Аннотация
И.С. Забара, магистрант, А.В. Левшов, к.т.н., проф., А.В. Коротков, ст. преп. Применение мультиагентной системы управления в энергоэффективном интеллектуальном здании. В статье предложена мультиагентная система управления генерацией и потреблением электроэнер-гии для интеллектуального энергоэффективного зда-ния, которая позволит обеспечить требуемый уровень комфорта при минимуме энергопотребления.
Введение
В связи с актуальной проблемой сбережения энергоресурсов и экологической обстановкой, в настоящее время во многих странах наблюдается развитие строительства энергоэффективных интеллектуальных зданий. Такие интеллектуальные здания используют передовые компьютерные технологии для эффективного управления инженерными системами (отопление, вентиляция, кондиционирование, освещение и др.), с целью обеспечения комфортной среды пребывания людей в помещениях при минимальном энергопотреблении [1]. Тепловой комфорт, визуальный комфорт и качество воздуха являются тремя основными факторами, которые определяют условия окружающей среды в здании [2]. При этом основную часть электроэнергии такие интеллектуальные здания должны получать от возобновляемых источников энергии [3]. Данные источники электроэнергии являются нестабильными источниками питания и могут работать как автономно, так и параллельно с сетью, в зависимости от погодных условий и количества потребляемой энергии в здании в текущий момент.
С целью обеспечения надежности работы и энергоэффективности всего интеллектуального здания много-численные датчики, актуаторы (исполнительные устройства) и блоки управления, соединяются вместе для формирования сенсорной системы управления.
Цель
Основной задачей данной работы является предложение системы управления электроснабжением и нагрузками интеллектуального здания, которая направлена на достижение максимального комфорта пребыва-ния людей в здании при минимальном потреблении энергии.
Материалы и результаты исследований
Современные тенденции для управления и контроля работы электроэнергетических систем движутся в сторону использования интеллектуальных агентных технологий, которые, известны, как мультиагентные системы [4]. Мультиагентная система представляет собой комбинацию из нескольких агентов, взаимодействующих между собой для достижения общей цели системы управления. Все агенты данной системы должны иметь определенный уровень автономии (возможность работы без вмешательства человека, а также контроль своих действий и внутреннего состояния), способность взаимодействовать друг с другом на своем собственном языке, и определять свое поведение, в зависимости от изменения состояния других агентов и изменения окружающей среды [5].
Мультиагентная система управления для энергоэффективного здания изображена на рисунке 1.
Рисунок 1 – Мультиагентная система управления для энергоэффективного здания
На данном рисунке показаны только функциональные элементы системы управления, без силовых цепей различных нагрузок, которыми управляют агенты системы управления.
Возобновляемые источники энергии, которые в данном случае представляют собой солнечные батареи и ветровые турбины, предлагается использовать в качестве основных источников питания для здания. Питающая сеть рассматривается как резервный источник питания, который будет задействован в случае нехватки мощно-сти от возобновляемых источников энергии. Аккумуляторные батареи используются для распределенного хра-нения энергии и повышают надежность системы питания здания. Они накапливают энергию при избыточной генерации, покрывающей потребности нагрузки и могут питать потребителей, когда произведенной энергии возобновляемыми источниками недостаточно.
Все агенты подразделяются на четыре уровня в зависимости от функций и предназначения, в этом числе: агент-переключатель, центральный агент-координатор, контроллер-агенты и агенты нагрузки.
Агент-переключатель расположен на первом уровне. Агент-переключатель получает данные от центрального координатора о потребляемой и генерируемой энергии. В соответствии с этой информацией агент-переключатель получает энергию от электрической сети, когда недостаточно энергии от возобновляемых источников и аккумуляторных батарей, чтобы покрыть спрос на требуемую нагрузку. Кроме того, агент-переключатель может отдавать избыточную энергию обратно в сеть, когда энергии от возобновляемых источников больше, чем потребности здания и чем может быть запасено в аккумуляторных батареях.
