یکپارچه سازی دوقلوهای دیجیتال و حسگرهای اینترنت اشیا برای پایش برخط انرژی و بهینه سازی خودکار خانه های هوشمند با انرژی خالص صفر

خانه های هوشمند با انرژی خالص صفر برای همگام سازی تولید و ذخیره سازی پراکنده، مدیریت بارهای انعطاف پذیر و حفظ آسایش حرارتی کیفیت هوا به حس کردن، پیوسته تحلیل برخط و کنترل حلقه بسته نیاز دارند. دوقلوهای دیجیتال به عنوان بازنمایی های مجازی همگام از خانه داده های اینترنت اشیا را با مدل های فیزیکی و داده محور ترکیب می کنند تا وضعیت را پایش، آینده کوتاه مدت را پیش بینی و فرمان های کنترل را به طور خودکار بهینه کنند. این مقاله با تمرکز بر بافت مسکونی و قیود دستیابی به انرژی خالص صفر چشم انداز یکپارچه ای از معماری های لبه ابر هیبرید، سطوح وفاداری مدل سفید، خاکستری، جعبه سیاه و خانواده های کنترلی (قاعده محور، کنترل پیشبین، مدل و یادگیری تقویتی) ارائه می دهد. همچنین لایه های درهم کنش پذیری داده و معنا BIM/IFC، آنتولوژی های ساختمانی و استانداردهای خانگی مانند (Matter/Zigbee/Z-Wave/MQTT) و مسیرهای ادغام آن ها با سیستم های مدیریت انرژی خانگی واکاوی می شود. شواهد گزارش شده نشان می دهد دوقلوهای دیجیتال می توانند با حفظ آسایش ساکنان قله زدایی و کاهش هزینه را در مقیاسی معنادار رقم بزنند؛ با این حال کیفیت نتایج به نهفتگی محاسباتی، کالیبراسیون مدل و سیاست های پشتیبان بستگی دارد. در کنار مزایا، چالش هایی چون ناهمگنی داده و دستگاه، امنیت و حریم خصوصی سطح مصرف کننده و تضمین خودمختاری مقاوم در برابر عدم قطعیت ها برجسته اند. بر پایه این جمع بندی، دستور کار پژوهشی پیشنهادی شامل بنچمارک های باز مسکونی، روش های ایمن یادگیری، تقویتی یادگیری حریم محور در لبه، گواهی سازی عملکردی برای خانه های خودمختار و پیوند نظام مند BIM-IoT-DT برای تعمیم پذیری و پذیرش در مقیاس است.

کلیدواژه ها:

دوقلوی دیجیتال ، اینترنت اشیا (IoT) ، خانه با انرژی خالص صفر ، سیستم مدیریت انرژی خانگی(HEMS) ، کنترل پیشبین مدل (MPC) ، یادگیری تقویتی ، محاسبات لبه ای در هم کنش پذیری داده معنا ، BIM/IFC ، استاندارد PV DER Matter و باتری خانگی ، آسایش و کیفیت هوای داخل ، حریم خصوصی و امنیت