ระบบปรับสมดุลเฟสอัจฉริยะเพื่อการจัดการพลังงานอาคารเรียน: เปรียบเทียบการใช้ปัญญาประดิษฐ์ การย้ายฟีดเดอร์อัตโนมัติ และการแปลงพลังงานจากแบตเตอรี่

บทคัดย่อ

ในบริบทของประเทศไทยที่มีการใช้พลังงานไฟฟ้าเพิ่มขึ้นอย่างต่อเนื่อง การบริหารจัดการพลังงานในภาคอาคารเรียนอย่างมีประสิทธิภาพจึงเป็นกลยุทธ์สำคัญที่ช่วยลดต้นทุนด้านพลังงาน และส่งเสริมความยั่งยืนด้านสิ่งแวดล้อมอย่างเป็นรูปธรรม งานวิจัยนี้มุ่งวิเคราะห์ข้อมูลโหลดไฟฟ้าแบบเรียลไทม์จากอาคารเรียนช่างอุตสาหกรรม มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย เพื่อพัฒนากลยุทธ์การจัดการด้านอุปสงค์ (Demand side management: DSM) ที่สอดคล้องกับสภาพการใช้งานจริง การศึกษานี้ได้ออกแบบและทดสอบระบบควบคุมโหลดไฟฟ้าอัตโนมัติในสามรูปแบบ ได้แก่ 1) การย้ายโหลดระหว่างสายป้อน (Feeder-shifting) เพื่อกระจายโหลดอย่างสมดุล 2) ระบบตัวแทนอัจฉริยะ (AI-agent) ที่สามารถเรียนรู้และปรับพฤติกรรมการควบคุมตามสภาพโหลดแบบพลวัต (Dynamic load) และ 3) ระบบแบตเตอรี่ร่วมกับอินเวอร์เตอร์ (Battery inverter) สำหรับลดภาระโหลดเฉพาะช่วงเวลาสำคัญ ผลการทดลองเชิงปฏิบัติแสดงให้เห็นว่า ระบบ AI-agent มีประสิทธิภาพสูงสุดในการลดค่าโหลดไฟฟ้าสูงสุด (Peak load) ได้เฉลี่ยถึง 21.7% รองลงมาคือระบบ Battery inverter ซึ่งลดได้ 15.3% และระบบ Feeder-shifting ที่ลดได้ 12.8% ตามลำดับ โดยระบบ AI-agent ยังแสดงศักยภาพในการเรียนรู้และตอบสนองต่อโหลดที่เปลี่ยนแปลงอย่างมีเสถียรภาพ ข้อค้นพบของงานวิจัยนี้ชี้ให้เห็นว่า การผสานระบบควบคุมโหลดอัจฉริยะร่วมกับการวิเคราะห์ข้อมูลพลังงานแบบเรียลไทม์ มีศักยภาพสูงในการผลักดันอาคารเรียนสู่แนวทาง อาคารพลังงานสุทธิเป็นศูนย์ (Net-zero energy building: NZEB) และสามารถประยุกต์ใช้ในอาคารประเภทอื่น ๆ ที่มีลักษณะโหลดใกล้เคียง เช่น อาคารสำนักงานหรืออาคารสาธารณะ เพื่อยกระดับประสิทธิภาพการใช้พลังงานในระดับประเทศ