage. Upravljačke varijable u razmatranom sustavu su profili punjenja i pražnjenja lokalnih spremnika energije, koji poboljšavaju stabilnost sustava i omogućuju sudjelovanje na decentraliziranom tržištu električnom energijom. U najjednostavnijem scenariju, mikromreža će kupovati električnu energiju za vrijeme intervala niskih cijena i prodavati energiju za vrijeme intervala visokih cijena, tako smanjujući ukupne troškova rada mikromreže. Odluka kada kupiti i prodati električnu energiju i u kojem iznosu, tj. kako puniti i prazniti spremnike energije u mikromreži, je složena funkcija predviđene proizvodnje i potrošnje električne energije, trenutnog stanja napunjenosti spremnika energije, i predviđene cijene električne energije, što sve zajedno čini glavnu temu provedenog istraživanja. Potrebno je istaknuti da se sve metode razvijene u ovoj disertaciji mogu primijeniti i na izmjenične mikromreže.
Razmatrana istosmjerna mikromreža je izvedena u Laboratoriju za sustave obnovljivih izvora energije (LARES) na Sveučilištu u Zagrebu Fakultetu elektrotehnike i računarstva (FER), Hrvatska. Razvijene metode su provjerene eksperimentima u LARES-u na temelju stvarnih mjerenja meteoroloških varijabli i cijena električne energije, tj. metode su testirane u stvarnim radnim uvjetima. Predikcije meteoroloških varijabli, koje su korištene kao ulazi u modele za predikciju proizvodnje i potrošnje električne energije u mikromreži, svaki sat za jedan dan unaprijed, ustupljene su od strane Državnog hidrometeorološkog zavoda (DHMZ), Hrvatska.
Ključne riječi: istosmjerna mikromreža, napredna energetska mreža, distribuirana pohrana,
fotonaponski sustav, obnovljivi izvori energije, strojno ucenje, umjetna inteligencija, predvi+anje
proizvodnje i potrošnje, estimacija stanja napunjenosti baterije, Kalmanov filtar, superkondenzator,
gorivni clanak, upravljanje tokovima snage, konveksna optimizacija, linearni program, modelsko
prediktivno upravljanje, upravljanje u uvjetima nesigurnosti, stabilnost napona