也许Matter标准中最重要的创新是在1.3 版本中引入的:设备的能源管理。所有与其配合使用的产品都可以帮助优化家庭中的能量流。这是通过信息交换实现的:电力消费者提供有关其当前或计划能源消耗的数据。阳台发电厂或屋顶光伏系统等发电机会显示每小时发电量。
此外,如果需要,还可以添加外部信息,例如天气预报、统计消耗预测或能源供应商的动态电价(其价格可能全天波动)。所有这些都是为了提高能源的使用效率,从而节省成本并保护环境。
目标:优化功耗
能源管理系统(简称 EMS)汇集了建筑物内的电力供应和需求。其任务是推迟电力设备的运行或调整其能源消耗,以尽可能降低电力成本。对于自产者来说,这意味着他们自己消耗免费的太阳能。向电网供电通常是不值得的,因为向电力供应商支付几美分的千瓦时电量在必要时必须以高价回购。积极的副作用:二氧化碳排放量下降,能源网络得到缓解,因为并非所有家庭都能在早上或晚上的高峰时段满足其需求。
借助 EMS,当有大量太阳能可用时,家用壁箱可为电动汽车充电。或者,热水箱会升温,为夜间储备几度的水温。智能冰箱则采取相反的方法,在能源特别便宜时降低温度,以便您可以在之后休息一下。启动洗涤程序,以便在电力成本较低的时候进行能源密集型加热阶段?智能控制空调?根据智能手机上的显示来识别秘密消费者潜伏在哪里? EMS 可以通过多种方式节省日常生活中的电费。
跨制造商 Matter 方法
到目前为止,一切都很好——而且众所周知。因为能源管理系统并不是从昨天才出现的。许多公司为此目的开发了自己的专有解决方案。 EEBus 通信接口(链接)或 SunSpec 协议(链接)等跨制造商方法也已经存在很长时间了。
Matter的魅力在于其跨行业和产品组的广泛应用。这些规范已经涵盖了许多应用领域,从简单的无线电适配器插头到家用电器和壁箱。对于能源管理很重要的其他设备类别(例如热泵)正在开发中。除此之外,还有国际方法:来自世界各地的数百家公司聚集在标准化组织 CSA 中。这为物质在系统之间的竞争中提供了良好的起点。
测量并显示能耗
管理先于可靠的数据库。对于大多数人来说,自己的能源消耗是一个不透明的“黑匣子”,每年只打开一次:当电费来自能源供应商时。有了Matter,这种以前缺失的透明度现在可以进入每个家庭。
Matter 1.3规范包括“电能测量集群”(2.12) 和“电力测量集群”(2.13)。集群是提供特定功能的属性、事件和命令的数据集合。两个集群都提供有关消费的信息。功率测量包含有关当前功耗的数据。根据座右铭:该设备当前消耗 1500 瓦。电能测量提供一定时间内的累积值。例如,它可以提供有关设备每天使用多少千瓦时 (kWh)、每月需要多少千瓦时 (kWh) 或自年初以来已使用多少千瓦时 (kWh) 的信息。
第一步:Matter设备向应用程序或智能家居中心报告其消耗情况。
这使得测量插座能够以物质数据格式传输连接设备的能耗。可能的应用:智能家居系统的应用程序在屏幕上显示功耗。此外,还可以进行编程操作。例如,一旦电视进入待机模式,Matter平台就可以自动断开所有家庭影院设备与网络的连接,因为它的能量值随后会下降到定义的阈值以下。
这些场景如今已经成为可能,但需要使用专有的编程接口 (API)。为了构建兼容的设备,制造商必须调整其软件、编写驱动程序或与其他公司密切合作。Matter的标准化简化了流程,因为规范中已经规定了能源数据的交换。
然而,它的用途并不限于插座和电源插座。因为它们是软件集群,所以这些功能可以集成到任何具有合适硬件的Matter设备中。因此,家用电器将能够随时提供当前的消费值。阳台发电厂将提供有关其功率输出的信息 – 如果该产品组在某个时刻存在于Matter中。
根据规范,测量甚至不需要特殊的硬件。如果缺少数据,设备也可以估计数据。例如,制造商知道 LED 灯的功耗。他知道该值如何在 0% 和 100% 亮度之间波动。这样可以轻松计算光源在每种工作状态下需要多少瓦特。集群中的数据字段告诉潜在的接收者这些值是实际测量的还是估计的。
Matter 中的能源管理系统
Matter EMS 将能源数据的使用提升到一个新的水平。性能信息和简单电路的显示成为一种预测性的智能控制。此功能分布在多个集群中 – 从“设备能源管理集群”到电动汽车充电器和壁箱(电动汽车供电设备,EVSE)的定义,再到可控设备的消耗程度的规范或者应该优化。
下一个层次:设备不仅向 Matter EMS 报告数据,还从那里接收命令。
这种管理在技术上进行的地方取决于开发人员的聪明才智。它可以作为隔离在其自身硬件上的软件运行,例如作为配电箱中的顶帽导轨组件。或者,家庭网络中的计算机可以接管该任务或以准搭载方式执行功能的另一设备。凭借适当强大的硬件,可以想象在加热控制系统中容纳包括 EMS 的物质控制器– 作为热泵制造商为其客户提供的附加功能。
