UNIVERZITET U BEOGRADU

ELEKTROTEHNICKI FAKULTET

Primena fuzzy logike u projektovanju obnovljivih

izvora energije

Seminarski rad

PREDMET:Primjena programskih alata u elektroenergetici

PROFESOR: Zlatan Stojkovic
KANDIDAT: Duan Corlija, 5008/2015

20. februar 2016

 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Sadraj

1 UVOD 5

2 TEORIJSKI PREGLED FUZZY LOGIKE 6

2.1 Osnovne definicije[3] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3 IZRADA APLIKACIJA 12

4 PRIMJER PRIMJENE 18
4.1 Primjena fuzzy logike u dimenzionisanju nezavisnih PV sistema 18
4.2 Primjena fuzzy logike u predikciji vjerovatnoce ugradnje mreno-
povezanih PV sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

5 ZAKLJUCAK 34

6 LITERATURA 35

D. Corlija 2
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Slike
1 Funkcija pripadnosti skupa B . . . . . . . . . . . . . . . . . . . . . . . 8
2 Funkcija pripadnosti komplementa skupa A . . . . . . . . . . . . . 8
3 Funkcija pripadnosti presjeka skupova A i B . . . . . . . . . . . . . 8
4 Funkcija pripadnosti unije skupova A i B . . . . . . . . . . . . . . . 9
5 Funkcije pripadnosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6 Izgled FIS editora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
7 Izgled MF editora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
8 Izgled prozora Rule Viewer . . . . . . . . . . . . . . . . . . . . . . . . 16
9 Izgled prozora Surface Viewer . . . . . . . . . . . . . . . . . . . . . . 17
10 Opis sistema za dimenzionisanje . . . . . . . . . . . . . . . . . . . . . 18
11 Funkcija pripadnosti iradijacije . . . . . . . . . . . . . . . . . . . . . . 20
12 Funkcija pripadnosti potronje . . . . . . . . . . . . . . . . . . . . . . 20
13 Funkcija pripadnosti povrine panela . . . . . . . . . . . . . . . . . . 20
14 Funkcija pripadnosti kapaciteta baterija . . . . . . . . . . . . . . . . 21
15 Lista pravila [5] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
16 Vrijednost ulaznih promjenljivih pri est razlicitih testova . . . . 22
17 Uporedni rezultati klasicnog i fuzzy proracuna izlaznih promjen-
ljivih . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
18 Zavisnost povrine panela od potronje i insolacije . . . . . . . . . 24
19 Zavisnost kapaciteta baterija od potronje i insolacije . . . . . . . . 24
20 Isplativost PV sistema po korisnicima i potencijalnim korisnicima 25
21 Cijena odravanja PV sistema po korisnicima i potencijalnim ko-
risnicima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
22 Uticaj PV sistema na okolinu po korisnicima i potencijalnim ko-
risnicima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
23 Logicki model za analizu vjerovatnoce ugradnje PV sistema . . . 29
24 Sistem modelovan u Matlabu . . . . . . . . . . . . . . . . . . . . . . . 30
25 Funkcija pripadnosti ulaznih promjenljivih . . . . . . . . . . . . . . 30
26 Sistem modelovan u Matlabu . . . . . . . . . . . . . . . . . . . . . . . 30
27 Gustina raspodjele vjerovatnoce ugradnje PV sistema . . . . . . . 32
28 Zavisnost vjerovatnoce ugradnje od tri promjenljive . . . . . . . . 33

D. Corlija 3
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Tabele
1 Statisticke vrijednosti percepcijskih promjenljivih . . . . . . . . . . 26
2 Pitanja relevantna za percepcijske promjenljive i objanjenje ska-
liranja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3 Efekti percepcijskih promjenljivih na donoenje odluke o ugradnji 28
4 Fuzzy logicka pravila zakljucivanja . . . . . . . . . . . . . . . . . . . . 31

D. Corlija 4
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

1 UVOD

U ovom radu u prvom dijelu je dat osvrt na teorijske osnove fuzzy logike.
Nadalje je detaljno opisan Fuzzy Logic Toolbox koji je koriten u izradi aplika-
cija pri primjeni fuzzy logike u rjeavanju problema vezanih za obnovljive izvore
energije.
U narednom dijelu je opisan metod za dimenzionisanje solarnih panela i bate-
rija kod autonomnih fotonaponskih sistema. Metod se sastoji od sistema zasno-
vanog na fuzzy logici koji za ulazne podatke uzima srednju dnevnu vrijednost
potronje i dnevnu insolaciju na mjesecnom nivou, dok su povrina solarnih pa-
nela i kapacitet baterija izlazni podaci. Simulacija je vrena u programu Matlab.
Validnost modela je provjerena poredenjem izlaznih vrijednosti sa onim dobije-
nim na osnovu klasicnog proracuna.
Naredni dio rada je posvecen faktorima koji uticu na prihvatanje novih tehno-
logija obnovljivih izvora energije. Shvatanje i stavovi potroaca igraju presudnu
ulogu u irenju distribuiranih izvora energije, pogotovo onih na solarnu ener-
giju. Cilj je da se istrai uloga razlicitih faktora koji uticu na formiranje miljenja
potroaca o fotonaponskim sistemima. U tu svrhu je sprovedena anketa u vezi
ocekivanja potencijalnih korisnika o vrijednosti cijene fotonaponskih sistema,
potrebnoj ucestalosti odravanja i uticaja na prirodnu sredinu. Radi procjene
vjerovatnoce instalacije ovih sistema, razvijen je fuzzy logicki model koji je kao
ulazne velicine koristio percepcijske promjenljive (cijenu, odravanje i uticaj na
okolinu) a kao izlaz vjerovatnocu instalacije. Model je testiran koritenjem po-
dataka prikupljenih u istraivanju domacinstava u Arizoni u Sjedinjenim Ame-
rickim Dravama[8]. Kvantitativni rezultati modela ukazuju na ulogu svake od
percepcijskih promjenljivih na ugradnju mreno-povezanih PV sistema. Do sada
je veliki naglasak bio na tome da je presudni uticaj upravo cijena fotonaponskih
sistema, medutim, kako je pokazano u nastavku, i drugi faktori poput ucestalosti
odravanja i uticaja na ivotnu sredinu takode imaju zacajan uticaj.

D. Corlija 5
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

2 TEORIJSKI PREGLED FUZZY LOGIKE

Prvi rad posvecen fuzzy skupovima objavio je 1965. godine u Sjedinjenim

Americkim Dravama profesor Lotfi Zadeh (roden 1921). Fuzzy logika pred-
stavlja skup matematickih principa za reprezentaciju znanja, koje se bazira na
stepenu pripadnosti.
Za razliku od slucajeva u kojima se raspolae veoma preciznim ulaznim poda-
cima, mnogo cece se deava da u tom pogledu postoji neizvijesnost, tj. da se ne
posjeduju dovoljno precizni ulazni podaci. Ovo je karakteristika mnogih socijal-
nih, tehnickih i ekonomskih sistema. Najcece se lice odgovorno za donoenje
odluka prilikom procesa odlucivanja ili problema koristi iskustvom, intuicijom i
subjektivnom ocjenom nekih parametara. Zadaci ovog tipa su vrlo cesto previe
sloeni za kvantitativno razumijevanje, dok ljudi uspijevaju da ih rijee koristeci
znanje koje je prije neprecizno nego precizno. Zbog toga se javila potreba za ko-
ricenjem matematickih metoda, koje mogu da na zadovoljavajuci nacin tretiraju
neizvijesnost, neodredenost i subjektivnost.
Profesor Zadeh je pokazao da ljudsko rasudivanje ne moe biti pojednosta-
vljeno u smislu diskretnih simbola i brojeva, vec u obliku fazi skupova[3].

