ترجمه تخصصی مدیریت انرژی در خانه های هوشمند

بهینه سازی مصرف انرژی، و به موازات آن حفظ آسایش ساکنان، یکی از اصلی ترین اهداف "خانه هوشمند" است. سیستم های مدیریت انرژی و آسایش ساختمان (BECM)، به عنوان یک ابزار کنترلی برای مدیریت شرایط ساختمان های تکی یا گروهی معرفی شده اند. در وب سایت فرداپیپر می توانید سفارشات ترجمه تخصصی مربوط به رشته مهندسی برق را ثبت نمایید. این سیستم ها وظایفی همچون نظارت، ذخیره سازی داده، ارتباطات رایانه ای، و میکرپردازنده های غیرمتمرکز را به اجرا می گذارند [91].BECM دنبال کاهش انرژی مصرفی ناشی از عملیات ساختمان است، و در عین حال آسایش ساکنان را در حد مناسبی حفظ می کند. سیستم کنترل گرمایش، تهویه و مطبوع سازی (HVAC)، کنترل آب گرم، کنترل نورپردازی و کنترل برق رسانی، به منزله ارکان مهم سیستم BECM به شمار می روند. در این بخش نسبت به تشریح روش های مدیریت هوشمند انرژی اقدام می نماییم. تمرکز ما روی مدلسازی مصرف انرژی، و رابطه همبستگی بین خانه های هوشمند و شبکه های هوشمند قرار داده شده است.

خانه هوشمند و شبکه هوشمند

در دهه ی گذشته، مصرف انرژی به یک دغدغه جهانی تبدیل شده است. با ظهور مفهوم شبکه هوشمند (SG)، و مدرنسازی شبکه برق، ارتقای بازدهی انرژی و بهره برداری از منابع انرژی تجدیدپذیر امکان پذیر شده اند. بخش چشمگیری از مشخصات زیرساخت SG ، که در نخستین تعریف رسمی ارائه شده اند [92]، به بحث خانه های هوشمند مربوط هستند و مسائلی همچون مدیریت سمت تقاضا، و تامین به موقع اطلاعات قیمت انرژی را شامل می شوند.

تیم فرداپیپر با دارا بودن تیمی متشکل از فارغ التحصیلان رشته مهندسی برق، آماده ارائه خدمات ترجمه تخصصی در این رشته می باشد.

شبکه ی هوشمند این قدرت را دارد که بازدهی انرژی در درون شبکه های پراکنده را بشدت ارتقا بدهد. پاسخ تقاضا (DR)، یکی از ویژگی های مهم شبکه های هوشمند به حساب می آید [93]. در بستر خانه های هوشمند، ایجاد تعامل سازنده بین وسایل برقی کم اهمیت از جمله ماشین لباسشویی و سیستم آبگرمکن ، به DR این قدرت را می دهد تا از منابع انرژی ، به ازای قیمت های پایین تری بهره برداری بکند. زمانبندی انرژی، خود به زمانبندی منبع انرژی (در صورت استفاده از منبع خاص انرژی)، و زمانبندی مصرف انرژی تقسیم می شود (هنگامی که وسایل مختلف خانگی در حالت فعال قرار می گیرند).

سیستم مدیریت انرژی خانه هوشمند (HEMS)به عنوان ابزار مستقر شده در داخل ساختمان ها معرفی شده است. وظیفه این ابزار جمع آوری، ذخیره ، و تحلیل اطلاعات مصرف انرژی در داخل منزل است. HEMS زمان عملکردی وسایل خانگی را زمانبندی می کند تا بازدهی تا بیشترین حد ممکن ارتقا پیدا بکند، و مصرف برق کاهش یابد. ضمناً وجود/ عدم وجود زمانبندی مصرف وسایل خانگی نیز مدنظر قرار می گیرد [94]. یک شبکه ی هوشمند، به خانه های هوشمند وابستگی دارد. خانه هایی که از وسایل خانگی هوشمند برخودار هستند، کار جمع آوری داده ها را از طریق سنسورها و کنتورهای هوشمند انجام می دهند. با استفاده از چنین ابزارهایی، بهینه سازی پیش شرط های مصرف انرژی به نحو ساده تری انجام می گیرد و هزینه مصرف برق کاهش می یابد. ضمناً شبکه های هوشمند از مقدار برق تولید شده در همان مکان بهره برداری می کنند. شرایط بنحویست که می توان برق تولیدی را به شبکه انتقال داد (صادر نمود). (ترجمه تخصصی رشته مهندسی برق)

