抽象性
永久供电不应被视为理所当然,因为在供求平衡不一时电网可持续性和可靠性危在旦夕。论文使用负载平衡需求管理法基于模糊逻辑,考虑到低能用户对系统峰值影响微小通过K值集群算法,确定合适的dsm候选程序,控制机制以能耗和负载优先级为基础结果显示,每月节能约3.7kW结果表明,如果为个人客户制定适当的能源管理策略,几乎可以实现平面负载剖面并节电
开工导 言
电能一直是最不可替代和最灵活的能源一号..这是一项促进任何国家经济的重要资源电量增加导致电网效率不可靠和低2..满足不断增加的需求意味着通过新建电厂过度开发有限资源3..微电网实现可持续能源目标已日益受欢迎,成为探索绿色能源技术的世界趋势[4-6..微电网可靠性和稳定性挑战迫使许多类型研究如何匹配需求7-九九..同时,通过客户实用性参与寻找适当的节能方法已引出需求端管理概念10..通过DSM调节电耗和下降峰值需求已成为客户和公用事业公司最关心的问题11,12..因此,在实现任何电网的可持续性、可靠性和稳定性方面,DSM不可或缺和不可避免11..
DSM指通过效率提高或电网客户端移载修改消费者能源消耗程序13..通过金融奖励和行为改变鼓励客户在峰值时少消费更多非峰值时多消费[10,14..DSM可归为能效和需求响应类,图解一号.节能程序鼓励用户减少耗能,同时通过节能设备享受相同的服务水平[15..DR程序以需求剖面为对象,客户或可减少峰值期间的消费而不改变顶值外段16-18号或转移部分负载从峰值时移到非峰值时因峰值期间高价13,16..DR由终端用户意图电耗模式调整组成,目的是改变总耗能或需求突然上升的时间和水平16,19号..分三大类使用:时间使用(ToU)、直接负载控制以及负载移位ToU法没有固定电价取而代之的是,为其他使用时间定价不同,峰值加高收费电价取决于电量和电用时间20码..
直接控制法中,公共事业可接触终端用户并限制客户电用量,在最忙时切换部分电机适宜直接负载控件多为重负载,如电冰箱、空调机和冷却装置21号..负载移位从峰值移到非峰值时间以便均衡分配负载方法不改变总耗能作为一种替代方法,它保持供求水平达到提高系统效率所需的可能水平
除上述程序外,DSM使用电价等各种方法22号..........23号...........24码节能技术 和政府策略25码-27号..激励机制程序向客户支付一笔金额,以支付客户在峰值时减载能力金额与标准电费分离,可按回扣或现金补偿方式执行28码,29..标价机制使用除ToU外的不同物价披露时段内电费和值高价分为二类:实时定价和临界峰值定价电商市场收费因电商成本不同而异时,用一天分槽计算全天不同价 [电商电商成本因电商成本不同而异30码..DSM和DR可互换使用
公用设施历来通过减少传输损耗和增加无果生成能力管理需求31号..通过DRP成功能源管理是可能的然而,当用法模式和客户行为得到考虑时,可以实现更现实的结果,因为它们对成功的负载管理和决策至关重要[32码..
二叉相关工程和贡献
参考现有文献作品,不同研究者使用模糊逻辑电市实施能源管理元等2018年提出了一个基于模糊逻辑的能源管理策略,根据适当要求的负载分配生成的能源方法显示系统总体性能提高[九九..内里尔等(1999年)实施客户交互式DSM策略,使用模糊逻辑转换热水器使用模式三十三..结果提供通过模糊规则平整负载剖面
类似地,通过模糊控制器,三大参数得到考虑:成本、需求与舒适性可再生能源的好处分析显示它们如何影响成本和节能结果显示通过关闭峰值时负载改善负载剖面34号..
混合微电网应用模糊逻辑用于能源管理和监督控制35码-38号..多试剂能源管理基于模糊逻辑介绍,目的是管理单机可再生能源系统[三十九..Ravibabu等开发基于模糊dsm控制器以降低峰值,在峰值时优先处理关键负载一号..他没有照顾客户的舒适感,研究仅限于单所另一项基于模糊dsm实施工作是为网际微格网用户完成的,假设负载和代代都不可控制模拟结果25规则显示剖面[40码..
