Data-Driven Implicit Energy Balancing Algorithms for Battery Energy Storage Systems
- Promovendus/a
- Karimi Madahi, Seyed Soroush
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Informatietechnologie
- Curriculum
- Master of Science in Electrical Engineering, Amirkabir University of Technology (Iran), 2021
- Academische graad
- Doctor in de ingenieurswetenschappen: computerwetenschappen
- Taal proefschrift
- Engels
- Vertaling titel
- Data-gedreven algoritmen voor impliciete energiebalancering met batterij-gebaseerde energie-opslagsystemen
- Promotor(en)
- prof. Chris Develder, vakgroep Informatietechnologie - prof. Bert Claessens, vakgroep Informatietechnologie
- Examencommissie
- voorzitter prof. Luc Dupré (gewezen voorzitter Commissie Wetenschappelijk Onderzoek) - dr. ir. Ioannis Boukas, Engie - prof. Kenneth Bruninx, Technische Universiteit Delft (Nederland) - prof. Guillaume Crevecoeur, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Tom Dhaene, vakgroep Informatietechnologie - prof. Hussain Syed Kazmi, KU Leuven - promotor prof. Chris Develder, vakgroep Informatietechnologie - promotor prof. Bert Claessens, vakgroep Informatietechnologie
Korte beschrijving
De wereldwijde transitie naar hernieuwbare energie verandert de werking van onze elektriciteitsnetten drastisch. Hoewel zonne- en windenergie cruciaal zijn voor decarbonisatie, zorgt hun weersafhankelijke karakter voor een enorme onvoorspelbaarheid. Op het elektriciteitsnet moeten vraag en aanbod elk moment perfect op elkaar aansluiten om problemen te voorkomen. Traditioneel zorgden de netbeheerders voor dit evenwicht, maar die last verschuift. Tegenwoordig worden marktpartijen gestimuleerd om het net actief te helpen balanceren met behulp van grootschalige batterijen, een strategie die bekendstaat als impliciete facilitering of implicit balancing. Dit proefschrift ontwikkelt geavanceerde, datagedreven oplossingen om impliciete facilitering met batterijen mogelijk te maken. We hebben bestaande oplossingen op het gebied van model-voorspellende regeling (model predictive control) en versterkingsleren (reinforcement learning) voor impliciete facilitering onderzocht en verbeterd. Om de complementaire sterktes van beide benaderingen te benutten, stellen we een innovatieve hybride methode voor om batterijen aan te sturen en zo hun onbalanskosten te verlagen. De voorgestelde AI-gestuurde strategieën zijn succesvol gevalideerd op zowel gesimuleerde als real-world batterijsystemen, wat aantoont dat ze aanzienlijk winstgevender en betrouwbaarder zijn dan traditionele methoden.
Praktisch
- Datum
- Maandag 7 september 2026, 17:00
- Locatie
- Auditorium P Jozef Plateau, Plateaustraat 22, 9000 Gent
- Livestream
- Volg online
Meer info
- Contact
- doctoraat.ea@ugent.be