1        Vad är Reduxi AI-strategier

Reduxi AI-strategier är en uppsättning intelligenta, självförbättrande styrningsalgoritmer inbyggda i Reduxi EMS (Energy Management System). De prognostiserar, optimerar och styr autonomt energiflöden över anslutna tillgångar som batterier, PV, elbilsladdare och värmepumpar.

Det primära målet är vinstoptimering.

1.1     Kärndefinitioner

• Prognos representerar en förutsägelse av framtida energiflöden, inklusive belastning, PV-produktion, elbilanvändning och nätutbyte. Det härleds från historiska mätningar och externa indata såsom väderförhållanden, tid på dygnet och användningsmönster.
• Målet är att optimera när energi ska förbrukas, lagras eller exporteras. Detta inkluderar, till exempel, att ladda batteriet under perioder med låga priser eller hög solenergiproduktion och att ladda ur under perioder med höga priser. Elmarknadspriser (SPOT, ToU) är en viktig indata till denna process.
• Optimeringen körs i rullande 15-minutersintervall, och uppdaterar kontinuerligt beslut baserat på det senaste systemtillståndet och prognoser.
• AI-strategin verkställer styrning indirekt genom att skicka börvärden till styrenheten, som hanterar alla inkluderade enheter i realtid.
• Systemet lär sig kontinuerligt från nya data och uppdaterar sina modeller och optimeringsbeteenden därefter.

2        Initial konfiguration av AI-strategier

2.1 Lägg till AI-strategi

AI-strategin, eller optimeringsläget, läggs till i Energy Manager-strategin genom att klicka på “+”-ikonen och välja AI Energy Manager.

Konfigurera strategi-parametrarna därefter och spara. Mer information om konfigurationerna finns senare i de enhetsspecifika avsnitten.

2.2 Checklista för villkor för AI-strategi

För att aktivera en AI-strategi måste följande villkor vara uppfyllda:

• En strategi måste ställas in med ett AI-optimeringsläge, och endast en AI-strategi kan vara aktiv åt gången
• En prislista måste konfigureras
• Geolokalisering måste vara inställd
• Region, land, tidszon och valuta måste definieras
• Styrenheten måste vara online och ansluten till Reduxi-molnet
• Enheterna måste ha relevanta parametrar konfigurerade, till exempel batteriets SOC, kapacitet och effektgränser
• Platsen måste ha minst två veckors historisk data (solenergi, last, nät, etc.) så att tillförlitliga prognoser kan genereras. Se nedan för beteendet utan tillräcklig historik.
• En giltig AI-licens måste vara aktiv
• Efter att alla parametrar har ställts in, vänta minst 15 minuter för att AI-strategin ska visas i molnappen och börja styra enheter
• En framgångsrikt konfigurerad AI-strategi kan kännas igen på den prognos som visas till höger om raden “Forecast”. Ett exempel visas nedan.

2.3 Avancerade anmärkningar och alternativ

• AI-optimering kan köras parallellt med standard- och schemalägen. Detta gör att systemet kan bete sig olika vid olika tidpunkter på dygnet baserat på dina inställningar. Ett typiskt exempel är att använda olika inställningar eller gränser under dagen och natten.

• Optimering för negativa priser behöver inte konfigureras separat. Det hanteras redan inom AI-optimeringsläget när solenergi är konfigurerat därefter.
• Nätbegränsningar måste ställas in så att systemet kan nå det önskade målet. Till exempel, om nätbegränsningen är inställd på 10 kW men den normala förbrukningen är 100 kW, kan optimeringsmålet inte uppnås och användaren måste definiera begränsningen därefter.
• Om AI-optimeringen inte kan uppnås på grund av restriktiva nätbegränsningar, återgår systemet automatiskt till det konfigurerade standardoptimeringsläget (t.ex. egenförbrukning) som definieras i användargränssnittet.
• Beteende med begränsad historisk data (Första ~2 veckor)
  • När det inte finns tillräckligt med data för prognostisering, finns inga prognoser för solenergi, last eller nät tillgängliga
  • I detta fall, och om både import och export tillåts, utför AI:n energ arbitrage
  • Om antingen import eller export är begränsad, växlar AI:n till egenförbrukningsläge
  • När tillräckligt med historisk data finns tillgänglig, växlar systemet automatiskt till vanligt AI-läge
• Reduxi kan bara styra enheter i den utsträckning de korrekt följer styrsignaler. Om en enhet inte svarar som förväntat bör dess beteende verifieras med manuella kontrolllägen. Till exempel kan vissa solcellsparker inte begränsas, vissa batterier följer inte den begärda börvärdet, och i hybridväxelriktarsystem är styrning av solenergi och batteri ofta sammankopplade. Reduxi anpassar sig till dessa begränsningar, men begränsningarna kvarstår fortfarande.
• Reduxi AI-strategier samordnar alla inkluderade enheter mot ett gemensamt optimeringsmål. Användare kan definiera vilka enhetskategorier som inkluderas, till exempel batterilagring, och vilka som exkluderas, såsom värme, ventilation och luftkonditionering (HVAC)-system. Vi rekommenderar att alla kategorier inkluderas eftersom detta ger högre värde där allt arbetar mot ett gemensamt mål.
• Inkluderade enheter hanteras aktivt av AI:n och deltar i optimeringen. Exkluderade enheter fungerar oberoende under sin egen kontrollogik och påverkas inte av strategin.