2.1 Osnovne definicije[3]

Za klasican skup A je pripadanje nekog elementa x odredeno funkcijom pri-

padnosti A(x) na sljedeci nacin:

1, ako i samo ako x pripada A,
A(x) = (2.1)
0, ako i samo ako x ne pripada A.

U slucaju rasplinutih, tj. fuzzy skupova funkcija pripadnosti moe da uzme bilo
koju vrijednost iz intervala [0, 1].

Definicija 1 Fazi skup A se definie kao skup uredenih parova A = {x, A(x)}, pri
cemu je A(x) stepen pripadnosti elementa x skupu A.

Ukoliko je A(x) vece, toliko ima vie istine u tvrdenju da element x pripada
skupu A.
Skup X = {x1 , x2 , . . . , xn } sa konacnim brojem elemenata xi , i = 1, 2, ..., n

D. Corlija 6
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

takode moe da se prikae i u obliku:

n
X
X = x1 + x2 + + xn = xi (2.2)
i=1

pri cemu znak + oznacava uniju elemenata.

Fuzzy skup A definisan na ovakvom skupu X se najcece prikazuje u sljedecem
obliku:
A(x1 ) A(x2 ) A(xn ) X n
A(xi )
A= + + + = (2.3)
x1 x2 xn i=1 xi

Onda kada X nije konacan skup, odnosno kada je kontinualan, a ne diskretan,

fuzzy skup A definisan na takvom skupu izraava se kao:

A(xi )
Zn
A= (2.4)
i=1 xi

Definicija 2 Za fuzzy skup A se smatra da je prazan ako i samo ako vai:

A(x) = 0, x X (2.5)

Definicija 3 Pozitivna vrijednost kojom se karakterie stepen pripadnosti clana x

fuzzy skupu X se naziva funkcijom pripadnosti.

Funkcija pripadnosti mora uvijek da zadovoljava sljedecu nejednakost:

0 A(x) 1, x X (2.6)

Neka je na primjer fuzzy skupom B oznacen vremenski period od petnaestak

minuta za koji je subjektivno odredena funkcjia pripadnosti kojom se ocjenjuje
da se posmatrani vremenski period nalazi u granicama od 12 do 18 minuta. Ova
funkcija pripadnosi je data na slici 1. Ona je mogla da ima i sasvim drugaciji
oblik, ali se linearne funkcije najcece koriste radi ubrzanih proracuna.

Definicija 4 Fuzzy skup A je podskup fuzzy skupa B ako i samo ako je ispunjen
uslov A(x) B (x) za sve elemente x iz skupa X nad kojim su fuzzy skupovi A i
B definisani.

Definicija 5 Pod komplementom fuzzy skupa A podrazumijeva se fuzzy skup A cija

se funkcija pripadnosti izracunava kao:

A(x) = 1 A(x) (2.7)

D. Corlija 7
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

A(x)

min
0 12 15 18

Slika 1: Funkcija pripadnosti skupa B

A(x)
1
A(x)
x
0

Slika 2: Funkcija pripadnosti komplementa skupa A

Funkcije pripadnosi proizvoljong fuzzy skupa A i njegovog komplementa su pri-

kazane na slici 2. Komplementiranjem komplementa fazi skupa se dobija on sam.

Definicija 6 Presjek fuzzy skupova A i B se oznacava kao A B i definie se kao

nejveci fuzzy skup koji je istovremeno sadran u skupovima A i B.

Presjek odgovara logickoj operaciji i. Funkcija pripadnosti AB presjeka

A B definie se na sljedeci nacin:
AB = min [A(x), B (x)] = A(x) B (x) (2.8)
i prikazana je, zajedno sa funkcijama pripadnosti skupova A i B na slici 3.

Definicija 7 Unija fuzzy skupova A i B se oznacava kao A B i definie se kao

A(x) B (x)
1

x
0

Slika 3: Funkcija pripadnosti presjeka skupova A i B

D. Corlija 8
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

A(x) B (x)
1

x
0

Slika 4: Funkcija pripadnosti unije skupova A i B

najveci fuzzy skup koji istovremeno sadri skupove A i B.

Presjek odgovara logickoj operaciji ili. Funkcija pripadnosti AB presjeka

A B definie se na sljedeci nacin:

AB = max [A(x), B (x)] = A(x) B (x) (2.9)

i prikazana je, zajedno sa funkcijama pripadnosti skupova A i B na slici 4.

Definicija 8 Za dva fuzzy skupa A i B definisana na skupu X se moe reci da su

jednaki ako i samo ako je A(x) = B (x) za sve elemente skupa X .

Za fuzzy skupove vae DeMorgan-ovi zakoni isto kao kod klasicnih skupova:

A B = A B (2.10)
A B = A B (2.11)

Definicija 9 Za razliku od klasicnih skupova gdje se kardinalnost dobija kao broj

elemenata koje on sadri kardinalnost fuzzy skupova se dobija kao suma stepena
pripadnosti:
cardA = A(x1 ) + A(x2 ) + + A(xn ) (2.12)
gdje je sa n oznacen broj elemenata skupa X nad kojim je fuzzy skup A definisan.

Definicija 10 Pod visinom fuzzy skupa se podrazumijeva najveca vrijednost ste-

pena pripadnosti elemenata koji pripadaju skupu. Skup se naziva normalizovanim
ako je stepen pripadnosti bar jednog njegovog elementa jednak 1, odnosno ako mu
je visina 1.

Definicija 11 Fuzzy skup A je konveksan ako vai:

A(x1 + (1 )x2 )) A(x1 ) A(x2 ), x1 , x2 X , [0, 1] (2.13)

Definicija 12 Pod -presjekom (-nivoom) nekog fuzzy skupa A podrazumijeva se

klasican skup A koji se sastoji od onih elemenata ciji je stepen pirpadnosti fuzzy

D. Corlija 9
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

skupu A veci ili jednak , pri cemu je [0, 1]. To se na drugi nacin moe napisati
kao:
A = {x|A(x) } , x X (2.14)

Postoji i takozvani strogi -presjek koji se definie na sljedeci nacin:

A = {x|A(x) > } , x X (2.15)

Pojam presjeka moe da se iskoristi za jo jednu definiciju konveksnosti fuzzy

skupa:

Definicija 13 Fuzzy skup je konveksan ako je svaki njegov presjek konveksan.

