Availible for Professional Plus account only

Optimization technique that addresses the trade-off between energy saving and user convenience and includes air pressure, dew point, and wind speed.

Wenn zum Beispiel die Klimaanlage als unterbrechbar eingestellt ist und der Benutzer beabsichtigt, sie 120 Minuten (time) zwischen 9:00 (start) und 13:00 Uhr (end) zu benutzen, kann der Betrieb in vier Zeitfenster von 30 Minuten (interval) aufgeteilt werden.

Typen:

• battery
• wallbox
• interruptible
• shiftable

Detailed description of the optimization parameters

Der Bedarf an erneuerbaren Energien als Antwort auf die Klimakrise hat zu Bemühungen geführt, die installierte Kapazität zu erhöhen, was sich in Formen der staatlichen Unterstützung und einer Senkung der Produktionskosten niederschlägt. Die zunehmende Stromerzeugung aus erneuerbaren Energiequellen führt zu einer größeren Variabilität in der Versorgung. Produktions- und Verbrauchsflexibilitäten werden daher immer wertvoller.

Der Optimzer von Forcast.Solar konzentriert sich auf die Optimierung des Eigenverbrauchs.

Eigenverbrauch ist definiert als der Teil der Photovoltaikproduktion, der vor Ort verbraucht wird. Seine Maximierung ist gleichbedeutend mit der Maximierung des positiven Anteils der verbleibenden PV-Erzeugung, der sich nach Abzug des unkontrollierbaren Stromverbrauchs ergibt.

Eigenverbrauch wird in der Regel als Stellvertreter für die Senkung der Stromrechnungen betrachtet.

Die Optimierung des Eigenverbrauchs erfordert die Kenntnis des Nutzerverhaltens und der Wettervorhersage. Die Erzeugung aus erneuerbaren Energiequellen unterliegt Wetterschwankungen, was die Genauigkeit der Produktionsprognose einschränkt. Robuste Optimierungsverfahren können eingesetzt werden, um mit diesen Unwägbarkeiten umzugehen, aber diese Ansätze führen oft dazu, dass die Worst-Case-Szenarien berücksichtigt werden und daher zu konservative Strategien vorgeschlagen werden. Um die Vorteile dieses neuen Rahmens für den Eigenverbrauch voll ausschöpfen zu können, sind HEMS erforderlich, die die koordinierte Aktivierung von Haushaltsgeräten automatisieren können. HEMS dienen der Kommunikation und der Steuerung von Haushaltsgeräten, um die Flexibilitätsressourcen des Hauses effektiv zu nutzen. Ein Teil dieser Flexibilität wird durch Eigenverbrauchsanlagen genutzt, die darauf abzielen, die lokal erzeugte Energie zu nutzen, anstatt sie zu exportieren.

• Configurable priority handling between multiple appliances
• Include solar forecasts to ensure your home battery is charged to a specific level at the end of the day
• Supports dynamic current control (e.g. for wallboxes)
• min. and max. current for appliances supporting dynamic current control
• Supports Only-Switch-On devices like washing machines or dishwashers

Haushaltsgeräte sind für einen großen Teil des Energieverbrauchs in intelligenten Haushalten verantwortlich, da die Zahl der Geräte in den letzten Jahren gestiegen ist. Dies ist auf die Einführung vieler neuer Haushaltsgeräte zurückzuführen, die den Verbrauchern einen komfortablen Lebensstil ermöglichen. Dieser Komfort geht jedoch mit Kosten einher, die mit Haushaltsgeräten verbunden sind, die zur Unterstützung moderner und sich ständig weiterentwickelnder Technologien eingesetzt werden. Einige dieser IoT-Geräte sind Geschirrspüler, Kühlschränke, Mikrowellen und intelligente Autos.

Aufgrund der zunehmenden Anzahl von Geräten ist die Energieeffizienz zu einer großen Herausforderung geworden. Angesichts der Notwendigkeit, den Energieverbrauch in intelligenten Häusern zu senken, wird es immer wichtiger, Wege zu finden, den Energieverbrauch effizienter und nachhaltiger zu gestalten. Die Nutzung von Forecast.Solar zur Vorhersage kann eine effektive Lösung für dieses Problem sein.

Opitimizer@Forecast.Solar as a Complex Problem-Solving system is based on prediction, analysis, optimization, control, and scheduling.

