الگوریتم مدیریت مصرف انرژی خانگی برای کاهش بار اوج و بهبود کیفیت توان

منتشر شده توسط: مایثم اس. احمد۱,۲، آزا محمد۱، راد ز. هومود۳، و حسین شریف۴

• ۱. دپارتمان مهندسی الکترونیک، الکتریک و سیستم، دانشکده مهندسی و محیط زیست، دانشگاه ملی مالزی
• ۲. مدیریت کل تولید انرژی الکتریکی-بصره، وزارت برق، عراق
• ۳. دپارتمان مهندسی نفت و گاز، دانشگاه بصره برای نفت و گاز، ۶۱۰۰۴ بصره، عراق
• ۴. دپارتمان مهندسی الکتریک، دانشگاه امارات متحده عربی، صندوق پستی ۱۵۵۵۱۱ العین، امارات

چکیده

در طول دهه‌های گذشته، مصرف انرژی خانگی به‌شدت افزایش یافته است؛ عمدتاً به دلیل رشد فزاینده تقاضای بار در بخش مسکونی. این مقاله یک الگوریتم مدیریت مصرف انرژی خانگی (Home Energy Management – HEM) را معرفی می‌کند که وظیفه مدیریت هوشمند لوازم خانگی را در خلال رویدادهای پاسخ به تقاضا (Demand Response – DR) بر عهده دارد. الگوریتم توسعه‌یافته، بارها را بر مبنای تنظیمات ترجیحی مشتری، اولویت لوازم و سبک زندگی راحتی که در هر زمانی قابل تغییر است، تنظیم می‌کند و پاسخ به تقاضا را در سطح تک‌تک لوازم اجرا می‌نماید. مدل‌های بار بر اساس ویژگی‌های عملیاتی و فیزیکی دستگاه‌ها طراحی شده‌اند تا اهداف استراتژی‌های DR را پوشش دهند. از آنجا که مدل‌های بار مسکونی نقشی حیاتی در پشتیبانی از استراتژی‌های DR دارند، چهار دستگاه — کولر گازی (Air Conditioner)، آبگرمکن (Water Heater)، خودروی الکتریکی (Electric Vehicle) و ماشین لباسشویی (Washing Machine) — به‌عنوان نمونه‌های بار انتخاب شده‌اند. نتایج نشان می‌دهد الگوریتم HEM پیشنهادی در مدیریت مصرف برق در سطح لوازم بسیار مؤثر عمل می‌کند و قادر است مصرف کلی برق خانگی را همواره زیر حد تقاضا (Demand Limit – DL) نگه دارد — آن هم بدون آنکه سطح آسایش ساکنان تحت تأثیر قرار بگیرد.

چکیده (لهستانی)

Streszczenie. در این مقاله، الگوریتمی برای مدیریت مصرف انرژی در خانوارها ارائه شده است. این الگوریتم با فرض سطح مجاز حد تقاضا، مصرف انرژی را بر اساس ویژگی‌های دستگاه‌های متصل به شبکه مدیریت می‌کند.

کلمات کلیدی

کلمات کلیدی (انگلیسی): مدیریت مصرف انرژی خانگی، پاسخ به تقاضا، لوازم هوشمند، بهره‌وری انرژی، کاهش بار اوج.

کلمات کلیدی (لهستانی): مصرف انرژی، خانوار، الگوریتم HEM.

مقدمه

مصرف برق الکتریکی در فصول مختلف سال و روزهای هفته تغییرات چشمگیری دارد. بیشترین تقاضای ساعات اوج معمولاً زمانی رخ می‌دهد که دمای هوا بالاست و سیستم‌های خنک‌کننده تمام‌قد کار می‌کنند. در چنین شرایطی — به‌ویژه در فصل تابستان — مصرف‌کنندگان نهایی مجبورند بابت افزایش مصرف انرژی برای مقاصد خنک‌سازی، بهایی بیش از نرخ عادی برق بپردازند [۱]. بار مسکونی بزرگ‌ترین سهم مصرف انرژی را به خود اختصاص می‌دهد و برای کاهش هزینه تولید برق، شرکت‌های خدماتی از برنامه‌های پاسخ به تقاضا بهره می‌گیرند؛ برنامه‌هایی که با کاهش تقاضای اوج و جابجایی مصرف لوازم خانگی از ساعات پرتقاضا به ساعات کم‌بار، تعادل شبکه را حفظ می‌کنند [۲]. از همین‌رو، زمان‌بندی و جابجایی مصرف برق به ساعات خارج از اوج، هم برای مصرف‌کنندگان و هم برای شرکت‌های خدماتی امری ضروری به شمار می‌رود [۳].

