1 فوریه 2024 -توسط Centrum Wiskunde & Informatica
سیستم های انرژی ما در حال تغییر سریع هستند. بسیاری از خانواده ها با پنل های خورشیدی برق تولید می کنند و منابع جدید تقاضا و ذخیره سازی مانند شارژ وسایل نقلیه الکتریکی و باتری های خانگی وجود دارد. مصرف کنندگان محلی (مصرف کنندگان انرژی که همچنین انرژی تولید و ذخیره می کنند) کنترل عرضه انرژی خود را به دست می گیرند. این توسعه باعث ایجاد جوامع انرژی و ریزشبکه ها، مانند جامعه SchoonSchip در شمال آمستردام می شود.
جوامع انرژی به مصرف کنندگان اجازه تولید، استفاده و تجارت انرژی را به صورت محلی می دهند. به این ترتیب آنها دیگر به تامین کنندگان بزرگ انرژی وابسته نیستند. با نزدیک‌تر کردن تولید انرژی به محل مورد نیاز، این جوامع همچنین به کاهش ازدحام شبکه کمک می‌کنند، که یک چالش رو به رشد برای اپراتورهای شبکه است.
سوالات بی پاسخ
دو مدل اصلی برای جوامع انرژی وجود دارد. در مرحله اول، خریداران به صورت جداگانه منابع انرژی خود را کنترل می کنند و سپس با یکدیگر تجارت می کنند. در مدل دیگر، چندین مشتری منابع انرژی مانند توربین‌های بادی، پنل‌های خورشیدی یا باتری‌های متعلق به جامعه را به اشتراک می‌گذارند و به طور مشترک کنترل می‌کنند. در هر دو مدل، تکنیک‌های هوش مصنوعی توزیع‌شده اغلب برای خودکارسازی و بهینه‌سازی مبادلات همتا به همتا (P2P) استفاده می‌شوند.
با این حال، این مدل‌ها سؤالات بی‌پاسخ بسیاری را ایجاد می‌کنند: چگونه صادقانه هزینه‌ها و مزایای تولید انرژی از دارایی‌های مشترک را تقسیم می‌کنید؟ سؤالات مهم دیگر این است: چه تعداد مشتری باید درگیر شوند تا تجارت P2P از نظر اقتصادی مقرون به صرفه باشد و دلایل مختلفی برای مشارکت افراد با نیازهای مصرف انرژی متفاوت در چنین پروژه هایی چیست؟
داده های واقعی در مقیاس بزرگ
مطالعه ای که در Applied Energy منتشر شده است، با هدف روشن کردن برخی از این سوالات کلیدی است. محققان از داده های واقعی در مقیاس بزرگ از بریتانیا استفاده کردند.
یکی از نویسندگان والنتین روبو، محققی در CWI و TU Eindhoven، توضیح می دهد: “تمرکز مطالعه ما بر روی مزایای حاشیه ای قراردادهای تبادل انرژی همتا به همتا، با استفاده از روشی برای اندازه گیری به نام “درآمد حاصل از تجارت” بود. ما دریافتیم که با افزایش تعداد قراردادهای انرژی همتا به همتا و ورود مشتریان بیشتر به بازار، تنوع در پروفایل مصرف به سرعت کاهش می‌یابد که منجر به کاهش قابل توجه بازده می‌شود.»
“این بدان معناست که بیشتر سود حاصل از تجارت از یک جامعه انرژی را می توان در صورتی به دست آورد که تنها کسری از اعضای جامعه شرکت کنند. به خصوص آن دسته از اعضایی که دارای پروفایل های تقاضای متفاوت از سایر اعضای جامعه هستند.”
“مطالعه ما همچنین بررسی می کند که چگونه یک تکنیک هوش مصنوعی به نام سیستم های چند عاملی می تواند برای خودکارسازی و بهینه سازی مذاکرات P2P استفاده شود تا هر دو طرف از تبادل انرژی بهره مند شوند.”
این مطالعه نتیجه همکاری بین محققان CWI (موسسه تحقیقاتی ملی برای ریاضیات و علوم کامپیوتر در آمستردام)، دانشگاه فناوری دلفت و دانشگاه فناوری آیندهوون در هلند، همراه با محققان دانشگاه گلاسکو (بریتانیا) و دانشگاه پرینستون (ایالات متحده آمریکا). این بخشی از پروژه ماری کوری TESTBED-2 بود.