مدیریت هوشمند انرژی

علیرغم اینکه عبارت "مدیریت انرژی" در تحقیقات مختلفی مورد استفاده قرار گرفته است ، اما تمرکز مقاله حاضر روی سیستم مدیریت انرژی ساختمان قرار داده شده است. شاخص های " بهره گرمایی داخلی "، و" آسایش ساکنان "، در خلال پیاده سازی این سیستم مدنظر قرار می گیرند. بارهای پوشش داده شده (فعال) و بهره های گرمایی وسایل خانگی، شامل دو دسته بندی هستند. دسته ی اول دارای رابطه ای با بارهای فعال (پاسخ دهنده) است و بیانگر این است که کاربر می تواند رفتار استفاده از وسیله خانگی را تغییر بدهد. دلیل این تغییر، بخاطر دریافت سیگنال قیمتی است. چند نمونه از این وسایل عبارتند از روشنایی، بارهای متصل به پریز ، ماشین لباسشویی، خشک کن ها، ماشین ظرفشویی، اجاق گاز، مایکروویو . دسته ی دوم به بارهای غیرپاسخ دهنده ربط دارد و بر همین اساس، مشخص است که کاربر قادر به تغییر رفتار وسیله خانگی، بدون استفاده از فناوری های اضافه همچون بارهای یخچال و فریزر نیست [95]. در یک شبکه برق هوشمند، کاربران این توانایی را دارند که از واحدهای مولد پراکنده ، برق تولید بکنند (انرژی داخل منزل). سیستم HEM در داخل شبکه هوشمند ، قدرت اجرای برنامه های پاسخ تقاضا (DR) ، و مدیریت سمت تقاضا (DSR) را بوجود می آورد.DR به مدیریت و تغییر مصرف برق متناظر با عرضه ی برق کمک می کند. از طرفی دیگر ، DSM روی برنامه ریزی، پیاده سازی و ارزیابی سیاست ها و تکنیک های منتهی به کاهش مصرف انرژی / هزینه های کاربران تمرکز  دارد . الگوریتم ها، پروتکل ها و استانداردهای بهینه سازی مختلفی، برای هماهنگی موثر وسایل برقی خانگی ، و منابع پراکنده انرژی (DER) معرفی شده اند.وظیفه آن ها کاهش بار حداکثری ، و هزینه های مصرف انرژی است. بحث های داغی در سطوح دانشگاهی، صنعتی، و دولتی، در این زمینه در جریان هستند. (ترجمه تخصصی رشته مهندسی برق)

مدیریت انرژی با درنظر گرفتن روش قیمت گذاری

شرکت های توزیع برق، از روش های قیمت گذاری مختلفی بهره برداری نمودند تا به یک روش مدیریت انرژی بهینه دسترسی داشته باشند. روش های قیمت گذاری معرفی شده تا اینجای کار عبارتند از قیمت گذاری بلادرنگ  (فوری)، قیمت گذاری در زمان استفاده، قیمت گذاری نقطه اوج بحرانی، قیمت گذاری یک روز جلوتر (روز بعدی). در قیمت گذاری فوری، هزینه دریافتی از مصرف کننده در ساعات اوج مصرف بیشتر است ، در ساعات میانی هزینه کمتر می شود، و در ساعات خارج از اوج مصرف کمترین مقدار را شامل می شود. می توان از سیستم مدیریت انرژی، که ساختار هزینه و زمانبندی کار وسایل برقی را به هم پیوند می دهد، برای حداقلسازی هزینه انرژی استفاده نمود. مثالی در این زمینه، سیستم مدیریت انرژی داخل منزل (iHEM ) است [96]. در این سیستم از وسایل برقی هوشمند، واحد مرکزی مدیریت انرژی (EMU)، و شبکه های سنسور بی سیم، برای برقراری ارتباط بین وسایل برقی خانگی، EMU ، و کنتورهای هوشمند استفاده می شود. EMU با ارتباط برقرار کردن با کنتور هوشمند، اطلاعات جدیدی را راجع به هزینه های بروزرسانی شده دریافت می کند. شرایط مربوط به ساکنان، بطور تقریباً بلادرنگ پردازش می شوند. در گام بعدی، سیستم IHEM زمان شروع مطلوبی را به مصرف کننده پیشنهاد می کند. هدف اصلی ابزار پشتیبانی از تصمیم (DST) که در [97] معرفی شده است ، کمک به کاربران برای اتخاذ تصمیمات هوشمند ، در خلال بهره برداری شان از وسایل برقی است. (سفارش ترجمه تخصصی رشته مهندسی برق) در غیاب برنامه مدیریت انرژی، 30 % بار در ساعات اوج مصرف بوقوع می پیوندد. در صورت استفاده از IHEM، می توان بار ساعات اوج مصرف را به 5 % کاهش داد [98]. IHEM در کاهش میزان انتشار کربن،و هزینه های مصرف انرژی نیز نقش مثبتی دارد . برای نفع بردن از قیمت گذاری در زمان استفاده ، و کاهش هزینه های برق، در [99] روش هماهنگ سازی وسایل برقی پیشنهاد شده است. هدف این است که بار مصرف کننده را به زمانی خارج از ساعات اوج مصرف انتقال بدهیم. این تحقیق نشان داده که همکاری مصرف کننده در برنامه مدیریت انرژی، بازدهی روش در دست اجرا را ارتقا می دهد.