Центральный агент-координатор, который расположен на втором уровне, является одним из ключевых эле-ментов в системе управления. Он осуществляет взаимодействие со всеми агентами на основе внешних данных (информации о погодных условиях) и предпочтений пользователя о тепловом, визуальном комфорте и качестве воздуха, а также на основе данных об электрических нагрузках здания. Кроме того данный агент получает информацию от агентов ветровых турбин и солнечных фотоэлементов, от агента заряда аккумуляторных батарей. Центральный координатор определяет количество потребляемой энергии и энергии, необходимой для ее покрытия, и осуществляет соответствующее управление.
Контроллер-агент ветровой турбины и контроллер-агент фотоэлектрических солнечных панелей – агенты генераторов, которые управляют энергией соответствующих источников. Контроллер-агент заряда аккумуля-торных батарей контролирует уровень заряда. Данные от этих агентов направляются центральному координа-тору.
Для текущего контроля теплового, визуального комфорта, качества воздуха используются три локальных контроллер-агента. Эти контроллер-агенты сравнивают текущие значения параметров комфорта с заданными и определяют количество энергии, необходимой для управления актуаторами инженерных систем здания.
На четвертом уровне расположены агенты нагрузки, они управляют всеми электрическими нагрузками, ко-торые можно отключить во время дефицита энергии. Потребителям предоставляется возможность выбрать предпочитаемые отключения нагрузок и установить приоритет каждой нагрузке через этот агент.
Отдельно стоит выделить разработку алгоритмов взаимосвязи агентов в мультиагентной системе. Эффек-тивным инструментом для оптимизации работы такой сложной динамической системы являются эвристические алгоритмы, которые без строгого обоснования дают в большинстве случаев быстрое и приемлемое решение для задач высокой сложности. Наиболее популярной стала оптимизация на основе алгоритма названного, как «Оптимизация роя частиц» (Particle swarm optimization, PSO), которая основана на моделировании поведения пчел в рое или птиц в стае [6]. Рой частиц рассматривается как мультиагентная система, в которой каждый агент может функционировать автономно, следуя простым правилам, тогда как поведение всей системы является очень сложным и разумным. По сравнению с другими алгоритмами, таких как метод спуска, генетический алгоритм, в PSO легче избежать локальных оптимальных решений и быстрее достичь глобальный оптимум.
Вывод
Мультиагентная система управления, позволит объединить множество инженерных систем здания с целью поддержания комфортной среды при минимальном использовании энергии. Это становится возможным за счет эффективного использования возобновляемых источников энергии и одновременного управления источниками генерации и потребления.
Литература
1. Clements-Croome T.D.J. What do we mean by intelligent buildings? / T.D.J. Clements-Croome // Automation in Construction 6 (1997) 395– 399.
2. Dounis, A. I., Caraiscos, C. Advanced control systems engineering for energy and comfort management in a building environment—A review. /A. I.Dounis, C. Caraiscos// Renewable and Sustainable Energy Reviews, 2009, 1246–1261.
3. Smart Building, LLC [Электронный ресурс]/ - Режим доступпа:
4. Dimeas A., Hatziargyriou N.D, “A MAS architecture for microgrid control”, / A. Dimeas, N.D Hatziargyriou // In Proc. 2005 the 13th International Conference on Intelligent Systems Application to Power Systems, November, 5pp.
5. Городецкий В.И., Грушинский М.С., Хабалов А.В. Многоагентные системы (обзор) [Электронный ре-сурс] / В.И. Городецкий, М.С. Грушинский, А.В. Хабалов. – Режим доступа: http://www.raai.org/library/ainews/1998/2/GGKHMAS.ZIP
6. Kennedy J, Eberhart R. Particle swarm optimization./ J. Kennedy, R. Eberhart // In: IEEE international joint conference on Neural Networks, Perth, Australia; 1995. p. 1942–8.