Systém OLAF: chytré řízení domácí energetiky pomocí aplikované matematiky

Problém: elektrárna vyrábí, ale neplánuje

Fotovoltaika a domácí bateriová úložiště se v Česku během několika let staly běžnou součástí energetiky. Fotovoltaickou elektrárnu má v Česku přibližně 200 tisíc domácností a celková kapacita baterií dosáhla na konci roku 2025 hodnoty 2 549 MWh. Samotná kombinace fotovoltaiky a baterie však ještě neznamená, že domácnost využívá vyrobenou energii optimálně.

Bez inteligentního řízení systém reaguje především na aktuální situaci. Přebytek výroby uloží nebo odešle do sítě, při nedostatku začne energii odebírat. Nezohledňuje přitom dostatečně to, co se pravděpodobně stane za několik hodin.

Výsledek může být paradoxní: domácnost dodává elektřinu do sítě v době velkého přebytku a nízkých či dokonce záporných cen, zatímco později musí energii nakupovat ve špičce.

Obr. 1: Srovnání toků energie vzhledem k ceně energie. Nahoře: lokalita bez řízení – přes noc neodebírá a přes den přetéká pouze v době, kdy je cena nulová. Dole: řízená energie, která přetéká jen v drahých hodinách a v poledne si dokonce dovolí odebírat za nulové až mírně záporné ceny.

Řešení: rozhodovat podle toho, co přijde

Právě tento problém řeší projekt Vývoj systému OLAF ve společnosti OLC Systems s.r.o. (CZ.01.01.01/01/24_062/0007524), realizovaný od května 2025 do května 2027 s podporou Operačního programu Technologie a aplikace pro konkurenceschopnost Ministerstva průmyslu a obchodu. Tým TP KMA z Univerzity Palackého se do projektu zapojil v únoru 2026.

Základní myšlenka systému OLAF je jednoduchá: neřídit domácí energetiku pouze podle toho, co se děje právě teď, ale odhadnout další vývoj a podle něj naplánovat nejvýhodnější postup.

Tři partneři, jedno řešení

Projekt propojuje tři různé oblasti expertizy.

• AgreFlex přináší znalost energetiky, flexibility a zkušenosti z reálného provozu.

• OLC Systems zajišťuje softwarový vývoj, cloudové řešení, lokální zařízení OLAF Box a komunikaci se střídači a dalšími technologiemi.

• Technologická platforma KMA Univerzity Palackého vyvíjí predikční a optimalizační modely – matematické jádro, které z dostupných dat vytváří plán dalšího řízení. Řešitelský tým tvoří akademici, doktorandi i mladší studenti.

Obr. 2: Zařízení OLAF Box.

Od dat k rozhodnutí

U zákazníka komunikuje OLAF Box se střídačem, baterií a dalšími prvky domácí energetiky. Data se následně využívají pro výpočty strategie řízení. Vlastní hardwarové a softwarové řešení zároveň znamená, že systém není při svém fungování odkázán na cloudové služby výrobců střídačů a změny jejich rozhraní. Data i samotné řízení tak zůstávají pod kontrolou provozovatele systému.

Matematická část celého procesu se dá zjednodušeně rozdělit do tří navazujících úloh.

1. Kolik elektřiny vyrobíme?
Z dostupných dat a předpovědi počasí je potřeba odhadnout budoucí výrobu fotovoltaické elektrárny.

2. Kolik elektřiny spotřebujeme?
Modely se z historických dat učí chování konkrétní domácnosti a odhadují její spotřebu v následujících hodinách.

3. Co s energií uděláme?
Predikce výroby a spotřeby se stávají vstupem optimalizačního modelu. Ten spolu s dalšími informacemi hledá nejvýhodnější strategii řízení.

Obr. 3: Srovnání predikcí od týmu TP KMA (přerušovaná křivka) s následnou skutečnou výrobou fotovoltaické elektrárny (plná křivka) ve dvou dnech. Nahoře: proměnlivá oblačnost, dole: slunečný den.

Právě práce s reálnými daty je jednou z věcí, která projekt odlišuje od běžných studentských úloh. Modely vznikají nad provozními daty ze stovek domácností a jejich výsledky mají být součástí skutečně používaného systému.

