Αντικείμενο της παρούσης εργασίας είναι τα ευφυή ηλεκτρικά δίκτυα .Θα προσπαθήσουμε να συνδέσουμε δυο επιστημονικά πεδία της ηλεκτρολογίας και της μεταφοράς ενέργειας με την επιστήμη των υπολογιστών και δικτύων. Όλο αυτό το δίκτυο της μεταφερόμενης ή αποθηκευμένης ενέργειας έξυπνο ή όχι αναφέρεται στην σύγχρονη βιβλιογραφία ως Το διαδίκτυο της Ενέργειας Energy Internet. Σε αντιστοιχία επίσης με τα δίκτυα των υπολογιστών αναφέρεται και ο όρος Ενεργειακός δρομολογητής Energy Router ο οποίος κατευθύνει τα πακέτα ενεργείας δίκτυο μεταφοράς και διανομής. Θα αναφερθούμε στα μεγάλα πλεονεκτήματα του Energy internet και στην δυναμική του συστήματος. Θα αναφερθούμε στα συστήματα τεχνητής νοημοσύνης τα οποία έχουν εισβάλει πλέον σε κάθε ανθρώπινη δραστηριότητα. Τα συστήματα αυτά έχουν πολύ καλύτερες επιδόσεις από τα παραδοσιακά στατιστικά μοντέλα απόφασης και πλέον η ενσωμάτωση τος στα μελλοντικά έξυπνα δίκτυα μεταφοράς ενέργειας είναι μονόδρομος. Ο σύγχρονος άνθρωπος έχει πλέον συνειδητοποιήσει ότι η ενέργεια πρέπει να χρησιμοποιείται με φειδώ .Υπάρχουν έτοιμες σχετικά φθηνές και συμβατικές λύσεις ώστε να κανουμε ποιο «πράσινο» και οικολογικό το σπίτι ή την επιχείρηση μας. Μια τέτοια έξυπνη συσκευή είναι το POWR3 της εταιρίας Sonoff Τα μοντέλα και οι τεχνικες διαχείρισης ενέργειας συμβάλλουν στην σωστή διαχείριση των πηγών ενέργειας είτε είναι ανανεώσιμες είτε συμβατικές. Ενα νέο χρηματιστηριακό προϊόν γεννιέται αυτό της ηλεκτρικής ενέργειας σε συνδυασμό με το Internet of Things . Μικροί και μεγάλοι παραγωγοί ενέργειας μπορούν να πάρουν μέρος στις συναλλαγές χωρίς μεσάζοντες

1. Ευφυή Ηλεκτρικά Δίκτυα
Intelligent Electrical Networks
Νικολαίδης Δημητριος 2019/241
Εργασία στο μάθημα: ΑΠΕ ΚΑΙ ΕΥΦΥΗ ΗΛΕΚΤΡΙΚΑ ΔΙΚΤΥΑ.
Υπεύθυνος Καθηγητής :Dr Δημητριάδης Παναγιώτης
Διεθνές Πανεπιστήμιο Ελλάδος.
Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων
Θεσσαλονίκη, Νοέμβριος 2021

2. Σελίδα 2 από 24
ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ
Περιεχόμενα
Πινακας περιεχομενων ...............................................................................................................2
Περίληψη ....................................................................................................................................3
Abstract .......................................................................................................................................4
1 Εισαγωγή.............................................................................................................................5
1 Energy internet....................................................................................................................6
1.1 Εισαγωγή στο διαδίκτυο της Ενεργιας Εννοιολογικη προσεγγιση ............................6
1.2 Η έννοια του του Διαδικτύου της Ενεργιας και η Αρχιτεκτονική του ...................6
1.3 Η Δυναμικη και το μελλον Διαδικτυου της Ενεργιας , Συμπεράσματα. ..................8
2 Εnergy router ...................................................................................................................9
2.1 Εισαγωγη στους δρομολογητες ..................................................................................9
2.2 Ορισμος του ενεργειακόυ δρομολογητή...................................................................9
2.3 Energy Internet and Energy Router.............................................................................9
2.4 Επιλογές Δρομολόγησής ( Routing Decisions ) .........................................................9
2.5 Κατασκευη των ενεργειακων δρομολογητων......................................................... 10
3 Artificial Intelligence Models Used for Prediction in the Energy Internet ....................... 12
3.1 Εισαγωγή στα Μοντέλα τεχνητής νοημοσύνης ( AI Artificial Intelligence ).......... 12
3.2 Αναγκαιότητα της χρήσης της τεχνητής νοημοσύνης στην διαχείρισης της
ενέργειας.............................................................................................................................. 13
3.3 Τεχνητό νευρωνικο δίκτυο ( Artificial Neural Networks ΑΝΝ ) , Μελέτη
περίπτωσης. ......................................................................................................................... 13
3.4 Πλεονεκτήματα της χρήσης της τεχνητής νοημοσύνης στο Διαδίκτυο της
ενέργειας.............................................................................................................................. 17
4 Εξυπνοσ μετρητης ενεργιας POWR3 - λογισμικο eWeLink......................................... 19
4.1Έξυπνοι μετρητές ............................................................................................................ 19
4.2 Λογισμικο διαδρασης eWeLink............................................................................... 20
5 Συμπερασματα αξιολογηση ............................................................................................ 22
Βιβλιογραφια – Αναφορες....................................................................................................... 23

3. Σελίδα 3 από 24
ΠΕΡΙΛΗΨΗ
Αντικείμενο της παρούσης εργασίας είναι τα ευφυή ηλεκτρικά δίκτυα .Θα προσπαθήσουμε
να συνδέσουμε δυο επιστημονικά πεδία της ηλεκτρολογίας και της μεταφοράς ενέργειας με την
επιστήμη των υπολογιστών και δικτύων. Όλο αυτό το δίκτυο της μεταφερόμενης ή αποθηκευμένης
ενέργειας έξυπνο ή όχι αναφέρεται στην σύγχρονη βιβλιογραφία ως Το διαδίκτυο της Ενέργειας
Energy Internet. Σε αντιστοιχία επίσης με τα δίκτυα των υπολογιστών αναφέρεται και ο όρος
Ενεργειακός δρομολογητής Energy Router ο οποίος κατευθύνει τα πακέτα ενεργείας δίκτυο
μεταφοράς και διανομής. Θα αναφερθούμε στα μεγάλα πλεονεκτήματα του Energy internet και
στην δυναμική του συστήματος. Θα αναφερθούμε στα συστήματα τεχνητής νοημοσύνης τα οποία
έχουν εισβάλει πλέον σε κάθε ανθρώπινη δραστηριότητα. Τα συστήματα αυτά έχουν πολύ
καλύτερες επιδόσεις από τα παραδοσιακά στατιστικά μοντέλα απόφασης και πλέον η ενσωμάτωση
τος στα μελλοντικά έξυπνα δίκτυα μεταφοράς ενέργειας είναι μονόδρομος. Ο σύγχρονος άνθρωπος
έχει πλέον συνειδητοποιήσει ότι η ενέργεια πρέπει να χρησιμοποιείται με φειδώ .Υπάρχουν έτοιμες
σχετικά φθηνές και συμβατικές λύσεις ώστε να κανουμε ποιο «πράσινο» και οικολογικό το σπίτι
ή την επιχείρηση μας. Μια τέτοια έξυπνη συσκευή είναι το POWR3 της εταιρίας Sonoff Τα μοντέλα
και οι τεχνικες διαχείρισης ενέργειας συμβάλλουν στην σωστή διαχείριση των πηγών ενέργειας
είτε είναι ανανεώσιμες είτε συμβατικές. Ενα νέο χρηματιστηριακό προϊόν γεννιέται αυτό της
ηλεκτρικής ενέργειας σε συνδυασμό με το Internet of Things . Μικροί και μεγάλοι παραγωγοί
ενέργειας μπορούν να πάρουν μέρος στις συναλλαγές χωρίς μεσάζοντες
Λέξεις Κλειδιά : Aνάλυση και επεξεργασία δεδομένων, Κατανάλωση ηλεκτρικής ενέργειας,
Διαδίκτυο της ενέργειας ,Διαδίκτυο των πραγμάτων , Ενεργειακός δρομολογητής, Ανανεώσιμες πηγές
ενέργειας , POWR3 Son off, Τεχνητή νοημοσύνη , Πρόβλεψη ενεργειακής κατανάλωσης , Νευρωνικά
δίκτυα

4. Σελίδα 4 από 24
ABSTRACT
The subject of this work is intelligent electrical networks. We will try to connect two
scientific fields of electrical engineering and energy transfer with the science of informative.
All this network of distributed or stored energy is referred to in the modern literature as the
Energy Internet. Correspondence with computer networks is also a term Energy Router,
which deliver the energy packets through a transmission and distribution network. We will
talk about the great advantages of Energy internet and the dynamics of this system in future.
Also we will refer to the artificial intelligence systems that have now invaded in every human
activity. These systems performance is much better than performance of traditional
statistical decision models , integration them into next smart energy grids is one-way
street. Modern human has now realized that energy must be used with wisdom. There are
relatively cheap and conventional solutions ready to make up our home or business greener.
Such smart device is Son-off POWR3 made by Son-off company. Energy management models
and techniques contribute to the proper management of energy sources, whether
renewable or conventional. A new stock market product is born that is of electricity power.
Small and large energy producers can take part in transactions without intermediary’s
commissions
Key words :Data analysis, Electricity consumption, Energy internet, Energy
router,Peer-to-peer energy trading, Distributed generation, POWR3 Son off, Artificial
intelligent , Forecasting , Neural networks , Renewable energy sources

