Prognostisering för styrning av lokalt batterilager

Forskningsprojektet som leds av RISE syftar till att utreda förutsättningarna för hur lokala batterilager ska utformas och användas i småhus. Målet med projektet är att bidra med ökad kunskap för lokal energilagring i batteriet – hur det ska styras och vilka externa tjänster som kan erbjudas. Data från lastprofiler i småhus sorteras in i kluster och därefter modelleras respektive klusters typprofil med ett solel- och batterisystem. Batteristyrningen i modelleringen bygger bland annat på datainlärningsmodeller (AI) för prognostisering av elektrisk last och PV-generering för att ge optimal i- och urladdning.

Projektets mål är också att demonstrera en styrstrategi i RISE Forskningsvilla på befintligt PV- och batterisystem som bygger på datainlärningsprognostisering av last- och PV-profil. Detta för att se hur väl prognostisering lämpar sig för styrning av batterier och hur stor energibesparing och ekonomisk nytta man får genom sådan styrning.

Finansiärer

Energimyndigheten

Tidsperiod

2019-01-03 – 2020-12-31

Organisatoriska projektmedlemmar

  • Uppsala universitet
  • RISE
  • Chalmers
  • Herrljunga Elektriska AB
  • Trä- & möbelföretagen

Projektledare

Patrik Ollas (RISE)

Projektmedlemmar 

Patrik Ollas (RISE), Joakim Munkhammar (UU)

Senast uppdaterad: 2022-02-17