Algoritmo genético com chaves aleatórias tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais
Autor(a) principal: | |
---|---|
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 |