Forskning om strategi för effektiv energihantering i hushåll baserat på distribuerade PV-anläggningar och ESS

Echo

Fält: Transformeranalys

China

1 ZigBee-baserat smarta hemssystem

Med den kontinuerliga utvecklingen av dator- och informationsstyrningsteknik har intelligenta hem utvecklats snabbt. Smarta hem behåller inte bara traditionella bostadsfunktioner utan ger också användarna möjlighet att enkelt hantera hushålls-enheter. Även utanför hemmet kan användare fjärrövervaka det interna tillståndet, vilket underlättar energieffektivitetshantering i hemmet och förbättrar livskvaliteten betydligt.

I detta arbete utformas ett ZigBee-baserat smarta hemssystem, bestående av tre komponenter: hemnät, hemserver och mobilterminal. Systemet är enkelt, effektivt och mycket skalbart, med sin struktur visas i figur 1.

1 ZigBee-baserad smarta hemarkitektur
1.1 Hemnät

Som kärnfoundation kopplar hemnät styrbelastningar som noder för intern dataöverföring och flerenergihantering. Att välja trådlös (ZigBee) lösning över trådbunden ökar flexibilitet, tillförlitlighet och skalbarhet. ZigBee, byggt på IEEE 802.15.4, erbjuder låga kostnader, energiförbrukning och komplexitet med hög säkerhet. Dess billiga chip minskar systemets hårdvarukostnader. Nätet innehåller:

Koordinator: Hanterar ZigBee-nätet (CC2530-baserad, IAR-kompilerad), täcker typiska hem via direktkopplad topologi.
Terminalnod: Integrerad med mätare/reläer (som smarta stekontakter), samlar in data och utför kommandon för “styrning + övervakning”-slut.

1.2 Hemserver

Servern fungerar som systemets “data-styrningskärna”, hanterar:

Datahubben: Byter info mellan ZigBee (via seriell port) och mobilterminaler (via Socket).
Driftövervakning: Följer belastningsstatus, styr växlar och lagrar elektricitetsdata.
Energieffektivitets hjärna: Analyserar belastning/fotovoltaiska data för att optimera schemaläggning, stänger energihanteringscykeln.

1.3 Mobilterminal

Android-baserad (Eclipse + Java), terminalen möjliggör:

Statussynlighet: Visar serverns skjutna elektricitetsinfo i realtid.
Fjärrstyrning: Skickar kommandon för indirekt styrning av belastningar.
Flexibel schemaläggning: Ställer in anpassade belastningstider (t.ex. för tidsberoende prissättning).

2 Hemanläggnings energieffektivitets-hantering
2.1 Systemarkitektur & logik

Genom integrering av “smart hem + PV + energilagring” införs effektivitetsstrategier i servern, bildar en “samla → modellera → optimera”-cykel:

Datalager: Kombinerar belastnings- och PV-data.
Modellager: Balanserar PV-användning, lagring och belastning via optimala lösningar.
Styrningslager: Koordinerar PV/lagringsdrift och belastningsschemaläggning för “kostnadseffektivitet”-mål (strukturen i figur 2).

2.2 Kärnkomponenter & samarbete

Nyckelkomponenter (PV-paneler, batterier, omvandlare, server, belastningar) fungerar som:

PV-paneler: MPPT-aktiverade via omvandlare, skickar realtidsoutput till servern.
Energilagring: Ansluten till nät, laddas vid PV-överskott och avlastas vid brist (mäter för nätinteraktion).
Server: Kopplar omvandlare/stekontakter, justerar enheter enligt effektivitetsregler för optimal energiflöde.

2.3 Belastningsklassificering & schemaläggning

Belastningar delas in i tre typer för tidsberoende prissättning-drivna schemaläggningar:

Kritiska belastningar (t.ex. belysning): Fast tid, ej justerbart.
Justerbara belastningar (t.ex. luftkonditionering): Variabel efterfrågan, effektjusterbart.
Flyttbara belastningar (t.ex. tvättmaskiner): Tidsflexibla, kärna för effektivitet.

Servern styr flyttbara belastningar via smarta stekontakter, klipper toppar/fyller dal för att minska kostnader och stabilisera nätet.

3 Matematisk modell och styrstrategi för hemanläggnings energieffektivitets-hantering
3.1 Matematisk modell för hemanläggnings energieffektivitets-hantering

För att uppnå precis hemanläggnings energieffektivitets-hantering måste en matematisk modell för total elkostnad etableras. Detta arbete använder en “daglig” styrningscykel, delar upp 24 timmar i $n$ lika tidsintervall. Genom att diskretisera kontinuerliga problem (när $n$ är tillräckligt stort, närmar varje intervall sig en “micro-element” och variabler kan antas konstanta inom intervallet). I det $t$ -e intervallet, baserat på den dynamiska balansen av “hembelastnings effekt, fotovoltaisk genererings effekt, batteriladdning/avladdning effekt, och nätinteraktion effekt,” härleds systemets effektbalans ekvation som:

Inom det $t$ -e tidsintervallet definieras effektvariablerna som följer:

$P_{G t}$ : Nätinteraktion effekt (positiv för effektabsorption, negativ för effektinmatning);
$P A t$ : Total hushållsbelastnings effekt;
$P b t$ : Batteriladdning/avladdning effekt (positiv för avladdning, negativ för laddning);
$P PV t$ : Fotovoltaisk (PV) utmatnings effekt (påverkad av solinstrålning, temperatur, fuktighet etc., och förutsäges via PV-effektprognosmodeller).