Definicija 14 Ako se sa A1 , A2 , . . . , An oznace fuzzy skupovi definisani respektivno

na skupovima X1 , X2 , . . . , Xn tada se Kartezijanski proizvod ovih fuzzy skupova
oznacava kao A1 A2 An . Funkcija pripadnosti Kartezijanskog proizvoda
fuzzy skupova se izracunava kao:
A1 A2 An (x1 , x2 , . . . , xn ) = A1 (x1 ) A2 (x2 ) An (xn ) (2.16)
Definicija 15 Pod fuzzy relacijom izmedu skupova X1 i X2 se podrazumijeva fuzzy
skup definisan na Kartezijanskom proizvodu X1 X2 pri cemu uredeni parovi (x1 , x2 ),
gdje je x1 X1 i x2 X2 , pripadaju fuzzy relaciji sa stepenom pripadnosti koji se na-
lazi na intervalu od 0 do 1.

Definicija 16 Za skupove X , Y i Z i relacije R1 (X , Y ) i R2 (Y, Z) se kompozicija

relacija R(X , Z) oznacava kao:
R(X , Z) = R1 (X , Y ) R2 (Y, Z) (2.17)
Kompozicija R(X , Y, Z) predstavlja podskup Kartezijanskog proizvoda X Z takav
da (x, z) R ako i samo ako postoji najmanje jedan element y Y takav da je
(x, y) R1 i (y, z) R2 .

U slucaju fuzzy relacija R1 i R2 koje su definisane na Kartezijanskim proizvodima

X Y i Y Z respektivno, najcece se koristi takozvna max-min kompozicija
kod koje se vrijednosti funkcije pripadnosti izracunavaju kao:

R1 R2 (x, z) = max min R1 (x, y), R2 (y, z) (2.18)
yY

Definicija 17 Za skupove X i Y , fuzzy skup A definisan na skupu X i funkciju f

koja preslikava skup X na skup Y princip proirenja glasi:
A(x1 ) A(x2 ) A(xn ) (x ) (x ) (x )
 
f (A) = f + + + = A 1 + A 1 + + A 1
x1 x2 xn f (x1 ) f (x1 ) f (x1 )
(2.19)

D. Corlija 10
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

A(x1 ) A(x1 ) (x )
pri cemu je naravno A = + + + A 1 .
x1 x1 x1

D. Corlija 11
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

3 IZRADA APLIKACIJA

U MATLAB-u je posebno napravljen Fuzzy Logic Toolbox za rad sa fazi si-

stemima zakljucivanja. Pomocu njega je moguce kreirati i upravljati ovim siste-
mima koristeci GUI (Grafic User Interface) ili funkcije komandne linije. Takode
je moguc rad i sa Simulink-om koji u kome je moguce sastavljanje i testiranje fazi
sistema u simulajcijskom okruenju blok dijagrama.
Fuzzy Logic Toolbox takode dozvoljava direktno pokretanje nezavisnih C
programa, to omogucava izdvojeni Fuzzy Inference Engine koji moe da raspo-
lae sa fazi sistemima prethodno sacuvanim pri radu u MATLAB-u. Moguce je
da se ovaj nezavisni Fuzzy Inference Engine prilagodi za gradnju fazi zakljuciva-
nja u samom kodu.[6]
Zbog prirodne povezanosti komponenti u MATLAB okruenju, moguce je
i dizajniranje sopstvenih alatki za prilagodavanje Fuzzy Logic Toolbox-a, kao i
sprezanje sa drugim toolbox-ima kao to su Control System Toolbox, Neural
Network Toolbox itd.
Funkcije pripadnosti - Funkcija pripadnosti nekog fazi skupa sama po sebi
moe da bude proizvljna kriva ciji oblik je moguce definisati kao funkciju koja
je najprikladnija sa stanovita jednostavnosti, pogodnosti, brzine i efikasnosti za
reavanje odredenog problema.
Fuzzy Logic Toolbox raspolae sa jedanaest ugradenih tipova za formiranje
funkcije pripadnosti. Od ovih je najjednostavnija trougaona funkcija pripadnosti
koja se zove trimf. Ona nije nita drugo do skupa od tri tacke koje povezivanjem
formiraju trougao. Trapezoidalna funkcija pripadnosti, trapmf, ima ravan, hori-
zontalan vrh i ustvari moe da se tretira kao trougao sa odsjecenim vrhom - zadaje
se kao skup od cetiri tacke. Ove pravolinijske funkcije pripadnosti najcece su u
upotrebi zbog svoje jednostavnosti.
Dvije funkcije pripadnosti formirane su na osnovu Gausove krive raspodjele:
jednostrana Gausova kriva i dvostrana konstrukcija dvije razlicite Gausove krive.
Ovim funkcijama su zadata imena: gaussmf i gauss2mf. Pored njih postoji i gene-
ralizovana zvonasta funkcija pripadnosti koja se zadaje preko tri parametra i nosi
ime gbellmf. Zvonasta funkcija pripadnosti ima jedan vie parametar od Gausove
funkcije pripadnosti, tako da moe pogodnije da prikae fazi skup, podeavanjem
slobodnog parametra.
Asimetricne i zatvorene funkcije pripadnosti (koje nisu otvorene ni na levoj ni
na desnoj strani) dobijaju se koricenjem dvije sigmoidalne funkcije. Uz osnovnu
sigmoidalnu funkciju pripadnosti, sigmf, tu su i razlika i proizvod dvije ovakve

D. Corlija 12
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

trapmf gbellmf trimf gaussmf gauss2mf smf

1
0.8
0.6
0.4
0.2
0
20 15 10 5 0 5 10 15 20

zmf psigmf dsigmf pimf sigmf

1
0.8
0.6
0.4
0.2
0
20 15 10 5 0 5 10 15 20

Slika 5: Funkcije pripadnosti

funkcije, dsigmf i psigmf, respektivno.

Postoje jo tri funkcije pripadnosti u Fuzzy Logic Toolbox-u, a koje su izve-
dene pomocu polinomijalnih krivih. To su z, s i pi krive (zmf, sigmf i pimf ). Sve
navedene krive su prikazane na slici 5.
Fazi sistemi zakljucivanja - U Fuzzy Logic Toolbox-u su, kao to je ranije vec
napomenuto, na raspolaganju dva fazi sistema zakljucivanja: Mamdani (Mam-
dani) i Sudeno (Sugeno).
Za formiranje, obradu i pregled fazi sistema zakljucivanja u Fuzzy LogicToolbox-
u, upotrebljavaju se sljedece alatke: Fuzzy Inference System (FIS) Editor, Mem-
bership Function Editor, Rule Editor, Rule Viewer i Surface Viewer. Oni su
dinamicki povezani, to znaci da sve promene ucinjene u jednom od njih imaju
efekte na sve ostale.
FIS Editor - Formiranje sistema se zapocinje u Fuzzy Inference System (FIS)
Editor - u, koji se moe pozvati iz komandne linije MATLAB-a koricem ko-
mande fuzzy. U njemu se barata sa najbitnijim pitanjima o sistemu: broju i
definisanju ulaznih i izlaznih promjenljivih i njihovih imena. Na slici 6 je dat
izgled FIS Editor prozora.

