Розробка AI-системи управління мікрогенерацією

Розробка системи ШІ для управління мікрогенерацією

Мікрогенерація — це сонячні панелі, малі вітроустановки та мініатюрні теплоелектроцентралі на території споживача. У Росії це дозволено з 2021 року (ФЗ-471): залишки можна продавати в мережу. ШІ оптимізує використання власної генерації та управляє точкою підключення до мережі.

Прогнозування генерації та споживання

Завдання мікрогератора:

Кожні 15 хвилин система повинна вирішити: продати залишки в мережу або зарядити BESS; купити з мережі або розрядити BESS. Рішення залежить від прогнозу:

• Власної генерації на наступні години (сонце/вітер)
• Споживання об'єкту на наступні години
• Тарифної кривої (диференційований тариф: ніч/день/пік)

import numpy as np
import pandas as pd
from prophet import Prophet

class MicrogenerationForecaster:
    """Прогнозування генерації та споживання для об'єкту з мікрогенерацією"""

    def fit_solar_model(self, historical_generation, capacity_kw):
        """Прогноз сонячної генерації через Prophet"""
        df = historical_generation.reset_index()
        df.columns = ['ds', 'y']
        df['y'] = df['y'] / capacity_kw  # нормалізувати до потужності → capacity factor

        model = Prophet(
            changepoint_prior_scale=0.05,
            seasonality_mode='multiplicative',
            yearly_seasonality=10,
            daily_seasonality=True,
            weekly_seasonality=False  # сонце не залежить від дня тижня
        )
        model.fit(df)
        return model

    def predict_next_day(self, solar_model, load_model, weather_forecast):
        """Об'єднаний прогноз на наступні 24 години"""
        future = solar_model.make_future_dataframe(periods=96, freq='15min')

        # Додати регресор погоди
        future = future.merge(weather_forecast[['ds', 'ghi', 'temperature']],
                             on='ds', how='left')

        solar_forecast = solar_model.predict(future)
        load_forecast = load_model.predict(future)

        return pd.DataFrame({
            'timestamp': future['ds'],
            'solar_kw': solar_forecast['yhat'].clip(0) * self.capacity_kw,
            'load_kw': load_forecast['yhat'].clip(0),
            'net_kw': (solar_forecast['yhat'] - load_forecast['yhat']).clip(-self.max_load)
        })

Оптимізація накопичувачів енергії

Стратегія заряджання/розряджання:

Задача стохастичної оптимізації з горизонтом 24–48 годин:

from scipy.optimize import linprog
import numpy as np

def optimize_bess_schedule(
    solar_forecast,   # кВт за годинами
    load_forecast,    # кВт за годинами
    tariff_grid_buy,  # руб/кВтч за годинами (покупка з мережі)
    tariff_grid_sell, # руб/кВтч за годинами (продаж в мережу)
    bess_capacity_kwh=10,
    bess_max_power_kw=5,
    bess_soc_init=0.5,
    bess_soc_min=0.1,
    bess_soc_max=0.9,
    bess_efficiency=0.9
):
    """
    Оптимізація розпису BESS.
    Змінні: [p_charge_t, p_discharge_t, p_grid_buy_t, p_grid_sell_t] × 24h
    """
    T = len(solar_forecast)

    # Лінійне програмування (LP)
    # Спрощення: не враховуємо бінарні обмеження одночасного заряджання/розряджання
    # Змінні: [charge[0..T], discharge[0..T], buy[0..T], sell[0..T], soc[0..T]]
    n_vars = T * 4 + T  # charge, discharge, buy, sell, SoC

    c = np.zeros(n_vars)
    # Мінімізувати вартість: вартість покупки - дохід від продажу
    for t in range(T):
        c[2*T + t] = tariff_grid_buy[t]    # покупка — витрати
        c[3*T + t] = -tariff_grid_sell[t]  # продаж — дохід (від'ємне)

    # Обмеження (спрощено)
    # SoC баланс, обмеження потужності, межи SoC

    result = linprog(c, method='highs')  # HiGHS solver
    return result

Управління точкою нульового експорту

Контроль нульового експорту:

Якщо тариф продажу в мережу невигідний або відсутній — запобігти подачі в мережу:

• Прогноз залишків → збільшити кероване навантаження (водонагрівач, насос, зарядка EV)
• При неможливості поглинути → зменшити потужність інверторів (curtailment)
• Швидкий контроль (100мс цикл): вимірювання струму в точці підключення → ПІД-управління потужністю інверторів

Агрегація для програм Demand Response

Агрегатор ВЕС:

Сотні приватних мікрогенераторів → агрегатор об'єднує у Virtual Power Plant:

• Прогноз сумарного експорту агрегованого ресурсу
• Участь у балансуючому ринку
• Розподіл платежів між учасниками по внеску (Shapley Values)

Моніторинг та діагностика

Оцінка деградації панелей:

• Моніторинг Performance Ratio (PR): очікувана vs. фактична генерація
• Зниження PR на 0,5%/рік — норма; >1,5%/рік — деградація або забруднення
• Аналіз I-V кривої: виявлення затінення, відмови діода байпасу

Термін розробки: 2–4 місяці для системи управління мікрогенерацією з прогнозом, оптимізацією BESS та контролем нульового експорту.