נושא הפרוייקט

מספר פרוייקט מחלקה שמות סטודנטים אימייל שמות מנחים

אלגוריתם העדפות לאיזון צריכת חשמל במבני מגורים לצמצום זיהום סביבתי

A preference algorithm for balancing electricity consumption in a residential buildings to reduce environmental pollution

תקציר בעיברית

ממשלת ישראל התחייבה תחת הסכם פריז לצמצם עד שנת 2030 את פליטות גזי החממה ב27%. אחת הסיבות המרכזיות לגידול בכמות הפליטות היא ייצור אנרגיה על כל צורותיה. כדי לפתור זאת, נכנסו לחיינו אנרגיות מתחדשות, אבל הטכנולוגיות אינן מייצרות פתרון מקצה לקצה. לכן, עולה צורך בפתרון עכשווי שיעזור להקטין את כמות הפליטות של תעשיית האנרגיה. הפרויקט שלנו הוא פרויקט מחקרי, המתמקד בשיטוח עקומת ייצור החשמל באמצעות Social choice של משתמשי הרשת. צמצום הפליטות מתאפשר מ"הזזת" ייצור האנרגיה בעומס השיא לזמן שפל, מאחר ובעומס השיא ניצולת ייצור החשמל היא הנמוכה ביותר. יצירת האלגוריתם יאפשר חלוקת זמני הפעלת מכשירי חשמל ביתיים עבור מבני מגורים, התייחסות למשתמשים כקבוצות וביצוע איזון בין כל העדפותיהם בתוך הקבוצה. הרעיון הוא ליצור פלטפורמה באמצעותה יוכלו המשתמשים לתעדף שימוש במכשירי חשמל בביתם בזמנים שונים, כאשר האלגוריתם רץ "ברקע" ומבצע חלוקה מיטבית על בסיס סכימת הקוט"ש (קילוואט-שעה) בזמן נתון, עם פגיעה מינימלית בנוחות המשתמשים. 

מתוך כלל הרעיון, בחרנו להתמקד בפיתוח האלגוריתם. על מנת לייצר ולבדוק אותו, תחילה היינו צריכות נתונים על בתי אב שונים, מכשירי החשמל והעדפות המשתמשים. החלטנו ביחד עם המנחה לייצר את הנתונים על פי התפלגויות סטטיסטיות מהלשכה המרכזית לסטטיסטיקה. על כן, ייצרנו אלגוריתם דגימה שמייצר לנו אפיון של בית אב ובתוכו את מס' הנפשות, סוגי מכשירים חשמל והעדפות לגבי שימוש גמיש יותר או פחות בכל מכשיר. בהמשך, הבנו שעל מנת להצליח לתזמן בין כלל ההעדפות ולשבץ את השימוש במכשירי החשמל לאורך היום, נצטרך לעבור על כל האופציות האפשריות כדי להגיע לאופטימום. בעקבות כך, הוכחנו שהבעיה היא
 NP-hardולכן נשתמש ביוריסטיקות אשר יקרבו אותנו לפתרון האופטימלי. 
האלגוריתם שנבחר לענות על הבעיה הוא Simulated annealing. האלגוריתם מתחיל בשיבוץ אקראי, ומזיז בכל פעם את אחד המכשירים מהזמן העמוס ביותר מבחינת קוט"ש. בחירת השיבוץ מתבצעת ע"י השוואה בין ערך פונ' המטרה של השיבוץ הקודם והנוכחי, ויבחר הפתרון המזערי יותר. אך, בהסתברות מסוימת, גם אם ערך פונ' המטרה "גרוע" יותר, נקבל את השיבוץ עם פונ' המטרה הגבוהה יותר, וכך נצמצם את הסיכון להיקלע לנק' קיצון מקומית. האלגוריתם רץ על השיבוצים האפשריים עד הגעה לאופטימום או עד זמן ריצה מוגדר.

יישמנו את אלגוריתם Simulated annealing והרצנו אותו עם הנתונים שקיבלנו מאלגוריתם הדגימה. בכדי לבדוק את טיב התוצאות, השווינו את התוצאות שקיבלנו לתוצאות של אלגוריתם נאיבי (אלגוריתם אשר משבץ בצורה אקראית את השימוש במכשירים בתוך אינטרוול הזמן המוקצה להם, כמו שימוש רגיל של צרכנים בחשמל הביתי). קיבלנו שיפור של פחות מאחוז אחד בתוצאות, ולכן פנינו לבדוק את טיב האלגוריתם שכתבנו לבעיה. תחילה, רצינו לבדוק כי התוצאות שאנו מקבלות באלגוריתם שייצרנו טובות יותר מהנאיבי, וראינו כי גם עבור עשרות הרצות שונות, האלגוריתם שלנו מקבל ב-96% מהמקרים ערך פונקציית מטרה נמוך יותר, כאשר המטרה היא מזעור פונ' המטרה. לאחר מכן, בדקנו בעיה נוספת אשר יכולה להיות והיא כמות המכשירים הגמישים, כלומר, כמות המכשירים שהמשתמשים יסכימו להיות גמישים לגבי השימוש לאורך היום. ראינו, כי כאשר כמות המכשירים הגמישים עולה, כך גם עולה אחוז החיסכון. לכן, אחת המסקנות שלנו היא כי אם יהיה תמריץ (כלכלי או חברתי) למשתמשים להיות גמישים יותר, כך גם יעלה החיסכון בעלות ופליטות לאטמוספירה. 
לסיכום, הצלחנו לייצר אלגוריתם אשר מצליח לצמצם את העלות ופליטות הפחמן מאשר המצב הקיים. הצלחנו להראות כי שימוש באלגוריתם תוך התייחסות לצד הלקוח (הצרכנים הפרטיים) יביא לחיסכון, ובתוספת תמריצים מגופים ציבוריים או ממשלתיים אפשר אפילו להגדיל את החיסכון.

תקציר באנגלית