无论如何,重点是功耗的动态控制,这在 Matter 1.3 中的新产品类别 EVSE(电动汽车供电设备)中得到了体现,这是第一个关注能源的设备类别。标准。但基本的“设备能源管理集群”也已经包含用于优化消耗的工具,如规格所示:
姓名 | 功能 | 描述 | 任务 |
---|---|---|---|
PA | 功率调整 | 调整能源消耗 | 允许能源管理器在指定限制内影响设备的当前功耗。 |
肺功能恢复率 | 功率预测报告 | 能耗预测 | 该设备对不久的将来的预期能源消耗进行预测。 |
恒星形成率 | 状态预测报告 | 设备健康预测 | 设备宣布计划的状态更改。 |
斯塔 | 开始时间调整 | 调整开始时间 | 允许电源管理器影响设备的启动时间。 |
爪子 | 可暂停 | 可暂停 | 允许电源管理器暂停设备的操作。 |
FA | 预测调整 | 调整能源消耗 | 允许能源管理者调整未来的能源消耗。 |
康 | 基于约束的调整 | 根据外部信号进行调整 | 该设备响应外部命令来改变或调整其能耗。 |
通过规则和人工智能控制消费
优化设备功耗并随着时间的推移改变功耗说起来容易做起来难。因为能源消耗不遵守严格的规则。与在一天中的固定时间升高和降低室温的供暖计划不同,电力生产和消耗受到一系列变量的影响。
什么时候阳光明媚,什么时候有风吹?电动汽车哪几天可以在家充电,因为家庭办公室在日历上 – 白天什么时候汽车在办公室,并且可以充满电返回,因为公司停车场有充电站?另一种日益常见的情况是:能源供应商的动态电价承诺第二天提供廉价的千瓦时电费,这使得煮沸清洗似乎是可取的。由于个人原因,应提前洗涤日。
用经典的智能家居规则来代表这种可能性是很困难的,并且需要大量的工作。还因为没有人喜欢在家中受到能源管理员的光顾。 EMS 系统不应向居民规定日常事务,而应向他们学习并自行适应新情况。这可以通过使用人工智能或机器学习(ML)来实现,因为人工智能的这个分支正是如此。
第一种方法可以通过Matter先驱 SmartThings 观察到,尽管目前尚未达到标准。三星公司对选定的设备维护自己的能源管理。未来,越来越多的三星产品将优化自身的消费:例如,冰箱将“学习”其门打开的时间和频率以及一天中的什么时间。软件会相应地调整压缩机性能,并确保机柜不会在高峰时段因温度升高而进行不必要的冷却(链接)。据三星称,可能节能:高达 15%。
另一个例子:奥尔登堡大学、弗劳恩霍夫研究所 IFAM 和德国航空航天研究所 DLR 的科学家计算出,在 AI 的帮助下,热泵的效率可以提高三分之一以上(链接)。他们模拟了带有 100 千瓦热泵和热水箱的住宅区的私人供热网络,然后使用软件通过特殊形式的机器学习来优化运行。结果:热泵的总能源需求下降了 15%;加上可变电价,电费节省达 35%。
示例:具有 AI 管理功能的 Wallbox
机器学习解决方案的优势:它们可以识别和分析重复出现的模式。如果联系是已知的——或者可以很容易地估计——系统也会做出复杂的决策,并在矛盾的目标之间找到折衷方案;比人类在类似情况下做得更快更好。手动干预仍然是可能的,例如设置优先级或覆盖人工智能的计划。
以下日常生活示例展示了人工智能控制的能源管理的工作原理。目前它还处于理论阶段,因为市场上还没有相应的Matter产品。然而,几乎每个拥有电动汽车和动态电价的通勤者都面临着这样的任务:如何在家中为电动汽车提供最佳充电?有两个相互竞争的目标:
- 早上,电池应尽可能充满,以便车辆可以行驶比上班通勤更远的距离。
- 成本应保持尽可能低,因为当动态电价承诺较低的千瓦价格时,充电是首选。
因此,每天在这两种要求之间找到平衡非常重要。电费并不总是同样便宜,而且当您回到家时,电池电量也会有所不同,具体取决于行驶的距离。 AI 做什么?它首先分析来自(支持Matter )壁箱的数据。假设典型的充电过程发生在工作日下午 5 点或 6 点到上午 8 点之间。每次您开车去上班时,电池都会损失 20% 到 25% 的电量。
系统使用这些信息创建使用情况并将其与能源供应商的价格预测进行比较。用户现在可以调整他们冒险的意愿:他们是否重视充满电的电池的安全性并接受更高的充电成本作为回报?或者他是否允许能源管理部门在高电价期间暂停运营,以期第二天的电价会更便宜?人工智能会做出相应的反应,但在任何情况下都会确保电池电量足以满足旅程的需要 – 如有必要,价格会高于预期。
人工智能的一个关键特征是其处理不确定性的能力。动态电价中的千瓦价只有在接下来的一两天内才能得知。因此,在个别情况下,算法可能会“赌博”并做出错误的、因为更昂贵的决定。然而,从长期平均来看,计算结果对用户有利,因为正面影响超过负面影响。
为了实现这一点,规范和技术可能性必须首先进入可购买的产品 -经验表明,这需要时间来建立像Matter这样的广泛标准。
(本文转载自Matter Smart Home,作者Frank Oliver-Grun及Wido Wirsam,经Matter123.cn编译,仅用于物联网知识普及与分享,如有侵权,请原作者联系本站管理员删除。)