Suuret kielimallit ja asuinrakennusten energianhallinta volatiililla sähkömarkkinalla

No Thumbnail Available

Files

URL

Journal Title

Journal ISSN

Volume Title

Insinööritieteiden korkeakoulu | Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
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

2024-09-06

Department

Major/Subject

Energia- ja konetekniikka

Mcode

ENG4000

Degree programme

Insinööritieteiden kandidaattiohjelma

Language

fi

Pages

40

Series

Abstract

Sähkömarkkinat ovat kokeneet suuria muutoksia, joiden seurauksena sähkön hintojen heilunta on kasvanut suuresti. Uusiutuvien energialähteiden epävakaa sähköntuotanto aiheuttaa markkinoilla ajoittaista yli- ja alituotantoa. Tilanne mahdollistaa sen, että tehokkaalla kulutuksen vasteella pystytään saavuttamaan taloudellisia sekä ympäristöhyötyjä. Tällä hetkellä kulutusjousto asumisessa on Pohjoismaissa pitkälti manuaalista, mikä ei ole kuluttajille mielekästä kaikissa tilanteissa. Optimoinnin automatisointi mahdollistaa nykyistä tilannetta paljon paremman vasteen kulutusjoustossa. Tämän kandidaatintyön tutkimuksen kohteena on suurten kielimallien (Large Language Model, LLM) kyky ohjata sähkönkäytön optimoinnin yksikköä. Case-tutkimuksessa optimoinnin yksikön perustana toimi akkupaketti, jota ladataan sähköverkosta ja josta otetaan sähköä omakotitalon käyttöön tarpeen mukaan. Case-tutkimus toteutettiin Python-simulaationa, jossa LLM ohjasi simuloitua akkupakettia. Simulaatiolla pyrittiin kuvaamaan sitä, miten LLM kykenisi ohjaamaan akkupaketin lataamista ja purkamista reaaliaikaisesti. Simulaatio ajettiin menneessä ajassa tammikuun 2024 datalla kuten se olisi tapahtunut reaaliajassa. Data, jota simulaatiossa hyödynnettiin, oli toteutuneet Nord Pool Elspot tuntihinnat, todellisen omakotitalon sähkönkulutusdata, sekä lämpötiladata. Simulaatiosta havaittiin, että LLM-pohjaisella optimointiohjelmistolla yhdistettynä akkupakettiin pystytään saavuttamaan merkittäviä kustannussäästöjä. Parhaaseen tulokseen päästiin, kun LLM:än toimivallassa oli tiettyjä rajoja ja käytössä olevan akun kapasiteetti ja teho olivat suuret.

The electricity markets have undergone significant changes, resulting in increased volatility in electricity prices. The intermittent production of renewable energy sources causes occasional overproduction and underproduction in the market. This situation enables economic and environmental benefits to be achieved through efficient demand response. Currently, demand flexibility in residential settings in the Nordic countries is largely manual, which is not practical for consumers in all situations. Automating optimization can provide a much better response in demand flexibility than the current state. The focus of this bachelor's thesis is on the ability of large language models (LLMs) to manage a unit for optimizing electricity usage. In the case study, the optimization unit was based on a battery pack, which was charged from the electrical grid and discharged for household use as needed. The case study was conducted as a Python simulation, where the LLM controlled a simulated battery pack. The simulation aimed to demonstrate how an LLM could manage the real-time charging and discharging of the battery pack. The simulation was run on historical data from January 2024, as if it had been executed in real time. The data utilized in the simulation included actual Nord Pool Elspot hourly prices, real electricity consumption data from a detached house, and temperature data. The simulation showed that significant cost savings could be achieved with an LLM-based optimization software combined with a battery pack. The best results were obtained when the LLM operated within certain constraints, and the available battery capacity and power were large.

Description

Supervisor

Alanne, Kari

Thesis advisor

Alanne, Kari

Keywords

LLM, sähkömarkkina, energiaoptimointi, simulaatio, HEMS

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202410156706

Collections

[kand] Insinööritieteiden korkeakoulu / ENG