Optymalizacja współpracy prosumentów z wykorzystaniem IoT - Internetu Rzeczy

Poczynając od komputera i jego urządzeń zewnętrznych, takich jak klawiatura, mysz czy drukarka, które łączą się z kom­puterem w technice Bluetooth, przez sieć Wi-Fi oraz sieć telefonii komórkowej, możliwy jest przekaz infor­macji w dowolne miejsce na kuli ziemskiej, dokonany w czasie rzeczywistym. Informacja jest prze­syłana drogą radiową, światłowodami i tradycyjnymi torami kablowymi.

Obecnie można wykorzystać technikę przesyłu informacji w zakresie widzialnym fal elektromagnetycznych (ang. Visible Light Communication – VLC) [1] w paśmie od 360 do 780 nm (częstotliwość fali wynosi od 400 do 800 THz). Umożliwia to komunikację w przestrzeniach, w których fale o niższych częstotliwościach (pasma radiowe, telewizyjne i telefonii komórkowej) mogą wprowadzać zakłócenia w normalnej pracy urządzeń.

Pozyskanie aktualnej informacji przez decydenta wpływa na optymalizację systemów automatyki – np. mieszkania lub budynku, pozwala monitorować środowisko, a także zapewnić lepszą opiekę medyczną.

Pewna i precyzyjna informacja uzyskana z danych bieżących zmienia również proces sterowania elementami systemów energetycznych, przede wszystkim rozdziałem obciążenia pomiędzy elektrowniami. Dotyczy to również źródeł prosu­menckich, w tym OZE (Odnawialne Źródła Energii) pierwotnej [2, 23].

Dostarczenie informacji od jej nadawcy do odbiorcy wymaga zestawienia toru transmisyjnego.

Biorąc pod uwagę wielość możliwości, ale jednocześnie liczbę żądanych połączeń, problemem staje się organizacja ruchu w tak rozległej (również obszarowo) sieci łączności.

Opracowanie technologii dostępu logicznego i fizycznego do łączy w myśl standardu IEEE 802.x.y [6] pozwoliło zunifikować protokoły transmisji. Zapewniło to kompatybilność urządzeń dostarczanych przez różnych producentów.

Istotną rolę odgrywa łączność bezprzewodowa, w tym tory transmisji danych na odległości wewnątrz budynku. Umożliwia to, między innymi, technologia BLE – ang. Bluetooth Low Energy [4, 6].

Liczba urządzeń mobilnych na osobę, która na przełomie 2008 i 2009 roku przekroczyła liczbę mieszkańców naszego globu, tj.7,2 mld [25], oraz wzrost liczby użytkowników zainteresowanych elektronicznym przekazem danych (informacji) wywołały popyt na dodatkowe usługi, jakie daje ta forma przekazu.

Jedną z nich jest chmura obliczeniowa (ang. cloud computing), która pozwala korzystać z infrastruktury i mocy obliczeniowej urządzeń IT usługodawcy dostępnej na żądanie w dowolnej chwili, a opłaty są naliczane za wykorzystane zasoby.

Dzięki takim wirtualnym rozwiązaniom istnieje możliwość nieograniczonego w czasie dostępu do medium transmisyjnego zarówno nadawcy, jak i adresata informacji (połączenie ang. peer- to-peer – punkt z punktem) prowadzi do stanu, w którym nadawca łączy się automatycznie z adresatem, urzą­dzenie przekazuje automatycznie albo na żądanie pakiet informacji gromadzonych w bazie danych (rów­nież w „chmurze”).

Istota IoT

W Internecie Rzeczy niezbędne są urządzenia wyposażone w sensor (np. czujniki temperatury, wilgotności, ruchu, drgań itp.), który ma możliwość zbierania określonych informacji z otoczenia, posiadające możliwość komunikacji (rolę nadajnika może pełnić np. smartfon) oraz opcjonalną możliwość odbioru, przechwytywania, przechowywania oraz przetwarzania danych.

Z drugiej strony, niezbędne są urządzenia, które będą w stanie odebrać przesyłany sygnał, przetworzyć go oraz wywołać określoną reakcję, oraz środek komunikacji, czyli sposób przysyłania danych (np. WiFi, BLE, NFC (ang. Near Field Communication), czy też Z-WAVE lub Li-Fi [25].

Techniczna realizacja toru transmisyjnego wymaga uporządkowania, co gwarantuje zastosowanie odpowiedniego protokołu [6]. Zależności w środowisku IoT przedstawiono na rys. 1. [24].

