Document Type : Research Article
Authors
1 Assistant Professor, Department of Mechatronics, Faculty of New Sciences and Technologies, University of Tehran, Tehran, Iran
2 Master of Science in Power Systems, Tehran, Iran
Abstract
Keywords
1- مقدمه[1]
منظور از بهینهسازی مصرف انرژی انتخاب الگوها، اتخاذ و بهکارگیری روشها و سیاستهایی در مصرف انرژی الکتریکی است. ساختمانهای مسکونی بخش مهمی از مصرفکنندگان انرژی الکتریکی به شمار میآیند. ورود تکنولوژی سیستم مدیریت هوشمند به ساختمانهای مسکونی، تا حدودی مصرف انرژی الکتریکی را بهینه کرده است.
2- پیشینة تحقیقات
سیستم مدیریت هوشمند ساختمان (BEMS)[1] سیستم یکپارچهای است که از تکنولوژیهایی مانند رایانهها، ارتباطات شبکه و سیمکشی برای اتصال تمام زیرسیستمهای داخلی استفاده میکند که به لوازم خانگی و دیگر وسایل خانگی متصل میشود [1]. این سیستم دربارة نقش فزایندة هوش مصنوعی مرتبط
با ظهور فناوریهای Big Data و قدرت محاسباتی فوقالعاده صحبت میکند. نسل جدید هوش مصنوعی به سرعت درحال گسترش است و دوباره به موضوعی جذاب برای تحقیقات تبدیل شده است.
با افزایش حجم دادهها و پیچیدگی در مدیریت و محاسبات آنها، بیشتر تحقیقات در این زمینه به نقش اساسی هوش مصنوعی در قدرت تجزیه و تحلیل دادههای ساختمان هوشمند تأکید کردند [2].
به این ترتیب، تکنولوژی خانههای هوشمند، بهطور مؤثر بر مدیریت مصرف و بهینهسازی آن در خانه تمرکز میکنند و علاوه بر افزایش سطح راحتی و آسایش ساکنان، به تنظیم مجدد برنامة روزانه و ایجاد کیفیت بالایی از شرایط زندگی کمک میکنند. سیستم مدیریت هوشمند خانگی که ابتدا در ایالات متحده آغاز شد، یکی از بنیادیترین فناوریهای طراحی سیستم خانههای هوشمند است. این میکروکنترلرها برای نظارتکردن بر لوازم خانگی، سیستم روشنایی و تجهیزات تهویة مطبوع (گرمایش / سرمایش) با توجه به شرایط تعریفشده استفاده میشود و مطابق با نیازهای ساکنان عمل میکند [3]. سیستم مدیریت هوشمند ساختمان برای فراهمآوردن محیط مطلوب برای ساکنان، به یادگیری رفتار و منافع ساکنان آن نیازمند است [4].
روشهای مدلسازی با روشهای یادگیری ماشینی به مرحلهای از پردازش دادهها ازجمله دستهبندی و اولویتبندی با استفاده از الگوریتمهای پیشنهادی نیاز دارد. دادهها همچنین با فاصله بین حداقل و حداکثر مقادیر هر ویژگی معمول شدند [5].
برای تشخیص نواقص یا خطا در دادههای بهدستآمده و تصحیح آنها به تعریف الگوریتم مشخص برای منسجمکردن مشخصات ساختاری اطلاعات و ذخیره در پایگاه داده برای ساختمانهای عمومی در مقیاس بزرگ نیاز است [6].
در تحقیقات بهدلیل غیرخطیبودن و توانایی یادگیری اطلاعات تاریخی روشهای یادگیری ماشین انتخاب شد که نتیجة آن نشان داد مصرف انرژی در ساختمانهای عمومی، فرضیات خطی را برآورده نمی کند [7].
در پژوهش دیگری با تمرکز بر تهیة برنامهای از اقدامات روزانه و هفتگی برای کاربران نهایی در ساختمان، فقط روشهای خطی برای پیشبینی مصرف انرژی ساختمانهای عمومی، پیشنهاد و از آنها استفاده شده است؛ اما صحت پیشبینی برای آن ارائه نشده است [8].
