Dergiler / Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi / 2021 / Cilt: 13 - Sayı: 3

Akıllı Şebekelerde Müdahaleci Olmayan Cihaz Yükü İzleme Yöntemi Ve Talep Tarafı Yönetimi İçin Veri Toplama Cihazı Oluşturma

Creating Data Collection Device For Non-Intrusive Device Load Monitoring Method And Demand Side Management In Smart Grids

Sayfa
215–229
Yayın Tarihi
2021-12-31
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Aynı zamanda yapılan çalışmada geliştirilen bir HMI ekran ile son tüketicinin de enerji tüketim miktarını anlık olarak takip etmesi sağlanmış bu şekilde tüketim kontrolü ve tüketici katılımlı talep tarafı yönetimli sistemlere temel oluşturacak bir yapıya da zemin hazırlanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Akıllı şebekeler üzerine yapılan araştırmalarda cihaz yükü izlemenin enerji verimliliği üzerinde büyük ölçüde etkisinin olduğu görülmektedir.
📊
Temel Bulgular & Veri:Elektrik enerjisine olan talebin sürekli artması, elektrik enerjisi kullanımının haneden haneye ve kullanılan cihaz türüne göre farklılık göstermesi tüketim miktarının izlenmesi gerekliliğini daha da arttırmıştır.
💡
Sonuç & Katkı:Aynı zamanda yapılan çalışmada geliştirilen bir HMI ekran ile son tüketicinin de enerji tüketim miktarını anlık olarak takip etmesi sağlanmış bu şekilde tüketim kontrolü ve tüketici katılımlı talep tarafı yönetimli sistemlere temel oluşturacak bir yapıya da zemin hazırlanmıştır.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Müdahalesiz Cihaz Yükü İzleme · Talep Tarafı Yönetimi · Akıllı Sayaçlar

Özet

Akıllı şebekeler üzerine yapılan araştırmalarda cihaz yükü izlemenin enerji verimliliği üzerinde büyük ölçüde etkisinin olduğu görülmektedir. Elektrik enerjisine olan talebin sürekli artması, elektrik enerjisi kullanımının haneden haneye ve kullanılan cihaz türüne göre farklılık göstermesi tüketim miktarının izlenmesi gerekliliğini daha da arttırmıştır. Son kullanıcının kullanım alışkanlıklarının değiştirilmeden, tüketim konusunda maddi faydalar sağlayacak düzenlemelerin yapılması ve tüketiciyi bilinçli kullanıma sevk edecek alternatif çözümler sunulması önemli bir konudur. Bu alternatif çözümler içerisinde tüketim miktarlarının ayrıntılı olarak raporlanması ve farklı tarife geçişlerine yönlendirmesi gibi önermeler bulunabilir. Yapılan çalışmada üretilen optik portlu bir veri toplama cihazı ile mevcut elektronik elektrik sayacı üzerine bağlanan bir cihaz yardımı ile konut ve endüstri tüketicilerinin anlık elektrik tüketim verileri merkezi haberleşme cihazı adı verilen bir cihaz üzerinde toplanmaktadır. Toplanan veriler hem cihaz üzerinde bulunan bir hafıza kartında hem de web server ile ilişkilendirilerek bir uzak sunucuda depolanmaktadır. Bu sayede müdahalesiz cihaz yükü izleme tekniği ile gerçekleştirilecek yapay zeka temelli ayrıştırma yöntemleri için bir veri seti cihazı oluşturulmuştur. Aynı zamanda yapılan çalışmada geliştirilen bir HMI ekran ile son tüketicinin de enerji tüketim miktarını anlık olarak takip etmesi sağlanmış bu şekilde tüketim kontrolü ve tüketici katılımlı talep tarafı yönetimli sistemlere temel oluşturacak bir yapıya da zemin hazırlanmıştır.

