مقاله سیستم های فتوولتائیک یکپارچه ساختمان

بخشی از مقاله

چکیده:

این مقاله به بررسی حداکثر بهرهوری مولدهای برق فتوولتائیک یکپارچه ساختمان را مشخص میسازد. همچنین قوانین اصولی لازم برای مدلسازی دینامیکی و کاربرد آن در استراتژی کنترل در حال انتظار را برای انتقال بار بیان می کند. برای انواع کاربردهای ساختمانی، باید منحنی بار مطابق با منحنی مولد سیستم های فتوولتائیک باشد بدین صورت که منبع توان سیستم های فتوولتائیک به عنوان وسیله برش پیک عمل میکند.

عملکرد سیستم های مدیریت ساختمان در انتقال بار در برگیرنده تولید برق از طریق سیستم سیستم های فتوولتائیک میباشد. دوم آنکه با توجه به جرم گرمایی ساختمان ها، تاخیر در پاسخ به شرایط درخواستی سیستم HVAC در ساختمان ها از داده های پرتوافکنی وجود دارد. سیستم های سیستم های فتوولتائیک در حالت معکوس همزمان با پرتوافکنی خورشیدی عمل میکند. مدل دینامیکی سیستم های فتوولتائیک را می توان برای پیش بینی منحنی بار به کار برد. این مقاله جنبههای گوناگون توسعه مدل دینامیکی را برای اثبات عملکرد آن مورد بررسی و شبیه سازی قرار میدهد .

- 1 مقدمه

در کشورهای توسعه یافته، محیط های ساختمانی معمولا %42 تا %45 از کل تقاضای انرژی را در کشور دارند]    .[1 در اتحادیه اروپا، حدود 160 میلیون ساختمان وجود دارد که    %40 بازده انرژی دارند و بخش مشابهی از COR2R را مصرف میکنند.[2 ] بازده انرژی در ساختمان ها سهم بالقوه ایی در توسعه ی مناسب دارد. و یکی از روش ها بهبود بازده انرژی با استفاده از سیستم مدیریت ساختمان - BMS - است. این مقاله به بررسی مبانی BMS می پردازد و احتمال افزایش بهرهوری تولید برق BIPV را دارد. اصول زیر را می توان برای پیش بینی مدل دینامیکی در پشتیبانی از استراتژی کنترل و انتقال بار در نظر گرفت.

- 2 مدیریت بار

با وجود به کارگیری طیف بزرگی از ابزارها، اما دو کاربرد BMS وجود دارد که برای نگهداری بازده انرژی و آسایش به کار میروند. زمانی که مدیریت بار مورد نظر است، سه حالت مهم کاربرد BMS در خودرو سازی و کنترل مکانیکی و سیستمهای الکتریکی میباشد.

-1-2 به کارگیری تقاضای انرژی

این بخش مربوط به فرآیند کاهش تقاضای انرژی در کل ساختمان ها می باشد. ابزار متعارف برای دستیابی به اجرای تقاضای انرژی جایگزینی وسایل کم بازده با وسایل ذخیره ساز انرژی است. برای مثال برای به روز کردن نورپردازی سنتی و سیستم های تهویه ی هوای گرم - HVAC - ، وسایل کارآمد یا حتی سیستم های جدید و با بازدهی بالا به کار می رود. این ابزار مستقیم از نظر هزینه مقرون به صرفه می باشد به این دلیل که انرژی ذخیره شده اهمیت زیادی دارد.

روش دیگر برای تقاضای انرژی به صورت نصب BMS می باشد. اگرچه استفاده از BMS با پیچیدگی در کیفیت مقادیر ذخیره شده انرژی همراه است.[3 ] احتمال ذخیره ی انرژی در سیستم HVAC در ساختمان های تجاری بررسی شده است و حدود %30-20 می باشد. از آنجا که طرح های تقاضا وابسته به زمان می باشند، در این صورت با منحنی بار مطابقت نمی کنند - بنابراین به کنترل در حال انتظار مربوط نمی شوند - این موارد به عملکرد دینامیک سیستمهای BIPV مربوط می شوند که برای پشتیبانی از استراتژی کنترل BMS است.

