Optimal control of an alkaline electrolyzer

Thumbnail Image

Files

master_Yli-Äyhö_Kustaa_2024.pdf (2.14 MB)

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden 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

2024-05-22

Department

Major/Subject

Strategia

Mcode

SCI3109

Degree programme

Master’s Programme in Industrial Engineering and Management

Language

en

Pages

52+2

Series

Abstract

In this thesis, I propose a two-phased optimization method to improve the profitability of an alkaline electrolyzer participating in the Finnish day-ahead and balancing energy markets. First, a gradient-descent-based optimization algorithm is applied to optimize purchases from the day-ahead market. Second, proximal policy optimization is applied to make optimal bids to the balancing energy market. These approaches are compared to a simple baseline policy, which utilizes analytically formulated fixed threshold prices for the day-ahead and balancing energy market. The two-phased optimization method improves the net present value of a hypothetical alkaline electrolyzer investment in Finland by 1.5%.

Esitän tässä diplomityössä kaksivaiheista optimointialgoritmia parantamaan spot- ja säätösähkömarkkinoille osallistuvan alkaalielektrolyyserin kannattavuutta. Spot-markkinoille osallistumista optimoidaan laskemalla ennen kutakin päivää gradientti arvioidulle tulokselle tuotantosuunnitelman parametrien suhteen. Tämän perusteella tuotantosuunnitelmaa muokataan siten, että kannattavuus spot-markkinoilla paranee. Säätösähkömarkkinoille tehtäviä tarjouksia optimoidaan hyödyntämällä Proximal Policy Optimization syvävahvistusoppimisalgoritmia. Näitä lähestymistapoja verrataan yksinkertaistettuun vertailuohjaukseen, jossa elektrolyyseriä ohjataan ennalta määritettyjen rajahintojen avulla. Kaksivaiheinen optimointialgoritmi parantaa spot- ja säätösähkömarkkinoille osallistuvan alkaalielektrolyyserin investoinnin kannattavuutta 1.5% mitattuna investoinnin nettonykyarvolla.

Description

Supervisor

Saarinen, Lauri

Thesis advisor

Kiviluoma, Jaakko

Keywords

electrolyzer, mFRR, electricity market, reinforcement learning

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202405263683

Collections

[dipl] Perustieteiden korkeakoulu / SCI