Blog: Het vinden van goede controle-algoritmes voor het GridShield
Belangrijk in het project SmoothEMS met Gridshield is de ontwikkeling van het Gridshield. Om het GridShield te kunnen toepassen, onderzoeken we wat voor controle-algoritme er het beste kan worden ingezet voor een optimale werking van het systeem. Bij de Universiteit Twente is een masteropdracht gewijd aan het vinden van de beste algoritmes. Wat voor algoritme is als beste uit dat onderzoek gekomen?
Door: Ivo Varenhorst, PhD student Universiteit Twente
Het GridShield grijpt in als overbelasting van het lokale stroomnet dreigt. Het laadvermogen van elektrische auto’s wordt beperkt als er een vermogenspiek op het net is. Daarnaast is het echter ook belangrijk dat het vermogen niet tevéél beperkt wordt, omdat gebruikers anders te weinig energie in de accu’s van hun elektrische auto’s kunnen laden. Om deze twee tegenstrijdige ‘belangen’ zo goed mogelijk te balanceren, zijn er goede controle-algoritmes nodig.
Oorspronkelijke algoritme
De uitdaging van GridShield is dat er geen directe feedback is, zoals te zien in Figuur 1. Als er congestie op het net wordt gemeten, dan kan er een bericht uitgezonden worden door de GridShield zender, maar de ontvangers kunnen geen berichten terug sturen. De respons van de laadpunten op het GridShield signaal kan alleen in het net gemeten worden. Als het goed is gaat de belasting immers omlaag wanneer GridShield de belasting op het net gaat drukken.
Voor GridShield was al een controle-algoritme bedacht door ElaadNL. Het algoritme was gebaseerd op een additive increase, additive decrease (AIAD) algoritme, waarbij het vermogen van het laden van de elektrische auto’s met een vaste stapgrootte wordt gereduceerd. Zodra er ruimte ontstaat op het net wordt het vermogen vervolgens met diezelfde stapgrootte weer vergroot. Dit algoritme werkt redelijk, maar zoals al beschreven in een eerder blog [1] laat de gele lijn in Figuur 2 een probleem met dit algoritme zien. Het reageert relatief traag op een plotselinge toename in vermogensvraag van de elektrische auto’s (hier veroorzaakt door de blauwe lijn, die een ‘cyber attack’ simuleert.)
Op zoek naar beter presterende algoritmes
Om dit probleem op te lossen, is er gezocht naar een algoritme dat het vermogen sneller kan reduceren dan het oorspronkelijke AIAD mechanisme. Om controle-algoritmes te schrijven die dit kunnen bereiken, was het gelukkig niet nodig om helemaal uit het niets te beginnen. Controle-algoritmes zijn geen nieuw idee en bestaande algoritmes uit andere onderzoeksvelden kunnen (met enige aanpassing) ook gebruikt worden voor het GridShield systeem. Zo kwam het onderzoek uiteindelijk uit bij het AIMD (additive increase, multiplicative decrease) algoritme, afkomstig uit een set protocollen (TCP) die oorspronkelijk voor het Internet zijn ontwikkeld.
Waar het bij het Internet belangrijk is om eerlijk gebruik te maken van een connectiepunt zoals een router en congestie op dat punt te voorkomen, geldt een heel vergelijkbaar principe ook voor het elektriciteitsnet. In het geval van GridShield is er ook een centraal punt waar alle connecties samen komen en dat niet overbelast mag raken, maar hier is het bijvoorbeeld een transformator in plaats van een router. Om met GridShield de capaciteit van dat centrale punt eerlijk te verdelen op een manier die beter werkt dan het oorspronkelijke AIAD mechanisme, gebruiken we dus het AIMD algoritme.
AIMD gebruikt hetzelfde principe om het vermogen weer op te krikken wanneer daar ruimte voor is als AIAD, maar de reductie van vermogen verschilt. Er wordt niet met een vaste stapgrootte gereduceerd maar er wordt een vermenigvuldigingsfactor gebruikt. Door het huidige vermogen met een factor kleiner dan 1 te vermenigvuldigen wordt zo een veel snellere reductie bereikt in vergelijking met AIAD zeker wanneer het huidige vermogen groot is. In de literatuur vonden we een aanpassing aan AIMD die zelfs nog beter bleek te presteren: het TCP Elastic algoritme [2].
Het Elastic algoritme gebruikt een aangepaste increase phase, waarbij een wortel-functie wordt gebruikt om het vermogen sneller te vergroten wanneer het net daar de ruimte toe biedt, terwijl de vermogenstoename juist trager is is wanneer het net al tegen zijn limieten aan zit. Doordat de toename sneller is wanneer dat nodig is, kan het Elastic algoritme ook agressiever reduceren. Het maakt de agressieve reductie goed door het vermogen ook snel weer te laten toenemen als het de reductie te groot was.
De resultaten liegen er niet om: in Figuur 3 zien we opnieuw het ‘cyber attack’ scenario, maar nu zijn ook de responses van de AIMD en Elastic algoritmes geplot. We zien dat AIMD (blauw) al sneller reageert op de plotselinge piek in laadvermogen van de EVs dan AIAD (grijs), maar het Elastic algoritme (groen) is met zijn agressievere reductie zelfs nog sneller. Dit laat zien dat het GridShield systeem, door gebruik te maken van deze alternatieve algoritmes, het net significant beter kan beschermen dan de originele AIAD implementatie. Het onderzoek liet zien dat GridShield meer dan drie keer zoveel overschrijdingen van de netcapaciteit kan voorkomen wanneer het een Elastic algoritme gebruikt, in vergelijking met een AIAD GridShield implementatie [3].
Hoe nu verder?
Dit onderzoek heeft laten zien dat het GridShield systeem overschrijdingen van de capaciteitslimieten van het net significant meer kan beperken door andere algoritmes te gebruiken. Verder onderzoek is nodig om te bepalen of de verbetering ook in andere scenario’s zo groot is en om te kijken naar mogelijke verdere verbetering van de prestaties door het algoritme verder te verfijnen. Door zulk onderzoek zal het GridShield systeem steeds beter gaan presteren.
Over de auteur
Ivo Varenhorst deed dit onderzoek als stage bij ElaadNL. Op 29 juni 2022 verdedigde hij met succes zijn Master Thesis over het Gridshield algoritme bij de Technische Universiteit Twente.
Bronnen
[2] M. A. Alrshah, M. A. Al-Maqri and M. Othman, “Elastic-TCP: Flexible Congestion Control Algorithm to Adapt for High-BDP Networks,” in IEEE Systems Journal, vol. 13, no. 2, pp. 1336-1346, June 2019, doi: 10.1109/JSYST.2019.2896195.
[3] I.A.M. Varenhorst. (2022). GridShield: Robust Control Algorithms to Prevent Power Outages.
