Algoritmos de gestão de sistema de produção e consumo em smart grids
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10773/28683 |
Resumo: | A sustentabilidade energética é crucial para o desenvolvimento económico e social das sociedades presentes e futuras. Para garantir o bom funcionamento dos sistemas de energia atua-se sobre a produção, as redes de transporte e de distribuição. Do ponto de vista da produção, as energias renováveis têm surgindo como solução para, progressivamente, substituir a energia fóssil. Contudo, existe ainda a necessidade de interligar estes dois tipos. Face a esta realidade, têm-se realizado diversos estudos na evolução do processo de otimização e dimensionamento dos sistemas híbridos de energia. No presente relatório de projeto é proposto o desenvolvimento de um algoritmo de gestão de recursos energéticos, por forma de otimizar o tempo de funcionamento de um gerador a diesel (Grupel), reduzindo não só o gasto financeiro a ele associado, bem como a emissão gases para a atmosfera. A realização deste trabalho consistiu, inicialmente, pela elaboração de um analisador de energia. Porém, houve a necessidade de adquirir um analisador já comercializado, o SDM120, para aquisição de dados dos vários sistemas de produção de energia (Fotovoltaica e Eólica). Cada analisador está ligado a um microcontrolador ESP32 que comunicam entre si através do protocolo Modbus e do Rs-232. A informação será guardada, via wifi, numa base de dados, realizada em MySQL. Paralelamente foi desenvolvido um algoritmo de “machine learning” em PHP, permitindo ao microcontrolador atuar no estado de funcionamento do gerador, mediante a informação lida a partir da base de dados. A monotorização em tempo real foi feita através de uma página web, elaborada em HTML e PHP, contendo os valores da potência produzida pelos painéis fotovoltaicos e as turbinas eólicas, bem como o estado de funcionamento do gerador. Por fim, foi elaborado um “Highchart” para visualizar graficamente a evolução diária da produção de energia. |
id |
RCAP_c3d9554ec697f4dd1bd3a2500c702ce0 |
---|---|
oai_identifier_str |
oai:ria.ua.pt:10773/28683 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Algoritmos de gestão de sistema de produção e consumo em smart gridsSistema híbridoEnergias renováveisSmart gridAlgoritmo Machine LearningA sustentabilidade energética é crucial para o desenvolvimento económico e social das sociedades presentes e futuras. Para garantir o bom funcionamento dos sistemas de energia atua-se sobre a produção, as redes de transporte e de distribuição. Do ponto de vista da produção, as energias renováveis têm surgindo como solução para, progressivamente, substituir a energia fóssil. Contudo, existe ainda a necessidade de interligar estes dois tipos. Face a esta realidade, têm-se realizado diversos estudos na evolução do processo de otimização e dimensionamento dos sistemas híbridos de energia. No presente relatório de projeto é proposto o desenvolvimento de um algoritmo de gestão de recursos energéticos, por forma de otimizar o tempo de funcionamento de um gerador a diesel (Grupel), reduzindo não só o gasto financeiro a ele associado, bem como a emissão gases para a atmosfera. A realização deste trabalho consistiu, inicialmente, pela elaboração de um analisador de energia. Porém, houve a necessidade de adquirir um analisador já comercializado, o SDM120, para aquisição de dados dos vários sistemas de produção de energia (Fotovoltaica e Eólica). Cada analisador está ligado a um microcontrolador ESP32 que comunicam entre si através do protocolo Modbus e do Rs-232. A informação será guardada, via wifi, numa base de dados, realizada em MySQL. Paralelamente foi desenvolvido um algoritmo de “machine learning” em PHP, permitindo ao microcontrolador atuar no estado de funcionamento do gerador, mediante a informação lida a partir da base de dados. A monotorização em tempo real foi feita através de uma página web, elaborada em HTML e PHP, contendo os valores da potência produzida pelos painéis fotovoltaicos e as turbinas eólicas, bem como o estado de funcionamento do gerador. Por fim, foi elaborado um “Highchart” para visualizar graficamente a evolução diária da produção de energia.Energy sustainability is crucial for the economic and social development of present and future societies. In order to ensure the proper functioning of energy systems, it's important to act in production, transmission and distribution networks. From the point of view of production, renewable energies have emerged as a solution to progressively replace fossil energy. However, there is still a need to interlink these two types. Faced with this reality, several studies have been carried out on the evolution of the optimization and dimensioning process of the hybrid energy systems. This project report proposes the development of an algorithm for the management of energy resources, in