1        Какви са Reduxi AI стратегиите

Reduxi AI стратегиите са набор от интелигентни, самообучаващи се контролни алгоритми, вградени в Reduxi EMS (Система за управление на енергията). Те прогнозират, оптимизират и автономно контролират енергийните потоци през свързаните активи като батерии, PV, зарядни устройства за електромобили и термопомпи.

Основната цел е оптимизация на печалбата.

1.1     Основни дефиниции

• Прогноза представлява предвиждане на бъдещи енергийни потоци, включително натоварване, PV производство, използване на електромобили и обмен с мрежата. Той е изведен от исторически измервания и външни входове като метеорологични условия, време от деня и модели на употреба.
• Целта е да се оптимизира кога да се консумира, съхранява или изнася енергия. Това включва, например, зареждане на батерията по време на периоди с ниски цени или високо производство от фотоволтаици и разреждане по време на периоди с високи цени. Цените на електроенергийния пазар (SPOT, ToU) са ключов вход за този процес.
• Оптимизацията работи на всеки 15 минути, като непрекъснато актуализира решенията въз основа на най-новото състояние на системата и прогнозите.
• AI стратегията изпълнява контрол индиректно, като изпраща зададени стойности към контролера, който управлява всички включени устройства в реално време.
• Системата непрекъснато се учи от нови данни и съответно актуализира своите модели и поведение за оптимизация.

2         Първоначална конфигурация на AI стратегии

2.1     Добавяне на AI стратегия

AI стратегията, или режимът на оптимизация, се добавя в стратегията на Energy Manager чрез натискане на иконата „+“ и избиране на AI Energy Manager.

Конфигурирайте параметрите на стратегията съответно и запазете. Повече за конфигурациите може да намерите по-късно в специфичните за устройствата секции.

2.2     Контролен списък с условия за AI стратегия

За да се активира AI стратегия, трябва да бъдат изпълнени следните условия:

• Трябва да бъде зададена стратегия с AI режим на оптимизация и само една AI стратегия може да бъде активна в даден момент.
• Трябва да бъде конфигуриран ценови списък.
• Геолокацията трябва да бъде зададена.
• Регионът, държавата, часовата зона и валутата трябва да бъдат дефинирани.
• Контролерът трябва да е онлайн и свързан към Reduxi облака.
• Устройствата трябва да имат конфигурирани съответни параметри, например SOC на батерията, капацитет и лимити на мощността.
• Местоположението трябва да има поне две седмици исторически данни (PV, товар, мрежа и т.н.), за да могат да се генерират надеждни прогнози. Вижте по-долу за поведението при недостатъчна история.
• Трябва да има активен валиден AI лиценз.
• След като всички параметри са зададени, изчакайте поне 15 минути, за да се появи AI стратегията в облачното приложение и да започне да управлява устройствата.
• Успешно конфигурирана AI стратегия може да бъде разпозната по прогнозата, показана вдясно от реда „Forecast“. Пример е показан по-долу.

2.3     Разширени бележки и опции

• AI оптимизацията може да работи заедно с режимите по подразбиране и по график. Това позволява на системата да се държи различно в различни часове на деня въз основа на вашите настройки. Типичен пример е използването на различни настройки или лимити през деня и през нощта.

• Оптимизацията при отрицателни цени не е необходимо да се конфигурира отделно. Тя вече е обработена в режима на AI оптимизация, когато PV е конфигурирано съответно.
• Мрежовите лимити трябва да бъдат зададени, за да може системата да постигне желаната цел. Например, ако мрежовият лимит е зададен на 10 kW, но нормалната консумация е 100 kW, целта на оптимизацията не може да бъде постигната и потребителят трябва да дефинира ограничението съответно.
• Ако AI оптимизацията не може да бъде постигната поради ограничителни мрежови лимити, системата автоматично се връща към конфигурирания режим на оптимизация по подразбиране (напр. самоконсумация), както е дефинирано в потребителския интерфейс.
• Поведение при ограничен исторически данни (Първите ~2 седмици)
  • Когато няма достатъчно данни за прогнозиране, не са налични прогнози за PV, товари или мрежа.
  • В този случай, ако са разрешени както внос, така и износ, AI извършва енергиен арбитраж.
  • Ако вносът или износът са ограничени, AI преминава в режим на самоконсумация.
  • След като има достатъчно исторически данни, системата автоматично преминава към нормален AI режим.
• Reduxi може да управлява устройства само до степента, до която те правилно следват контролните сигнали. Ако едно устройство не реагира както се очаква, поведението му трябва да се провери с помощта на ръчни режими на управление. Например, някои PV централи не могат да бъдат ограничени, някои батерии не следват исканата зададена стойност, а при хибридни инверторни системи управлението на PV и батерията често са свързани. Reduxi се адаптира към тези ограничения, но те все още остават.
• Reduxi AI стратегиите координират всички включени устройства към обща цел за оптимизация. Зареждане от PV, разреждане към мрежата
  Ако зареждането от мрежата не е позволено, батерията се зарежда от PV и енергията по-късно може да бъде продадена на по-високи цени. Потребителите могат да дефинират кои категории устройства са включени, например батерии за съхранение, и кои са изключени, като например HVAC системи. Това увеличава стойността на слънчевото производство в сравнение с директното захранване. Препоръчваме всички категории да бъдат включени, тъй като това носи по-висока стойност, когато всичко работи към обща цел.
• Включените устройства се управляват активно от AI и участват в оптимизацията. Изключените устройства работят независимо под собствена логика за управление и не са засегнати от стратегията.

