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

Detalhes bibliográficos
Autor(a) principal: Romão, Bruno
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da PUC_CAMPINAS
Texto Completo: http://repositorio.sis.puc-campinas.edu.br/xmlui/handle/123456789/14653
Resumo: 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.
id PCAM_953da67055efb34ba066b84aa81658e7
oai_identifier_str oai:repositorio.sis.puc-campinas.edu.br:123456789/14653
network_acronym_str PCAM
network_name_str Biblioteca Digital de Teses e Dissertações da PUC_CAMPINAS
repository_id_str 4886
spelling Romão, BrunoPontifícia Universidade Católica de Campinas (PUC-Campinas)Behrens, Frank Herman2021-05-19T18:49:23Z2021-05-19T18:49:23Z2020-12-09http://repositorio.sis.puc-campinas.edu.br/xmlui/handle/123456789/14653A 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.The electric vehicles in the electrical network can cause overload in electrical system. The increasing in electrical demand contracted may ensure electric vehicles charging without penalties to companies, commercial establishments or houses, however this add more costs to energy bill and can cause overload in electrical system. Thus, one option to keep the current company electrical contract of companies or commercial establishments and avoid overload in electrical system is electric vehicles charging management. From a central system is possible to manage the loads of the charger points and monitor electrical vehicles charging. Then, developed an optimization algorithm to electric vehicles charging management to decrease charging costs. Due to heuristic methods search for the optimal solution and demand high computational efforts considered a metaheuristic, which search a suitable solution in less computational time. The metaheuristic used was BRKGA (Biased Random-Key Genetic Algorithm) and from a BRKGA API (Application Programming Interface) applied to Travelling Salesman Problem developed an algorithm to electric vehicles charging management problem. To the simulation environment considered a company environment with 4 and 12 vehicles in different initial conditions and evaluated the performance of the algorithm in electric vehicles management with restrictions to the charging time to 6 hours and to the company electrical demand contracted. The developed algorithm presented success in the electric vehicles charging management in all simulated cases and respected all the restrictions related to limited time to charging and the company electrical demand contracted.porPontifícia Universidade Católica de Campinas (PUC-Campinas)Veículos ElétricosCarregamentoMetaheurísticaBRKGAOtimizaçãoElectric VehiclesChargingMetaheuristicBRKGAOptimizationAlgoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_CAMPINASinstname:Pontifícia Universidade Católica de Campinas (PUC-CAMPINAS)instacron:PUC_CAMPCentro de Ciências da Vida (CCV)Não se aplicaOnlineNão se aplicaLICENSElicense.txtlicense.txttext/plain; charset=utf-80http://repositorio.sis.puc-campinas.edu.br/xmlui/bitstream/123456789/14653/2/license.txtd41d8cd98f00b204e9800998ecf8427eMD52ORIGINALceatec_engenhariaeletrica_tcc_romao_b.pdfceatec_engenhariaeletrica_tcc_romao_b.pdfapplication/pdf2747218http://repositorio.sis.puc-campinas.edu.br/xmlui/bitstream/123456789/14653/1/ceatec_engenhariaeletrica_tcc_romao_b.pdff040b3ae0a42c9fce07046e44a7c65bdMD51123456789/146532022-09-02 11:36:46.092oai:repositorio.sis.puc-campinas.edu.br:123456789/14653Biblioteca Digital de Teses e Dissertaçõeshttp://tede.bibliotecadigital.puc-campinas.edu.br:8080/jspui/http://tede.bibliotecadigital.puc-campinas.edu.br:8080/oai/requestsbi.bibliotecadigital@puc-campinas.edu.b||sbi.bibliotecadigital@puc-campinas.edu.bropendoar:48862022-09-02T14:36:46Biblioteca Digital de Teses e Dissertações da PUC_CAMPINAS - Pontifícia Universidade Católica de Campinas (PUC-CAMPINAS)false
dc.title.pt_BR.fl_str_mv Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
title Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
spellingShingle Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
Romão, Bruno
Veículos Elétricos
Carregamento
Metaheurística
BRKGA
Otimização
Electric Vehicles
Charging
Metaheuristic
BRKGA
Optimization
title_short Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
title_full Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
title_fullStr Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
title_full_unstemmed Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
title_sort Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
author Romão, Bruno
author_facet Romão, Bruno
author_role author
dc.contributor.institution.pt_BR.fl_str_mv Pontifícia Universidade Católica de Campinas (PUC-Campinas)
dc.contributor.author.fl_str_mv Romão, Bruno
dc.contributor.advisor1.fl_str_mv Behrens, Frank Herman
contributor_str_mv Behrens, Frank Herman
dc.subject.por.fl_str_mv Veículos Elétricos
Carregamento
Metaheurística
BRKGA
Otimização
Electric Vehicles
Charging
Metaheuristic
BRKGA
Optimization
topic Veículos Elétricos
Carregamento
Metaheurística
BRKGA
Otimização
Electric Vehicles
Charging
Metaheuristic
BRKGA
Optimization
description 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.
publishDate 2020
dc.date.issued.fl_str_mv 2020-12-09
dc.date.accessioned.fl_str_mv 2021-05-19T18:49:23Z
dc.date.available.fl_str_mv 2021-05-19T18:49:23Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.sis.puc-campinas.edu.br/xmlui/handle/123456789/14653
url http://repositorio.sis.puc-campinas.edu.br/xmlui/handle/123456789/14653
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Pontifícia Universidade Católica de Campinas (PUC-Campinas)
publisher.none.fl_str_mv Pontifícia Universidade Católica de Campinas (PUC-Campinas)
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da PUC_CAMPINAS
instname:Pontifícia Universidade Católica de Campinas (PUC-CAMPINAS)
instacron:PUC_CAMP
instname_str Pontifícia Universidade Católica de Campinas (PUC-CAMPINAS)
instacron_str PUC_CAMP
institution PUC_CAMP
reponame_str Biblioteca Digital de Teses e Dissertações da PUC_CAMPINAS
collection Biblioteca Digital de Teses e Dissertações da PUC_CAMPINAS
bitstream.url.fl_str_mv http://repositorio.sis.puc-campinas.edu.br/xmlui/bitstream/123456789/14653/2/license.txt
http://repositorio.sis.puc-campinas.edu.br/xmlui/bitstream/123456789/14653/1/ceatec_engenhariaeletrica_tcc_romao_b.pdf
bitstream.checksum.fl_str_mv d41d8cd98f00b204e9800998ecf8427e
f040b3ae0a42c9fce07046e44a7c65bd
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da PUC_CAMPINAS - Pontifícia Universidade Católica de Campinas (PUC-CAMPINAS)
repository.mail.fl_str_mv sbi.bibliotecadigital@puc-campinas.edu.b||sbi.bibliotecadigital@puc-campinas.edu.br
_version_ 1796790725968396288