در پاسخ به بحران آب و هوا، دولت ژاپن قصد دارد تا سال 2030 به سهم انرژی تجدیدپذیر 36 تا 38 درصد در ترکیب برق دست یابد تا انتشار گازهای گلخانه ای را کاهش دهد. این هدف بلندپروازانه شامل معرفی 103.5 تا 117.6 گیگاوات انرژی خورشیدی است [1].

در طول فرآیند ترویج پذیرش گسترده فناوری فتوولتائیک (PV)، شهرها می توانند نقشی محوری ایفا کنند. مقیاس شهری برای ادغام تولید PV محلی برای پاسخگویی به تقاضای محلی مناسب است [2]. با استفاده از سازه های موجود، مانند پشت بام ها، نصب پانل های PV از نیاز به زمین و مصالح اضافی جلوگیری می کند. علاوه بر این، به کاهش تلفات انتقال مرتبط با تامین برق برای برآوردن تقاضای محلی کمک می کند [3]. در نتیجه، ادغام PV در مناطق شهری توجه قابل توجهی را به خود جلب کرده است [4].

با توجه به تنوع گسترده در بافت‌های شهری، ارزیابی پتانسیل خورشیدی در مناطق مختلف شهری برای معرفی سیستم‌های فتوولتائیک (PV) کارآمد و اقتصادی ضروری است. توسعه مدل های برآورد بر اساس سیستم اطلاعات جغرافیایی (GIS) رویکرد اولیه برای پرداختن به این موضوع است [5]. به عنوان مثال، ویگینتون و همکاران. [6] از GIS و تشخیص تصویر شی خاص برای شناسایی مناطق موجود در پشت بام برای استقرار PV در یک منطقه نمونه در جنوب شرقی انتاریو استفاده کرد. برگاماسکو و همکاران [7] برآورد در دسترس بودن سطح سقف و کارایی سیستم PV با استفاده از GIS و پایگاه داده مرکز تحقیقات مشترک کمیسیون اروپا. شوری و همکاران [8] پایگاه داده ای از نقشه های تابش خورشیدی سالانه و ماهانه با وضوح فضایی 1 کیلومتر در اروپا با استفاده از GIS با اندازه گیری های 566 ایستگاه هواشناسی زمینی ایجاد کرد. این مطالعات با شناسایی پتانسیل های PV به به حداکثر رساندن معرفی PV در مناطق شهری کمک کرده است. با این حال، تولید PV دارای مشکل نوسانات شدید بسته به شرایط آب و هوایی است [9]. نابرابری های زمانی بین تولید نوسان PV و تقاضای برق اغلب منجر به تولید بیش از حد برق PV می شود که به عنوان برق مازاد نامیده می شود [10].

برق مازاد اغلب به عنوان یک عامل نامطلوب در نظر گرفته می شود [10]. این توان توزیع شده می تواند در هر زمان و هر مکان وجود داشته باشد و به طور قابل توجهی بار روی شبکه برق را افزایش دهد [7]. در حال حاضر روش های مختلفی برای رفع برق مازاد استفاده می شود. ارسال این برق به شبکه شهری یک رویکرد رایج است. اما چالش های فنی مانند تنظیم ولتاژ و فرکانس را به همراه دارد. با توجه به تغییرات در وضعیت زیرساخت های الکتریکی در مناطق مختلف، ظرفیت جذب برای حداکثر برق مازاد متفاوت است [11]. علاوه بر این، روش‌های انعطاف‌پذیرتری برای مدیریت برق مازاد در ریزشبکه‌های محلی وجود دارد. با دستگاه‌های هوشمند و فن‌آوری‌های ارتباطی، تولید PV را می‌توان با تنظیم قدرت، شیب و زاویه جهت آرایه PV برای برآوردن تقاضای برق کنترل کرد [12]. رویکرد دیگر شامل تخصیص مجدد برخی از نیازهای برق از طریق مدیریت سمت تقاضا (DSM) به دوره‌های برق مازاد در طول روز است [13]. علاوه بر این، الکتریسیته اضافی را می توان با استفاده از ذخیره انرژی باتری جذب کرد و متعاقباً در دوره هایی بدون تولید تجدیدپذیر به بارها عرضه کرد [14]. از طرف دیگر، الکتریسیته مازاد را می توان برای بار جدید استفاده کرد که شامل شارژ وسایل نقلیه الکتریکی [15] یا برای برآوردن خواسته های کاربران همسایه می شود [16،17]. از طریق این مسیرها، برق مازاد را می توان به تقاضاهای مختلف در مناطق شهری عرضه کرد و راه های بالقوه جدیدی را برای دستیابی به بی طرفی کربن در محیط های شهری ارائه داد.

