Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais

• Autor(a) principal: Romão, Bruno
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional PUC-Campinas
• Texto Completo: http://repositorio.sis.puc-campinas.edu.br/xmlui/handle/123456789/14653
• topic: Veículos Elétricos; Carregamento; Metaheurística; BRKGA; Otimização; Electric Vehicles; Charging; Metaheuristic; BRKGA; Optimization

A inserção dos veículos elétricos na rede pode causar sobrecarga no sistema elétrico. O aumento da demanda contratada pode garantir o carregamento sem inferir em penalizações no contrato de energia de empresas, estabelecimentos comerciais ou residências, porém agrega maiores custos na conta de energia e pode causar sobrecargas no sistema elétrico. Desta forma, uma alternativa para manter o contrato atual da empresa ou estabelecimento e não ocorrer sobrecargas no sistema elétrico é o gerenciamento do carregamento dos veículos elétricos. A partir de um sistema central é possível gerenciar as cargas dos pontos de carregamento e monitorar o carregamento dos veículos. Considerando isto, foi desenvolvido um algoritmo de otimização para gerenciamento do carregamento de veículos elétricos visando-se a diminuição do custo. Devido os métodos exatos de solução de problemas buscarem a solução ótima e requererem altos recursos computacionais optou-se por utilizar de uma metaheurística em que busca uma solução adequada em menor tempo computacional. A metaheurística utilizada foi o BRKGA (Biased Random-Key Genetic Algorithm) e a partir de uma API (Application Programming Interface) do BRKGA aplicada ao Problema do Caixeiro Viajante foi desenvolvido o algoritmo para o problema de gerenciamento de carregamento de veículos elétricos. Considerando-se um cenário de simulação de um ambiente empresarial com 4 e 12 veículos em condições iniciais distintas procurou-se analisar o desempenho do algoritmo em gerenciar o carregamento dos veículos em um tempo limite de carregamento de 6 horas respeitando-se a demanda contratada da empresa. O algoritmo desenvolvido obteve sucesso no gerenciamento do carregamento dos veículos em todos os casos simulados respeitando-se o tempo limite de carregamento e a demanda contratada pela empresa.