منابع اصلی مصرف انرژی در ساختمان عمدتاً لوازم خانگی الکتریکی، تجهیزات سیستم گرمایش و خنککننده، وسایل آشپزخانه و همچنین سیستمهای روشنایی است. در میان آنها، عملیات گرمایش و خنککننده بیش از 56% کل مصرف برق مسکونی را تشکیل میدهد [9]. حتی بدتر از همه، میزان چشمگیری از انرژی را بهطور کامل ساکنان استفاده نمیکنند و اتلاف انرژی در تمام طول روز اتفاق میافتد.
بهطور کلی بهترین راهحل برای تکمیل مزایای خانة هوشمند برای کاهش تعرفههای خرید انرژی الکتریکی، افزایش سطح آسایش و بالابردن قابلیت اطمینان در توزیع انرژی به مصرفکنندگان، مدیریت سمت تقاضا، پاسخ به تقاضا، تولید توزیعشدة بهینه، نیازمند تمرکز بر تکنولوژی به نام شبکه هوشمند[2] است. تجهیزات شبکة هوشمند در کنار مدیریت عرضه، انرژی درخواستی مصرفکنندهها را کنترل و نظارت میکند که با توجه به اطلاعات مصرفی در صورت کمبود عرضه، انرژی بار مصرفی را قطع یا جابهجا کند و بهطور هدفمند کمبود عرضه را از منابع دیگر جبران کند.
با اجرای شبکه هوشمند در سیستم مدیریت ساختمان هوشمند میتوان برای تأمین بخشی از انرژی تقاضاشده با توجه به موقعیت جغرافیایی ساختمان از منابع تولید تجدیدپذیر (بادی، خورشیدی یا ترکیبی) استفاده کرد. ادغام منابع انرژی تجدیدپذیر باعث کاهش میزان انتشار آلودگی محیط زیست میشود. همچنین موجب افزایش رضایت ساکنان و کاهش هزینههای خرید انرژی الکتریکی آنها میشود. بهینهسازی مصرف انرژی و افزایش راحتی ساکنان، موضوع اصلی پژوهش و طرحهای عملی و تحقیقاتی در زمینة خانههای هوشمند شد.
پروژة (MavHome) (مدیریت یک خانة سازگار و همهجانبه)، پروژة تحقیقاتی چندجانبه در دانشگاه ایالتی واشنگتن و دانشگاه تگزاس است و هدف آن، به حداکثر رساندن راحتی ساکنان و حداقلکردن هزینههای عملیاتی است [10]. در پژوهش دیگری، شبیهسازی یک مدل از مصرف برق خانگی بررسی شد. این مدل شامل قرارگیری استفاده از لوازم خانگی سرمایش، گرمایش، تهویه، تهویة مطبوع، روشنایی و مصرف برق مرتبط با فعالیتهای ساکنان بود. نتایج مطالعات، الگوهایی از تغییرات تقاضای انرژی، نوسانات بار و تنوع بین پیکربندی موقعیت و اندازة خانوار را ارائه کرد [11]. در پژوهشی دیگر، تکنولوژی شبکة هوشمند برای یک خانة هوشمند شامل AMI[3] (زیرساخت اندازهگیری پیشرفته) که درون تأسیسات ساختمان مستقر شده است، برای مدیریت تعرفههای پویا در خانهها و برای آگاهی از وضعیت انرژی، منابع تولید انرژی تجدیدپذیر و همچنین HEMS[4] (سیستم مدیریت انرژی خانه) به کار گرفته شده است [12]. در پژوهشی، تکنیکهای برنامهریزی و کنترل لوازم خانگی برای اجرای مدیریت سمت تقاضا با استفاده از شبکة هوشمند بهمنظور کنترل مصرف برق در خانهها و دفاتر ارائه شده است. تکنیکهای استفادهشده، هزینة مصرف انرژی را کاهش داد و مصرفکنندگان تشویق شدند با