D. Corlija 13
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Slika 6: Izgled FIS editora

FIS Editor prikazuje informacije o fazi sistemu i to u gornjoj polovini pro-

zora u formi dijagrama sa blokovima i imenima ulaznih promjenljivih sa lijeve i
izlaznih sa desne strane. Dvostruki klik na bilo koji od blokova ulaznih ili izla-
znih promenljivih otvara Membership Function Editor, a dvostruki klik na blok
sistema otvara Rule Editor.
U donjoj polovini prozora, odmah ispod dijagrama fazi sistema, dato je ime
fazi sistema koje zadaje korisnik i tip fazi zakljucivanja. Da bi se promijenilo ime,
odabere se File iz trake s alatkama i klikne na Export > To Workspace. . .
U lijevom dijelu donje polovine prozora su dati padajuci meniji za izbor me-
toda kojima ce biti vrene and, or i operacije implikacije, te agregacija i defazi-
fikacija. Nove ulazne/izlazne promenljive ubacuju se na sledeci nacin: Edit >
Add Variable. . . > Input/Output.
U sljedecem koraku ce se svakoj pojedinacnoj promjenljivoj pridruiti od-
govarajuca funkcija pripadnosti posredstvom Membership Function Editor-a.
On se moe pokrenuti na neki od sljedecih nacina: dvostrukim klikom na neki
od blokova promjenljivih sa dijagrama u FIS Editor-u, putem komandi Edit >
Membership Functions . . . ili kucanjem komande mfedit u komandnoj liniji
MATLAB-a.
Membership Function Editor- Ovo je GUI alatka koja omogucava prikaz, za-
davanje i uredivanje funkcija pripadnosti svih promjenljivih iz cjelokupnog fazi
sistema formiranog putem FIS Editor-a.

D. Corlija 14
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Slika 7: Izgled MF editora

U gornjoj polovini prozora je s lijeve strane dat pregled svih promjenljivih,

koje se selektuju klikom na odgovarajuci blok, a s desne strane graficki prikaz
svih funkcija pripadnosti dodijeljenih selektovanoj promjenljivoj.
U donjoj polovini prozora su sa desne strane date glavne karakteristike se-
lektovane promenljive: ime, tip (ulazna ili izlazna) kao i opseg prikaza, koji se
po potrebi mogu mijenjati. Sa lijeve strane se nalaze opcije trenutno selektovane
funkcije pripadnosti i to: ime, tip funkcije pripadnosti i numericki parametri
kojima se ona oblikuje. Izgled Membership Functions Editor-a je dat na slici 7.
U Edit meniju na toolbar-u se nalaze sljedece komande za rad sa funkcijama
pripadnosti: Undo - za ponitavanje posljednje akcije, Add MFs - za dodavanje no-
vih funkcija pripadnosti za selektovanu promjenljivu (uz izbor broja i tipa funk-
cija za dodavanje), Add Custom MF - za dodavanje prethodno samostalno napra-
vljene funkcije pripadnosti, a sacuvane u workspace-u, Remove Selected MF -
za uklanjanje selektovane funkcije pripadnosti, Remove All MFs - za uklanjanje
svih funkcija ripadnosti selektovane promenljive, FIS Properties - za ukljuci-
vanje FIS Editor-a i Rules - za ukljucivanje Rule Editor-a.
Sada kada su zadate sve funkcije pripadnosti, moe se preci na zadavanje if -
then logickih pravila u Rule Editor-u, koji se moe pozvati, kao to je vec na-
pomenuto, preko Edit > Rules ili kucanjem komande ruleedit u komandnoj
liniji MATLAB-a.
Rule Editor - Konstruisanje pravila preko Rule Editor-a je vrlo jednostavno.

D. Corlija 15
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Slika 8: Izgled prozora Rule Viewer

Izgled prozora sa unijetim pravilima je prikazan na slici 15.

U gornjoj polovini prozora su navedena sva pravila, a u donjoj polovini su
odgovarajuci meniji sa funkcijama pripadnosti za svaku promjenljivu. U sva-
kom meniju je moguce odabrati none, kada promjenljiva ne ucestvuje u pravilu,
a moguce je oznaciti i not ispod menija da bi se izvrila logicka negacija. Ula-
zne promjenljive se mogu povezati sa or ili and operatorima. Kada je odabrana
odgovarajuca funkcija pripadnosti za svaku promenljivu, pravilo se zadaje kli-
kom na dugme Add rule. Takode je moguce prethodno zadati teini koefici-
jent pravila iz intervala [0, 1]. Brisanje i promena pravila vre se preko dugmadi
Delete rule i Change rule.
Ovime je fazi sistem zakljucivanja potpuno oformljen. Sada je moguce ko-
ristiti Rule Viewer i Surface Viewer, koji se mogu pozvati iz palete View preko
opcija Rules i Surface.
Rule Viewer - Ova GUI alatka slui za prikazivanje fazi procesa zakljucivanja.
Izgled prozora je prikazan na slici 8. Po vrstama grafika su prikazana pravila, a po
kolonama promjenljive. Prve kolone odgovaraju ulaznim promjenljivim i grafici
su obiljeeni utom bojom, tj. oslikavaju stanje if dijela svakog pravila. Posljed-
nja kolona, odgovara izlaznoj promjenljivoj i grafici su obiljeeni plavom bojom,
tj. oslikavaju then dio svakog pravila. Ovo vai za svaki grafik posljednje kolone,
osim posljednji, koji prikazuje rezultat agregacije. Rule Viewer prua uvid u re-
zultat koji se dobija samo jednim kompletom vrijednosti ulaznih promjenljivih.
Za pregled citavog skupa izlaznih vrijednosti, koristi se Surface Viewer. Njemu

D. Corlija 16
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Slika 9: Izgled prozora Surface Viewer

se moe pristupiti preko View > Surface.

Surface Viewer - Posljednja GUI alatka iz Fuzzy Logic Toolbox-a je Surface
Viewer, kojom je omogucen prikaz ponaanja izlazne vrijednosti iz fazi sistema
zakljucivanja u odnosu na promjenu vrijednosti jedne ili dvije ulazne promjen-
ljive na citavom intervalu definisanosti tih promjenljivih. Izgled Surface Viewer-
a prikazan je na slici 9.
Kada se ovako sastavljen fazi sistem sacuva na sledeci nacin: File > Export
> To File tada se on cuva u formi ASCII tekstualnog dokumenta sa sufiksom
.fis, koji je jednostavan za razumijevanje i modifikovanje. Najbitnije za na-
vedeni nacin cuvanja je to se tako sacuvanom sistemu fazi zakljucivanja moe
kasnije ponovo pristupiti i pri pokretanju MATLAB-a, dok se koristeci: File
> Export > To Workspace on cuva iskljucivo u workspace-u u formi promjen-
ljive koja se ponaa kao MATLAB struktura. Gaenjem MATLAB-a se podaci
sacuvani na ovaj nacin gube.
Ovime je zavren prikaz Fuzzy Logic Toolbox-a. Drugi pristup bi bio da
se cjelokupan sistem fazi zakljucivanja sastavi pisajuci kod. Postoje i napredne
opcije sastavljanja fazi sistema koristeci funkcije, funkcije pripadnosti, logicke
operacije, kao i metode za agregaciju i defazifikaciju koje bi korisnik sam defini-
sao.