با این حال، تحقیقات در مورد برق مازاد در درجه اول بر افزایش خودکفایی از طریق کنترل طرف‌های عرضه و تقاضا یا انطباق با تقاضاهای سایر کاربران، محدود به مناطق خاص متمرکز است. یک مطالعه کمی محدود در مورد برق مازاد در مقیاس شهری، به ویژه در مورد زمان و مکان وقوع برق مازاد و ارتباط آن با بافت شهری مربوطه وجود دارد. این اطلاعات برای ارائه بینش و اطلاعات ضروری برنامه ریزی PV ارزشمند است [10]. لیائو و همکاران [10] مقدار مازاد PV سری زمانی را در سناریوی نفوذ بالای سقف PV در سئول، کره محاسبه کرد. آنها اصلاح بین برق مازاد و چندین نوع ساختمان را بررسی کردند. با این حال، هدف محدود به دو منطقه نمونه بود. گومز-اکسپوزیتو و همکاران [18] ظرفیت ذخیره سازی را برای متعادل کردن برق مازاد با چندین سناریو از انرژی های تجدید پذیر متمرکز، PV پشت بام در مورد اسپانیا ارزیابی کرد. در حالی که این ارزیابی در مقیاس بزرگتر (مقیاس ملی) عمل می کند، تأثیر بافت شهری بر برق مازاد در نظر گرفته نشد.

تغییر بافت شهری را نمی توان نادیده گرفت. به عنوان مثال، در ژاپن، دولت بازسازی خانه‌های موجود با عملکرد حرارتی بالا را ترویج می‌کند و قوانینی را وضع کرده است که خانه‌های جدید ساخته شده باید از سال 2025 استانداردهای عملکرد حرارتی مشخصی را رعایت کنند [19]. پیش بینی می شود که این اقدامات عملکرد حرارتی خانه ها را افزایش داده و به کاهش تقاضای برق تهویه مطبوع کمک کند. با پیشرفت مقاوم سازی خانه ها، انتظار می رود که بافت شهری دستخوش تغییراتی شود که بر توزیع مکانی و زمانی برق مازاد تاثیر می گذارد. در حال حاضر، تحقیقات مرتبط با کمی کردن تأثیر تغییرات در بافت شهری بر برق اضافی وجود ندارد.