„Školní úlohy bývají připravené tak, aby měly nějaké správné řešení. U reálného projektu nic takového předem nevíme. Já se věnuji predikci výroby fotovoltaiky – na první pohled jde o běžný regresní problém a možností, jak ho řešit, existuje spousta. Můžeme několik hodin vymýšlet složitý model na míru a nakonec zjistit, že stejně dobře nebo lépe funguje jednoduchá metoda, kterou už někdo dávno implementoval ve statistickém softwaru. Pak je potřeba přijmout, co ukazují data, a posunout se dál,“ popisuje Filip Malíček, doktorand Katedry matematické analýzy a aplikací matematiky, který na projektu začal pracovat ještě během svého předchozího studia.

Když nejlepší rozhodnutí teď nemusí být nejlepší za chvíli

Samotná předpověď výroby a spotřeby nestačí. OLAF z ní musí odvodit konkrétní strategii pro následující hodiny až dny. Do rozhodování vstupuje také aktuální stav baterie a spotové ceny elektřiny na následující den.

Algoritmus plánuje, kdy baterii nabíjet a vybíjet, kdy přesunout spotřebu a kdy omezit přetok elektřiny do sítě. Jednotlivá rozhodnutí přitom nelze dělat izolovaně: energie uložená v baterii nemá v každém okamžiku stejnou hodnotu. Kilowatthodina uložená pro využití večer během cenové špičky může být cennější než stejná kilowatthodina spotřebovaná okamžitě – zároveň ale může být výhodné baterii před očekávanou vysokou výrobou částečně uvolnit.

Právě hledání nejlepší strategie v čase je optimalizační úlohou, kterou řeší matematické modely vyvíjené týmem Technologické platformy KMA.

„Nejzajímavější je, že jednotlivé řízené časové úseky nejsou nezávislé. Proto řešíme optimalizační úlohu pro celý horizont. A protože hodnota uložené energie je daná budoucími cenami a budoucí výrobou a spotřebou, napojuje se úloha řízení přímo na predikce. Protože se ale forecast většinou aspoň trochu liší od reality, musíme vhodně pracovat i s takto vzniklým rozdílem energie. A vzhledem k tomu, že se predikce výroby a spotřeby v čase mění a pokud možno zlepšují, přepočítává se pravidelně i samotná optimalizační úloha,“ vysvětluje Jáchym Jelínek, absolvent magisterského studia Aplikované matematiky, který na projektu i po dokončení studia pokračuje jako externí konzultant.

Úspora pro domácnost, pomoc pro síť

Pro uživatele má celý výpočet nakonec velmi praktický výsledek: systém může sám rozhodovat, jak dostupnou energii využít, aniž by majitel domácnosti musel sledovat předpověď počasí, ceny elektřiny nebo stav baterie a sám podle nich ručně měnit nastavení.

Výhodnější řízení ale nemá význam jen pro jednotlivou domácnost. Pokud dokáže spotřebu přesouvat do období s přebytkem elektřiny, a naopak omezovat nevhodné přetoky do sítě, může přispívat také k lepšímu sladění výroby a spotřeby v celé energetické soustavě.

Od fotovoltaiky k flexibilní domácnosti

OLAF se v současnosti pilotně ověřuje na 150 lokalitách a v pěti energetických komunitách. Dalším krokem může být zapojení nabíjení elektromobilů či tepelných čerpadel a následně také agregace flexibility. Jednotlivé domácnosti se tak mohou z pasivních odběrných a výrobních míst postupně stát aktivními prvky energetické soustavy, jejichž spotřebu, výrobu a akumulaci lze koordinovat podle aktuálních potřeb sítě.

Tím se původní otázka „co udělat s elektřinou z fotovoltaiky“ postupně rozšiřuje na obecnější problém: jak řídit energetiku domácností jako jeden celek a využívat její flexibilitu tam, kde má právě největší hodnotu.

Reference: Jakub Dostál, AgreFlex

„Umíme postavit software, který spolehlivě komunikuje se střídačem, sbírá data a běží u stovek zákazníků. Jenže otázka, co má systém v danou chvíli s energií udělat, není programátorský problém, ale matematický. Mohli jsme si napsat sadu pravidel typu ‚když je levno, nabíjej‘, ale taková pravidla fungují jen do první situace, na kterou jsme nepomysleli. Proto jsme hledali někoho, kdo optimalizaci a predikci opravdu rozumí. Na týmu TP KMA oceňuji hlavně to, že nehledá nejsložitější model, ale ten, který nad našimi daty skutečně funguje a dá se nasadit do provozu.“