پاسخ به تقاضا (DR) به مجموعه برنامه‌هایی اطلاق می‌شود که با ارائه انگیزه‌های مالی یا غیرمالی، صاحبان خانه را تشویق می‌کنند تا مصرف انرژی خود را در زمان‌های اوج تقاضا کاهش دهند. هدف این برنامه‌ها، کاستن از فشار تقاضای اوج و ترغیب مصرف‌کنندگان نهایی به کاهش مصرف انرژی است.

در سال‌های اخیر، مدیریت مصرف انرژی خانگی با بهره‌گیری از پاسخ به تقاضا به یکی از موضوعات داغ تحقیقاتی تبدیل شده است [۴]. پژوهش‌های پیشین نشان داده‌اند که استفاده از DR برای ارتقای سیستم مدیریت مصرف انرژی خانگی امری ضروری است [۵]. برای پیاده‌سازی سیستم HEM کارآمد مبتنی بر DR، انواع مختلف دستگاه‌های الکترونیکی مصرف‌کننده باید از طریق اینترنت و شبکه خانگی از راه دور کنترل شوند تا تقاضای اوج کاهش یابد؛ اقدامی که می‌تواند خطر قطعی در شبکه‌های توزیع و انتقال را به‌طور قابل توجهی کاهش دهد [۶]. مدل‌های بار نیز باید برای ارزیابی DR در سطح مدارهای توزیع توسعه یابند تا رفتار مشتریان به‌دقت مطالعه شود. اخیراً، تکنیک‌های بهینه‌سازی متنوعی برای کمک به صاحبان خانه جهت ایجاد زمان‌بندی بهینه لوازم و جابجایی مصرف انرژی بر اساس برنامه‌های قیمت‌گذاری مختلف، تعرفه‌های متغیر و تنظیمات آسایش به کار رفته‌اند [۷]. در [۸]، الگوریتم انتخاب کلونی ایمنی برای HEM پیشنهاد شده تا مصرف برق کولر گازی و آبگرمکن بهینه شود. همچنین چارچوبی از سیستم HEM با استفاده از الگوریتم بهینه‌سازی کلون زنبور عسل ارائه گردیده که زمان‌بندی لوازم خانگی را بهبود می‌بخشد [۹]. رویکرد HEM مبتنی بر نظریه بازی برای کاهش نرخ مصرف برق اوج-میانگین مورد استفاده قرار گرفته است [۱۰]. تکنیک مبتنی بر قوانین نیز برای کاهش قبض برق با لحاظ برنامه DR مسکونی به کار گرفته شده [۱۱]. در [۱۲]، زمان‌بندی لوازم خانگی بر اساس قیمت‌های متغیر لحظه‌ای و برنامه تعرفه مبتنی بر DR بررسی شده است. افزون بر این، یک پلاگین هوشمند با حسگر بی‌سیم Zigbee برای اندازه‌گیری مصرف برق لوازم الکتریکی در سیستم‌های HEMS توسعه یافته [۱۳].

یکی از چالش‌های اصلی در زمان‌بندی لوازم خانگی، به حداقل رساندن مصرف انرژی بدون لطمه زدن به آسایش مشتری است. با این حال، بیشتر پژوهش‌های پیشین صرفاً بر صرفه‌جویی انرژی و کاهش قبض برق متمرکز بوده‌اند و سبک زندگی راحت مسکونی را در اولویت قرار نداده‌اند.

در این مقاله، الگوریتم HEM با در نظر گرفتن راحتی مشتری برای کاهش بار اوج خانگی طراحی شده است؛ الگوریتمی که قادر است هر رویداد DR مطلوبی را بازتاب دهد. مدل بار فعال‌شده با DR در سطح لوازم، به‌منظور دستیابی به صرفه‌جویی انرژی و کاهش قبض برق، بر اساس جابجایی عملکرد چندین لوازم به بازه‌های زمانی مشخص خارج از اوج به کار می‌رود. در این مطالعه، چهار مدل لوازم خانگی بر اساس ترجیحات مشتری و اولویت‌بندی لوازم در نظر گرفته شده‌اند: کولر گازی، آبگرمکن، خودروی الکتریکی و ماشین لباسشویی. بنابراین، الگوریتم HEM پیشنهادی به‌گونه‌ای توسعه یافته که مصرف برق در ساعات اوج را کاهش دهد و لوازم را به زمان خارج از اوج جابجا کند — بدون آنکه آسایش مشتری تحت تأثیر قرار بگیرد.