اگر سیستم هماهنگ DER به صورت موازی با هماهنگ سازی وسایل برقی بکار گرفته بشود، منافع برنامه مدیریت انرژی ارتقا می یابند [100]. در [97]، مفهوم هماهنگی DER مورد ارزیابی قرار گرفته است.منافع خالصی که عاید مصرف کننده شده حداکثر می شوند. لازمه ی کار زمانبندی DER قابل کنترل، دقیقاً منطبق با الگوریتم زمانبندی است. مقدار هزینه قبض برق مصرف کننده ، به اندازه 16 الی 25 % کاهش می یابد [97].

مدیریت انرژی با در نظر گرفتن وضعیت حضور افراد خانوار

رفتار ساکنان خانه، نقش بسیار چشمگیری روی مصرف انرژی و کنترل های ساختمانی دارد. مصرف ناآگاهانه انرژی، می تواند به اندازه یک سوم به عملکرد انرژی طراحی شده برای ساختمان بیافزاید [101]. تحقیقات قبلی نشان داده اند که استفاده از اطلاعات فوری حضور افراد در منزل به منظور کنترل روشنایی ، صرفه جویی قابل ملاحظه ای در انرژی بکار رفته برای روشنایی بوجود می آورد [102]. جدیدترین بررسی ها، حول محور طراحی ساختمان های برخوردار هوشمندی انرژی متمرکز شده اند.در چنین ساختمان هایی، فعالیت ها و رفتارهای ساکنان به منزله یکی از ارکان مهم سیستم های مدیریت انرژی به شمار می روند. سیستم اتوماسیون خانگی، بایستی مشخص بکند آیا شخصی در منزل حضور دارد یا خیر؟ [103]. (سفارش ترجمه تخصصی رشته مهندسی برق) علاوه بر این، بسیاری سیستم های اتوماسیون خانگی ، احتمال حضور افراد در داخل منزل را پیش بینی می کنند . وقتی کسی در منزل حاضر نباشد، سیستم اتوماسیون روشنایی های مصنوعی را خاموش کرده یا نور آن ها را کاهش می دهد. بدین ترتیب نرخ تهویه هوا نیز کاهش می یابد. نقاط تنظیمی برای ایجاد جریان های گرمایشی نیز کاهش می یابند. اگر پیش بینی بشود که افرادی در منزل حضور دارند، سیستم طبق برنامه ریزی قبلی، سیستم گرمایشی را فعال می کند. لذا ساختمان قبل از حضور افراد ساکن، به نقطه ی تنظیمی عادی اش برگردانده می شود [103].

یک سیستم گرمایشی هوشمند، به دو هدف اصلی رسیدگی می کند. چنین سیستمی سعی می کند میزان انرژی مصرفی را کاهش بدهد، و از سوی دیگر سطح آسایش افراد را در حد مطلوب قبلی حفظ می کند. معمولاً هوشمندی چنین سیستمی ، به توانایی اش برای سازگاری با شرایط غالب محیطی، شرایط خانوار، و رفتار ساکنان بستگی دارد. استفاده از فناوری اطلاعات و ارتباطات برای کنترل خودکار و هوشمند سیستم های گرمایشی، برای سالیان سال مورد مطالعه قرار گرفته است. دستگاه های متعددی در زمینه مطبوع سازی هوشمند فضا معرفی شده اند. چند نمونه از این سیستم ها عبارتند از ترموستات عصبی [104]، ترموستات مبتنی بر gps [105]، ترموستات هوشمند [106]، ترموستات مبتنی بر یادگیری NEST ، و سیستم هوشمند سازگار با محیط- زنبورعسل (Smart-si ) [107]، و بسیاری موارد دیگر [108-112].