Im Hinblick auf den Energieverbrauch kann eine Vielzahl von Optimierungsmethoden durchgeführt werden, indem einige Einstellungen im Haushalt verändert werden. Einige dieser Einstellungen werden manuell angepasst, z. B. die Steuerung von Temperatur und Luftfeuchtigkeit durch Ein- und Ausschalten von Geräten zu den richtigen Tageszeiten.

Heutige Optimierungsverfahren verringern zwar den Energieverbrauch, lassen aber den Benutzerkomfort außer Acht, der das Hauptziel der Einführung von Haushaltsgeräten ist. Es besteht ein Bedarf an einer Optimierungsmethode, die den Zielkonflikt zwischen Energieeinsparung und Benutzerkomfort angeht. Bei den derzeitigen Optimierungsverfahren müssen auch Wetterdaten berücksichtigt werden, um die Energiekosten für die Steuerung der vom Benutzer gewünschten Einstellungen effektiv zu optimieren.

Die Zeitplanung von Geräten ist sehr wichtig, da sie sich auf den Energieverbrauch und die Geräteleistung auswirken kann, sie muss daher sorgfältig geplant werden.

Planung und Steuerung sind die nächsten Schritte, nachdem die beste Lösung für das identifizierte komplexe Problem gefunden wurde. Diese Techniken geben uns die Möglichkeit, die optimalen Gerätekonfigurationen und ihre Einstellungen anzuwenden, um in intelligenten Häusern Energie zu sparen. Diese Schritte ermöglichen es dem System, optimale Lösungen zu implementieren und die Umgebung zu kontrollieren, so dass das Verhalten des Systems vorher und nachher analysiert werden kann.

• Wolkenbedeckung, Temperatur, Luftfeuchtigkeit usw.

In der Praxis deckt sich die Zeit des Stromverbrauchs kaum mit der Zeit der Solarstromerzeugung der PV-Anlage. Überschüssiger, selbst erzeugter Solarstrom wird zu einem sehr niedrigen Preis an den Netzbetreiber verkauft, während teurer Netzstrom zugekauft werden muss, wenn die PV-Anlage keinen oder zu wenig Solarstrom erzeugt. Warum also nicht mehr Strom verbrauchen, wenn die PV-Anlage Strom erzeugt, und in der Nacht oder bei schlechtem Wetter Strom sparen?

Optimizer@Forecast.Solar hilft vorherzusagen, wie der eigene Strom aus der PV-Anlage optimal genutzt werden kann. Anhand dieser Empfehlungen kann der Eigenverbrauch gesteuert werden, der Verbrauch von teurem Netzstrom und die Stromkosten reduziert und gleichzeitig die Energieunabhängigkeit erhöht werden.

Im Durchschnitt liegt der Eigenverbrauchsanteil eines Einfamilienhauses zwischen 25 und 30%. Kombiniert man die intelligente Gerätesteuerung mit dem Einsatz von PV-Heimspeichern, kann der Eigenverbrauch deutlich gesteigert, meist verdoppelt werden.

Bei einem Einfamilienhaus mit einem jährlichen Stromverbrauch von 4700 kWh und einer durchschnittlichen PV-Leistung von 5 kWp liegt der Eigenverbrauchsanteil im Durchschnitt bei 20 bis 40%. Durch den Einsatz eines PV-Heimpeichers kann der Eigenverbrauchsanteil um 20 bis 40% erhöht werden. (Source: Fraunhofer Institut, 2020) In Kombination mit Optimizer@Forecast.Solar kann dieser Anteil weiter erhöht werden.

• Steuern Sie voll- oder halbautomatische Heiz- und Kühlgeräte wie elektrische Heizungen, Wärmepumpen, Klimaanlagen oder Warmwasserspeicher. (Energiesenke)
• Geschirrspüler, Wäschetrockner oder Waschmaschinen können so gesteuert werden, dass sie ein vorprogrammiertes Programm starten. (Schaltbare Lasten)
• Lassen Sie automatisch Ihre Schwimmbadheizung oder Umwälzpumpe einschalten, wenn Solarstrom produziert wird oder eine Mindestanzahl von Stunden pro Tag erreicht werden muss.
• Laden Sie Ihr Elektrofahrzeug mit überschüssigem Solarstrom.

