Yenilenebilir enerjilerden elde edilen elektriğin ticari bir mülkte mümkün olduğunca verimli bir şekilde üretilmesini, dağıtılmasını ve kullanılmasını sağlamak için yapay zeka (AI) nasıl bir katkı sağlayabilir? Alman Havacılık ve Uzay Merkezi (DLR), diğer şeylerin yanı sıra elektrikli otomobiller için şarj planları oluşturmak amacıyla yerel tüketim ve üretim tahminleri için bir model geliştirdi. Federal Ekonomi ve Enerji Bakanlığı (BMWi) tarafından finanse edilen EMGIMO (Çok Kiracılı Ticari Gayrimenkul için Yeni Enerji Tedarik Konseptleri) araştırma projesinde, DLR Ağa Bağlı Enerji Sistemleri Enstitüsünden bir ekip, kendi kendine öğrenen algoritmaların nasıl olabileceğini araştırıyor. doğrudan kendi fotovoltaik sisteminizden (PV sistemi) mümkün olduğunca fazla elektrik üretmek için kullanılabilir. kullanılabilir.
Sistem kontrolü için yenilikçi çözümler
Yenilenebilir enerjilere geçişin bir sonucu olarak enerji sistemi giderek daha karmaşık hale geldiğinden, sistem kontrolü için bu tür yenilikçi çözümler gereklidir. Elektrik santralinden tüketiciye daha önce tek boyutlu tedarik yerine, rüzgar türbinleri ve PV sistemleri, sayısız yerde merkezi olmayan bir şekilde enerjiyi şebekeye giderek daha fazla besliyor. Bu, güç kaynağı ve dolayısıyla şebeke istikrarı için yeni zorluklar ortaya çıkarıyor, ancak aynı zamanda ev sahipleri ve esnaf için yeni iş modellerinin kapılarını açıyor. Yapay zekanın entegrasyonu ile DLR tam olarak burada devreye giriyor.
Üretim, depolama ve tüketimin dinamik kontrolü
Yedi ticari kiracının bulunduğu bir pilot binada EMGIMO projesi için çeşitli donanım ve yazılım bileşenleri kurulmuştur. Mülkün çatısındaki bir PV sistemi, binanın kendi güç kaynağının mümkün olduğu kadar yüksek olması için enerji sağlar. Ayrıca elektrikli otomobiller ve akıllı sayaçlar için özel ve ticari kullanım için altı şarj istasyonu mevcuttur. DLR Ağa Bağlı Enerji Sistemleri Enstitüsü EMGIMO proje yöneticisi Jan-Simon Telle, “Bu dijital elektrik sayaçları, mevcut tüketim verilerini bir iletişim ünitesi aracılığıyla geleceğin akıllı elektrik şebekesine iletebilecek şekilde tasarlandı” diye açıklıyor. Bu sözde akıllı şebeke, tüm bileşenleri birbirine bağlayacak ve böylece elektriğin üretimini, tüketimini ve depolanmasını dinamik olarak kontrol edecektir.
Yapay zeka aracılığıyla aktarılabilir tahmin modelleri
Ayrıntılı olarak, DLR’deki araştırmacılar, karşılaştırılabilir özelliklere aktarılabilecek yük ve üretim tahminlerinden bir model oluşturmak için AI yöntemlerini kullanıyor. Bu tahminler, zamanın hangi noktasında ne kadar enerji üretilip kullanılacağını türetmek için kullanılabilir. Kendi kendine öğrenen algoritmaları binadan ölçülen değerlerle ve dış sıcaklık, nem ve bulut örtüsü gibi hava parametreleriyle günde birkaç kez eğiterek, örneğin güne bağlı olarak enerji üretimi ve tüketimindeki kalıpları tanırlar. haftanın, günün saati veya mevsim. AI daha sonra bu verileri sonraki 15 dakikadan 48 saate kadar tahminler oluşturmak için kullanır.
Kendi kendine öğrenen algoritmalar verimli şarj planları oluşturur
Geleneksel yük tahmini yöntemleriyle karşılaştırıldığında yapay zekanın kullanımı, değişikliklerin – örneğin kiracı değişikliğinin – algoritmalar tarafından kendi kendine öğrenen bir şekilde tanınmasını ve doğrudan tahminlere entegre edilmesini sağlar. Telle, “Algoritmaların bir başka avantajı da, PV sisteminin eskime etkilerini veya örneğin gölgeleme veya kusurlar nedeniyle daha düşük enerji üretimini otomatik olarak dikkate almalarıdır” diye ekliyor. Ek olarak, algoritmalar, bireysel cihazların tüketim profilleri için tahminler yapmak için de kullanılabilir; bu, DLR araştırmacılarının, bir saatten daha kısa bir zaman ufku ile kısa vadeli tahminleri daha da kesin bir şekilde tanımlayabileceği anlamına gelir. Model, tüm yük ve üretim tahminlerini birleştirerek, enerji depolama ve elektrikli otomobiller için şarj planları oluşturmamıza olanak tanıyor. Bu, yalnızca enerji yoğun başka hiçbir tüketici aktif olmadığında şarj etmemizi sağlıyor” diye açıklıyor Telle. Aynı zamanda, şarjın FV güç fazlası olduğunda gerçekleşmesi garanti ediliyor. Bu, geleceğin enerji sistemine daha fazla şebeke kararlılığı sağlıyor. .
