امروز:
پنجشنبه - ۹ فروردین - ۱۴۰۳

یادداشت

«تاثیرات همه گیری کووید 19 بر روند اندازه گیری و صحه گذاری (M&V)  طرح های صرفه جویی انرژی»/بخش اول

   محمد معماری فر کارشناس ارشد اندازه گیری و صحه گذرای طرح های انرژی

بخش اول

 -----------------------------------------------------------------

     با همه گیری بیماری کرونا، تغییرات گسترده ای در مصرف انرژی در بخش های مختلف سیستم انرژی دنیا پیش آمد. در بعضی بخش ها این اتفاق، منجر به افزایش و در برخی منجر به کاهش و در حوزه هایی دیگر تغییر چشمگیری ایجاد ننمود. در پروژه هایی که روند M&V آنها مبتنی بر اندازه گیری های متعدد است، چالش های زیادی از زمان انتشار کرونا ایجاد شده است و نحوه محاسبه صرفه جویی را دستخوش پیچیدگی هایی کرده است و در صورتی که بسته به نوع پروژه، صرفه جویی یا افزایش مصرف ناشی از کرونا دیده نشود، دقت میزان صرفه جویی گزارش شده به شدت پایین آمده و درآمد و تحقق صرفه جویی طرح را دچار ابهام یا بزرگنمایی می کند. در این مقاله، سعی شده است کلیات تصحیحات موردنیاز در رخدادهای غیرمعمول، مانند کرونا معرفی شوند.

    رخدادهای غیرمعمول (NREs) وقایعی هستند که موجب تغییرات غیرمنتظره در مصرف انرژی در سطح مرز اندازه گیری می شوند و در اثر تغییر در عوامل ثابت ایجاد می شوند و این تغییرات ارتباطی با اثربخشی یا عدم کارایی پروژه صرفه جویی انرژی ندارد. به عنوان مثال، تغییر چشمگیر در ساعات کاری یک واحد صنعتی، تغییر در دمای تنظیم تجهیزات گرمایشی، تغییر در خلوص مواد خام ورودی یک کارخانه تولیدی، کاهش مصرف ساختمان مدارس و دانشگاه ها به علت انتشار کرونا و ... را می توان نمونه هایی از رخدادهای غیرمعمول برشمرد.

مهم ترین روش برای شناسایی اینگونه از رخدادها، ارزیابی و پایش مستمر عوامل ثابت می باشد. عوامل ثابت به پارامترهایی اطلاق می شود که تاثیر قابل توجهی بر مصرف انرژی دارند ولی به علت این که در طول دوران طرح تغییر نمی کنند، ثابت در نظر گرفته شده و از اثرات آنها چشم پوشی می شود. (مانند تغییر در متراژ ساختمان، تغییر در نوع مواد خام ورودی به کارخانه و ... که به طور طبیعی، تغییرات ویژه ای در طول زمان ندارند و ثابت فرض می شوند.)

روش های شناسایی رخدادهای غیرمعمول:

برای شناسایی رخدادهای غیرمعمول در هر پروژه راهکارهای مختلفی وجود دارند که به دو دسته کلی تقسیم می شود. این راهکارها به شرح ذیل می باشند:

  • دسته اول: راهکارهای شناسایی رخدادهای غیرمعمول بدون نیاز به مدل رگرسیون انرژی
  • شناسایی تغییرات در عوامل ثابت
  • پایش مستمر اطلاعات انرژی سایت
  • بررسی تغییرات الگوی مصرف انرژی
  • تحلیل داده های پرت
  • بررسی روند صرفه جویی انرژی با استفاده از نمودار CUSUM

 

 

  • دسته دوم: راهکارهای شناسایی رخدادهای غیرمعمول با استفاده از مدل رگرسیون انرژی
  • تحلیل باقیمانده ها با استفاده از مدل

باقیمانده (Residual) در حقیقت برابر است با اختلاف میزان واقعی مصرف انرژی و میزان مصرف انرژی پیش بینی شده توسط مدل. روش هایی که می توان با استفاده از تحلیل باقیمانده، وقوع رخدادهای غیر معمول را شناسایی نمود عبارتند از:

  • استفاده از سری های زمانی و نقشه های حرارتی باقیمانده ها
  • استفاده از باقیمانده استاندارد شده
  • استفاده از روش احتمالا باقیمانده ها (P-Value)
  • استفاده از روش CUSUM برای باقیمانده ها
  • یافتن روند حاکم بر میزان باقیمانده ها (T-Statistic)
  • مقایسه صرفه جویی محقق شده با مقادیر مورد انتظار از مدل

روش های اعمال تصحیحات غیرمعمول (NRAs):

مطابق با تعریف، تصحیحات غیرمعمول مجموعه ای از محاسبات مهندسی هستند که اثرات انرژی ناشی از تغییر در عوامل ثابت را در مرز موردنظر محاسبه و پیش بینی می کنند. 