-3-2 انتقال بار

در مقایسه با روش های بالا، انتقال بار به صورت کاهش مصرف برق در طی دوره ی پیک می باشد که با استفاده از برنامه ریزی مجدد برخی از تجهیزات قابل کنترل است.[4 ] فرآیند کنترل نیز حاوی منحنی بار قابل پیش بینی، نظارت و سپس تصمیم گیری نهایی با هوش مصنوعی است. اگر بخش معینی از بار توسط انرژی خورشیدی تامین شود مشارکت سیستم BIPV وارد ناحیه بحرانی میشود. در مدل دینامیک که خروجی توان لحظهای را از طریق سیستم BIPV محاسبه میکند، پیش بینی مقدم بر تصمیم گیری است. الگوریتم دقیق انتقال بار نیز از مدل دینامیک BIPV استفاده می کند و در [5] آمده است.

-2-2 برش پیک بار

به عبارت دیگر، برش پیک بار مصرف برق را در ساعت پیک مصرف کاهش میدهد. این حالت با محصولات مکانیزمهای تقاضای انرژی یا تجهیزات غیر ضروری برای دوره ی موردنظر همراه است . هیچ یک از این موارد حاوی کنترل کننده پیچیدهی BMS نمی باشند. علاوه بر این، زمانی که برش پیک قوانین را لغو میسازد، نتیجه ی آن کاهش آسایش ساکنان است. از این رو زمانی که مشخصات دینامیکی و گرمایی سیستم BIPV مورد بررسی قرار میگیرد میزان تحقیقات کم میباشد. نمونه ی برش بار در زیر نشان داده شده است.

3 -مقادیر مدل های دینامیک BIVP

برای اجرای تابع انتقال بار، یکی از پیش نیازها به کارگیری BMS برای پیش بینی شکل منحنی بار در روز می باشد به صورتی که برنامه ریزی مجدد بار امکان پذیر شود. زمانی که BMS اطلاعات بهتری در مورد منحنی های بار - تقاضا - و شبکه و به کارگیری مشترک سیستم BIPV دارد، توانایی آن در استراتژی انتقال بار دقیق تر می شود. علاوه بر انتقال بار، BMS فرمان هایی برای مدیریت انرژی و به کارگیری حداکثر بازده انرژی را در زمانی دارد که منجر به منحنی های بار و ثبت دقیق آنها می شود.

نتایج منحنی بار را می توان به عنوان شرایط بار کلی نشان داد که با کاهش مشارکت سیستم BIPV از کل بار و بدون استراتژی کنترل همراه است. برای بیشتر انواع کاربردهای ساختمان، به استثنای ساختمانهای مسکونی، منحنی بارگیری کنترل نشده هم وجود دارد که با تولید منحنی هایی همراه است که منابع توان BIPV نیز از ابزار گیره پیک استفاده می کند. کاربرد استراتژی کنترل BMS در انتقال بارگیری را می توان از سیستم BIPV نشان داد که مولفه ی آن یکی از منابع مهم توان است. دوم آنکه با توجه به جرم گرمایی ساختمان ها، تاخیر زمانی خاصی در پاسخ به شرایط توان در سیستم های HVAC در ساختمان ها و در داده های پرتوهای خورشیدی وجود دارد.

سیستم BIPV نیز به بیشتر این موارد در حالت پرتوافکنی خورشیدی پاسخ می دهد. مدل دینامیکی هم برای دستیابی به منحنی بار علاوه بر بررسی کنترل مصرف کل می باشد سوم آنکه سیستم BIPV را می توان برای کاهش خنک شدن بار در ساختمان ها به کار برد. سه نوع مشارکت در استراتژی کنترل BMS وجود دارد که فواید BIPV نصب شده را افزایش می دهد. این تحقیق به بررسی جنبه های مختلف مدل دینامیک به عنوان اثبات کاربرد می پردازد.

در فرمولی کردن استراتژی کنترل BMS، انواع کلی بار در حال بررسی به صورت بار کنترل شده میباشند. سه دستهی اصلی مصرف توان وجود دارد که قابل کنترل نمی باشند و به نامهای HVAC انتقال و نوردهی می باشند. در ساختمان های هنگ کنگ ، HVAC تنها مورد و بزرگترین مصرف توان میباشد.[6] از این رو HVAC بیشترین مقدار پتانسیل را برای بازده انرژی و کنترل BMS دارد. این تحقیق بر روی استراتژی کنترل BMS و برای انتقال بار HVAC می باشد و برای مشارکت BIPV است که هیچ تاثیری بر طرح اجرای نور و انتقال ندارد.