استفاده از روشهای بارگذاری بار، دستگاه خود را برنامهریزی کنند [13]. در مطالعهای مصرف انرژی الکتریکی در یک نمونه از ساختمانهای داخلی بریتانیا بررسی شد تا روند مصرف انرژی استفادهشده شناسایی شود. در این مطالعه یکسری از تکنیکهای تجزیه و تحلیل جدید برای بهبود درک مصرف برق داخلی معرفی شد [14]. در فرانسه آزمایشگاه تحقیقاتی (G-SCOP) یک الگو از رفتارهای ساکنان در حالتهای متفاوت در هر ساعت از شبانهروز ایجاد کرده است و سعی در پیشبینی حالت ممکن با استفاده از شبکة بیزین دارد. این الگوها با بررسی دیتابیس مربوط به مانیتورینگ مصرف انرژی خانگی اتحادیه اروپا ایجاد شده است [15]. در دانشگاه ویرجینیا جی[5] و همکارانش الگویی برای تنظیم دمای خانه با استفاده از ترموستاتهای هوشمند ساختند. این الگو روی ورود و خروج ساکنان خانه تمرکز داشت و دیتابیس مدنظر از مانیتورینگ یک خانة معمولی به مدت یک ماه شکل گرفت [16].
پژوهشهای انجامشده هرکدام تعریفی از خانههای هوشمند و صرفهجویی در مصرف انرژی و افزایش سطح آسایش ساکنان ساختمان با استفاده از تجهیزاتی میکنند که به حسکردن حضور داشتن یا نداشتن افراد در محلهای مشخصشده نصب میشدند.
در این پژوهش در ابتدا تعریف دقیقتری از ساختمان هوشمند – اتوماتیک ارائه میشود که کاملاً هوشمندانه و براساس رفتار، سلایق و عادات ساکنان مسقر در ساختمان است. در مرحلة بعدی، سناریوهای مختلفی تعریف میشوند و بر مبنای آن و با بهکارگیری تکنولوژیهای هوشمند در تولید و توزیع انرژی الکتریکی، به افزایش سطح رفاه و رضایت ساکنان این نوع خانة کاملاً هوشمند اتوماتیک و صرفهجویی در بخش انرژی و نیز در بخش هزینههای ناشی از خرید انرژی ساکنان میپردازد. همچنین با تولید انرژی الکتریکی پاک در خود ساختمان علاوه بر ذخیرة هزینه، به کاهش آلایندههای زیست محیطی نیز کمک خواهد شد.
3- جمعآوری دادههایی از انرژی مصرفشده براساس رفتار ساکنان
برای شکلگیری خانة هوشمند اتوماتیک در ابتدا مانیتورینگ رفتار ساکنان براساس برنامة فعالیتهای روزانه، سلیقة اعضای خانه، عادات ساکنان و علایق آنها در سناریوهای مختلفی مانند (حضور - عدم حضور - ساکنان به خانه میآیند - مهمانی) بررسی شد. برای یادگیری رفتار ساکنان و شکلگیری الگوی رفتاری آنها در مواجهه با مصرف انرژی و مقدار توان الکتریکی مصرفشده در ساعات شبانهروز، اقدامات ساکنان در سیستم مدیریت خانة هوشمند در مرحلة نخست جمعآوری و ثبت شدهاند. این کار با استفاده از اندازهگیرهای هوشمندی انجام شده است که روی خطوط توزیعشدة برق در قسمتهای مختلف ساختمان نصب شدهاند و نوع دستگاه مصرفی، زمان مصرف، مقدار توان مصرفی اندازهگیری و ثبت شدند. دادههای ثبتشده با اندازهگیرهای هوشمند توان الکتریکی مصرفی را به دو بخش تقسیم میکند؛ دادههای توان الکتریکی مصرفی ثابت و توان مصرفی متغییر.
