سیستم مدیریت انرژی خانه هوشمند

خانه هوشمند، خانه ایست که بایستی به توانایی های تصمیم گیری، کنترل، و بهینه سازی عملیات تجهیزات مستقر در خود مجهز باشد. چنین خانه ای بطور مستقل عمل می کند، و مداخله ی مالک انسانی در پایین ترین حد ممکن قرار می گیرد. یکی از مهم ترین عوامل تاثیرگذار بر پیاده سازی موفقیت آمیز یک خانه هوشمند، توانایی آن جهت مدیریت منابع انرژی، از جمله منابع تولید و ذخیره انرژی است. (سفارش ترجمه تخصصی رشته مهندسی برق)

مدیریت انرژی خانه هوشمند
مدیریت انرژی خانه هوشمند


این ترجیح به عواملی همچون درجه حرارت، رطوبت، تعطیلات و غیره بستگی دارد (چادوا و همکاران، 2017، چن و همکاران، 2017). با توجه به تحلیل صورت گرفته نسبت به این عوامل، می توان مصرف خانه خاصی را پیش بینی کرد. از پیش بینی بار برای تطبیق دهی زمانبندی وسایل خانگی، و پیاده سازی تکنیک های پاسخ تقاضا استفاده می شود. در واقعیت امر، پیش بینی نقش خیلی مهمی در پیش بینی شرایط کاری بهینه SHEMS دارد.

خانه از دو نوع بار، 1- کنترل پذیر، 2- غیرقابل کنترل ساخته شده است (باسیت و همکاران، 2017، یائو و همکاران، 2017، زنورین و مروف، 2017). بارهای کنترل پذیر، بارهایی هستند که تقاضایشان در گذر زمان، قابل مدیریت است. اما برای بارهای غیرقابل کنترل، زمانبندی مربوطه قابل کنترل نمی باشد. به عنوان مثال، برای ماشین ظرفشویی، زمانبندی عملیات بنحوی مدیریت شده که بارهای روشنایی با هیچگونه تاخیری روبرو نشوند. بارهای کنترل پذیر، بارهایی هستند که باید برای زمانبندی وسایل برقی خانگی موجود در SHEMS بکار بروند. آن ها برای اجرای تکنیک های پاسخ تقاضا کارایی دارند. بارهای کنترل ناپذیر، جزئی از بار کُل خانه هستند ، اما وضعیت عملکردی شان قابل زمانبندی نیست.

کاهش هزینه منابع انرژی تجدیدپذیر، فرصت جدیدی را برای مصرف کنندگان ایجاد نمود تا برق خودشان را تولید بکنند. این یعنی در حین بررسی خانه هوشمند، بایستی منابع انرژی تجدیدپذیر را هم لحاظ نمود. منابع انرژی تجدیدپذیر، محاسبات مربوط به پیش بینی تولید، استراتژی های ذخیره سازی و غیره را به همراه خود دارند.

بجز این ملاحظات؛ یک سیستم مدیریت انرژی خانه هوشمند ، شامل سیستم مدیریت باتری/ ذخیره سازی ، و شارژ خودروی برق (EV) می شود. اتصال خودرو به شبکه (V2G)، پیش بینی، زمانبندی وسایل خانگی و غیره دیگر اجزای چنین سیستمی هستند. (سفارش ترجمه تخصصی رشته مهندسی برق)

سیستم مدیریت انرژی خانه هوشمند

سیستم مدیریت انرژی خانه هوشمند (SHEMS)، نیازمند توسعه چارچوبی برای مدیریت نیازهای انرژی، تقاضا و منابع خانگی است تا هزینه های انرژی را کاهش بدهد، بدون اینکه سطوح آسایش کاربران را مختل نماید. چارچوب باید بنحوی توسعه یابد که تصمیم گیری ها به صورت مستقل اتخاذ بشوند، بدون اینکه کاربر نقش پُررنگی در آن ها داشته باشد.

