Розроблення математичної моделі розпізнавання локальних станів енергоспоживання в Microgrid

Abstract

У роботі розглядаються сучасні системи MicroGrid, які є інноваційними рішеннями для децентралізованого управління енергетичними ресурсами. Основна увага приділяється типам навантажень у MicroGrid, таким як житлові, комерційні, промислові об’єкти та зарядні станції для електромобілів, а також їх областям застосування. Аналізується використання технологій Інтернету речей (IoT) для автоматизації управління локальними мережами електропостачання, збору даних та створення систем класифікації станів мереж. Значну увагу приділено розробці моделі енергетичного балансу, що базується на регресійних методах прогнозування та штучних нейронних мережах, включаючи LSTM. Дослідження індуктивного моделювання складних систем зосереджується на застосуванні передових підходів до аналізу та прогнозування характеристик динамічних систем, таких як MicroGrid. Індуктивне моделювання дозволяє виявляти приховані закономірності у великих масивах даних, що особливо важливо для кластеризації локальних станів енергетичних систем. У рамках цього підходу виконано класифікацію станів мікромереж за різними параметрами, такими як рівень споживання енергії, навантаження,генерація відновлюваної енергії та поточний енергетичний баланс. Завдання кластеризації включає формування груп локальних станів системи, що мають схожі характеристики, для розробки ефективних стратегій енергоменеджменту. Індуктивний підхід забезпечує адаптивність кластеризації до змінних умов та дозволяє виявляти нові класи станів у реальному часі. Особливу увагу приділено визначенню критеріїв якості кластерного аналізу. Зокрема, враховано такі критерії, як щільність кластерів, відстань між центр кластерів, а також зв’язок з цільовими ознаками, такими як мінімізація втрат енергії або оптимізація економічних показників. Динамічний енергоменеджмент у мікромережах ґрунтується на аналізі кластерів та прогнозуванні змін станів. Використання індуктивних моделей у цій сфері дозволяє розробляти сценарії управління, що враховують як поточні, так і прогнозовані умови. Це включає вибір оптимального режиму роботи генераторів, балансування між виробництвом та споживанням, а також інтеграцію відновлюваних джерел енергії. Наведено методики моделювання сценаріїв локальної полігенерації та розрахунку економічних показників, таких як LCOE (собівартість електроенергії). Отримані результати спрямовані на підвищення ефективності управління мікромережами, оптимізацію ресурсів та забезпечення сталого розвитку енергетики. Ключові слова: Мікрогрід, енергоефективність, економічні показники, LCOE, управління енергією, відновлювані джерела енергії, системи накопичення енергії, архітектура мікрогрід, скорочення викидів, сонячна енергетика.