لوازم خانگی فعال‌شده با پاسخ به تقاضا

اهمیت مدیریت مصرف انرژی در ایران

در ایران، با توجه به رشد جمعیت و افزایش روزافزون مصرف برق، مدیریت تقاضا و بهبود کیفیت توان الکتریکی از اهمیت بالایی برخوردار است. الگوریتم‌هایی مانند HEM می‌توانند با کاهش بار اوج شبکه، نقش مؤثری در پایداری سیستم برق ایفا کنند و هزینه‌های تولید و توزیع را کاهش دهند. از سوی دیگر، بهبود کیفیت توان از طریق جلوگیری از اضافه‌بار و کاهش نوسانات ولتاژ میسر می‌شود و الگوریتم‌هایی از این دست در تحقق این هدف نقشی کلیدی دارند.

معماری و مدل‌سازی بارها در سامانه HEM

برای توسعهٔ یک الگوریتم مدیریت انرژی خانگی (HEM) که در مساکن شهری زیرساخت‌های پاسخ به تقاضا (DR) دارد، الزامآور است تا ویژگی‌های بارهای مصرفی و ترجیح‌های دارندets شناخته شوند. در این تحقیق، تنها بارهای قابل کنترل از جمله سازماندهی هوا (AC)، دودآب برقی (WH)، خودروی برقی (EV) و ماشین لباسشویی (WM) مورد توجه قرار گرفته‌اند که بر پایهٔ اولویت‌گذاری، سطح آرامش و ترجیحات کاربر تنظیم می‌شوند تا در سامانه HEM مشارکت کنند. مدل فیزیکی هر بار به عنوان یک عنصر کانفیгуری که در الگوریتم توسعه‌یافته HEM قرار می‌گیرد، مورد استفاده است. شکل ۱ معماری HEM را با AC، WH، EV و WM به عنوان بارهای متصل به کنترلر به نمایش می‌گذارد.

شکل ۱. معماری HEM

در شکل ۱، سیگنال DR که شامل جزئیات مدت زمان، وضعیت و مقدار بارگیری که باید حذف شود می‌شود، مستقیماً از یک شمارت‌ متر هوشمند (smart meter) در سامانه HEM دریافت می‌گردد [14]. سپس، بر پایهٔ محدودیت تقاضا، اولویت‌بندی بارها، درخواست DR و سطح آرامش تعیین‌شده توسط مصرف‌کننده، الگوریتم HEM حالت روشن یا خاموش بودن دستگاه‌ها را تنظیم می‌کند. ویژگی‌ها و ترجیحات بارها در جدول ۱ به‌صورت خلاصه بیان شده‌اند.

جدول ۱. اولویت بار و ویژگی‌ها

در این جدول، اولویت اول به AC اختصاص دارد و دمای اتاق باید در بازه ۲۳.۳۳ تا ۲۵.۵۶ درجه سانتی‌گراد ثابت بماند. اولویت دوم مربوط به WH است که دمای آب گرم باید بین ۴۳.۳۳ تا ۴۸.۸ درجه سانتی‌گراد نگهداری شود. EV به عنوان سومین سطح اولویت قرار دارد که فرض می‌شود باتری خودرو تا ساعت ۸ صبح روز بعد به‌طور کامل شارژ می‌شود. برای WM، مصرف‌کننده می‌تواند زمان تکمیل کار و حداکثر مدت فعال بودن سیل‌های حرارتی را تا ۹۰ دقیقه مشخص کند. سایر بارهای غیرقابل کنترل نیز وجود دارند، اما در این سامانه مورد استفاده قرار نمی‌گیرند. بخش‌های زیر ویژگی‌های AC، WH، EV و WM را توصیف می‌کنند.

