دانلود رایگان ترجمه مقاله شبیه ساز بار مسکونی هوشمند برای مدیریت انرژی در شبکه های هوشمند (نشریه IEEE 2018) (ترجمه رایگان – برنزی ⭐️)

شبیه ساز بار مسکونی هوشمند برای مدیریت انرژی در شبکه های هوشمند

Smart Residential Load Simulator for Energy Management in Smart Grids

چکیده
مقدمه
شبیه ساز بار مسکونی هوشمند
الف: خانوار
ب: تهویه کننده مطبوع
پ: کوره
ث: هیتر آب
اجاق گاز
روشنایی
یخچال
خشک کن
ماشین ظرفشویی (DW)
لباس شویی
پمپ مخزنی
منابع تولید محلی
نتایج و بحث
پروفیل بار خانه
کاربرد های SLRS
نتیجه گیری

چکیده
 این مقاله به توصیف توسعه شبیه ساز بار مسکونی هوشمند برای تسهیل مطالعه سیستم های مدیریت انرژی مناطق مسکونی در شبکه های هوشمند می پردازد. ابزار پیشنهادی بر اساس جعبه ابزار های راهنمای سیمولینک متلب بوده و یک مجموعه کاملی از اینترفیس ها و رابط های گرافیکی کاربرپسند را برای مدل سازی و مطالعه ترموستات های هوشمند، تهویه کننده ها، کوره ها، هیتر های آبی، اجاق، ظرف شویی ها، خشک کن ها، لامپ ها، پمپ ها و یخچال ها ارایه می کند که مدل های آن ها با اندازه گیری های واقعی ارزیابی و اعتبار سنجی می شود. تولید انرژی باد و خورشیدی و همچنین منابع باتری نیز مدلسازی شده و تاثیر متغیرهای مختلف مانند دمای محیط و سطوح فعالیتهای خانوار که به میزان قابل توجهی در مصرف انرژی نقش دارند، مورد توجه قرار گرفته است. شبیه ساز پیش ساز اجازه می دهد تا مدل هایی را که دستگاه ها مصرف انرژی می کنند و به درک اینکه چگونه این ها به تقاضای پیک، هزینه مصرف انرژی و مصرف انرژی فردی و کل را کمک می کنند. علاوه بر این، ارزش و تاثیر نیروی تولید شده توسط منابع مسکونی برای یک افق 24 ساعته تعیین می شود. این پلت فرم نرم افزار رایگان یک ابزار مفید برای محققان و مربیان برای تایید و نمایش مدل برای مدیریت انرژی و بهینه سازی است و همچنین می تواند توسط مشتریان مسکونی برای مدل سازی و درک پروفایل مصرف انرژی در خانوارها استفاده شود. برخی از نتایج شبیه سازی برای نشان دادن عملکرد و کاربرد شبیه ساز پیشنهاد شده ارائه شده است.
1. مقدمه
شبکه های هوشمند با منابع انرژی تجدید پذیر، مزایای اقتصادی و زیست محیطی زیادی را فراهم می کنند. توانایی شبکه هوشمند برای بهبود بهره وری، استفاده بهتر از دارایی های موجود، افزایش قابلیت اطمینان و کیفیت قدرت، کاهش وابستگی به انرژی وارداتی و به حداقل رساندن اثرات زیست محیطی، یک نیروی بازار است که ارزش اقتصادی قابل توجهی دارد [1]. این شبکه ها سریع رشد می کنند، اما اگر این رشد پایدار باشد، ارزش آن باید برای همه ذینفعان، به ویژه مصرف کنندگان مسکونی، روشن شود. بخش دوم بخش مهمی از تقاضای برق است؛ برای مثال، در سال 2016، بخش مسکونی تقریبا 20 درصد از تقاضای انرژی برق در انتاریو کانادا را به خود اختصاص می دهد [2]. همچنین مصرف برق مسکونی در ایالات متحده 22 درصد کل مصرف انرژی در سال 2015 بود [3]، و مقادیر مشابهی برای اتحادیه اروپا در سال 2016 گزارش شده است [4].
