Gerenciamento de resposta a demanda residencial utilizando algoritmo genético
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UCS |
Texto Completo: | https://repositorio.ucs.br/11338/6154 |
Resumo: | A oferta e a demanda de energia elétrica precisam ser balanceadas simultaneamente. Para garantir a sustentação da oferta, a capacidade total de geração de eletricidade deve ser maior que a demanda máxima prevista. Nos últimos anos, a demanda por eletricidade está aumentando a cada ano, e as construções de novas usinas de energia estão sendo barradas devido ao custo econômico e ambiental. Um método para adiar ou até evitar certos investimentos, são os Programas de Resposta a Demanda. Seu propósito é modificar o consumo de energia, modelando as cargas do sistema para preencher os vales e diminuir os picos da carga de consumo, tornando assim, o sistema de energia mais eficiente. Desta forma, este trabalho apresenta o desenvolvimento de um algoritmo genético capaz de gerenciar um sistema de resposta a demanda residencial. Para tanto, foi necessário gerar os modelos de consumo das residências, sendo esses baseados em dados reais adquiridos por meio de diversos estudos de hábitos de uso de consumidores, caracterização de cargas, potência de equipamentos e padrões de utilização diária. Como estratégia de resposta a demanda foi utilizada a realocação de cargas, dentro de um horizonte de 24 horas, combinada com a tarifação dinâmica de energia, tendo seus valores variados com base na curva de carga nacional. O trabalho foi realizado utilizando o software Matlab. Diante disso, verificou-se que o algoritmo foi capaz de reduzir o custo total de energia em 16,40% para 100 consumidores, divididos em 5 faixas de consumo, o que impõe a constatação de que a metodologia utilizada produziu um impacto positivo no custo total de energia (sic). |
id |
UCS_f20239e756f166083ac92453fc250ad7 |
---|---|
oai_identifier_str |
oai:repositorio.ucs.br:11338/6154 |
network_acronym_str |
UCS |
network_name_str |
Repositório Institucional da UCS |
repository_id_str |
|
spelling |
Roocks, Jonas EduardoZanoni, CíceroBack, Jaime AndreMichel, André Bernardes2020-06-05T15:17:08Z2020-06-05T15:17:08Z2019-12-122019https://repositorio.ucs.br/11338/6154A oferta e a demanda de energia elétrica precisam ser balanceadas simultaneamente. Para garantir a sustentação da oferta, a capacidade total de geração de eletricidade deve ser maior que a demanda máxima prevista. Nos últimos anos, a demanda por eletricidade está aumentando a cada ano, e as construções de novas usinas de energia estão sendo barradas devido ao custo econômico e ambiental. Um método para adiar ou até evitar certos investimentos, são os Programas de Resposta a Demanda. Seu propósito é modificar o consumo de energia, modelando as cargas do sistema para preencher os vales e diminuir os picos da carga de consumo, tornando assim, o sistema de energia mais eficiente. Desta forma, este trabalho apresenta o desenvolvimento de um algoritmo genético capaz de gerenciar um sistema de resposta a demanda residencial. Para tanto, foi necessário gerar os modelos de consumo das residências, sendo esses baseados em dados reais adquiridos por meio de diversos estudos de hábitos de uso de consumidores, caracterização de cargas, potência de equipamentos e padrões de utilização diária. Como estratégia de resposta a demanda foi utilizada a realocação de cargas, dentro de um horizonte de 24 horas, combinada com a tarifação dinâmica de energia, tendo seus valores variados com base na curva de carga nacional. O trabalho foi realizado utilizando o software Matlab. Diante disso, verificou-se que o algoritmo foi capaz de reduzir o custo total de energia em 16,40% para 100 consumidores, divididos em 5 faixas de consumo, o que impõe a constatação de que a metodologia utilizada produziu um impacto positivo no custo total de energia (sic).Electricity supply and demand need to be balanced simultaneously. To ensure sustained supply, the total electricity generation capacity must be greater than the expected maximum demand. In recent years, the demand for electricity is increasing every year, and the construction of new power plants is being barred due to the economic and environmental cost. One method for delaying or even avoiding certain investments are Demand Response Programs. Its purpose is to modify energy consumption by modeling system loads to fill the valleys and reducing peak consumption loads, thus making the energy system more efficient. Thus, this paper presents the development of a genetic algorithm capable of managing a residential demand response system. Therefore, it