سازماندهی هوا (AC)

یک AC حرارت نامطلوب را از یک ناحیه بیرون می‌کند. هنگامی که محدودیت تقاضا اجرا می‌شود و AC روشن است، اگر دمای داخل اتاق در محدوده آرامش باقی بماند، کنترلر AC را مجبور به خاموش کردن می‌کند. اگر دما به حداکثر مجاز نقطهٔ تنظیم برسد، واحد AC روشن می‌شود و دما به‌طور پیوسته کاهش می‌یابد. وقتی دمای اتاق به نقطهٔ تنظیم مجاز می‌رسد، سوئیچ اصلی AC خاموش می‌شود و دما در سطح آرامش حفظ می‌شود. هنگامی که دما بین ۲۳.۳۳ و ۲۵.۵۶ درجه سانتی‌گراد باشد، کنترلر AC را همان‌طور که در معادله (۱) بیان شده است، در حالت نگه‌داری می‌یم:

در اینجا mhvac وضعیت دستگاه است، mhvac = 1 به معنی روشن بودن دستگاه، و mhvac = 0 به معنی خاموش بودن دستگاه، Thvac,t دما اتاق به درجه سانتی‌گراد در زمان t است. توان مصرفی AC (Phvac,t) می‌تواند با استفاده از فرمول زیر محاسبه شود:

.

دودآب برقی (WH)

یک WH خانگی شامل یک ترموستات (thermostat) برای حس کردن دما و سوئیچ ON/OFF برای گرم کردن آب است [15]. هنگامی‌که دما آب به حداقل مناسب نقطه تنظیم هدفین، ۴۳.۳۳ درجه سانتی‌گراد، برسد، WH برای حفظ دما در بازه آرامش روشن می‌شود. اگر دما به حداکثر مجاز نقطهٔ تنظیم، ۴۸.۸۹ درجه سانتی‌گراد، برسد، WH خاموش می‌شود. هنگامی‌که دما در بازه ۴۳.۳۳ تا ۴۸.۸۹ درجه سانتی‌گراد باشد، وضعیت سوئیچ WH همان‌طور که پیشین بود، حفظ می‌شود. در شبیه‌سازی، دومین سطح اولویت بالا به WH اختصاص دارد و این دستگاه آخرین موردی است که پیش از پایان خاموش می‌شود.

وضعیت دستگاه WH (mwh) در یک بازه زمانی به شکل زیر بیان می‌شود:

در اینجا mwh وضعیت دستگاه است، mwh = 0 به معنی خاموش بودن دستگاه، mwh = 1 نشان‌دهنده روشن بودن دستگاه و Twh,t دما آب گرم به درجه سانتی‌گراد در زمان t است.

مصرف انرژی WH به کیلووات (Pwht) در یک بازه زمانی می‌تواند با استفاده از فرمول زیر تعیین شود:

.

که در آن Pwh مقدار توان نامی WH به کیلووات است.

خودروی برقی (EV)

باتری برای تأمین موتور EVها به کار می‌رود. برای مدل‌سازی یک EV، سه پارامتر باید در نظر گرفته شوند: توان شارژ نامی، زمان وصل‌شدن (plug‑in time) و حالت باری (SOC) باتری. SOC باتری EV فرض می‌شود بین ۲۰٪ تا ۱۰۰٪ متغیر باشد [16]. وقتی برای تکمیل شارژ یک EV لازم است، به توان شارژ نامی، زمان وصل‌شدن و SOC باتری وابسته است. در این تحقیق، فرض می‌شود EV زمانی به شارژر متصل می‌شود که SOC باتری به ۲۰٪ برسد و تا زمانی که باتری به‌طور کامل بارگیری شود، استفاده Mud نکنیم. وضعیت سوئیچ EV (mev) در بازه‌های زمانی می‌تواند با استفاده از فرمول زیر محاسبه شود:

در اینجا mev وضعیت دستگاه است، mev = 0 به معنی خاموش بودن وسیله، mev = 1 به معنی روشن بودن وسیله و SOCev,t SOC باتری در زمان t است.

مصرف توان EV به کیلووات (Pevt) در یک بازه زمانی با فرمول زیر تعیین می‌شود:

.

که در آن Pev مقدار توان نامی EV به کیلووات است.

ماشین لباسشویی (WM)

مصرف انرژی الکتریکی یک WM شامل موتور چرخانی و سیل‌های حرارتی است. مدل بار WM و توان نامی برای هر بازه زمانی از [18] گرفته شده است. یک WH روشن می‌شود و حداقل نیاز به یک بازه زمانی ۹۰ دقیقه‌ای دارد تا کار خود را تکمیل کند. WH موتور را خاموش می‌کند، وقتی کل زمان فعال به زمان مورد نیاز می‌رسد. وضعیت سوئیچ WM (mwm) می‌تواند به شکل زیر تعیین شود:

در اینجا mwm وضعیت دستگاه است، mwm = 0 به معنی خاموش بودن وسیله، mwm = 1 به معنی روشن بودن وسیله و twm,t بازه زمانی برای WM به دقیقه است.

