Meno: Bc. Tomáš Hruškovic
Kontakt: hruskovic3@uniba.sk
Názov Práce: Vývoj centralizovaného systému na optimalizáciu využitia prebytočnej solárnej energie v inteligentných domácnostiach
Školiteľ: prof. RNDr. Roman Ďurikovič, PhD.
Práca sa zaoberá vývojom centralizovaného systému na optimalizáciu využitia prebytočnej energie zo solárnych panelov v domácnosti. Systém monitoruje výrobu a spotrebu elektrickej energie, vypočítava prebytok a na základe stanovených priorít ho distribuuje do rôznych zariadení, ako sú batérie, boiler alebo nabíjačka na elektromobil.
Objasnenie problému riadenia fotovoltických prevádzok so spotovými cenami, preštudovanie dokumentácie k Loxone Spot Price Optimizer a definovanie cieľov diplomovej práce. Zber a prvotný prieskum článkov o energetickom manažmente, batériových úložiskách a optimalizačných EMS.
Štúdium vlastností fotovoltickej výroby, batériových úložísk a 15-minútových spotových cien elektriny. Systematické spracovanie teoretickej časti – definovanie pojmov ako prebytky energie, samospotreba, peak shaving a prehľad existujúcich EMS riešení (rule-based, MILP, MPC).
Analýza energetického profilu dvoch priemyselných prevádzok, zber a čistenie historických dát spotreby a výroby. Podrobný rozbor pôvodného Loxone riešenia, identifikácia jeho obmedzení (krátkozraké rozhodovanie, ignorovanie predikcií, obmedzená práca so spotovými cenami).
Návrh architektúry centralizovaného riadiaceho systému: oddelený optimalizačný backend v Pythone, NodeJS API server a PLC skript na Loxone. Definovanie dátových tokov medzi modulmi, štruktúra JSON formátu plánu a návrh databázového/dátového modelu pre predikcie, ceny a technické parametre.
Formulácia lineárneho optimalizačného modelu (LP): definícia rozhodovacích premenných pre nabíjanie/vybíjanie batérie, odber a dodávku zo siete, stav nabitia (SoC) a technické limity. Implementácia modelu v Pythone (PuLP/HiGHS), testy na historických dátach a ladenie cieľovej funkcie s penalizáciami pre nabíjanie z drahej siete.
Implementácia NodeJS API servera pre spúšťanie optimalizácie a
sprístupnenie aktuálneho plánu cez endpoint /api/plan/current.
Prepojenie Python optimalizátora so serverom (scheduler, načítanie
predikcií a cien, generovanie denného plánu). Prvé end-to-end testy
komunikácie a validácia formátu dát.
Implementácia a ladenie PicoC skriptu na Loxone, ktorý v hodinovom intervale sťahuje JSON plán zo servera, parsuje jednotlivé intervaly a nastavuje režim batérie a nabíjací/vybíjací výkon. Riešenie limitov jazyka PicoC (chýbajúce štandardné C funkcie) a zavedenie jednoduchých ochranných mechanizmov a limitov cyklovania batérie.
Spustenie pilotnej prevádzky optimalizačného systému, zber výsledkov a porovnanie s pôvodným pravidlovým riadením. Spracovanie grafov, tabuliek a diskusie prínosov do textu diplomovej práce. Finalizácia záveru, úpravy podľa pripomienok a príprava PDF a webovej prezentácie diplomovej práce.
