1        Kaj so Reduxi AI strategije

Reduxi AI strategije so sklop inteligentnih, samoučečih se nadzornih algoritmov, vgrajenih v Reduxi EMS (sistem za upravljanje z energijo). Napovedujejo, optimizirajo in avtonomno nadzorujejo energetske tokove v povezanih sredstvih, kot so baterije, PV, polnilci za električna vozila in toplotne črpalke.

Primarni cilj je optimizacija dobička.

1.1     Osnovne definicije

• Napoved predstavlja predikcijo prihodnjih energetskih tokov, vključno z obremenitvijo, proizvodnjo PV, uporabo električnih vozil in izmenjavo z omrežjem. Izpeljano je iz zgodovinskih meritev in zunanjih vnosov, kot so vremenske razmere, čas dneva in vzorci uporabe.
• Cilj je optimizirati, kdaj porabiti, shraniti ali izvoziti energijo. To vključuje na primer polnjenje baterije v obdobjih nizkih cen ali visoke proizvodnje iz Fotonapetostnih sistemov ter praznjenje v intervalih visokih cen. Cene na trgu z električno energijo (SPOT, ToU) so ključni vnos v ta proces.
• Optimizacija poteka v 15-minutnih intervalih, pri čemer se odločitve nenehno posodabljajo na podlagi najnovejšega stanja sistema in napovedi.
• Strategija umetne inteligence izvaja nadzor posredno s pošiljanjem nastavitvenih točk krmilniku, ki v realnem času upravlja vse vključene naprave.
• Sistem se nenehno uči iz novih podatkov in temu primerno posodablja svoje modele in vedenje pri optimizaciji.

2        Začetna konfiguracija strategij umetne inteligence

2.1     Dodajanje strategije umetne inteligence

Strategijo umetne inteligence ali način optimizacije dodate v strategijo Energy Manager s klikom na ikono »+« in izbiro AI Energy Manager.

Ustrezno konfigurirajte parametre strategije in shranite. Več o konfiguracijah lahko najdete pozneje v razdelkih o specifičnih napravah.

2.2     Seznam pogojev za strategijo umetne inteligence

Če želite omogočiti strategijo umetne inteligence, morajo biti izpolnjeni naslednji pogoji:

• Strategija mora biti nastavljena z načinom optimizacije umetne inteligence in samo ena strategija umetne inteligence je lahko aktivna naenkrat
• Cenik mora biti konfiguriran
• Geolokacija mora biti nastavljena
• Regija, država, časovni pas in valuta morajo biti določeni
• Krmilnik mora biti povezan in povezan z oblakom Reduxi
• Naprave morajo imeti konfigurirane ustrezne parametre, na primer SOC baterije, kapaciteto in omejitve moči
• Lokacija mora imeti vsaj dva tedna zgodovinskih podatkov (PV, obremenitev, omrežje itd.), da se lahko ustvarijo zanesljive napovedi. Glejte spodaj za vedenje brez zadostne zgodovine.
• Veljavna licenca za umetno inteligenco mora biti aktivna
• Ko so vsi parametri nastavljeni, počakajte vsaj 15 minut, da se strategija umetne inteligence prikaže v aplikaciji v oblaku in začne upravljati naprave
• Uspešno konfigurirano strategijo umetne inteligence lahko prepoznate po napovedi, prikazani desno od vrstice »Napoved«. Primer je prikazan spodaj.

2.3     Napredne opombe in možnosti

• Optimizacija umetne inteligence lahko deluje vzporedno z privzetim in urnim načinom. To omogoča sistemu, da se obnaša drugače ob različnih urah dneva glede na vaše nastavitve. Tipičen primer je uporaba različnih nastavitev ali omejitev podnevi in ponoči.