此外,使用多级多层方法为住宅客户使用DSM家庭都配有控制系统限制峰值时负载41号..多试剂DR建议基于多步层次算法多微格系统以确保其可靠性和成本下降方法证明比传统能源管理系统更具成本效益[42号..动态定价DR使用强化学习说明,该学习照顾服务提供方的利益并降低客户成本模拟结果允诺均衡可靠的电源系统,降低能耗和运营成本43号..为提高电网恢复能力并为系统操作者提供最优成本解决方案,使用混合整数线性和非线性近似法MINLP结果太大,非线性非剖析网络无法提供高效求解44号..
另一方面,使用混合整数线性编程提供最优解决办法耗时慢,对大数据集来说尤其如此45码..大部分解释式能源管理系统依赖传统方法,如抽象和确定式规则,这些方法主要遇到劣势,如无法保证最优效果等,尤其是在变量有任何波动时。抽象作品通常近似现实并依赖开发者的经验,因此有时不切实际43号..模糊逻辑比其他逻辑大有长处,即控制器设计不需要数学建模模糊控制器输出输入带成员函数映射46号..系统参数突变后,控制器无需修改,由于输出依赖输入效果,仍可使用同规则基47..
泛泛地讲,许多基于模糊逻辑的DSM方法已经实现但这些研究大都未处理客户使用模式和负载类型电力市场响应程序主要在发达国家执行,而发展中国家则比较[10,48号,49号..获取结果对大多数发展中国家的负载剖面可能不可行,因为负载不那么灵活,甚至人均耗能低2..此外,拥有多片微电网的发展中国家行为观点不同于拥有可靠电源的成熟国家。因此,本研究旨在通过开发基于模糊逻辑的DSM独立控制客户群以加强客户参与,因为能源管理正在跟踪电量和耗电时间在这次研究中,集群和负载限制减轻低能用户的负担,因为他们不影响系统峰值研究使用从Ngurudoto太阳微格收集的数据,坦桑尼亚阿鲁沙拟方法呈现出基于负载限制微格平衡能量的潜力
这项工作的新贡献可列举如下:i)提出了一种新的模糊逻辑dsm方法,以匹配微网格客户在发展中世界的真实状况与巨大的消费差异二)聚类法用以促进客户优先排序低能用户不承受能源管理负担三)所采方法可增强或触发dsm包涵,因为利益根据能源使用潜力平均分配四)客户使用模式早已建立,帮助供电商和客户规划节能、舒适度和成本适当
3级材料方法
3.1.资料收集
消费数据取自坦桑尼亚阿鲁沙一个名为Ngurudoto的太阳能电池微格其7.5kW容量无线通信模块2.电耗记录使用智能仪表安装对每个智能计数器实时数据使用遥感设备、数据登录器和远程PC组合记录收集需求数据使用微软Excel、Python和Matlab分析模糊逻辑使用MATLABR2018a软件
3.2K-Means集群
K值聚类是一种无人监督机器学习算法,集成基于相似点和异点需要下列输入i)聚类中心数二)训练集X级一号,X级2,X级3.)
K值聚类所涉方法汇总见图3并解释如下:i)第一步随机初始化k值,表示组数最优值K级可使用肘法计算二)数据点与初始聚类中心间距离计算法使用平方距离和如下: 三)视最小距离而定,数据点分组至最近聚类中心四)新建中心点从数据点分组移入同组计算,即 第五大类平均值现在重新定位为新机器人委 员 会进程重迭到所有集群,直到集群小机器人没有变化代表组成集群
3cm3案例研究
研究的主要目的是设计顶点负载管理DSM模型微网格位于坦桑尼亚阿鲁沙,被视为案例研究,通过聚类按相关住宅使用模式分组负载还归为两组:关键值和非虚拟值,如表所示一号以理解他们的重要性基于负载优先和直接负载控制技术应用DSM限制消费方式是在峰值时截取非虚拟负载向关键负载提供电源图4表示拟模型控制负载并按峰值优先级F1、F2、F3和F4与院内非虚拟载荷相关联适合能源管理集群根据负载剖分级生成的用能选择选择帮助低能用户避免高耗能源管理的负担
引信从模糊控制器传出控制信号,当负载超过设定限时峰值时中断信号机制允许仅关闭非虚拟负载并连接关键负载选择负载基于客户优先级模糊逻辑控制器为电路中心部分有两个输入器:时间和参照器比较器比较参考设置最大流和流,输入时间计时器检查峰值或离峰值输出后输入模糊控制器控制器输出向连接屋发送理想控制信号以限制电耗
3.4.模糊逻辑控制器
模糊控制器是一种人工智能系统,可用于减少、控制或修改功耗工作方式使只有消费者优先负载在峰值时连接,在峰值外时段内负载可增加而不超过限值模糊控制器总工作机制包含下列组件:i)输入二)混淆化三)推理引擎四)混淆化第五大类输出
3.5模糊成员函数
对所有输入输出变量而言,模糊成员函数对定义管理关系语言规则至关紧要图中显示,本例内嵌入函数用于输入时间5.
