Home energy management system: a multi-objective optimization model for scheduling loads

• Ano de defesa: 2019
• Autor(a) principal: Veras, Jaclason Machado
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Algorítmos genéticos; Otimização combinatória; Energia elétrica - Consumo
• Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/118565

A Demand Response (DR) visa motivar os consumidores finais a mudar seus padrões de consumo de energia de elétrica em resposta às mudanças nos preços da eletricidade ou quando a confiabilidade do sistema elétrico de potência (EPS) estiver comprometida. A maioria dos estudos recentes mostram que o principal objetivo é minimizar o custo associado ao consumo de energia elétrica sem considerar as preferências/necessidades dos consumidores finais. Portanto, afirmar que esses trabalhos não consideram a real dificuldade do problema que envolve agendar o uso dos aparelhos residenciais e não avaliam aspectos como: (a) diferentes cenários residenciais; (b) várias categorias de aparelhos residenciais; (c) o nível de satisfação/conforto dos consumidores com o novo agendamento de seus aparelhos. Além disso, os estudos que trataram do aspecto da inconveniência realizaram simulações sem levar em conta as diferentes categorias de aparelhos residenciais, reduzindo, assim, a complexidade do método. No entanto, nesta tese propõe-se um sistema de gerenciamento de energia residencial (HEMS) que visa programar o uso de cada aparelho residencial com base no preço da eletricidade em tempo real (RTP) e no nível de satisfação/conforto do consumidor a fim de minimizar o custo associado ao consumo de energia elétrica bem como, minimizar a inconveniência (insatisfação/desconforto) dos consumidores finais, garantindo a estabilidade e a segurança do EPS. Portanto, o HEMS através do controlador de gerenciamento de energia (EMC) determina uma linha do tempo otimizada para cada aparelho por meio do modelo de DR multiobjectivo validado através do uso das técnicas de otimização Algoritmo Genético (GA), Otimização por Enxame de Partículas (PSO), Linguagem para Otimizador Geral Interativo (LINGO) e do Algoritmo Genético de Classificação por Não Dominância II (NSGA-II), garantindo um cenário mais econômico para os consumidores finais. Os resultados mostram que o HEMS alcançou reduções no custo da eletricidade para todos os cenários utilizados, afetando minimamente a satisfação/conforto dos consumidores finais, bem como, levando em conta todas as restrições. Palavras-Chave: Resposta à Demanda; Gerenciamento de Energia; Agendamento de Carga; Otimização.