دادههای توان مصرفی ثابت اطلاعاتی از تجهیزات الکتریکیاند که در طول شبانهروز مقدار ثابتی انرژی الکتریکی را مصرف میکنند. این دستگاهها در خانه باید همیشه به برق متصل باشند؛ مانند یخچالها، سیستم اعلام واطفاء حریق و غیره. دادههای توان الکتریکی مصرفی متغییر شامل اطلاعاتی از مصرف سیستمهای الکتریکی خانگی است که براساس رفتار ساکنان در استفاده از آنها توان الکتریکی مصرف میکنند؛ مانند سیستمهای روشنایی و سرگرمی، پختوپز، سیستمهای سرمایش و گرمایش و غیره. البته شرایط محیطی نیز بر مقدار توان مصرفی متغییر تأثیرگذار است؛ مانند میزان روشنایی، دما، اکسیژن و غیره؛ ازاینرو توان کل مصرفی در خانة هوشمند اتوماتیک برابر توان مصرفی (متغیر و ثابت) محاسبه میشود. بعد از مدلسازی مشخصات بارهای مصرفی و توزیع خطوط برقرسانی به بخشهای مختلف ساختمان، با نصب توان مترهای هوشمند روی این خطوط، اطلاعات نهایی از مصرف بهصورت جدول زیر تعریف میشوند:
جدول (1): فرم تکمیلی برای جمعآوری دادهها
مقدار توان مصرفی |
طول استفاده |
زمان استفاده |
نوع کاربرد |
نام خطوط برقرسانی |
kwh |
00:00 |
00:00 |
- |
- |
4- تحلیل دادههای ثبتشده
با توجه به اینکه بیشترین انرژی الکتریکی در سناریوی حضور یعنی در زمانهایی مصرف میشود که ساکنان بیشترین وقت خود را در خانه حضور دارند، در این پژوهش توان الکتریکی مصرفشده در سناریوی حضور بررسی میشود.
جمعآوری دادههای متغییر با توجه به نوع سیستم الکتریکی خانگی انجام میشود. سیستمهای الکتریکی خانگی به بخشهای سیستم پریزها، سیستم روشنایی، سیستم سرمایش و گرمایش تقسیم میشوند. سیستم پریزها تنها با توجه اقدامات ساکنان در استفاده از تجهیزات الکتریکی توان مصرفی آنها در ساعات شبانهروز ثبت میشود؛ اما در سیستمهای روشنایی و سرمایش و گرمایش علاوه بر اقدامات ساکنان، شرایط محیطی نیز بر مقدار توان مصرفی آنها تأثیرگذار است و در این حالت توان مصرفی متفاوتی دارند. به همین دلیل، حسگرهای روشنایی و دما مطابق با استانداردهای مؤسسة استاندارد و تحقیقات برای تمامی قسمتهای ساختمان در جداول شمارة 2 و 3 بهصورت زیر ارائه شدهاند.
پس از جمعآوری دادهها، تجزیه و تحلیل و فرمدادن آنها براساس تکنیکها، الگوریتم معدنی دادهها به دو گروه دادههای مکرر و دادههای دورهای در سیستم پایگاه دادهها به شکل کلی و جامع از توان الکتریکی مصرفی هریک از سیستمها در ساعات مختلف از شبانهروز ذخیره میشوند. این مقدار توان الکتریکی ثبتشده در اختیار سیستم شبکة هوشمند خانگی با نظارت و کنترل بر مقدار انرژی درخواستی در زمانهای مختلف اقدام به تأمین آنها با توجه به مقدار تولید منابع انرژی تجدیدپذیر خانگی میکند.