2.4     Честоти на актуализация:

• AI стратегията се преизчислява на всеки 15 минути. На същия интервал, актуализираната стратегия се внедрява в контролера, използвайки най-новото състояние на системата, метеорологични данни и входове.
• Веднъж внедрена в контролера, стратегията се изпълнява локално в реално време, реагирайки незабавно на измервания и мрежови условия.
• Ако стратегията бъде преконфигурирана, активирането и първоначалното изчисляване на прогнозата отнемат до 15 минути, за да станат активни.

3         Прогнозиране на потреблението и производството на енергия

Точното прогнозиране на потреблението и производството на енергия е от съществено значение за ефективното изпълнение на AI стратегията.

Използвайки данни за геолокация, историческо поведение и метеорологични входове (предимно слънчева радиация и температура), моделът за прогнозиране на Reduxi предсказва бъдещи енергийни потоци за следващия ден и след това.

Прогнозата се предоставя на 15-минутни интервали и може да бъде преглеждана от потребителя в графиката на мощността, в 15-минутен изглед.

3.1     Прогноза за производство от фотоволтаична (слънчева) електроцентрала

Производството на PV енергия зависи от историческото поведение, времето от деня и годината, и метеорологичните входове, основно радиация и температура.

За да се опрости конфигурацията, Reduxi не изисква информация за инсталирана мощност, площ или ориентация на PV централата. Тези характеристики се извеждат автоматично от историческото PV производство.

За точна прогноза е необходим минимум 14 дни исторически данни.

3.2     Прогноза за потребление (товар)

Прогнозата за потребление използва сходно исторически данни и метеорологични входове.

В допълнение, моделът отчита моделите на употреба като времето от деня, например по-ниска консумация през нощта, и ден от седмицата, като разлики между работни дни и уикенди.

Прогнозирането на потреблението е най-сложната част, тъй като трябва да отчита по-малко предвидимо поведение в кратки времеви рамки, например стартиране на големи машини в промишлени среди или стартиране на зареждане на EV.

Към момента всички товари се прогнозират заедно, включително зареждане на EV и HVAC. Това ще бъде допълнително подобрено в бъдещи версии.

4         Прогноза за мощността на батерията

Мощността на батерията е частта от системата, която може да бъде активно контролирана.

Нейната прогноза се извежда от оптимизационните цели като „резервиране на пикове“ и оптимизация на разходите. Повече подробности са предоставени в следващите секции.

4.1     Прогноза за базовата линия на мрежата

Прогнозата на потреблението и производството на ниво мрежа е от съществено значение за ефективния контрол на системата. Тя определя очаквания енергиен обмен с мрежата и цялата AI оптимизация е изградена около нея.

Прогнозата на мрежата е важна, защото:

• Отклоненията от очакваната базова линия могат да доведат до разходи.
• Потреблението и производството трябва да останат в рамките на мрежовите ограничения, като например лимити за внос и износ или предпазители.

Прогнозата на базовата линия позволява на AI да:

• намали мрежовия внос и вместо това да използва батерията.
• премести потреблението, за да управлява пикове и да избягва превишаване на лимитите.

За услуги като гъвкавост или балансиране, прогнозата на базовата линия също служи като референтна точка, защото:

• Позволява услуги за гъвкавост като отклонение от базовата линия.
• Определя потенциални глоби или награди.

5         Описание на AI стратегиите по категории

Както споменахме, AI стратегиите могат да управляват всички категории устройства за постигане на обща цел. Следващите секции описват функционалността на всяка категория по-подробно.

