Aurinkovoimalalla ja akulla varustetun kotitalouden energianhallinnan neuroverkkopohjainen optimointi

Abstract

Kotitalouksien mielenkiinto aurinkovoimaloihin on lisääntynyt muun muassa aurinkopaneelien hintojen laskun sekä energiakriisin aiheuttaman sähkönhinnan nousun takia. Koska aurinkoenergiaa saadaan nimensä mukaisesti vain silloin, kun aurinko paistaa, ovat myös kotitalouksien akkusysteemit alkaneet kasvattaa suosiotaan. Akun avulla ylimääräinen aurinkoenergiatuotanto voidaan varastoida myöhempää käyttöä varten. Verkkoon kytkettynä akku mahdollistaa myös kotitalouden joustavan verkkosähkön kulutuksen, sillä akkuun voidaan varastoida verkkosähköä, kun se on halpaa (eli kun kansallisella tasolla tuotantoa on paljon), ja akun latausta voidaan käyttää, kun verkkosähkö on kallista (kun tuotannosta on pulaa). Tällöin kotitalouksien akunkäytöstä voi olla hyötyä myös yhteiskunnan tasolla.

Kun kotitalouden energiajärjestelmä koostuu energiavarastosta ja vaihtelevasta tuotantokapasiteetista, sen toiminnan optimointi on haastavaa. Kirjallisuudessa on esitetty lukuisia strategioita kotitalouksien energianhallintaan, jonka tarkoitus on tyypillisesti maksimoida energiajärjestelmän taloudellinen hyöty. Ne pohjautuvat joko yksinkertaisiin sääntöihin, matemaattiseen optimointiin tai koneoppimislähestymistapoihin. Erityisesti vahvistusoppimismallit ovat osoittautuneet energianhallintaongelmaan toimiviksi, sillä ne pystyvät parantamaan toimintaansa käytön aikana.

Tässä työssä tutkin neuroverkkopohjaisen vahvistusoppimismallin käyttökelpoisuutta aurinkovoimalalla ja akulla varustetun kotitalouden energianhallintaan eri skenaarioissa varioiden akun kytkentää energiajärjestelmässä. Mallin tavoitteena on minimoida vuosittainen sähkölasku, ja vertaan neuroverkkomallin tuloksia sääntöpohjaiseen referenssistrategiaan. Työn tutkimuskysymykset ovat: (1) saavutetaanko neuroverkkomallilla suurempi taloudellinen hyöty kuin yksinkertaisella sääntöpohjaisella mallilla ja (2) millainen taloudellinen hyöty eri aurinkovoimala-akku-skenaarioilla saavutetaan Suomen olosuhteissa. Tulokseni viittaavat siihen, että vaikka neuroverkkomalli oppii päätöksenteossaan huomioimaan seuraavan päivän sähkönhinnat, se ei vuositasolla tuo taloudellista lisäarvoa sääntöpohjaiseen malliin nähden. Kun akkua voidaan ladata verkkosähköllä, saadaan vuosittaista sähkölaskua pienennettyä merkittävästi varastoimalla akkuun yön halpaa sähköä. Kun sähkölaskun lisäksi huomioidaan akun ikääntymiseen liittyvä akunkäytön hinta, akku on tämän työn perusteella kuitenkin taloudellisesti kannattamaton verrattuna pelkkään aurinkovoimalalla varustettuun kotitalouteen.