• Optimizacije negativnih cen ni treba posebej konfigurirati. Ta je že obravnavana v načinu optimizacije umetne inteligence, ko je fotovoltaika ustrezno konfigurirana.
• Omejitve omrežja morajo biti nastavljene, da lahko sistem doseže želeni cilj. Na primer, če je omejitev omrežja nastavljena na 10 kW, normalna poraba pa je 100 kW, cilj optimizacije ne bo dosežen in mora uporabnik ustrezno definirati omejitev.
• Če optimizacije umetne inteligence ni mogoče doseči zaradi restriktivnih omejitev omrežja, sistem samodejno preklopi na privzeti način optimizacije (npr. samooskrba), kot je določeno v uporabniškem vmesniku.
• Vedenje z omejenimi zgodovinskimi podatki (prva ~2 tedna)
  • Ko ni dovolj podatkov za napovedovanje, ni na voljo napovedi PV, obremenitve ali omrežja
  • V tem primeru, če sta dovoljena uvoz in izvoz, umetna inteligenca izvaja energijsko arbitrażo
  • Če je uvoz ali izvoz omejen, umetna inteligenca preklopi na način samooskrbe
  • Ko je na voljo dovolj zgodovinskih podatkov, sistem samodejno preklopi na običajni način umetne inteligence
• Reduxi lahko upravlja naprave le do mere, do katere pravilno sledijo nadzornim signalom. Če se naprava ne odziva pričakovano, je treba njeno delovanje preveriti z uporabo ročnih načinov upravljanja. Na primer, nekateri fotovoltaični sistemi ne morejo biti omejeni, nekatere baterije ne sledijo zahtevanim nastavitvenim točkam, v hibridnih razsmerniških sistemih pa sta upravljanje PV in baterije pogosto povezana. Reduxi se prilagaja tem omejitvam, vendar omejitve še vedno ostajajo.
• Strategije umetne inteligence Reduxi usklajujejo vse vključene naprave za skupni cilj optimizacije. Uporabniki lahko določijo, katere kategorije naprav so vključene, na primer baterijsko shranjevanje, in katere so izključene, kot so sistemi HVAC. Priporočamo vključitev vseh kategorij, saj to prinaša večjo vrednost, kjer vse deluje proti skupnemu cilju.
• Vključene naprave aktivno upravlja umetna inteligenca in sodelujejo pri optimizaciji. Izključene naprave delujejo neodvisno pod lastno logiko upravljanja in nanje strategija ne vpliva.

2.4     Stopnje posodabljanja:

• Strategija umetne inteligence se preračuna vsakih 15 minut. V istem intervalu se posodobljena strategija uvede v krmilnik, pri čemer se uporabijo najnovejši podatki o stanju sistema, vremenski podatki in vnosi.
• Ko je strategija uvedena v krmilnik, se izvaja lokalno v realnem času in se takoj odziva na meritve in pogoje v omrežju.
• Če je strategija ponovno konfigurirana, aktiviranje in izračun začetne napovedi trajata do 15 minut, da postaneta aktivni.

3        Napoved porabe in proizvodnje energije

Natančno napovedovanje porabe in proizvodnje energije je bistveno za učinkovito delovanje strategije umetne inteligence.

Z uporabo podatkov o geolokaciji, zgodovinskega vedenja in vremenskih vnosov (predvsem sončnega obsevanja in temperature) model napovedovanja Reduxi napove prihodnje energijske tokove za naslednji dan in naprej.

Napoved je podana v 15-minutnih intervalih in jo lahko uporabnik vidi v grafikonu moči v 15-minutnem prikazu.

3.1     Napoved proizvodnje fotovoltaične (sončne) elektrarne

Proizvodnja PV energije je odvisna od zgodovinskega vedenja, časa dneva in leta ter vremenskih vnosov, predvsem obsevanja in temperature.

Za poenostavitev konfiguracije Reduxi ne zahteva informacij o instalirani moči, površini ali orientaciji fotovoltaične elektrarne. Te značilnosti se samodejno sklepajo iz zgodovinske PV proizvodnje.

Za natančno napoved je potrebnih najmanj 14 dni zgodovinskih podatkov.

3.2     Napoved porabe (obremenitve)

Napoved porabe podobno uporablja zgodovinske podatke in vremenske vnose.

Poleg tega model upošteva vzorce uporabe, kot sta čas dneva, na primer nižja poraba ponoči, in dan v tednu, na primer razlike med delovniki in vikendi.

