توسط دانشگاه هریوت وات1 ژوئن 2021
جوامع انرژی نقشی اساسی در ساخت سیستمهای انرژی غیرمتمرکز ، کم کربن و عادلانه در آینده خواهند داشت. چنین جوامعی تولیدکنندگان محلی (مصرف کنندگان با تولید و ذخیره سازی شخصی) را قادر می سازند تا با استفاده از دارایی های محلی مانند توربین های بادی ، صفحات خورشیدی و باتری ها ، انرژی را با یکدیگر تولید ، ذخیره و با یکدیگر تجارت کنند. به نوبه خود ، این امر جامعه را قادر می سازد تا از تولیدات تجدید پذیر محلی که بیشتر تولید می شود استفاده کند و قدرت بازار را از شرکت های بزرگ به تولید کنندگان مستقل محلی منتقل می کند.
پروژه های جامعه انرژی اغلب شامل دارایی های مشترک مانند توربین های بادی متعلق به جامعه یا ذخیره باتری مشترک است. با این حال ، این سوال ایجاد می شود که چگونه این دارایی ها باید کنترل شوند – غالباً در زمان واقعی ، و چگونه انرژی تولیدی دارایی های مشترک باید به طور عادلانه بین اعضای جامعه تقسیم شود ، با توجه به اینکه همه اعضا از نظر اندازه ، نیازهای انرژی یا تقاضای یکسان ندارند .
به نظر می رسد که ما می توانیم از هوش مصنوعی نه تنها برای استفاده بیشتر از انرژی های تجدیدپذیر و محافظت از عمر دارایی های گران قیمت (مانند باتری ها) استفاده کنیم ، بلکه همچنین می توان راه های عادلانه تری را برای تقسیم سودهای مشترک در نظر گرفت.
مقاله ای که اخیراً توسط محققان گروه Smart Systems (SSG) در دانشگاه هریوت وات در ادینبورگ ، اسکاتلند (انگلستان) در Applied Energy منتشر شده است ، نشان داده است که ابزارهای توزیع شده هوش مصنوعی (به ویژه سیستم های چند عاملی) و تئوری بازی های مشترک می توانند به طور کارآمد برای پاسخ به این سوالات استفاده می شود.
کار آنها الگوریتم های جدیدی را برای کنترل هوشمند دارایی های انرژی جامعه (مانند توربین های بادی محلی و باتری ها) توسعه می دهد ، هم برای استفاده بیشتر از برق تولید شده محلی و هم برای افزایش طول عمر دارایی های انرژی.
برای مثال آنها موردی را که خانوارها در باتری خانه خود در مقابل سرمایه گذاری در یک واحد ذخیره انرژی بزرگتر در جامعه سرمایه گذاری می کنند مقایسه می کنند و مزایای استفاده از روش ذخیره سازی مشترک را نشان می دهند. در مرحله بعدی ، آنها چندین مکانیسم عملی و کارآمد محاسباتی را برای تقسیم بازده این دارایی ها بین خانه ها به روشی عادلانه پیشنهاد می کنند. آثار آنها از مفهوم کلیدی ارزش حاشیه ای استفاده می کند – که از تئوری بازی ائتلاف گرفته شده و هوش مصنوعی توزیع شده است ، و به بررسی میزان کمک هر عضو (و هزینه های آن) برای جامعه محلی می پردازد.
انگیزه نویسندگان در کارشان مطالعه موردی واقعی جوامع در پروژه انعطاف پذیری پاسخ دهنده (ReFLEX) بزرگترین پروژه نمایش انرژی هوشمند بریتانیا که در جزایر اورکنی در اسکاتلند اجرا می شود ، بود. در کارهای مداوم ، آنها همچنین در جستجوی استفاده از روشهای خود برای جوامع انرژی در هند ، در چارچوب پروژه CEDRI کاهش تقاضای انرژی در هند هستند . پروژه ای که توسط محققان دانشگاه هریوت وات در اسکاتلند و موسسه فناوری (IIT) در دهلی نو هند هدایت می شود.
سونام نوربو ، دکتری دانشجویی که کار را در گروه SSG انجام می دهد گفت: “این کار برای اولین بار است که از نظر دانش ما یک مدل استهلاک باتری را در مدل سازی بهینه سازی انرژی در جامعه ادغام می کند انجام می دهیم. نظارت بر داده ها بر وضعیت سلامت باتری برای صرفه اقتصادی بسیار مهم است. ادغام نسل تجدید پذیر محلی و مدل انرژی جامعه کاربرد بسیار جذابی را فراهم می کند.علاوه بر این ، برای محققان علاقه مند به استفاده از تئوری بازی های مشترک در انرژی (که یک حوزه تحقیقاتی در حال رشد است) ، مدل پیشنهادی یکی از اولین مواردی است که از چنین مفاهیمی در یک محیط انرژی جامعه استفاده می کند. به طور خاص ، ما یک مدل توزیع مجدد را برای منافع در یک جامعه بر اساس ارزش حاشیه ای پیشنهاد می کنیم ، که یک مفهوم کلیدی در تئوری بازی های مشترک است . “
