Pagsasaliksik sa Strategya ng Paggamit ng Enerhiya sa Bahay Batay sa Nakalat na PV Plants at ESS

1 Sistema ng Smart Home Batay sa ZigBee

Sa patuloy na pag-unlad ng teknolohiya ng kompyuter at teknolohiya ng kontrol ng impormasyon, ang mga intelligent homes ay lumago nang mabilis. Ang mga smart home hindi lamang nagpapanatili ng tradisyonal na mga punsiyon ng tirahan kundi nagbibigay rin ng convenient na pamamaraan para sa mga gumagamit na mag-manage ng mga aparato sa bahay. Kahit nasa labas pa ng bahay, maaari silang remotely monitorin ang kalagayan sa loob, na nagpapadali ng pagmamanage ng enerhiya sa bahay at nagpapataas ng kaunti ng uri ng pamumuhay.

Ang papel na ito ay ginawa ang disenyo ng isang sistema ng smart home batay sa ZigBee, na binubuo ng tatlong bahagi: home network, home server, at mobile terminal. Ang sistema ay simple, efficient, at may mataas na scalability, na ang istraktura ay ipinapakita sa Figure 1.

1 Arkitektura ng Smart Home Batay sa ZigBee
1.1 Home Network

Bilang core foundation, ang home network ay nagkonekta sa mga controllable loads bilang mga node para sa internal data transmission at multi-enerhiya management. Ang pagpipili ng wireless (ZigBee) kaysa sa wired solutions ay nagpapataas ng flexibility, reliability, at scalability. Ang ZigBee, na batay sa IEEE 802.15.4, ay nagbibigay ng mababang cost, power, at complexity kasama ang mataas na seguridad. Ang mga affordable chips nito ay nagbabawas ng system hardware costs. Ang network ay kasama:

• Coordinator: Nagmamanage ng ZigBee network (CC2530-based, IAR-compiled), na nakakakonekta sa karaniwang mga bahay sa pamamagitan ng direct-connected topology.

• Terminal Nodes: Nakakonekta sa metering/relays (bilang mga smart sockets), na nagkokolekta ng data at nagpapatupad ng mga utos para sa “control + monitoring” closure.

1.2 Home Server

Ang server ay gumaganap bilang “data-control core” ng sistema, na nagbibigay ng:

• Data Hub: Nagpapalit ng impormasyon sa pagitan ng ZigBee (sa pamamagitan ng serial port) at mobile terminals (sa pamamagitan ng Socket).

• Operation Monitoring: Nagsusunod ng status ng load, nagkocontrol ng switches, at nag-iimbak ng datos ng kuryente.

• Energy Efficiency Brain: Nag-aanalisa ng load/photovoltaic data upang i-optimize ang scheduling, na nagsasara ng loop ng energy management.

1.3 Mobile Terminal

Batay sa Android (Eclipse + Java), ang terminal ay nagbibigay:

• Status Visibility: Real-time display ng electricity info na inipin ng server.

• Remote Control: Nagpapadala ng mga utos upang macontrol ang mga load nang indirect.

• Flexible Scheduling: Nagse-set ng custom load timings (halimbawa, para sa time-of-use pricing).

2 Disenyo ng Home Energy Efficiency Management
2.1 System Architecture & Logic

Nagintegrate ng “smart home + PV + energy storage”, ang sistema ay inembed ang mga estratehiya ng efficiency sa server, na nagpapabuo ng isang “collect → model → optimize” loop:

• Data Layer: Nag-combine ng load at PV data.

• Model Layer: Nagsasabay ng PV use, storage, at load sa pamamagitan ng optimal schemes.

• Control Layer: Nagcoordinate ng PV/storage operations at load scheduling para sa “cost-efficiency” goals (structure sa Figure 2).

2.2 Core Components & Collaboration

Ang pangunahing mga bahagi (PV arrays, batteries, inverters, server, loads) ay gumagana bilang:

• PV Arrays: MPPT-enabled sa pamamagitan ng inverters, na nagpapadala ng real-time output sa server.

• Energy Storage: Grid-connected, nagcharge sa panahon ng PV surplus at nagdischarge sa panahon ng shortages (metered para sa grid interaction).

• Server: Nagkonekta sa inverters/sockets, na nag-aadjust ng mga device batay sa mga rules ng efficiency upang i-optimize ang flow ng enerhiya.

2.3 Load Classification & Scheduling

Ang mga load ay nahahati sa tatlong uri para sa time-of-use pricing-driven scheduling:

• Critical Loads (halimbawa, lighting): Fixed-time, non-adjustable.