جدول (2): استاندارد شدت روشنایی توسط مؤسسة استاندارد و تحقیقات
محل |
کمینه (lux) |
پیشنهادی (lux) |
اتاق نشیمن و پذیرایی |
70 |
200 |
اتاق مطالعه |
150 |
500 |
آشپزخانه |
100 |
200 |
اتاق خواب |
50 |
100 |
سرویس بهداشتی و حمام |
50 |
100 |
روشویی و آیینه |
200 |
500 |
پلکان |
100 |
150 |
راهرو و آسانسور |
50 |
150 |
جدول (3): استاندارد دمای ارائهشده توسط مؤسسة استاندارد و تحقیقات
محل |
بهار و تابستان (ϲ̊) |
پاییز و زمستان (ϲ̊) |
||
کمینه |
بیشینه |
کمینه |
بیشینه |
|
پذیرایی |
23 |
26 |
20 |
23 |
سایر اتاقها |
25 |
28 |
18 |
21 |
5- الگوریتم دادهکاوی برای یادگیری ماشین
بعد از جمعآوری دادهها و تجزیه و تحلیل آنها با استفاده از درخت تصمیمگیری براساس الگوریتم دادهکاوی به فرم نهایی برای ذخیرة داده در پایگاه دادهای و اجرای آن برای شکلگیری خانة هوشمند اتوماتیک اقدام شد.
استفاده از درختان تصمیمگیری بهعنوان روش رگرسیون، چندین مزیت دارد که یکی از آنها قوانین تقسیم یک روش گرافیکی بصری و ساده برای تجسم نتایج است و در عین حال، توانایی پردازش دادهها را نیز دارد. آنها همچنین نسبت به محیطهای داخلی مقاوماند و میتوانند دادههای از دست رفته را در فضای پارامتر ورودی بهطور مؤثر اداره کنند. الگوریتمهای درخت تصمیم با مقادیر زیادی از دادهها به راحتی اجرا و محاسبه میشوند. در مرحلة اول، دادههای جمعآوریشده مربوط به مدت زمان استفاده و در مرحلة بعد، مقدار توان مصرفی در این مدت زمانها بهطور مشخص بهصورت درخت تصمیمگیری برای شکل الگوریتم مرتب شدند.
شکل (1): الگوریتم دادهکاوی مدت زمان استفاده از دستگاهها
شکل (2): الگوریتم دادهکاوی مقدار توان مصرفی استفاده از دستگاهها
6-نتایج
در این پژوهش توانهای مصرفی ثبتشده از اقدامات ساکنان در استفاده از سیستمهای الکتریکی مختلف ساختمان تحلیل و تفسیر میشود. بعد از جمعآوری دادهها و دستهبندی آنها براساس زمان و مقدار توان مصرفشدة هریک از سیستمها در سناریوی حضور در خانة هوشمند برای اتوماتیکشدن ساختمان این اطلاعات وارد سیستم مدیریت خانه شدند و در پایان با یک خانة عادی کاملاً مشابه با تمام جزئیات برای مشاهدة میزان انرژی بهینهسازیشده مقایسه میشود.
6-1 -سیستمهای الکتریکی با توان مصرفی روزانۀ ثابت
این دستگاهها باید در طول شبانهروز در حالت آمادهبهکار باشند؛ بنابراین، توان مصرفی ثابتی دارند.
جدول (4): توان ثابت مصرفشده در ساختمان هوشمند اتوماتیک
توان مصرفی |
مدت زمان استفاده |
شمارة خط برقرسانی |
نام دستگاه |
2/016 kwh |
24h |
1 |
سیستم اعلام و اطفاء حریق |
2/808 kwh |
24h |
2 |
سیستم مخابراتی |
10/800 kwh |
24h |
3 |
یخچال و فریزر |
0/000000735kwh |
1h |
4 |
سیستم آبیاری |
جدول (4): توان ثابت مصرفشده در ساختمان هوشمند اتوماتیک
توان مصرفی |
مدت زمان استفاده |
شمارة خط برقرسانی |
نام دستگاه |
2/016 kwh |
24h |
1 |
سیستم اعلام و اطفاء حریق |
2/808 kwh |
24h |
2 |
سیستم مخابراتی |
10/800 kwh |
24h |
3 |
یخچال و فریزر |
0/000000735kwh |
1h |
4 |
سیستم آبیاری |
6-2-سیستمهای الکتریکی با توانهای مصرفی متغییر در خانة هوشمند
الف) فعالیتهای ساکنان در استفاده از سیستم پریز در سناریوی حضور در خانة هوشمند و عادی در یک شبانهروز
مقدار توان الکتریکی مصرفشده همراه با زمان و مدت زمان استفاده در سناریوی حضور براساس دادههای جمعآوریشده از فعالیتهای ساکنان در استفاده از سیستمهای پریز دستهبندی بهصورت فرم نهایی مطابق با جدول شمارة 5 شکل گرفت. این اطلاعات نشان میدهند ساکنان بعد از یک دورة آزمایش در استفاده از سیستم پریز بعد از تکرارها و منسجمکردن دادهها در زمانهای ثبتشده از انرژی الکتریکی استفاده میکنند.