5. Σελίδα 5 από 24
1 ΕΙΣΑΓΩΓΉ
1.1 Εισαγωγή στο αντικείμενο της εργασίας
Η υπερβολική εξάρτηση από τα ορυκτά καύσιμα για την κάλυψη της αυξανόμενης ενεργειακής
ζήτησης έχει οδηγήσει σε αρκετά αρνητικά αποτελέσματα, όπως η εξάντληση των φυσικών πόρων, η
αυξημένη ρύπανση και η επικείμενη κλιματική αλλαγή, Είναι προφανές ότι, δεν πρέπει να περιμένουμε
την τελευταία μέρα της εποχής των ορυκτών καυσίμων για να δράσουμε. Η πιο σημαντική λύση για
την αντιμετώπιση αυτών των προβλημάτων , είναι οι ανανεώσιμες πηγές ενέργειας και οι τεχνολογίες
χαμηλών ρύπων .Ο κόσμος βρίσκεται εν μέσω σημαντικής ενεργειακής μετάβασης από τον άνθρακα
στις ανανεώσιμες πηγές ενέργειας. Η ηλιακή και η αιολική ενεργεία θεωρούνται ως οι σημαντικότερες
ανανεώσιμες πηγές. Υπάρχει βέβαια ένα σημαντικό μειονέκτημα. Η παραγωγή ενέργειας από αυτές
τις πηγές εξαρτάται από τις εκάστοτε καιρικές συνθήκες ( ηλιοφάνεια , ταχύτητα αέρα ) και αρα η
παροχή είναι μεταβλητή και διακοπτόμενη. Για το λόγο αυτό είναι δύσκολη η άμεση ενσωμάτωση
τέτοιων συστημάτων και η λειτουργία τους σε πραγματικό χρόνο .
Οι νέες τεχνολογίες στον κλάδο της πληροφορικής, όπως η εξόρυξή πληροφορίας, η υπολογιστική
νέφους , το Internet of Things (IoT), το blockchain δίνουν τρομερές δυνατότητες για τη διευκόλυνση
του συγχρονισμού συστημάτων ανανεώσιμων πηγών ενέργειας με το κύριο δίκτυο διανομής. Η
υπολογιστική νέφους δίνει την δυνατότητα αποθήκευσης επεξεργασιας μεγάλης ποσότητας
δεδομένων (big data ) τα αποτελέσματα της επεξεργασίας μπορούν να υποστηρίξουν τη διαχείριση
ενέργειας, την απόκριση ζήτησης και την ανίχνευση σφαλμάτων. Από την άλλη μεριά συστήματα
τεχνητής νοημοσύνης μπορούν αξιόπιστα να προβλέψουν την ενεργειακή κατανάλωση . η πρόβλεψη
αύτη γίνεται αυτοματοποιημένα χωρίς ανθρώπινη παρέμβαση και γρήγορα Όπως θα έλεγε και ένας
γνώστης των οικονομικών η σωστή πρόβλεψη είναι χρήμα
Το IoT είναι χρήσιμο σε συστήματα διανομής με αρκετές εφαρμογές, συμπεριλαμβανομένων
των έξυπνων μετρητών κατανάλωσης καθώς της αποθήκευσης ενέργειας .Κάνοντας χρηση των
έξυπνων μετρητών «γνωρίζω» ανά πασά στιγμή σε τρέχοντα χρόνο την κατανάλωση ισχύος και
ανάλογα κάνω έλεγχο φορτιού ή παραγωγής .Στο τέλος της εργασίας κεφάλαιο 4 θα παρουσιάσουμε
έναν μετρητή ενέργειας τον POWR3 της εταιρίας Sons off. Χωρίς αυτές τις συσκευές δεν μπορεί να
υλοποιηθεί το Energy Internet .Είναι χρησιμο ως μηχανικοί να ξέρουμε την λειτουργία τους και τον
τρόπο διαδράσης καθώς και τον τρόπο τοποθέτησης μια τέτοιας πραγματικής συσκευής.
Η τεχνολογία Blockchain έχει ήδη εφαρμογές στην ενεργειακή βιομηχανία όπως η τιμολόγηση, οι
πληρωμές λογαριασμών και η αποκεντρωμένη εμπορία ενέργειας [1]. Η τεχνολογίας blockchain
λειτουργεί σε συνδυασμό με το IoT για την παρακολούθηση της αμφίδρομης ροής του ηλεκτρικής
ενέργειας μεταξύ δύο προμηθευτών. Ανάλογα με την κατάστασή τους (πλεονασματική ή
ελλειμματική), οι καταναλωτές και οι παραγωγοί ανανεώσιμων πηγών ενέργειας (prosumers) μπορούν
είτε να πουλήσουν είτε να αγοράσουν ηλεκτρική ενέργεια ανώνυμα. Ενα νέο χρηματιστήριο γεννιέται
Οι δυνατότητες αμφίδρομης επικοινωνίας επιτρέπουν τη μεταφορά πληροφοριών σε πραγματικό
χρόνο μεταξύ των προμηθευτών σχετικά με την προσφορά και τη ζήτηση ενέργειας, την τιμή. Η
αμφίδρομη ροή χρήματος διευκολύνει τη δυνατότητα της στιγμιαίας πληρωμής μεταξύ των
προμηθευτών.

6. Σελίδα 6 από 24
1 ENERGY INTERNET
1.1 Εισαγωγή στο διαδίκτυο της Ενεργειας Εννοιολογικη προσεγγιση
Οι εξελίξεις στις ενεργειακές τεχνολογίες και μεγάλη διείσδυση των πληροφοριακών συστημάτων
στα συστήματα διαχείρισης ενέργειας έχουν οδήγηση την παγκόσμια ερευνητική κοινότητα στην
πρόταση ενός ενοποιημένου ευφυούς δικτύου διανομής και διαχείρισης της ενέργειας. Οι νέες
τεχνολογίες στον τομέας των υπολογιστών και της επικοινωνίας ( information and Communication
technologies (ICTs)) δίνουν την δυνατότητα στο σχηματισμό τοπικών δικτύων διαμοιρασμού ενέργειας
από Ανανεώσιμες Πήγες. Τα μικρά αυτά δίκτυα αναφέρονται στην βιβλιογραφία ως μικροδικτυα (
Microgrid) [2]και θα μπορούσαμε να τα αντιστοιχήσουμε με τα τοπικά δίκτυα που δημιουργεί ο
router στο σπίτι μας. Τα μικρδυκτυα αυτά μπορουν να ανταλλαξουν ενέργεια η συνδεση μεταξύ των
μικροδικτύων γινεται μεσω του κυριου δικτυου μεταφορά ενεργιας. Μεσα από ένα ευελικτο πλαισιο
κανονισμων οι καταναλωτές χωρίς Α.Π.Ε έχουν τη δυνατότητα να δίνουν άδεια σε εργολάβους να
εγκαταστήσουν οικιακές Α.Π.Ε με μίσθωση ή δάνειο. Τα νέα πλαίσια ενεργειακής πολιτικής , όπως η
ανοιχτή πρόσβαση στην διανομής ηλεκτρικής ενέργειας παρέχουν ανοικτή πλατφόρμα στους
ιδιοκτήτες Α.Π.Ε για συμμετοχή τους στις τοπικές αγορές ηλεκτρικής ενέργειας. Είναι προφανές ότι τα
ενεργειακά συστήματα του μέλλοντος θα λειτουργούσαν περισσότερο σαν Διαδίκτυο πάρα σαν απλά
καλώδια . Ένα τέτοιο σύστημα μπορεί να παρέχει τεράστιες ευκαιρίες στους χρήστες οι οποίο θα έχουν
την δυνατότητα ελεύθερα να παράγουν, να καταναλώνουν, να πουλούν και να αποθηκεύουν ενέργεια.
Το ενεργειακό σύστημα που διευκολύνει όλες αυτές τις συναλλαγές λειτουργεί σαν δίκτυο
διασύνδεσης και ονομάζεται Energy Internet [3]. Η έννοια του Energy Internet μπορεί να οδηγήσει σε
πλήρη μεταμόρφωση της δομής του συστήματος ηλεκτρικής ενέργειας [4].
Το Energy Internet είναι ένα συγκερασμός hardware kai software με ενσωμάτωση προηγμένων
συστημάτων που επιτρέπουν την ενσωμάτωση συστημάτων ανανεώσιμων πηγών ενέργειας [5]. Η
μετατροπή του παλαιού συστήματος διανομής ηλεκτρικής ενεργιας στο Energy internet συνίσταται
από τρεις κύριους παράγοντες, τα ενεργειακά συστήματα ( ποιος παράγει) , τις τεχνολογικές υποδομές
( το είδος της ενέργειας )και τις επιχειρηματικές διαδικασίες (πως ποιος πληρώνεται ). Το Energy
Internet ενσωματώνει ένα ευρύ φάσμα ενεργειακών συστημάτων (συστήματα ισχύος μεγάλης
κλίμακας, μικρής κλίμακας, μεταβλητού και σταθερού φορτίου). Είναι πασιφανές ότι για την
υλοποίηση ενός τέτοιου σύστηματος απαιτείται αλλαγή στις επιχειρηματικές διαδικασίες στα
μοντέλα υπηρεσιών και στην πολιτική διαχείρισης .Ολα αυτά τα παραπάνω συστήματα θα περί να
έχουν ένα κοινό λειτουργικό για να μπουν να επικοινωνούν Την λύση σε αυτό το προβλημα ερχόταν
δώσουν οι open source πλατφόρμες. Η λογική ότι η ενέργεια είναι κοινωνικό αγαθό και θα πρέπει να
την διαχειρίζεται μόνο από το κράτος έχει ξεπεραστεί εδώ καιρό .( Η Κούβα έμεινε ). Με το energy
Internet η διαχείριση περνά στα χεριά του κάθε πολίτη χωριστά. Ας τολμήσουμε να κανουμε μια
αντιστοιχία με τα την πληροφόρηση και την ενημέρωση οπού πριν την εμφάνιση του Διαδικτύου ήταν
στα χέρια του κράτους ή μεγαλοεκδοτών σήμερα ο κάθε πολίτης μπορεί και να επιλεγεί την πηγή
πληροφόρησης του και αντίστοιχα να παρέχει ο ίδιος ενημέρωση μεσω των social media και των
blogs .
1.2 Η έννοια του του Διαδικτύου της Ενεργειας και η Αρχιτεκτονική του
Στην ενότητα αυτή θα προσπαθήσουμε να περιγραψουμε την δομή και την αρχιτεκτονική του
Διαδικτύου της ενεργιας . Αρχιτεκτονική δικτύου είναι τα διάφορα τμήματα υλικού και λογισμικού από
τα οποία είναι κατασκευασμένο, ο ρόλος που παίζουν στην επικοινωνία, η μεταξύ τους σχέση – Η
αρχιτεκτονική που προτάθηκε για το καινούργιο αυτό σύστημα μιμείται το μοντέλο δικτύωσης OSI για
την Διασύνδεση Ανοικτών Συστημάτων (Open Systems Interconnection - OSI) από τον Διεθνή
Οργανισμό Τυποποίησης(International Organization for Standardization - ISO) [6]που προδιαγράφει
επτά στρώματα-επίπεδα (seven layers) τα οποία υλοποιούν συγκεκριμένες λειτουργίες ώστε να είναι
εφικτή η διασύνδεση διαφορετικών υπολογιστικών συστημάτων εφόσον στα αντίστοιχα επίπεδα
χρησιμοποιούν συμβατές ή ίδιες τεχνικές και πρωτόκολλα. Στην εικονα 1 φιανιεται αριστερα το
μοντελο αναφορας OSI για τα δικτυα υπολογιστων ενώ δεξια το προτεινομενο μοντελο για το
διαδίκτυο της Ενεργιας θα προσπαθησουμε να αναλυσουμε κάθε επιπεδο χωριτα και να δώσουμε τις
αναλογιες .

