استفاده از قیمت‌گذاری و اتوماسیون برای کاهش تقاضای برق

پراوین کی کوپال، استاد مدیریت شرکت‌های سیگنال، یک متخصص برجسته در تجزیه و تحلیل قیمت و بازاریابی است. در دو مقاله اخیرش، او بررسی می‌کند که چگونه یک استراتژی قیمت‌گذاری پویا، همراه با اتوماسیون لوازم خانگی، می‌تواند تقاضای برق را در ساعات اوج مصرف کاهش دهد و بخشی از این تقاضا را به ساعات غیر اوج مصرف تغییر دهد. هدف کلی آن این است که تا حد زیادی انتشار گازهای گلخانه‌ای از تولید برق را کاهش دهد.

اولین مقاله کوپال در این مجموعه «شواهد تجربی میدانی در مورد تاثیر قیمت‌گذاری بر صرفه‌جویی در مصرف برق مسکونی» است. در یک آزمایش میدانی دو‌ساله، ۲۸۰ خانوار تگزاس را تجزیه و تحلیل کردند که در آن خانواده‌هایی که در شرایط بررسی بودند، از قبل در مورد یک دوره اوج بحرانی که قیمت برق به دلیل دمای بالا و تقاضای زیاد برای تهویه مطبوع افزایش می‌یابد، مطلع شدند. در پاسخ به این شرایط، خانوارها مصرف برق خود را ۱۴ درصد و انتشار گازهای گلخانه‌ای را تا ۱۶ درصد در ۲۷ روز از گرم‌ترین روزها طی دو تابستان کاهش دادند. از آنجا که این خانه‌ها مجهز به کنتور برق هوشمند بودند، شاهد این بودیم که ۷۴ درصد از کاهش در اوج شرایط بحرانی، ناشی از کاهش استفاده از تهویه مطبوع است.

در یک برنامه آزمایشی جداگانه، مصرف‌کنندگان به کاهش قیمت برق شبانه با تغییر زمان شارژ وسیله نقلیه الکتریکی خود به شب پاسخ دادند، یعنی زمانی که تقاضای برق کمترین و تولید برق بادی در بالاترین سطح خود است. کوپال و همکارانش پیشنهاد می‌کنند که ابزارهای قیمت‌گذاری پویا را می‌توان به لوازم خانگی و خودروهای الکتریکی مرتبط کرد، بنابراین آنها به طور خودکار مصرف برق خود را در زمان‌های اوج مصرف کاهش می‌دهند و مقداری از استفاده را به ساعات غیر اوج مصرف تغییر می‌دهند.

کوپال در مقاله دوم خود بر این یافته‌ها کماکان تاکید می‌کند. در ارائه انرژی پاک مقرون‌به‌صرفه به مصرف‌کنندگان، محققان یک چارچوب بازاریابی‌محور را ایجاد می‌کنند که راه‌حلی در سطح سیستم موردنظر برای پذیرش انرژی پاک توسط مصرف‌کنندگان ارائه می‌دهد. به طور خاص، آنها بررسی می‌کنند که چگونه باید از اصول بازاریابی و اتوماسیون استفاده کنند تا نه‌تنها مصرف‌کنندگان را به خرید انرژی پاک ترغیب کنند، بلکه نیاز به تولید برق مبتنی بر سوخت فسیلی را برای از بین بردن شکاف‌های اجتناب‌ناپذیر در تولید انرژی‌های تجدیدپذیر، کاهش دهند.

نویسندگان از متغیرهای آمیخته بازاریابی از قبیل قیمت، محصول، مکان و تبلیغات، برای درک بهتر انگیزه‌ها و موانع مصرف‌کنندگان نسبت به انرژی پاک استفاده می‌کنند. آنها این متغیرها را در نظرسنجی مصرف‌کننده، آزمایش میدانی و شبیه‌سازی کربن‌زدایی بررسی کردند. آزمایش میدانی آنها، تاثیر مثبت استراتژی قیمت‌گذاری برق در اوج شرایط بحرانی را تایید کرد و عنصری از اتوماسیون را با استفاده از ترموستات‌های هوشمند NEST  به آن اضافه کرد. این نوع از ترموستات‌های هوشمند به دلیل سطح بالای هوش مصنوعی که در آن به کار رفته است قادر به یادگیری رفتار ساکنان است. با یادگیری عادت‌ها و رفتارهای کاربرانش می‌تواند دما را در هر لحظه از شبانه‌روز و مناسب شرایط افراد خانه تنظیم کند.

این مطالعه نشان داد که مصرف‌کنندگان مایلند تفاوت قیمت کمی‌ را برای یک راه‌حل اتوماسیون به عهده بگیرند و شبیه‌سازی کربن‌زدایی در این بررسی نشان داد که قیمت‌گذاری پویا، همراه با اتوماسیون، می‌تواند تقاضای ظرفیت برق را تا ۵۳ درصد کاهش دهد. این به نوبه خود به این معنی است که هزینه‌های ذخیره‌سازی انرژی (یعنی باتری‌ها) می‌تواند به طور بالقوه توسط شهرداری‌های محلی و ایالت‌هایی که به سمت یک محیط صد درصد بدون کربن حرکت می‌کنند، جذب شود.

استفاده از بهینه‌سازی برای تصمیم‌گیری اینکه کدام نیروگاه را روشن کنیم

ظهور منابع انرژی تجدیدپذیر مانند باد و انرژی خورشیدی برای کاهش وابستگی ما به سوخت‌های فسیلی و کاهش انتشار گازهای گلخانه‌ای فوق‌العاده بوده است. اما با توجه به خصوصیت تجدیدپذیرها، دانستن اینکه شرکت‌ها کدام یک از نیروگاه‌های برق تجدیدناپذیر خود را در هر روز استفاده کنند کار را دشوار می‌سازد. در یک روز آفتابی متوسط، پنل‌های خورشیدی انرژی قابل توجهی را از اواخر صبح تا اواخر بعد از ظهر به شبکه ارسال می‌کنند و در این مدت، نیاز به نیروگاه‌های مبتنی بر سوخت فسیلی کاهش می‌یابد. با این حال، اگر یک توفان و رعد و برق به راه بیفتد و نور خورشید متوقف شود، نیروگاه‌های سنتی برای تامین بار پایه برق بسیار مهم‌تر می‌شوند.

این مدل پس از آزمایش سناریوهای تقاضای گذشته و تغییر آن سناریوها برای آینده‌ای که ممکن است حاوی مالیات کربن باشد، نسبت به رویه فعلی دوک انرژی پیشرفت قابل توجهی را نشان داد. اسمیت می‌گوید: به طور متوسط، راندمان رویه فعلی در شرکت‌هایی مانند Duke  تقریبا ۲.۸ درصد کمتر از حد مطلوب است. در حالی که در دنیای آینده با وجود مالیات کربن، آنها ۶ درصد کمتر از حد بهینه خواهند بود و بدون مالیات کربن بالغ بر ۸ درصد کمتر از حد مطلوب هستند.