مدیریت بهینه انرژی در یک خانه هوشمند مجهز به سیستم انرژی تجدید پذیر و ذخیره ساز با استفاده از یک رویکرد ترکیبی
اسرا جابری منش
مهندسی مکانیک
۱۴۰۰
۸۰ص.
سی دی
کارشناسی ارشد
مهندسي مکاترونیک
۱۴۰۰/۱۱/۲۷
بهرهوری مصرف انرژی با افزایش استفاده از فناوری و وسایل هوشمند در هر زمینه از زندگی در بخشهای مسکونی، تجاری و صنعتی افزایش یافتهاست. در عین حال، یک سیستم قدرت الکتریکی قابلاعتماد و با کیفیت بالا برای برآورده کردن تقاضای انرژی مسکونی بسیار حیاتی است. لوازم هوشمند اخیر و فناوریهای شبکه هوشمند، بخش مسکونی و تجاری را قادر میسازد تا بتوانند با استفاده از ویژگیهای شبکه هوشمند به طور موثر از انرژی استفاده کنند. این وسایل الکتریکی قابلیت انجام عملیات خود را با توجه به تغییر قیمت برق دارند. مدیریت بار پیک میتواند هزینه مصرف برق را کاهش دهد. قابلیت اطمینان شبکه برق را میتوان با استفاده از وسایل هوشمند و خصوصیات مدیریت بار آنها با دانستن جزییات دقیق هر دستگاه، بهبود بخشید. در این پایاننامه، مصرفکنندهها مجهز به سیستمهای کنترل انرژی میباشند و این دستگاهها درون کنتور هوشمند قرار دارند. زمانی که قیمت برق اعلام شود مصرفکنندهها میتوانند با بهکارگیری مدیریت مناسب، لوازمشان را کنترل کنند تا هزینه کمتری را پرداخت کنند. هر مصرفکننده دو نوع تجهیز مصرفی دارد نوع اول؛ تجهیزی که میتواند جهت استفاده تأخیر داشته باشد و نوع دوم؛ تجهیزی که میتواند با یک سطح توان کمتر کار کند. با استفاده از برنامه پاسخگویی بار و الگوریتم ازدحام ذرات و شبکه عصبی فازی (انفیس)، سه حالت عملیاتی مختلف مورد بحث قرار گرفته شده. درحالت اول مقدار توان مصرفی وسایل، و هزینه برق پایین و عدم آسایش بالا بود. در حالت دوم مقدار توان مصرفی وسایل بالا و هزینه برق نیز بسیار بالا و عدم آسایش پایین و در حالت سوم توان مصرفی وسایل به یک مقدار نرمال رسیده و هزینه برق و عدم آسایش مشتری در تعادل با هم قرار گرفته¬اند. مصرف توان و قیمت برق پرداختی در همه زمان¬ها در حالت سه بیشتر از حالت یک و کمتر از حالت دو است. پیک دیماند حالت یک و سه بسیار کمتر از حالت دو می¬باشد. همچنین هزینه ها تحت حالات یک و سه نیز کمتر از حالت دو می¬باشدو لذا میتوان نتیجه گرفت که استراتژی برنامه ریزی تحت حالت سه یک تعادل معقول را بین پرداخت هزینه¬ها و عدم آسایش (مشارکت در پاسخگویی بار) به¬وجود می¬آورد
Energy efficiency has increased with technology and smart devices in every area of life in the residential, commercial, and industrial sectors. At the same time, a reliable, high-quality electrical power system is vital to meeting residential energy demand.Recent smart appliances and smart grid technologies enable the residential and commercial sectors to use energy efficiently by utilizing smart grid features. These electrical devices can perform their operations due to changes in electricity prices. Peak load management can reduce the cost of electricity consumption. The power grid’s reliability can be improved by using smart devices and their load management features by knowing the exact details of each device. In this dissertation, consumers are equipped with energy control systems, and these devices are located inside the smart meter. When the price of electricity is announced, consumers can control their appliances by using proper management to pay less. Each consumer has two types of consumer equipment, the first type; Equipment that can be delayed for use, and the second type; Equipment that can operate at a lower power level. Three different operating modes are discussed using the load response program, particle swarm algorithm, and fuzzy neural network (ANFIS). In the first mode, the power consumption of the equipment and electricity costs are low, and discomfort is high. In the second mode, the power consumption of the equipment is high, the cost of electricity is very high, and the discomfort is low. In the third mode, the power consumption of the equipment is normal and the cost of electricity and the customer are in balance. Power consumption and the price of electricity paid at all times in mode three, more than mode one and less than mode two. The peak demand of modes one and three is much less than mode two. Costs under modes one and three are also lower than in mode two, so it can be concluded that the planning strategy under modes three creates a reasonable balance between cost overruns and discomfort (participation in burden response).
Optimal Energy Management in a Smart Home Equipped with Renewable Energy and Storage System Using a Hybrid Approach