7. Σελίδα 7 από 24
Εικονα 1 : Αντιστοιχία μεταξύ του μοντέλου αναφορας Open Systems Interconnection
(OSI) και του προτεινομένου μοντέλου για το διαδίκτυο της Ενεργιας [7]
Physical.Το πρώτο στρώμα είναι το Φυσικό στρώμα και αποτελείται από τις γεννήτριες ηλεκτρικής
ενέργειας που ανήκουν σε ενεργειακές κυψέλες. Τόσο οι γεννήτριες ηλεκτρικής ενέργειας μεγάλης όσο
και μικρής κλίμακας αποτελούν μέρος του Physical layer. Ποιο συγκεκριμένα παραγωγή ηλεκτρικής
ενέργειας από φωτοβολταικα , αυτόνομες ανεμογεννήτριες στην πίσω αυλή, κυψέλες καυσίμου κ.λπ.
Οι κυψέλες ενσωματώνονται στο Energy Internet μέσω του Physical layer, που είναι το βασικό στρώμα
της Energy
Energy link σε αναλογια με το επιπεδο μεταφοράς Ζεύξης ή Σύνδεσης Δεδομένων.Το δεύτερο
επίπεδο είναι το επίπεδο ενεργειακής σύνδεσης, το οποίο αναφέρεται στη σύνδεση ομότιμων χρηστών
εμπορίας ενέργειας σε ένα Ενεργειακό Intranet. Αυτό το πλαίσιο εμπορίας ενέργειας περιορίζεται στην
εμπορεία εντός του τοπικού δικτυου Intranet. Το επίπεδο ενεργειακής σύνδεσης, το οποίο ελέγχει την
αγορά ενέργειας peer-to-peer,δεν επιτρέπει τη συμμετοχή μεσαζόντων και ολόκληρη η διαδικασία
συναλλαγών ελέγχεται από αλγόριθμους που βασίζονται στην τεχνολογία blockchain.
Network Το τρίτο επίπεδο είναι το επίπεδο δικτύου για τη σύνδεση των ανανεώσιμων πηγών τους.
Όλα τα ενεργειακά συστήματα, οι συσκευές αποθήκευσης, τα ηλεκτρικά φορτία ακόμα και τα
ηλεκτρικά οχήματα αντιμετωπίζονται σε αυτό το επίπεδο. Οι φυσικές συνδέσεις μεταξύ των
εξαρτημάτων δημιουργούνται χρησιμοποιώντας καλώδια και ηλεκτρονικές συσκευές ισχύος. Ο
ενεργειακός δρομολογητής παίζει κρίσιμο ρόλο σε αυτό το επίπεδο για τη δημιουργία συνδέσεων και
θα τον εξετάσουμε με λεπτομέρεια στο επόμενο κεφάλαιο
Transmission σε αναλογια με το επιπεδο μεταφοράς Transport Το τέταρτο επίπεδο είναι το επίπεδο
μετάδοσης, το οποίο αποτελείται από το φυσικό δίκτυο μετάδοσης για την μεταφορά ενέργειας
μεταξύ του τοπικών Ενεργειακών ενδοδικτύων (Intranet ) στο Ενεργειακό Διαδίκτυο internet .Tο
Energy Internet είναι το δίκτυο των Intranet., H μεταφορά ενεργιας γινεται μέσω υψηλής τάσης
δικτύων μεταφοράς για τη μεταφορά ενέργειας σε απομακρυσμένα δίκτυα. Το επίπεδο μετάδοσης
απευθύνεται στο φυσική υποδομή μεταφοράς για τέτοιες μεταφορές ενέργειας.
Consumption σε αναλογία με το επιπεδο συνόδου SessionΤο πέμπτο στρώμα είναι το επίπεδο
κατανάλωσης, το οποίο ελέγχει την κατανάλωση ενέργειας των χρηστών Οι χρήστες καταναλώνουν
ενέργεια για τη λειτουργία των ηλεκτρικών τους φορτίων κουζίνες λάμπες κτλ. , για τη φόρτιση
συσκευών αποθήκευσης και ηλεκτρικών οχημάτων.[1]
Communication σε αναλογία με το επιπεδο παρουσίασης Presentation Το έκτο επίπεδο είναι το
επίπεδο επικοινωνίας, το οποίο διασφαλίζει την επικοινωνία μεταξύ διαφόρων οντοτήτων. Διάφορα
πρωτόκολλα επικοινωνίας, όπως το διαδίκτυο(TCP/IP), Wi-Fi (IEEE 802.11 n/ac), Long Term Evolution
(LTE) και επερχόμενο 5G (IMT-2020), αποτελούν μέρος αυτού του επιπέδου για την επικοινωνία μεταξύ
συσκευών. Επομένως το επίπεδο επικοινωνίας περιλαμβάνει διάφορα υποεπίπεδα Διαδικτύου και
αρχιτεκτονικές τηλεπικοινωνιών.

8. Σελίδα 8 από 24
Business σε αναλογία με το επίπεδο εφαρμογής Application Το έβδομο επίπεδο είναι ένα Business
layer, το οποίο διαχειρίζεται την επιχειρηματική δραστηριότητα και τις οικονομικές συναλλαγές του
Energy Internet. Μια εικονα της δομής του Energy Internet δίνεται στην παρακάτω εικονα 10
Εικονα 10 : Δομή του Energy Internet .οπού διακρίνονται οι βασικές του μονάδες [7]
1.3 Η Δυναμικη και το μελλον Διαδικτυου της Ενεργειας , Συμπεράσματα.
Το Energy Internet λειτουργεί ως πλατφόρμα για την πώληση και την αγορά ηλεκτρικής ενέργειας.
Δίνει τη δυνατότητα σε προμηθευτές να πουλήσουν το πλεόνασμα ηλεκτρικής ενέργειας που
παράγεται από γεννήτριες ηλεκτρικής ενέργειας μικρής κλίμακας (π.χ. ηλιακά φωτοβολταικα
συστήματα στέγης, μικρά ηλιακά φωτοβολταικα και αιολικές γεννήτριες ) στην τοπική αγορά
ενέργειας. Όλοι οι χρήστες (ενεργειακά κύτταρα) στο Energy Internet είναι ορθολογικές οντότητες και
αναφέρονται ως prosumers δηλαδή ταυτόχρονα και καταναλωτής και προμηθευτής . Η λογική εγώ
παράγω εγώ πουλάω χωρίς μεσάζοντες ίσως ωθήσει τους πολίτες στην παραγωγή ανανεώσιμων
πήγες κατ οικον. .Παρατηρείται τον φαινόμενο ειδικά με τις ανεμογεννήτριες ενώ όλοι είναι
υπέρμαχοι της πράσινης ενεργιας κανένας να μην της θέλει στο τόπο του και στα βουνά του . Το μέλλον
του Energy Internet είναι λαμπρό λόγω της ενσωμάτωσης ευφυών συστημάτων , εστίαση στις
ανανεώσιμες πήγες ενέργειας και σε εφαρμογές του διαμοιρασμό της. Το Ενεργειακό Διαδίκτυο είναι
η μελλοντική εξέλιξη του ενεργειακού μοντέλου κάθε χωράς .Απαιτείτε πολιτική παρέμβαση πολλές
φορές πολίτικο κόστος. Προβλέπουμε ότι, δεδομένης της παρουσίας τεράστιων ευκαιριών, θα
υπάρξουν κατάλληλες αναθεωρήσεις στις πολιτικές και κανονισμούς που θα επιτρέψουν τη μετατροπή
των απαρχαιωμένων συστημάτων ηλεκτρικής ενέργειας στο Energy Internet. Οι τρέχουσες εξελίξεις
δείχνουν ότι θα υπάρξει πολιτική παρέμβαση για την προώθηση της ηλεκτροκίνησης , των μονάδων
αποθήκευσης ενέργειας και των ηλεκτρονικών πληρωμών μεσω τεχνολογιών όπως τα blockchain. Τα
ευρήματα από αυτήν την εργασία δίνουν έμφαση στη συνύπαρξη αρχικά του Energy Internet και του
τωρινού δικτύου προβλέπεται ότι η σταδιακή κλιμάκωση του Ενεργειακού Διαδικτύου σε εθνικό
επίπεδο θα οδηγήσει ίσως σε διακοπή ολόκληρη τη βιομηχανία ηλεκτρικής ενέργειας.

9. Σελίδα 9 από 24
2 ENERGY ROUTER .
2.1 Εισαγωγη στους δρομολογητες
Οι δρομολογητές ενέργειας είναι η καρδιά του Διαδίκτυού της ενέργειας. Αποτελείτε όπως και
ο κοινός οικιακός δρομολογητής δικτύου τόσο από hardware όσο και από software. Είναι απαραίτητη
η τοποθέτηση του για την αναβάθμιση ενός παραδοσιακού συστήματος μεταφοράς σε ένα έξυπνο
δίκτυο το οποίο θα έχει την ικανότητα αυτόνομα να προβλέπει και να διαχειρίζεται την ενέργεια χωρίς
ανθρώπινη παρέμβαση .Οι ενεργειακοί δρομολογητές θα πρέπει να έχουν λειτουργικότητα plug-and-
play καθώς και μεγάλη επεκτασιμότητα ώστε να μπορούν να υλοποιήσουν τις καινούργιες απαιτήσεις
των δικτύων ενέργειας. Αυτές οι απαιτήσεις είναι η ανοικτή αρχιτεκτονική και η peer to peer ανταλλαγή
πακέτων ενέργειας
H έννοια του Energy Router προτάθηκε για πρώτη φορά από Αμερικάνους ερευνητές. Το 2008
ένα νέο δίκτυο διανομής ισχύος παρουσιάστηκε στο the FREEDOM Project [8]. Το project αυτό
βασίζονταν στην διαχείριση και αποθήκευση ενέργειας από ανανεώσιμες πήγες .Τον ίδιο χρόνο μια
ερευνητική ομάδα του Σουηδικού ινστιτούτου τεχνολογίας ανάπτυξε ένα παρόμοιο σύστημα το οποίο
ονομάστηκε « κέντρο ελέγχου ενέργειας». Το 2013 η έννοια του δρομολογητή ισχύος προτάθηκε από
μελετητές στην Ιαπωνία. Δρομολογητές ισχύος τοποθετήθηκαν για την διαχείρισης ισχύος σε
συγκεκριμένες περιοχές .Η υλοποίησή των Energy Routers βασίζεται στην τεχνογνωσία που απέκτησε
η επιστημονική κοινότητα από την ανάπτυξη των κοινών Routers. Ενα συμβατικό σύστημα
διαχείρισης ενέργειας ( Energy management system (EMS) ) σε καμία περίπτωση δεν μπορεί να
δουλέψει στην λογική του Διαδίκτυού της Ενέργειας. Παρακάτω θα γίνει μια ποιο λεπτομερή και
εκτενή παρουσιαση των ενεργειακών δρομολογητών και θα δοθούν παραδείγματα εφαρμογών
2.2 Ορισμος του ενεργειακόυ δρομολογητή.
Ο ενεργειακός δρομολογητής παρέχει μια διασύνδεση μεταξύ του δικτύου διανομής και των
ανανεώσιμων πηγών ενέργειας .Με την ανάπτυξη των ανανεώσιμων πηγών ενέργειας το ποσοστό
της πράσινης ενέργειας σε σχέση με την ολική ενέργειας που καταναλώνεται στο δίκτυο έχει
σημαντικά αυξηθεί. Ο ενεργειακός δρομολογητής παρέχει καινούργιες δυνατότητες και πλήρως
εξειδικευμένες λειτουργίες διαχείρισης ενέργειας για την ενσωμάτωση των ανανεώσιμων πηγών
ενέργειας. Τέτοιες λειτουργίες είναι η μεγάλη ταχύτητα απόκρισης σε αυξημένη ζήτηση καθώς και
ποιότητα και ακρίβεια ισχύος
2.3 Energy Internet and Energy Router
To διαδίκτυο της ενεργείας είναι μια επαναστατική μεθοδο στον τομέα της διαχείρισης και
διανομής της ενεργείας Βασικά χαρακτηριστικά του νέου αυτού συστήματος είναι η αποκεντροποίησή
ελέγχου, η προσθήκη ανανεώσιμων πηγών ενεργείας καθώς και η δυνατότητα στον χρήστη να
διαχειρίζεται την ενεργεία που καταναλώνει. Τα συστήματα αυτά συνεχώς βελτιώνονται, γίνονται
ποιο έξυπνα και αποδοτικά ενσωματώνοντας έξυπνα μετρητικά συστήματα καθώς και online
απομακρυσμένο έλεγχο συσκευών. Θα μπορούσε κάποιος να πει ότι το Energy Internet είναι μια ακόμα
εφαρμογή του Διαδικτύου των πράγματων IoT ( Internet of things ) [9]. Οι Δρομολογητές αυτοί δίνουν
την δυνατότητα να ελέγχεται η διανομή της ενεργείας τόσο σε τοπικό επίπεδο όσο και σε εθνικό.
2.4 Επιλογές Δρομολόγησής ( Routing Decisions )
Η δρομολόγηση των πακέτων σε ένα παραδοσιακό δρομολογητή στο διαδίκτυο επηρεάζεται από
την τοπολογία δικτύου από τις γραμμές μεταφοράς δεδομένων. Στο Energy Internet εκτός από τους
παραπάνω παράγοντες η απόδοση εξαρτάται από το τρόπο αποθήκευσης ενέργειας από την
τεχνολογία του διακοπτικού υλικού. Αγνοώντας τις διαφορές μεταξύ των κοινών δρομολογητών και
των Energy router , είμαστε σε θέση να αναλύσουμε τη στρατηγική δρομολόγησης που καθορίζεται
από τη φύση της τοπολογίας του δικτύου. Στο φουτουριστικό κόσμο του Energy internet η ενέργεια
που μεταφέρεται απο τον παραγωγό στον καταναλωτή επισημαίνεται με μια ετικέτα κάτι ανάλογο με
την επικεφαλίδα header στα δεδομένα πακέτων .Στο label αυτό φορτώνονται η διεύθυνση αποστολής
, η διεύθυνση του παραλήπτη καθώς και η διαδρομή που πρόκειται να ακολουθήσει το πακέτο. Ολη
η ροή ενέργειας μαζί με τις πληροφορίες που προαναφέραμε ονομάζεται Energy Information flow
(EIF). Η ετικέτα αυτή είναι το βασικό εργαλείο στην διανομή της ηλεκτρικής ισχύος. Η ενέργεια αυτή
μπορείς να αποθηκευτεί επίσης τοπικά και να επαναμεταδοδοθει. Εννοείται ότι και σε αυτήν την
περίπτωση υπάρχουν προβλήματα κυκλοφοριακής συμφόρησης και εξισορρόπησής ισχύος τα οπια
λύνονται κατά αντιστοιχία με τα προβλήματα των κοινών δικτυών Τους τρόπους επίλυσης θα τους
αναφέρουμε στην επόμενη παράγραφο