برای بهینه سازی سیستم، در گام نخست نسبت به فرمول بندی سیستم اقدام می نماییم. در این عمل، اطلاعاتی راجع به پارامترهای ورودی سیستم ، و روابط شان با خروجی بدست می آید. خروجی معمولاً به صورت هزینه های انرژی تعریف می شود. چندین پارامتر ورودی عبارتند از نرخ های تعرفه ای، پیش بینی بار، وسایل خانگی و درجه اهمیت آن ها.

پس از فرمول بندی مساله، به بهینه سازی نیاز داریم. برای این هدف، از تکنیک های مختلف ریاضیاتی و فراابتکاری استفاده می شود. انتخاب تکنیک بهینه سازی به مساله فعلی، و توانایی تامین اهدافی مشخص همچون کاهش بهای انرژی، حداکثرسازی آسایش کاربر (UC)، کاهش بار در ساعات اوج مصرف، کاهش نسبت اوج به میانگین ، و بهینه سازی زمان کار وسایل برقی خانگی بستگی دارد.

در حالت عادی، چارچوب SHEMS بایستی طبق فرایند زیر به اجرا گذاشته بشود . مراحل این فرایند عبارتند از گردآوری و نظارت بر داده ها، پردازش و تحلیل داده ها، پیش بینی / تخمین (در صورت نیاز)، بهینه سازی و اجرا . سوای این اقدامات، یک سری ارتباطات بین چارچوب SHEMS و شبکه یا سازمان های ثالث ضروری است تا داده های مربوطه برای زمان های آتی رد و بدل بشوند (برای مثال تعرفه های انرژی، تخمین بار پایه و غیره). سیستم SHEMS با برقراری ارتباطات لازم ، قدرت کنترل عملکرد وسایل خانگی، سیستم های ذخیره سازی، و تولید برق از منابع انرژی تجدیدپذیر (RES) را فراهم می سازد.

نظارت بر مصرف انرژی منزل، اهمیت خیلی زیادی دارد. این عمل به شما کمک کرده تا الگوی مصرف انرژی خانه را درک کنید. می توان از این عمل برای پیش بینی مصرف انرژی در تاریخی دیگر استفاده نمود. ضمناً از تکنیک های پاسخ تقاضا (DR) برای بهینه سازی مصرف انرژی استفاده می شود. دو رویکرد اساسی برای نظارت بر بار وجود دارند. رویکرد نظارت بار تهاجمی ، و روش غیرتهاجمی (ابوبکر و همکاران، 2017، ژای و همکاران، 2018). نظارت بار تهاجمی هنگامی رخ می دهد که مصرف بار خانه ، مستقیماً بر حسب روشن/ خاموش بودن وسایل خانگی تحت نظارت قرار می گیرد . ژای و همکاران (2018)، با کمک پریزهای هوشمند چنین کاری را انجام دادند. نظارت بر بار غیرتهاجمی از روش های مختلفی برای بررسی مقدار مشخص مصرف بار ، در زمانی خاص از سوی وسایل برقی خانگی استفاده می کند. این موارد در زمره روش های غیرمستقیم نظارت بر الگوی مصرف بار قرار می گیرند. نظارت تهاجمی بر اساس تشخیص پراکنده است، اما نظارت غیرتهاجمی ، تشخیص تک نقطه ای را بکار می گیرد (ابوبکر و همکاران، 2017). فوستین و همکاران (2017)، تکنیک های مربوط به این روش ها را در بحث روش های نظارت بار غیرتهاجمی بررسی نموده اند. همچنین ریدی و همکاران (2014)، روش های نظارت بار تهاجمی را مرور نموده اند.

تحلیل داده های ذخیره شده در کنار کاربردش برای دستیابی به هدف SHEMS ، بواسطه ی الگوریتم های مختلفی رخ می دهد. پیش بینی پارامترهای مختلف، نقش مهمی در اجرای SHEMS دارد. پیش بینی برای اهداف مختلفی همچون تخمین بار مصرفی یا تعیین RES بکار می رود.

