Η παρούσα διπλωματική εργασία παρουσιάζει την ανάπτυξη μιας πλατφόρμας για τη διαχείριση ηλεκτρικών θερμοσιφώνων ως εικονικές μπαταρίες, οι οποίοι αποτελούν μέρος ενός εικονικού εργοστασίου ενέργειας. Στόχος είναι η βελτιστοποίηση της κατανάλωσης ενέργειας και η παροχή επικουρικών υπηρεσιών στο ηλεκτρικό δίκτυο.

Το σύστημα λειτουργεί μέσω της κεντρικής υπηρεσίας συντονισμού, η οποία βελτιστοποιεί τα χρονοδιαγράμματα λειτουργίας με βάση τις δυναμικές τιμές ηλεκτρικής ενέργειας και τις ανάγκες των χρηστών. Χρησιμοποιώντας τις υλοποιηθείσες εφαρμογές προσομοιώθηκαν διαφορετικοί θερμοσίφωνες, για την αξιολόγηση της ικανότητας του συστήματος να μειώνει το ενεργειακό κόστος διατηρώντας την άνεση του χρήστη.

Τα αποτελέσματα έδειξαν ότι το σύστημα επιτυγχάνει αποτελεσματική εξισορρόπηση μεταξύ αποδοτικότητας και προτιμήσεων χρήστη, με σημαντικές οικονομίες κόστους.
Διερευνήθηκε επίσης η συμπεριφορά του υλοποιηθέντος συστήματος όταν ο διαχειριστής θέτει όρια φορτίου, κάτι που είναι κρίσιμο για τη διαχείριση γεγονότων απόκρισης ζήτησης. Το σύστημα κατάφερε να προσαρμόσει τα χρονοδιαγράμματα λειτουργίας ώστε να ικανοποιεί τους ενεργειακούς περιορισμούς χωρίς να επηρεάζονται οι ανάγκες θέρμανσης νερού, επιβεβαιώνοντας τη δυνατότητα του να προσαρμόζεται δυναμικά σε μεταβαλλόμενες συνθήκες δικτύου, ενώ παράλληλα βελτιστοποιεί το κόστος.

Μελλοντικές επεκτάσεις περιλαμβάνουν την ενσωμάτωση περισσότερων συσκευών, τη βελτίωση των αλγορίθμων βελτιστοποίησης και τη χρήση περισσότερων πηγών δεδομένων για καλύτερες προβλέψεις κατανάλωσης ενέργειας.

This thesis presents the development of a platform for managing electric water heaters as virtual batteries, which are part of a virtual power plant. The aim is to optimize energy consumption and provide ancillary services to the lectrical grid. The system operates through a central coordination service, which optimizes the operation schedules based on dynamic electricity prices and user needs. Using the implemented applications, different water heaters were simulated to evaluate the system’s ability to reduce energy costs while maintaining user comfort.

The results showed that the system effectively balances efficiency and user preferences, leading to significant cost savings. The behavior of the implemented system was also investigated when the operator set load limits, which is crucial for managing demand response events. The system successfully adjusted the operating schedules to meet energy constraints without affecting water heating needs, confirming its ability to dynamically adapt to changing network conditions while optimizing costs.

Future expansions include integrating more devices, improving optimization algorithms, and using more data sources for better energy consumption forecasting.