المفهوم العام لإدارة القدرة الكهربائية الذكي IEPMS

تحليل المفهوم العام لإدارة القدرة الكهربائية الذكي IEPMS

نما الطلب على الكهرباء بشكل مستمر في السنوات الأخيرة، مما زاد من ضرورة توسيع مصادر التوليد وشبكات التوزيع وكفاءة المعدات، بالإضافة إلى ذلك؛ فإنه من الضروري الاهتمام بالتنمية المستدامة بطريقة توفيقية، بحيث زادت التطبيقات التي تتضمن الإدارة الذكية للشبكات الموزعة لتحقيق التوازن بين النمو والاستدامة، وفي هذا السياق يقدم هذا الطرح تطوير نظام إدارة الطاقة الكهربائية الذكي (IEPMS) من أجل التعظيم الاقتصادي لنظام الطاقة الكهروضوئية المطبق على وحدة سكنية للمستهلكين بدون تخزين.

وباستخدام بيانات الأرصاد الجوية التاريخية وإرشادات لمحاكاة عادات استخدام الطاقة؛ فإنه يتوقع (IEPMS) كلاً من التوليد والطلب في غضون (24) ساعة من التوقعات، بحيث تم بناء مشكلة التحسين وحلها باستخدام تقنية الخوارزمية الجينية للعثور على اللحظات الأكثر اقتصادا لقيادة الأحمال. يهدف هذا النموذج إلى الوصول إلى أقل تكلفة يومية للكهرباء، مع الأخذ في الاعتبار عودة (بيع) الطاقة غير المستخدمة إلى شركة توزيع الكهرباء.

وللتحقق من صحة (IEPMS) في أربعة أنماط استخدام ودمج (26) سيناريو، وهي تلك التي تتكون من المرونة ونوع التعريفة الجمركية والوصول إلى المعدلات التي توفرها طريقة التنبؤ بالمناخ المقترحة للنظام، ونتيجة لذلك كانت مدخرات (IEPMS) مع الأخذ في الاعتبار التعرفة البيضاء (34.72 ٪) لمدة عام واحد، وذلك بافتراض استخدام العمل الخارجي بدوام كامل، وبالإضافة إلى ذلك كان من الممكن في جميع السيناريوهات تحديد أن أداء الطريقة المقترحة لم يكن أقل من (97٪)، تم قياسه من خلال الخطأ النسبي بين معدلات الإصابة المميزة للتنبؤات المناخية التي تم تقييمها.

نموذج التحسين المرتبط بتوفير القدرة الكهربائية

يهدف نموذج التحسين إلى تعظيم توفير الطاقة لوحدة المستهلك وفقاً لعادات استهلاك السكان المتأثرة بالظروف المناخية المحلية، وذلك وفقاً لأنواع التسعير المختلفة، بحيث يعرض الشكل التالي (1) بنية النظام الذكي لإدارة الطاقة الكهربائية، وذلك مع الأخذ في الاعتبار المعلومات حول توليد الطاقة واستهلاكها في وقت واحد.

• متغيرات مشكلة التحسين: (التفاصيل (A) من الشكل 1)، بحيث تجمع هذه الفئة المتغيرات التي تشكل مشكلة التحسين، كما تتضمن المعلومات الأحمال الكهربائية لوحدة المستهلك والمعدات الكهربائية للنظام الكهروضوئي الخاص بوحدة التوليد، بحيث تتأثر هذه العناصر بشدة بالاستدلال ونمط الحياة لسكان وحدة المستهلك والتغييرات اليومية تؤثر على الاستدلال في المتغيرات المناخية.

• الطلب على الطاقة: (التفاصيل (B) من الشكل 1)، هنا تقوم هذه الفئة ببناء المعلومات حول طلب المستهلك، كما يحدد تطبيق طرق التكوين لطلب الطاقة في اليوم التالي (D + 1) الأحمال التي سيتم تعيينها على أنها قيد التشغيل، وبالتالي ستدخل في نظام التوزيع الزمني للحمل، كما يتم حساب توليد الطاقة اليومي أيضاً ويتم تخصيص الأحمال بشكل عشوائي في الوقت المناسب، مع احترام قيودها وفقاً لمرونة المستخدمين واستدلالهم وعاداتهم، وفي هذه المرحلة دون أي هدف اقتصادي.

• عملية التحسين: (التفاصيل (C) من الشكل 1)، هذه الفئة مسؤولة عن تنفيذ تقنية التحسين بناءً على خوارزمية جينية، بحيث تتلقى الخوارزمية الجينية المعلومات من المجموعات السابقة وتبحث عن أفضل أوقات التشغيل الأولية (OPTi) لكل حمل، كما وتهدف دائماً إلى تحقيق أفضل نتيجة اقتصادية لميزان الطاقة، أيضاً يتم النظر في تعريفات الطاقة المختلفة بشكل فردي. بعد عملية التحسين، ويتم تقييم التكاليف لمدة عام واحد.