عامل مهم دیگری که روی عملکرد SHEMS اثرگذار است، اضافه شدن سیستم های ذخیره انرژی است. سیستم های ذخیره سازی، کار زمانبندی مجدد استفاده از وسایل خانگی مختلف را تسهیل می کنند. این سیستم ها، اطمینان عرضه انرژی را بهبود می بخشند. این سیستم ها در کاهش هزینه قبض برق نیز مثمرثمر واقع می شوند. سیستم های مختلف ذخیره انرژی که مدنظر قرار گرفته اند عبارتند از باتری، ذخیره انرژی حرارتی و خودروی برقی. (سفارش ترجمه تخصصی رشته مهندسی برق)

معماری SHEMS

در مطالعه ژای و همکاران (2018)، معماری بسیار ساده ای برای خانه هوشمند معرفی شده که در شکل 1 مشخص است. واحد SHEMS از طریق اتصال هوشمند، به تک تک تجهیزات متصل می باشد. همچنین واحد SHEMS با گیت وی ارتباط دارد تا دستورات DR را از شبکه دریافت بکند. RES ها در این معماری لحاظ نشده اند.

در تحقیق لو و همکاران (2019)، یک SHEMS فراگیر معرفی شده است . شکل 7 نشان دهنده معماری پیشنهادی است. SHEMS طیف وسیعی از ورودی ها را برای مدیریت بهینه مصرف انرژی در نظر می گیرد. خط نقطه چین بیانگر عملیات کنترلی SHEMS است. ورودی های SHEMS عبارتند از :

· الگوریتم ادغام طبیعی : برای جستجوی راه حل بهینه، در فضای جستجوی موجود بکار می رود.

· پایگاه داده خورشیدی : یک پایگاه داده خورشیدی است که برای پیش بینی تولید انرژی خورشیدی بکار می رود. شرایط فعلی آب و هوا، و داده های تاریخی پایگاه داده لحاظ می شوند تا بتوان به داده های توان تولیدی از پنل خورشیدی دست یافت.

· پایگاه داده خانه : از پایگاه داده خانه، برای نشان دادن کارکرد تاریخی بار غیرقابل کنترل خانه، و استفاده از توان حداکثری داخل خانه استفاده می شود. این داده ابزار مناسبی برای زمانبندی بارهای کنترل پذیر داخل منزل است.

· محدودیت ها : محدودیت های عملیاتی زیادی در SHEMS وجود دارند. بر اساس این ورودی، شرایط مربوطه مدنظر قرار می گیرند. همچنین محدودیت های وابسته به وسایل خانگی نیز در ساختار پیشنهادی لحاظ شده اند.

· تعرفه : قیمت گذاری بلادرنگ ، و سایر هزینه ها به عنوان ورودی SHEMS کاربرد دارند. تعرفه برق، عامل قیمت گذاری بلادرنگ است. ضمناً یک سری اطلاعات نیز برای مدیریت تغییرات تعرفه در دسترس هستند.

· مدل های وسایل خانگی قابل کنترل : داده های موجود در وسایل خانگی قابل کنترل خانه ، به SHEMS نیز منتقل می شوند. یک ارتباط دوطرفه بکمک این ورودی برای وسایل خانگی کنترل پذیر برقرار است. زمانبندی تعیین هزینه های عملیاتی بهینه را ممکن می سازد.

· ذخیره انرژی : ذخیره انرژی، یکی دیگر از ورودی های SHEMS است. این مولفه دارای رابطه دوطرفه ای با SHEMS است. مدل ذخیره انرژی باید جزئیاتی از ابزارهای فعلی ذخیره انرژی را ارائه بدهد. از سوی دیگر، SHEMS وظیفه کنترل شارژ/ تخلیه سیستم ذخیره انرژی باتری (BESS) را بر عهده دارد.

فرمول بندی و مدلسازی SHEMS

بیان مساله مربوط به SHEMS، به محدودیت ها و اهداف متعددی بستگی دارد. این موارد با توجه به عوامل لحاظ شده تعیین می شوند. در این بخش، راجع به مجموعه ای از اهداف، و محدودیت های شناسایی شده از مقالات تحقیقاتی قبلی بحث می کنیم. تابع هدف سیستم مدیریت انرژی خانه هوشمند ، طبق مطالعه سلیک و همکاران (2017) اینگونه تعریف می شود :

ساختار SHEMS در تحقیقات لوکشگپتا و سیوسبرمانی (2019)
ساختار SHEMS در تحقیقات لوکشگپتا و سیوسبرمانی (2019)