Das Haupthindernis bei den erneuerbaren Energien besteht darin, dass ihre Leistung sehr unbeständig und wenig vorhersehbar ist. Der Nutzen der erneuerbaren Energien kann jedoch durch Vorhersage-, Optimierungs- und Steuerungsalgorithmen erhöht werden.

PV-OPTIM wurde entwickelt, um den Eigenverbrauch von Photovoltaikanlagen zu maximieren und, falls die Solarenergie nicht verfügbar ist, die Kosten zu minimieren, indem die besten Betriebszeitfenster gefunden werden. Wenn Speicher verfügbar sind, soll die Lebensdauer der Batterie geschützt werden.

Drei Algorithmen:

• PV-Prognosealgorithmus
• Optimierungsalgorithmus für den Tag im Voraus
• Echtzeit-Kontrollalgorithmus

Die wirtschaftlichen Auswirkungen beziehen sich auf die Kostenreduzierung und die Energieunabhängigkeit, die durch den Eigenverbrauchsanteil widergespiegelt wird. Die Stromkosten werden nach der Optimierung gesenkt und sinken im Falle von Echtzeitsteuerung weiter.

Das Hauptziel von … besteht darin, die Nutzung der Energie aus lokalen PV-Anlagen zu optimieren, indem die PV-Erzeugungskurve an die Lastkurve der Haushalte angepasst wird.

PV-Anlagen erzeugen in der Regel die meiste Energie zur Mittagszeit, wenn die Sonneneinstrahlung am höchsten ist. Die Energienachfrage in Privathaushalten erreicht jedoch zwei Spitzenwerte: eine kleinere Spitze am Morgen, wenn sich die Menschen auf den Tag vorbereiten, und eine größere Spitze am Abend, wenn sie nach Hause zurückkehren und heizen und kochen. Während der morgendlichen Spitze ist die PV-Erzeugung aufgrund der geringeren Sonneneinstrahlung, insbesondere im Winter, oft unzureichend. Umgekehrt ist die PV-Erzeugung am Abend minimal oder gar nicht vorhanden, da die Sonneneinstrahlung abnimmt.

Dieses Missverhältnis führt dazu, dass Energie zu Zeiten erzeugt wird, in denen sie nicht benötigt wird, was zu Verlusten führt. Daher überschneidet sich die Spitze der PV-Erzeugungskurve nicht mit den beiden Spitzen der Lastkurve der Haushalte. Diese Lücke führt zu Energieverlusten, da die Energie entweder gleichzeitig erzeugt und verbraucht wird oder verloren geht. .

.. kann hier Abhilfe schaffen, indem es die Betriebszeiten optimiert, insbesondere in Zeiten geringer Sonnenverfügbarkeit wie an bewölkten Tagen, bei Schneefall oder in der Nacht, um die Energiekosten zu minimieren und die Effizienz zu maximieren.

… erleichtert die Optimierung von steuerbaren Geräten und plant deren Betrieb während der PV-Betriebszeiten. Wenn ein Speicher verfügbar ist, werden die Lade-/Entladezyklen berücksichtigt und die Lebensdauer der Batterie geschützt.

Die Geräte werden in zwei Kategorien unterteilt:

• steuerbar - ihr Betrieb kann verzögert oder unterbrochen werden
• nicht steuerbar - ihr optimaler Zeitplan wird nicht verändert

Wenn der Nutzer beispielsweise die Waschmaschine als nicht steuerbar einstellt und der Betrieb zwischen 9:00 und 11:00 Uhr geplant wird, wird das Gerät um 9:00 Uhr starten und den Betrieb nicht unterbrechen, selbst wenn die PV-Erzeugung nicht ausreicht, um die Last zu decken.

Bei einem steuerbaren Gerät (z. B. einer Heizung oder einem Wechselstromaggregat) kann der Start verzögert oder unterbrochen werden, wenn die PV-Erzeugung nicht verfügbar ist. Daher wird die Last an die Erzeugungskurve angepasst, um das Defizit zu minimieren und die Stromkosten zu senken. Die Effizienz hängt von den Benutzeroptionen hinsichtlich der Anzahl der Geräte ab, die als steuerbar eingestellt sind.

