Optimizing electricity costs of ground heat systems in residential buildings by utilizing varying electricity spot prices

Thumbnail Image

Files

master_Teinilä_Janne_2023.pdf (1.37 MB)

URL

Journal Title

Journal ISSN

Volume Title

Sähkötekniikan korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2023-08-21

Department

Major/Subject

Sustainable Energy Systems and Markets

Mcode

ELEC3048

Degree programme

Master's Programme in Advanced Energy Solutions

Language

en

Pages

58

Series

Abstract

The growing amount of ground source heat pump (GSHP) systems and variability in electricity prices opens an opportunity to control GSHP systems’ cost optimally. This thesis reviewed the potential of shifting the electricity consumption of ground heat systems to lower price periods with varying day-ahead hourly electricity spot prices. Two electricity cost saving models were developed for buildings with ground heat system. Both models were evaluated using historical data. The first model shifts the floor heating need to lower price periods while keeping the indoor temperature within the desired interval. The first model is constructed with three functions, which are optimization problem, ground heat system electricity prediction with ANN and cost calculation. The result indicates that cost saving potential of electricity is 6-15%. To support the model, a brief experiment and calculation were conducted to observe the relationship between the energy from underfloor heating and the indoor air temperature. Using this calculation, the first model can be run in a way that it maintains the desired range of indoor temperature. Second model uses the accumulators of the case building as a storage to shift the building’s heating demand. It is constructed based on the knowledge of the ground heat system components and working principles. The historical floor heating demand and day-ahead electricity prices are known, and the system is optimized to determine the demand response potential of the accumulators. Cost savings of the floor heating are 5-9% in the case building. Both the developed models and literature showed that it is possible to optimize electricity costs to gain economical savings. One key performance metric was found out to be variability in day-ahead electricity spot prices. Higher variability led to higher cost saving potential.

Maalämpöpumppujärjestelmien kasvava määrä ja sähkön hinnan vaihtelu avaa mahdollisuuden hallita maalämpöjärjestelmien sähkön käytön kustannuksia optimaalisesti. Tässä diplomityössä tarkasteltiin maalämpöjärjestelmän sähkönkulutuksen siirtämisen potentiaalia alhaisempien hintojen aikoihin vaihtelevien spot-hintojen mukaisesti. Kaksi mallia luotiin simuloimaan mahdollisia sähkönkustannussäästöjä rakennuksen maalämpöjärjestelmässä. Molempia malleja arvioitiin historiadatan perusteella. Ensimmäinen malli siirtää maalämpöjärjestelmän lattialämmityksen energian käyttöä alhaisempien hintojen aikoihin pitäen sisälämpötilan halutulla alueella. Ensimmäinen malli on koottu optimointiongelmasta, maalämpöjärjestelmän sähkönkulutuksen ennustamisesta neuroverkon avulla sekä kustannuslaskennalla. Tulokset osoittavat 6–15 % sähkönkulutuslaskun säästöpotentiaalia. Ensimmäisen mallin tueksi toteutettiin lyhyt koe ja laskelma, jotta suhdetta lattialämmön energian ja sisäilman lämpötilan välillä voitiin tarkastella. Tämän laskelman avulla mallia 1 voidaan ajaa siten, että sisäilman lämpötila pysyy halutulla alueella. Toinen malli käyttää rakennuksen lämminvesivaraajia varastona lämmityskysynnän siirtämiseen. Malli perustuu maalämpöjärjestelmän komponenttien ja toimintaperiaatteiden tuntemukseen. Lattialämmityksen kysyntähistoria ja seuraavan päivän sähkön hinnat ovat tiedossa. Järjestelmää optimoidaan lämminvesivaraajien kysynnänjoustopotentiaalin arvioimiseksi. Lattialämmityksen kustannussäästöt osoittavat 5–9 % sähkönkäytön säästöpotentiaalia. Sekä empiirinen koe että kirjallisuuskatsaus osoittivat, että maalämpöjärjestelmän sähkönkäytön kustannuksia on mahdollista optimoida pienemmäksi. Yksi vaikuttava tekijä säästön suuruuteen on sähkön hintojen vaihtelevuus. Suurempi vaihtelevuus lisää säästöpotentiaalia.

Description

Supervisor

Lahdelma, Risto

Thesis advisor

Hajigholi, Mitra

Keywords

optimizing, ground heat system, machine learning, demand response, electricity, neural networks

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202308275095

Collections

[dipl] Sähkötekniikan korkeakoulu / ELEC