معادله 1 روی حداقلسازی هزینه برق کاربر تاکید دارد. این شاخص به صورت حاصلضرب پروفایل بار خانه، و انرژی فروخته شده توسط خانه هوشمند و قیمت انرژی تعیین می شود. مولفه های بکار رفته در معادله عبارتند از Cu هزینه برق روزانه، τ مقدار حداکثری در زمان تعیین شده، pu n (t) پروفایل توان خالص خانگی در بازه t، pus (t) توان تخمینی از تخلیه باتری در t و λ(t,pn(t)) روش قیمت گذاری برق هستند. همچنین از معادله 1 برای بهینه سازی SHEMS در تحقیق سلیک و همکاران (2017) استفاده شده است.

تکنیک های بهینه سازی و روش های دستیابی به راه حل

در تحقیق سلیک و همکاران (2017) از عوامل خانگی برای بهینه سازی SHEMS استفاده شده است. برای وسایل خانگی که امکان تغییر زمانبندی را دارند، بازه انتقال پذیر توسط کاربر تعریف می شود. عملکرد وسیله خانگی توسط عامل خانگی بهینه سازی می شود. همچنین مسئولیت شارژ/ تخلیه سیستم ذخیره و خودروی برقی بر عهده ی همین فرد است.

در تحقیق سلیک و همکاران (2017) از عوامل خانگی برای بهینه سازی مساله SHEMS غیرمتمرکز استفاده شده است. آن ها منافع اجتماعی را با زمانبندی وسایل خانگی ، و کنترل استفاده از سیستم های ذخیره انرژی را بهینه سازی می کنند. انرژی یک خانه هوشمند، در همان ناحیه به اشتراک گذاشته می شود. یکی از اهداف عوامل خانگی ، کاهش بار حداکثری کُل ناحیه (محله) است. عوامل خانگی با استفاده از الگوریتم ژنتیک این مساله را حل می کنند.

یک روش مبتنی بر MPC به عنوان برنامه نویسی تربیعی صحیح ترکیبی (MIQP)، در تحقیق کیلیان و همکاران (2018) بکار رفته است. ورودی های MIQP-MPC شامل پیش بینی آب و هوا، پیش بینی حضور افراد، دمای مرجع تنظیمی توسط کاربر، وزن های تعریف شده توسط کاربر، قیمت ها و محدودیت های شبکه هوشمند هستند. متغیرهای تولید شده در MIQP-MPC ، ورودی نیروگاه برق و پمپ حرارتی هستند. این متغیرها به حالت های پیوسته، نیمه پیوسته و گسسته طبقه بندی می شوند.

در جدول 1، زفر و همکاران (2017)، عملکرد روش های HSA، EDE، BFA را برای عوامل مختلف مقایسه نمودند. این تکنیک های بهینه سازی با توجه به شرایط عملکردی عوامل مربوطه ، انتخاب می شوند.

در تحقیق لوکشگپتا و سیوسبرمنی (2019)، نظریه بازی های تعاملی ، به منظور بهینه سازی مساله SHEMS چندهدفه پیشنهاد شده است. در مدل SHEMS پیشنهادی، بدنبال بهینه سازی دو تابع هستیم. اولاً دنبال کاهش هزینه برق خریداری شده از شبکه هستیم، ثانیاً تقاضای بار حداکثری خانگی را کاهش می دهیم.

جدول 2 خلاصه ای از تکنیک های بهینه سازی بکار رفته در تحقیقات قبلی، برای زمانبندی وسایل خانگی موجود در خانه هوشمند را به نمایش می گذارد.

ارتباطات SHEMS

از چارچوب SHEMS انتظار می رود که با مفاهیم دیگری همچون اینترنت، شبکه و وسایل خانگی ارتباط برقرار بکند. از این ارتباطات برای پیش بینی، تحلیل و تعیین بار خانه هوشمند استفاده می شود. هدف این سیستم، کاهش هزینه های انرژی است. همچنین از ارتباطات در خانه های هوشمند، برای اجرا یا کنترل عملیات، تبادل داده تجاری و غیره استفاده می شود. SHEMS از اینترنت برای دریافت پیش بینی های محیطی روز بعد استفاده می کند. ضمناً ارتباط با سایر تاسیسات برقرار می شود تا سیگنال های قیمت را بخواند (کشتکار و ارزانپور، 2017).