D. Corlija 17
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

4 PRIMJER PRIMJENE

4.1 Primjena fuzzy logike u dimenzionisanju nezavisnih PV

sistema

Jedan od kljucnih elemenata u projektovanju hibridnih izvora energije je nji-

hovo dimenzionisanje. Kod obnovljivih izvora energije ono predstavlja temelj
njihovog daljeg razvoja.[2]
U ovom slucaju je razmatran hibridni sistem koji sadri fotonaponske panele
i baterije. Medutim hibridni sistemi mogu da koriste solarne panele i vjetar, so-
larne panele i dizel gorivo, solarne panele i generator na propan, solarne panele i
generator na kerozin, solarne panele i benzinski (dizelski) motor, solarne panele
i generator na biogoas ili vjetro-turbine i dizel motor.[7]
Ovdje je cilj bio da se optimizije dimenzionisanje hibridnog sistema PV/ba-
terije. Kao rezultati se dobijaju potrebna povrina solarniih panela i kapacitet
baterija. Predloeno je koritenje fuzzy algoritma.
Koritenjem klasicnog proracuna zasnovanog na prakticnim relacijama do-
bijene su optimalne vrijednosti kapaciteta baterija i povrine solarnih panela u
skladu sa potronjom energije (zahtjevima potroaca) i srednjom dnevnom inso-
lacijom na mjesecnom nivou.
Na osnovu ovih rezultata klasicnog proracuna, zasnovan je algoritam fuzzy
logickog zakljucivanja. On moe biti jako koristan za preduzeca koja prodaju
ovakve hibridne sisteme. Moe se reci da ovakav pristup optimizaciji dimenzio-
nisanja hibridnih sistema ima za cilj da zamijeni klasican nacin proracuna.
Pristup rjeavanja problema se sastoji u dimenzionisanju PV sistema i baterija.
Na slici 10 je prikazan opis sistema za dimenzionisanje.[5]

Potronja [kW h] Fazifikaicja

Srednja dnevna
insolacija u mje- Fuzzy logicko
Povrina panela [m]
kW h zakljucivanje

secu
m 2 dan
Kapacitet ba-
Defazifikacija
terija [Ah]

Slika 10: Opis sistema za dimenzionisanje

D. Corlija 18
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Energija sadrana u baterijama iznosi

Etot = C Vbat , (4.1)

gdje je C kapacitet baterija a Vbat je napon baterija (u ovom slucaju se radi o 12V).
Korisna energija koja stoji na raspolaganju je definisana sa

Ekorisno = Etot DO Dmax = E j Jaut , (4.2)

gdje su DO Dmax maksimalno dozvoljeni nivo pranjenja baterija (on iznosi 70%),
E j dnevna potronja u kW h, i Jaut broj zahtjevanih dana autonomije sistema (u
ovom slucaju se radi o tri dana).
Na osnovu prethodnog je kapacitet baterije jednak [5]
E j Jaut
C= . (4.3)
Vbat DO Dmax

U slucaju da se radi o trajnoj instalaciji vai

Ej
 
Jaut
Ein 1+ (4.4)
bat Jrec
gje je Jrec broj dana punjenja baterija (8).
Nakon ovoga moe se proracunati potrebna povrina panela koje je neop-
hodno instalirati i to putem sljedece relacije

GSPV com MPPT l bat Ein (4.5)

gdje su Ein energija koja se dnevno isporuci baterijama od strane panela, G srednja
mjesecna insolacija u toku dana, PV efikasnost solarnih panela (PV = 13%),
com efikasnost DC invertera (oko 90%), MPPT efikasnost MPPT kontrolera (oko
90%), l efikasnost provodnika (oko 95%) i bat efikasnost baterija (obicno okok
100% pri pranjenju i 70% pri punjenju).
Funkcije pripadnosti ulaznih i izlaznih promjenjlivih su date na slikama 11,
12, 13 i 14.
Nakon to su definisane funkcije pripadnosti ulaznih i izlaznih promjenlji-
vih bilo je moguce formirati bazu pravila prema Mamdani-u, koristeci generalno
pravilo:
Ako je (x jednako Ai i y jednako B j ) onda je (z jednako Ck i w jednako D l )
gdje su x energija potronje i Ai njena lingvisticka vrijednost; y srednja mjesecna

D. Corlija 19
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

malairadijacija srednjairadijacija velikairadijacija

1

0.8

Degree of membership
0.6

0.4

0.2

1 2 3 4 5 6 7 8 9
iradijacija

Slika 11: Funkcija pripadnosti iradijacije

malapotrosnja srednjapotrosnja velikapotrosnja

1

0.8
Degree of membership

0.6

0.4

0.2

0 1 2 3 4 5
potrosnja

Slika 12: Funkcija pripadnosti potronje

malapovrsina srednjapovrsina velikapovrsina

1

0.8
Degree of membership

0.6

0.4

0.2

0 50 100 150
povrsinapanela

Slika 13: Funkcija pripadnosti povrine panela

D. Corlija 20
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

malikapacitet srednjikapacitet velikikapacitet

1

0.8

Degree of membership
0.6

0.4

0.2

0 500 1000 1500 2000

kapacitetbaterija

Slika 14: Funkcija pripadnosti kapaciteta baterija

insolacija u toku dana i B j njena lingvisticka vrijednost; z kapacitet baterija i Ck

njegova lingvisticka vrijednost; w povrina panela i D l njena lingvisticka vrijed-
nost.
Pri defazifikaciji kako bi se dobila jedinstvena vrijednost izlaznih promjenlji-
vih koriten je metod sredita mase (centroid metod). On se moe izraziti preko
R1
zC k d z
z0k = R0 1 , za kapacitet baterija, (4.6)
0
C k d z
R1
wD l d w
w0l = R0 1 , za povrinu panela. (4.7)
0
Dl d w

Pravila fazi logickog zakljucivanja su data na slici 15.

Na slici 16 su date vrijednosti dvije ulazne promjenljive (dnevna potronja i
srednja mjesecna insolacija na dnevnom nivou) za svih est testova kojima je vr-
ena validacija modela. est vrijednosti izlaznih promjenljivih (povrine solarnih
panela i kapaciteta baterija) su date na slici 17.
Kako je vec naglaeno, sistem je simuliran za razlicite parove ulaznih velicina
kako bi se procijenilo njegovo ponaanje.
U prvom testu je unesena mala vrijednost ulaznih velicina i kao izlaz su do-
bijene male izlazne velicine.
U drugom testu je unesena mala vrijednost potronje i velika vrijednost in-
solacije i kao izlaz su dobijene identicne vrijednosti kao i za test T1. Odavde se
zakljucuje da kada je potronja mala, nezavisno od vrijednosti insolacije, sistem
daje male izlazne velicine.