مصرف توان WM به کیلووات (Pwmt) در یک بازه زمانی با فرمول زیر محاسبه می‌شود:

.

که در آن Pwm مقدار توان نامی WM به کیلووات است.

شکل ۲. نمودار جریان (Flowchart) الگوریتم HEM با در نظر گرفتن اولویت بار

الگوریتم پیشنهادی HEM

الگوریتم پیشنهادی HEM

الگوریتم پیشنهادی به‌گونه‌ای طراحی شده است که بتواند کنترل دستگاه‌های تهویه مطبوع (AC)، آب گرم‌کن (WH)، خودروهای الکتریکی (EV) و ماشین‌های لباسشویی (WM) را بر عهده بگیرد و بار مشتریان را به نحوی مدیریت کند که هزینه‌های مصرف برق کاهش یابد. الگوریتم HEM با خواندن داده‌ها و اطلاعات مربوط به تمامی دستگاه‌های ذکر شده آغاز می‌شود. در این فرآیند، هر دستگاه با چندین نقطه تنظیم مقایسه می‌شود که شامل اولویت بار، مصرف برق و تنظیمات ترجیحات مشتری در رابطه با دماهای AC و WH است. در صورتی‌که مجموع مصرف برق (PT) بیش از حد تقاضا (DL) باشد، الگوریتم دستگاه‌های با اولویت پایین‌تر را خاموش کرده و کارکرد دستگاه‌ها را به‌گونه‌ای تنظیم می‌کند که پس از پایان دوره رویداد DR، زمان عملیاتی آن‌ها جابه‌جا شود تا مجموع مصرف برق زیر حد DL باقی بماند. علاوه بر این، الگوریتم HEM یک سیگنال کنترل صادر می‌کند تا زمانیکه مجموع بار خانگی زیر سطح DL باشد، دستگاه‌ها را روشن کند. به این ترتیب، HEM زمان‌بندی دستگاه‌ها را بهینه‌سازی کرده و PT را زیر DL نگه‌می‌دارد. الگوریتم HEM در یک نمودار جریان به تصویر کشیده شده است که در شکل ۲ مشاهده می‌شود.

مراحل پیاده‌سازی الگوریتم HEM

1. از جدول ۱، مشخصات تمام دستگاه‌ها از جمله قدرت نامی آن‌ها را خوانده و ثبت کنید.
2. داده‌های ورودی کاربر شامل اولویت بار، دمای آب گرم، دمای اتاق، سطح راحتی، قیمت‌گذاری در زمان واقعی (RTP) و حد تقاضای کاربر (UDL) را مشخص نمایید.
3. سیگنال داده‌های خدمات عمومی از DR، حد تقاضا به کیلووات و مقدار بار کاهش یافته (LS) را تحلیل کنید.
4. حد تقاضای جدید (NDL) را با استفاده از معادله NDL = UDL – LS محاسبه کنید.
5. وضعیت دستگاه‌ها را برای تمامی تجهیزات با بهره‌گیری از معادلات (۶)، (۷)، (۹) و (۱۱) مشخص کرده و از معادلات مصرف انرژی الکتریکی خانگی (۴)، (۸)، (۱۰) و (۱۲) برای تعیین تقاضای جاری (D) استفاده نمایید.
6. وضعیت دستگاه‌ها را به‌روز کرده و همچنین شماره اولویت دستگاه‌های در حال خدمات را مشخص کنید.
7. شرطی را تنظیم کنید که بر اساس آن اگر NDL بزرگتر از D باشد، به مرحله ii بروید.
8. اگر NDL کمتر از D باشد، آنگاه دستگاه بر اساس سطح راحتی و اولویت دستگاه خاموش شده و به مرحله v بروید.

نتایج شبیه‌سازی

نتایج شبیه‌سازی و عملکرد الگوریتم پیشنهادی HEM در مدیریت مصرف دستگاه‌های الکتریکی به تفصیل و به‌روشنی شرح داده شده است. برای توضیح جزئیات، دو مطالعه موردی در نظر گرفته شده است. مورد اول شبیه‌سازی بدون اعمال DL است که در آن عملکرد AC، WH، EV و WM را به تصویر می‌کشد و این نتایج در شکل ۳ نمایش داده شده است. پارامترها و مشخصات مدل، مانند ابعاد WM و ویژگی‌های خودرو، از منابع [۱۷، ۱۸] استخراج شده است.