مدلسازی سیستم انرژی ساختمان

سیستم های انرژی ساختمان (BES)، از عملیات مختلف قابل اجرا در محیط ساختمان ، از جمله گرمایش فضا، انتقال داده، و وسایل خانگی در حال استفاده پشتیبانی می کنند. BES با بهره برداری از دستگاه ها و تجهیزات فیزیکی ، و حتی معرفی روشی برای ادغام فعالیت های مختلف، میزان انرژی مصرفی در ساختمان ها را تحت تنظیم قرار می دهد [113]. چندین مدل عددی برای شبیه سازی مصرف انرژی طراحی شده اند، این مدل ها امکان مدیریت، پیش بینی و بهینه سازی عملیات این سیستم ها و منازل را فراهم می کنند. فارغ از اینکه ساختارهای مختلفی در نقش مدل ها، برای شبیه سازی سیستم انرژی ساختمان پیشنهاد شده اند ، باید اذعان کرد که هر مدل سیستم انرژی ، از سه ماژول جداگانه تشکیل شده است. 1- پارامترهای ورودی، 2- پارامترهای خروجی، 3- ماهیت ذاتی سیستم [114]. شکل 3 به توصیف قسمت های گوناگون سیستم انرژی اختصاص پیدا کرده است.

شکل: ساختار سیستم انرژی ساختمان [115]. (نمونه ترجمه تخصصی شکل ها)

 

همانطور که در شکل مشاهده می شود، متغیرهای ورودی تحت عنوان متغیرهای رگرسیونی یا متغیرهای عملیاتی، در مدل پیشنهادی برای سیستم انرژی ساختمان گنجانده شده اند. به عنوان مثال، نقطه تنظیمی ترموستات ، به منزله متغیر ورودی کنترل پذیر تلقی می شود. از زاویه تحلیلی متضاد، تابش خورشیدی، دمای هوای محیط بیرونی، و سرعت باد ، متغیرهایی غیرقابل کنترل به شمار می آیند. پیش بینی مقادیر این متغیر، صرفاً با استفاده از تکنیک های مناسبی امکان پذیر می باشد. برای سیستم انرژی داخل ساختمان، دمای فضای داخل اتاق ، و میزان رطوبت به منزله متغیرهای خروجی تلقی می شوند. این متغیرها برای توصیف پاسخ سیستم انرژی ساختمان به متغیرهای ورودی بکار می روند. در شرایطی خاص و قطعی، متغیرهای خروجی مدل BES ، معادل با "مصرف خالص انرژی"، یا "مصرف واقعی انرژی" در نظر گرفته می شوند [115]. اصلی ترین دسته بندی های ارائه شده برای معماری مدلسازی BES عبارتند از رویکرد آینده نگر (روبه جلو) و رویکرد داده محور [115-117].

این فرصت فراهم است که با استفاده از رویکرد آینده نگر، مدل BES را توسعه بدهیم. برای این منظور نیاز است که متغیرهای خروجی را از روی یک معماری فراگیر محاسبه بکنیم. پارامترهای این مدل بایستی با مجموعه ای از متغیرهای ورودی سازگار باشند. مدل هایی که بر مبنای اجرای این رویکرد بدست می آیند، تحت عنوان مدل های جعبه سفید به رسمیت شناخته می شوند. این مدل ها بشدت دقیق هستند زیرا روش های انتقال انرژی ، به پروسه ی تنظیم ساختار مدل BES افزوده می شوند.روندهای یکپارچه بکار رفته در روش های محاسباتی ، امکان تعریف مدل های دقیق BES را فراهم می سازند. ما با این واقعیت روبروییم که BES به مدلسازی گام به گام نیاز ندارد ، و در وقت و زمان تحلیلگر صرفه جویی می کند. مدلسازی آینده نگر (رو به جلو) برای BES ، در طول مرحله ی طراحی- تحلیل مقدماتی انجام می شود. (سفارش ترجمه تخصصی رشته مهندسی برق)