• Adjustable Loads (halimbawa, AC): Variable-demand, power-tunable.

• Shiftable Loads (halimbawa, washers): Time-flexible, core para sa efficiency.

Ang server ay nagcocontrol ng shiftable loads sa pamamagitan ng smart sockets, na nagshave ng peaks/filling valleys upang bawasan ang cost at istabilize ang grid.

3 Mathematical Model and Control Strategy for Home Energy Efficiency Management
3.1 Mathematical Model for Home Energy Efficiency Management

Upang makamit ang wastong pamamahala ng enerhiya sa bahay, kailangang itatag ang isang mathematical model para sa kabuuang bayad ng kuryente. Ang papel na ito ay gumagamit ng "daily" control cycle, na nagpapahati ng 24 oras sa n pantay na yugto ng oras. Sa pamamagitan ng pag-discretize ng mga patuloy na problema (kapag ang n ay sapat na malaki, ang bawat yugto ay lumalapit sa isang "micro-element," at maaaring ituring na constant ang mga variable sa loob ng yugto). Sa ika-t-na yugto, batay sa dynamic balance ng "home load power, photovoltaic generation power, battery charging/discharging power, at grid interaction power," ang system power balance equation ay nakuha bilang:

Sa ika-t-na yugto ng oras, ang mga variable ng lakas ay inilalarawan bilang sumusunod:

• P_G^t: Grid interaction power (positive para sa pag-absorb ng lakas, negative para sa pag-inject ng lakas);

• P_A^t: Kabuuang lakas ng load ng bahay;

• P_b^t: Lakas ng pag-charge/discharge ng battery (positive para sa discharge, negative para sa charge);

• P_PV^t: Output power ng photovoltaic (PV) (naapektuhan ng solar irradiance, temperatura, humidity, at iba pa, at maipagkakalkula gamit ang PV power forecasting models).

Ang household PV system ay gumagana sa ilalim ng "self-consumption + surplus power grid-feeding" model, kung saan ang sobrang kuryente ay nagbibigay ng kita mula sa grid-feeding at ang PV generation ay nakakakuha ng subsidy. Sa pag-consider ng time-of-use (TOU) pricing (mas mataas ang peak rates, mas mababa ang off-peak rates), ang kabuuang bayad ng kuryente ay inihahayag bilang:Kabuuang Cost=Grid Purchase Cost−Grid-Feeding Revenue−PV Subsidies

Para sa daily cycle na diniscretize sa n yugto, ang modelo ng kabuuang bayad ay maaaring higit pang magbalikloob sa summation ng mga bayad sa bawat yugto, na eksaktong sumasang-ayon sa mga dynamic pricing scenarios.

Sa formula: C kumakatawan sa kabuuang daily electricity cost ng bahay; f_PV ay ang unit price ng photovoltaic power generation subsidy; 24/n ay ang duration ng isang yugto ng oras.
Ang expression para sa f_t sa Formula (2) ay

Sa formula: f^t_C ay ang presyo ng kuryente para sa user sa ika-t-na yugto, na hinahati sa peak-time electricity price at off-peak electricity price ayon sa iba't ibang yugto; f_R ay ang presyo ng kuryente para sa sobrang kuryente na inilagay sa grid. Ang mga halaga ng f_C^t, f_R at f_PV sa anumang oras ng araw ay lahat alam. Ang kabuuang lakas P_A^t ng load ng bahay ay katumbas ng sum ng lakas ng lahat ng shiftable loads at iba pang loads sa ika-t-na yugto.

Sa pormula: P_L,i ay ang operasyonal na kapangyarihan ng ika-i na maibabaluktot na load; T_L,i ay ang oras ng pagpapatakbo ng ika-i na maibabaluktot na load; Δ t_i ay ang haba ng oras ng pagpapatakbo ng ika-i na maibabaluktot na load; [t_i^s, t_i^e] ay ang saklaw ng oras ng pagpapatakbo ng ika-i na maibabaluktot na load. P_L,i, Δ t_i, t_i^s at t_i^e ay lahat ng tiyak na halaga.

Ang elektrikong kapangyarihan P_else,j^t ng iba pang load ay kilala, samantalang ang elektrikong kapangyarihan ng maibabaluktot na load ay nagbabago batay sa iba't ibang oras ng pagpapatakbo, at T_L,i ay isang hindi pa napagpasyan na halaga. Kapag ang T_L,i ay naiiba, ang kabuuang kapangyarihan P_A^t ng bahay na load ay nagbabago nang tugma, kaya nagbabago rin ang kabuuang gastos sa kuryente ng bahay C.