شکل ۳:

الگوی مصرف انرژی الکتریکی بدون DL (الف) AC، (ب) WH، (ج) EV، (د) WM، (ه) PT

دستگاه AC، دمای اتاق را در محدوده راحتی حفظ می‌کند و به طور متناوب خاموش و روشن می‌شود، همان‌طور که در شکل ۳(a) مشاهده می‌شود. در میانه روز، به دلیل افزایش دما، نیاز به زمان بیشتری برای خنک کردن فضا وجود دارد و به همین دلیل، قدرت بیشتری مصرف می‌شود. تغییرات دماهای WH با ویژگی‌های خاموش/روشن در شکل ۳(b) نشان داده شده است. WH برای رساندن دمای آب به محدوده‌ای که بین ۴۳.۳۳ تا ۴۸.۸۹ درجه سانتی‌گراد تنظیم شده، عمل می‌کند. به‌طور مشابه، در نیمه شب، EV که در ۲۰ درصد سطح شارژ قرار دارد، شروع به شارژ می‌کند، همان‌گونه که در شکل ۳(c) نمایش داده شده است. EV در مدت پنج ساعت و چهل و هشت دقیقه به طور کامل شارژ می‌شود. مشاهده در شکل ۳(d) نشان می‌دهد که WM دوبار در ساعت ۱۲:۰۰ ظهر و ۶:۰۰ بعدازظهر عمل کرده و ۴ کیلووات برق مصرف می‌کند. این دستگاه هر بار به حداقل یک و نیم ساعت زمان برای تکمیل چرخه کاری خود نیاز دارد. نهایتاً، مجموع مصرف برق خانگی که به صورت PT در شکل ۳(e) نمایش داده شده است، نشان می‌دهد که حداکثر تقاضا نمی‌تواند به‌طور کامل کنترل شود و به زمان استفاده از دستگاه بستگی دارد.

در مورد دوم، فرض شده است که رویداد DR از سوی شرکت برق با DL ۲ کیلووات بین ساعت‌های ۱۷ تا ۲۲ اعمال می‌شود، همان‌طور که در شکل ۴ نشان داده شده است.

شکل ۴:

الگوی مصرف انرژی الکتریکی با DL ۲ کیلووات (الف) AC، (ب) WH، (ج) EV، (د) WM، (ه) PT

با تعیین DL، WM، WH و EV باید خاموش شوند و تنها دستگاه AC با ۱.۲۵ کیلووات برق می‌تواند به کار خود ادامه دهد. WM و WH پس از پایان دوره DL نیاز به جابه‌جایی زمان‌بندی خود خواهند داشت. نتایج نشان می‌دهد که الگوریتم پیشنهادی HEM به‌خوبی می‌تواند مصرف کل انرژی الکتریکی را زیر مقدار DL انتخاب‌شده نگه‌ دارد. این الگوریتم به گونه‌ای عمل می‌کند که از فراتر رفتن مجموع مصرف برق از ارزش انتخاب‌شده DL جلوگیری می‌کند.

نتیجه‌گیری

الگوریتم HEM با هدف ایجاد یک روش کنترل تقاضای انرژی (DR) توسعه یافته است تا عملکرد دستگاه‌های خانگی را به گونه‌ای برنامه‌ریزی کند که هزینه‌های انرژی بهینه‌سازی شده و در عین حال راحتی مشتریان و ویژگی‌های دستگاه‌های الکتریکی در نظر گرفته شود. مدل‌های بار دقیقی برای AC، WH، EV و WM با توجه به ویژگی‌های عملیاتی و فیزیکی آن‌ها به‌طور خاص طراحی شده‌اند. الگوریتم HEM به شکلی پیاده‌سازی شده است که توجه به عملکرد بارهایی مانند AC، WH، EV و WM را با سیگنال DR مد نظر قرار دهد، تا مصرف انرژی بالا در منازل به حداقل برسد. نتایج فعالیت‌های الگوریتم HEM نشان می‌دهد که این الگوریتم توانایی حفظ مجموع مصرف انرژی الکتریکی زیر ارزش DL انتخاب شده را دارد و به‌خوبی می‌تواند بارهای خانگی را با احترام به تنظیمات ترجیحی مشتری و اولویت بار مدیریت کند. این الگوریتم همچنین به‌راحتی قابل پیاده‌سازی در منازل است، زیرا قابلیت انعطاف بالایی در کنترل انواع مختلف دستگاه‌های خانگی دارد.

