نمایندگی بستر آزمایش

تهران، ایران، مجتمع ساختمان سبز یک مرکز تحقیق و توسعه پیشرفته برای ساخت و ساز ساختمان سبز، بهره وری انرژی، ساختمان پایدار و تحرک الکتریکی است. هدف اصلی این پلتفرم ایجاد جوامع پایدار و هوشمند با ادغام انرژی های تجدیدپذیر و فناوری در بخش های ساختمان و توسعه پایدار و با گرد هم آوردن چندین شریک دانشگاهی و اجتماعی-اقتصادی در این رشته ها است [26]. ساختمان های سبز

چارچوب GBEOS

عملکرد مدولار سیستم در شکل 1 سازماندهی شده است. همانطور که نشان داده شده است، یک “ماژول نظارت”، داده ها را از حسگرهای مختلف گرفته و در یک پایگاه داده قرار می دهد. یک پایگاه داده به اضافه یک جزء فرعی پیش‌بینی، «جزء مدیریت داده» را تشکیل می‌دهد. رابط انسان و ماشین اطمینان می دهد که حالات حال، قبلی و آینده سیستم همه قابل مشاهده هستند. رابط انسان و ماشین سیستم نیز ممکن است برای مشخص کردن نیازهای راحتی کاربر استفاده شود. “جزء تصمیم گیری” مسئول است

توسعه رویکرد سیستم مدیریت انرژی

از آنجایی که مدیریت بار و استراتژی‌های توزیع نیرو دو عامل مهم برای کل هزینه مالی هستند، پیشنهاد می‌کنیم الگوریتمی ایجاد کنید که به SPO و DPO اجازه می‌دهد به طور همزمان مدیریت شوند.

بهینه سازی چند هدفه سیستم های بهینه سازی انرژی ساختمان سبز

• آ.ارائه الگوریتم های فراابتکاری
  • •

    تقویت گرادیان Xtreme (XGBoost)

XGBoost یکی از کارآمدترین رویکردها برای ایجاد درختان تصمیم با گرادیان است [29]. تقویت فرآیند کاهش خطاهای درخت قبلی با ساختن زیردرخت های جدید از درخت اصلی است. افزودن درختان فرعی بیشتر می‌تواند از جهاتی به افزایش عملکرد هزینه کمک کند. به مجموعه معادلات زیر توجه کنید:𝑅={(𝛼𝑖,𝛽𝑖)}𝛼𝑖∈𝑅𝑚,𝛽𝑖∈𝑅جایی که m بعد مشخصه هاست𝛼𝑖و𝛽𝑖هست

اجرای آزمایشی و نتایج

برای تست اعتبار الگوریتم، شبیه سازی های مختلفی را در این قسمت اجرا می کنیم. برای توسعه و آزمایش روش از متلب استفاده شد. این شبیه سازی دارای یک افق برنامه ریزی 24 ساعته است که به 144 بازه زمانی 10 دقیقه ای تقسیم می شود.

ارزیابی صرفه جویی بالقوه سیستم بهینه سازی انرژی ساختمان سبز

هدف این بخش ارزیابی میزان هزینه ای است که می توان با انجام یک عملیات EMS صرفه جویی کرد. یک بهینه سازی تک هدفه برای صرفه جویی در هزینه برق پیشنهاد شده است. شکل 16 فرآیند بهینه سازی را در نتیجه استفاده از روش ارائه شده در این مطالعه نشان می دهد. شکل 17 یک سیستم کنترل را برای بهینه سازی تخصیص توان در بین مصرف کنندگان، تامین کنندگان و تاسیسات ذخیره سازی در SPO نشان می دهد. شکل 18، شکل 19 نتایج استراتژی کنترل DPO را نشان می دهد. بهینه سازی می کنند

ارزیابی رابطه بین هزینه شبکه و بهینه سازی مصرف

یکی از اجزای ضروری مجموعه راه حل شبکه هوشمند، پاسخ به تقاضا (DERE) است. این به عنوان کاربران نهایی توصیف می‌شود که الگوهای مصرف انرژی خود را برای اصلاح زمان‌بندی، درجه تقاضای فوری یا مصرف کلی برق تغییر می‌دهند. در حال حاضر، سیستم‌های قیمت‌گذاری معمول بسیاری از کشورها بر اساس قیمت‌های میانگین ماهانه است تا قیمت‌گذاری پویا که منعکس‌کننده حرکات بازار قدرت است. مدل‌های قیمت‌گذاری جایگزین متعددی برای حل مشکلات قیمت انرژی پیشنهاد شده‌اند، از جمله

بحث

جدول 6 یافته های شبیه سازی مرتبط را خلاصه می کند. طبق داده های جمع آوری شده، طرح RTP هزینه کل را 12.15 درصد در مقایسه با طرح TUP و 25.16 درصد در مقایسه با FPP کاهش می دهد. همانطور که می بینیم، سیستم های قیمت گذاری متغیر با زمان باعث صرفه جویی بیشتر برای مشتری نهایی می شود. با این حال، از آنجایی که برای مشتریان خانگی دشوار است که زمان خود را به تحقیق در مورد تغییرات قیمت برق و مدیریت خرد عملیات تجهیزات خانگی برای صرفه جویی در هزینه اختصاص دهند، به کارگیری فناوری های هوشمند (به عنوان مثال،

نتیجه

هدف این مقاله ارائه یک GBEOS مبتنی بر فراابتکاری برای بهینه‌سازی مصرف انرژی در یک ساختمان سبز هوشمند که تحت یک الگوی شبکه هوشمند عمل می‌کند در حالی که محیط محلی و رفتارهای تقاضای انرژی را در نظر می‌گیرد، بود. پس از ایجاد پیشینه مطالعه، یک چارچوب GBEOS ارائه شد. سپس، دو روش کنترل مکمل توسعه یافت: سیستم های کنترل SPO و DPO. با ترکیب دو روش ذکر شده قبلی، شش باینری چند هدفه