Warto również zwrócić uwagę na typy IoT, które różnią się pomiędzy sobą zastosowaniem, ilością przesyłanych danych, oczekiwanym bezpieczeństwem i niezawodnością stosowanego rozwiązania.

Pierwszy typ IoT zwany IoT konsumenckim oparty jest na interakcji z użytkownikiem – tryb klient/serwer, duże wolumeny danych przesyłane strumieniowo, niekoniecznie w czasie rzeczywistym, a błędy mogą zostać skorygowane przez człowieka.

Drugi typ IoT dotyczy M2M (ang. machine to machine) zależny od systemów komunikacyjnych (klient/serwer), wysyłane są mniejsze ilości danych, istotnym elementem przesyłanych danych jest informacja dotycząca położenia urządzenia, a priorytetową sprawą jest niezawodność tego rozwiązania (dotyczy to m.in. systemów śledzących pojazdy, sterowania inteligentnymi budynkami).

Ostatni z typów IoT dotyczy Przemysłowego Internetu Rzeczy (ang. Industrial Internet of Things, IIoT), w ramach którego wykorzystuje się autonomiczne rozproszone sterowanie z wykorzystaniem sieci peer-to-peer, ważny jest czas rzeczywisty, odporność urządzeń na uszkodzenia, niezawodność (ang. dependability) oraz oczekuje się od proponowanych rozwiązań stałej łączności fizycznej.

Przykładowo firma Echelon Corp. przedstawiła protokół multi­medialny – multimedia IzoT™ stanowiący platformę Przemy­słowego Internetu Rzeczy z przykładem zastosowania do układów automatyki budyn­kowej BAS (ang. Building Automation System)[9].

Do systemów automatyki budynku należą między in­nymi:

• system zarządzania energią HES (ang. Home Energy System) i HBES (ang. Home and Building Electronic Systems),
• EMS (ang. Energy Management System) oraz
• BACS (ang. Building Automation and Control Systems) [7, 9. 18].

Pewną, istotną rolę spełnić mogą liczniki energii elektrycznej, ciepła, wody i gazu [20, 21].

Aplikacje zaimplementowane w systemie operacyjnym licznika

Licznik energii elektrycznej mierzy wartość chwilową mocy prądu elektrycznego – zatem mierzy chwilowe wartości natężenia oraz napięcia i przez całkowanie oblicza przyrosty energii pobieranej przez odbiornik [10].

Dane zawarte w pamięci licznika, przesłane do centrum decyzyjnego pozwalają doprecyzować prognozy zmienności obciążenia na najniższym pozio­mie pomiarowym – u odbiorcy.

Przykładem zastosowania licznika energii do monitorowania stacji transformatorowej i oświetlenia ulicznego jest licznik [5] – terminal Integrator SGT (ang. smart grid terminal). Przekazuje informacje o stanie pracy transformatora SN/nn i zapobiega poważnym uszkodzeniom oraz pozwala optymalnie sterować pracą stacji transformatorowej.

AMR (ang. Automated Meter Reading) – automatyczny odczyt liczników pozwala scalić informacje o bieżącym zużyciu energii.

System pomiarowy współ­pracujący z inteligentnymi instalacjami budynku umożliwia zdalne sterowanie poborem energii dzięki procedurom optymalizującym, które wykorzystują dane z systemu IMS (ang. Intelligent Metering Systems) – inteligentny system pomiarowy.

W odniesieniu do mikrosieci można zastosować SGS (ang. Smart Grid Solutions) – rozwiązania dla sieci inteligentnych.

Powyższe systemy pozyskują dane w czasie rzeczywistym, dzięki temu zmniejszają się skutki decyzji opartych na niepewnych danych.

Źródłem sygnałów o pracy odbiorników zasilanych z instalacji budynku mogą być poszczególne odbiorniki – moduły instalacji.

Wymiana informacji między urządzeniami zainstalowanymi u prosumenta

System transmisji pomiędzy modułami (rys. 2. i rys. 3.) jest źródłem sygnałów, które niosąc informacje o statusie urządzeń inicjujących i wy­konawczych można wykorzystać w sposób po­do­bny do tego, który jest ce­chą systemów SCADA. Wymaga to jednak zastosowania, w wybranych odbiornikach, dodatkowych elementów, które umożliwią transmisję danych opisujących stan pracy odbiornika do integratora [16, 17].