2.4 Uppdateringsintervall:

• AI-strategin beräknas om var 15:e minut. I samma intervall distribueras den uppdaterade strategin till styrenheten, med hjälp av det senaste systemtillståndet, väderdata och indata.
• När strategin har distribuerats till styrenheten exekveras den lokalt i realtid och reagerar omedelbart på mätningar och nätförhållanden.
• Om en strategi konfigureras om tar aktivering och initial prognosberäkning upp till 15 minuter för att bli aktiv.

3        Prognostisering av energiförbrukning och produktion

Noggrann prognostisering av energiförbrukning och produktion är avgörande för effektiv AI-strategiprestation.

Med hjälp av geolokaliseringsdata, historiskt beteende och väderindata (främst solinstrålning och temperatur), förutsäger Reduxis prognosmodell framtida energiflöden för nästa dag och framåt.

Prognosen tillhandahålls i 15-minutersintervall och kan ses av användaren i effektdiagrammet, i 15-minutersvy.

3.1 Produktionsprognos för solcellsanläggning

Produktion från solcellsanläggningar beror på historiskt beteende, tid på dygnet och året, samt väderindata, främst, instrålning och temperatur.

För att förenkla konfigurationen kräver Reduxi inte information om installerad effekt, yta eller orientering för solcellsanläggningen. Dessa egenskaper härleds automatiskt från historisk solenergiproduktion.

För en korrekt prognos krävs minst 14 dagars historisk data.

3.2 Förbrukningsprognos (last)

Prognostisering av förbrukning använder liknande historisk data och väderindata.

Dessutom tar modellen hänsyn till användningsmönster som tid på dygnet, till exempel lägre förbrukning på natten, och veckodag, som skillnader mellan vardagar och helger.

Prognostisering av förbrukning är den mest komplexa delen, eftersom den måste ta hänsyn till mindre förutsägbart beteende inom korta tidsramar, till exempel start av stora maskiner i industriella miljöer eller start av laddning av elfordon.

För närvarande prognostiseras alla laster tillsammans, inklusive laddning av elfordon och HVAC. Detta kommer att förbättras ytterligare i framtida versioner.

4        Prognos för batterieffekt

Batterieffekt är den del av systemet som aktivt kan styras.

Dess prognos härleds från optimeringsmål som toppbelastningshantering och kostnadsoptimering. Mer detaljer ges i följande avsnitt.

4.1 Prognos för nätets baslinje

Nätets prognostiserade förbrukning och produktion är avgörande för effektiv systemstyrning. Den definierar den förväntade energiväxlingen med nätet, och all AI-optimering bygger på den.

Nätprognosen är viktig eftersom:

• Avvikelser från den förväntade baslinjen kan leda till kostnader
• Förbrukning och produktion måste hålla sig inom nätets begränsningar, såsom import- och exportgränser eller säkringsgränser

Baslinjeprognosen gör det möjligt för AI:n att:

• minska nätimporten och använda batteriet istället
• skifta förbrukning för att hantera toppar och undvika att överskrida gränser

För tjänster som flexibilitet eller balansering fungerar baslinjeprognosen också som referenspunkt eftersom:

• den möjliggör flexibilitetstjänster som avvikelse från baslinjen
• den bestämmer potentiella böter eller belöningar

5        Beskrivning av AI-strategier per kategori

Som nämnts kan AI-strategier styra alla enhetskategorier för att uppnå ett gemensamt mål. Följande avsnitt beskriver funktionaliteten för varje kategori mer i detalj.