از سوی دیگر با رویکردهای داده محور روبرو هستیم  ، که خودشان به دو دسته مدل های جعبه خاکستری، و مدل های جعبه سیاه تقسیم می شوند. این مدل ها از طریق درک همزمان داده های ورودی و خروجی، امکان توسعه ی مدل های BES را فراهم می سازند. این نوع داده ها از قبل معلوم هستند ، یا با اجرای ارزیابی های لازم از طریق روال آزمایشی پیشنهادی به منصه ظهور می رسند. در این رویکردها، مدل BES با تحلیل رگرسیون تک یا چندمتغیره ، تولید می شود. متغیرهای خروجی عددی همچون مصرف انرژی، حضور افراد در ساختمان، اطلاعات تابش خورشید و وزش باد و غیره مورد بهره برداری قرار می گیرند. مدل های رگرسیونی، حالت آماری دارند یا حول محور فرمول های پایه مهندسی راجع به مصرف انرژی ساختمان تعریف می شوند. شبیه سازی های طولانی مدت، به یک سری پیش شرط های زمان بَر و محدودکننده نیاز دارند ، تا مقادیر بکار رفته در طول دوره شبیه سازی را اندازه گیری بکنند. برای این حالت، روش های یادگیری مصنوعی همچون شبکه های عصبی مصنوعی (ANN)، و سری های فوریه مورد استفاده قرار می گیرند. هدف ما تخمین پارامترهای مدل مربوطه است. البته در اکثر موارد، پارامترهای شناسایی شده برای مدل BES ، از نظر فیزیکی اهمیت خیلی ناچیزی دارند. بدین ترتیب حجم داده های قابل اندازه گیری در روش های یادگیری مصنوعی یا تکنیک های جستجو کاهش می یابد. دستیابی به این مزایا، به معنی صرفه جویی چشمگیر در زمان ، و هزینه ی مصرفی است. علاوه بر این، ارزیابی پارامترهای مدل BES ، با توجه به داده های صحیح عملکردی صورت می گیرد. مدل های داده محور، با توجه به قدرت و هوش محاسباتی سیستم های اجرایی ، از دقت بسیار بالایی برخوردار هستند.

برای فرمولبندی یک مدل فیزیکی و نشان دادن معماری آن، برای مثال تجسم بخشی به ماهیت فیزیکی یک ساختمان یا تجهیزات- سیستم های بکار رفته در سیستم HVAC-R، از روش جعبه خاکستری استفاده می نماییم. روش پیشنهادی پس از شناسایی مهم ترین پارامترها، و جمع آوری اطلاعات از پارامترهای فیزیکی مورد نیاز از طریق تحلیل آماری، مراحل بعدی را به اجرا می گذارد [116]. رویکرد فوق الذکر نیازمند مشارکت کاربران متخصص، در پروسه ی اعمال تنظیمات است. بدین ترتیب مدلسازی ها، معادلات و پارامترهای تخمینی، بدرستی مشخص می شوند. با وجود اینکه پروتکل آزمایشی تهاجمی، نقش مهمی در ارزیابی مطلوب پارامترها دارد ، اما چنین روشی قابلیت تشخیص و برطرف سازی خطا (FDD) را به ارمغان می آورد. مزیت دیگر این روش، برخورداری از قابلیت کنترل آنلاین است که برای مصرف انرژی کُل ساختمان اعمال می شود. چند نمونه از روش های تخمین پارامتر ، با هدف تعیین مصرف انرژی ساختمان ، در منابع دیگری مطالعه شده اند [116، 118-129].

چشم انداز آتی راجع به خانه های هوشمند

این بخش دنبال ارائه توضیحاتی راجع به آینده ی خانه های هوشمند، و خدمات ارائه شده توسط آن ها برای ساکنان است. هدف این است که امنیت و آسایش ساکنان، به بهترین نحو ممکن تضمین بشود . برای بررسی رابطه ی خانه هوشمند با سایر محیط های هوشمند، مفاهیم ارتباط خودرو با خانه (V2H)، و شبکه خدمات درمانی خانگی ، به عنوان مثال های تحلیلی مورد بررسی قرار گرفته اند.

