QoE Metrics for Automatic Tuning of Predictive Control for Renewable Microgrids

Authors

  • Johannes Daniel Fischer Instituto Nacional de Ciência e Tecnologia em Controle e Automação de Processos de Energia (INCT CAPE), Dept. de Automação e Sistemas (DAS), Universidade Federal de Santa Catarina
  • Gustavo H. Santos de Santana Instituto Nacional de Ciência e Tecnologia em Controle e Automação de Processos de Energia (INCT CAPE), Dept. de Automação e Sistemas (DAS), Universidade Federal de Santa Catarina
  • Marcelo M. Morato Instituto Nacional de Ciência e Tecnologia em Controle e Automação de Processos de Energia (INCT CAPE), Dept. de Automação e Sistemas (DAS), Universidade Federal de Santa Catarina; Univ. Grenoble Alpes, CNRS, Grenoble INP, GIPSA-lab
  • Julio E. Normey-Rico Instituto Nacional de Ciência e Tecnologia em Controle e Automação de Processos de Energia (INCT CAPE), Dept. de Automação e Sistemas (DAS), Universidade Federal de Santa Catarina

Keywords:

Model Predictive Control, Quality of Experience, Renewable Microgrids

Abstract

We propose an automatic tuning approach for MPC schemes acting as energy management systems for renewable microgrids. In particular, we assess how Quality of Experience (QoE) metrics can be used to adapt the predictive control law. The practical interest of the approach is that the local operator can adapt the microgrid coordination with respect to high-level goals, without any re-synthesis step of technical knowledge on MPC. Simulation results of a H2 microgrid are provided to show the advantages of the technique.

Downloads

Published

2024-10-18

Issue

Section

Articles