قدردانی

نویسندگان از دانشگاه کبانگسان مالزی به خاطر حمایت مالی این پروژه تحت گرانت پژوهشی DIP-۲۰۱۴-۰۲۸ صمیمانه قدردانی می‌کنند.

مراجع

1. Zhang X., Shahidehpour M., Alabdulwahab A., Abusorrah A., Hourly Electricity Demand Response in the Stochastic Day-Ahead Scheduling of Coordinated Electricity and Natural Gas Networks, IEEE Trans on Power Syst. 31 (2016) 592-601.
2. Maharjan S., Zhu Q., Zhang Y., Gjessing S., Basar T., Demand Response Management in the Smart Grid in a Large Population Regime, IEEE Trans on SG. 7 (2016) 189-199.
3. Moreno-Munoz A., Bellido-Outeirino F.J., Siano P., Gomez-Nieto M.A., Mobile social media for smart grids customer engagement: Emerging trends and challenges, Renewable and Sustainable Energy Reviews. 53 (2016) 1611-1616.

مراجع

1. [۴] احمد ام‌اس، محمد ا، هومد آر زد، شریف ه. کنترلر برنامه‌ریزی بهینه زمان واقعی برای سیستم مدیریت انرژی خانگی با استفاده از الگوریتم جستجوی بازگشتی باینری جدید. انرژی و ساختمان‌ها. ۱۳۸ (۲۰۱۷) ۲۱۵–۲۲۷.
2. [۵] کودورو نی، مطالعه پایه‌ای برای تحقق فناوری رویدادهای زندگی در سیستم مدیریت انرژی خانگی. در: سیستم‌های مبتنی بر دانش در عمل. انتشارات بین‌المللی اسپرینگر، (۲۰۱۵) ۲۱–۳۸.
3. [۶] پاتل ک، خوسلا ا. سیستم‌های مدیریت انرژی خانگی در شبکه‌های هوشمند آینده: مرور سیستماتیک. IEEE NGCT. (۲۰۱۵) ۴۷۹–۴۸۳.
4. [۷] گودی ان، وانگ ال، ده‌بهکتونی و. پلتفرم شبیه‌سازی مبتنی بر مدیریت تقاضا که بهینه‌سازی هورستی را برای مدیریت لوازم خانگی ادغام می‌کند. Int. J. Electr. Power Energy Syst. ۴۳ (۲۰۱۲) ۱۸۵–۱۹۳.
5. [۸] هانگ یی یی، چن سی آر، یانگ اچ دابلیو. پیاده‌سازی پاسخگویی به تقاضا در سیستم مدیریت انرژی خانگی با استفاده از الگوریتم انتخاب جهش‌های ایمنی. کنفرانس CEC IEEE. (۲۰۱۵) ۳۳۷۷–۳۳۸۲.
6. [۹] ژانگ ی، زنک پ، زانگ چ. الگوریتم بهینه‌سازی برای سیستم مدیریت انرژی خانگی مبتنی بر کلنی زنبور مصنوعی در شبکه هوشمند. کنفرانس CYBER IEEE. (۲۰۱۵) ۷۳۴–۷۴۰.
7. [۱۰] محسنیان-راد اچ اچ، لئون-گارسیا ا. کنترل بار مسکونی بهینه با پیش‌بینی قیمت در محیط‌های قیمت‌گذاری لحظه‌ای برق. IEEE Trans on SG. ۲ (۲۰۱۰) ۱۲۰–۱۳۳.
8. [۱۱] احمد ام‌اس، شریف ه، محمد ا، علی جا، مطلب ا ه. سیستم مدیریت انرژی خانگی مبتنی بر قوانین با در نظر گرفتن کاربرد پاسخگویی به تقاضای مسکونی. Appl Mechanics & Materials. ۷۸۵ (۲۰۱۵) ۵۲۶–۵۳۱.
9. [۱۲] لی اش، هانگ اس. الگوریتم پاسخگویی به تقاضای مبتنی بر قیمت مورد انتظار کاربر برای سیستم خانگی به شبکه. انرژی. ۶۴(۲۰۱۴) ۴۳۷–۴۹.
10. [۱۳] احمد ام‌اس، محمد ا، هومد آر زد، شریف ه، صبری ا ه، خالد ک ب. نمونه اولیه اتصال هوشمند برای نظارت بر لوازم خانگی در سیستم مدیریت انرژی خانگی. کنفرانس SCOReD IEEE. (۲۰۱۵) ۳۲–۳۶.
11. [۱۴] وهیرِک پ، کونارسکی ام. دقت اندازه‌گیری برق در سیستم اندازه‌گیری هوشمند. بررسی برق، R. ۹۱ NR ۳ / ۲۰۱۵.
12. [۱۵] احمد ام‌اس، محمد ا، هومد آر زد، شریف ه، خالد ک. مدل‌سازی آبگرمکن الکتریکی و کولر گازی برای استراتژی پاسخگویی به تقاضای مسکونی. International Journal of Applied Engineering Research. ۱۱ (۲۰۱۶) ۹۰۳۷–۹۰۴۶.
13. [۱۶] فیوری سی، اهن ک، راکا اچ اچ. مدل مصرف انرژی خودروی الکتریکی مبتنی بر توان: توسعه و اعتبارسنجی مدل. انرژی کاربردی. ۱۶۸ (۲۰۱۶) ۲۵۷–۲۶۸.
14. [۱۷] چی اس، ژانگ زد، شُو ال. کنترل حسگرگونه بدون حسگر برای موتورهای همگام‌شونده بدون گذشته مستقیم برای کاربردهای ماشین لباسشویی. IEEE Trans on IA. ۴۵ (۲۰۰۹) ۵۸۲–۹۰.