Enerji araştırması, sayısallaştırma ve hareketlilik arasındaki arayüz
Jan-Simon Telle’nin ekibi, EMGIMO projesi üzerindeki çalışmayla enerji araştırması, sayısallaştırma ve hareketlilik arayüzünde araştırma yürütüyor. Bununla DLR, elektrik tüketimi ve yenilenebilir enerjilerden üretim için akıllı tahmin modellerinin bir enerji yönetim sistemine nasıl bağlanabileceğini gösteriyor. Ayrıca model, kentsel bölgelerde karşılaştırılabilir gayrimenkullere aktarılabilecek pratik bir model sunmaktadır.
Sistem kontrolü için yenilikçi çözümler
Yenilenebilir enerjilere geçişin bir sonucu olarak enerji sistemi giderek daha karmaşık hale geldiğinden, sistem kontrolü için bu tür yenilikçi çözümler gereklidir. Elektrik santralinden tüketiciye daha önce tek boyutlu tedarik yerine, rüzgar türbinleri ve PV sistemleri, sayısız yerde merkezi olmayan bir şekilde enerjiyi şebekeye giderek daha fazla besliyor. Bu, güç kaynağı ve dolayısıyla şebeke istikrarı için yeni zorluklar ortaya çıkarıyor, ancak aynı zamanda ev sahipleri ve esnaf için yeni iş modellerinin kapılarını açıyor. Yapay zekanın entegrasyonu ile DLR tam olarak burada devreye giriyor.
Üretim, depolama ve tüketimin dinamik kontrolü
Yedi ticari kiracının bulunduğu bir pilot binada EMGIMO projesi için çeşitli donanım ve yazılım bileşenleri kurulmuştur. Mülkün çatısındaki bir PV sistemi, binanın kendi güç kaynağının mümkün olduğu kadar yüksek olması için enerji sağlar. Ayrıca elektrikli otomobiller ve akıllı sayaçlar için özel ve ticari kullanım için altı şarj istasyonu mevcuttur. DLR Ağa Bağlı Enerji Sistemleri Enstitüsü EMGIMO proje yöneticisi Jan-Simon Telle, “Bu dijital elektrik sayaçları, mevcut tüketim verilerini bir iletişim ünitesi aracılığıyla geleceğin akıllı elektrik şebekesine iletebilecek şekilde tasarlandı” diye açıklıyor. Bu sözde akıllı şebeke, tüm bileşenleri birbirine bağlayacak ve böylece elektriğin üretimini, tüketimini ve depolanmasını dinamik olarak kontrol edecektir.
Yapay zeka aracılığıyla aktarılabilir tahmin modelleri
Ayrıntılı olarak, DLR’deki araştırmacılar, karşılaştırılabilir özelliklere aktarılabilecek yük ve üretim tahminlerinden bir model oluşturmak için AI yöntemlerini kullanıyor. Bu tahminler, zamanın hangi noktasında ne kadar enerji üretilip kullanılacağını türetmek için kullanılabilir. Kendi kendine öğrenen algoritmaları binadan ölçülen değerlerle ve dış sıcaklık, nem ve bulut örtüsü gibi hava parametreleriyle günde birkaç kez eğiterek, örneğin güne bağlı olarak enerji üretimi ve tüketimindeki kalıpları tanırlar. haftanın, günün saati veya mevsim. AI daha sonra bu verileri sonraki 15 dakikadan 48 saate kadar tahminler oluşturmak için kullanır.
Kendi kendine öğrenen algoritmalar verimli şarj planları oluşturur
Geleneksel yük tahmini yöntemleriyle karşılaştırıldığında yapay zekanın kullanımı, değişikliklerin – örneğin kiracı değişikliğinin – algoritmalar tarafından kendi kendine öğrenen bir şekilde tanınmasını ve doğrudan tahminlere entegre edilmesini sağlar. Telle, “Algoritmaların bir başka avantajı da, PV sisteminin eskime etkilerini veya örneğin gölgeleme veya kusurlar nedeniyle daha düşük enerji üretimini otomatik olarak dikkate almalarıdır” diye ekliyor. Ek olarak, algoritmalar, bireysel cihazların tüketim profilleri için tahminler yapmak için de kullanılabilir; bu, DLR araştırmacılarının, bir saatten daha kısa bir zaman ufku ile kısa vadeli tahminleri daha da kesin bir şekilde tanımlayabileceği anlamına gelir. Model, tüm yük ve üretim tahminlerini birleştirerek, enerji depolama ve elektrikli otomobiller için şarj planları oluşturmamıza olanak tanıyor. Bu, yalnızca enerji yoğun başka hiçbir tüketici aktif olmadığında şarj etmemizi sağlıyor” diye açıklıyor Telle. Aynı zamanda, şarjın FV güç fazlası olduğunda gerçekleşmesi garanti ediliyor. Bu, geleceğin enerji sistemine daha fazla şebeke kararlılığı sağlıyor. .
Enerji araştırması, sayısallaştırma ve hareketlilik arasındaki arayüz
Jan-Simon Telle’nin ekibi, EMGIMO projesi üzerindeki çalışmayla enerji araştırması, sayısallaştırma ve hareketlilik arayüzünde araştırma yürütüyor. Bununla DLR, elektrik tüketimi ve yenilenebilir enerjilerden üretim için akıllı tahmin modellerinin bir enerji yönetim sistemine nasıl bağlanabileceğini gösteriyor. Ayrıca model, kentsel bölgelerde karşılaştırılabilir gayrimenkullere aktarılabilecek pratik bir model sunmaktadır.