Wykorzystując system AMR i współpracujące z nim moduły instalacji odbiorczej można wysłać, z od­po­wie­dnim wyprzedzeniem, sygnał z poziomu mikrosieci, (MS) do OSD – operatora systemu dystry­bucyjnego, który oznacza gotowość do wprowadzenia przez odbiorcę mocy nadmiarowej do sieci albo istotny wzrost mocy zapotrzebowanej z KSE – Krajowego Systemu Elektroenergetycznego.

Zagadnienie to wiąże się ściśle z algorytmami stero­wania pracą mikrosieci, które integrują rozproszone źródła energii elektrycznej oraz ciepła (DCHP – ang. Distributed Combined Heat and Power).

Centralnym elementem instalacji, który może wpłynąć na sposoby komunikowania się na styku dostawca-odbiorca energii w najbliższej przyszłości będzie inte­ligentny licznik energii [3] z zaimplementowanymi funkcjami zarządzania poborem/generacją energii po stronie odbiorców.

Inteligentny licznik, dzięki wbudowanemu zegarowi astronomicznemu i dodatkowymi wyjściami sterującymi oraz zaawansowanymi funkcjami komuni­ka­cyjnymi może zdecydowanie wesprzeć proces optymalizacji zarządzania energią u prosu­menta. Typowym zadaniem jest rozliczenie ener­gii wprowadzonej i pobranej z mikrosieci [8].

Proces przesyłu danych jest wrażliwym elementem systemu optymalizacji. Bezpieczeństwo danych zapewniają procedury opracowane przez Cisco Network Access Manager. Jest to problem istotny dla wszystkich sieci – komputerowych i transmisji danych. Współczesne rozwiązania techniczne, należące do kla­sy urządzeń wbudowanych są przystosowane do zapewnienia właściwej ochrony danych – zarządzają identyfikacją i bezpiecznym dostępem użytkownika do źródła danych.

Do pośrednictwa w przesyle danych wykorzystywane są beacony (ang.) [4], umieszczane w bliskich odległościach i przeznaczonych do dostępu do danych z terminali mobilnych. Wymaga to jednak zastosowania odpowiedniego sprzętu i oprogramowania.

Proces przetwarzania danych pozyskanych z instalacji prosumenta

Cechą wspólną wszystkich standardów instalacji inteligentnych jest przesyłanie danych między poszczególnymi modułami logicznymi (np.: LCN, KNX).

Przechwytywanie danych z instalacji inteligentnych (rys. 4.) daje dostęp o stanie pracy odbiorników sterowanych sygnałami wysyłanymi na żądanie użytkownika lub wynikającymi z tabeli sterowań (algorytmu).

Dane przedstawione na rys. 4. i rys. 5. uzyskano z symulatora instalacji zawierającej 12 grup odbiorników. Moce poszczególnych grup dobrano, biorąc pod uwagę współczesne wyposażenie techniczne mieszkań. Program pracy urządzeń odzwierciedla typowe zachowania użytkownika koń­cowego energii [11, 12, 15].

Analiza częstości występowania wybranych poziomów pobieranej mocy, przedstawiona na rys. 6., pozwala określić, z pewnym przybliżeniem, jaką moc zapotrzebowaną prosument może pokryć z własnego źródła. Oznacza to jednocześnie poziom mocy pobieranej z KSE, jako różnica między wydajnością własnego źródła a mocą zapotrzebowaną w danym przedziale czasu.

Dane pozyskane z obiektu są przetwarzane i przechowywane w bazie danych istniejącej na danym pozio­mie zarządzania (rys. 7.).

Relacyjna baza danych ma strukturę przypominającą płatek śniegu. Dostęp do poszczególnych danych jest definiowany dla poszczególnych użytkowników (rys. 8.).

Zakres dostępu i częstość odświeżania danych zależą od sposobu ich dalszego przetwarzania i wyko­rzys­tania.

Dobór obciążenia – minimalizacja kosztu energii z KSE

Obliczenia ekonomiczne na poziomie mikrosieci umo­żliwiają ustawienie rankingu prosumentów, w przy­padku gdy występuje nadmiar mocy generowanej z OZE przy jednoczesnym braku zapotrzebowania na moc w ramach mikrosieci.

Z przyjętych założeń wynika, iż zasady ekonomicznego rozdziału obciążenia obowią­zują również źródła prosumentów, zgodnie z zależnością określającą minimalny koszt generacji w danych warunkach [13].