به طور کلی روش های مختلفی برای اعمال تصحیحات غیرمعمول وجود دارد که بر اساس عواملی مانند زمان وقوع رخدادهای غیرمعمول، طول دوره وقوع، شرایط پروژه، اصول اعمال تصحیحات، هزینه و دقت مورد نظر روش مناسب انتخاب و مورد استفاده قرار می گیرد. گاهی اوقات هیچ یک از روش های اعمال تصحیحات ممکن است جوابگو نباشد و نیاز باشد تا رویکرد طرح M&V دستخوش تغییر شده و بازنویسی گردد. در ادامه به مهمترین این روشها پرداخته خواهد شد:

روش 1 : حذف داده ها

در این روش، در صورتی که رخداد غیرمعمول مقطعی بوده و ادامه دار نباشد، می توان بخشی از داده ها که مربوط به آن دوره است (چه در خط مبنا چه در گزارش دهی) را حذف کرد. لازم به ذکر است که در حین حذف داده ها باید به نکات زیر توجه نمود:

  • میزان حذف داده ها نباید زیاد باشد. به عنوان یک معیار کلی، بر اساس ASHRAE 14، حداکثر 25 درصد از داده های معتبر مجازند تا حذف شوند و بیش از آن مجاز نیست.
  • در صورتی که رخداد غیرمعمول در دوره گزارش دهی باشد، آن دوره زمانی میزان صرفه جویی برابر با صفر در نظر گرفته شده یا این که با مقادیر محاسباتی و تخمینی جایگزین شود (جایگزینی با مقادیر تخمینی در دوره خط مبنا به هیچ عنوان مجاز نیست.)
  • در صورت حذف داده ها در مدل خط مبنا، می بایست مدلسازی بار دیگر انجام شود و اگر طول دوره از یک دوره کامل (مثلا یک سال) کمتر شد، می بایست تمام مستندات در دستورالعمل M&V ذکر شود تا ذینفعان از این موضوع مطلع باشند.

روش 2 : نصب کنتورهای فرعی و جمع آوری اطلاعات

در حالتی که رخداد غیرمعمول مرتبط با تجهیزات یا بخشی از تاسیسات است که می توان اثرات آن را با نصب کنتورهای فرعی جدا نمود، می توان کنتورهای جدا نصب کرد و مصارف واقعی انرژی توسط آنها به دقت شناسایی شوند. مانند این که یک خط تولید جدید به یک کارگاه صنعتی اضافه گردد که در این حالت می توان با نصب کنتورهای مجزا، اندازه گیری مصرف انرژی خط تولید جدید را اندازه گیری و گزارش کرد.

روش 3 : بازنویسی مدل خط مبنا بر اساس متغیر های جدید

در شرایطی که به علت وقوع رخداد غیرمعمول متغیر یا متغیرهایی جدید به عنوان متغیر مستقل در طرح پدید آمده اند می توان مدل خط مبنا را از ابتدا با در نظر گرفتن متغیرهای مستقل جدید تشکیل داده و به عنوان مبنا برای مقایسه مصارف انرژی دوره خط مبنا و گزارش دهی مورد استفاده قرار داد. این حالت غالبا زمانی رخ می دهد که رخداد غیر معمول به صورت پیوسته و دائمی وجود داشته و سایر متغیرهای مستقل را تحت تاثیر قرار می دهد.

روش 4 : استفاده از مدل باقیمانده برای دوره رخداد غیرمعمول

از این روش مواقعی که رخداد غیرمعمول دائمی نبوده و در دوره گزارش دهی رخ می دهد استفاده می شود. روش کار در این روش به این صورت است که پس از شناسایی بازه زمانی رخداد غیرمعمول، مقادیر باقیمانده (اختلاف مقادیر خوانده شده و برآورد شده) محاسبه گردیده و در نهایت میانگین آنها به عنوان مقدار انرژی اضافه یا کم شده در اثر رخداد غیرمعمول برآورد می شود. در نهایت این مقدار در دوره خط مبنا اضافه یا کم می شود تا محاسبه صرفه جویی به درستی انجام پذیرد.

روش 5 : تشکیل یک مدل برای تصحیحات غیرمعمول

در این روش اطلاعات مربوط به رخداد غیر معمول حذف شده و برای آن دوره یک مدل مناسب تدوین می گردد. این مدل ریاضی قادر است پیش بینی کند که اگر رخداد غیرمعمول صورت نمی پذیرفت، میزان مصرف انرژی چقدر می شد؟ مقدار تصحیح غیرمعمول برابر خواهد بود با اختلاف مقدار انرژی برآورد شده از مدل و مقدار واقعی برداشت شده در دوره مربوط به رخداد غیرمعمول. بدیهی است که این مقدار به میزان مصرف انرژی در دوره خط مبنا اضافه یا کم خواهد تا بتوان مقایسه ای صحیح بین دوره های خط مبنا و گزارش دهی صورت داد.