图6显示zmf和smf,最合适的成员函数反馈或比较输出信号使用常数和线性成员函数,图中显示7.
设计模糊控制器中最关键的任务是开发模糊规则规则数总取决于输入块和输出块中考虑成员函数数在这次研究中,模糊控制器设计通过切换视优先级集而定的部分负载限制峰值时功率这项研究使用数项规则,其中一些规则如下文所述:i)时间异常值和反馈 <设置当前限值a,则集群3为全部,集群4为全部,集群8为全部二)时间峰值+反馈 <设定当前限值A,3集群全数,4集群全数,8集群全数三)时间非峰值和反馈 <设置当前限值(A)则集群3全部,集群4全部,集群8全部四)时间低微反馈介质,群组3不变,群组4不变,群组8不变第五大类时间峰值和反馈 >定时限值A,群组3至关紧要,群组4至关紧要,群组8至关紧要委 员 会时间非峰值和反馈全非,群组3即全部,群组4即全部,群组8即全部七)时间峰值(pm)和反馈 >定时限(A),群组3关键,群组4关键,群组8关键八)时间非峰值和反馈全非,3类即全部,4类即全部,8类即全部
4级结果与讨论
4.1.案例研究
这项研究建议对隔离太阳微格处理模糊逻辑管理计有22所住宅使用Scikit-LearnPython打包对收集实时电耗数据实施K值聚算法50码..集群化是为了识别客户典型使用模式,按相关集群分组并按用户耗电方式控制需求负载限制优先级技术用于单个集群实现平面负载剖面
K值分组按图提供十组集群8获取时用肘法从样本数据中判定集群数结果用手肘点表示或图首转点表示,并观察误差和小微下降适配K级图中显示,值从数据中取十8.集群数为十
从集群结果图九九并按相似使用模式分组所有集群显示需求变化显示需要dsm除使用模式外,群组3、4和10表示家庭下降最大使用集群以太阳能微电网为条件,这些客户可被视为潜在用户,他们大都决定或影响系统总峰值需求集群6和9由最小电用户组成假设他们的主要用法是照明和电话充电在DSM上下文中,这些客户不应背负高价或卸载某些负载,因为它们不影响系统顶峰剩余群集1、2、5、7和8代表中用客户本项研究集群结果显示,由于适当的负载平衡技术,DSM程序大有成功潜力集群通过评估顶峰生成度帮助识别负责能源管理的客户集群结果的重要性可得到Hannes等支持2019年,他解释客户将强力参与任何程序,只要从中获利51号..