خودروی متصل به شبکه، خودروییست که راننده و مسافر بواسطه ی آن، حق دسترسی، بهره برداری و به اشتراک گذاری اطلاعات ، بر روی سیستم های ارتباطات خودرویی ، از جمله فناوری های ارتباط خودرو به خودرو (V2V)، و خودرو به زیرساخت (V2I) را بدست می آورند [130]. صنایع خدمات رسان در حوزه خودروهای متصل به شبکه، روز به روز از نظر ابعاد و تعداد در حال گسترش هستند . خدمات آن ها تا حدی افزایش یافته است که ارتباطات خانگی را نیز ارائه می کنند [131]. ادغام قابلیت های خودرویی و خانه هوشمند، به رانندگان این فرصت را می دهد تا روشنایی، وسایل خانگی فعال، گرمایش، سیستم های سرگرمی و درب پارکینگ را قبل از رسیدن به منزل ، کنترل بکنند [132-133]. کودوس و همکاران [134] یک الگوریتم تطبیق نقشه را برای مسیریابی معرفی کردند . دوری و همکاران [135] یک چارچوب داده درون خوردویی را معرفی کرده که امنیت و حریم خصوصی رانندگان را تضمین می کنند. گودی و همکاران [136]، عملکرد تله ماتیک را بر حسب مجموعه پروتکل های ارتباطی زیگ بی ارتقا داده اند . علاوه بر این، رزین و همکاران [137]یک فناوری نوین بی سیم را برای اتصال خودرو به خانه پیشنهاد دادند. در دوران اخیر، مفهوم اتصال V2H در خلال بهینه سازی هزینه های انرژی، با استفاده از خودروهای برقی قابل شارژ (PHEV) ، پیگیری شده است. در سایر مطالعات، استفاده از PHEV به عنوان مولد پشتیبان [138]، اشتراک تولید برق [139]، و سیستم ذخیره سازی برق [140] بررسی شده اند. (سفارش ترجمه تخصصی رشته مهندسی برق)

با توجه به اینکه ویژگی های جمعیتی در حال تغییر هستند، تمامی جنبه های جامعه تحت تاثیر قرار می گیرند. افزایش سن، یکی از مهم ترین تحولاتیست که اثر زیادی تولید می کند. مطابق تخمین ها، میانگین سن جهانی تا سال 2050، در حد 36.8 سال خواهد بود [141]. علاوه بر این، طبق توضیحات سازمان جهانی بهداشت، تقریبا 10 % جامعه با یک نوع معلولیت دست و پنجه نرم می کنند.با توجه به این تغییرات جمعیتی، تقاضا برای خدمات حمایت اجتماعی- درمان های پزشکی بشدت افزایش یافته است. (ترجمه فوری برق)

هدف اصلی خدمات مراقبت از منزل ، انتقال اطلاعات وضعیت سلامت بیماران به مراکز داده اختصاصی است. بطور خاص با طرح هایی همچون نگهداری از سالمندان و پدیده هایی همچون ایزوله شدن اجتماعی روبرو می باشیم. توسعه فناوری و بالا رفتن هزینه های درمان، تمرکززدایی سیستم درمان و انتقال از بیمارستان به خانه را بدنبال داشته است. نظارت درمانی در خانه، بهینه تر از بیمارستان است. خانه هوشمندی که به سنسورهای مناسب مجهز بشود، به منزله مولفه اساسی از سیستم خدمات درمانی است [142-144].منزل هوشمند، فرصتی برای ارائه خدمات مشاوره از راه دور، ملاقات های مجازی، و نظارت های درمانی است [145-146]. باور قوی وجود دارد مبنی بر اینکه سیستم های خانگی و کاربر محور ، اساس نسل آتی سیستم های درمانی می باشند. (ترجمه تخصصی کتاب برای رشته مهندسی برق)

ابزارهای کاربردی که نظارت بر شرایط درمانی و فعالیت ها را فراهم می سازند، کمک رسانی در منزل را میسر می کنند. این سیستم ها باید حالت غیرتهاجمی داشته باشند و بخوبی از سوی کاربران پذیرفته بشوند. از سوی دیگر، نیاز است که حریم خصوصی و محرمانگی را رعایت کنیم ، تا جنبه های اخلاقی و قانونی زندگی های تحت نظارت ، در وضعیت مطلوبی قرار بگیرند. بدین ترتیب قدرت مدیریت فناوری افزایش می یابد ، تا در مرحله بعدی بتوان دنبال استفاده گسترده تر از فناوری بود.