سیستم های گرمایش / سرمایشی فضایی، آبگرمکن، یخچال و فریزر، ماشین ظرفشویی، واشر پارچه، خشک کن، نورپردازی و محدوده پخت و پز شایع ترین وسایل موجود در بخش مسکونی هستند [2] – [4]. گرمایش، تهویه و تهویه مطبوع (HVAC) و بخاری آب دستگاه های مصرف انرژی عمده هستند. بنابراین، کنترل تقاضای برق خانگی مسکونی می تواند تاثیر قابل توجهی در کاهش تقاضای پیک و بهینه سازی مصرف انرژی داشته باشد که می تواند در خانه های هوشمند و هوشمند با سیستم های اتوماسیون برای کنترل بارهای مسکونی انجام شود. [5] [6].
مطالعات متعددی در ادبیات درباره پیش بینی روش های بارگیری و بهینه سازی برای مدیریت انرژی گزارش شده است، زیرا بعضی از لوازم به راحتی می توانند به کاهش هزینه و مصرف انرژی بدون تأثیر بر راحتی مشتری کمک کنند. به عنوان مثال، یک مدل برای به حداقل رساندن بار پیک با برنامه ریزی پمپ های استخر، تهویه هوا و بخاری آب (WH) در [7] پیشنهاد شده است. یک مدل برنامه ریزی خطی مختلط ترکیبی به منظور به حداقل رساندن هزینه انرژی و افزایش راحتی مشتریان با در نظر گرفتن تاثیر سیگنال های قیمت بر روی خانوار است. بعضی از پروژه ها با برنامه ریزی HVAC و / یا بخاری آب با استفاده از تکنولوژی ترموستات بی سیم برای بهینه سازی هزینه ها و راحتی حرارتی، همانطور که در [8] تمرکز می کنند.
منابع [9] – [15] روش های مختلف ایجاد مدل های بار بار در دستگاه را برای اهداف مدیریت بار، بر اساس داده های آماری برای پیش بینی شکل بار تقاضا، کشف می کنند. چند مدل و شبیه ساز برای مدل سازی سیستم های HVAC و ساختمان ها طراحی شده است. به عنوان مثال، نرم افزار EnergyPlus 16 که انرژی حرارتی را در ساختمان ها مدل می کند، امکان تحلیل تاثیر سیستم های تهویه مطبوع و روشنایی در ساختمان ها از منظر حرارتی، اما برای تعیین پروفایل بار الکتریکی خانوارها، از جمله تاثیر لوازم و دیگر بارهای ساختمان و منابع محلی در تقاضای برق خود. نرم افزار تجاری HVAC CHVAC حداکثر بارهای گرمایش و خنک سازی ساختمان های تجاری را محاسبه می کند [17]. برنامه برنامه برای مهندسین هوا و تهویه (APACHE) یک رابط کاربر گرافیکی برای تجزیه و تحلیل عملکرد حرارتی و استفاده از انرژی ساختمان است. [18] هیچ یک از ابزارهای مدل سازی موجود دیگر وسایل دیگر را در نظر نمی گیرند و برخی از آنها برای استفاده آسان نیست. از این رو، نیاز به شبیه سازهای کاربر پسند برای درک اینکه چگونه وسایل ارتباط برقرار کردن با یکدیگر در رابطه با مصرف انرژی وجود دارد، و نیز تسهیل مطالعه و استفاده از مدل های ریاضی برای EMS خانه، که هدف اصلی از کار ارائه شده در اینجا . شبیه ساز ارائه شده می تواند محاسبات پروفیل های بار از ساختمان ها را که می تواند توسط سایر شبیه ساز ها مانند هومر [19] استفاده شود، جایی که بار الکتریکی به عنوان یک ورودی برای طراحی میکروگرید های دیزلی قابل تجدید هیبریدی استفاده می شود.