Abstract

In research on smart grids, it is seen that device load monitoring has a great effect on energy efficiency. The continuous increase in the demand for electrical energy, the fact that the use of electrical energy differs from household to household and the type of device used has increased the necessity of monitoring the amount of consumption. It is an important issue to make arrangements that will provide financial benefits in consumption without changing the usage habits of the end user and to offer alternative solutions that will lead the consumer to conscious use. Among these alternative solutions, there may be suggestions such as detailed reporting of consumption amounts and directing them to different tariff transitions. With the help of a data collection device with an optical port and a device connected to the existing electronic electricity meter, the instantaneous electricity consumption data of residential and industrial consumers are collected on a device called a central communication device. The collected data is stored both on a memory card on the device and on a remote server by being associated with the web server. In this way, a data set device was created for artificial intelligence-based decomposition methods to be performed with the non-invasive device load monitoring technique. At the same time, with an HMI screen developed in the study, it is ensured that the end consumer can monitor the amount of energy consumption instantly, and in this way, the ground has been prepared for a structure that will form the basis for consumption control and demand-side management systems with consumer participation.

🔖

Bu Makaleye Atıf Yap

GÜNGÜNEŞ, R., ÇAM, E., ATEŞ, V. (2021). Akıllı Şebekelerde Müdahaleci Olmayan Cihaz Yükü İzleme Yöntemi Ve Talep Tarafı Yönetimi İçin Veri Toplama Cihazı Oluşturma. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, Cilt: 13 - Sayı: 3, 215–229. https://ajindex.com/articles/889204

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Aiad, M., & Lee, P. H. (2016). Unsupervised approach for load disaggregation with devices interactions. Energy and Buildings, 116, 96–103.
  2. Baloğlu, U. B. (2017). Akıllı Şebekelerde Hesapsal Yöntem Uygulamaları. 131. Bartlett, A. A. (1986). Sustained availability: A management program for nonrenewable resources. American Journal of Physics, 54(5), 398–402.
  3. Batra, N., Kelly, J., Parson, O., Dutta, H., Knottenbelt, W., Rogers, A., Singh, A., & Srivastava, M. (2014). NILMTK: an open source toolkit for non-intrusive load monitoring. Proceedings of the 5th International Conference on Future Energy Systems, 265–276.
  4. Beckel, C., Kleiminger, W., Cicchetti, R., Staake, T., & Santini, S. (2014). The ECO data set and the performance of non-intrusive load monitoring algorithms. Proceedings of the 1st ACM Conference on Embedded Systems for Energy-Efficient Buildings, 80–89.
  5. Bhotto, M. Z. A., Makonin, S., & Bajić, I. V. (2016). Load disaggregation based on aided linear integer programming. IEEE Transactions on Circuits and Systems II: Express Briefs, 64(7), 792–796.
  6. Biansoongnern, S., & Plungklang, B. (2016). Non-Intrusive Appliances Load Monitoring (NILM) for Energy Conservation in Household with Low Sampling Rate. Procedia Computer Science, 86(March), 172–175. https://doi.org/10.1016/j.procs.2016.05.049
  7. Butner, R. S., Reid, D. J., Hoffman, M. G., Sullivan, G., & Blanchard, J. (2013). Non-intrusive load monitoring assessment: literature review and laboratory protocol. Pacific Northwest National Lab.(PNNL), Richland, WA (United States). Chang, H. H., Lin, L. S., Chen, N., & Lee, W. J. (2013). Particle-swarm-optimization-based nonintrusive demand monitoring and load identification in smart meters. IEEE Transactions on Industry Applications. https://doi.org/10.1109/TIA.2013.2258875
  8. Cominola, A., Giuliani, M., Piga, D., Castelletti, A., & Rizzoli, A. E. (2017). A hybrid signature-based iterative disaggregation algorithm for non-intrusive load monitoring. Applied Energy, 185, 331–344.
  9. De Lello, G. C., Caldeira, J. F., Aredes, M., Franca, F. M. G., & Lima, P. M. V. (2020). Weightless neural networks applied to nonintrusive load monitoring. Proceedings - 2020 IEEE 34th International Parallel and Distributed Processing Symposium Workshops, IPDPSW 2020. https://doi.org/10.1109/IPDPSW50202.2020.00143
  10. Djordjevic, S., & Simic, M. (2018). Nonintrusive identification of residential appliances using harmonic analysis. Turkish Journal of Electrical Engineering and Computer Sciences, 26