Napovedovanje porabe je najzahtevnejši del, saj mora upoštevati manj predvidljivo vedenje v kratkih časovnih okvirih, na primer zagon velikih strojev v industrijskih okoljih ali zagon polnjenja električnega vozila.

Trenutno se vse obremenitve napovedujejo skupaj, vključno s polnjenjem električnih vozil in HVAC. To bo v prihodnjih različicah še izboljšano.

4        Napoved moči baterije

Moč baterije je del sistema, ki ga je mogoče aktivno upravljati.

Njena napoved je izpeljana iz ciljev optimizacije, kot sta zmanjšanje konic in optimizacija stroškov. Več podrobnosti je podanih v naslednjih razdelkih.

4.1     Napoved omrežne osnovne črte

Napoved porabe in proizvodnje na ravni omrežja je bistvena za učinkovito upravljanje sistema. Opredeljuje pričakovano izmenjavo energije z omrežjem in vse optimizacije umetne inteligence temeljijo na njej.

Napoved omrežja je pomembna, ker:

• Odstopanja od pričakovane osnovne črte lahko povzročijo stroške
• Poraba in proizvodnja morata ostati znotraj omejitev omrežja, kot so omejitve uvoza in izvoza ali omejitve varovalk

Osnovna napoved omogoča umetni inteligenci, da:

• zmanjša uvoz iz omrežja in namesto tega uporabi baterijo
• premakne porabo za upravljanje konic in izogibanje preseganju omejitev

Za storitve, kot sta prožnost ali uravnoteženje, osnovna napoved deluje tudi kot referenčna točka, ker:

• omogoča storitve prožnosti kot odstopanje od osnovne črte
• določa potencialne kazni ali nagrade

5        Opis strategij umetne inteligence po kategorijah

Kot je omenjeno, lahko strategije umetne inteligence upravljajo vse kategorije naprav za doseganje skupnega cilja. Naslednji razdelki podrobneje opisujejo funkcionalnost vsake kategorije.

5.1     Strategija umetne inteligence za baterijo (BESS)

Sistemi za shranjevanje energije v baterijah (BESS) se uporabljajo za povečanje prihrankov in zaslužkov z naslednjimi načini:

• Energijska arbitraža
  Polnjenje baterije, ko so cene energije nizke, in uporaba ali prodaja shranjene energije, ko so cene višje.
• Polnjenje iz omrežja, praznjenje za obremenitev
  Če praznjenje v omrežje ni dovoljeno, se baterija izprazni za pokrivanje porabe. V tem primeru se baterija polni iz omrežja v intervalih nizkih cen in se uporablja pozneje, ko so cene višje. To premakne porabo in zmanjša stroške.
• Polnjenje iz PV, praznjenje v omrežje
  Če polnjenje iz omrežja ni dovoljeno, se baterija polni iz PV in energijo je mogoče pozneje prodati po višjih cenah. To poveča vrednost sončne proizvodnje v primerjavi z neposrednim dovajanjem.

V vseh treh načinih modul BESS AI Reduxi izračuna optimalne časovne okvne za polnjenje in praznjenje. Pri tem upošteva:

• Cena nakupa energije, vključno z vsemi določenimi pristojbinami, omrežnimi dajatvami in drugimi sestavinami. (Opomba, cena mora biti vnaprej določena v aplikaciji v oblaku)
• Prodajna cena energije, vključno z vsemi določenimi pristojbinami, omrežnimi dajatvami in drugimi sestavinami
• Napoved PV proizvodnje, porabe in omrežja
• Omejitve moči omrežja in baterije
• Izgube pri polnjenju in praznjenju baterije ter stroški degradacije baterije

Nekaj primerov:

• Cena energije je nizka ob 12:00 in visoka ob 20:00. Baterija se polni okoli 12:00 in prazni okoli 20:00.
• Upošteva omejitve omrežja in baterije. To pomeni, da če je omejitev omrežja nizka in zahtevane energije za polnjenje ni mogoče doseči v krajšem času, se obdobje polnjenja podaljša, na primer od 11:00 do 15:00.
• Upošteva napoved PV proizvodnje in polni baterijo iz PV proizvodnje namesto iz omrežja ali iz kombinacije obeh.
• Če cenovna razlika ni dovolj velika, da bi pokrila izgube pri polnjenju in praznjenju ter stroške degradacije baterije, baterija ne izvede cikla polnjenja/praznjenja.

