Con un aumento continuo de la población mundial, el consumo de energía y sus costos ambientales y económicos asociados también están aumentando.
Un enfoque eficaz para gestionar estos costos crecientes es promover el uso de electrodomésticos inteligentes, aprovechando las tecnologías de Internet de las cosas (IoT) para conectar dispositivos dentro de una única red.Esta conectividad puede permitir a los usuarios monitorear y controlar susen tiempo realconsumo de energía a través de sistemas de gestión de energía doméstica (HEMS).Los proveedores de energía pueden, a su vez, utilizar HEMS para medir la respuesta a la demanda residencial (DR) y ajustar el consumo de energía de los clientes residenciales en respuesta a la demanda de la red.
Históricamente, los esfuerzos para promover la DR residencial, como ofrecer incentivos monetarios bajo el modelo de fijación de precios en tiempo real (RTP), han tenido dificultades para fomentar un cambio de comportamiento duradero entre los consumidores.Este desafío surge de los mecanismos unidireccionales de fijación de precios de la electricidad, que disminuyen la participación de los consumidores en las actividades residenciales de RD.
Para abordar estas cuestiones, el profesor Mun Kyeom Kim y Hyung Joon Kim, candidato a doctorado de la Universidad Chung-Ang, llevaron a cabo recientemente unestudio publicadoen elRevista IEEE de Internet de las cosas.Su estudio propone un sistema predictivo de gestión de energía doméstica (PHEMS).
El profesor Mun Kyeom Kim dirigió el estudio, introduciendo un mecanismo personalizado de fijación de precios bidireccional en tiempo real (CBi-RTP) integrado con un modelo avanzado de previsión de precios.Estas innovaciones brindan razones convincentes para que los consumidores participen activamente en los esfuerzos de recuperación ante desastres residenciales.
El sistema CBi-RTP empodera a los usuarios finales al permitirles influir en sus RTP horarios mediante la gestión de la energía transferida y el uso de electrodomésticos.Además, PHEMS incorpora un modelo de pronóstico basado en aprendizaje profundo y una estrategia de optimización para analizar las variaciones espacio-temporales inherentes a las implementaciones de RTP.Esta capacidad garantiza un funcionamiento sólido y rentable para los usuarios residenciales al adaptarse a las irregularidades que surjan.
Los resultados experimentales del estudio demuestran que el PHEMSmodelono sólo mejora la comodidad del usuario sino que también supera a los modelos anteriores en precisión de pronóstico, reducción de picos y ahorro de costos.A pesar de su rendimiento superior, los investigadores reconocen que hay margen para un mayor desarrollo.
El profesor Mun Kyeom Kim señala: "El principal desafío de nuestro sistema predictivo de gestión de energía doméstica radica en determinar con precisión la carga de referencia para calcular la potencia cambiada por hora. Las investigaciones futuras se centrarán en mejorar la confiabilidad de PHEMS a través de métodos mejorados de cálculo de carga de referencia adaptados a necesidades específicas.usuarios finales."
Más información:Hyung Joon Kim et al, Nuevo mecanismo de fijación de precios bidireccional en tiempo real personalizado para la respuesta a la demanda en un sistema predictivo de gestión de energía doméstica,Revista IEEE de Internet de las cosas(2024).DOI: 10.1109/JIOT.2024.3381606
Proporcionado porUniversidad Chung Ang
Citación:Un estudio propone un sistema predictivo de gestión de energía doméstica con un mecanismo de fijación de precios bidireccional y personalizable en tiempo real (24 de julio de 2024)recuperado el 24 de julio de 2024de https://techxplore.com/news/2024-07-home-energy-customizable-bidireccional-real.html
Este documento está sujeto a derechos de autor.Aparte de cualquier trato justo con fines de estudio o investigación privados, noparte puede ser reproducida sin el permiso por escrito.El contenido se proporciona únicamente con fines informativos.