Nonparametric Kernel Regression for Coordinated Energy Storage Peak Shaving with Stacked Services
تقترح هذه الورقة إطار عمل مكون من مرحلتين وخالٍ من التنبؤ، يستخدم انحدار النواة غير المعلمي لتحديد حدود حالة الشحن لقص الذروة ونقل التعلم للمراجحة في الطاقة، محققاً تحسناً في الأداء بمقدار 1.3 ضعفاً مقارنة بأحدث الأساليب في تطبيقات تخزين طاقة المباني التجارية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تملك مبنى مكاتب ضخمًا. لديك فاتورة كهرباء هائلة تعمل بطريقتين مخادعتين:
- رسوم "الدفع حسب الاستخدام": تدفع مقابل كل كيلوواط/ساعة تستخدمه، تمامًا مثل شراء الوقود للسيارة.
- "غرامة الذروة": وهذا هو الجزء الأهم. إذا استخدم مبناك كمية هائلة من الطاقة في أي لحظة واحدة خلال الشهر، فستتعرض لرسوم إضافية ضخمة عن الشهر بأكمله. الأمر يشبه عضوية الجيم التي تفرض عليك رسومًا إضافية إذا قمت بركض سريع، حتى لو ركضت ذلك الركض لمدة 10 ثوانٍ فقط.
لحل هذه المشكلة، قمت بتركيب بطارية ضخمة. الهدف هو استخدام البطارية لـ "حذف" (shave) تلك الارتفاعات المفاجئة (لتجنب غرامة الذروة) وأيضًا استخدام البطارية لشراء كهرباء رخيصة في الليل وبيعها مرة أخرى خلال النهار (وهي استراتيجية تسمى المراجحة - Arbitrage).
المشكلة هي أن التنبؤ بالمستقبل أمر صعب.
تحاول معظم الأساليب الحالية تخمين شكل استهلاك الطاقة في مبناك في الشهر القادم. وهي تستخدم نماذج طقس معقدة وذكاءً اصطناعيًا للتنبؤ بالطلب. ولكن إذا كان التنبؤ خاطئًا، فقد تهدر المال أو تفوت فرص التوفير. الأمر يشبه محاولة حزم أمتعتك لرحلة قبل شهر من موعدها دون معرفة ما إذا كانت السماء ستمطر أم ستكون مشمسة.
حل الورقة البحثية: "خطة النسخ الاحتياطي الذكية"
يقترح المؤلفون (إيميلي، نينغ، وبولون من جامعة كولومبيا) طريقة أذكى وأبسط. فبدلاً من محاولة التنبؤ بما سيكون عليه المستقبل، هم ينظرون إلى الماضي.
فكر في طريقتهم كأنها طاهٍ متمرس وليس عرافًا.
1. استراتيجية المرحلتين (نهج "السلامة أولاً")
قسم المؤلفون مهمة البطارية إلى مرحلتين متميزتين:
- المرحلة الأولى: شبكة الأمان (حذف الذروة). أولاً، حدد بالضبط مقدار "وقود الطوارئ" (شحن البطارية) الذي يجب أن تحتفظ به احتياطيًا للتعامل مع أي ارتفاعات مفاجئة في استخدام الطاقة. هذا أمر غير قابل للتفاوض؛ يجب أن يكون لديك شبكة الأمان هذه لتجنب الغرامة الكبيرة.
- المرحلة الثانية: "أموال المتعة" (المراجحة). بمجرد تأمين شبكة الأمان، استخدم أي مساحة إضافية متبقية في البطارية للعب في السوق — الشراء بسعر منخفض والبيع بسعر مرتفع.
هذا يضمن أنك لن تخسر غرامة الذروة أبدًا، حتى لو فشلت استراتيجية "أموال المتعة" الخاصة بك.
2. السر الخفي: انحدار النواة (طريقة "التشابه")
هنا تصبح الورقة البحثية ذكية حقًا. فبدلاً من بناء نموذج رياضي معقد للتنبؤ بحالة الطقس يوم الثلاثاء القادم، يستخدمون انحدار النواة غير المعلمي (Nonparametric Kernel Regression).
التشبيه: مكتبة "الأيام المتشابهة"
تخيل أن لديك مكتبة تحتوي على 6 سنوات من سجلات استهلاك الطاقة اليومي لمبناك.
- الطريقة القديمة: تحاول كتابة معادلة معقدة للتنبؤ باستهلاك الغد بناءً على درجة الحرارة، واليوم من الأسبوع، والعطلات.
- الطريقة الجديدة (انحدار النواة): تنظر إلى نمط استهلاك الطاقة لليوم. ثم تتصفح مكتبتك للعثور على الأيام في الماضي التي بدت تمامًا مثل اليوم.
- "أوه، اليوم يشبه تمامًا يوم ثلاثاء ممطر في عام 2021 ويوم أربعاء غائم في عام 2022."
- تسأل نفسك: "في تلك الأيام المحددة في الماضي، كم احتجنا من البطارية لنحفظها لتجنب الغرامة؟"
- تأخذ متوسط تلك الأيام الماضية وتقول: "حسنًا، اليوم نحتاج للاحتفاظ بهذا القدر من البطارية في الاحتياطي."
الأمر يشبه قول الطاهي: "هذا الحساء يشبه كثيرًا ذلك الذي صنعته في الشتاء الماضي في يوم بارد. سأضيف رشة ملح إضافية، تمامًا كما فعلت حينها". إنها تعتمد على التعرف على الأنماط بدلاً من التنبؤ.
3. النتيجة: أفضل من الخبراء
اختبر المؤلفون طريقتهم على مبنى مكاتب حقيقي مكون من 35 طابقًا في مدينة نيويورك.
- المنافسة: قارنوا طريقتهم بنموذج "الاستبصار المثالي" (الذي يعرف المستقبل تمامًا، مثل المسافر عبر الزمن) ونموذج "التنبؤ" القياسي (الذي يحاول تخمين المستقبل باستخدام الذكاء الاصطناعي).
- الفائز: طريقتهم "التشابه" لم تتفوق على المسافر عبر الزمن (الذي يمتلك معلومات مثالية)، لكنها سحقت نموذج التنبؤ القياسي.
- وفرت 1.3 ضعف الأموال التي وفرها نموذج التنبؤ القياسي.
- لم تكن بحاجة لتخمين المستقبل، لذا كانت أكثر موثوقية.
- تعاملت مع البطارية بلطف، وتجنبت التآكل غير الضروري.
لماذا هذا مهم؟
هذه الورقة البحثية تُعد نقطة تحول لأنها تجعل إدارة البطاريات الذكية في متناول الجميع. لا تحتاج إلى سوبر كمبيوتر أو بلورة سحرية لتوفير المال في الكهرباء. أنت تحتاج فقط إلى ذاكرة جيدة لما حدث في أيام مماثلة في الماضي.
باختصار:
بدلاً من محاولة التنبؤ بالعاصفة، بنى المؤلفون نظامًا ينظر إلى كيفية تعاملك مع العواصف في الماضي ويقول: "بناءً على كيفية تعاملك مع ذلك الثلاثاء الممطر الأخير، إليك بالضبط مقدار البطارية التي تحتاجها لتكون آمنًا اليوم، وإليك مقدار ما يمكنك استخدامه لجني أموال إضافية". إنه أمر بسيط، فعال، ويعمل دون الحاجة لمعرفة المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.