10. Σελίδα 10 από 24
Στην περίπτωση αυξημένης ζήτηση ενέργειας , ο δρομολογητής πρέπει να διαχειριστεί πολλά
πακέτα ενέργειας και η απόδοση του δικτύου πέφτει .Σε ακραίες περιπτώσεις μπορείς να οδηγήσει
σε κατάρρευση του. Η στρατηγική της μικρότερης διαδρομής shortest path strategy (SPS)
χρησιμοποιείται ευρέως για την αποφυγή τέτοιων δυσάρεστων καταστάσεων. Ο αλγόριθμος του
Dijkstra [10]επιλύει αποδοτικά το παραπάνω προβλημα. Πρόκειται για έναν αλγόριθμο εύρεσης
συντομότερων διαδρομών (single-source shortest path problem) από κοινή αφετηρία σε έναν
(κατευθυνόμενο ή μη) γράφο με μη αρνητικά βάρη στις ακμές. Ο αλγόριθμος του Dijkstra είναι
άπληστος. Δηλαδή σε κάθε βήμα επιλέγει την τοπικά βέλτιστη λύση, ώσπου στο τελευταίο βήμα
συνθέτει μια συνολικά βέλτιστη λύση. Το μεγαλύτερο προβλημα στην διαχείριση τη ενεργείας είναι
οι κεντρικοί δρομολογητές οι οποίο εάν καταρρεύσουν καταρρέει ολόκληρο το σύστημα διανομής
.Εκτός απο την τεχνική SPS η οποία μειώνει τον φόρτο των δρομολογητών άλλη μια τεχνική η οποία
δίνει λύσεις και είναι η ανάθεση του διαμοιρασμού σε άλλους μη κεντρικής routers .H τεχνική αυτή
ονομάζεται efficient path strategy (EPS).
2.5 Κατασκευη των ενεργειακων δρομολογητων
Στην ενότητα αυτή θα αναφερθούμε στην κατασκευή και στην δομή των Energy routers .Βασική
απαίτηση των Energy Routers είναι η διαχείριση της ενέργειας. Για να γίνει αυτή η διαχείριση θα
πρέπει να μπορεί το σύστημα να μπορεί να μετατρέψει την ενεργεία από την μια μορφή σε άλλη
.Ποιο συγκεκριμένα ας πάρουμε ως παράδειγμα το δίκτυο μεταφοράς ενεργείας στην Ελλάδα. Την
σπονδυλική στήλη του Διασυνδεδεμένου Συστήματος Μεταφοράς αποτελούν τρεις γραμμές των 400
kV, που μεταφέρουν ηλεκτρισμό, κυρίως από το σπουδαιότερο στην χώρα μας ενεργειακό κέντρο
παραγωγής την Πτολεμαΐδα . Τα βασικά στοιχεία του Συστήματος Μεταφοράς σήμερα στην Ελλάδα
είναι [11]:
• Εναέριες Γραμμές Μεταφοράς 400kV, 150kV και 66kV
• Υπόγειες και Υποβρύχιες Καλωδιακές Γραμμές 150kV και 400kV
• Υποσταθμοί 150/20kV
• Κέντρα Υπερυψηλής Τάσης (ΚΥΤ) 400/150kV
Το Ελληνικό Σύστημα λειτουργεί σύγχρονα και παράλληλα με το διασυνδεδεμένο Ευρωπαϊκό
Σύστημα υπό το γενικότερο συντονισμό του ENTSO-E. Η παράλληλη λειτουργία του Ελληνικού
Συστήματος με το Ευρωπαϊκό επιτυγχάνεται μέσω διασυνδετικών γραμμών μεταφοράς 400 k V, με τα
Συστήματα της Αλβανίας, της Βουλγαρίας, της Βόρειας Μακεδονίας Όπως γίνεται αντιληπτό για να
μπορεί για να γίνει αυτόματα η διαχείριση της ενεργείας θα πρέπει το σύστημα δρομολόγησής να
έχει την ικανότητα μετατροπής. Όταν μιλάμε για μετατροπή εννοούμε είτε για υποβιβασμό ή
ανύψωση της εναλλασσόμενης τάσης είτε για μετατροπή συνεχούς τάσης σε εναλλασσόμενη και το
αντίστροφο . Ας μην ξεχνάμε ότι μορφές ανανεώσιμων μορφών ενεργείας όπως τα φωτοβολταικα
παράγουν συνεχή τάση .
Τα απαιτούμενα χαρακτηριστικά ενός energy router είναι ο έλεγχος της διανομής ενεργείας .και
η ηλεκτρική σύνδεση μεταξύ συσκευών συνεχούς DC και εναλλασσόμενου AC ρεύματος .Πολλές
μελέτες έχουν σαν αντικείμενο της αρχιτεκτονική αυτών των συγχρόνων μονάδων μετατροπής . Στην
Ευρώπη έχει αναπτυχθεί το σύστημα UNIFLEX-PM .Ενα block διάγραμμα του συστήματος UNIFLEX-PM
δίνετε στο σχήμα 1
Βασικό χαρακτηριστικό του μετατροπέα UNIFLEX-PM όπως φαίνεται και στο σχήμα είναι η
αμφίδρομη λειτουργία. Όπως δηλώνει και η λέξη αμφίδρομη το δίκτυο καταναλωτών δεξιά είτε μπορεί
να καταναλώσει ενέργεια από τις ανανεώσιμες πηγές είτε ανάλογα των συνθήκων να ενέργεια πίσω
στον μετατροπέα ο οποιος με την σειρά του την αποθηκεύει για μελλοντική χρηση .Το σχήμα 1
αναφέρεται συγκεκριμένα σε σύνδεση ανανεώσιμων πηγών ενέργειας Renewable Energy Sources
(RES) με κεντρικό δίκτυο μεταφοράς. Τυπικά χαρακτηριστικά ενός τέτοιου μετατροπέα είναι
ονομαστική Ισχύς 5 MW (π.χ 1MW/module) και ονομαστική τάση στα σημεία σύνδεσης με το κυρίως
δίκτυο Point of Common Coupling (PCC) PCC of 10-20 kV.Η τάση αυτή χρησιμοποιείται ευρέως σε
δίκτυα διανομής στις ευρωπαϊκές χώρες. Ο αλγόριθμος ελέγχου για την διασύνδεση του προμηθευτή
με τον , καταναλωτή θα πρέπει απαραίτητα να μπορεί να διαχειρίζεται την ασυμμετρία φορτιού και
τα άεργα φορτία .Επιπρόσθετα θα πρέπει να έχει την δυνατότητα να συγχρονίζει την συχνότητα
μεταξύ του δικτύου παράγωγης με αυτό της κατανάλωσης.

11. Σελίδα 11 από 24
Σχήμα 1 : Δομή του UNIFLEX-PM system for grid για την σύνδεση ανανεώσιμων πηγών
ενέργειας στο κύριο δίκτυο διανομής . [12]
Ο έλεγχος της σωστής λειτουργίας του UNIFLEX-PM αξιολογείτε από παραμέτρους όπως η
συχνότητα switching καθώς και η παρουσία η όχι του φαινομένου Flickering .H παραγόμενη τάση για
να είναι στα επιτρεπτά όρια θα πρέπει να συμμορφώνεται με τις απαιτήσεις του προτύπου standard
[13]. Η συχνότητα switching είναι η συχνότητα με την οποία «ανοιγοκλείνει» η συνεχής τάση ώστε να
παραχθεί η εναλλασσόμενη. Η τεχνική αυτή χρησιμοποιείται για την παραγωγή εναλλασσόμενής
τάσης με την μεθοδο Switching Mode Power Supplies, or SMPS, .Το φαινόμενο Flickering είναι το
φαινόμενο οπού παρατηρείτε αναλαμπές τρεμοσβυσμα στις λάμπες φωτισμού ειδικά της
πυρακτώσεως .Ο ορός Flickering έχει παραμείνει εάν και δεν χρησιμοποθυνται πλέον οι λάμπες αυτές
.