5.1     AI стратегия за батерия (BESS)

Системите за съхранение на енергия в батерии (BESS) се използват за максимизиране на спестяванията и приходите чрез следните режими:

• Енергиен арбитраж
  Зареждане на батерията, когато цените на енергията са ниски, и използване или продажба на съхранената енергия, когато цените са по-високи.
• Зареждане от мрежата, разреждане към товара
  Ако разреждането към мрежата не е позволено, тогава батерията се разрежда, за да покрие потреблението. В този случай батерията се зарежда от мрежата в интервали с ниски цени и се използва по-късно, когато цените са по-високи. Това премества потреблението и намалява разходите.
• Зареждане от PV, разреждане към мрежата
  Ако зареждането от мрежата не е разрешено, батерията се зарежда от PV и енергията по-късно може да бъде продадена на по-високи цени. Това увеличава стойността на слънчевата продукция в сравнение с директното захранване.

И в трите режима, AI модулът BESS на Reduxi изчислява оптималните времеви прозорци за зареждане и разреждане. За това той взема предвид:

• Цена за покупка на енергия, включително всички посочени такси, мрежови такси и други компоненти. (Забележка, цената трябва да бъде дефинирана предварително в облачното приложение)
• Цена за продажба на енергия, включително всички посочени такси, мрежови такси и други компоненти.
• Прогноза за PV производство, потребление и мрежа.
• Мрежови и батерийни лимити на мощността.
• Загуби при зареждане и разреждане на батерията, както и разходи за деградация на батерията.

Няколко примера:

• Цената на енергията е ниска в 12:00 и висока в 20:00. Батерията се зарежда около 12:00 и се разрежда около 20:00.
• Отчита мрежовите и батерийните лимити на мощността. Това означава, че ако мрежовият лимит е нисък и необходимото количество енергия за зареждане не може да бъде достигнато за по-кратко време, периодът на зареждане се удължава, например от 11:00 до 15:00.
• Отчита прогнозата за PV производство и зарежда батерията от PV производство вместо от мрежата, или от комбинация от двете.
• Ако ценовата разлика е твърде малка, за да покрие загубите от зареждане и разреждане и разходите за деградация на батерията, батерията не извършва цикъл на зареждане/разреждане.

5.1.1    Конфигурация на AI за BESS

Изображението показва екранна снимка на AI BESS конфигурацията.

• Режим Арбитраж или Ограничен от мрежата

Оперативният режим се определя от ограниченията за зареждане и разреждане от мрежата. Използвайки превключвателите в потребителския интерфейс, системата може да бъде конфигурирана за чист арбитраж или за оптимизация, която зачита ограниченията за внос и износ от мрежата.

• Минимални спестявания/приходи на kWh

За да се отчете деградацията на батерията, потребителят може да дефинира минималните спестявания или приходи, които цикълът трябва да генерира. Ако очакваната стойност е под този праг, батерията не се използва. Това защитава живота на батерията. Типична препоръчителна стойност е 0.02 EUR/kWh, която е оценена с помощта на следната калкулация:

Разходи за батерията / обща енергия за живота на батерията = 50 000 EUR / (10 000 цикъла × 250 kWh) = 0.02 EUR/kWh

• Капацитет, запазен за покриване на товара

Тъй като прогнозата никога не може да бъде идеална, процент от капацитета на батерията може да бъде запазен, за да покрие местната консумация и да предотврати превишаване на мрежовите лимити.

• Капацитет, запазен за излишък (PV) производство

Подобно, процент от капацитета на батерията може да бъде запазен за излишно PV производство в случай, че PV произвежда повече от планираното.

• Оптимизаторът също така отчита загубите на енергия по време на зареждане и разреждане. Загубата на енергия от пълния цикъл на зареждане и разреждане се оценява на 8%.

5.2     AI стратегия за PV

PV AI стратегията работи най-добре в комбинация с батерия. В този случай PV производството може да бъде съхранено в батерията и след това повторно използвано в периоди с високи цени на енергията.

Ако батерията не е включена, PV AI стратегията все още максимизира печалбата. Това означава:

• Когато цената на енергията е положителна, PV производството покрива товара и всеки излишък се изнася към мрежата до лимита за износ.
• когато покупната цена на енергията е отрицателна, но продажната цена е положителна, системата работи като самоконсумация с нулев износ. В това състояние PV производството покрива товара, но не изнася към мрежата.
• когато както покупната, така и продажната цена на енергията са отрицателни, режимът се настройва на максимална консумация. Това означава, че PV производството се спира, тъй като в противен случай би довело до загуби.