روش 6 : استفاده از مدل های کوچک

در این روش که برای حالتی استفاده می شود که رخداد غیرمعمول در دوره گزارش دهی به وقوع پیوسته باشد، داده های دوره گزارش دهی به دو بخش مجزا قبل از وقوع و حین وقوع تفکیک می شوند. سپس بر اساس مدل های ریاضی میزان مصرف انرژی این دو بازه زمانی تخمین و برآورد می شود و سپس با میزان واقعی مقایسه می شود تا مقدار عددی تصحیح غیر معمول به دست آید. در نهایت این مقدار به عنوان مقدار اصلاحی (مثبت یا منفی) به میزان مصرف انرژی خط مبنا اضافه می گردد تا میزان صرفه جویی محاسبه شود.

روش 7 : استفاده از مدل قبل و بعد وقوع

این روش زمانی مورد استفاده قرار می گیرد که اثرات رخداد غیرمعمول چشمگیر و گسترده بوده و نتوان از روشهای قبل (روش 5) استفاده کرد. در این روش که نیازمند علم مدلسازی و رگرسیون تخصصی می باشد، یک مدل جامع برای دوره گزارش دهی توسعه داده می شود که از دو بخش کلی تشکیل شده است. بخش اول مدل، مصرف انرژی در دوره گزارش دهی قبل از وقع رخداد غیرمعمول را نمایش داده و بخش دوم، مصرف انرژی در حین وقوع رخداد را ارائه می کند. در نهایت بخش دوم مدل، میزان تصحیح غیرمعمول را نشان خواهد داد که به عنوان عامل اصلاحی برای دوره خط مبنا مورد استفاده قرار می گیرد.

لازم به ذکر است که مدل های موردنظر در این روش می بایست تمامی متغیرهای مستقل اثرگذار را در بر گرفته و می تواند خطی، چند جمله یا مدل های پیچیده تر باشد که طبیعتا مدلهای ساده تر خطای بیشتری را در محاسبات داخل خواهد کرد.

روش 8 : بررسی وجود روند چشمگیر در باقیماند ها

زمانی که باقیمانده ها بر روی یک نمودار در طول زمان نشان داده می شوند، می تواند نکات مهمی را به کاربر ارائه نماید. در این روش برای داده های باقیمانده ها، یک یا چند رگرسیون محاسبه گردیده و روند ها مشخص می گردد. در صورتی که آن روند بر اساس شاخص های آماری (از جمله مهم ترین آنها T-Stat) قابل ملاحظه بود، وقوع رخداد غیرمعمول شناسایی شده و تصحیحات لازم بر اساس روند شناسایی شده، اعمال می شوند.

روش 9 : استفاده از شبیه سازی کالیبره شده

در این روش که مشابه با گزینه D در روند M&V می باشد، یک مدل شبیه سازی برای دوره زمانی قبل از وقوع رخداد غیرمعمول (Pre-NRE) و یک مدل هم برای دوره رخداد غیر طبیعی (NRE) توسعه داده می شود و بر اساس اطلاعات واقعی موجود تا حد مطلوب، کالیبره می شود. در نهایت بر اساس شبیه سازی های کالیبره شده، اثرات ناشی از رخداد غیرمعمول برابر با اختلاف عددی این دو شبیه سازی برای دوره مشخص خواهد بود.

روش 10 : استفاده از محاسبات مهندسی

در صورتی که قادر به استفاده از هیچ یک از روش های گذشته نباشیم، می توان از محاسبات مهندسی که بر پایه علمی صحیح بنا نهاده شده استفاده کرد که البته اینکار تطبیق کاملی با پروتکل IPMVP نداشته و حتی المقدور بهتر است از روش های قبلی استفاده شود. با این حال به خاطر داشته باشید که در صورت استفاده از محاسبات مهندسی برای تصحیحات غیر معمول، می بایست محاسبات به صورت مستند و مستدل بیان شده و تمامی مدارک مربوطه در اختیار همه ذینفعان طرح قرار گیرد و اصل شفافیت در طرح M&V از بین نرود.

ادامه دارد ...

مراجع:

 

[1] Lia Webster, “Impacts of COVID-19 on Measurement and Verification (M&V) of Energy Savings: Options for Meter-Based Methods – IPMVP and Beyond”

[2] IPMVP Application guide on Non-Routine Events & Adjustment, October 2020

 

نوشتن دیدگاه


تصویر امنیتی
تصویر امنیتی جدید

آدرس

تهران ، ميدان ونك ، خيابان ملاصدرا ، خيابان شيرازي شمالي ، خيابان دانشور شرقي، پلاك 23
صندوق پستي: 1477-19395

پست الکترونیک: این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید
كدپستي: 1991813941 

ارسال نظرات و پیشنهادات:این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید
تلفن : 6-88604760

فكس : 88604829