آخرین مهلت ارسال مقالات برای دوره ۴ -شماره ۱۳ -اسفند ماه ۱۴۰۳:
(۱۵ اسفند ماه ۱۴۰۳)
کنترل پیش بینی مدل جهت مدیریت کار آمد منابع انرژی در ساختمان هوشمند
دوره 2، شماره 4، 1401، صفحات 92 - 112
1 دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد زرین دشت
2 استاد یار دانشگاه آزاد اسلامی واحد زرین دشت
چکیده :
مدیریت کارآمد منابع انرژی در ساختمان های هوشمند بسیار مهم است . در این کار، کنترل پیشبینی مدل (MPC) برای به حداقل رساندن هزینههای اقتصادی خریداران مجهز به واحدهای تولید، سیستمهای ذخیره انرژی و وسایل نقلیه الکتریکی استفاده میشود. برای این منظور، کنترل پیشبینیکننده منابع انرژی موجود را با بهرهبرداری از اطلاعات آتی در مورد قیمت انرژی، پروفایلهای قدرت جذب و تولید، و استفاده از وسایل نقلیه الکتریکی (EV) مانند زمان خروج و ورود و مصرف انرژی پیشبینیشده، مدیریت میکند EV. باتری ها به طور خاص، بر خلاف روش اکتشافی، رویکرد MPC ثابت شده است که قادر به مدیریت کارآمد منابع انرژی موجود برای اطمینان از شارژ مجدد کامل باتری EV در طول شب است. با هدف عملکرد بهینه از نظر به حداقل رساندن هزینه اقتصادی در سناریوهای قیمت متغیر با زمان، کاهش تنشهای جریان rms و قابلیت شارژ مجدد باتریهای EV به طور خاص، بر خلاف روش اکتشافی، رویکرد MPC ثابت شده است که قادر به مدیریت کارآمد منابع انرژی موجود برای اطمینان از شارژ مجدد کامل باتری EV در طول شب و در عین حال همیشه رعایت تمام محدودیتهای سیستم است. علاوه بر این، کنترل پیشنهادی نشان داده میشود که قادر است حداکثر جذب توان از شبکه را در محدودههای تعیینشده محدود نگه دارد، که یک ویژگی ارزشمند در سناریوهایی با پذیرش گسترده EVs به منظور محدود کردن استرس بر روی سیستم الکتریکی است و قابلیت شارژ مجدد باتری های EV به طور خاص، بر خلاف روش اکتشافی، رویکرد MPC ثابت شده است که قادر به مدیریت کارآمد منابع انرژی موجود برای اطمینان از شارژ مجدد کامل باتری EV در طول شب و در عین حال همیشه رعایت تمام محدودیتهای سیستم است. علاوه بر این، کنترل پیشنهادی نشان داده میشود که قادر است حداکثر جذب توان از شبکه را در محدودههای تعیینشده محدود نگه دارد، که یک ویژگی ارزشمند در سناریوهایی با پذیرش گسترده EVs به منظور محدود کردن استرس بر روی سیستم الکتریکی است. علاوه بر این، کنترل پیشنهادی نشان داده میشود که قادر است حداکثر جذب توان از شبکه را در محدودههای تعیینشده محدود نگه دارد.
مدیریت کارآمد منابع انرژی در ساختمان های هوشمند بسیار مهم است . در این کار، کنترل پیشبینی مدل (MPC) برای به حداقل رساندن هزینههای اقتصادی خریداران مجهز به واحدهای تولید، سیستمهای ذخیره انرژی و وسایل نقلیه الکتریکی استفاده میشود. برای این منظور، کنترل پیشبینیکننده منابع انرژی موجود را با بهرهبرداری از اطلاعات آتی در مورد قیمت انرژی، پروفایلهای قدرت جذب و تولید، و استفاده از وسایل نقلیه الکتریکی (EV) مانند زمان خروج و ورود و مصرف انرژی پیشبینیشده، مدیریت میکند EV. باتری ها به طور خاص، بر خلاف روش اکتشافی، رویکرد MPC ثابت شده است که قادر به مدیریت کارآمد منابع انرژی موجود برای اطمینان از شارژ مجدد کامل باتری EV در طول شب است. با هدف عملکرد بهینه از نظر به حداقل رساندن هزینه اقتصادی در سناریوهای قیمت متغیر با زمان، کاهش تنشهای جریان rms و قابلیت شارژ مجدد باتریهای EV به طور خاص، بر خلاف روش اکتشافی، رویکرد MPC ثابت شده است که قادر به مدیریت کارآمد منابع انرژی موجود برای اطمینان از شارژ مجدد کامل باتری EV در طول شب و در عین حال همیشه رعایت تمام محدودیتهای سیستم است. علاوه بر این، کنترل پیشنهادی نشان داده میشود که قادر است حداکثر جذب توان از شبکه را در محدودههای تعیینشده محدود نگه دارد، که یک ویژگی ارزشمند در سناریوهایی با پذیرش گسترده EVs به منظور محدود کردن استرس بر روی سیستم الکتریکی است و قابلیت شارژ مجدد باتری های EV به طور خاص، بر خلاف روش اکتشافی، رویکرد MPC ثابت شده است که قادر به مدیریت کارآمد منابع انرژی موجود برای اطمینان از شارژ مجدد کامل باتری EV در طول شب و در عین حال همیشه رعایت تمام محدودیتهای سیستم است. علاوه بر این، کنترل پیشنهادی نشان داده میشود که قادر است حداکثر جذب توان از شبکه را در محدودههای تعیینشده محدود نگه دارد، که یک ویژگی ارزشمند در سناریوهایی با پذیرش گسترده EVs به منظور محدود کردن استرس بر روی سیستم الکتریکی است. علاوه بر این، کنترل پیشنهادی نشان داده میشود که قادر است حداکثر جذب توان از شبکه را در محدودههای تعیینشده محدود نگه دارد.
کلمات کلیدی :
مدیریت کارآمد منابع انرژی ؛ رویکرد اکتشافی ; مدل کنترل پیش بینی ; ساختمان های هوشمند
مدیریت کارآمد منابع انرژی ؛ رویکرد اکتشافی ; مدل کنترل پیش بینی ; ساختمان های هوشمند
-
507
-
237
-
1401/08/17
-
1401/08/22
-
1401/08/28