5.1 AI-strategi för batteri (BESS)

Batterilagringssystem (BESS) används för att maximera besparingar och intäkter genom följande lägen:

• Energihandel
  Ladda batteriet när energipriserna är låga och använd eller sälj den lagrade energin när priserna är högre.
• Ladda från nätet, ladda ur till last
  Om urladdning till nätet inte är tillåten, laddas batteriet ur för att täcka förbrukningen. I detta fall laddas batteriet från nätet under lågprisperioder och används senare när priserna är högre. Detta skiftar förbrukningen och minskar kostnaderna.
• Ladda från solenergi, ladda ur till nätet
  Om laddning från nätet inte är tillåten, laddas batteriet från solenergi och energin kan senare säljas till högre priser. Detta ökar värdet av solenergiproduktion jämfört med direkt inmatning.

I alla tre lägena beräknar Reduxi BESS AI-modulen de optimala tidsfönstren för laddning och urladdning. För detta beaktar den:

• Energiköpspris, inklusive alla specificerade avgifter, nätavgifter och andra komponenter. (Notera, priset måste anges i förväg i molnappen)
• Energisäljespris, inklusive alla specificerade avgifter, nätavgifter och andra komponenter
• Prognoser för solenergiproduktion, förbrukning och nät
• Nät- och batterieffektgränser
• Batteriets laddnings- och urladdningsförluster, samt kostnaden för batteridegradering

Några exempel:

• Energipriset är lågt kl. 12:00 och högt kl. 20:00. Batteriet laddas runt kl. 12:00 och laddas ur runt kl. 20:00.
• Den tar hänsyn till nät- och batterieffektgränser. Det betyder att om nätgränsen är låg och den nödvändiga laddningsenergin inte kan uppnås på kortare tid, förlängs laddningsperioden, till exempel från 11:00 till 15:00.
• Den tar hänsyn till prognosen för solenergiproduktion och laddar batteriet från solenergiproduktion istället för från nätet, eller från en kombination av båda.
• Om prisskillnaden är för liten för att täcka laddnings- och urladdningsförlusterna samt kostnaden för batteridegradering, utför inte batteriet laddnings-/urladdningscykeln.

5.1.1    Konfiguration av BESS AI

Bilden visar ett skärmklipp av AI BESS-konfigurationen.

• Arbitrage eller nätbegränsat läge

Driftläget bestäms av begränsningar för nätladdning och urladdning. Med hjälp av växlingsknapparna i användargränssnittet kan systemet konfigureras för ren arbitrage eller för optimering som respekterar begränsningar för nätimport och export.

• Minsta besparingar/intäkter per kWh

För att kompensera för batteridegradering kan användaren definiera minsta besparingar eller intäkter som en cykel måste generera. Om det förväntade värdet är under denna tröskel, används inte batteriet. Detta skyddar batteriets livslängd. Ett typiskt rekommenderat värde är 0,02 EUR/kWh, vilket har uppskattats med följande beräkning:

Kostnad för batteriet / total energi över batteriets livslängd = 50 000 EUR / (10 000 cykler × 250 kWh) = 0,02 EUR/kWh

• Kapacitet reserverad för att täcka last

Eftersom prognosen aldrig kan vara perfekt kan en procentandel av batterikapaciteten reserveras för att täcka lokal förbrukning och förhindra överskridande av nätgränser.

• Kapacitet reserverad för överskott (solenergi) produktion

På samma sätt kan en procentandel av batterikapaciteten reserveras för överskottsproduktion från solenergi om solenergin producerar mer än planerat.

• Optimeraren tar också hänsyn till energiförluster under laddning och urladdning. Energiförlusten för hela laddnings- och urladdningscykeln uppskattas till 8 %.

5.2 AI-strategi för solceller

AI-strategin för solenergi fungerar bäst i kombination med ett batteri. I detta fall kan solenergiproduktionen lagras i batteriet och sedan återanvändas under perioder med höga energipriser.

Om batteriet inte är inblandat, maximerar solenergi-AI-strategin fortfarande vinsten. Detta innebär:

• när energipriset är positivt, täcker solenergiproduktionen förbrukningen och eventuellt överskott exporteras till nätet upp till exportgränsen
• när inköpspriset för energi är positivt men försäljningspriset är negativt, fungerar systemet som egenförbrukning med noll export. I detta tillstånd täcker solenergiproduktionen förbrukningen men exporterar inte till nätet
• när både köp- och säljpriser för energi är negativa, ställs läget in på maxförbrukning. Detta innebär att solenergiproduktionen stoppas, eftersom den annars skulle resultera i förluster

5.3 AI-strategi för laddning av elfordon (EVSE)

SKA DEFINIERAS

5.4 AI-strategi för styrning av värmepump (HVAC)

HVAC AI-strategin är utformad för att minska energikostnaderna utan att kompromissa med komforten. Byggnader har hög termisk tröghet, vilket innebär att uppvärmning och kylning kan skiftas i tid med endast en liten påverkan på inomhusförhållandena.

