Publication

Model Predictive Control for Market-Based Demand Response Participation

Résumé

In this study, we investigate the maximum possible profit for a commercial office building participating in New York’s Day-Ahead Demand Response (DADR) program. We formulate an optimal control problem, assuming perfect knowledge of future weather, occupancy, and day-ahead electricity price predictions to examine this potential benefit. Then, a practical control strategy based upon the framework of Model Predictive Control (MPC) is proposed, which enables a building to participate in the DADR program. The controller decides once every day, whether or not to participate in the Demand Response (DR) event, and then optimizes the electric consumption to increase savings. A simulation study is carried out using a building model extracted from an EnergyPlus model, real measured weather data, and real day-ahead spot market price data for New York. Savings in the range of 23% to 33% are reported.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.