Sammankopplade Medborgarenergigemenskaper Driven av Digitaliseringsteknologi
Research Project , 2020 – 2024

Projektet mål är att:
1. Utveckla maskininlärningsmetoder och algoritmer för modellering av konsumenter och prosumenter för högsta nettolastberäkning inom en medborgarenergigemenskap (MEG).
2. Att utveckla mönsterigenkänningsmetoder och algoritmer för att kategorisera kunder och utvärdera deras flexibilitetspotential från rumsuppvärmning och kylning av byggnader och laddning av elbilar.
3. För att dimensionera den optimala kapaciteten och utveckla den optimala driftsstrategin för användning av batterilager för att tillhandahålla flexibilitet och tillhörande service och möjliggöra ö-kapacitet och svartstartkapacitet inom MEG.
4. Att utvärdera lämpliga affärsmodeller och effekter av att driva MEG, inklusive handel via en blockchain-baserad plattform

Participants

Peiyuan Chen (contact)

Associate Professor at Chalmers, Electrical Engineering, Electric Power Engineering, Power grids and Components

Kristoffer Fürst

Doctoral Student at Chalmers, Electrical Engineering, Electric Power Engineering, Power grids and Components

Collaborations

Energiforsk AB

Stockholm, Sweden

Funding

Swedish Energy Agency

Project ID: Pnr:50237-1/Dnr:2020-001529
Funding Chalmers participation during 2020–2024

Related Areas of Advance and Infrastructure

Sustainable development

Driving Forces

Energy

Areas of Advance

More information

Latest update

2020-12-03