FUSE-IT Deliverable
T6.3 - Advanced Management & Optimization
Sandra GARCIA RODRIGUEZ
CEA List
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
TASK 6.3
2
T6.3 Advanced management &
optimization
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
• Task goal: perform an advance optimization and management of the
smart components of a building
– Calculating forecasts
– Provide optimised configuration plans of power consumption, storage and
generation
– Intelligent management of resources
• Task deliverable: Software
– Advanced building management & optimization components
– Modules:
• Forecasting
• Optimization
• Control
3
T6.3 Advanced management &
optimization
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
• Contributors:
– CEA (leader)
– ISEP/IPP-GECAD
– TRT
• Planning: D6.3 January, 2017
– Forecasting – 100% completed (GECAD)
– Optimization module – 100% completed (CEA)
• Uncertainty computation – 100% completed (TRT)
– Management module – 100% completed (CEA)
– DEMO available (CEA)
4
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
SOFTWARE DELIVERABLE
5
D6.3 System Global Vision (dependencies)
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
BMS DB
(historical data)
Unified View
Forecasting
ANN; SVM; Fuzzy Inference; …
Building
Usage
Multi-Agent Management and Control
Generation Consumption
Multi-Agent Optimization
Genetic Alg.
Energy
Schedules
Message
Passing
6
D6.3 Achievements
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
BMS DB
(historical data)
Unified View
Forecasting
ANN; SVM; Fuzzy Inference; …
Building
Usage
Multi-Agent Management and Control
Generation Consumption
Multi-Agent Optimization
Genetic Alg.
Energy
Schedules
Message
Passing
7
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
FORECASTING SYSTEM
GECAD
8
Forecast Placement
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
9
Forecasting Description
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
10
Forecasting Webservice
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
A visual web tester to get manually the forecasts is available as well
11
Forecasting Connection
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
• Connected to SMA platform through webservices
– The webservice client is located in the SMA control agents.
– Agents send requests specifying the time slots
– GECAD webservice server response with a collection of forecasts for the time slots
requested
12
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
MULTI-AGENT SYSTEM FOR MICROGRID
OPTIMIZATION AND CONTROL
(MAS)
CEA
13
MAS Description
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
• Advance optimization and control of the smart building components
– Intelligent distributed management of grid resources
•
•
Use consumption/generation forecasts
Calculate and apply optimal configurations (power schedules) of resources
– Consumption
– Storage
– Generation
•
•
•
Software
Java 1.8 (compliance with previous versions)
Relies on JADE platform
14
Graphical User Interfaces
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
15
MAS modules (I)
•••••••
Forecasts
Control module
• • • • • • • • Control
• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •Control
•••
Device
 forecasts+device info
Power schedules 
Control
Device
 forecasts+device info
Power schedules 
Devices info + forecasts
Opt
Node
Schedules,prices
Opt
Device
Local optimization
Orders (set power)
 forecasts+device info
Power schedules 
Control
Device
Devices power schedules
Opt
Node
Schedules,prices
Opt
Device
Local optimization
Forecasts
Device
Control
Node
Orders (set power)
Forecasts
 forecasts+device info
Power schedules 
Optimization module
Schedules,prices
Opt
Device
Local optimization
Opt
Device
Local optimization
16
MAS Modules (II)
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
CONTROL module
• Control Device agents  Connection to external modules
– [1…n]
– Can represent 1 or aggregated real devices
– Compose device model
•
Control Node agent (no external connection)
– Just 1
– Create the microgrid scenario based on inputs
– Calls the optimization module
OPTIMIZATION module (no external connection)
• Performs the distributed optimization
• Calculates optimal power configuration for self-controlled grid resources
• Optimization Node agents
– [1…n]
•
Optimization Device agents
– [1…n]
17
Main Algorithm - steps (I)
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
1. [Control] Node agent  Device agents
A  B : A sends message to B
- Initial time stamp (variable)
Real Devices  [Control] Device agents
- Device properties & constraints (Object)
Forecast service  [Control] Device agents
- Forecasts (when applicable) (data set)
2. [Control] Device agents
- Compose device model from info received
3. [Control] Device agents  Node agent
- Device model (Object)
4. [Control] Node agent
- Compose scenario model (Object)
18
Control Module [Message Exchanging]
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
19
Main Algorithm - steps (II)
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
5. [Control] Node agent  [Optimization Module]
A  B : A sends message to B
- Scenario model (Object)
6. [Optimization Module]
- Runs distributed optimization
7. [Optimization Module]  [Control] Node agent
- Devices Power schedules (Object)
20
Optimization Module [Device and Net Agents]
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
21
Optimization Module [Message Exchanging]
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
22
Main Algorithm - steps (III)
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
8. [Control] Node agent  Device agents
A  B : A sends message to B
- New time stamp (variable)
- Power Schedule (vector of real numbers)
9. [Control] Device agents  Real Devices
- Power setup for instant t (real number)
23
Control Module [Device Agents]
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
24
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
INTEGRATION
25
Integration
•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
•
INPUTS
– Real Devices  [Control] Device agents
 device properties & constraints  DataPoint
– Forecast service  [Control] Device agents
 Forecasts (when applicable)  data set
•
OUTPUTS
– [Control] Device agents  Real Devices
 Power setup for instant t real number
public abstract class Control {
public abstract Device updateConf (String time);
INPUT
public abstract Device getDeviceSG();
INPUT
public abstract boolean newSchedule (ArrayList<Double> plan, String time); OUTPUT
}
26