图10显示每个集群内房子组成集群2代表多客户群,集群4、6、8、9和10则各只有一个客户,显示客户有独特的使用模式
从所得结果中,为每组兴趣选择一单屋作为DSM案例研究选择基础为每个集群中最高消费者以迎合最坏情况假设表22显示集群并选择各自的参考楼本研究假设使用模式600W以上客户适合DSM集群3、4、8和10由14、12、22和10楼负载剖面图表示
分组客户的特征是模式化和规模化消费通过使用所收集的人口数据,划分出各类客户并归入各种消费类别和负载剖面图图11显示不同人口特征关系和所有住宅用电量关系结果显示最高能耗14号房归3类高消费客户也往往有室内企业,如14号房所解释的那样,它有酒吧业务文献参考中作者进一步支持这些结果[52分析客户消费模式从人口统计结果看,很明显,屋内成员数目和室内企业会影响电用量。中用客户由10号住宅表示,归入10组显示大用电量根据调查数据,人们可能认为电耗多归功于许多学生,这些学生声称用电学习目的推理与Elizabeth等研究相关2020年,他建议中能家庭的存在是由于学校儿童的存在53号..8号房也是一样,8号房自拥有小店以来似乎消耗量很大。屋号1、9、19、20和21描述小用户特征,因为它们有的单家庭成员或更多老年人因生活方式不消耗大量能量。本研究试图满足低能用户的需要,建议DSM机制不给他们添麻烦,因为他们电用量在系统峰值生成中并不大。
图中表层查看器12显示三维图三维参数:时间、功率和集群输出图显示受控集群3、4和8第三组离峰日期表示14前数天不受控制,因为未达定电量限值这种状况允许关键负载和非虚拟负载开关相似Nehrir等(1999年)解释热水器运算三十三..峰值从18-22表示集中区,模糊逻辑控制器使用7.5A引信帮助将功用限制到1300W黄色显示DSM后刮片或剪片区域,DSM即运算符目标集群4允许负载定在峰值时值800W负载限制通过四A引信完成 关闭超载观察21st日报8组所有载荷在峰值时限为600W24至26天范围中发现的超载量被剃到600W,图解显示
图解13并14显示规则查看器分别为集群3和集群4输出规则查看器用于显示输出效果从图中计取两点:离峰值和峰值第六天群组3表示图13表示离值点反馈流2.99A对应功率657.8W结果显示前后能量基本相同,表示负载没有管理或移位精确图中峰值表示17线程日报1738W单级电量向控制器反馈7.9A,通过切换非虚拟负载,电量限制为1000W
相似的第四组图解14显示异常峰值和峰值周期的结果负载压缩值在峰值时观察,而非峰值时则无动于衷模糊控制器通过反馈电流实现以上
图解15-18号表示月负载剖面图前后实施数组3、4、8和10结果显示,生成电量除峰值电量段外可完全使用,即按作者ref描述的那样实施模糊逻辑化能源管理机制[九九..优化前负载需求高于设定限值应用模糊逻辑控制器后,接近平面负载剖面图可见度,这有助于避免系统崩溃和停电,特别是在峰值时段。剖面清晰显示每个集群峰值受限匹配相应的限值图中显示布局模糊逻辑DSM前后总负载剖面19号.峰值期间需求大幅下降,原因是集群参与DSM与Ravibabu等人报告相比,这些结果显示在设计实施方面有更大的改进[一号多所住宅都被纳入聚类方法使用这个方法小电用户直到满足dsm
图20码显示每月不同日期节能和全月节能图显示每月节电近3 700W实现的积存量在DSM上下文中非常重要,它保证系统稳定处理峰值因需求可变性而在不同日内观察到不同的节能54号..况且 上三华府5线程7线程11st13线程14线程16线程公元前19线程22后端和24线程公元后节省近零值,在这种假想中,可以推理说大多数房子都处于超峰值范围,因此在DSM前后保留同样的能量类似地 高节能实现27线程并假设多件非虚拟负载关闭以避免系统超载
从所得结果中可以清楚地看出,用模糊逻辑化能源管理策略,需求剖面可平整化,可用生成可优化适当满足消费者需求由于拟议方法试图部分操作负载,系统效率可以提高以上观察与Ref一致[55号并获得参考文件进一步支持[三十三..另一方面,由于客户负载需求与太阳微电网生成电量不确定和随机性,模糊逻辑控制器已证明是比作者参考中讨论数学模型最高效和最有效方法[九九..
5级结论
电机增加导致峰值使用时缺电,供求间可用缺电正在点名DSM程序为利用消费多样性并相应减少峰值电需求提供更多机会从峰值移到离峰值或关闭峰值时段的一些负值对特定客户可能构成挑战因此,通过聚类开发使用模式后,DSM技术更灵活化在这次工作中,模糊逻辑化dsm程序被用作负载限值以控制峰值负载控制机制帮助适当使用特定时间可用功率,视客户偏爱优先量优先量
此外,拟议程序偏向各种客户,从而鼓励客户参与dsm因此,这项研究对保证节能和客户满意度至关重要可推广到消费者因愿意参加dsm程序而得到奖励的案例
数据可用性
支持这项研究结果使用的数据可应请求提供
利益冲突
作者声明,他们没有已知的经济利益或个人关系竞相可能影响所报工作
作者贡献
论文编写者之间的协作作者集体从思想开发到手稿编译
感知感知
作者衷心感谢纳尔逊·曼德拉非洲科技院为这项研究提供便利,并感谢水基础设施和可持续能源未来赞助这项工作发件人还感谢每个人的友好帮助,特别是Mr.Arbogast Nyandwi先生Geradius偏爱