Wenn alle Geräte nicht steuerbar sind, wird ein optimaler Zeitplan errechnet. Vorteile können erzielt werden, wenn mehr Geräte als steuerbar eingestellt werden und RTCA die Last so weit wie möglich reduziert, um sich der PV-Erzeugungskurve anzupassen.

https://www.sciencedirect.com/science/article/abs/pii/S0957417422018462

Für die Optimierung gibt der Nutzer die folgenden Daten an:

• Merkmale der Geräte (Kapazität, erforderliche Betriebszeit, Typ) und
• Einschränkungen für den Betrieb der Geräte während des Tages (Dauer, Anzahl der Vorgänge oder Zyklen, Präferenzen hinsichtlich der Betriebszeitfenster)

Die Geräte werden auf der Grundlage ihres Betriebszyklus in drei Kategorien (Typen) eingeteilt:

1. interruptible - ihr Betrieb kann jederzeit unterbrochen werden, und ihr Zeitplan kann in mehrere Zeitfenster aufgeteilt werden;
2. shiftable - ihr Betrieb kann nicht unterbrochen werden, und der Zeitplan sollte den gesamten Betriebszyklus, ausgedrückt durch die erforderliche Betriebszeit, abdecken; und
3. storage (Batterietyp) - ihr Ladevorgang kann unterbrochen werden.

Wenn zum Beispiel die Klimaanlage als unterbrechbar eingestellt ist und der Benutzer beabsichtigt, sie 120 Minuten zwischen 9:00 und 13:00 Uhr zu benutzen, kann der Betrieb in vier Zeitfenster von 30 Minuten aufgeteilt werden.

Im Falle eines Elektroofens kann der Zyklus nicht unterbrochen werden. Wenn der Benutzer also die Betriebszeit zwischen 11:30 Uhr und 14:00 Uhr mit einer Dauer von 60 Minuten einstellt, wird der gesamte Zyklus zu einer günstigen Zeit geplant, die von der Verfügbarkeit der PV-Erzeugung abhängt. Es wird also die optimale Start- und Endzeit für jedes programmierbare Gerät bestimmt.

… zielt darauf ab, den Verbrauch aus der verfügbaren PV-Erzeugung zu maximieren, den Austausch mit dem Stromnetz zu reduzieren, die Stromkosten zu senken und die Unabhängigkeit der Prosumer von der Netzversorgung zu erhöhen.

Name und Beschreibung, Gerätetyp (unterbrechbar, schaltbar, Batterie), erforderliche Betriebszeit, maximale Betriebszeit, Zeit zwischen den Betriebsvorgängen, aktivierbar (Ja/Nein), Kapazität sowie maximale und minimale Leistungsaufnahme.

Der Prosumer plant den Betrieb der Geräte, indem er die Einschränkungen hinsichtlich der Start- und Endzeit, der Anzahl der Zyklen und der Dauer angibt.

• it computed an effective battery charge given the proposed battery charge and the battery constraints
• it then computed the energy taken from the grid in both cases with and without battery
• it then computed the money spent in both cases with and without battery
• this finally gave the reward

Der Verlust dieser globalen Architektur wurde einfach als Wettbewerbswert festgelegt:

money_saved / abs(money_spent_without_battery) 

(der Nenner hatte eigentlich keinen Einfluss auf die optimale Strategie für eine gegebene Simulation, aber er ermöglichte es, das Lernen zu priorisieren, um Geld zu sparen, wenn der Faktor klein war).

Daher schlagen wir in diesem Beitrag eine neuartige Lösung vor, um die Lücke zwischen der PV-Erzeugung und den Lastkurven von Haushalten zu schließen und die Nutzung von PV-Dachanlagen für netzgebundene und netzunabhängige Prosumer mit einem IoT-basierten AOC-Modul zu maximieren.

Die Neuartigkeit der vorgeschlagenen Lösung besteht in der Kombination von vier Komponenten:

• Datenvorverarbeitung aus verschiedenen Quellen (Wetter-APIs, Wechselrichter, Smart Plugs)
• Algorithmen für maschinelles Lernen (ML) zur Vorhersage
• heuristische Lastoptimierung, die sich auf die Maximierung der Nutzung erneuerbarer Energien konzentriert, und
• Echtzeitüberwachung und -steuerung der Geräte auf der Grundlage des bevorzugten Zeitplans, der Verfügbarkeit von erneuerbaren Energien und der Speicherkapazität.