Hushålls PV-system fungerar under “egenförbrukning + överskottsel matning till nät” modellen, där överskottsel ger intäkter från nätmatning och PV-generering kvalificerar för subventioner. Med hänsyn till tidsberoende prissättning (högre spikpriser, lägre nattpriser) beräknas totala elkostnaden som:Total Kostnad=Nätköpskostnad−Nätmatnings Intäkt−PV Subventioner

För en daglig cykel diskretiserad i $n$ intervall kan den totala kostnadsmodellen ytterligare dekomponeras till summan av intervallspecifika kostnader, precis anpassade till dynamiska prissättningsscenarier.

I formeln: $C$ representerar den totala dagliga elkostnaden för hushållet; f_PV är enhetspriset för fotovoltaisk effektgenerering subvention; $24/n$ är längden på ett tidsintervall.
Uttrycket för $f t$ i Formel (2) är

I formeln: $f t$ _Cär elpriset för användaren under det $t$ -e tidsperioden, vilket delas in i spiktid pris och natttid pris enligt olika tidsperioder; $f R$ är elpriset för överskottsel matning till nät. Värdena för $f C t$ , $f R$ och $f PV$ vid alla tidpunkter under dagen är kända. Den totala effekten $P A t$ för hushållsbelastningen är lika med summan av effekten för alla flyttbara belastningar och andra belastningar under det $t$ -e tidsperioden.

I formeln: $P L,i$ är drift effekten för den $i$ -te flyttbara belastningen; $T L,i$ är starttiden för den $i$ -te flyttbara belastningen; Δ $t i$ är drifttid för den $i$ -te flyttbara belastningen; $[t i s, t i e]$ är starttidens intervall för den $i$ -te flyttbara belastningen. $P L,i$ , Δ $t i$ , $t i s$ och $t i e$ är alla fastställda värden.

Effekten $P else,j t$ för andra belastningar är känd, medan effekten för flyttbara belastningar ändras beroende på olika starttider, och $T L,i$ är ett okänt värde. När $T L,i$ är olika, ändras den totala effekten $P A t$ för hushållsbelastningen, vilket i sin tur ändrar den totala hushållselkostnaden $C$ .

3.2 Styrstrategi

Det centrala målet för hemanläggnings energieffektivitets-hantering är att maximera ekonomiska fördelar, specifikt översatt till att konstruera ett målfunktionsobjekt för “minimera den totala hushållselkostnaden $C$ ”.

Baserat på flyttbar belastningsmodell och kombinerat med tidsberoende prissättning mekanism, kan justering av starttiden $T_{\text{L},i}$ för flyttbara belastningar dynamiskt optimera den totala hushållsbelastnings effekt kurvan, minskar den totala kostnaden ur perspektivet av elförbrukningstiming.

Koordinerad styrlogik för PV och energilagring

För fotovoltaisk (PV) effektgenerering och energilagringsbatterier formuleras styrstrategier för olika tidsperioder:

Spikperioder: Prioriterar fullständig förbrukning av PV-effektgenerering. Om PV-utmatning > belastnings effekt, matas överskottsel till nätet för intäkter. Om PV-utmatning < belastnings effekt, prioriteras batteriet för effekt leverans (när batteriets laddningsgrad > minimumvärde). När batteriet är tömt, kompletteras det otillräckliga delen av nätet.
Nattperioder: Batteriet laddas med maximal laddnings effekt för energilagring. All belastnings el levereras av nätet, använder lågpris natt el för att “fylla dalen” och lagra energi för spikperioder.

Batterigränser

Det är nödvändigt att samtidigt beakta batteriets laddnings/avladdnings effekt gränser och kapacitets begränsningar för att begränsa dess laddnings/avladdnings beteenden (specifika begränsningar behöver kompletteras med formler/modeller, inte fullständigt presenterade i originaltexten), för att säkerställa utrustningssäkerhet och systemstabilitet.

I Formel (6): $P b,max$ är batteriets maximala laddnings/avladdnings effekt; i Formel (7), $SOC t$ är batteriets laddningsgrad (SOC) under det $t$ -e tidsperioden; $SOC min$ är batteriets SOC-minimumvärde; $SOC max$ är batteriets SOC-maximumvärde.

Enligt styrstrategin optimeras och kontrolleras energilagringsbatteriets laddnings/avladdnings effekt. Under spikperioden $t ∈[t 1, t 2$ , där $t 1$ är starttiden för elförbrukningsspiken och $t 2$ är sluttiden för elförbrukningsspiken, sätts batteriets avladdnings effekt som

Under nattperioden $t ∈ [1, t 1]$ , sätts lagringsbatteriets avladdnings effekt som

Det är nödvändigt att beräkna laddningsgraden (SOC) för lagringsbatteriet. Förhållandet mellan laddningsgraden under laddnings- och avladdningsprocessen för lagringsbatteriet och laddnings/avladdnings effekt är som följer:

Formel (10) beskriver förhållandet mellan lagringsbatteriets SOC och laddnings effekt under laddning (här $P b t ＜ 0$ ; Formel (11) beskriver under avladdning (här $P b t ＞ 0$ . $SOC t$