Mostrar el registro sencillo del ítem
Aplicação de método de deslocamento de carga para sistemas de gerenciamento de energia
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 |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Programa de Pós-Graduação em Engenharia Elétrica [428]
Coleção de dissertações do Programa de Pós-Graduação em Engenharia Elétrica