3.2 Strategiya ng Pagkontrol

Ang pangunahing layunin ng pagmamanage ng enerhiya ng bahay para sa efisiensiya ay ang pagpapalaki ng ekonomiko na benepisyo, partikular na inilipat sa pagbuo ng isang objektibong punsiyon para sa "pagbawas ng kabuuang gastos sa kuryente ng bahay C".

Batay sa modelo ng maibabaluktot na load at pinagsamantalang mekanismo ng presyo batay sa oras ng paggamit, ang pag-aadjust ng oras ng pagpapatakbo \(T_{\text{L},i}\) ng maibabaluktot na load ay maaaring dinamikong i-optimize ang kurba ng kabuuang kapangyarihan ng load ng bahay, na binabawasan ang kabuuang gastos mula sa perspektibo ng oras ng paggamit ng kuryente.

Koordinyadong Logika ng Pagkontrol para sa PV at Pagsimpan ng Enerhiya

Para sa photovoltaic (PV) na paggawa ng kuryente at mga batterya ng pagsimpan ng enerhiya, ang mga strategiya ng kontrol ay itinalaga para sa iba't ibang panahon:

• Pikong Panahon: Bigyan ng prayoridad ang ganap na paggamit ng paggawa ng kuryente ng PV. Kung ang output ng PV > kapangyarihan ng load, ang sobrang kuryente ay ipapasa sa grid para sa kita. Kung ang output ng PV < kapangyarihan ng load, ang batterya ang unang pagpipilian para sa pag-suplay ng kuryente (kapag ang estado ng kargahan ng batterya > minimum na halaga). Kapag nawalan na ng kargahan ang batterya, ang kulang na bahagi ay ipinapuno ng grid.

• Off-Peak Periods: Ang batterya ay ikakargal sa maximum na lakas ng kargado para sa pagsimpan ng enerhiya. Ang lahat ng kuryenteng kinakailangan ng load ay ipinapaloob mula sa grid, gamit ang mababang presyo ng off-peak na kuryente upang "punuin ang lambak" at i-save ang enerhiya para sa pikong panahon.

Mga Limitasyon ng Batterya

Kailangan suriin ang mga limitasyon sa lakas ng kargado/pag-discharge at sa kapasidad ng batterya upang mapigilan ang mga pag-uugali sa kargado at pag-discharge nito (ang espesipikong limitasyon ay kailangang idagdag sa mga pormula/modeles, hindi buo na ipinakita sa orihinal na teksto), upang matiyak ang kaligtasan ng mga aparato at estabilidad ng sistema.

Sa Pormula (6): P_b,max ay ang maximum na lakas ng kargado/pag-discharge ng batterya; sa Pormula (7), SOC^t ay ang state of charge (SOC) ng batterya sa ika-t-na panahon; SOC_min ang minimum na halaga ng SOC ng batterya; SOC_max ang maximum na halaga ng SOC ng batterya.

Batay sa estratehiya ng kontrol, i-optimize at kontrolin ang lakas ng kargado/pag-discharge ng batterya ng pagsimpan ng enerhiya. Sa panahon ng pikong panahon t &isin;[t₁, t₂, kung saan ang t₁ ay ang simula ng pikong panahon ng kuryente at t₂ ay ang katapusan ng pikong panahon ng kuryente, ang lakas ng pag-discharge ng batterya ay itinatakda bilang

Sa panahon ng off-peak t &isin; [1, t₁], ang lakas ng pag-discharge ng batterya ng pagsimpan ng enerhiya ay itinatakda bilang

Kailangan kalkulahin ang state of charge (SOC) ng storage battery. Ang relasyon sa pagitan ng state of charge sa proseso ng pag-charge at pag-discharge ng storage battery at ang charging/discharging power ay nasa ibaba:

Ang Formula (10) ay naglalarawan ng relasyon sa pagitan ng SOC ng storage battery at charging power sa panahon ng pag-charge (dito P_b^t ＜ 0; Ang Formula (11) ay naglalarawan naman ng relasyon sa panahon ng pag-discharge (dito P_b^t ＞ 0. SOC^{t + 1} ay ang SOC sa ika-t + 1 na panahon; &sigma; (self - discharge rate, halos 0% para sa maliit na oras), &eta;_ch (charging efficiency), &eta;_dis (discharging efficiency), at E_b,max (max capacity) ay mga parameter ng battery. Sa kabuuan, ang layunin ng home energy efficiency optimization ay bawasan ang kabuuang gastos sa kuryente sa pamamagitan ng pagtukoy sa simula ng shiftable loads at ang charging/discharging power ng energy storage sa bawat sandali, inihayag bilang:

Objective function

Constraint conditions

4 Case Analysis

Upang patunayan ang epektividad ng ipinaparangal na paraan ng home energy efficiency management, isinasagawa ang simulasyon at pagsusuri gamit ang household electrical equipment ng tipikal na bahay sa Shanghai. Ang sistema ng home energy efficiency management ay binubuo ng photovoltaic panels, batteries, inverter, home server, at household loads. Ang mga parameter ng sistema ay ipinapakita sa Table 1.

Nagpapatupad ang Shanghai ng time-of-use electricity pricing para sa residential living electricity, may peak hours mula 6:00 hanggang 22:00 sa 0.617 CNY/kWh, at off-peak hours mula 22:00 hanggang 6:00 ng susunod na araw sa 0.307 CNY/kWh. Ang feed-in tariff para sa surplus PV electricity ay 0.4048 CNY/kWh. Ang subsidy para sa photovoltaic power generation ng Shanghai ay kinabibilangan ng pambansang subsidy na 0.42 CNY/kWh at lokal na subsidy na 0.4 CNY/kWh, kabuuang 0.82 CNY/kWh.

Ipaglabag na ang maximum charging-discharging power ng battery ay 1.5 kW; ang minimum state of charge (SOC) ay itinakda sa 0.2, at ang maximum ay 0.9. Ang initial SOC (SOC¹) ng battery ay itinakda sa 0.2; ang charging-discharging efficiency ng battery ay 0.9.

Itakda ang n = 144, hinati ang 24-oras na araw nang pantay sa 144 na oras, bawat interval ay 10 minuto. Ipinaliliwanag ng Figure 3 ang power generation curve ng PV system sa isang araw. Ang mga operasyon parameters ng household loads ay ipinapakita sa Table 2, kung saan ang washing machine at water heater ay shiftable loads.

Batay sa nabanggit na data sa Table 2, ginamit ang Matlab upang gawin ang isang pagsasimula ng pag-aaral tungkol sa optimal management ng household loads. Ayon sa algorithm ng home energy efficiency management, itinakda ang pinakamahusay na paraan ng paggamit ng kuryente sa bahay upang bawasan ang kabuuang gastos sa kuryente sa isang araw. Ipinaliliwanag ang resulta ng simulasyon sa Figure 4.

Matapos ang simulasyon, ang pinakamababang total na gastos sa kuryente sa bahay ay nangyari kapag T_Li1 = 133 at T_Li2 = 132 (washing machine nagsisimula sa 22:00, water heater sa 21:50).

Ipinaliliwanag ng Figure 4 ang daily cost curve. Ang Curve 1 (walang energy management) at Curve 2 (may load shifting at storage control) ay nagpapakita: Ang negative costs nangangahulugan ng grid-feed revenue + PV subsidies > grid costs. Pagkatapos ng 6:00, ang pagtaas ng PV ay bumabawas ng gastos hanggang 17:00 (PV bumababa sa 0, ang grid supply ay tumataas ng gastos), natapos sa C = -2.02 CNY sa 24:00.

Sa may energy management, ang Curve 2 ay nagpapakita: Pagkatapos ng 0:00, ang pag-charge ng battery (mula sa grid) ay mabilis na tumataas ng gastos. Pagkatapos ng 17:00, ang pag-supply ng battery ay bumabagal sa pagtaas ng gastos kumpara sa Curve 1. Ang load shifting ay lalo pang bumabawas ng gastos, natapos sa C = -4.10 CNY (na 2.08 CNY decrease). Ang simulasyon ay nagpapatunay na gumagana ang algorithm—bumabawas ng gastos, sumusunod sa ekonomiya, at nagkakamit ng peak-shaving.

5. Conclusions

Isinawa ang isang sistema ng smart home na batay sa ZigBee na naglalaman ng PV, storage, at energy management. Binuo ang isang mathematical model at algorithm na batay sa time-of-use pricing. Nagpapakita ang mga simulasyon na ito ay nagsasama-sama para optimisin ang charging/discharging ng storage at timing ng load, bumabawas ng mga gastos, tumataas ng benepisyo, at nagpapatunay ng feasibility.