ب) مقایسة دادههای توان مصرفی سیستم روشنایی در ساختمان عادی و هوشمند اتوماتیک
جدول (5): سیستم پریز یک شبانهروز در خانة عادی و هوشمند اتوماتیک
برنامة استفاده از سیستم پریزها |
|||||
زمان خاتمة استفاده |
زمان شروع استفاده |
توان مصرفی |
مدت زمان استفاده |
نوع کاربرد |
شمارة خط برقرسانی |
7:30 |
7:00 |
2/0895 kwh |
30 دقیقه |
قهوهساز، صبحانهساز |
5 |
9:05 |
8:00 |
1/166 kwh |
35 دقیقه |
ماشین ظرفشویی |
6 |
7:20 |
7:00 |
0/25 kwh |
20 دقیقه |
پریز آشپزخانه |
7 |
7:30 |
7:00 |
1/5 kwh |
30 دقیقه |
پریز اتاق |
8 |
14:00 |
11:00 |
1/806 kwh |
180 دقیقه |
سیستم سرگرمی |
9 |
13:00 |
11:00 |
3/1 kwh |
120 دقیقه |
اجاق گاز و هود |
10 |
14:00 |
13:15 |
1/333 kwh |
40 دقیقه |
ماشین ظرفشویی |
11 |
17:30 |
16:30 |
2/0 kwh |
60دقیقه |
لباسشویی |
13 |
23:00 |
17:00 |
3/612 kwh |
360 دقیقه |
سیستم سرگرمی |
12 |
20:05 |
18:00 |
3/229 kwh |
125دقیقه |
اجاق گاز و هود |
14 |
19:00 |
18:15 |
0/45 kwh |
45 دقیقه |
پریز آشپزخانه |
15 |
19:30 |
18:25 |
0/8125 kwh |
65دقیقه |
پریز آشپزخانه |
16 |
21:00 |
20:30 |
1 kwh |
30 دقیقه |
ماشین ظرفشویی |
17 |
22:20 |
22:00 |
0/6 kwh |
20دقیقه |
پریز اتاق خواب |
18 |
23:00 |
21:00 |
0/01 kwh |
120 دقیقه |
پریز پذیرایی |
19 |
7:00 |
23:00 |
0/048 kwh |
480 دقیقه |
پریز اتاق خواب |
20 |
|
|
23/006 kwh |
توان مصرفی روزانه کل در حالت اتوماتیک |
||
|
|
27/718 kwh |
توان مصرفی روزانة کل در حالت عادی |
شکل (3): نمودار تجمعی انرژی مصرفی روشنایی در خانة عادی و هوشمند اتوماتیک در یک شبانهروز
جدول (6): سیستم روشنایی یک شبانهروز در خانة عادی و هوشمند اتوماتیک
توان مصرفی ساختمان اتوماتیک هوشمند |
توان مصرفی ساختمان عادی |
محل سیستم روشنایی |
1/068 kwh |
1/498 kwh |
روشنایی آشپزخانه در فصل (پاییز، زمستان و بهار) |
0/816 kwh |
0/972 kwh |
روشنایی آشپزخانه در فصل تابستان |
1/398 kwh |
1/876 kwh |
روشنایی آشپزخانه در وضعیت جوی ابری |
1/257 kwh |
1/687 kwh |
روشنایی آشپزخانه در وضعیت جوی نیمهابری |
2/317 kwh |
3/058 kwh |
روشنایی پذیرایی در فصل (پاییز، زمستان و بهار) |
2/259 kwh |
3/170 kwh |
روشنایی پذیرایی در فصل تابستان |
3/274 kwh |
4/322 kwh |
روشنایی پذیرایی در وضعیت جوی ابری |
3/018 kwh |
4/064 kwh |
روشنایی پذیرایی در وضعیت نیمهابری |
0/070 kwh |
0/093 kwh |
روشنایی اتاق خواب در فصل (پاییز، زمستان و بهار) |
0/066 kwh |
0/083 kwh |
روشنایی اتاق خواب در فصل تابستان |
0/080 kwh |
0/107 kwh |
روشنایی اتاق خواب در وضعیت جوی ابری |
0/075 kwh |
0/099 kwh |
روشنایی اتاق خواب در وضعیت جوی نیمهابری |
0/079 kwh |
0/087 kwh |