D. Corlija 21
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Slika 15: Lista pravila [5]

potrosnja
6
kWh/dan

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6

insolacija
10
kWh/m2 /dan

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6

Slika 16: Vrijednost ulaznih promjenljivih pri est razlicitih testova

D. Corlija 22
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

povrsina panela
150

100
m2

50

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6

kapacitet baterija
2000

1500
Ah

1000

500

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6

Slika 17: Uporedni rezultati klasicnog i fuzzy proracuna izlaznih promjenljivih

U trecem testu kada je potronja velika i insolacija mala, za izlazne velicine se

dobijaju visoke vrijednosti.
U cetvrtom testu kada su obje ulazne velicine velke za izlaz se dobijaju mala
vrijednost povrine solarnih panela i veliki kapacitet baterija. Dakle, kada je
potronja velika, kapacitet baterija mora biti veliki. Zavisnost izlaznih promjen-
ljivih od ulaznih je data na slikama 18 19.

4.2 Primjena fuzzy logike u predikciji vjerovatnoce ugradnje

mreno-povezanih PV sistema

Osnovna prepreka prihvatanja obnovljivih izvora energije jeste njihova rela-

tivno visoka cijena. Pored toga, kako su pokazala istraivanja, drutveni i kultu-
roloki razlozi takode predstavljaju znacajne inhibitore.
Stavove potroaca prema obnovljivim izvorima energije (kao to su upozna-
tost sa tehnologijom, svijest o zagadenju okoline) je dosta teko kvantitativno
povezati sa vjerovatnocom da ce potencijalni korisnici instalirati PV sistem kod
sebe. U ovom dijelu je izvrena evaluacija vjerovatnoce instalacije mreno pove-
zanih PV sistema na nivou domacinstva putem koritenja metode kvantitativnog
modelovanja - fuzzy logike. Kod Fuzzy logike umjesto numerickih vrijednosti se
koriste lingvisticke kako bi se opisao odredeni problem.
U septembru 2010. godine u Finiksu, Sjedinjene Americke Drave, je spro-

D. Corlija 23
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

120

100
povrsinapanela

80

60

40

20

6
5
8 4
3
2
iradijacija 1
0
potrosnja

Slika 18: Zavisnost povrine panela od potronje i insolacije

2000
kapacitetbaterija

1500

1000

500

2 5
4 4
3
6 2
8 1
0 potrosnja
iradijacija

Slika 19: Zavisnost kapaciteta baterija od potronje i insolacije

D. Corlija 24
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Sa instaliranim PV Bez instaliranog PV

8 15

6
10
Broj uzoraka

Broj uzoraka
4

5
2

0 0
1 2 3 4 5 6 7 1 2 3 4 5 6 7
1=kosta mnogo 7=ustedi mnogo 1=kosta mnogo 7=ustedi mnogo

Slika 20: Isplativost PV sistema po korisnicima i potencijalnim korisnicima

vedeno istraivanje kako bi se identifikovala drutvena percepcija proizvodnje

energije iz solarnih panela [8]. Istraivanje je obuhvatilo 73 kucanstva, od kojih
su 21 vec imali instaliran mreno-povezan PV sistem (u nastavku su referisani
kao korisnici), a njih 52 ne (u nastavku potencijalni korisnici).
Kako je vec napomenuto osim visoke cijene, pogodnost koricenja konvenci-
onalno proizvedene elektricne energije i neupucenost sa tehnologijom solarnih
panela takode predstavljaju znacajne prepreke irenju solarnih tehnologija. Na
primjer, korisnici konvencionalno proizvedene elektricne energije ne moraju bri-
nuti o odravanju sistema, medutim, ako bi instalirali PV sistem, onda bi morali
preuzeti odgovornost odravanja. Barem bi morali pozivati servisere u slucaju
kvarova ili sistemskih pregleda.
Prema sprovedenoj anketi, najznacajniji faktori koji uticu na vjerovatnocu in-
staliranja mreno-povezanih PV sistema su:
uticaj na okolinu,
potrebe za odravanjem,
cijena,
vrijme povrata investicije.
Na osnovu ovoga su odabrane sljedece percepcijske promjenljive: cijena (C), odr-
avanje (M) i uticaj na okolinu (E).
Na slikama 20, 21 i 22 su prikazane ucestanosti raspodjele percepcijskih pro-
mjenljivih.
Na osnovu statistickog testa istraivanja (tabela 1) moe se zakljuciti da vri-
jednost ovih promjenljivih varira znacajno izmedu korisnika i potencijalnih ko-
risnika.

D. Corlija 25
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Sa instaliranim PV Bez instaliranog PV

8 20

6 15
Broj uzoraka

Broj uzoraka
4 10

2 5

0 0
1 2 3 4 5 6 7 1 2 3 4 5 6 7
1=par puta godisnje 7=jednom u 10 god. 1=par puta godisnje 7=jednom u 10 god.

Slika 21: Cijena odravanja PV sistema po korisnicima i potencijalnim korisnicima

Sa instaliranim PV Bez instaliranog PV

15 25

20

10
Broj uzoraka

Broj uzoraka

15

10
5

0 0
1 2 3 4 5 6 7 1 2 3 4 5 6 7
1=bez prednosti 7=mnogo prednosti 1=bez prednosti 7=mnogo prednosti

Slika 22: Uticaj PV sistema na okolinu po korisnicima i potencijalnim korisnicima

Percepcijska promjenljiva Srednja vri-

jednost
Korisnik 7.66
Uticaj na okolinu (E)
Potencijalni korisnik 6.20
Korisnik 2.09
Cijena (C)
Potencijalni korisnik 3.82
Korisnik 1.64
Odravanje (M)
Potencijalni korisnik 3.86

Tabela 1: Statisticke vrijednosti percepcijskih promjenljivih

D. Corlija 26
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Per. pro- Pitanja Skaliranje (1-7) Razvlacenje skalira-

mjenljiva nja (1-10)
Korisnik Koliki je benefit koritenja fotona- 1: Nema benefita 7: 0: Nema benefita 10:
ponskih panela na okolinu? Veliki benefit Veliki benefit
E
Potencijalni Koliki je benefit koritenja fotona-
kor. ponskih panela na okolinu?
Korisnik Da li ste smatrali da ce vam ugrad- 1: Kotace dosta 7: 0: Kotace dosta 10:
nja utediti novac? Utedice dosta Utedice dosta
C
Potencijalni Da li smatrate da cete utediti novac
kor. ugradnjom PV-a?
Korisnik Prije instalacije PV-a, koliko cesto 1: Jesnom u 10 go- 0: Jednom u 10 go-
ste ocekivali da ce PV zahtjevati ser- dina 7: Nekoliko dina 10: Nekoliko
E
visiranje? puta godinje puta godinje
Potencijalni Koliko cesto smatrate da ce PV zah-
kor. tijevati servisiranje?

Tabela 2: Pitanja relevantna za percepcijske promjenljive i objanjenje skaliranja

Pitanja koricena u anketi se mogu naci u tabeli 2.