Porównywalność charakterystyk względ­nych przyro­stów kosztów generacji źródeł sieci MS uzys­kuje się przez wprowadzenie odpowiednich rów­noważników systemowych [14] dla każdego rodzaju źródeł energii elektrycznej i zasilającego go rodzaju OZE.

Koszt generacji energii w mikrosieci (MS) osiąga wartość optymalną wtedy kiedy spełnione są następujące zależności [12]:

gdzie:

K_og – koszty stałe agregatu urządzeń wytwórczych,

K_vg – przyrost kosztu generowanej wywołany zmianą obciążenia,

K_TC – koszt przesyłu energii i usług systemowych, obejmujący również koszt odbudowy sys­temowej rezerwy mocy.

oraz

gdzie:

P_gi, P_min, P_max, – generowana, minimalna i maksymalna i-tego źródła prosumenckiego współpracującego w MS,

P_d – moc zapotrzebowana przez odbiorców,

k – współczynnik zezwalający na odstawienie źródła energii,

t – przedział czasu.

Wnioski

Współczesne techniki transferu informacji, niezwykle elastyczne, umożliwiają przetwarzanie danych w różnych dziedzinach.

• Internet Rzeczy stanowi kolejny etap rewolucji informacyjnej. IoT stanowi wyzwanie dla biznesu – zmienia mechanizmy konkurencyjności, oczekiwania klientów, a także produkty oraz usługi, których nowa jakość zaspokaja potrzeby konsumentów lepiej niż dotychczasowe rozwiązania.
• Inteligentne infrastruktury Internetu Rzeczy rozwijają się bardzo dynamicznie, zmieniają strategie funkcjonowania przedsiębiorstw, wpływając m.in. na: proces projektowania usług, oferowaną obsługę serwisową, zwiększenie produktywności, bezpieczeństwa oraz pozwala lepiej alokować kapitał.
• Przemysłowy Internet Rzeczy – IIoT, który zaspokaja potrzeby między innymi elektroenergetyki, a szczególnie rozproszonego generowania energii elektrycznej w instalacjach prosumenckich. Prosumenci dostarczają informacji niezbędnych do optymalizowania kosztu generacji energii elektrycznego w mikrosieciach, a pozyskiwane od nich dane są wykorzystywane do określenia profilu energetycznego odbiorcy.
• Poprawne działanie systemu przeznaczonego dla branży energetycznej, w którym ilość pozyskiwanych danych jest niewyobrażalnie wielka, a jednocześnie czas dostępu do nich, aby był sens ich wykorzystania, jest bardzo krótki i bezpieczny, wynika z zastosowania osiągnięć współczesnej elektroniki i informatyki, w tym Internetu Rzeczy.