12. Σελίδα 12 από 24
3 ARTIFICIAL INTELLIGENCE MODELS USED FOR PREDICTION IN THE ENERGY
INTERNET
3.1 Εισαγωγή στα Μοντέλα τεχνητής νοημοσύνης ( AI Artificial Intelligence )
Η επιστημονική κοινότητα τα τελευταία χρόνια έχει στραφεί στην τεχνητή νοημοσύνη .Η ικανότητα
των συστημάτων αυτών να λαμβάνουν αποφάσεις και να προβλέπουν συμπεριφορές έχει κάνει τους
μελετητές να χρησιμοποιούν τέτοια συστήματα τόσο για την διανομή ενέργειας όσο και για την
διαχείριση της .Η ανάλυση των ιστορικών δεδομένων κατανάλωσης μας δίνει την δυνατότητα να
προβλέπουμε μελλοντικές συμπεριφορές κι αναμενόμενα γεγονότα. Η εξόρυξη της πληροφορίας
γινόταν μέχρι πρότινος μέσω της στατιστικής ανάλυσης .ωστόσο τα τελευταία χρόνια ο όγκος των
δεδομένων αυτών έχει αυξηθεί υπερβολικά με αποτέλεσμα η επεξεργασία μέσω των παραδοσιακών
μεθόδων να είναι δύσκολη εάν όχι ανέφικτη. Η επεξεργαστική ισχύ και η ικανότητα αποθήκευσης έχει
αυξηθεί σημαντικά γεγονός που έχει ανοίξει νέους ορίζοντες στην ανάλυση δεδομένων και στην
εξόρυξη πληροφορίας. Ενα από τα μεγαλύτερα πλεονέκτημα των συστημάτων τεχνητής νοημοσύνης
που θα εξετάσουμε στο κέφαλοί αυτό είναι η αυτοματοποίηση των προβλέψεων χωρίς ανθρώπινη
παρέμβαση [14] .
Η τεχνητή νοημοσύνη αναλύεται στο παρόν κεφάλαιο κυρίως από την πλευρά της πρόβλεψης
τόσο της μελλοντικής κατανάλωσης ενέργειας όσο και της πρόβλεψης της παραγωγής στα
συστήματα ανανεώσιμων πηγών και όχι από την πλευρά της λήψης αποφάσεων σε θέματα διανομής.
Τα δεδομένα τα οποία αναλύονται και επεξεργάζονται είναι η κατανάλωση ενέργειας , η ταχύτητα
του ανέμου και η ηλιακή ακτινοβολία .Ποιο συγκεκριμένα το ιστορικό κατανάλωσης ενέργειας σε ένα
δίκτυο μας δίνει στοιχεία ώστε να προβλέψουμε της μελλοντικές του απαιτήσεις ενώ αντίστοιχα
δεδομένα της ταχύτητας του ανέμου ή της ηλιοφάνειας μας καθιστούν ικανούς να προβλέψουμε τις
αποδόσεις σε ένα αιολικό πάρκο ή σε ένα σύστημα φωτοβολταικων. Τα μοντέλα της AI είναι
σχεδιασμένα ώστε να αποκτούν γνώση από το ιστορικό δεδομένων. Με τον κατάλληλο σχεδιασμό και
εκπαίδευση τα συστήματα αυτά είναι ικανά να λύνουν προβλήματα διαχείρισης να προβλέπουν
μελλοντικές συμπεριφορές να δρουν ανάλογα
Κρίθηκε απόλυτα αναγκαίο να κανουμε μια μικρή παρουσιαση της μηχανικής μάθησης η οποία
χρησιμοποιείται στο διαδίκτυο της ενέργειας διότι είναι ένας καινούργιος κλάδος της επιστήμης των
υπολογιστών και έχει καινούργιους δυσνόητους όρους. Θα προσπαθήσουμε να συνδέσουμε την
θεωρία της μηχανικής μάθησης με το αντικείμενο της παρούσης εργασίας με όσο γίνεται ποιο απλά
λόγια. Η τεχνητή νοημοσύνη και κατ επέκταση η μηχανική μάθηση είναι πεδίο της επιστήμης των
υπολογιστών που αναπτύχθηκε από τη μελέτη της αναγνώρισης προτύπων. Ο υπολογιστής καλείτε να
αναγνωρίσει μοτίβα ( patterns ) στα δεδομένα εισόδου στην περίπτωση μας π.χ τις η ενεργειακή
κατανάλωση ή η ηλιοφάνειά σε μια συγκεκριμένη τοποθεσία. Μέσω της αναγνώρισης προτύπων
ομαδοποιεί τα δεδομένα και τα αναγνωρίζει. Η μηχανική μάθηση βασίζεται στην κατασκευή
αλγορίθμων που μπορούν να μαθαίνουν από τα δεδομένα και να κατόπιν να κάνουν προβλέψεις
σχετικά με αυτά. Με απλά λόγια κατά αντιστοιχία με τον άνθρωπο ο οποιος μαθαίνει στο διάβα του
βίου του , ωριμάζει ,«εκπαιδεύεται» και μπορεί με ακρίβεια και αξιοπιστία να διακρίνει και να
ξεχωρίζει .Οι αλγόριθμοι της μηχανικής μάθησης μπορούν και εκπαιδεύονται από τα δεδομένα
εισόδου. Θα πρέπει δηλαδή να εκπαιδεύσουμε πριν το πρόγραμμα μας ( Software ) πριν το βάλουμε
να δουλέψει π.χ να προβλέψει πόση ενέργεια θα καταναλωθεί ή θα παραχθεί σήμερα. Η εκπαίδευση
υλοποιείται όχι με τον πατροπαράδοτο τρόπο γράφοντας ξεχωριστό custom κώδικα αλλά «αυτόματα».
Εισάγουμε στο υπολογιστή ιστορικά δεόμενα παράδειγμα η κατανάλωση ενέργειας , η θερμοκρασία
, η υγρασία η ταχύτητα του ανέμου , ημερομηνία και κατόπιν η μηχανή, μπορεί να κάνει προβλέψεις
π. χ σήμερα θα έχουμε μεγάλες απαιτήσεις ισχύος μετα τις 12 το βράδυ. Να υπενθυμίσουμε και
πάλι ότι η πρόβλεψη γίνεται μέσα απο την αυτόματη αναγνώριση μοτίβων ( π.χ Χριστούγεννα κρύο
αυξημένη ζήτηση ). και όχι μέσω κώδικα.
Μια κατηγορία μεθόδου μηχανικής μάθησης είναι το supervised Machine learnig ( Επιβλεπόμενη
μάθηση) όπου τα δεδομένα που εισάγονται είναι ήδη προσημασμενα . Αντίθετα στο Unsupervised
Machine learning ( μη-επιβλεπόμενη μάθηση) τα εισαγόμενα δεδομένα δεν είναι προσημασμενα .Ο
ίδιος ο αλγόριθμος βρίσκει τα κρυμμένα μοτίβα και ομαδοποιεί τα δεδομένα Οι αλγόριθμοι αυτοί
δεν χρειάζονται την ανθρώπινη παρέμβαση .Έχουν την ικανότητα να βρίσκουν μόνοι τους τα μοτίβα
την διασύνδεση των δεδομένων δηλαδή ημερομηνία , ισχύς , ενέργεια ,ηλιοφάνεια , βαρομετρική
πίεση. Η μη-επιβλεπόμενη μάθηση αποτελεί κατηγορία της μηχανικής μάθησης στόχος της οποίας
είναι η ανακάλυψη της πιθανής δομής που μπορεί να κρύβεται ακόμα και πίσω από μη
χαρακτηρισμένα δεδομένα. Διότι άλλα τα μάτια του λαγού αλλά της κουκουβάγιας.

13. Σελίδα 13 από 24
Τα συστήματα ΑΙ είναι ένα αναπτυσσόμενο και αρκετά περίπλοκο γνωστικό πεδίο. Επιγραμματικά θα
λέγαμε ότι ένα σύστημα τεχνητής νοημοσύνης
• Είναι έξυπνο γιατί μαθαίνει.
• Εχει την ικανότητα να μετουσιώνει τα δεδομένα σε γνώση.
• Μπορεί και λύνει προβλήματα διεξοδικά.
• Προσαρμόζεται στο περιβάλλον ακόμα και εάν τα δεόμενα εκπαίδευσης είναι ελλιπή η
μερικώς εσφαλμένα [7]
3.2 Αναγκαιότητα της χρήσης της τεχνητής νοημοσύνης στην διαχείρισης της ενέργειας
Ας πάρουμε το κουβάρι απο την αρχή. Γιατί τελικά είναι τόσο αναγκαία η έξυπνη διαχείριση της
ενέργειας στις μέρες μας ;.Γιατί η χρηση τέτοιων συστημάτων στην λήψη αποφάσεων είναι
μονόδρομος. Η απάντηση είναι διότι ο πλανήτης γη δεν αντέχει άλλη σπάταλη ενεργειακών πόρων. Η
κατανάλωση της ενέργειας έχει αυξηθεί τα τελευταία χρόνια. Αυτό οφείλεται σε δυο λόγους κυρίως
πρώτον στην αύξηση του πληθυσμού και την αστικοποίησή και δεύτερον στον σύγχρονο τρόπο ζωής.
Ας εξετάσουμε κάθε παράγοντα χωριστά . στην εικόνα 2 βλεπουμε την κατανομή του πληθυσμού σε
αστικά και σε αγροτικές περιοχές Όπως φαίνεται έκδηλα ο πληθυσμός στις αγροτικές περιοχές
φθίνει συνεχώς ενώ αντίστοιχα στις πολλές αυξάνεται.
Εικόνα 2 : Κατανομή του πληθυσμού σε αστικές και αγροτικές περιοχές [14]
ραγδαία .Οι προβλέψεις δείχνουν ότι σε 100 χρόνια η αναλογία της κατανομής αυτής θα έχει
αντιστραφεί. Δηλαδή ενώ το 1950 το 30 % εμμέναν στις πόλεις και το 70 % στην ύπαιθρο το 2050 θα
έχουμε το αντίστροφο .Η συσσώρευση του ανθρωπίνου πληθυσμού στις πόλεις αυξάνει το ενεργειακό
ή οικολογικό αποτύπωμα. Με τον όρο ενεργειακό αποτύπωμα αναφερόμαστε στην ποσότητα
διοξειδίου του άνθρακα (CO2) που εκλύεται έμμεσα ή άμεσα στην ατμόσφαιρα εξαιτίας των
καθημερινών ανθρωπίνων δραστηριοτήτων. Σε αυτές τις δραστηριότητες περιλαμβάνονται π.χ η
οδήγηση του αυτοκινήτου για να πάμε στη δουλειά μας η ενεργεία που καταναλώνουμε για θέρμανση
ή στο μαγείρεμα. [15]
O σύγχρονος τρόπος ζωής σήμερα σε συνδυασμό με την αστικοποίηση έχει συμβάλει σημαντικά
στην αύξηση των ρύπων .Επιπρόσθετα οι ρύποι αυτοί είναι συγκεντρωμένοι πάνω από τις αστικές
περιοχές με αποτέλεσμα την επιδείνωση των συνέπειων . Ο σύγχρονος τρόπος ζωής είναι εξαιρετικά
ενεργοβορος. Ας σκεφτούμε ένα απλό παράδειγμα από την καθημερινή ζωή των ανθρώπων στην
δεκαετία του 1970 όπου κυκλοφορούσε ένα αμάξι μόνο στην γειτονιά , κάνανε μπάνιο μια φορά
Σάββατο βράδυ και όλα τα ταψιά με το φαγητό της Κυριακής ψηνόταν στον ένα και μοναδικό
φούρνο της γειτονίας.
3.3 Τεχνητό νευρωνικο δίκτυο ( Artificial Neural Networks ΑΝΝ ) , Μελέτη περίπτωσης.
Η κατασκευή των νευρωνικων δικτυών εμπνεύστηκε από τον άνθρωπο αντιγράφοντας τον ίδιο
του τον εαυτό . Το βιολογικό νευρωνικο δίκτυο του εγκεφάλου αποτελείται από ένα σύνολο νευρώνων
(neurons) που αλληλεπιδρούν συνδεόμενοι μεταξύ τους με τις λεγόμενες συνάψεις (synapses). Ο
βαθμός αλληλεπίδρασης είναι διαφορετικός για κάθε ζεύγος νευρώνων και καθορίζεται από τα
λεγόμενα συναπτικά βάρη (synaptic weights). Τα ΑNN είναι το ποιο αποδοτικό μοντέλο τεχνητής
νοημοσύνης. Ωστόσο, ο σχεδιασμός και η εκπαίδευση του είναι ένα πρόβλημα διότι τα βαθιά
Νευρωνικά δίκτυα απαιτούν πολλά δεδομένα εκπαίδευσης και τεράστια επεξεργαστική ισχύ. Εάν εχω
διασφαλίσει αυτά τα δυο τότε τα αποτελέσματα των νευρωνικων δικτυών είναι πολύ καλυτέρα από

