مدیریت هوشمند انرژی شهرک مسکونی با پنل خورشیدی، باتری و خودروی الکتریکی (V2G)

📋 معرفی پروژه

هدف: طراحی برنامه‌ی بهینه‌ی دیسپچ متمرکز منابع پراکنده‌ی یک شهرک مسکونی برای:

• ✅ هماهنگی شارژ خودروی الکتریکی و باتری خانگی به‌جای شارژ ناهماهنگ و هم‌زمان
• ✅ استفاده‌ی حداکثری از تولید پنل خورشیدی پیش از خرید از شبکه
• ✅ فعال‌سازی امن قابلیت تزریق انرژی خودرو به خانه/شبکه (V2G) بدون ایجاد پیک بازگشتی
• ✅ رعایت محدودیت واقعی ظرفیت فیدر/ترانسفورماتور محلی در تمام ساعات
• ✅ کاهش هزینه‌ی کل خرید برق شهرک در افق زمانی چندساله

اگر با مبانی مدل‌سازی ریاضی مسائل بهینه‌سازی آشنا نیستید، دوره مدل‌سازی مسائل بهینه‌سازی پیش‌زمینه‌ی خوبی می‌دهد.

تصویر بالا سه نمونه از خانه‌های این شهرک را نشان می‌دهد: خانه‌ی بدون تجهیزات، خانه‌ی دارای پنل خورشیدی روی پشت‌بام، و خانه‌ای که هم پنل خورشیدی دارد و هم خودروی الکتریکی در پارکینگ. هر خانه مصرف، و در صورت وجود، تولید سولار و خودروی الکتریکی خودش را دارد؛ باتری خانگی و باتری مشترک شهرکی دو دارایی انعطاف‌پذیرند، و خودروهای دارای V2G می‌توانند در ساعات پیک انرژی ذخیره‌شده‌ی خود را به خانه یا شبکه برگردانند. تمام این تبادل‌ها زیر یک سقف مشترک قرار دارند: ظرفیت فیدری که کل شهرک را به شبکه‌ی بالادستی وصل می‌کند.

هر مربع در تصویر بالا یک خانه است: خانه‌هایی با شبکه‌ی آبی روی پشت‌بام پنل خورشیدی دارند، و خانه‌هایی با خودروی نارنجی جلوی درب، صاحب خودروی الکتریکی‌اند — برخی از خانه‌ها هر دو را دارند و برخی هیچ‌کدام را، دقیقاً همان تنوعی که مدل باید با آن کار کند.

---

🎯 ۱۰ تحویل پروژه

تحویل ۱: مدل‌سازی ریاضی سیستم و تدوین مسئله

اهداف:

• تعریف ریاضی مسئله‌ی بهینه‌سازی سطح شهرک
• مشخص کردن متغیرهای تصمیم، تابع هدف و قیود برای هر خانه و برای کل شهرک
• تفکیک منابع خانگی (سولار، باتری، EV) از منابع مشترک شهرکی (باتری مشترک، فیدر)

خروجی:

• گزارش مدل ریاضی
• فرمول‌بندی موازنه‌ی انرژی هر خانه و هر بازه‌ی زمانی
• فرمول‌بندی دینامیک ذخیره‌سازها (SOC باتری خانگی، باتری مشترک، و باتری خودرو)

---

تحویل ۲: جمع‌آوری و پردازش داده‌ها

اهداف:

• جمع‌آوری یا تولید پروفایل‌های ساعتی قیمت شبکه (Time-of-Use)، تولید سولار، و بار مصرفی هر خانه
• تعیین مشخصات فنی و الگوی حضور/غیبت خودروهای برقی (ظرفیت باتری، توان شارژ/دشارژ، ساعات در دسترس‌بودن)

خروجی:

• فایل داده شامل: پروفایل قیمت شبکه، پروفایل تولید سولار به ازای هر کیلووات‌پیک، بار ساعتی هر خانه، مشخصات و دسترس‌پذیری هر خودرو
• نمودارهای توصیفی منابع و تقاضا

---

تحویل ۳: کدنویسی مدل بهره‌برداری پایه (Baseline)

اهداف:

• پیاده‌سازی قاعده‌ی شارژ بدون هماهنگی و بدون بهینه‌سازی، به‌عنوان خط پایه‌ی مقایسه
• سنجش هزینه‌ی هفتگی و پیک تقاضای شهرک در نبود هرگونه هماهنگی مرکزی

خروجی:

# کد پایتون:
# - قاعده: هر خودرو هر زمان که در خانه و زیر سطح هدف است، با حداکثر توان شارژ می‌شود
# - بدون سیگنال قیمتی، بدون V2G
# - خروجی: هزینه‌ی هفتگی کل شهرک و پیک تقاضای ساعتی

• کد کامل + نتایج baseline
• ساعت وقوع و اندازه‌ی پیک تقاضا در سناریوی مبنا (نقطه‌ی مرجع برای مقایسه)

---

تحویل ۴: مدل‌سازی باتری خانگی، باتری مشترک، و خودروی الکتریکی با V2G

اهداف:

• اضافه‌کردن متغیرهای باتری خانگی و باتری مشترک شهرکی (شارژ/دشارژ/SOC)
• اضافه‌کردن متغیرهای خودروی الکتریکی شامل دشارژ به خانه/شبکه (V2G)، با محدودیت پنجره‌ی زمانی حضور خودرو

خروجی:

# متغیرهای جدید (نمونه):
m.soc_batt[i, t]             # سطح شارژ باتری خانگی خانه‌ی i
m.soc_ev[i, t]                # سطح شارژ خودروی خانه‌ی i
m.p_ev_charge[i, t], m.p_ev_discharge[i, t]
m.avail[i, t]                 # پارامتر صفر/یک بودن خودرو در خانه

• قیود: حد SOC، بازده شارژ/دشارژ، حداقل SOC تضمینی پیش از ساعت خروج خودرو، موازنه‌ی انرژی هر خانه
• کد اولیه با تحلیل قیود

---

تحویل ۵: تدوین هدف (Objective Function) و محدودیت فیدر

اهداف:

• تعریف اجزای هدف: کمینه‌سازی هزینه‌ی خالص خرید برق شهرک از شبکه
• افزودن محدودیت سخت ظرفیت فیدر/ترانسفورماتور محلی به مجموع تبادل شهرک با شبکه‌ی بالادستی

خروجی:

• فرمول ریاضی تابع هدف: $\sum_t \left[\pi^{buy}_t \sum_i g^{buy}_{i,t} - \pi^{sell}_t \sum_i g^{sell}_{i,t}\right]$
• فرمول‌بندی محدودیت فیدر: $\sum_i g^{buy}_{i,t} - \sum_i g^{sell}_{i,t} \leq C^{feeder}\ \forall t$
• بحث در مورد trade-off بین هزینه، راحتی مالکان خودرو، و فشار به شبکه‌ی محلی

---

تحویل ۶: حل مسئله برای یک بازه‌ی کوتاه (Test Case)

اهداف:

• اجرای مدل روی یک بازه‌ی کوتاه (یک هفته) و یک نمونه‌ی کوچک از خانه‌ها
• تصحیح خطاهای منطقی و بررسی معقول‌بودن رفتار باتری‌ها و خودروها
• مقایسه‌ی نتایج هماهنگ‌شده با سناریوی پایه‌ی تحویل ۳

خروجی:

# نتایج:
# - برنامه‌ی ساعتی شارژ/دشارژ هر باتری و هر خودرو
# - مقایسه‌ی هزینه و پیک تقاضا با سناریوی baseline

• نمودارهای dispatch ساعتی و سطح SOC
• مقایسه‌ی کمّی با baseline (هزینه و پیک)

---

تحویل ۷: گسترش به مقیاس شهرک (۷۵ خانه)

اهداف:

• تعمیم مدل از نمونه‌ی کوچک به مقیاس کامل شهرک (۷۵ خانه، ۳۰ خانه‌ی دارای سولار، ۲۵ خانه‌ی دارای خودروی الکتریکی)
• بررسی مقیاس‌پذیری مدل (تعداد متغیر، زمان حل) و در صورت نیاز ساده‌سازی یا تجزیه‌ی مسئله

خروجی:

• گزارش کوتاه درباره‌ی مقیاس‌پذیری و زمان حل در مقیاس کامل
• مدل آماده‌ی اجرا روی داده‌ی واقعی مشتری با همین ساختار

---

تحویل ۸: دیسپچ متمرکز — بهینه‌سازی هماهنگ در برابر سناریوی ناهماهنگ

اهداف:

• حل مدل بهینه‌سازی مرکزی (دیسپچ متمرکز) که همه‌ی خانه‌ها، باتری‌ها و خودروها را هم‌زمان و زیر یک محدودیت فیدر مشترک هماهنگ می‌کند
• مقایسه‌ی این نتیجه با نسخه‌ی V2G ناهماهنگ (rule-based) که در آن هر خانه مستقل تصمیم می‌گیرد

خروجی:

• جواب بهینه‌ی دیسپچ متمرکز: برنامه‌ی ساعتی هر خانه بدون عبور از ظرفیت فیدر در هیچ ساعتی
• گزارش کمّی: میزان صرفه‌جویی هزینه و میزان کنترل پیک تقاضا نسبت به هر دو سناریوی baseline و V2G ناهماهنگ

---

تحویل ۹: تحلیل سناریو و حساسیت

اهداف:

• بررسی نتایج در سناریوهای مختلف:
  • افزایش نفوذ خودروی الکتریکی و پنل خورشیدی در شهرک
  • تغییر ظرفیت فیدر (شبیه‌سازی شهرک با زیرساخت قدیمی‌تر یا جدیدتر)
  • تغییر سهم خودروهای دارای قابلیت V2G

خروجی:

• جداول تحلیل حساسیت
• نمودارهای اثر متغیرهای کلیدی بر هزینه و پیک تقاضا
• منحنی موازنه‌ی هزینه در برابر ظرفیت فیدر مورد نیاز
• توصیه‌های برنامه‌ریزی برای توسعه‌دهندگان شهرک و شرکت‌های توزیع برق

---

تحویل ۱۰: گزارش نهایی و ارائه

اهداف:

• خلاصه‌ی تمام یافته‌ها از سناریوی پایه تا دیسپچ متمرکز
• توصیه‌های عملی برای هماهنگی شارژ در شهرک‌های با نفوذ بالای خودروی الکتریکی
• جمع‌بندی اثر دیسپچ متمرکز بر کاهش پیک تقاضا و به‌تعویق‌افتادن نیاز به ارتقای فیدر

خروجی:

• گزارش نهایی ۱۰ صفحه‌ای
• ارائه و اسلایدهای خلاصه
• کد کامل با مستندات
• فایل‌های داده و نتایج

---

📊 نتایج انتظاری

پس از تکمیل پروژه، باید بتوانید:

✅ مسئله‌ی هماهنگی منابع پراکنده‌ی یک شهرک مسکونی را به شکل ریاضی فرموله کنید ✅ کد پایتون برای مدل بهره‌برداری پایه و مدل دیسپچ متمرکز تولید کنید ✅ قابلیت V2G را به‌شکلی امن و با در نظر گرفتن نیاز مالک خودرو مدل‌سازی کنید ✅ محدودیت واقعی ظرفیت فیدر را در مدل لحاظ کنید و اثر آن را تفسیر کنید ✅ نتایج هماهنگ و ناهماهنگ را مقایسه کنید و میزان صرفه‌جویی و کنترل پیک را کمّی گزارش دهید ✅ گزارش حرفه‌ای و ارائه‌ی قابل قبول برای توسعه‌دهندگان شهرک یا شرکت‌های توزیع برق تدوین کنید

---

📁 فایل‌های پروژه

تحویل	فایل	توضیح
۱	model_formulation.pdf	مدل ریاضی کامل
۲	system_data.xlsx	قیمت شبکه، تولید سولار، بار هر خانه، مشخصات EV
۳	baseline_dispatch.py	کد baseline بدون هماهنگی و بدون V2G
۴-۶	battery_ev_model_v*.py	نسخه‌های مختلف مدل عملیاتی با باتری و V2G
۷-۸	centralized_dispatch_model.py	مدل دیسپچ متمرکز با قید ظرفیت فیدر
۹	sensitivity_analysis.py	تحلیل حساسیت، شامل منحنی هزینه-ظرفیت فیدر
۱۰	final_report.docx + presentation.pptx	گزارش و ارائه‌ی نهایی

---

🚀 شروع کار

پیش از شروع کدنویسی، مرور یادداشت مدل‌سازی ریاضی و اهمیت آن کمک می‌کند مسئله را درست فرموله کنید. برای اجرای کد بدون نصب چیزی روی سیستم خودتان، راهنمای Google Colab و برای انتخاب سالور مناسب، یادداشت سه روش عملی استفاده از سالورها در Pyomo را ببینید. اگر می‌خواهید عدم‌قطعیت تولید خورشیدی یا الگوی رفت‌وآمد خودرو را هم صریح در مدل وارد کنید، دوره مدل‌سازی عدم‌قطعیت ابزار لازم را می‌دهد.

سوالات متداول

آیا برای این پروژه لازم است پیش‌زمینه‌ی قوی در سیستم قدرت داشته باشم؟

نه لزوماً؛ آنچه بیشتر لازم است آشنایی با مفاهیم پایه‌ی برنامه‌ریزی خطی و مختلط-عدد صحیح است. در دوره بهینه‌سازی سیستم قدرت این مفاهیم از پایه و با مثال‌های عملی روی پایتون آموزش داده می‌شوند تا کسی که پیش‌زمینه‌ی بهینه‌سازی دارد هم بتواند وارد این حوزه شود.

آیا نیاز به دانش تخصصی در حوزه‌ی خودروی الکتریکی یا باتری دارم؟

نه؛ در این پروژه خودرو و باتری با مدل ساده‌ی ظرفیت-توان-بازده مدل می‌شوند و جزئیات شیمیایی یا سخت‌افزاری باتری وارد مدل نمی‌شوند. تمرکز پروژه روی جنبه‌ی بهینه‌سازی سیستمی و هماهنگی زمانی است، نه طراحی فنی باتری یا شارژر.

محدودیت ظرفیت فیدر چطور در مدل لحاظ می‌شود؟

با تعریف یک سقف ثابت (یا ساعتی) برای مجموع تبادل توان کل شهرک با شبکه‌ی بالادستی، و افزودن آن به‌عنوان یک قید سخت به مدل بهینه‌سازی. در تحویل ۸ این نتیجه با یک سناریوی V2G ناهماهنگ مقایسه می‌شود تا نشان داده شود صرفِ افزودن قابلیت V2G، بدون این محدودیت و بدون هماهنگی مرکزی، می‌تواند پیک تقاضا را بدتر کند نه بهتر.