Vid styrning av värmepumpar använder Reduxi enhetens stödda driftlägen, såsom OFF, ECO, NORMAL och BOOST. Detta tillvägagångssätt säkerställer att värmepumpen fungerar inom sin designade kontrollogik, bibehåller optimal effektivitet och skyddar växelriktaren. Som ett resultat förblir driften säker och påverkar inte utrustningens livslängd negativt.

Besparingarna från värmepumpen uppnås på två huvudsakliga sätt:

a. Prisbaserad optimering
Energipriserna varierar under dagen. Reduxi utnyttjar detta genom att öka värmepumpens drift när priserna är låga och minska den när priserna är höga.

Till exempel, om elen är dyrare mellan kl. 17:00 och 20:00, kan systemet förvärma byggnaden något före denna period. Under dyra timmar minskar den förbrukningen samtidigt som komforten bibehålls genom byggnadens termiska tröghet.

Detta simulerade exempel visar hur värmepumpen ökar energianvändningen under lågprisintervall och minskar förbrukningen under högprisintervall. Den streckade grå linjen representerar energipriset.

b. Väderbaserad optimering
Värmepumpar arbetar mer effektivt vid högre utomhustemperaturer. Detta definieras genom prestandakoefficienten (COP). Reduxi använder väderprognoser för att skifta uppvärmningen till perioder då förhållandena är mer gynnsamma. Detta förbättrar effektiviteten och sänker kostnaderna, återigen utan att påverka komforten.

Detta simulerade exempel visar hur värmepumpen minskar energianvändningen under natten och ökar effekten under varmare dagtidstimmar för att förbättra effektiviteten.

Den streckade orange linjen representerar temperaturprognosen.

6        Exempel på AI-strategier i praktiken

Viktig information för AI-strategin visualiseras i vyn Diagram, helst med effektdiagrammet i 15-minutersupplösning. Denna vy inkluderar:

• Övre graf
  • historiska effektmätningar av
    • gul – solenergiproduktion
    • grön – platsförbrukning
    • blå – batterieffekt
    • orange linje – nätutbyte
  • prognos från aktuell tidpunkt till slutet av dagen
• I den nedre grafen
  • röd – energiköpspris, inklusive alla definierade avgifter
  • grön – energiförsäljningspris, inklusive alla definierade avgifter
  • priser måste förkonfigureras i webbapplikationen i molnet

6.1 Exempel: Ett typiskt exempel med batteri och solceller

A – laddning av batteriet under natten till låga priser samtidigt som nätgränsen hålls på 240 kW

B – urladdning av batteriet till nätet till höga priser

C – användning av solenergiproduktion för att täcka förbrukningen på platsen

D – laddning av batteriet från förväntad solenergiproduktion under en lågprisperiod (prognos)

E – urladdning av batteriet till nätet under högprisperioder (prognos)

6.2 Exempel: Storskalig solcellsanläggning (dedikerad plats för solcellsproduktion)

A – urladdning av batteriet till nätet till höga priser

B – lågprisperiod. Laddning av batteriet enbart från solenergi, med 0 kW vid nätet, vilket innebär ingen import och ingen export

C – efter att batteriet är fullt, export av solenergiproduktion till nätet

D – urladdning av batteriet till nätet under de tre högprisintervallen för att maximera intäkterna

6.3 Exempel: Hushållsplats med noll matning till nätet

A – laddning av batteriet från nätet samtidigt som nätgränsen hålls på 6 kW

B – urladdning av batteriet för att minska nätimporten under högprisperioder

C – laddning av batteriet från nätet och solenergi, med en maximal nätutbyte på 6 kW, för att lagra energi för de dyra kvällstimmarna

D – urladdning av batteriet under de dyra kvällstimmarna. Ingen export till nätet är tillåten på grund av inmatningsgränsen

6.4 Exempel 4: Storskalig solcellsanläggning

A – intervall då solenergiproduktion antingen exporteras eller lagras i batteriet. Detta beror på kostnaden i 15-minutersintervall

B – lågprisperiod, ren batteriladdning

C – efter att batteriet är fulladdat, export av solenergiproduktion till nätet

D – export av lagrad energi under högprisperioder

6.5 Exempel: Förbrukningsprognos för en produktionsplats med arbetstid 7:00-15:00

Typisk lastprognos för ett företag med arbetstid från 7:00 till 15:00.

Bredvid detta visas en typisk prognos för solenergiproduktion. Dessa två prognoser används för att planera energianvändningen därefter.