Gerçek zamanlı fiyat bilgisine dayalı talep tarafı katılımı yönetim sistemi geliştirilmesi

Abstract

Bu tezde, yük tahmin modelleri ve Talep Tarafı Yönetimi (TTY) tabanlı bina enerji yönetim sistemlerinin kapsamlı bir incelemesi yapılmıştır. Geliştirilen derin öğrenme tabanlı yük tahmin modeli, bina yükünün tahmin edilmesi için kullanılmıştır. TTY uygulamaları geliştirmek için Ankara'da bulunan ticari bir binada uygulanmıştır. Derin Öğrenme (DÖ) modelinden elde edilen yük tahmin profili çıktıları, bina enerji performansını iyileştirmek için kural tabanlı kontrolöre bir girdi olarak kullanılmıştır. ANFIS tabanlı Akıllı Denetleyici (ANFIS-AD), ticari binaların talep yanıtı katılımını en üst düzeye çıkarmak için tasarlanmış ve tezde bir vaka çalışmasıyla birlikte tanıtılmıştır. ANFIS-AD'nin amacı; yük atma ve yük alma bölgeleri için dinamik ayar noktaları oluşturmak ve Talep Yanıtı (TY) teşviklerini göz önünde bulundurarak, Enerji Depolama Sistemini (EDS) yönetip binadaki termal konforu etkilemeden enerji tüketimini ve maliyetini azaltmaktır. ANFIS-AD, kural tabanlı kontrolör ve mevcut sistem ile karşılaştırıldığında; ticari binadaki enerji tüketimini sırasıyla %25 ve %34 oranında azaltmış ve işletme maliyetlerini sırasıyla %33 ve %39 oranında düşürmüştür. Tezde önerilen merkezi enerji yönetim sistemi ise enerji sağlayıcı kuruluşlar için dengesizlik enerji maliyetlerini en aza indirmek üzere tasarlanmıştır. Enerji sağlayıcı kuruluşların portföyünde yer alan tüketim birimlerinin, dengeleme birimi olarak çalıştırılması sayesinde tüketimlerin yönetilmesi dengesizlik maliyetinin yanı sıra aktif enerji maliyetlerini de azaltma fırsatı sunmaktadır. Geliştirilen çözüm sayesinde sadece enerji sağlayıcı kurumların kârlılığı artmakla kalmayıp, ortaya çıkan avantajlar, tüketicilere de indirim şeklinde yansımaktadır.

This thesis has conducted a thorough review of load forecast models and Demand Side Management (DSM) based building energy management systems. Deep Learning (DL) based load forecasting models are implemented in a commercial building in Ankara, Turkey. The load forecast profile outputs from the DL model are used as an input to the rule-based controller to improve building energy performance. A new algorithm called Adaptive-Neuro Fuzzy Inference System (ANFIS) Intelligent Control (IC) ANFIS-IC is introduced by a case study to maximize the demand response participation of commercial buildings. The goal of ANFIS-IC is to reduce energy consumption and cost without affecting the thermal comfort in the building by generating dynamic set-points for the building zones and controlling the Energy Storage System (ESS) considering Demand Response (DR) incentives. Compared to the rule-based controller and the fixed set-point system, ANFIS-IC reduced energy consumption by 25% and 34% and reduced operating costs by 33% and 39%, respectively. The central energy management system proposed in the thesis is designed to minimize imbalance energy costs for energy providers. The management of consumptions by operating the consumption units in the portfolio of energy providers as balancing units offers the opportunity to reduce the active energy costs as well as the imbalance cost. Thanks to the developed model, not only the profitability of energy providers increases, but also the advantages are reflected in the form of discounts to consumers.