Literatura

1. Haas H., Cheng Chen, What is Li-Fi? W: ECOC’15, 41th European Conference on Optical Communication Valencia, Spain, 27.09-1.10.2015. http://www.homepages.ed.ac.uk/hxh/Li-Fi_PAPERS/15_cheng_ecoc_invited.pdf
2. Hatziargyriou N., i inni, Microgrids – Large Scale Integration of Microgeneration to Low Voltage Grids, CIGRE (2006) C6-309.
3. Klajn A., Wybrane aspekty integracji systemów inteligentnych instalacji w budynkach, XII Sympozjum, pt. „Optymalizacja dostaw i rozdziału energii oraz przesyłania in­formacji w inteligentnych obiektach”, Wydawnictwo Oddziału Poznańskiego SEP, Poznań 2009 r, s. 7-11.
4. Kontakt.io – http://crossweb.pl/job/kontakt-io/(XI 2016).
5. Landis&Gyr S650 Smart Grid. http://www.landisgyr.pl/product/landisgyr-s650-smart-grid-terminal-2
6. IEEE 802 LAN/MAN Standards Committee. http://www.ieee802.org/
7. Nowak M., Wykorzystanie systemów SCADA do integracji i zarządzania systemami automatyki w inteli­gentnych budynkach, XIII Sympozjum, pt. „Sieci i instalacje elektryczne – klasyczne i inteligentne”, Wydawnictwo Oddziału Poznańskiego SEP, Poznań 2010 r, s. 13-16.
8. Pereira R. et al., Consumer energy management system with integration of smart meters. Energy Reports 1 (2015) 22-29. http://www.elseviier.com/locate/egyr
9. PN-EN 50491-5-2:2011p – Ogólne wymagania dla domowych i budynkowych systemów elektronicznych (HBES) oraz systemów automatyzacji i sterowania budyn­ków (BACS) -- Część 5-2: Wymagania kompatybilności elektromagnetycznej (EMC) dla HBES/BACS stosowanych w środowisku mieszkalnym, handlowym i lekko uprzemysło­wionym.
10. PN-EN 62052-21:2010 P – Urządzenia do pomiarów energii elektrycznej (prądu przemiennego). Wymagania ogólne, badania i warunki badań. Cz. 21: Urzą­dze­nia do sterowania taryfami i obciążeniem.
11. Sroczan E., Symulacja zmienności obciążenia w mikrosieci zwierającej elektrownie zasilane energią odna­wialną. W: Sroczan E. (red.:).”XIV Sympozjum Oddziału Poznańskiego Stowa­rzy­sze­nia Elektryków Polskich „Współczesne urządzenia oraz usługi elektroenergetyczne, tele­ko­mu­ni­kacyjne i informatyczne. Aktualne problemy budowy i eksploatacji sieci oraz instalacji elektrycznych”. Wyd. Oddz. Poznańskiego SEP. Poznań 2011 r. ISBN 978-83-932767-1-4. s. 17-20.
12. Sroczan E.M., A Simulation of Allocation of the Power Reserve in the Power System and Microgrid containing renewables. W: Modelling and simulation 2011 Eds: P. Novais, J. Machado, C. Analide, A. Abelha, Eurosis-ETI Publication, 2011, p. 155-157.
13. Sroczan E., Zastosowanie systemu IT do optymalizacji kosztów zasilania energią elektryczną. Wiadomości Elektro­techniczne 7(74) 2010 s. 18-22.
14. Sroczan E. M., Zagadnienia integracji systemów IT w układach rozproszonej generacji energii elektrycznej. Przegląd Elektrotechniczny nr 4/2010. s. 233-236.
15. Sroczan E. M., A Simulation of Load Variability of a System Power Station Caused by a Microgrid Fed by Renewables. w: Modelling and Simulation ‘2010. The European Simulation and Modelling Conference ESM 2010. Eds: Janssens G. K., Ramaekers K., Caris A. Publ. EUROSIS-ETI, Ghent Belgium (2010), p. 167-169. ISBN: 978-90-77381-57-1. EAN: 9789077381571.
16. Sroczan E., Struktura instalacji budynku zasilanego z własnego źródła energii elektrycznej i cieplnej. W: Sroczan E. (red.:).”XIII Sympozjum Oddziału Poznańskiego Stowarzyszenia Elektryków Polskich Współczesne urządze­nia oraz usługi elektroenergetyczne, telekomunikacyjne i informatycz­ne. Instalacje elektryczne – klasyczne i inteligentne. Wyd. Oddz. Poznańskiego SEP. Poznań 2010 r. ISBN 978-83-919118-8-4. s. 22-27.
17. Sroczan M., Sroczan E., Urbaniak A., Inwestycje teleinformatyczne w przedsiębiorstwie energetycznym, Rynek Energii nr 2(69)/2007.
18. Sroczan E., Sterowanie pracą odbiorników energii w systemie LCN. Wiadomości Elektrotechniczne nr 10/2005 r. s. 34-39.
19. Sroczan E., Model bazy danych dla systemu zarządzania energią. Rynek Energii. 2001. nr 2. s. 11-16.
20. Sroczan E.: Zarządzanie energią w budynkach inte­li­gen­tnych. Wiadomości Elektrotechniczne, nr 5/2000.
21. Sroczan E., Systemy IT do rozliczania poboru energii u odbiorców indywidualnych. W: Inteligentne systemy w inżynierii i ochronie środowiska. VIII Konf. Komputer w och­ronie środowiska. Rokosowo 2007. 2-4 grudnia 2007. Wyd. PZTiS Poznań 2007.
22. Pingle Y. et al, Electricity Measuring IoT Device. 2016 Int. Conf. On Computing for Sustainable Global Deve­lopment (INDIACom).
23. Szczerbowski R. 2011. Generacja rozproszona oraz sieci Smart Grid - wirtualne elektrownie. Polityka Energetyczna tom 14, z. 2. Wyd. Instytutu GSMiE PAN, Kraków. s. 391 – 404.
24. The Internet of Things Ecosystem, July 2016, www.CompTIA.org
25. Brachman a., Raport Obserwatorium ICT, Internet przedmiotów. Park Naukowo-Technologiczny „Technopark Gliwice”, Gliwice, 2013, www.obserwatoriumict.pl

Chcesz być na bieżąco? Zapisz się do naszego newslettera!