روشنایی عمومی ساختمان |
ج) دادههای سیستم سرمایش و گرمایش در حالت اول سناریوی حضور
دمای مطلوب محیط خانگی مطابق با مؤسسة استاندارد و تحقیقات ارائه شده که در جدول (3-2) نشان داده شده است. اندازهگیری مقدار مصرف انرژی الکتریکی در این بخش بر مبنای تعداد ساعات روشنبودن دستگاه است. این سیستم فقط به حضور داشتن یا نداشتن افراد در خانه وابسته است. در سناریوی حضور، ساکنان در خانهاند؛ اما ممکن است همه افراد خانواده در یک قسمت ساختمان نباشند، در دیگر بخشهای ساختمان حضور داشته باشند یا در ساعات دیگر به آن قسمت خانه رفتوآمد کنند؛ بنابراین، ساعات شبانهروز به دورههای مختلف تقسیم میشود. از این رو مطابق با رفتار ساکنان در دورههای زمانی مختلف، افراد خانواده در هر قسمت ساختمان حضور داشته باشند سیستم اقدام به فراهمکردن دمای مطلوب محیطی برای افراد ساکن در آن مکان میکند که این روش دو مزیت عمده دارد:
ü سیستم دیگر لازم نیست برای فراهمکردن دمای ایدئال محیط با قدرت بالا شروع به کار کند.
ü سطح آسایش و رضایت ساکنان بیشتر میشود.
شکل (4): نمودار تجمعی سیستم سرمایش در یک شبانهروز در ماههای سال
شکل (5): نمودار تجمعی سیستم گرمایش در یک شبانهروز در ماههای سال
7- بحث و نتیجهگیری
یافتههای این پژوهش اقدامات مربوط به مصرف واقعی انرژی در خانههای هوشمند را براساس اطلاعات رفتاری ساکنان در مواجه با مصرف انرژی انجام داد. با ثبت این اطلاعات و اجرای الگوریتم نهایی آن در سیستم مدیریت هوشمند ساختمان موجب شکلگیری خانهای اتوماتیک شده است که بهطور خودکار انرژی الکتریکی را در اختیار ساکنان قرار میدهد. برخلاف پژوهشهای انجامشده، در این پروژه در طول آزمایش تمام خطوط برقرسانی الکتریکی در ساختمان کنترل و مانیتور شدند تا مقدار توان الکتریکی مصرفی، زمان بهکارگیری، طول مدت استفاده از تجهیزات با توجه به استانداردهای تعریفشده جمعآوری و ثبت شود و پس از تجزیه و تحلیل و بررسی بهصورت فرم کلی برای اجرا وارد سیستم مدیریت خانه هوشمند شد. به همین دلیل تمام جوانب در نظر گرفته شد تا در کنار بهینهسازی مصرف انرژی، سطح آسایش ساکنان کاهش نیابد و همچنین سیستم نهایی با قابلیت اطمینان بالایی رفتار ساکنان در زمانهای مختلف را پیشبینی و سیستم الکتریکی لازم را مطابق با عادات و سلایق ساکنان فعال کند. سپس با مقایسة ساختمان هوشمند اتوماتیک و ساختمان عادی که مشخصات مشابه دارند، مقدار انرژی الکتریکی بهینهسازیشده در همه بخشهای الکتریکی ساختمان (پریزها، روشنایی، سرمایش و گرمایش و ...) مشاهده شد. در طول شکلگیری پروژة خانة هوشمند اتوماتیک، تمامی مراحل جمعآوری دادهها به ساکنان در هنگام مصرف انرژی و استفاده از تجهیزات هیچ دستورالعملی الزام نشد و ساکنان بهطور طبیعی در خانه مشغول به انجام کارهای روزمره خود شدند.