Kako bi se vrila manipulacija podataka matematickim modelom (fuzzy logi-
kom), skala je razvucena linearno od 0 do 10.
Pitanja iz tabele 2 su postavljena kako bi se uvidjela percepcija svake od pro-
mjenljivih E, C i M. Medutim, ona ne daju uvid u to kakav uticaj imaju promjen-
ljive na proces odlucivanja (o ugradnji PV sistema). S tim u vezi je u anketi po-
stavljano i pitanje: Koliko su navedeni fakori uticali na vau odluku da ugradite
mreno-povezani PV sistem?. Istraivanje je pokazalo da korisnici kao najzna-
cajni faktor pri ugradnji PV sistema izdvajaju pozitivan uticaj na ivotnu sredinu
(5.45 to je vie nego kod potencijalnih korisnika 5.81). Sa druge strane za po-
tencijalne korisnike cijena sistema bi bila presudan faktor. Tabela 3 daje uvid u
srednje vrijednosti svake promjenljive.
U cilju razumjevanja drutvenog prihvatanja tehnologije, nije lako sprove-
sti kontrolisan eksperiment kako bi se prikupili precizni podaci. tavie, teko
je problem predstaviti formulom i doci do jednoznacnog rjeenja. Kako bi se
kvantitativno razmotrio ovaj problem, pogodno je koristiti metode kao to su:
neuralne mree, mree vjerovatnoce, fuzzy logiku, ekspertske sisteme i genetske
algoritme. One su pogodne u slucajevima kada se barata sa kompleksnim siste-
mima i podacima koji nisu egzaktne prirode.[4] Ovdje je koritena fuzzy logika.
Fuzzy logika je bazirana na cetiri koncepta: (1) fuzzy skupovima: tj. skupo-
vima sa nejasnim granicama; (2) lingvistickim promjenljivim: promjenljivim cije
se vrijednosti kvantitativno i kvalitativno opisuju fuzzy skupovima; (3) vjero-

D. Corlija 27
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Percepcijska promjenljiva Srednja vrijednost odgovora

(Koliko su faktori uticali na vau
odluku o ugradnji? 1:Nisu uticali,
7:Veoma su uticali)
Korisnik 5.81
E
Potencijalni korisnik 5.45
Korisnik 5.25
C
Potencijalni korisnik 6.26
Korisnik 5.42
M
Potencijalni korisnik 4.38

Tabela 3: Efekti percepcijskih promjenljivih na donoenje odluke o ugradnji

vatnoci raspodjele: ogranicenjima vrijednosit lingvistickih promjenljivih putem

dodjeljivanja odgovarajucih fuzzy skupova; (4) fuzzy ako-onda pravila: ona pred-
stavljaju znanje predstavljeno u vidu implikacija jedne ili vie logickih promjen-
ljivih.
Pokuace se putem fuzzy logike procjeniti stepen prihvatanja ugradnje PV si-
stema kao funkcija percepcijskih promjenljivih dobijenih na osnovu istraivna-
nja koje je sprovedeno. Kako je vec navedeno, vrijednosti percepcijskih promjen-
ljivih ispitanika i to, uticaj na onolinu (E), cijena solarnih panela (C), i stepen
zahtjevanog odravanja (M) se znacajno razlikuju izmedu korisnika (N1 primje-
raka) i potencijalnih korisnika (N primjeraka).
Ove grupe su definisane kao:
A(N1) - korisnici
B(N) - potencijalni korisnici
Svaki primjerak ima svoje karakteristike, sa funkcijama oznacenim sa:
Ai (E, C , M ), i (1, N 1)
B j (E, C , M ), j (1, N )
Percepcijske promjenljive:
E - Uticaj na okolinu,
C - Cijena solarnih panela,
M - Zahtijevano odravanja.
Cilj evaluacije je bio da se odredi vjerovatnoca ugradnje PV sistema u kucanstva
potencijalnih korisnika, oznacena sa B j (prob).

D. Corlija 28
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Podaci o korisni- Fuzzy promjenljive

Funkcije pripadnosti Vjerovatnoca
cima Ai (E, C , M ) i
pravila Fuzzy logike ugradnje
potencijalnim kori-
Fuzzy logicka Ai {prob}, B j {prob}
snicima B j (E, C , M )
inferencija

Da li zadovoljava
ne
kriterijum?

da

Kraj

Slika 23: Logicki model za analizu vjerovatnoce ugradnje PV sistema

Slika 23[8] prikazuje metodologiju fuzzy logike. Ulazi su podaci dobijeni na

osnovu ankete korisnika i potencijalnih korisnika. Izlazi su vjerovatnoca ugrad-
nje za svako kucanstvo. Kao i ostali matematicki modeli, ova metodologija daje
smjernice kako da se konstruie model. Kako bi se ocjenila valjanost modela,
parametri i pravila fuzzy logike su podeavana tako da zadovoljavaju odredene
kriterijume. Oni su bitni kako bi se kontrolisao proces modelovanja. Ako su
kriterijumi zadovoljeni onda se moe zakljuciti da je model koristan. U suprot-
nom, neophodno je modifikovati parametre i pravila.
Model se moe predstaviti kao:

Ai { p r ob } = Fuzzy logic inference(Ai (E, C , M ), j (1, N 1)) (4.8)

B j { p r ob } = Fuzzy logic inference(B j (E, C , M ), j (1, N )) (4.9)

Sistem je modelovan u matlabu koritenjem naredbe fuzzy. Sistem i funkcije

pripadnosti su dati na slikama 24, 25 i 26. Funkcije pripadnosti za E, C i M su
identicne.
Nakon to su definisane fuzzy promjenljive kao i funkcije pripadnosti, uve-
dena su if-then pravila fuzzy zakljucivanja.
Na primjer, ako je relativna cijena solarnih panela mala i ako je svjest o pri-
rodnoj sredini visoka, onda je prihvatanje solarnih panela vjerovatnije.

D. Corlija 29
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Slika 24: Sistem modelovan u Matlabu

low middle high

1
Degree of membership

0.8

0.6

0.4

0.2

0 2 4 6 8 10
C

Slika 25: Funkcija pripadnosti ulaznih promjenljivih

1 2 3 4 5
1
Degree of membership

0.8

0.6

0.4

0.2

0 0.2 0.4 0.6 0.8 1

vjerovatnoca ugradnje

Slika 26: Sistem modelovan u Matlabu

D. Corlija 30
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Ako je i Onda je
E C M vjerovatnoca
1 velika mala mala 5
2 srednja mala mala 4
3 mala mala mala 3
4 velika srednja mala 4
5 srednja srednja mala 3
6 mala srednja mala 3
7 velika velika mala 3
8 srednja velika mala 2
9 mala velika mala 2
10 velika mala velika 3
11 srednja mala velika 2
12 mala mala velika 1
13 velika srednja velika 2
14 srednja srednja velika 1
15 mala srednja velika 1
16 velika velika velika 1
17 srednja velika velika 1
18 mala velika velika 1
19 velika mala srednja 4
20 srednja mala srednja 3
21 mala mala srednja 2
22 velika srednja srednja 3
23 srednja srednja srednja 2
24 mala srednja srednja 2
25 velika velika srednja 2
26 srenja velika srednja 1
27 mala velika srednja 1

