Suche nach Personen

plus im Publikationsserver
plus bei Google Scholar

Bibliografische Daten exportieren
 

Predictive control of a smart grid: a distributed optimization algorithm with centralized performance properties

URN zum Zitieren der Version auf EPub Bayreuth: urn:nbn:de:bvb:703-epub-1988-9

Titelangaben

Braun, Philipp ; Grüne, Lars ; Kellett, Christopher M. ; Weller, Steven R. ; Worthmann, Karl:
Predictive control of a smart grid: a distributed optimization algorithm with centralized performance properties.
Department of Mathematics, University of Bayreuth
Bayreuth , 2015 . - 8 S.

Volltext

[thumbnail of pred_cont_of_smart_grid_dits_opt_alg_with_cent_perf_prop2015braun_gruene_kellett_weller_worthmann.pdf]
Format: PDF
Name: pred_cont_of_smart_grid_dits_opt_alg_with_cent_perf_prop2015braun_gruene_kellett_weller_worthmann.pdf
Version: Angenommene Version
Verfügbar mit der Lizenz Deutsches Urheberrechtsgesetz. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt werden. Darüber hinaus bedürfen die Vervielfältigung, Bearbeitung, Verbreitung und jede Art der Verwertung der schriftlichen Zustimmung des jeweiligen Rechteinhabers.
Download (506kB)

Angaben zu Projekten

Projekttitel:
Offizieller Projekttitel
Projekt-ID
DFG Priority Program 1305 "Control theory for digitally networked dynamical systems", Project "Performance Analysis for Distributed and Multiobjective Model Predictive Control"
GR1569/13-1
ARC Future Fellowship
FT1101000746

Projektfinanzierung: Deutsche Forschungsgemeinschaft
Australian Research Council

Abstract

The authors recently proposed several model predictive control (MPC) approaches to managing residential level energy generation and storage, including centralized, distributed, and decentralized schemes. As expected, the distributed and decentralized schemes result in a loss of performance but are scalable and more flexible with regards to network topology. In this paper we present a distributed optimization approach which asymptotically recovers the performance of the centralized optimization problem performed in MPC at each time step. Simulations using data from an Australian electricity distribution company, Ausgrid, are provided showing the benefit of a variable step size in the algorithm and the impact of an increasing number of participating residential energy systems. Furthermore, when used in a receding horizon scheme, simulations indicate that terminating the iterative distributed optimization algorithm before convergence does not result in a significant loss of performance.

Weitere Angaben

Publikationsform: Preprint, Postprint
Zusätzliche Informationen (öffentlich sichtbar): erschienen in:
Proceedings of the 54th IEEE Conference on Decision and Control (CDC 2015). - Piscataway, NJ : IEEE , 2015 . - S. 5593-5598
DOI: https://doi.org/10.1109/CDC.2015.7403096
Keywords: distributed control; smart grid; hierarchical control
Themengebiete aus DDC: 500 Naturwissenschaften und Mathematik > 510 Mathematik
Institutionen der Universität: Fakultäten
Fakultäten > Fakultät für Mathematik, Physik und Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Mathematik V (Angewandte Mathematik)
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Mathematik V (Angewandte Mathematik) > Lehrstuhl Mathematik V (Angewandte Mathematik) - Univ.-Prof. Dr. Lars Grüne
Profilfelder
Profilfelder > Advanced Fields
Profilfelder > Advanced Fields > Nichtlineare Dynamik
Sprache: Englisch
Titel an der UBT entstanden: Ja
URN: urn:nbn:de:bvb:703-epub-1988-9
Eingestellt am: 02 Apr 2015 09:22
Letzte Änderung: 01 Jun 2021 05:14
URI: https://epub.uni-bayreuth.de/id/eprint/1988

Downloads

Downloads pro Monat im letzten Jahr