dc.creator | Bertineti, Daniel Pegoraro | |
dc.date.accessioned | 2021-04-29T14:11:57Z | |
dc.date.available | 2021-04-29T14:11:57Z | |
dc.date.issued | 2019-12-20 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/20725 | |
dc.description.abstract | In the context of expected advances with the implementation of smart grids and considering
the modernization of the forms of the electricity billing system in the relationship between
user and manager of the electric system goes through a differentiated relationship. The
user becomes an active agent and his behavior becomes of great importance in the behavior
of the electric network. The cost factors for the user side and the overload on the
distribution network are extremely important factors for these involved and the use of the
load shifting technique is an alternative for the balance between the factors. Given this
challenge, this dissertation presents methodology for load scheduling through an objective
function that considers the cost and peak power to average power (PAPR) metrics, the
model considers a convex linear combination between the two metrics. In the modeling is
considered periods of restrictions for scheduling equipment that will meet the interests of
the user and all loads are scheduled. As a solution to the scheduling and aiming to obtain
a quick response to the scheduling, 3 methods were implemented, being a unique solution
method in Greedy Search style, the method Particle Swarm Otimization - PSO and Evolutionary
Particle Swarm Otimization - EPSO. To validate the implementation of the methods
in the proposed modeling, simulations are performed considering scenarios with different
loads and two different tariff models, for different coefficients of convex linear combination.
This work presents a comparison between the results in the 3 implemented methods and
concludes that EPSO was more efficient for this modeling. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Redes inteligentes | por |
dc.subject | Agendamento de carga | por |
dc.subject | Custo | por |
dc.subject | PAPR | por |
dc.subject | Otimização | por |
dc.subject | Smart grids | eng |
dc.subject | Load scheduling | eng |
dc.subject | Cost | eng |
dc.subject | Optimization | eng |
dc.title | Aplicação de método de deslocamento de carga para sistemas de gerenciamento de energia | por |
dc.title.alternative | Load shift method for residential power management systems | eng |
dc.type | Dissertação | por |
dc.description.resumo | No contexto dos avanços esperados com a implantação das redes elétricas inteligentes
e considerando a modernização das formas de sistema de tarifação de energia elétrica a
relação entre usuário e o gerenciador do sistema elétrico passa a ter um relação diferenciada.
O usuário passa a ser um agente ativo e seu comportamento passa a ter grande
importância no comportamento da rede elétrica. Os fatores de custo para o lado do usuário
e a sobrecarga sobre a rede de distribuição são fatores de suma importância para estes
entes envolvidos e a utilização da técnica de deslocamento de carga (Loading shifting) é
uma alternativa para que ocorra o equilíbrio entre estes fatores. Diante deste desafio, nesta
dissertação é apresentada metodologia para realizar o agendamento de carga através de
uma função objetivo que considera as métricas de custo e relação da potência de pico para
potência média (PAPR), o modelo considera uma combinação linear convexa entre as duas
métricas. A modelagem considera períodos de restrições para o agendamento de equipamentos
que venham atender os interesses do usuário e todas as cargas são agendadas.
Como forma de solução para o agendamento e com objetivo de obter-se uma resposta rápida
para o agendamento foram implementados 3 métodos: método de solução única com
busca local no estilo Greedy Search, o método de enxame de partículas (Particle Swarm
Otimization - PSO) e o método de enxame de partículas evolutivas (Evolutionary Particle
Swarm Otimization - EPSO). Para validar a implementação dos métodos na modelagem
proposta são realizadas simulações considerando cenários com diversas cargas, com dois
modelos tarifários diferentes e para diferentes coeficientes da combinação linear convexa.
Neste trabalho apresenta-se uma comparação entre os resultados nos 3 métodos implementados
e conclui-se que o EPSO mostrou se mais eficiente para esta modelagem no
cenário com maior número de cargas. | por |
dc.contributor.advisor1 | Canha, Luciane Neves | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6991878627141193 | por |
dc.contributor.referee1 | Miranda, Vladimiro Henrique Barrosa Pinto de | |
dc.contributor.referee2 | Rangel, Camilo Alberto Sepúlveda | |
dc.creator.Lattes | http://lattes.cnpq.br/5555907952912866 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Engenharia Elétrica | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | por |
dc.publisher.unidade | Centro de Tecnologia | por |