Tabela 4: Fuzzy logicka pravila zakljucivanja

Kako fuzzy skupovi svih promjenljivih imaju tri vrijednosti ukupan broj pra-
vila je 27(= 3 3 3). U tabeli 4 su data sva pravila koja su podeavana prema
validnosti.
Koritenjem gore opisanih pravila dobija se fuzzy izlazna promjenljiva. Kako
je neophodno da se na izlazu dobije konkretna vrijednost neophodno je izvriti
defazifikaciju. Postoji nekoliko nacina da se ona izvri. Dva su najznacajnija:[6]
sredja vrijednost maksimuma (MOM),
teite povrine (COA).
Od softvera je ovdje koriten MATLAB i to Fuzzy logic toolbox narocito Fuzzy
Inference System Editor. Polazni parametri nisu mijenjani jer je vec bio zadovo-
ljen kriterijum validnosti. U praksi je najcece potrebno podeavati parametre

D. Corlija 31
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

Sa instaliranim PV Bez instaliranog PV

6

5
15
Broj uzoraka

Broj uzoraka
4

3 10

2
5
1

0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Vjerovatnoca kupovanja Vjerovatnoca kupovanja

Slika 27: Gustina raspodjele vjerovatnoce ugradnje PV sistema

par puta i to najprije pravila a onda funkcije pripadnosti. U ovom slucaju je

kriterijum validnosti modela bio da se maksimizuje razlika izmedu srednjih vri-
jednosti izlaznih promjenljivih dvije grupe (korisnika i potencijalnih korisnika).
Na slici 27 je data gustina raspodjele vjerovatnoce ugradnje mreno-povezanih
PV sistema za korisnike i potencijalne korisnike. Vidi se da je maksimum vjero-
vatnoce kod korisnika 100% a da je kod potencijalnih korisnika ta vrijednost
znatno nia i iznosi 60%.
Na slici 28 je dat trodimenzionalni grafik vjerovatnoce ugradnje kod korisnika
i potencijalnih korisnika kao funkcije tri promjenljive, cijene panela, svijesti o
okolini i ocekivanoj zahtjevnosti odravanja. Tri promjenljive su predstavljene
X, Y i Z koordinatama, dok je boja markera reprezent stepena vjerovatnoce (to
je boja svijetlija, to je vjerovatnoca veca).

D. Corlija 32
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

1.0

0.9

10
0.8

8 0.7
Cijena odrzavanja

6 0.6

4 0.5

0.4
2

0.3
0
10 0.2
10
5 8 0.1

6
0.0
Cijena investicije 0 4 Uticaj na okolinu

Slika 28: Zavisnost vjerovatnoce ugradnje od tri promjenljive

D. Corlija 33
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

5 ZAKLJUCAK

U ovom radu je uvedena nova metoda za dimenzionisanje hibridnih PV/ba-

terije sistema u domacinstvima. Ona se sastoji u formiranju algoritma fuzzy lo-
gike koji moe dati optimalne vrijednosti povrine solarnih panela i kapaciteta
baterija. Kao ulazne velicine ovaj algoritam koristi energiju koju konzumiraju
svi potroaci u toku dana i srednju mjesecnu vrijenost insolacije na dnevnom ni-
vou. Model za dimenzionisanje je razvijen koritenjem MATLAB-a. Kako bi
se model verifikovao izvrene su simulacije pod razlicitim uslovima, tj. za razli-
cite vrijednosti uzalnih velicina. Rezultati simulacija pokazuju valjanost predlo-
ene metode za dimenzionisanje i njegovu efikasnost da inace zahtjevan profacun
znatno pojednostavi.
Na odluku o ugradnji mreno-povezanih solarnih panela uticu brojni faktori.
Istraivanje stavova i miljenja dvije grupe: korisnika (onih koji su vec imali in-
staliran PV sistem) i potencijalnih korisnika, je pokazalo da su najznacajniji fak-
tori - ocekivana cijena panela (C), ocekivana ucestanost odravanja (M) i svijest o
zatiti ivotne sredine. Ovi faktori su definisani kao percepcijske promjenljive.
Statisticki testovi su pokazali znacajne razlike izmedu korisnika i potencijalnih
korisnika. Model zasnovan na fuzzy logici je pokazao da je vjerovatnoca ugrad-
nje kod korisnika bliska jedinici (27). To je zato to su korisnici vec instalirali
mreno-povezane panele.
Ovdje je razmatran odnos vjerovatnce ugradnje i tri percepcijske promjen-
ljive. Medutim, mnogi drugi parametri uticu na odluku o ugradnji, na primjer,
planovi o preseljavanju, estetski izgled panela, pristupacnost finansijskih podsti-
caja. U buducnosti je moguce razviti bolji model zasnovan na fuzzy logici koji
bi se oslanjao na vie promjenljivih. Sistem zakljucivanja zasnovan na fuzzy lo-
gici predstavlja jedno alternativno rjeenje kako bi se naglasio uticaj socijalnih
faktora na prihvatanje novih tehnologija obnovljivih izvora energije.
Jedno od glavnih ogranicenja u ovom modelu je odsustvo velikog broja ula-
znih podataka. Kako bi se dokazala valjanost modela neophodno bi bilo koristiti
veci broj uzoraka u daljem istraivanju.

D. Corlija 34
 PRIMJENA PROGRAMSKIH ALATA U ELEKTROENERGETICI

6 LITERATURA

[1] Iva Babic, eljko uriic, and Mileta arkovic. Analysis of impact of buil-
ding integrated photovoltaic systems on distribution network losses. Journal
of Renewable and Sustainable Energy, 7(4), 2015.
[2] Stefania Conti, Giuseppe Marco Tina, and Carlo Ragusa. Optimal sizing
procedure for stand-alone photovoltaic systems by fuzzy logic. Journal of
Solar Energy Engineering, 124:7782, 2001.
[3] Duan Teodorovic i Shinya Kikuchi. Uvod u teoriju fuzzy skupova i primjene
u saobracaju. Saobracajni fakultet Univerziteta u Beogradu, 1994.
[4] A. Mellit, S.A. Kalogirou, L. Hontoria, and S. Shaari. Artificial intelligence
techniques for sizing photovoltaic systems: A review. Renewable and Susta-
inable Energy Reviews, 13(2):406 419, 2009.
[5] Chokri Ben Salah, Kheireddine Lamamra, and Anis Fatnassi. New optimally
technical sizing procedure of domestic photovoltaic panel/battery system.
Journal of Renewable and Sustainable Energy, 7(1), 2015.
[6] Stevan Staniic. Primjena fuzzy logike u dijagnostici visokonaponske
opreme. Masters thesis, Elektrotehnicki fakultet Univerziteta u Beogradu,
Srbija, 2013.
[7] L. Suganthi, S. Iniyan, and Anand A. Samuel. Applications of fuzzy logic
in renewable energy systems a review. Renewable and Sustainable Energy
Reviews, 48:585 607, 2015.
[8] Pei Zhai and Eric D. Williams. Analyzing consumer acceptance of photo-
voltaics (pv) using fuzzy logic model. Renewable Energy, 41:350 357, 2012.

D. Corlija 35