5.1.1    Konfiguracija BESS AI

Slika prikazuje posnetek zaslona konfiguracije AI BESS.

• Arbitraža ali način z omejenim omrežjem

Način delovanja je določen z omejitvami polnjenja in praznjenja omrežja. Z uporabo stikal v uporabniškem vmesniku je mogoče sistem konfigurirati za čisto arbitrażo ali za optimizacijo, ki spoštuje omejitve uvoza in izvoza v omrežje.

• Minimalni prihranki/zaslužki na kWh

Za upoštevanje degradacije baterije lahko uporabnik določi minimalne prihranke ali zaslužke, ki jih mora cikel ustvariti. Če je pričakovana vrednost pod to mejo, baterija ni uporabljena. To ščiti življenjsko dobo baterije. Tipična priporočena vrednost je 0,02 EUR/kWh, kar je bilo ocenjeno z naslednjim izračunom:

Strošek baterije / celotna energija skozi življenjsko dobo baterije = 50.000 EUR / (10.000 ciklov × 250 kWh) = 0,02 EUR/kWh

• Rezervirana kapaciteta za pokrivanje obremenitve

Ker napoved nikoli ne more biti idealna, se lahko odstotek kapacitete baterije rezervira za pokrivanje lokalne porabe in preprečevanje preseganja omejitev omrežja.

• Rezervirana kapaciteta za presežek (PV) proizvodnje

Podobno se lahko odstotek kapacitete baterije rezervira za presežek PV proizvodnje v primeru, da PV proizvaja več, kot je načrtovano.

• Optimizator upošteva tudi izgube energije med polnjenjem in praznjenjem. Izguba energije celotnega cikla polnjenja in praznjenja je ocenjena na 8 %.

5.2     Strategija umetne inteligence za PV

Strategija PV umetne inteligence najbolje deluje v kombinaciji z baterijo. V tem primeru se lahko PV proizvodnja shrani v baterijo in nato ponovno uporabi v obdobjih visokih cen energije.

Če baterija ni vključena, strategija PV umetne inteligence še vedno maksimizira dobiček. To pomeni:

• ko je cena energije pozitivna, PV proizvodnja pokrije obremenitev in vsak presežek je mogoče izvoziti v omrežje do izvozne omejitve
• ko je prodajna cena energije negativna, nakupna cena pa pozitivna, sistem deluje kot samooskrba z ničelnim izvozom. V tem stanju PV proizvodnja pokriva obremenitev, vendar ne izvaža v omrežje
• ko sta nakupna in prodajna cena energije negativni, se način nastavi na max-porabo. To pomeni, da se PV proizvodnja ustavi, saj bi sicer povzročila izgube

5.3     Strategija umetne inteligence za polnjenje EV (EVSE)

BO DOLOČENO

5.4     Strategija umetne inteligence za upravljanje toplotne črpalke (HVAC)

Strategija umetne inteligence HVAC je zasnovana za zmanjšanje stroškov energije brez ogrožanja udobja. Zgradbe imajo visoko toplotno vztrajnost, kar pomeni, da je mogoče ogrevanje in hlajenje časovno premakniti z majhnim vplivom na notranje razmere.

Pri upravljanju toplotnih črpalk Reduxi uporablja podprte načine delovanja naprave, kot so IZKLOP, ECO, NORMALNO in BOOST. Ta pristop zagotavlja, da toplotna črpalka deluje znotraj svoje zasnovane logike upravljanja, ohranja optimalno učinkovitost in ščiti razsmernik. Posledično delovanje ostaja varno in ne vpliva negativno na življenjsko dobo opreme.

Prihranki toplotne črpalke se dosežejo na dva glavna načina:

a. Optimizacija glede na ceno
Cene energije se spreminjajo skozi ves dan. Reduxi to izkoristi s povečanjem delovanja toplotne črpalke, ko so cene nizke, in zmanjšanjem, ko so cene visoke.

