اقرأ في هذا المقال
ضرورة التنبؤ بالحمل الكهربائي قصير المدى لنظام الطاقة المتكامل
في السنوات الأخيرة، برزت مشاكل مثل نقص الطاقة والاستخدام غير الفعال للطاقة والتلوث البيئي، ومع التطور المستمر لتكنولوجيا الطاقة؛ سيتم استبدال نمط استخدام الطاقة التقليدي للإمداد المستقل للطاقة المختلفة تدريجياً، كما ويقترح (IES) (نظام الطاقة المتكامل) في هذا السياق، بحيث يدمج نظام الطاقة المتكامل استخدام أنواع مختلفة من الطاقة ويحقق إنتاج ونقل وتوريد مصادر الطاقة المختلفة من خلال أجهزة تحويل الطاقة وتخزينها.
وبالمقارنة مع نظام الطاقة الأحادي التقليدي؛ فإنه يمكن لنظام الطاقة المتكامل تحسين كفاءة استخدام الطاقة لكي ليصبح نقطة بحث عالمية ساخنة، ونظراً للاختلاف الأساسي في استخدام الطاقة بين (IES) ونظام الطاقة التقليدي؛ فإن التنبؤ بالحمل الخاص بـ (IES) يختلف تماماً أيضاً عن نظام الطاقة التقليدي.
وفي (IES) بالإضافة إلى العوامل الخارجية مثل الطقس ونوع اليوم التي تؤثر على الحمل الكهربائي؛ فإنه يجب اعتبار التفاعل الداخلي بين أنواع الأحمال المختلفة أكثر أهمية، كما تحدد آلية تشغيل (IES) هذا التفاعل، لذلك فإن الدراسة الشاملة للتفاعل بين الأحمال المختلفة هي الفرق الرئيسي بين (IES) ونظام الطاقة التقليدي في التنبؤ بالحمل.
لذلك يتم تقسيم فئة التنبؤ بالحمل وفقاً للنطاق الزمني المتوقع، ومن بين جميع الفئات، يعد التنبؤ بالحمل قصير الأجل هو الأكثر شيوعاً، كما ويهيمن النطاق الزمني للتنبؤ بالساعات، وهو أمر بالغ الأهمية لجدولة إمدادات الطاقة والطلب لشبكة الطاقة، على سبيل المثال قام العديد من مشغلي النظام المستقلين بتنفيذ أسواق الاستجابة للطلب في اليوم التالي وبرامج المولدات الكهربائية لتحقيق استقرار نظام الطاقة، بحيث يعتمد البحث في هذا البحث على مثل هذا الهدف.
أما في نظام الطاقة التقليدي؛ فإنه يتم توفير الحمل بشكل مستقل، لذلك لقد أصبحت طريقة ناضجة لاستخدام بيانات الحمل التاريخية والعوامل المؤثرة كأساس للبيانات لنموذج التنبؤ بالحمل، بحيث يمكن استكمالها بمجموعة متنوعة من خوارزميات الذكاء الاصطناعي ذات القدرة الممتازة على ملاءمة البيانات، مثل الانحدار التلقائي للمتجهات وآلة ناقلات الدعم والشبكة العصبية والتعلم العميق.
وعادة الحصول على دقة تنبؤ مرضية. هذه الخوارزميات لها مزاياها من حيث استخراج الميزات والقدرة على التعلم ولها قيمة تطبيق مفيدة في التنبؤ بالأحمال، وفي السنوات الأخيرة، بدأ مفهوم اندماج الخوارزمية في الارتفاع والتطور بسرعة، لذلك لقد أصبح أسلوباً شائعاً في البحث الأكاديمي ومنافسة البيانات.
التحليل البحثي المرتبط بخصائص IES
خصائص الاستهلاك: في المجمعات الصناعية الفعلية والمراكز التجارية والمباني السكنية وغيرها من (IES) النموذجية تحتاج إلى تلبية احتياجات المستخدم من الكهرباء والتبريد والتدفئة وغيرها من احتياجات الطاقة، كما ويتأثر طلب المستخدمين على الطاقة بظروف الأرصاد الجوية والأنشطة البشرية وخصائص المبنى.
وفي هذا البحث، تم اختيار بيانات حمل التبريد والتدفئة الكهربائية لعام (2019م) في حرم جامعة ولاية أريزونا في (Tempe) كعينات، كما وتم توضيح أشكال الأحمال المختلفة من (IES) من مقاييس ثلاث مرات ربع سنوية وأسبوعية وكل ساعة على التوالي، بحيث يتم تحليل خصائص الاستهلاك.
آلية التفاعل بين جانبي العرض والطلب لـ (IES): كجيل جديد من نظام الطاقة؛ فإنه يمكن لـ (IES) تلبية احتياجات الطاقة المختلفة للمستخدمين، وفي (IES) الناضجة، يقوم مقدمو خدمات الطاقة المتكاملة على جانب (IES) بإدارة وإرسال أشكال مختلفة من الطاقة، كما ويتم إرسال معلومات استخدام الطاقة للمستخدمين النهائيين في الوقت المناسب إلى مزودي خدمات الطاقة المتكاملة، والذين يقومون بتحويل وتوزيع الطاقة قرارات بعد تلخيص وتحليل معلومات استخدام الطاقة.