order to optimize the operating time of a diesel generator (Grupel), reducing not only the associated financial expense, but also the emission of gases to the atmosphere. The accomplishment of this work consisted, initially, in the elaboration of an energy analyzer. However, it was necessary to acquire an already commercialized analyzer, the SDM120, to acquire data from the various energy production systems (Photovoltaic and Wind Power). Each analyzer is connected to an ESP32 microcontroller and communicates with each other through the Modbus protocol and the Rs-232 for the allocation of information, via wifi, in a database, performed in MySQL.In parallel, a machine learning algorithm was developed in PHP, allowing the microcontroller to act in the state of operation of the generator, through the information read from the database. The real-time monitoring will be done through a web page, elaborated in Html and PHP, containing the values of the power produced by the photovoltaic panels and the wind turbines, as well as the state of operation of the generator. Finally, a "Highchart" was created to graphically visualize the daily evolution of energy production.2020-06-15T13:47:06Z2018-01-01T00:00:00Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/28683TID:202235270porMorais, Pedro Fidalgoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-22T11:55:30Zoai:ria.ua.pt:10773/28683Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:01:10.596736Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Algoritmos de gestão de sistema de produção e consumo em smart grids |
title |
Algoritmos de gestão de sistema de produção e consumo em smart grids |
spellingShingle |
Algoritmos de gestão de sistema de produção e consumo em smart grids Morais, Pedro Fidalgo Sistema híbrido Energias renováveis Smart grid Algoritmo Machine Learning |
title_short |
Algoritmos de gestão de sistema de produção e consumo em smart grids |
title_full |
Algoritmos de gestão de sistema de produção e consumo em smart grids |
title_fullStr |
Algoritmos de gestão de sistema de produção e consumo em smart grids |
title_full_unstemmed |
Algoritmos de gestão de sistema de produção e consumo em smart grids |
title_sort |
Algoritmos de gestão de sistema de produção e consumo em smart grids |
author |
Morais, Pedro Fidalgo |
author_facet |
Morais, Pedro Fidalgo |
author_role |
author |
dc.contributor.author.fl_str_mv |
Morais, Pedro Fidalgo |
dc.subject.por.fl_str_mv |
Sistema híbrido Energias renováveis Smart grid Algoritmo Machine Learning |
topic |
Sistema híbrido Energias renováveis Smart grid Algoritmo Machine Learning |
description |
A sustentabilidade energética é crucial para o desenvolvimento económico e social das sociedades presentes e futuras. Para garantir o bom funcionamento dos sistemas de energia atua-se sobre a produção, as redes de transporte e de distribuição. Do ponto de vista da produção, as energias renováveis têm surgindo como solução para, progressivamente, substituir a energia fóssil. Contudo, existe ainda a necessidade de interligar estes dois tipos. Face a esta realidade, têm-se realizado diversos estudos na evolução do processo de otimização e dimensionamento dos sistemas híbridos de energia. No presente relatório de projeto é proposto o desenvolvimento de um algoritmo de gestão de recursos energéticos, por forma de otimizar o tempo de funcionamento de um gerador a diesel (Grupel), reduzindo não só o gasto financeiro a ele associado, bem como a emissão gases para a atmosfera. A realização deste trabalho consistiu, inicialmente, pela elaboração de um analisador de energia. Porém, houve a necessidade de adquirir um analisador já comercializado, o SDM120, para aquisição de dados dos vários sistemas de produção de energia (Fotovoltaica e Eólica). Cada analisador está ligado a um microcontrolador ESP32 que comunicam entre si através do protocolo Modbus e do Rs-232. A informação será guardada, via wifi, numa base de dados, realizada em MySQL. Paralelamente foi desenvolvido um algoritmo de “machine learning” em PHP, permitindo ao microcontrolador atuar no estado de funcionamento do gerador, mediante a informação lida a partir da base de dados. A monotorização em tempo real foi feita através de uma página web, elaborada em HTML e PHP, contendo os valores da potência produzida pelos painéis fotovoltaicos e as turbinas eólicas, bem como o estado de funcionamento do gerador. Por fim, foi elaborado um “Highchart” para visualizar graficamente a evolução diária da produção de energia. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-01-01T00:00:00Z 2018 2020-06-15T13:47:06Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10773/28683 TID:202235270 |
url |
http://hdl.handle.net/10773/28683 |
identifier_str_mv |
TID:202235270 |
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.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137667811639296 |