برنامه‌ریزی بهینه سیستم‌های تهویه مطبوع با کنترل همزمان نقطه تنظیم ترموستات و پهنای باند مرده با در نظر گرفتن مدیریت ریسک

سیستم های تهویه مطبوع به عنوان بزرگ ترین مصرف کنندگان تجاری و خانگی، نقش مهمی در پاسخگویی بار دارند. در این پژوهش با استفاده از داده های پیش بینی دمای هوا و پیش بینی قیمت برق، برنامه ریزی بهینه نقطه تنظیم ترموستات به نحوی انجام شده است که هزینه برق مصرفی کاربر حداقل شود. پیش بینی قیمت برق با استفاده از مدل آریما و پیش بینی دمای هوا با استفاده از زنجیره مارکف صورت گرفته است. از آنجا که پیش بینی ها دارای قطعیت نیستند، باید ریسک در نظر گرفته شود. بدین منظور با تولید سناریوهای مختلف و با استفاده از cvar تلاش شده است تا ریسک مدیریت شود. با کمک داده های فوق و با استفاده از الگوریتم فراابتکاری gwo، برنامه ریزی بهینه نقطه تنظیم ترموستات و پهنای باند مرده انجام شده است. نتایج نشان می دهند که این شیوه برنامه ریزی می تواند اثر مهمی در مشارکت سیستم های تهویه مطبوع در پاسخگویی بار داشته باشد. همچنین نشان داده شده است که مدیریت باند مرده نقش موثری در مدیریت مصرف انرژی ایفا می کند. با مطالعه سطح ریسک پذیری افراد مختلف، نشان داده شده است که افراد ریسک پذیرتر مشارکت بیشتری در برنامه های پاسخگویی بار دارند و هزینه انرژی کمتری را متحمل می شوند. همچنین اثر دمای مطلوب کاربر بر انرژی مصرفی و هزینه کاربر سنجیده شده است.

Optimal scheduling of HVAC systems with simultaneously control of set point and dead band width and consideration of risk management

HVAC systems, as the largest commercial and household power consumers, play an important role in demand response programs. In this research, using weather forecast data and using electricity price forecast, optimal scheduling for HVAC systems set points is performed in such a way that the user rsquo;s electricity consumption cost is minimized. Electricity price forecasting is achieved using an ARIMA model. A Markov rsquo;s chain has been employed for temperature forecasting. As these forecasts are not deterministic, the risk must be considered. To accomplish this, several scenarios were considered and CVaR was utilized to handle the risk aspect. In this research, the abovementioned data was employed, and GWO algorithm was invoked to schedule the optimal set points of the HVAC systems and symmetrical dead band width. The results show that this planning method can have an important effect on the participation of the HVAC systems in demand response programs. Also, it has been shown that the deadband width management plays an important role in energy consumption management. Different users with different attitudes toward the risk were analyzed; the results show that riskaverse users are more involved in demand response programs; and hence, they bear lower energy costs.