- 4 اصول به کارگیری هوش مصنوعی

همراه با پیشرفت در زمینه ی فناوری BMS، فرمان های احیا شده را می توان برای کنترل عملکرد دینامیکی در مولفههای ساختمانی مختلف و سیستم ها به کار برد. زمانی که در کنترل سیستمهای HVAC به کار می رود، تنظیم سرعت جریان، دمای آب خنک شده و نسبت جریان و ... همگی به جای کنترل سنتی روشن و خاموش با ترموستات به کار میروند .[7 ] این مساله را می توان با پذیرش حسگرهای دقیق و الگوریتم های کنترل ماهرانه نشان داد که با برنامه های کامیپوتری اجرا میشوند. افزایش الگوریتم کنترل هم به توانایی نرم افزار در تقلید از هوش مصنوعی در تصمیم گیری است. یکی از توسعه های جدید در محاسبات، توسعه ی هوش مصنوعی است.

AI مجموعه ایی از روش های پیشنهادی با برنامه های کامپیوتری می باشد. حداقل 4 دسته ی اصلی را در بر دارد: کنترل منطق فازی - FLC - ، شبکه ی عصبی مصنوعی     - ANN - ، الگوریتم ژنتیکی - GA - و استدلال بر پایه موقعیت    . - CBR - روش های دیگر AI کمتر در BMS رایج اند از این رو در این مقاله بررسی نمی شوند. کنترل منطق فازی - - FLC از مجموعه ی نظری فازی توسط Zadeh و در تاریخ 1965 پیشنهاد شد.[8] این روش برای بررسی تقریبی و روزانه درتصمیم گیری می باشد. برای انجام این کار پارامترهای ورودی را می توان در متغیرهای زبانی تغییر دارد. این مساله زمانی مفید است که درک انسان - مانند آسایش گرمایی - به داده های طبیعی مربوط می شود و در حالت فازی نشان داده می شود.[9] از این رو FLC تاریخچه ی طولانی در کنترل سیستم های HVAC دارد. جزئیات ساخت استراتژی کنترل BMS از AL استفاده میکند که در[5] وجود دارد.

شبکه ی عصبی مصنوعی هم بر مبنای دانش انسانی در مورد شبکه ی عصبی بیولوژیک می باشد که جریان سیگنال ها را با گرهها و نرون ها در بر دارد. در ANN، نرون های مصنوعی، ورودی را از طریق نرون های دیگر دریافت کرده و سپس در لایهی بعدی نرون ها با تنظیم سطح استحکام به صورت سیگنال در میآورند. زمانی که سیگنال ها از لایه های نورون ها عبور میکنند، سیگنال های ورودی را میتوان به روشی تعریف کرد که پاسخ درستی با تجربه ارائه کند.

با شبیه سازی ارتباطات متعدد میان لایه های نورون، ANN قادر به آنالیز مقادیر بزرگ داده، میباشد و رابطه ایی میان گذشته و حال و پارامترهای آینده ایجاد می شود. در نتیجه اغلب در پیش بینی ها به کار می رود و برای مثال منحنی های پیش بینی بار را با کاربردآنها نشان میدهدANN .[10] را می توان برای آموزش کنترل منطقی فازی به کار برد. این کار توسط پیدا نمودن ورودی از طریق توسعه مدل BIPV دینامیکی صورت میپذیرد.

- 5 تکنیک های مدل سازی BIPV دینامیک

مدل فتولتائیک - PV - را می توان برای پوشش ساختمان ها و کنترل گرما و کاربردهای اولیه ی تولید برق اولیه در ساختمان ها به کار برد. برای آنالیز بازده الکتریکی در مدل PV، هم توان خروجی لحظهای و هم انرژی برای دوره ی مورد بررسی به کار میروند. برای هر واحد توان تحت شرایط تست استاندارد - STC - و برای مقایسه ی ساده میان انواع مختلف فناوری باید توان لحظهای استاندارد گردد.