نویسندگان

• مایثم اس احمد، دانشجوی دکتری در گروه مهندسی برق، الکترونیک و سیستم، دانشگاه ملی مالزی (UKM)، ایمیل: eng_maitham@yahoo.com.
• آزه محمد، استاد در گروه مهندسی برق، الکترونیک و سیستم، دانشگاه ملی مالزی (UKM)، ایمیل: azah@eng.ukm.my.
• رعد ز. هومد، استاد در گروه مهندسی نفت و گاز، دانشگاه بصره، عراق، ایمیل: raadahmood@yahoo.com.
• حسین شریف، استاد در گروه مهندسی برق، دانشگاه امارات متحده عربی، ایمیل: hussain_ln@yahoo.com.

شناسه منبع و ناشر: PRZEGLĄD ELEKTROTECHNICZNY، ISSN ۰۰۳۳-۲۰۹۷، R. ۹۳ NR ۳/۲۰۱۷، doi:۱۰.۱۵۱۹۹/۴۸.۲۰۱۷.۰۳.۴۶.

انتشارات PQBlog

پرسش‌های متداول

الگوریتم مدیریت مصرف انرژی خانگی چگونه به بهبود کیفیت توان کمک می‌کند؟

این الگوریتم با کاهش تقاضای اوج و جابجایی مصرف به ساعات خارج از اوج، از اضافه بار شبکه جلوگیری می‌کند و در نتیجه نوسانات ولتاژ و جریان را کاهش می‌دهد که مستقیماً به بهبود کیفیت توان الکتریکی منجر می‌شود.

پاسخ به تقاضا (DR) چیست و چه اهمیتی در مدیریت انرژی خانگی دارد؟

پاسخ به تقاضا برنامه‌ای است که مصرف‌کنندگان را تشویق می‌کند تا در زمان‌های اوج مصرف، مصرف انرژی خود را کاهش دهند. در مدیریت انرژی خانگی، DR با زمان‌بندی هوشمند لوازم و کاهش بار اوج به حفظ پایداری شبکه و کاهش هزینه‌ها کمک می‌کند.

آیا استفاده از این الگوریتم بر راحتی ساکنان خانه تأثیر می‌گذارد؟

خیر، الگوریتم با در نظر گرفتن ترجیحات مشتری و اولویت لوازم طراحی شده است تا مصرف انرژی را بدون تأثیر بر سطح راحتی و سبک زندگی بهینه کند.

چه لوازمی در این الگوریتم مورد استفاده قرار می‌گیرند؟

در این مطالعه، کولر گازی، آبگرمکن، خودروی الکتریکی و ماشین لباسشویی به عنوان لوازم کلیدی برای مدل‌سازی و کنترل در نظر گرفته شده‌اند.

چگونه می‌توان از این الگوریتم در پروژه‌های کیفیت توان استفاده کرد؟

الگوریتم مدیریت مصرف انرژی خانگی می‌تواند به عنوان بخشی از پروژه‌های بهبود کیفیت توان پیاده‌سازی شود تا با کاهش بار اوج و بهینه‌سازی مصرف، از عملکرد پایدار شبکه الکتریکی حمایت کند.

منبع: powerquality.blog