Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid

Detalhes bibliográficos
Autor(a) principal: Soares, João André Pinto
Data de Publicação: 2011
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.22/4408
Resumo: Mestrado em Engenharia Electrotécnica – Sistemas Eléctricos de Energia
id RCAP_d946549ceb54ee528ff152d45e85b7ac
oai_identifier_str oai:recipp.ipp.pt:10400.22/4408
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-gridElectric VehiclesElectric Vehicles Demand ResponseOptimizationParticle Swarm OptimizationOptimizaçãoGestão da Procura para Veículos EléctricosVeículos EléctricosMestrado em Engenharia Electrotécnica – Sistemas Eléctricos de EnergiaThis thesis proposes a modified Particle Swarm Optimization (PSO) approach for the day-ahead scheduling of Distributed Energy Resources (DER) in smart grids, considering Electric Vehicles (EVs) with gridable capability (vehicle-to-grid). The proposed methodology introduces several changes in traditional PSO meta-heuristic to solve effectively the scheduling problem of DER with EVs. This thesis proposes an intelligent mechanism for adjusting the velocity limits of the swarm to alleviate violations of problem constraints and to improve the quality of the solution, namely the value of the objective function. In addition, a hybridization of PSO method is used, which combines this meta-heuristic with an exact method, a full ac power flow in order to validate network constraints of the solutions explored by the swarm. This thesis proposes a trip reduce demand response program for EVs users. A datamining based methodology is used to support the network operator in the definition of this program and to estimate how much demand response is adequate for a certain operation condition. The case studies included in the thesis aim to demonstrate the effectiveness of the modified PSO approach to the problem of DER scheduling considering EVs. An application named EV Scenario Simulator (EVeSSi) has been developed. EVeSSi allows creating scenarios considering EVs in distribution networks. A case study comparison of the modified PSO with an accurate mixed integer non-linear programming is presented. Furthermore, it is also compared with other variants of PSO, and the traditional PSO. Addionatly, different methods of EV battery management, namely uncontrolled charging, smart charging and vehicle-to-grid, are compared. Finally, a test case is presented to illustrate the use of the proposed demand response program for EVs and the data-mining methodology applied to a large database of operation scenarios.Esta tese apresenta uma aplicação modificada e adaptada da meta-heurística Particle Swarm Optimization (PSO) para o escalonamento de recursos energéticos em redes de distribuição inteligentes vulgo smart grids, considerando a utilização de veículos eléctricos. Este conceito em que os veiculos podem carregar e descarregar energia para a rede eléctrica é denominado na giria anglo-saxónica por vehicle-to-grid. Esta tese apresenta várias modificações na meta-heuristica PSO original para resolver mais eficazmente o problema do escalonamento de recursos energéticos com veículos eléctricos. Realça-se nesta tese a prosposta de um mecanismo inteligente para o ajustamento do limite das velocidades do swarm com vista a aliviar violações de restrições do problema e a melhorar a qualidade da solução, isto é, o valor da função objectivo. Adicionalmente, refere-se a hibridização desta meta-heurística com um método exacto, nomeadamente um trânsito de potências com o objectivo de verificar o cumprimento das restrições da rede eléctrica das soluções exploradas pelo swarm. Um programa de demand response para veículos eléctricos é apresentado na tese. Além disso, uma metodologia baseada em técnicas de data-mining é proposta para suportar as decisões do operator de sistema na definição e na estimativa do uso desse programa. Os casos de estudo incluídos nesta tese pretendem demonstrar a eficácia do PSO modificado no problema do escalonamento de recursos energéticos considerando os veículos eléctricos. Uma aplicação com a designação de EVeSSi foi desenvolvida e apresentada nesta tese para criar cenários de penetração de veículos eléctricos e simular os movimentos dos veículos ao longo dos nós das redes de distribuição. Um caso de estudo de comparação com um método exacto de programação não linear inteira mista é apresentado. Além disso, a aplicação proposta é comparada com outras variantes do PSO, incluindo a versão original. São ainda incluídos casos de estudo que abordam diferentes metodologias de interação do veículo com a rede, nomeadamente uncontrolled charging, smart charging e vehicle-to-grid. Por fim, é apresentado um caso de estudo com o programa de demand response e a metodologia de data-mining.Instituto Politécnico do Porto. Instituto Superior de Engenharia do PortoVale, ZitaMorais, H.Repositório Científico do Instituto Politécnico do PortoSoares, João André Pinto2014-05-30T11:38:43Z20112011-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/4408enginfo: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:RCAAP2023-03-13T12:44:32Zoai:recipp.ipp.pt:10400.22/4408Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:25:17.528365Repositório 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 Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid
title Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid
spellingShingle Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid
Soares, João André Pinto
Electric Vehicles
Electric Vehicles Demand Response
Optimization
Particle Swarm Optimization
Optimização
Gestão da Procura para Veículos Eléctricos
Veículos Eléctricos
title_short Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid
title_full Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid
title_fullStr Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid
title_full_unstemmed Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid
title_sort Modified particle swarm optimization for day-ahead distributed energy resources scheduling including vehicle-to-grid
author Soares, João André Pinto
author_facet Soares, João André Pinto
author_role author
dc.contributor.none.fl_str_mv Vale, Zita
Morais, H.
Repositório Científico do Instituto Politécnico do Porto
dc.contributor.author.fl_str_mv Soares, João André Pinto
dc.subject.por.fl_str_mv Electric Vehicles
Electric Vehicles Demand Response
Optimization
Particle Swarm Optimization
Optimização
Gestão da Procura para Veículos Eléctricos
Veículos Eléctricos
topic Electric Vehicles
Electric Vehicles Demand Response
Optimization
Particle Swarm Optimization
Optimização
Gestão da Procura para Veículos Eléctricos
Veículos Eléctricos
description Mestrado em Engenharia Electrotécnica – Sistemas Eléctricos de Energia
publishDate 2011
dc.date.none.fl_str_mv 2011
2011-01-01T00:00:00Z
2014-05-30T11:38:43Z
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/10400.22/4408
url http://hdl.handle.net/10400.22/4408
dc.language.iso.fl_str_mv eng
language eng
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.publisher.none.fl_str_mv Instituto Politécnico do Porto. Instituto Superior de Engenharia do Porto
publisher.none.fl_str_mv Instituto Politécnico do Porto. Instituto Superior de Engenharia do Porto
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_ 1799131346501632000

Registros relacionados