منهجية تجميع أحمال الكهرباء المستندة إلى ملف التعريف

تحليل منهجية تجميع أحمال الكهرباء المستندة إلى ملف التعريف

يتغير النموذج في صناعة الطاقة الكهربائية بسبب انتشار العدادات الذكية والموارد الموزعة، بحيث يتيح انتشار العدادات الذكية إمكانية الحصول على بيانات قياس محسنة عن استهلاك الطاقة، والتي أصبحت أنماطها أكثر تنوعاً مع انتشار الموارد الموزعة، كما تُستخدم بيانات استهلاك الكهرباء لإنشاء ملفات تعريف حمل الكهرباء (LPs) وتوفير معلومات استخدام الكهرباء بمرور الوقت.

كما تمكن هذه البيانات من تطوير استراتيجيات مفصلة لتخطيط وإدارة إمدادات الكهرباء فهم استقرار أنماط استخدام الكهرباء اليومية بمرور الوقت رؤى أعمق لكيفية توفير الأسر لاستخدام الكهرباء، كما يمكن أن تساعد هذه المعلومات المشغلين في التنبؤ بالأحمال والتخطيط وتعريفات التصميم وتحسين الكفاءة في تشغيل وإدارة الطلب على الاستجابة الجانبية وموارد الطاقة الموزعة.

كذلك يمكن للمستهلكين خفض فواتير الكهرباء وبيع الكهرباء الفائضة عن طريق تقليل الاستخدام غير الضروري للكهرباء، وعلى وجه الخصوص تظهر أنماط مختلفة لاستهلاك الطاقة بسبب التوسع التدريجي في تركيبات الألواح الشمسية والمركبات الكهربائية، وبالنسبة للمرافق والمشغلين هناك حاجة إلى نهج تكيفي للتخطيط الفعال وإدارة الموارد الموزعة من أجل استيعاب التغييرات في بيئة الشبكة الذكية هذه.

أيضاً تُظهر ملفات تعريف الحمل أنماط استخدام الكهرباء بمرور الوقت وهي أساسية للإدارة المنهجية، حيث تصور ملفات تعريف الحمل أنماط الاستهلاك اليومي من خلال المتوسطات المحسوبة لفترات زمنية محددة خلال اليوم، كما يوفر منحنى الحمل الذي تم إنشاؤه للمشغلين معلومات مرئية حول استهلاك الكهرباء، كما تتضمن هذه المعلومات توقيت وحجم استخدام الكهرباء، بحيث يصف أسلوب حياة مستهلكي الكهرباء، بما في ذلك ذروة الأحمال الكهربائية.

لذلك يمكن أن تُظهر ملفات تعريف الحمل المستخدمة على نطاق واسع خسارة متأصلة في المعلومات بسبب تأثير المتوسط على مدار الفترة الزمنية محل الاهتمام، كما قد يوفر منحنى الحمل معلومات غير صحيحة إذا كانت أنماط استخدام الكهرباء غير منتظمة وقد يؤدي التحليل الناتج إلى أخطاء غير متوقعة، والتي بدورها قد تؤدي إلى عدم الاستقرار التشغيلي والخسارة الاقتصادية، ومن أجل توفير معلومات أكثر دقة؛ فإن هناك حاجة إلى نهج حدسي لاشتقاق المعلومات الجوهرية من أجل الحصول على فهم أعمق لأنماط استخدام الكهرباء.

كما أن الدراسات الحالية المتعلقة بمناهج استخدام التنميط الأحمال على أساس الهندسة والإحصاء واستخراج البيانات والذكاء الاصطناعي؛ يستخدم النهج الهندسي عموماً تقنيات من أسفل إلى أعلى ومن أعلى إلى أسفل لنمذجة الحمل الكهربائي، بحيث يتم إنشاء ملف تعريف الحمل وتحليله بناءً على نمذجة الحمل باستخدام معلمات مثل أنواع الأجهزة المنزلية.

توضيح المنهجية الخاصة بتجميع أحمال الكهرباء

يصف هذا القسم منهجية لإنشاء (LIPs) و (CLIPs)، وذلك كما هو موضح في الشكل التالي (1)، تخلق المرحلة الأولى من هذه المنهجية ثلاثة أنواع من (LIPs) والمرحلة الثانية تنشئ (CLIPs) من (LIPs)، كما تتم معالجة بيانات السلاسل الزمنية أحادية البعد التي يتم جمعها من عداد ذكي في مصفوفة ثنائية الأبعاد لإنشاء نوع (1 LIP).

وبعد ذلك، يتم تطبيق طريقة معالجة الصورة (طريقة التصفية) على (Type-1 LIP) لتوليد (Type-2 LIP)، كما يتم تطبيق طريقة أخرى لمعالجة الصور (طريقة العتبة) على النوع (2 LIP) لإنشاء (Type-3 LIP)، وأخيراً تم تجميع (LIPs) الثلاثة التي تم إنشاؤها في المرحلة الأولى باستخدام طريقة التجميع لإنشاء ثلاثة أنواع من (CLIPs) التمثيلية، كما تصف الأقسام الفرعية التالية كل خطوة من خطوات المنهجية بالتفصيل.