5.3     AI стратегия за зареждане на EV (EVSE)

ПРЕДСТОИ ДА СЕ ДЕФИНИРА

5.4     AI стратегия за контрол на термопомпа (HVAC)

AI стратегията за HVAC е проектирана да намали разходите за енергия, без да компрометира комфорта. Сградите имат висока топлинна инерция, което означава, че отоплението и охлаждането могат да бъдат изместени във времето с минимално въздействие върху вътрешните условия.

При управление на термопомпи, Reduxi използва поддържаните от устройството работни режими, като OFF, ECO, NORMAL и BOOST. Този подход гарантира, че термопомпата работи в рамките на своята проектирана логика за управление, поддържайки оптимална ефективност и защитавайки инвертора. В резултат на това работата остава безопасна и не се отразява негативно на експлоатационния живот на оборудването.

Спестяванията от термопомпата се постигат по два основни начина:

а. Оптимизация на базата на цените
Цените на енергията варират през деня. Reduxi се възползва от това, като увеличава работата на термопомпата, когато цените са ниски, и я намалява, когато цените са високи.

Например, ако електричеството е по-скъпо между 17:00 и 20:00, системата може леко да предварително затопли сградата преди този период. През скъпите часове, тя намалява консумацията, като същевременно поддържа комфорта чрез топлинната инерция на сградата.

Този симулиран пример показва как термопомпата увеличава използването на енергия през интервали с ниски цени и намалява консумацията през интервали с високи цени. Прекъснатата сива линия представлява цената на енергията.

б. Оптимизация на базата на времето
Термопомпите работят по-ефективно при по-високи външни температури. Това се определя чрез коефициента на полезно действие (COP). Reduxi използва прогнозите за времето, за да измести отоплението към периоди, когато условията са по-благоприятни. Това подобрява ефективността и намалява разходите, отново без да засяга комфорта.

Този симулиран пример показва как термопомпата намалява използването на енергия през нощта и увеличава мощността през по-топлите дневни часове, за да подобри ефективността.

Прекъснатата оранжева линия представлява прогнозата за температурата.

6         Примери за AI стратегии на практика

Ключова информация за AI стратегията се визуализира в изгледа „Charts“, идеално използвайки графиката на мощността в 15-минутна резолюция. Този изглед включва:

• Горна графика
  • исторически измервания на мощността на:
    • жълто – PV производство.
    • зелено – консумация на обекта.
    • синьо – мощност на батерията.
    • оранжева линия – обмен с мрежата.
  • прогноза от текущия момент до края на деня.
• В долната графика
  • червено – цена за покупка на енергия, включително всички дефинирани такси.
  • зелено – цена за продажба на енергия, включително всички дефинирани такси.
  • Цените трябва да бъдат предварително конфигурирани в уеб приложението в облака.

6.1     Пример: Типичен пример с батерия и PV

А – зареждане на батерията през нощта на ниски цени, като същевременно се поддържа мрежовият лимит на 240 kW.

Б – разреждане на батерията към мрежата на високи цени.

В – използване на слънчевото производство за покриване на потреблението на обекта.

Г – зареждане на батерията от прогнозирано слънчево производство по време на период с ниска цена (прогноза).

Д – разреждане на батерията към мрежата на високи цени (прогноза).

6.2     Пример: Голяма PV инсталация (специално място за PV производство)

А – разреждане на батерията към мрежата на високи цени.

Б – период с ниска цена. Зареждане на батерията изцяло от слънцето, с 0 kW към мрежата, което означава без внос и без износ.

В – след като батерията е пълна, износ на PV енергия към мрежата.

Г – разреждане на батерията към мрежата през трите периода с високи цени, за да се максимизират приходите.

6.3     Пример: Домашен обект с нулев износ

А – зареждане на батерията от мрежата, като същевременно се поддържа мрежовият лимит на 6 kW.

Б – разреждане на батерията за намаляване на мрежовия внос през периодите с високи цени.

В – зареждане на батерията от мрежата и слънцето, с максимален мрежов обмен от 6 kW, за да се съхрани енергия за скъпите вечерни часове.

Г – разреждане на батерията през скъпите вечерни часове. Износ към мрежата не е позволен поради лимита за захранване.

6.4     Пример 4: Utility PV

А – интервали, през които PV енергията се изнася или съхранява в батерията. Това зависи от цената на 15-минутни интервали.

Б – период с ниска цена, изцяло зареждане на батерията.

В – след като батерията е напълно заредена, износ на PV производство към мрежата.

Г – износ на съхранената енергия през периодите с високи цени.

6.5     Пример: Прогноза за потребление на производствен обект с работно време от 7:00 до 15:00

Типична прогноза за товар на компания с работно време от 7:00 до 15:00.

Наред с това е показана и типична прогноза за слънчево производство. Тези две прогнози се използват за съответно планиране на енергийното потребление.