متغيرات مشكلة التحسين

متغيرات مشكلة التحسين هي المسؤولة عن جمع المعلومات الضرورية للإدخال في نموذج التحسين، بحيث تم تقسيم هذه المتغيرات إلى ثلاث مجموعات فرعية رئيسية:

بيانات وحدة المستهلك: تقع وحدة المستهلك (PU) المستخدمة كمختبر تجريبي لهذا البحث في بورتو “أونياو” بالبرازيل، بحيث تمت ملاحظة عادات الاستهلاك وتم إنشاء نموذج إرشادي لتحديد احتمالية تعبئة الأحمال، كذلك النموذج العشوائي القائم على نموذج الاستدلال هو النموذج الذي يتنبأ بالأحمال التي سيتم تشغيلها في اليوم التالي.

بيانات الطقس: استخدم هذا المشروع ظروف البيانات المناخية من مدينة “كوريتيبا”، والتي تشبه إلى حد بعيد مدينة بورتو أونياو، بحيث تم توفير البيانات بواسطة مختبر بناء كفاءة الطاقة (LabEEE) التابع للجامعة الفيدرالية في سانتا كاتارينا (UFSC)، كما يحتوي (LabEEE) على بيانات متاحة من عام 1969م إلى 2005م، كما ويحتوي على متوسطات لكل ساعة لمجموعة من المتغيرات المناخية لكل يوم من أيام السنة.

بيانات تنبؤات المناخ الزائفة: يعتمد نموذج التنبؤ بالمتغيرات المناخية للفترة القادمة (D + 1) على البيانات التاريخية، بحيث تحدد النسبة المئوية لمعدل توقع المعلمة معدل مرات الدخول المتوقع، خاصةً إذا تم الحصول على معدل إصابة بنسبة 100٪ للتنبؤ بالإشعاع الشمسي؛ فإن الخوارزمية تفترض البيانات التاريخية لملف التوليد.

تقدم هذه الاستراتيجية للتنبؤ بالظروف المناخية عنصراً عشوائياً في النموذج، وذلك نظراً لتنوع الطقس وعدم اليقين فيه وكيف يؤثر على التنبؤ بتوليد الطاقة الشمسية والطلب على الطاقة في المسكن، بحيث يعرض الشكل التالي مخطط انسيابي لتوقعات المناخ الزائفة.

معطيات الطلب على القدرة الكهربائية

تم جمع البيانات الروتينية (نمط الحياة) من سكان الوحدة السكنية فيما يتعلق بعادات استخدام المعدات الكهربائية لجمع المراجع لبناء نموذج الطلب على الطاقة، كما تم تحديد حمولة الوحدة السكنية للتحقق من أي منها يمكن إدارته، بحيث ينقسم السكن إلى إحدى عشرة بيئة، وذلك بإجمالي 68 جهازاً كهربائياً بمتوسط ​​طاقة إجمالي يبلغ (29.393) كيلو وات.

حيث أن القوة الفردية لكل حمولة المعتمدة كمعامل للخوارزمية هي متوسط ​​القيمة بين الحد الأدنى والحد الأقصى لقوة التشغيل، وذلك مع مراعاة اختلافات الفاعلية المتأصلة للأحمال التي لها هذه الخاصية، مثل الغسالة والحديد المسطح والدش الكهربائي وغيرها.

توقعات الطلب على الطاقة: يتم تحديد الطلب للفترة التالية (D + 1) على شكل مجموعة من الأحمال الكهربائية، كما يتم تعريف كل واحدة بالمعلمات التالية، وهي الطاقة [P (W)] مدة الحمل الكهربائي (∂) ، وبداية ونهاية الفترة المحددة k (t1 و t2) عندما يمكن أن تتم العملية، كما يمكن أن تأخذ (γ”) في النموذج قيمًا بين (0 ،287) كمضاعفات فترة التقدير.

معدات قابلة للجدولة: تم اختيار الأجهزة الكهربائية الخاضعة للتحكم الآلي (قابلة للجدولة)، بحيث تميل هذه الأحمال إلى أن يكون لها نافذة تشغيل أكبر حيث يمكن تشغيلها دون وجود المستخدم، كما تظهر الأحمال القابلة للجدولة ونوافذ التشغيل الخاصة بها في الجدول التالي، ولا تتغير في مواجهة الملفات الشخصية بمرونة مميزة.

المعدات التي يشغلها المستخدم: تم اختيار الأجهزة ذات الاستهلاك العالي وإمكانية أكبر لإعادة تخصيص الاستخدام، حيث أن هذه الأجهزة لها نوافذ تشغيل مختلفة حسب مرونة كل مستخدم لكل حمل، وفي مثال الجدول التالي؛ فإنه من الممكن ملاحظة الأحمال ونوافذ التشغيل الخاصة بها لملف تعريف المستخدم الذي يعمل خارجياً لمدة (8) ساعات يومياً.