دانلود ترجمه مقاله معماری سیستم هوشمند در سیستم های مدیریت انرژی خانگی (HEMS)

1. مقدمه 2. معماری خانه هوشمند پیشنهادی 3. الگوریتم مدیریت بار 4. فرمول بندی مطالعه موردی 5. نتیجه گیری

چکیده – سیستم مدیریت انرژی خانگی (HEMS) بخش مهمی از شبکه هوشمند است که مشتریان بخش مسکونی را قادر می سازد تا برنامه های پاسخ به تقاضا را مستقلاً انجام دهند. این مطالعه، خروجی های یک الگوریتم کنترلی و معماری سیستم جدیدی ارائه داده که می تواند از ذخیره سازی باتری استفاده کرده و دمای وسایل حرارتی را مدیریت کند. الگوریتم پیشنهادی اطلاعات قیمتی را از شرکت توزیع از قبل دریافت کرده و برق را در ساعات کم مصرف خریداری می کند و با استفاده از باتری ها، دمای وسایل حرارتی را در طول ساعات پیک مدیریت می کند. الگوریتم پیشنهادی تضمین می کند که مصرف توان وسایل الکتریکی همیشه کمتر از سطح مشخص می باشد. خانه پیشنهادی از سیستم باتری و فتوولتائیک پشتیبانی می کند تا شاخص سبز را با استفاده از منابع انرژی جایگزین افزایش دهد. مقدار توانی که می تواند از باتری تخلیه شود توسط این الگوریتم محدود می گردد تا در طول یک روز بیشتر باقی بماند. نتایج شبیه سازی نشان می دهند که سیستم پیشنهادی قادر به کاهش قیمت برق تا 20 درصد یک روز بدون کاهش آسایش کاربران می باشد.

The Home Energy Management System (HEMS) is an important part of the smart grid that enables the residential customers to execute demand response programs autonomously. This study presents the outcome of a new system architecture and control algorithm that can use both battery storage and manage the temperature of thermal appliances. The proposed algorithm receives the price information from the utility company in advance and purchases the electricity at off-peak hours and utilizes the battery as well as manages the temperature of the thermal appliances during peak hours. The proposed algorithm assures that the power consumption of the electrical appliances is always less than certain level. The proposed house is supported by the battery system and Photovoltaic system as to increase the green index by utilizing alternative energy resource. The amount of the power that can be drained from the battery is limited by the algorithm to remain more during a day. The simulation results indicate that the proposed system is able to reduce the electricity price up to 20% a day without sacrificing the user’s comfort.