خانه هوشمند شرکت فناوری گاتور در گازنویل فلوریدا، در نتیجه 5 سال تلاش و بررسی تولید شده است. سیستم جامع رایانش موبایلی برای ارائه خدمات درمانی خانگی، نمونه دیگری از چنین سیستم هایی است [147]. هدف پروژه کمک به سکونتگاه ها است تا نه تنها به قدرت تشخیص اطلاعات نائل بشوند، بلکه ساکنان را تقویت بکنند. این خانه، مثال خوبی از خانه های هوشمند آتی به حساب می آید.

خلاصه و نتیجه گیری ها

خانه های هوشمند به فناوری مجهز هستند که نظارت بر وضعیت ساکنان، و ارائه خدمات تکمیلی را ممکن می سازند. اهداف اصلی سیستم های خانه هوشمند ، سهولت، امنیت یکپارچه، و کاهش مصرف انرژی برای ساکنان است.

تمام خانه های هوشمند، بر مدیریت انرژی و سهولت و امنیت برای ساکنان تاکید دارند. خانه های هوشمند باید از شرایط محیطی آگاه باشند، تا به اهداف مربوطه نائل آیند. نظارت بر محیط، شدیداً به فناوری های سنسور بکار رفته بستگی دارد. علاوه بر این، هر خانه هوشمند باید داده های تولید شده توسط سنسورها را راستی آزمایی بکند، و تغییرات الزامی محیطی را درک بکند. این وضعیت، بوضوح بیانگر اهمیت تشخیص فعالیت و بستر تولید پیش بینی در مفهوم خانه هوشمند است.

عملکرد انرژی خانه های هوشمند، نیازمند توجه به ویژگی های ساختمان ، بعلاوه رفتارهای ساکنان و پیگیری شرایط محیطی است. برای تحلیل رفتار حرارتی دینامیک ساختمان ، بایستی مدل صحیحی را انتخاب نمود. به نظر می رسد مدل جعبه خاکستری، موثرترین روش برای مدیریت مصرف انرژی ساختمان ها است.

دو حوزه مورد تمرکز، در رابطه با خانه هوشمند تعریف شده است : 1- کاربران، 2- ساختمان ها. این مفاهیم ارتباط قوی با یکدیگر در حوزه مدیریت انرژی و تامین آسایش ساکنان دارند. اکثر روش های مدیریت انرژی معرفی شده در تحقیقات قبلی ، دنبال زمانبندی و جابه جایی زمان مصرف از اوج بار- به زمان هایی با بار مصرفی کم است. البته برای مدیریت موثر انرژی، مهم است که فعالیت و رفتارهای ساکنان ، به عنوان دو عامل بسیار مهم را در یکدیگر ترکیب بکنیم. (ترجمه تخصصی برق قدرت و الکترونیک) این یکی از عوامل اساسی برای اجرای سیستم های BECM است. علاوه بر تشخیص حضور افراد، باید شرایط افراد را نیز پیش بینی کرد ، تا از افت سطح آسایش افراد جلوگیری نمود. این یک چالش جدی برای تحقیق و توسعه بیشتر در حوزه خانه هوشمند است. چالش بعدی، همگرایی نسبت به خدمات فعلی IOT است. باید دنبال ارائه خدمات جدید بود که ارتباط خانه- خودرو و درمان خانگی دو نمونه از آن ها هستند.

به عنوان نتیجه گیری، می توان انتظار داشت که خانه های هوشمند ، در آینده نزدیک روز به روز مهم تر می شوند. بدین ترتیب تقاضا برای مدیریت موثر انرژی با در نظر گرفتن سطح آسایش افزایش خواهد یافت. هنوز باید به چند چالش دیگر نیزدر حوزه خانه هوشمند رسیدگی کرد ، فناوری های سنسور بهینه، تشخیص و پیش بینی فعالیت، روش های ذخیره و تحلیل داده در این زمره قرار می گیرند. از سوی دیگر، نسل آتی خانه های هوشمند در کنار سایر فناوری های هوشمند قرار می گیرند و باید همگرایی شبکه و خدمات را مدنظر قرار بدهند. لذا بوضوح با ماهیت چند بُعدی فعالیت چندین متخصص برای توسعه خانه های هوشمند آتی روبرو می شویم.

 

ترجمه تخصصی رشته مهندسی برق