Έξυπνη παρακολούθηση και διαχείριση ενέργειας με βάση την τεχνολογία του διαδικτύου των πραγμάτων σε αυτόνομες (off-grid) οικίες
Smart energy monitoring and management based on internet of things technology in autonomous (off-grid) homes
Λέξεις-κλειδιά
Αυτόνομα συστήματα ; Ανανεώσιμες πηγές ενέργειας ; Διαδίκτυο πραγμάτων ; Έξυπνοι μετρητές ; Επεξεργασία καταναλώσεων ; Υπολογιστική νέφους ; Φωτοβολταϊκά συστήματαΠερίληψη
Η χρήση της ηλιακής ενέργειας ως κύρια πηγή παραγωγής ηλεκτρικής ενέργειας αυξάνεται ολοένα και περισσότερο, τόσο σε οικιακό, όσο και σε βιομηχανικό επίπεδο λόγω της υψηλής αποδοτικότητάς της σε σχέση με τις υπόλοιπες ανανεώσιμες πηγές ενέργειας. Τα ηλιακά αυτά συστήματα εξοικονομούν ενέργεια η οποία παράγεται από μη ανανεώσιμες πηγές που είναι επιβλαβείς για το περιβάλλον. Επιπλέον, τροφοδοτούν μια οικία ή μια επιχείρηση με την απαιτούμενη ενέργεια ώστε αυτές να λειτουργούν πλήρως ή μερικώς αυτονομημένα από το δημόσιο ηλεκτρικό δίκτυο. Για την βέλτιστη απόδοση ενός τέτοιου συστήματος απαιτείται η επιτήρηση της παραγόμενης και της καταναλισκόμενης ενέργειας η οποία υλοποιείται με την χρήση έξυπνων μετρητών.
Οι έξυπνοι μετρητές ενέργειας παρακολουθούν σε πραγματικό χρόνο την παραγόμενη ενέργεια από το φωτοβολταϊκό σύστημα, την καταναλισκόμενη ενέργεια της οικίας, καθώς και την στάθμη της αποθηκευμένης ενέργειας των μπαταριών. Η συλλογή των δεδομένων της κατανάλωσης ηλεκτρικής ενέργειας πραγματοποιείται με την χρήση αισθητήρων που λειτουργούν με το φαινόμενο Hall. Έπειτα, πραγματοποιώντας την κατάλληλη επεξεργασία παρέχονται σε πραγματικό χρόνο τα απαραίτητα στοιχεία για την απεικόνιση και την βελτιστοποίηση της κατανάλωσης της ηλεκτρικής ενέργειας από τον χρήστη. Η παρούσα Διπλωματική Εργασία επικεντρώνεται στην διαστασιοποίηση και τεχνικοοικονομική μελέτη μιας αυτόνομης φωτοβολταϊκής οικίας. Επιπλέον, υλοποιείται ένα ευφυές σύστημα διαχείρισης και καταγραφής της παραγόμενης, καταναλισκόμενης και αποθηκευμένης ενέργειας με την χρήση έξυπνων μετρητών ενέργειας και με την χρήση της τεχνολογίας του Διαδικτύου των Πραγμάτων. Τα δεδομένα που συλλέγονται από τους έξυπνους μετρητές ενέργειας αποθηκεύονται σε μια βάση δεδομένων χρονοσειρών (Time Series DataBase - TSDB). Έπειτα, πραγματοποιείται κατάλληλη επεξεργασία σε πραγματικό χρόνο για την βελτιστοποίηση της απόδοσης του συστήματος. Επίσης, υλοποιούνται γραφήματα τα οποία ενημερώνουν σε πραγματικό χρόνο για την κατάσταση του συστήματος. Τέλος, ακολουθούν τα συμπεράσματα που εξάχθηκαν κατά την υλοποίηση αυτής της Διπλωματικής Εργασίας.
Περίληψη
The utilization of solar energy as the primary source for electricity generation is steadily increasing, both in residential and industrial settings, owing to its superior efficiency compared to other renewable energy sources. These solar systems not only produce energy but also mitigate reliance on non-renewable sources that pose environmental hazards. Furthermore, they empower homes and businesses to operate autonomously or partially independent of the public electrical grid. To ensure optimal electricity management, monitoring the production and consumption of energy is imperative, a task efficiently accomplished through the integration of smart meters. Smart energy meters offer real-time monitoring of energy generation from photovoltaic systems, household energy consumption, and battery storage levels. The collection of electricity consumption data relies on sensors employing the Hall effect. Subsequently, through appropriate processing, real-time data visualization and user electricity consumption optimization are facilitated. This diploma thesis presents the dimensioning and technical-economic evaluation of an autonomous photovoltaic household. Moreover, it entails the implementation of an intelligent management and monitoring system for tracking produced, consumed, and stored energy. This is achieved by employing smart energy meters and using Internet of Things (IoT) technology. The data collected by these meters are stored in a Time Series DataBase (TSDB) and processed in real-time to enhance system performance. Additionally, dynamic graphs and dashboards are incorporated to provide real-time data insights into the system's status. Ultimately, conclusions are drawn based on the implementation and findings of this thesis.