دانلود ترجمه مقاله اندازه گیری بهینه هزینه مؤلفه های سیستم انرژی ساختمان هوشمند با در نظر گرفتن تغییرات بازار برق

1. مقدمه 2. روش 3. مدل سازی 4. نتایج 5. بحث و بررسی 6. نتیجه گیری

چکیده – مدیریت سیستم برق با چالش های زیادی در زمینه تعدیل بازار برق فعلی مواجه است. نوسانات زیاد در تولید برق می تواند مفهوم قیمت گذاری برق برای مصرف کننده نهایی را معقول تر بیان کند. علاوه بر این، پیش بینی مصرف برق مصرف کننده نهایی زمانی آسان تر می شود که ظرفیت توان ماکزیمم نسبت به انرژی مصرف شده بیشتر تأمین گردد. بنابراین، این مقاله قابلیت ساختمان های هوشمند در تعامل با چنین مدل های بازاری را مورد بحث قرار داده و نحوه تأثیر گذاری طراحی سیستم انرژی الکتریکی و حرارتی یک ساختمان مدرن در آلمان را مورد بررسی قرار داده است. بنابراین، اندازه گیری بهینه هزینه مؤلفه های سیستم تأمین اصلی بر اساس یک MILP ترکیبی و الگوریتم بهینه سازی اکتشافی انجام شده است. نتایج نشان می دهند که تولید فتوولتائیک محلی در همه شرایط بازاری سودمند است (به جز بازارهای ظرفیتی) و باتری ها تنها در صورتی مقرون به صرفه هستند که قیمت ها تا بیش از 60 درصد کاهش یابند. دینامیک های تعیین شده قیمت برق مقدار کافی برای انگیزش سرمایه گذاران در راستای تغییر قابلیت های تأمین و ذخیره سازی ندارند. با این وجود، اگر یک پمپ حرارتی نصب شده و ذخیره سازی انرژی حرارتی مرتبط دارای قابلیت های خانه هوشمند باشد، می توانند به حداکثر رسانی مصرف خودی PV را پشتیبانی کرده و هزینه برق را کاهش دهند.

Managing the electricity system becomes increasingly challenging, calling for modifications of the current electricity market. High fluctuations in power generation could make the introduction of dynamic end-consumer electricity pricing reasonable. Furthermore, the prediction of end-consumers’ power consumption would get easier when charging the maximum power capacity, instead of the consumed energy. Thus, this paper discusses the capability of smart buildings to cope with such market models and evaluates how the design of the electrical and thermal energy system of a modern German building is affected. Therefore, cost optimal sizing of the main supply system components is carried out based on a hybrid MILP and a heuristic optimization algorithm. The results indicate that local photovoltaic generation is beneficial in almost all market conditions, while except for the capacity market, batteries are only economical if prices decrease by more than 60%. The identified electricity price dynamics are too low to incentivize investments into load shifting capable supply or storage systems. Nevertheless, if an installed heat pump and the associated thermal storage have smart home capabilities, they support the maximization of PV self-consumption and reduce electricity cost.