در این پروژه یک شبکة هوشمند متصل به سیستم مدیریت خانه طراحی شد تا با نظارت و کنترل بر عرضه و تقاضای انرژی، تا حد امکان از تولیدات منابع تجدیدپذیری که در ساختمان طراحی و اجرا شدهاند برای تأمین تقاضا استفاده شود و انرژی اضافی حاصل از تولیدات منابع تجدیدپذیر یا کمبودها را با شبکة سراسری دادوستد کند.
شکل (6): مقایسة توان مصرفی سیستم پریز خانة عادی و هوشمند اتوماتیک در طول یک سال
شکل (7): مقایسة توان مصرفی سیستم روشنایی خانة عادی و هوشمند اتوماتیک در طول یک سال
شکل (8): مقایسة توان مصرفی سیستم سرمایش و گرمایش خانة عادی و هوشمند اتوماتیک در طول یک سال
در این پژوهش در خانة هوشمند یک منبع تولید انرژی تجدیدپذیری طراحی شد. با توجه به موقعیت جغرافیایی خانة هوشمند و براساس دادههای جوی از آن منطقه، میزان تابش نور خورشید از وزش باد در شبانهروز بیشتربود؛ بنابراین، توانایی منابع تولید انرژی الکتریکی خورشیدی به نسبت بالاتر و اجرای آن منطقیتر بود. به همین دلیل، یک منبع تولید انرژی الکتریکی خورشیدی برای پروژه طراحی شد. منابع تولید انرژی تجدیدپذیر برای تولید انرژی بهطور کامل وابسته به شرایط آبوهوایی هستند؛ بنابراین ممکن است تمام انرژی تقاضاشده را پشتیبانی نکنند یا انرژی تولیدشده بیشتر از نیاز مصرف باشد. از این رو در این طراحی یک سیستم تولید انرژی الکتریکی خورشیدی متصل به شبکه در نظر گرفته شد تا عرضه و تقاضای انرژی الکتریکی متعادل باشند.
موقعیت پروژة ایران - گرمسار در نظر گرفته شد.
بهطور کلی با توجه به نتایج شبیهسازی پنلهای خورشیدی خانگی مقدار 17044 کیلووات ساعت سالیانه تولید انرژی داریم.
شکل (7): نتیجة نهایی از شبیهسازی پنلهای خورشیدی خانگی
در پژوهشهای آتی، واقعیسازی توان الکتریکی مصرفی را در مقیاس بالاتر (منطقه، شهر، استان و کشور) و همچنین هوشمندسازی شبکة توزیع منطقهای و سراسری برق و شناسایی موقعیتهای مختلف جغرافیایی برای احداث نیروگاههای تجدیدپذیر را بهصورت تکی یا ترکیبی میتوان بررسی کرد. شبکههای هوشمند آینده باید از نفوذ بزرگتری از انرژیهای باد و خورشیدی متمرکز و توزیعشده استفاده کنند. همچنین باید رشد سریع تقاضا را با توجه به پلاگین وسایل نقلیة الکتریکی جایگزین کند و یاد بگیرد چگونه با استفاده از ظرفیت ذخیرهسازی ذاتی آنها بهینه شود.
[1] تاریخ ارسال مقاله: 29/06/1398
تاریخ پذیرش مقاله: 15/06/1399
نام نویسندۀ مسئول: علیرضا رضائی
نشانی نویسندۀ مسئول: ایران- تهران- دانشگاه تهران - دانشکده علوم و فنون نوین - گروه مهندسی مکاترونیک و ممز