على وجه التحديد، يمكن تحويل طاقة شبكة الكهرباء والغاز وتخزينها من خلال أجهزة تحويل وتخزين طاقة مختلفة ومن ثم توفيرها للمستخدمين النهائيين على جانب (IES)، وعلى جانب المستخدم النهائي، بحيث تجمع المعدات الطرفية الذكية احتياجات الطاقة المختلفة للمستخدمين وتعيدها إلى جانب النظام لإجراء تحويل الطاقة، وذلك كمنسق لعملية التفاعل بأكملها، كما يلعب مزود خدمة الطاقة المتكاملة دوراً حيوياً في تحليل معلومات التغذية الراجعة في الوقت المناسب واتخاذ القرارات الصحيحة.
تحليل ارتباط الأحمال: تميل أنظمة الطاقة التقليدية إلى تجاهل جودة الطاقة عند العمل بشكل مستقل والتركيز على أشكال أبحاث الطاقة البسيطة، ومع ذلك هناك عدد كبير من معدات تحويل الطاقة في نظام الطاقة المتكامل، والتي تركز بشكل أكبر على جودة الطاقة المكررة وأشكال الطاقة التي يحتاجها المستخدمون بشكل مباشر.
كما أن العلاقة المعقدة والمتكاملة بين الأحمال المختلفة لا تعتمد فقط على سلوك المستخدم في جانب الطلب، ولكنها تتأثر أيضاً بعوامل الأرصاد الجوية. غالباً ما لا تكون التغييرات في الطلب على الأحمال متعددة الطاقة مستقلة تماماً، ومن المرجح أن تنتقل التغييرات المفاجئة في حمل معين إلى أحمال أخرى كإشارة.
ومن أجل تحليل تأثير هذه الخاصية من (IES) على التنبؤ بالحمل، وفي هذا البحث؛ فإن هناك أربعة فهارس مترابطة، بما في ذلك (REC)، وهي (نسبة الحمل الكهربائي إلى حمل التبريد)، (DEC)، وهو الفرق بين الحمل الكهربائي وحمل التبريد، كذلك (REH)؛ فإنه تم إنشاء نسبة الحمل الكهربائي إلى حمل التدفئة و (DEH)، وهي (الفرق بين الحمل الكهربائي وحمل التدفئة).
وذلك بناءً على حساب حمل التبريد والتدفئة، كما وكانت بيانات أحمال التبريد والتدفئة الكهربائية أعلاه لحرم جامعة ولاية “أريزونا” في “تيمبي” في عام (2019م) تستخدم لتحليل العلاقة بين أحمال التبريد والتدفئة الكهربائية والفهارس ذات الصلة.
كما يكشف الشكل التالي (3) عن خاصيتين أساسيتين للعلاقة بين الأحمال المختلفة في نظام الطاقة المتكامل:
- هناك دائماً ارتباط (خطي أو غير خطي) بين أحمال الكهرباء والتبريد والتدفئة في أي وقت.
- العلاقة بين مؤشر الارتباط والحمل الكهربائي بشكل عام أكثر أهمية من علاقة التبريد وحمل التسخين، ولا يمكن تجاهل علاقة الاقتران.
ولتحليل العلاقة بين الأحمال المختلفة لـ (IES) بعمق، كما تم استخدام (MIC)، وهو (معامل المعلومات الأقصى) لقياس الارتباط الخطي وغير الخطي بين الأحمال والمؤشرات ذات الصلة، كذلك (MIC) هي طريقة تستخدم لحساب درجة الارتباط الخطي أو غير الخطي بين متغيرين، وبالمقارنة مع طرق تحليل الارتباط مثل معامل ارتباط الشخص؛ تتمتع (MIC) بمزايا الشمولية والإنصاف والتماثل وتؤدي بشكل أفضل في حساب درجة الارتباط بين البيانات الخطية وغير الخطية.
كما تستفيد (MIC) من المعلومات المتبادلة، ويتضمن حساب المعلومات المتبادلة احتمالات مشتركة، لذا فإن فكرة (MIC) هي تحديد العلاقة بين متغيرين في مساحة ثنائية الأبعاد واستخدام مخطط مبعثر لتمثيلها.
لذلك قسّم المساحة ثنائية الأبعاد الحالية إلى عدد معين من الفواصل الزمنية في اتجاهي (x و y)، ثم تحقق من كيفية سقوط نقاط التبعثر الحالية في كل شبكة، حيث أن هذه هي عملية الحساب البديلة للاحتمالية المشتركة، والتي تحل المشكلة التي يصعب حساب الاحتمال المشترك في المعلومات المتبادلة، وهي صيغة (MIC) هي كما يلي:
حيث إن:
[I (x ، y)]: عبارة عن معلومات متبادلة.
(a ، b): هما عدد الشبكات المقسمة في اتجاهي (x ، y).
(B): متغير، وقيمته عموماً حوالي (0.6) من قوة البيانات.