14. Σελίδα 14 από 24
όλες τις άλλες τεχνικές της τεχνητής νοημοσύνης machine learning , deep learning . Tο μεγάλο
πλεονέκτημά των CNNs είναι ότι ενώ στο παραδοσιακό machine learning πρέπει να γράψεις κώδικα
για να εξάγεις “χαρακτηριστικά” από μια εικόνα ώστε να μπορεί ο υπολογιστής να την
κατηγοριοποιήσει. Τα ΑNN στον αντίποδα δεν απαιτούν κάτι τέτοιο, μαθαίνουν μόνα τους τα
χαρακτηριστικά αυτά κάνοντας βελτιστοποίηση του αλγορίθμου τους ως προς κάποιο κριτήριο πάντα
. Η εκπαίδευση γίνεται παρέχοντας του δεδομένα . Η δομή ενός ΑΝΝ φαίνεται στην εικόνα 3 με τα
επίπεδα εισόδου εξόδου καθώς και τα κρυφά ενδιάμεσα επίπεδα .
Εικόνα 3 : Δομή ενός Τεχνητού Νευρωνικου δικτύου [15]
Ας περάσουμε τώρα στις εφαρμογές. Τα ΑNNs έχουν χρησιμοποιηθεί με επιτυχια στην πρόβλεψη
της κατανάλωσης ενεργείας σε νοικοκυριά σε βιομηχανικές περιοχές καθώς και σε συστήματα
ανανεώσιμων πηγών ενεργείας. [16] [17]. Eνα απλό μοντέλο Νευρωνικου δικτύου υλοποιήθηκε το
2008 [18]με σκοπό την πρόβλεψη της κατανάλωσης της ενεργείας σε ένα πανεπιστημιακό κτίριο στο
Σάο Πάολο. Οι επιδόσεις του AΝΝ συγκρίθηκαν με αυτές ενός παραδοσιακό προγράμματος Energy
plus, [19]. Τo EnergyPlus™ είναι ένα ολοκληρωμένο πρόγραμμα προσομοίωσης ενέργειας κτιρίων που
χρησιμοποιούν μηχανικοί, αρχιτέκτονες και ερευνητές για να μοντελοποιήσουν την κατανάλωση
ενέργειας για θέρμανση, ψύξη, εξαερισμό, φωτισμό και παροχή οικιακών συσκευών με τελικό στόχο
την πρόβλεψη κατανάλωσης
Το συγκεκριμένο κτίριο που χρησιμοποιήθηκε στην μελέτη μεταξύ 8 η ώρα το πρωί και 5 η ώρα
το απόγευμα φιλοξενεί γύρω στα χίλια άτομα τα οποία ελέγχουν την λειτουργία των μονάδων ψύξης
a/c .Στόχος επαναλάβουμε είναι να προβλέψουμε την ενεργειακή κατανάλωση. Οι μηχανικοί
τροφοδοτήσαν το πρόγραμμα Energy plug με δεδομένα τα οποία έπαιρναν από το τοπικό
μετεωρολογικό σταθμό του πανεπιστημιακό campus. Επιπρόσθετα παραμετροποιησαν το μοντελο
δίνοντας τιμές σχετικά με την γεωμετρία του κτίριού , τον προσανατολισμό , τα υλικά δόμησης και
σκίασης καθώς και τον αριθμό των επισκεπτών .
Από την άλλη μεριά το μοντέλο ANN υλοποιήθηκε με δυο διαφορετικούς μεθόδους. Στην πρώτη
μεθοδο η μοντελοποίηση το ANN πηρέ δεδομένα μόνο την εξωτερική μέγιστη και ελάχιστη
θερμοκρασία και έδωσε προβλέψεις για την κατανάλωση ενεργείας. Το δεύτερο μοντέλο ANN που
χρησιμοποιήθηκε πήρε σαν είσοδο την μέση εξωτερική θερμοκρασία και επιπλέον την σχετική
υγρασία και την ηλιοφάνεια .Για κάθε μοντελο που προαναφέραμε κατασκευάστηκαν τρία
διαφορετικά Νευρωνικά δίκτυα: Το πρώτο έβλεπε όλες τις ημέρες (τόσο τις εργάσιμες ημέρες όσο και
τα Σαββατοκύριακα) το δεύτερο παρακολουθούσε μόνο τις εργάσιμες ημέρες ενώ το τρίτο μόνο για
τα Σαββατοκύριακα και τις αργίες . Η εκπαίδευσή του ΑΝΝ έγινε κατά την χρονική περίοδο Αύγουστο
του 2003 έως τον Δεκέμβριο του 2004 ενώ την περίοδο Ιανουαρίου έως Μαρτίου 2005 έγινε ο έλεγχος
και την αξιολόγηση του δηλαδή βάλανε το μοντελο να πιάσει δουλειά .Οι σύγκριση μεταξύ των
αποτελέσματα που έδωσαν το δίκτυο ANN και το πρόγραμμα EnergyPlus έδειξαν ότι το νευρωνικο
δίκτυο δίνει ελαφρώς καλύτερα αποτελέσματα από αυτά του EnergyPlus, με εύρος σφαλμάτων
περίπου 13% και 10% για το EnergyPlus και το ANN, αντίστοιχα. Η αξιολόγηση έγινε συγκρίνοντας τις
πραγματικές τιμές κατανάλωσης με αυτές των προβλέψεων. Οι ερευνητές κατέληξαν επίσης στο
συμπέρασμα ότι η υγρασία και η ηλιακή ακτινοβολία δεν έχουν μεγάλη σημασία αφού δεν επηρέαζαν
πολύ τις προβλέψεις [4].Στις παρακάτω δυο εικόνες βλεπουμε τα αποτελέσματα με βάση τα οποία
αξιολογήθηκαν τα μοντέλα . Στην εικόνα 4 φαίνεται η σύγκριση μεταξύ των προβλέψεων του

15. Σελίδα 15 από 24
παραδοσιακού μοντέλου προσομοίωσης EnergyPlus και των τελικών μετρήσεων της ενεργειακής
κατανάλωσης. Ενώ στην εικόνα 5 φαίνεται η σύγκριση και ο αντίστοιχος πίνακας για την αξιόλογηση
του Νευρωνικου δικτυου.
Εικόνα 4 . Σύγκριση μεταξύ των προβλέψεων του μοντέλου προσομοίωσης EnergyPlus
και των τελικών μετρήσεων της ενεργειακής κατανάλωσης [18]
Εικόνα 5 Σύγκριση μεταξύ των προβλέψεων του μοντέλου ΑΝΝ και των τελικών
μετρήσεων της ενεργειακής κατανάλωσης [18]
Ας κανουμε εδώ μια στάση να εξηγήσουμε τα διαγράμματα τιμών και να δώσουμε μια
μετρολογική νότα. Στον άξονα y είναι οι προβλέψεις δηλαδή η εκτίμηση της κατανάλωσης ενώ στον
άξονα x οι πραγματικές καταναλώσεις Σε ένα ιδανικό μοντέλο πρόβλεψης θα έπρεπε όλα τα σημεία-
( dots ) να δημιουργούν μια ευθεία με εξίσωση x=y όπως η μαύρη γεμάτη γραμμή που περνάει απο
την αρχή των αξόνων . Όμως τα μοντέλα προβλέψει δεν είναι ιδανικά όπως τίποτα σε αυτό τον μάταιο
κόσμο. Η αξιολόγησή των μοντέλων γίνεται μετρώντας ποσά σημεία βρίσκονται εκατέρωθεν της
ιδανικής ευθείας μεταξύ των δυο εστιγμένων ευθείων που αντιστοιχούν σε ακρίβεια +,_ 13.5 %
.Όπως μπορούμε να παρατηρήσουμε με λίγη προσοχή. Στην πρώτη περίπτωση του EnergyPlus το 80
% των s βρίσκεται μεταξύ των δυο ευθείων και αρα έχουν ακρίβεια ±13% ενώ αντίστοιχα στην
περίπτωση του Νευρωνικου δικτύου το οποίο όπως αποδεικνύεται δίνει καλύτερες προβλέψεις με 85
% των des να βρίσκεται στην περιοχή των ±13.5%. Οι ποιο εσφαλμένες προβλέψεις γίνονται όταν η
πρόβλεψη αναφέρεται σε μεγάλες ενεργειακές καταναλώσεις .Όταν δηλαδή το μοντέλο προβλέπει
καταναλώσεις πάνω από 4000 kWh συνήθως κάνει λάθος
Nα σημειώσουμε εδώ ότι το μοντέλο ΑΝΝ στο οποίο αναφερόμαστε είναι το πρώτο δηλαδή έχει
δηλαδή μόνο δυο δεδομένα εισόδου την μέγιστη και ελάχιστη εξωτερική θερμοκρασία. Είναι
αξιοθαύμαστο ότι παρολοταυτα δίνει καλυτέρα αποτελέσματα σε σύγκριση με το παλιό μοντέλο
προσομοίωσης EnergyPlus το οποίο λαμβάνει υπόψιν του περισσότερα μετεωρολογικά δεδομένα

16. Σελίδα 16 από 24
καθώς και χαρακτηριστικά του κτιρίου. Στο πίνακα 1 δίνονται οι παράμετροι λειτουργίας των
παραπάνω νευρωνικων δικτύων
Πίνακας 1:Παράμετροι λειτουργίας νευρωνικων δικτυών για πρόβλεψη κατανάλωσης
ενεργείας σε πανεπιστημιακό κτίριο [18]
. Τέτοιοι παράμετροι είναι τα δεδομένα εισόδου ( Ας παρατηρήσουμε ότι στο πρώτο είδος
Νευρωνικου δικτύου όπως αναφέραμε εκτός από την μέγιστη και ελάχιστη θερμοκρασία δίνεται και
ο τύπος της ημέρας αργία ή εργάσιμη) . Άλλοι παράμετροι λειτουργίας είναι : O αριθμός των
νευρώνων που υπάρχουν σε κάθε επίπεδο εισόδου , ενδιάμεσο ή εξόδου. Ο αριθμός των επίπεδων
layers του ANN που χρησιμοποιούνται. H συνάρτηση λειτουργίας , τελευταία γραμμή του πίνακα ,
είναι η συνάρτηση η οποία καθορίζει την έξοδο του δικτύου .Ποιο συγκεκριμένα η συνάρτηση αυτή
εισάγεται σε κάθε νευρώνα και καθορίζει εάν ο νευρώνα διεγερθεί ή όχι. Στο πίνακα 2 δίνονται τα
αποτελέσματα της αξιολόγησής των τριών ΑΝΝ που αναφέραμε προηγουμένως
Πίνακας 2:Αποτελέσματα αξιολόγησης τριών ΑΝΝ στην πρόβλεψη κατανάλωσης
ενεργείας με κριτήριο την θερμοκρασία [18].
Παρατηρούμε ότι αν και το μοντέλο ( πρώτη στήλη ) ξέρει ότι ποτέ είναι αργία ή εργάσιμη
εντούτοις κάνει λάθος στις προβλέψεις του . Την μεγαλύτερη ακρίβεια προβλέψεων την έχουμε από
το μοντέλο που βλέπει μόνο τις εργάσιμες ημέρες. Παρατηρούμε επίσης κάτι αξιοπερίεργο ότι η
ακρίβεια στις προβλέψεις είναι μεγαλύτερη κατά την χρονική περίοδο που το μοντέλο εκπαιδεύεται
και όχι κατόπιν όπου το μοντέλο είναι εκπαιδευμένο. Φυσιολογικά θα περιμέναμε το αντίθετο δηλαδή
στην φάση validation η προβλέψεις να είναι ποιο ακριβείς απο την φάση testing αφοί το μοντέλο
έχει εκπαιδευτεί, μάθει. Η διαφορά αυτή μπορεί εν μέρη να εξηγηθεί από το γεγονός ότι η χρονική
περίοδος εκπαίδευσης και αξιόλογης δεν είναι ιδια .H εκπαίδευση αφορά τους μήνες Αύγουστο
έως τον Δεκέμβριο ενώ η φάση αξιολόγησης τους μήνες Ιανουάριο έως Μάρτιο .Οι συνθήκες
εκπαίδευσης καλοκαίρι και φθινόπωρο είναι αρκετές διαφορετικές από αυτές της αξιολόγησης
χειμώνας .Σκόπιμο θα ήταν οι χρονικές περίοδοι εκπαίδευσής και αξιολόγησης συμπίπτουν διότι ο
τρόπος κατανάλωσης ενεργείας διαφέρει καθώς επίσης και ο τρόπος εναλλαγής των καιρικών
φαινομένων.
Το επόμενο βήμα έρευνας ήταν να αυξηθεί η πολυπλοκότητα του Νευρωνικου δικτύου
χρησιμοποιώντας την εξωτερική θερμοκρασία (°C), τη σχετική υγρασία Urel (%), την παγκόσμια ηλιακή
ακτινοβολία Rglo (W/m2) και τη διάχυτη ηλιακή ακτινοβολία Rdif (W/m2) ως επιπρόσθετους
παραμέτρους εισόδου. Χρησιμοποιήθηκαν οι ημερήσιες μέσες τιμές για τα δεδομένα καιρού αντί για
τις μέγιστες/ελάχιστες τιμές που χρησιμοποιήθηκαν στο πρώτο μοντέλο. Στον πίνακα 3 βλεπουμε τα
αντίστοιχα αποτελέσματα αξιολόγησής για το ποιο σύνθετο μοντέλο νευρώνων .