Abstract

This paper describes the development of a freeware smart residential load simulator to facilitate the study of residential energy management systems in smart grids. The proposed tool is based on MATLAB-Simulink-GUIDE toolboxes and provides a complete set of user-friendly graphical interfaces to properly model and study smart thermostats, air conditioners, furnaces, water heaters, stoves, dishwashers, cloth washers, dryers, lights, pool pumps, and refrigerators, whose models are validated with actual measurements. Wind and solar power generation as well as battery sources are also modeled, and the impact of different variables, such as ambient temperature and household activity levels, which considerably contribute to energy consumption, are considered. The proposed simulator allows modeling of appliances to obtain their power demand profiles, thus helping to determine their contribution to peak demand, and allowing the calculation of their individual and total energy consumption and costs. In addition, the value and impact of generated power by residential sources can be determined for a 24-h horizon. This freeware platform is a useful tool for researchers and educators to validate and demonstrate models for energy management and optimization, and can also be used by residential customers to model and understand energy consumption profiles in households. Some simulation results are presented to demonstrate the performance and application of the proposed simulator.

1. Introduction

S MART grids coupled with renewable energy resources can yield significant economic and environmental benefits. The smart grid’s ability to improve efficiency, make better use of existing assets, enhance reliability and power quality, reduce dependence on imported energy, and minimize environmental impacts is a market force that has substantial economic value [1]. These grids are growing fast, but if this growth is to be sustained, their value must become more clear to all stakeholders, especially residential consumers. The latter are an important part of electricity demand, since for example, the residential sector accounted near 20% of the electrical energy demand in Ontario, Canada in 2016 [2]; also, residential energy consumption in the US was 22% of the total consumed energy in 2015 [3], and similar values were reported for the European Union in 2016 [4].

Space heating/cooling systems, water heaters, refrigerators, dishwashers, cloth washers, dryers, lighting, and cooking ranges are the most common appliances in the residential sector [2]–[4]. Heating, ventilation, and air conditioning (HVAC) and water heaters are major energy consumption devices. Therefore, controlling the residential end-use electricity demand can have a significant impact on reducing the peak demand and optimize energy consumption, which can be accomplished in smart or intelligent homes with automation systems to control residential loads [5], [6].

Several studies have been reported in the literature on the prediction of load-shape and optimization methods for energy management, since some appliances can be easily scheduled to reduce energy cost and consumption without affecting customer comfort. For instance, a model to minimize the peak load by scheduling pool pumps, air conditioner and water heaters (WH) is proposed in [7]; a mixed integer linear programming model is developed to minimize the energy cost and maximize customers’ comfort while taking into account the influence of price signals on the household. Some projects focus on scheduling the HVAC and/or water heater by making use of wireless thermostat technology to optimize costs and thermal comfort, as in [8].

References [9]–[15] explore different ways of creating appliance-level load models for load management purposes, based on statistical data to predict the load-shape of the demand. Several models and simulators have been developed to model HVAC systems and buildings. For example, the EnergyPlus software [16], which models thermal energy in buildings, allows analyzing the impact of HVAC and lighting systems in buildings from a thermal perspective, but it has not been designed for determining electrical load profiles of households, including the impact of appliances and other building loads and local sources on its electricity demand. The Commercial HVAC (CHVAC) software calculates the maximum heating and cooling loads for commercial buildings [17]. The Applications Program for Air-Conditioning and Heating Engineers (APACHE) is a graphical user interface to analyze thermal performance and energy use of buildings [18]. None of the existing modeling tools take into account other appliances and some are not easy to use. Hence, there is a need for user-friendly simulators to understand how appliances interact with each other with respect to energy consumption, as well as facilitate the study and application of mathematical models for home EMSs, which is the main purpose of the work presented here. The presented simulator allows computing load profiles of buildings that could be used by other simulators such as Homer [19], where electric load is used as an input for the design of hybrid diesel-renewable microgrids.

شبیه ساز بار مسکونی هوشمند برای مدیریت انرژی در شبکه های هوشمند

Smart Residential Load Simulator for Energy Management in Smart Grids