Un système de gestion de l'énergie domestique opérationnel et polyvalent est proposé pour développer et mettre en œuvre des projets de réponse à la demande (DR). Ceux-ci sont sous la génération hybride du système de stockage d'énergie (ESS), du photovoltaïque (PV) et des véhicules électriques (EV) dans le réseau intelligent (SG). Les systèmes de gestion de l'énergie domestique existants ne peuvent pas offrir à ses utilisateurs un choix pour assurer le confort de l'utilisateur (UC) et ne pas fournir une solution durable en termes d'émissions de carbone réduites. Pour résoudre ces problèmes, ce travail de recherche propose un contrôleur de gestion de l'énergie programmable basé sur l'heuristique (HPEMC) pour gérer la consommation d'énergie dans les bâtiments résidentiels afin de minimiser les factures d'électricité, de réduire les émissions de carbone, de maximiser la CU et de réduire le rapport pic/moyenne (par). Nous avons utilisé notre algorithme hybride d'optimisation des essaims de particules génétiques (HGPO) et les algorithmes existants tels qu'un algorithme génétique (GA), un algorithme d'optimisation des essaims de particules binaires (BPSO), une optimisation des colonies de fourmis (ACO), un algorithme d'optimisation éolien (WDO), un algorithme de recherche de nourriture bactérienne (BFA) pour planifier les appareils intelligents de manière optimale afin d'atteindre nos objectifs souhaités. Dans le modèle proposé, les consommateurs utilisent des panneaux solaires pour produire leur énergie à partir de micro-réseaux. Nous effectuons également des simulations Matlab pour valider notre HGPO-HPEMC proposé (HHPEMC), et les résultats confirment l'efficacité et la productivité de notre stratégie basée sur HPEMC proposée. L'algorithme proposé a réduit le coût de l'électricité de 25,55 %, le PAIR de 36,98 % et les émissions de carbone de 24,02 % par rapport au cas sans planification.

Se propone un sistema de gestión de energía doméstica operativo y versátil para desarrollar e implementar proyectos de respuesta a la demanda (DR). Estos están bajo la generación híbrida del sistema de almacenamiento de energía (ESS), fotovoltaica (PV) y vehículos eléctricos (EV) en la red inteligente (SG). Los sistemas de gestión de energía doméstica existentes no pueden ofrecer a sus usuarios una opción para garantizar la comodidad del usuario (UC) y no proporcionar una solución sostenible en términos de reducción de emisiones de carbono. Para abordar estos problemas, este trabajo de investigación propone un controlador de gestión de energía programable basado en heurística (HPEMC) para administrar el consumo de energía en edificios residenciales para minimizar las facturas de electricidad, reducir las emisiones de carbono, maximizar la UC y reducir la relación pico a promedio (par). Utilizamos nuestro algoritmo de optimización de enjambre de partículas genéticas híbridas (HGPO) propuesto y los algoritmos existentes como un algoritmo genético (GA), algoritmo de optimización de enjambre de partículas binarias (BPSO), optimización de colonias de hormigas (ACO), algoritmo de optimización impulsado por el viento (WDO), algoritmo de forrajeo bacteriano (BFA) para programar aparatos inteligentes de manera óptima para alcanzar nuestros objetivos deseados. En el modelo propuesto, los consumidores utilizan paneles solares para producir su energía a partir de microrredes. También realizamos simulaciones MATLAB para validar nuestro HGPO-HPEMC propuesto (HHPEMC), y los resultados confirman la eficiencia y productividad de nuestra estrategia basada en HPEMC propuesta. El algoritmo propuesto redujo el costo de electricidad en un 25.55%, PAR en un 36.98% y la emisión de carbono en un 24.02% en comparación con el caso de sin programación.

An operative and versatile household energy management system is proposed to develop and implement demand response (DR) projects.These are under the hybrid generation of the energy storage system (ESS), photovoltaic (PV), and electric vehicles (EVs) in the smart grid (SG).Existing household energy management systems cannot offer its users a choice to ensure user comfort (UC) and not provide a sustainable solution in terms of reduced carbon emission.To tackle these problems, this research work proposes a heuristic-based programmable energy management controller (HPEMC) to manage the energy consumption in residential buildings to minimize electricity bills, reduce carbon emissions, maximize UC and reduce the peak-to-average ratio (PAR).We used our proposed hybrid genetic particle swarm optimization (HGPO) algorithm and existing algorithms like a genetic algorithm (GA), binary particle swarm optimization algorithm (BPSO), ant colony optimization (ACO), wind-driven optimization algorithm (WDO), bacterial foraging algorithm (BFA) to schedule smart appliances optimally to attain our desired objectives.In the proposed model, consumers use solar panels to produce their energy from microgrids.We also perform MATLAB simulations to validate our proposed HGPO-HPEMC (HHPEMC), and results confirm the efficiency and productivity of our proposed HPEMC based strategy.The proposed algorithm reduced the electricity cost by 25.55%, PAR by 36.98%, and carbon emission by 24.02% as compared to the case of without scheduling.

يُقترح نظام فعال ومتعدد الاستخدامات لإدارة الطاقة المنزلية لتطوير وتنفيذ مشاريع الاستجابة للطلب (DR). وهي تحت التوليد الهجين لنظام تخزين الطاقة (ESS)، والطاقة الكهروضوئية (PV)، والمركبات الكهربائية (EVs) في الشبكة الذكية (SG). لا يمكن لأنظمة إدارة الطاقة المنزلية الحالية أن توفر لمستخدميها خيارًا لضمان راحة المستخدم (UC) وعدم توفير حل مستدام من حيث تقليل انبعاثات الكربون. لمعالجة هذه المشاكل، يقترح هذا العمل البحثي وحدة تحكم في إدارة الطاقة القابلة للبرمجة القائمة على الاستدلال (HPEMC) لإدارة استهلاك الطاقة في المباني السكنية لتقليل فواتير الكهرباء وتقليل انبعاثات الكربون وتعظيم UC وتقليل نسبة الذروة إلى المتوسط (PAR). استخدمنا خوارزمية تحسين سرب الجسيمات الوراثية الهجينة المقترحة (HGPO) والخوارزميات الحالية مثل الخوارزمية الوراثية (GA)، وخوارزمية تحسين سرب الجسيمات الثنائية (BPSO)، وتحسين مستعمرة النمل (ACO)، وخوارزمية التحسين التي تحركها الرياح (WDO)، وخوارزمية البحث عن البكتريا (BFA) لجدولة الأجهزة الذكية على النحو الأمثل لتحقيق أهدافنا المرجوة. في النموذج المقترح، يستخدم المستهلكون الألواح الشمسية لإنتاج طاقتهم من الشبكات الدقيقة. نقوم أيضًا بإجراء عمليات محاكاة MATLAB للتحقق من صحة تؤكد نتائجنا المقترحة HGPO - HPEMC (HHPEMC) كفاءة وإنتاجية استراتيجيتنا المقترحة القائمة على HPEMC. خفضت الخوارزمية المقترحة تكلفة الكهرباء بنسبة 25.55 ٪، PAR بنسبة 36.98 ٪، وانبعاث الكربون بنسبة 24.02 ٪ مقارنة بحالة بدون جدولة.