برای پر کردن این شکاف تحقیقاتی، توسعه مدل‌های تقاضا در مقیاس شهر که قادر به شبیه‌سازی تغییرات در بافت شهری باشند، ضروری است. مقالات تحقیقاتی متعددی در مورد رویکردهای ایجاد مدل های انرژی برای ساختمان های شهری بحث می کنند. سوان و همکاران [20] این رویکردها را بررسی کرد و آنها را به عنوان بالا به پایین و پایین به بالا دسته بندی کرد. به تفصیل، عباس آبادی و همکاران. [21] بیشتر رویکرد پایین به بالا را به روش های مبتنی بر داده و شبیه سازی تقسیم کرد. مدل های مبتنی بر داده، مانند یادگیری ماشینی، عملکرد خوبی دارند و دقت خوبی را نشان می دهند. با این حال، نتیجه به شدت به کیفیت مجموعه داده متکی است و اکثر شهرها در حال حاضر به داده های انرژی شهری کافی دسترسی ندارند. از سوی دیگر، شیمودا و همکاران. [22] نشان داد که مدل شبیه‌سازی با استفاده از رویکرد پایین به بالا، مصرف انرژی هر کاربری نهایی (مانند لوازم خانگی، تهویه مطبوع، روشنایی، و غیره) را محاسبه می‌کند و آن را برای ارزیابی کاربردهای نهایی مختلف موثر می‌سازد. برای شبیه‌سازی تأثیر اقدامات مقاوم‌سازی خانه‌های بزرگ بر تقاضای برق در انبار مسکن شهری مناسب است. با توجه به نیازهای محاسباتی بسیار زیاد مدل‌سازی در مقیاس شهری، یک نوع مدل شبیه‌سازی به نام کهن الگو به طور گسترده مورد استفاده قرار گرفته است. این مدل مجموعه محدودی از ساختمان‌های کهن الگو را توسعه می‌دهد که تعداد زیادی ساختمان را نشان می‌دهد. این ساختمان‌ها ویژگی‌های مشابهی از جمله ویژگی‌های هندسی، حرارتی و پارامترهای عملیاتی دارند، همانطور که پرخ و همکاران توضیح داده‌اند. [23]. با استفاده از مدل‌های شبیه‌سازی کهن‌الگو، چندین مطالعه شبیه‌سازی تقاضای برق خانه‌های شهری را در مقیاس‌های مختلف، از جمله مقیاس ملی ([22، [24]، [25]، [26]]) و مقیاس منطقه (27،28) انجام داده‌اند. امکان سنجی این روش را نشان می دهد.

هدف از این مطالعه تعیین کمیت برق مازاد PV در مناطق شهری با بافت مسکونی مختلف شهری تحت نفوذ سقف فعلی PV و بررسی اصلاح بین برق مازاد با مقاوم‌سازی خانه‌ها است. در مقایسه با سایر مطالعات شبیه‌سازی، این مقاله از روش‌های شبیه‌سازی نوآورانه با تقریب نزدیک پیچیدگی محیط‌های شهری از طریق استفاده از مجموعه متنوعی از متغیرها و تنظیمات پارامتر انتخاب شده، که با داده‌های اندازه‌گیری شده اعتبارسنجی می‌شوند، استفاده می‌کند. این مقاله همچنین یک مدل جدید برای شبیه‌سازی و تحلیل تعادل بین تولید PV جمع‌آوری شده و بار الکتریکی خوشه‌های خانه معرفی می‌کند. این مطالعه چندین مشارکت را انجام می‌دهد، از جمله: (1) ارزیابی بار الکتریکی ساختمان‌های مسکونی در شهر هدف در سال 2025 با یا بدون مقاوم‌سازی. (2) ارزیابی برق مازاد در هر منطقه در سطح خیابان بر اساس نفوذ سقف PV در سال 2025 با یا بدون مقاوم سازی. (3) بررسی رابطه بین برق مازاد و بافت شهری (ویژگی خوشه منازل).

ساختار این مقاله به شرح زیر است: بخش 2 روش شناسی را تشریح می کند، یک نمای کلی (بخش 2.1)، تنظیمات محاسبه (بخش 2.2)، مدل شبیه سازی برق (بخش 2.3) که شامل بار وسایل (از جمله روشنایی و تهویه)، بار هوا است. – تهویه و اجزای تولید PV و تأیید (بخش 2.4). در بخش 3، نتایج شبیه سازی شامل تقاضای برق (بخش 3.1) و برق مازاد (بخش 3.2) شهر هدف با موارد مختلف ارائه شده و تجزیه و تحلیل شده است (بخش 3.3). بخش 4 نتایج را مورد بحث قرار می دهد و با تحقیقات مشابه مقایسه می کند. بخش 5 به نتیجه گیری اختصاص دارد.