وضعیت وسایل خانگی در هر لحظه از زمان ، بوسیله پریزهای هوشمند توسط SHEMS تشخیص داده شده و به سایر قسمت ها منتقل می شود ، ژای و همکاران (2018) تحقیق لازم را در این زمینه انجام داده اند. وضعیت وسیله خانگی یک مقدار تکی است (روشن/ خاموش) ، یا حالت های مختلفی را شامل می شود (ژای و همکاران، 2018).در تحقیق کشتکار و ارزانپور (2017)، فناوری های ارتباطی بکار رفته در خانه هوشمند عبارتند از زیگ بی و وای فای که این موضوع به عملکردشان بستگی دارد. البته امکان استفاده از سایر فناوری ها نیز وجود دارد. در تحقیق گوانگ و همکاران (2017)، از تکنیک های ارتباطی مختلفی در داخل SHEMS استفاده می شود.

بجز این موارد، SHEMS باید با سایر منابع انرژی تجدیدپذیر داخل خانه، و سایر چارچوب های SHEMS در سیستم مدیریت انرژی سایر نواحی ارتباط برقرار بکند . سلیک و همکاران (2017)، و مونی و همکاران (2018) نسبت به تعیین این ارتباطات اقدام نموده اند.

پیش بینی

پیش بینی نقش خیلی مهمی در عملکرد بهینه SHEMS ایفا می کند. می توان این کار را برای RES ها، زمانبندی وسایل خانگی / پیش بینی بار، تبادل، ذخیره انرژی و غیره انجام داد.

پیش بینی RES در کنار مدل پیش بینی ، در تحقیقات سلیک و همکاران (2017)، کیکوساتو و همکاران (2018)، الما و همکاران (2017) ارائه شده اند. در تحقیق سلیک و همکاران (2017)، خطای پیش بینی نیز مورد مدلسازی قرار گرفته است. پیش بینی توان موجود در RES ، اغلب با توجه به داده های موجود در اینترنت و پیش بینی شرایط آب و هوایی صورت می گیرد.

لایه های ارتباطات SHEMS در تحقیق مختاری و همکاران (2019)
لایه های ارتباطات SHEMS در تحقیق مختاری و همکاران (2019)

منابع انرژی تجدیدپذیر و سیستم های ذخیره انرژی، دو بخش اصلی از خانه هوشمند هستند. می توان از انرژی تولید یا ذخیره شده ، برای کاهش قبض برق استفاده نمود. این کار نیازمند زمانبندی یا مبادله انرژی است. مصرف کننده خانه هوشمند، نقش مهمی در شبکه برق دارد و به اسم مصرف- تولید کننده نامگذاری می شود (مورستین و مک کلاچ، 2018، سوسا و همکاران، 2019). اکنون برای چنین افرادی جذاب تر است که نسبت به مبادله برق به صورت فرد به فرد (P2P)، و نه به صورت فرد به شبکه (P2G) اقدام بکنند ( لونگ و همکاران، 2018). همچنین مبادله P2P منجر به معرفی محیط ادغامی خانه هوشمند می شود و آن ها در سیستم مدیریت انرژی ناحیه ادغام می شوند. ناحیه می تواند یک ساختمان یا یک محله باشد. هدف این سیستم های مدیریت انرژی ناحیه ای ، بهینه سازی مصرف و تولید از RES، قابلیت های ذخیره سازی و کاهش هزینه کُلی یا شاخص های مشابه برای ناحیه.

https://fardapaper.ir/%D8%B3%D9%81%D8%A7%D8%B1%D8%B4-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D8%AA%D8%AE%D8%B5%D8%B5%DB%8C-%D8%A8%D8%B1%D9%82/


https://fardapaper.ir/%d8%b3%d9%81%d8%a7%d8%b1%d8%b4-%d8%aa%d8%b1%d8%ac%d9%85%d9%87-%d8%aa%d8%ae%d8%b5%d8%b5%db%8c/