17. Σελίδα 17 από 24
Πίνακας 3:Αποτελέσματα αξιολόγησης τριών ΑΝΝ στην πρόβλεψη κατανάλωσης
ενεργείας με κριτήριο μετεωρολογικά δεδομένα [18] .
Παρατηρούμε , και ήταν αναμενόμενο , πως η ακρίβεια έχει βελτιωθεί όχι όμως δραματικά όπως
θα περιμεναμς. Στην περίπτωση μάλιστα των εργάσιμων ημέρων στην περίοδο εκπαίδευσης
παρατηρούμε χειρότερη επίδοση. Ο Λόγος που παρουσιάζεται αυτή η πτώση της απόδοσης μπορεί
να εξηγηθεί εάν εξετάσουμε τον πίνακα 3 .Ο πίνακας 3 δείχνει πως επηρεάζεται η πρόβλεψη του
νευρωνικο δίκτυο από την αβεβαιότητα των μετρήσεων. Ποιο συγκεκριμένα +, - 1 αβεβαιότητα στην
μέτρηση της θερμοκρασίας δίνει σφάλμα 2,3 % στη πρόβλεψη. Ας σκεφτούμε ότι υπάρχουν 3
αισθητήρια και ότι τα σφάλματα στην έξοδο είναι αθροιστικά τότε ίσως δικαιολογηθεί αυτήν η μικρή
αύξηση στην απόδοση. Αντίστοιχες μετρήσεις στην ιδια ερευνά έδειξαν ότι τα σφάλματα μέτρησης
δεν επηρεάζουν τόσο το παραδοσιακό μοντέλο Energy plug. Η γριά μετρολογία μας εκδικήθηκε εάν
δεν είσαι σίγουρος για αυτό που μετράς καλυτέρα να μην το ξέρει η τεχνητή νοημοσύνη
Πίνακας 4 : Ανάλυση ευαισθησίας αποτελεσμάτων πρόβλεψης ενεργειακής
κατανάλωσης σε σχέση με σφάλματα των αισθητήρων εισόδου σε ένα ΑΝΝ [18]
3.4 Πλεονεκτήματα της χρήσης της τεχνητής νοημοσύνης στο Διαδίκτυο της ενέργειας
Απο την παραπάνω ερευνά που παρουσιάσαμε φαίνεται έκδηλα το πλεονεκτήματα της χρήσης
της τεχνητής νοημοσύνης σε σχέση με τις παραδοσιακές στατιστικές μεθόδους .Η πρόβλεψη της
ενεργειακής κατανάλωσης είναι το ιερό δισκοπότηρο στην σχεδίαση ενός συγχρόνου έξυπνου δικτύου
διανομής ενέργειας και στο χρηματιστήριο της ενέργειας .
Επιγραμματικά τα μειονεκτήματά των σημερινών μέθοδών πρόβλεψης συνοψίζονται:
• Μικρή ακρίβεια προβλέψεων σε σχέση τα νέα Νευρωνικά μοντέλα ( βλέπε )
• Ευαισθησία σε ακραίες τιμές δεδομένων εισόδου οι οποίες είναι όμως πολύ
συνηθισμένες στα μετρικά πεδία της ενεργείας λόγω σφαλμάτων των μετρητικών
διατάξεων
• Πιθανή χρηση μη κατάλληλων δεδομένων εισόδου η οποία συμβαίνει λόγω κακής
ανθρώπινης εκτίμησης.
• Αυξημένη ανθρώπινη διαδράση με το σύστημα πρόβλεψης και αρα υποκειμενικότητα
στα αποτελέσματα.
• Χρονοβόρα διαδικασια υπολογισμού.
Από την άλλη όχθη του μέλλοντος τα συστήματα ANN παρουσιάζουν:
• Απλή κατασκευή , εύκολη και γρήγορη υλοποίηση με μονή απαίτηση την μεγάλη
επεξεργαστική ισχύ του υπολογιστικού συστήματος
• Μεγάλη ακρίβεια και εξαιρετικές αποδόσεις σε προβλήματα χρονικών σειρών όπως
αυτή της πρόβλεψης. Ειδικά με την χρηστών των επαναλαμβανομένων νευρωνικων
δικτυών ( CNNs Recurrent neural network ) τα οποία είναι σχεδιασμένα για επεξεργασια
τέτοιου είδους δεδομένων π.χ θερμοκρασία στον χρόνο
• Γρήγοροι και ακριβής υπολογισμοί .

18. Σελίδα 18 από 24
• Εκμάθηση μοτίβων σε σχέση με ιστορικά δεδομένα κατανάλωσης.
• Αναγνώριση και βελτιστοποίησή των σφαλμάτων.
• Αποτελεσματική επιλογή χαρακτηριστικών εισόδου για την βελτίωση της απόδοσης.
Μπορεί να αποφασίσει ποιο δεδομένο εισόδου είναι σημαντικό και ποιο όχι.
• Ικανότητα διαχείρισης μη γραμμικών δεδομένων όπως και διαχωρισμού σήματος από
τον προσθετό θόρυβο.
• Μειωμένη ανθρώπινη παρέμβαση στην ανάλυση των δεδομένων και αρα στην εξόδου
του μοντέλου την πρόβλεψη της ενεργειακής κατανάλωσης . Πλήρης αυτοματοποιημένη
διαδικασια.

19. Σελίδα 19 από 24
4 ΕΞΥΠΝΟΣ ΜΕΤΡΗΤΗΣ ΕΝΕΡΓΙΑΣ POWR3 - ΛΟΓΙΣΜΙΚΟ EWELINK
4.1 Έξυπνοι μετρητές
Στο κεφάλαιο αυτό θα κανουμε μια περιγραφη της μονάδας Sοn_off Powr3.O λόγος που
παρουσιάζουμε την συσκευή αυτή είναι για να δείξουμε στην πράξη πλέον όσα αναφέραμε κυρίως
στην εισαγωγή για την ενσωμάτωση έξυπνων συσκευών στα γερασμένα δίκτυα μας. Θα
προσπαθήσουμε να παρουσιάσουμε την μονάδα με λεπτομέρεια ώστε κάποιος να μπορεί να
χρησιμοποιήσει την εργασία αυτή σαν αναφορά. Θα προσπαθήσουμε να αναδείξουμε τα
χαρακτηριστικά και τις δυνατότητες που προκύπτουν από την ενσωμάτωση αυτής της συσκευής στο
σπίτι μας. Τροποποιώντας την υπάρχουσα ηλεκτρική εγκατάσταση με μικρό κόστος και σε σχετικά
λίγο χρόνο μπορούμε να μετατρέψουμε την παλιά εγκατάσταση σε ευφυή .Ας ελπίσουμε ότι θα
δώσουμε ένα έναυσμα στους νέους μηχανικούς για άμεσα οικονομικά έσοδα. Η τοποθέτηση μπορεί
να γίνει είτε μέσα στον πίνακα διανομής είτε εξωτερικά .
Στην εικόνα 6 βλεπουμε την συσκευή POWR3 της εταιρίας Son Off [20].H τιμη του κυμαίνεται
γύρω στα 40 ευρώ [21].
Eικονα 11: Power Metering Wi-Fi Smart Switch
Το Powr_3 είναι ένας έξυπνος μετρητής ενέργειας. Η συσκευή έχει μεγάλο εύρος λειτουργίας ως
αναφορά την τάση δικτύου που επιβλέπει .Μπορεί να τοποθετηθεί τόσο σε ευρωπαϊκά δίκτυα 230
V/50 Hz οσο και σε δικτυα αμερικάνικων προδιαγραφών με τάση λειτουργίας 120 V/60 Hz.
Τοποθετείτε στην αρχή των καταναλώσεων και το μέγιστο ρεύμα λειτουργίας είναι τα 25 Α .Να
υπενθυμίσουμε ότι μια κοινή οικιακή παροχή στην Ελλάδα έχει μέγιστο ρεύμα λειτουργίας 40 Α. Αρα
τοποθετώντας 2 τέτοιες συσκευές μπορούμε να καλύψουμε ένα συνηθισμένο σπίτι στο Ελαντά. Η
συσκευή συνδέεται στο τοπικό δίκτυο WIFI του σπιτιού .Το πρότυπο του Wi-Fi που ακολουθεί είναι
το IEEE 802.11 b/g/n 2.4 Hz .Ο τρόπος σύνδεσης της συσκευής με το δίκτυο Wi-Fi είναι εύκολος και
γίνεται με την διαδικασια quick pairing που περιγράφεται στο εγχειρίδιο χρήσης [21]. Στην εικόνα 7
φαίνεται με λεπτομέρεια ο τρόπος ηλεκτρικής σύνδεσης γαλάζιο ο ουδέτερος και Lin η φάση από την
κεντρική παροχή .Στην κλεμα Lout συνδέονται οι αναχωρήσεις που λέει και οι προσφιλής τάξη των
ηλεκτρολόγων.
Εικόνα 7:Τρόπος σύνδεσης του POWR3 [21]