Na primer, če je električna energija dražja med 17:00 in 20:00, lahko sistem rahlo predgreje stavbo pred tem obdobjem. Med dragimi urami zmanjša porabo, medtem ko vzdržuje udobje z uporabo toplotne vztrajnosti stavbe.

Ta simulirani primer prikazuje, kako toplotna črpalka poveča porabo energije v intervalih nizkih cen in zmanjša porabo v intervalih visokih cen. Pikčasta siva črta predstavlja ceno energije.

b. Optimizacija glede na vreme
Toplotne črpalke delujejo učinkoviteje pri višjih zunanjih temperaturah. To je opredeljeno s koeficientom učinkovitosti (COP). Reduxi uporablja vremenske napovedi za premik ogrevanja v obdobja, ko so pogoji ugodnejši. To izboljša učinkovitost in zniža stroške, spet brez vpliva na udobje.

Ta simulirani primer prikazuje, kako toplotna črpalka zmanjša porabo energije ponoči in poveča moč v toplejših dnevnih urah za izboljšanje učinkovitosti.

Pikčasta oranžna črta predstavlja vremensko napoved.

6        Primera strategij umetne inteligence v praksi

Ključne informacije za strategijo umetne inteligence so vizualizirane v pogledu Grafi, idealno z uporabo grafičnega prikaza moči v 15-minutni ločljivosti. Ta pogled vključuje:

• Zgornji graf
  • zgodovinska meritev moči
    • rumena – PV proizvodnja
    • zelena – poraba lokacije
    • modra – moč baterije
    • oranžna črta – izmenjava z omrežjem
  • napoved od trenutnega časa do konca dneva
• V spodnjem grafu
  • rdeča – cena nakupa energije, vključno z vsemi določenimi pristojbinami
  • zelena – cena prodaje energije, vključno z vsemi določenimi pristojbinami
  • cene morajo biti predhodno konfigurirane v spletni aplikaciji v oblaku

6.1     Primer: Tipičen primer z baterijo in PV

A – polnjenje baterije ponoči po nizkih cenah ob ohranjanju omrežne omejitve pri 240 kW

B – praznjenje baterije v omrežje po visokih cenah

C – uporaba sončne proizvodnje za pokrivanje porabe na lokaciji

D – polnjenje baterije iz predvidene sončne proizvodnje v obdobju nizkih cen (napoved)

E – praznjenje baterije v omrežje po visokih cenah (napoved)

6.2     Primer: Velika PV elektrarna (namenska lokacija za PV proizvodnjo)

A – praznjenje baterije v omrežje po visokih cenah

B – obdobje nizkih cen. Polnjenje baterije izključno iz sončne energije, z 0 kW v omrežju, kar pomeni brez uvoza in brez izvoza

C – po napolnjeni bateriji izvoz PV energije v omrežje

D – praznjenje baterije v omrežje med tremi intervali visokih cen za maksimiranje zaslužkov

6.3     Primer: Gospodinjska lokacija z ničelnim dovajanjem

A – polnjenje baterije iz omrežja ob ohranjanju omrežne omejitve pri 6 kW

B – praznjenje baterije za zmanjšanje uvoza iz omrežja v obdobjih visokih cen

C – polnjenje baterije iz omrežja in sončne energije, z največjo izmenjavo z omrežjem 6 kW, da se shrani energija za drage večerne ure

D – praznjenje baterije med dragimi večernimi urami. Izvoz v omrežje ni dovoljen zaradi omejitve dovajanja

6.4     Primer 4: Utility PV

A – intervali, v katerih se PV energija izvozi ali shrani v baterijo. To je odvisno od cene v 15-minutnih intervalih

B – obdobje nizkih cen, izključno polnjenje baterije

C – po napolnjeni bateriji izvoz PV proizvodnje v omrežje

D – izvoz shranjene energije v obdobjih visokih cen

6.5     Primer: Napoved porabe lokacije proizvodnje z delovnim časom od 7:00 do 15:00

Tipična napoved obremenitve podjetja z delovnim časom od 7:00 do 15:00.

Ob tem je prikazana tipična napoved sončne proizvodnje. Ti dve napovedi se uporabljata za ustrezno načrtovanje uporabe energije.