研究提出了一种具有可定制双向实时定价机制的预测性家庭能源管理系统
随着全球人口的不断增长，能源消耗及其相关的环境和经济成本也在增加。管理这些不断上涨的成本的一个有效方法是推广使用智能家电，利用物联网 (IoT) 技术将设备连接到一个网络内。这种连接可以让用户通过家庭能源管理系统 (HEMS) 监控和控制他们的实时用电量。反过来，能源供应商可以利用 HEMS 来衡量住宅需求响应 (DR)，并根据电网需求调整住宅客户的用电量。
推广住宅需求响应的努力（例如在实时定价 (RTP) 模式下提供货币激励）历来难以促进消费者的持久行为改变。这一挑战源于单向电价机制，这削弱了消费者对住宅需求响应活动的参与度。
为了解决这些问题，韩国中央大学教授 Mun Kyeom Kim 和博士生 Hyung Joon Kim 最近进行了一项研究，发表在《IEEE 物联网杂志》上。他们的研究提出了一种预测性家庭能源管理系统 (PHEMS)。
金文圭教授领导了这项研究，引入了一种定制的双向实时定价 (CBi-RTP) 机制，并结合了先进的价格预测模型。这些创新为消费者积极参与住宅需求响应工作提供了令人信服的理由。
CBi-RTP 系统让终端用户能够通过管理传输电力和家用电器使用情况来影响每小时 RTP，从而增强终端用户的能力。此外，PHEMS 还采用了基于深度学习的预测模型和优化策略来分析 RTP 实施中固有的时空变化。此功能可适应随时出现的异常情况，从而确保住宅用户能够稳健且经济高效地运行。
研究的实验结果表明，PHEMS模型不仅提高了用户的舒适度，而且在预测准确性、降低峰值和节省成本方面也超越了以前的模型。尽管其性能优越，但研究人员承认仍有进一步发展的空间。
Mun Kyeom Kim 教授指出：“我们预测性家庭能源管理系统面临的主要挑战在于准确确定计算每小时转移功率的基线负荷。未来的研究将侧重于通过针对特定最终用户的改进基线负荷计算方法来提高 PHEMS 的可靠性。”
页:
[1]