إنشاء ملف تعريف تحميل الصورة: ملف تعريف الحمل الكهربائي (الشكل 2 (A)) عبارة عن مجموعة بيانات متسلسلة زمنية أحادية البعد تمثل الكهرباء التي يستهلكها المستهلك بمرور الوقت، كما يمكن التعبير عن هذا الملف الشخصي في شكل متجه بواسطة المعادلة التالية:

حيث أن (LPjd) هو ملف تعريف الحمل للأسرة (j) واليوم (d) و (pjh) هو استهلاك الكهرباء لكل ساعة للأسرة (j) في الساعة (h) (المقيسة إلى قيمة الذروة للسنة).

كما يتم تنفيذ معالجة البيانات لإنشاء (LIP) من ملف تعريف التحميل، كذلك يتم تحويل بيانات استهلاك الكهرباء أحادية البعد لشهر واحد إلى نموذج مصفوفة ثنائية الأبعاد كما هو موضح في المعادلة التالية:

حيث أن (LIPjm) هو ملف صورة تحميل الأسرة (j) للشهر (m)، وكذلك (pjd ، h) هو استهلاك الكهرباء للأسرة (j) في الساعة (h) من اليوم (d).

معالجة الصورة: يمكن تحسين (LIP) من النوع (1)، وهو المشتق من بيانات العداد الذكي الخام، وذلك عن طريق معالجة الصور لإنتاج صورة تحميل أكثر وضوحاً، بحيث افترض أن صورة التحميل في المعادلة السابقة، وأعيد تعريفها كدالة ثنائية الأبعاد [f (x ، y)ٍ] في المعادلة التالية:

حيث أن (x ، y) إحداثيات مكانية (مستوية) وحجم الوظيفة في زوج الإحداثيات (x ، y) هو شدة الصورة عند تلك النقطة و (M ،N) عدد البكسل في الصف و عمود الصورة على التوالي.

إنشاء ملف تعريف الفصل الخاص تجميع أحمال الكهرباء

يصف هذا القسم إنشاء (CLIPs) من (LIPs)، حيث أن الهدف هو تجميع العملاء الذين لديهم أنماط استهلاك كهرباء مماثلة باستخدام طرق التجميع، كما أن أكثر خوارزميات التجميع التي تمت دراستها على نطاق واسع هي خوارزميات التجميع القائمة على التقسيم والقائمة على التسلسل الهرمي، بحيث تم استخدام هذه الخوارزميات في مجموعة واسعة من التطبيقات الحقيقية نظراً لبساطتها وتقليل تعقيدها الحسابي.

كما تحدد خوارزميات التجميع القائمة على التقسيم المجموعات داخل البيانات عن طريق تحسين وظيفة موضوعية محددة وتحسين جودة الأقسام بشكل متكرر، بحيث تتطلب هذه الخوارزميات معلمات معينة لتحديد نواقل النموذج الأولي لكل مجموعة.

لذلك تعد خوارزمية المجموعات (K -means) هي خوارزمية التجميع المعتمدة على الأقسام الأكثر استخداماً، ولتنفيذ هذه الخوارزمية، يتم إنشاء متجه الإدخال عن طريق تحويل مصفوفة ثنائية الأبعاد (في هذه الحالة، LIP) إلى متجه أحادي البعد وطول هذا المتجه (24 ساعة في اليوم) مضروباً في عدد أيام الشهر، كما تبدأ الخوارزمية باختيار ناقلات تمثيلية أولية (K).

وفيما بعد يتم بعد ذلك تعيين كل متجه إلى أقرب نقطة مركزية بناءً على مقياس قرب معين (المسافة الإقليدية)، وبمجرد تشكيل المجموعات، كما يتم تحديث النقط الوسطى لكل مجموعة، ثم تكرر الخوارزمية بشكل متكرر هاتين الخطوتين حتى لا تتغير النقطتين الوسطى أو يتم استيفاء بعض معايير التقارب المحددة مسبقاً.

كما تقوم خوارزمية التجميع [Fuzzy C-mean (FCM)]، وهي خوارزمية تجميع أخرى تعتمد على الأقسام، وذلك بإجراء التجميع باستخدام درجة العضوية التي ينتمي إليها كل متجه إدخال إلى مجموعة واحدة أو أكثر، وهناك أقسام خوارزمية (FCM)، بحيث تدخل نواقل الإدخال في مجموعات ضبابية، كما يتم تعيين مجموعات لكل متجه إدخال بدرجة عضوية تتراوح بين (0) و (1)، بحيث يتم تحديث النقط الوسطى لكل مجموعة ودرجات العضوية حتى يتم تقليل وظيفة الهدف وتقاربها.