20. Σελίδα 20 από 24
Ας κανουμε ένα πιθανό σενάριο για να δούμε την χρησιμότητα του POWR3 .Φεύγουμε το
Σεπτέμβριο από το εξοχικό μας στην Χαλκιδική και ξεχνάμε και το θερμοσίφωνα ανοικτό. Στην
καλύτερη περίπτωση όταν θα επιστρέψουμε τον Μάιο θα έχουμε έναν χαλασμένο θερμοσίφωνα και
ένα αβάσταχτο λογαριασμό ρεύματος. Η λύση είναι η τοποθέτηση της εύλογο συσκευής .Με το
POWR3 βλεπουμε μέσω κατάλληλης εφαρμογής στο smart phone την τρέχουσα κατανάλωση
ρεύματος στο σπίτι και έτσι μπορούμε διακόψουμε την παροχή ρεύματος με το πάτημα ενός
κουμπιού αν κάτι πάει στραβά . Έτσι γλυτώνουμε από άσκοπα έξοδα και την ταλαιπωρία
αντικατάστασης του θερμοσίφωνα .Εννοείτε ότι για να βλεπουμε τις on line μετρήσεις της
κατανάλωσης και για να έχουμε πρόσβαση στις λειτουργίες της εφαρμογής θα πρέπει να έχουμε
σύνδεση με το διαδίκτυο στα Smart phone μας .
4.2 Λογισμικο διαδρασης eWeLink.
Το POWR3 συνεργάζεται με την εφαρμογή eWeLink [22] η οποία είναι διαθέσιμη και σε συσκευές
android και σε ΙOS δωρεάν . Αφού κατεβάσουμε την εφαρμογή και κανουμε log in μπορούμε να
έχουμε τον έλεγχο της ηλεκτρικής εγκατάστασης .Στη εικόνα 8 βλεπουμε το περιβάλλον της διεπαφη
eWeLink
Εικόνα 8: Περιβάλλον εφαρμογής eWeLink για τον απομακρυσμένο έλεγχο ηλεκτρικής
εγκατάστασης
Όπως διακρίνεται και στην εικόνα 13 μπορούμε να βλεπουμε με λεπτομέρειες την κατανάλωση
των συνδεμένων φορτίων .Ποιο συγκεκριμένα την ένταση του ρεύματος , την τάση λειτουργίας καθώς
και την συνολική κατανάλωση. Η εφαρμογή κρατά τα δεδομένα κατανάλωσης για 100 ημέρες τα
οποία μπούμε να τα εξάγουμε σε αρχείο CSV για περαιτέρω επεξεργασια αν θέλουμε . Η εφαρμογή
συνεργάζεται με την εφαρμογή Alex Energy Dashboard με την οπια μπορούμε να έχουμε μια ποιο
εποπτική εικόνα της ενεργειακής κατανάλωσης στην οικία με στατιστικές αναλύσεις και επεξεργασια
για κάθε είδος κατανάλωσης .Έχοντας στην διάθεση την πλατφόρμα διαχείρισης είναι εύκολο να
εφαρμόσω μια πράσινη πολιτική στο σπίτι μου ή στην επιχείρηση μου. Στην περίπτωση που εχω
συνδεμένο σε κάθε είδους ηλεκτρικό φορτίο και ένα POWR3 μπορώ να ξέρω με λεπτομέρεια τι
πληρώνω για τον φωτισμό τι πληρώνω για την ψύξη κ.ο.κ . Στην εικόνα 9 βλεπουμε το περιβάλλον
της εφαρμογής Alexa Energy Dashboard [23]

21. Σελίδα 21 από 24
Εικόνα 9: Περιβάλλον εφαρμογής Alexa Energy Dashboard για την εποπτεία της
ενεργειακής κατανάλωσης σε ένα έξυπνο σπίτι
Να σημειώσουμε ότι η εφαρμογή eWeLink δίνει την δυνατότητα προστασίας από υπερένταση το
όριο το οποίο το καθορίζω εγώ επιπρόσθετα δίνεται η δυνατότητα να μοιράσουμε την εφαρμογή και
να δώσουμε τον έλεγχο του σπιτιού σε έναν άλλο μέλος της οικογένειάς ή του περιβάλλοντος της
επιχείρησης μας .Ας το επαναλάβουμε ότι όλα αυτά με 40 ευρώ ανά module κόστος υλικών.

22. Σελίδα 22 από 24
5 ΣΥΜΠΕΡΑΣΜΑΤΑ ΑΞΙΟΛΟΓΗΣΗ
Η εκπόνηση της εργασίας συνάντησε αρκετές δυσκολίες κυρίως στο κεφάλαιο οπού έγινε
αναφορά στηn τεχνητή νοημοσύνη Η μηχανική μάθηση και τα Νευρωνικά δίκτυα είναι καινούργια
σχετικά επιστημονικά πεδία με έννοιες δυσνόητες και ασαφής. Προσπαθήσαμε να αποσαφηνίσουμε
κάποιες από αυτές ώστε να γίνει καταληπτή η εργασία ακόμα και απο έναν αδαή .Η έννοιες του Energy
Ιnternet και του energy Router είναι εντελώς καινούργιες για την κατανόηση των εννοιών βοήθησαν
βασικές γνώσεις δικτύων και δρομολόγησης της κοινής πληροφορικής. Είναι πασιφανές ότι οι
ενεργειακές απαιτήσεις στον πλανήτη γη αυξάνονται μέρα με την ημέρα. Η Σπάταλη των ενεργειακών
πόρων πρέπει απαραίτητα να μειωθεί .Τα συστήματα τεχνητής νοημοσύνης μπορούν να βοηθήσουν
στην σωστή χρηση των ενεργειακών πόρων με την έξυπνη διαχείριση της ενέργειας .Βασική απαίτηση
των συστημάτων αυτών είναι η ολοκληρωμένη εκπαίδευση και η τροφοδοσία με ακριβή δεδομένα.
Βασικό ρολό στο στην δημιουργία ενός πράσινου δίκτυο ενέργειας παίζει η πρόβλεψη της ενεργειακής
κατανάλωσης όσο και η πρόβλεψη της παραγωγής ενέγγυας από τις ανανεώσιμες πηγές .Αν
υπάρχουν αξιόπιστες προβλέψεις και στα δυο πεδία τότε μπορεί να έχουμε μια ισορροπημένη
διαχείριση και διαμοιρασμό μεταξύ παραγωγής και κατανάλωσης . Μπορούμε με σιγουριά να πούμε
ότι Το διαδίκτυο της ενέργειας είναι ένα μέρος του θαυμαστού κόσμου του διαδικτύου των
πραγμάτων IoT . Η επανάσταση που έχει συντελεστεί στις τεχνολογίες επικοινωνίας, ειδικά όσον
αφορά το ίντερνετ, παρέχει τη δυνατότητα για πολύ καλύτερη εποπτεία και έλεγχο των συστημάτων
ηλεκτρικής ενέργειας καθιστώντας τη λειτουργία τους αποδοτικότερη, οικονομικότερη και
περισσότερο ευέλικτη. Είναι σχετικά εύκολο να μετατρέψουμε ένα παλιομοδίτικο σπίτι σε έξυπνο
κάνοντας χρηση ετοίμων εφαρμογών και συσκευών ..Ενα νέο χρηματιστηριακό [1] προϊόν γεννιέται
αυτό της ηλεκτρικής ενέργειας οι καταναλωτές μπορούν να επιλέξουν χωρίς μεσάζοντες κάνοντας
χρηση του blockchain [1] τον προμηθευτή ενέργειας ενώ αντίστοιχα οι παραγωγοί ανανεώσιμων
πηγών ενέργειας μπορούν μέσω του Διαδίκτυού της ενέργειας κάνοντας χρηστών των σύγχρονων
ενεργειακών δρομολογητών να αγοράζουν ενεργεία να την αποθηκεύουν και να την μεταπουλούν.
Το διεθνές on line trading της κιλοβατώρας μόλις έχει αρχίσει

23. Σελίδα 23 από 24
ΒΙΒΛΙΟΓΡΑΦΙΑ – ΑΝΑΦΟΡΕΣ
[1] M. Andoni, V. Robu, D. Flynn, S. Abram, D. Geach, D. Jenkins, P. McCallum και A. Peacock,
«Blockchain technology in the energy sector: A systematic review of challenges and opportunities,» pp. Renew. Sustain.
Energy Rev. 2019, 100, 143–174..
[2] B. Hong, W. Zhang, Y. Zhou, J. Chen, Y. Xiang και Y. Mu,
«Energy-Internet-oriented microgrid energy,» Appl. Energy 2018, 228, 2153–2164. [Ηλεκτρονικό].
Available: https://www.sciencedirect.com/science/article/abs/pii/S0306261918311139?via%3Dihub. [Πρόσβαση 2021].
[3] L. Tsoukalas, R. Gao και W. Lafayette, «Inventing An Energy Internet the Role of Anticipation in Human-Centered Energy
Distribution and Utilization,»
In Proceedings of the 2008 SICE Annual Conference,, p. pp. 399–403., 20–22 August 2008.
[4] W. Su και A. Huang,
«Proposing A Electricity Market Framework for The Energy Internet,»
In Proceedings of the IEEE Power and Energy Society General Meeting, Vancouver, BC, Canada, 21–25 July 2013; pp. 1–
5..
[5] K. Zhou, S. Yang και Z. Shao,
«Energy Internet: The business perspective,»
https://www.sciencedirect.com/science/article/abs/pii/S0306261916308273?via%3Dihub, pp. 178, 212–222., Appl. Energy
2016,.
[6] J. F. Eric Conrad, «What is the OSI Model?».
[7] A. J. a. P. Balachandra,
«Energy Internet, the Future Electricity System:Overview, Concept, Model Structure, and Mechanism,»
17 August 2020.
[8] H. H. Chuantong Hao Yuchao Qin,
«Energy “Routers”, “Computers” and “Protocols”,» Computer Science, Published 2020.
[9] «IοT angenda,» [Ηλεκτρονικό].
Available: https://internetofthingsagenda.techtarget.com/definition/Internet-of-Things-IoT.
[10] «wikipedia,» [Ηλεκτρονικό].
Available: https://en.wikipedia.org/wiki/Dijkstra%27s_algorithm.
[11] «Ο ΑΔΜΗΕ Α.Ε. (Ανεξάρτητος Διαχειριστής Μεταφοράς Ηλεκτρικής Ενέργειας),»
[Ηλεκτρονικό]. Available: https://www.admie.gr/systima/perigrafi/basika-stoixeia.
[12] F. B. R. B. J. C. A. R. S. S. Florin IOV1),
«https://www.semanticscholar.org/paper/Advanced-Power-Converter-for-Universal-and-Flexible-Iov-
Blaabjerg/9660c776e516a0ad57ed28622da06068a7aab505,» [Ηλεκτρονικό].
[13] E. c. (. -. P. 2.-4. E. -. C. l. i. i. p. f. l.-f. c. disturbances. [Ηλεκτρονικό].
Available: https://standards.iteh.ai/catalog/standards/clc/226f3427-34fb-447b-a73c-51ec3addbb45/en-61000-2-4-2002.
[Πρόσβαση 2021].
[14] A. I. M. U. f. P. i. t. E. Internet, «https://www.researchgate.net/publication/342249917_
Artificial_Intelligence_Models_Used_for_Prediction_in_the_Energy_Internet,» σε book:
Energy Internet (pp.321-352), CRISTINA HEGHEDOUS - CHUNMING RONG.
[15] B. Ahire, «datasciencecentral,» August 24,. [Ηλεκτρονικό].
Available: https://www.datasciencecentral.com/profiles/blogs/the-artificial-neural-networks-handbook-part-1.
[16] S. kalogirou, «Applications of artificial neural-networks for energy systems,» σε Applied Energy,
https://www.sciencedirect.com/science/article/pii/S0306261900000052?casa_token=8_