was necessary to generate household consumption models, which are based on real data acquired through various studies of consumer usage habits, load characterization, equipment power and daily use patterns. As a demand response strategy, load reallocation within a 24-hour horizon was used, combined with dynamic energy pricing, and its values varied based on the national load curve. The work was performed using Matlab software. Given this, it was found that the algorithm was able to reduce the total cost of energy by 16,40% for 100 consumers, divided into 5 consumption ranges, which requires that the methodology used had a positive impact on the total energy cost (sic).Engenharia elétricaAlgorítmos genéticosEnergia elétrica - ConsumoGerenciamento de resposta a demanda residencial utilizando algoritmo genéticoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UCSinstname:Universidade de Caxias do Sul (UCS)instacron:UCSinfo:eu-repo/semantics/openAccessUniversidade de Caxias do SulBacharelado em Engenharia ElétricaCampus Universitário de Caxias do Sul2019-12-12 00:00:00ORIGINALTCC Jonas Eduardo Roocks.pdfTCC Jonas Eduardo Roocks.pdfapplication/pdf7003927https://repositorio.ucs.br/xmlui/bitstream/11338/6154/1/TCC%20Jonas%20Eduardo%20Roocks.pdfa157d8eeca7bf9957fdabd08db38a2bcMD51TEXTTCC Jonas Eduardo Roocks.pdf.txtTCC Jonas Eduardo Roocks.pdf.txtExtracted texttext/plain198080https://repositorio.ucs.br/xmlui/bitstream/11338/6154/2/TCC%20Jonas%20Eduardo%20Roocks.pdf.txt16b68fd1986d38154f97e5f6e0589195MD52THUMBNAILTCC Jonas Eduardo Roocks.pdf.jpgTCC Jonas Eduardo Roocks.pdf.jpgGenerated Thumbnailimage/jpeg1218https://repositorio.ucs.br/xmlui/bitstream/11338/6154/3/TCC%20Jonas%20Eduardo%20Roocks.pdf.jpg822d32190bee6a587c61ba7345440414MD5311338/61542020-06-06 06:01:12.383oai:repositorio.ucs.br:11338/6154Repositório de Publicaçõeshttp://repositorio.ucs.br/oai/requestopendoar:2020-06-06T06:01:12Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)false |
dc.title.pt_BR.fl_str_mv |
Gerenciamento de resposta a demanda residencial utilizando algoritmo genético |
title |
Gerenciamento de resposta a demanda residencial utilizando algoritmo genético |
spellingShingle |
Gerenciamento de resposta a demanda residencial utilizando algoritmo genético Roocks, Jonas Eduardo Engenharia elétrica Algorítmos genéticos Energia elétrica - Consumo |
title_short |
Gerenciamento de resposta a demanda residencial utilizando algoritmo genético |
title_full |
Gerenciamento de resposta a demanda residencial utilizando algoritmo genético |
title_fullStr |
Gerenciamento de resposta a demanda residencial utilizando algoritmo genético |
title_full_unstemmed |
Gerenciamento de resposta a demanda residencial utilizando algoritmo genético |
title_sort |
Gerenciamento de resposta a demanda residencial utilizando algoritmo genético |
author |
Roocks, Jonas Eduardo |
author_facet |
Roocks, Jonas Eduardo |
author_role |
author |
dc.contributor.other.none.fl_str_mv |
Zanoni, Cícero Back, Jaime Andre |
dc.contributor.author.fl_str_mv |
Roocks, Jonas Eduardo |
dc.contributor.advisor1.fl_str_mv |
Michel, André Bernardes |
contributor_str_mv |
Michel, André Bernardes |
dc.subject.por.fl_str_mv |
Engenharia elétrica Algorítmos genéticos Energia elétrica - Consumo |
topic |
Engenharia elétrica Algorítmos genéticos Energia elétrica - Consumo |
description |
A oferta e a demanda de energia elétrica precisam ser balanceadas simultaneamente. Para garantir a sustentação da oferta, a capacidade total de geração de eletricidade deve ser maior que a demanda máxima prevista. Nos últimos anos, a demanda por eletricidade está aumentando a cada ano, e as construções de novas usinas de energia estão sendo barradas devido ao custo econômico e ambiental. Um método para adiar ou até evitar certos investimentos, são os Programas de Resposta a Demanda. Seu propósito é modificar o consumo de energia, modelando as cargas do sistema para preencher os vales e diminuir os picos da carga de consumo, tornando assim, o sistema de energia mais eficiente. Desta forma, este trabalho apresenta o desenvolvimento de um algoritmo genético capaz de gerenciar um sistema de resposta a demanda residencial. Para tanto, foi necessário gerar os modelos de consumo das residências, sendo esses baseados em dados reais adquiridos por meio de diversos estudos de hábitos de uso de consumidores, caracterização de cargas, potência de equipamentos e padrões de utilização diária. Como estratégia de resposta a demanda foi utilizada a realocação de cargas, dentro de um horizonte de 24 horas, combinada com a tarifação dinâmica de energia, tendo seus valores variados com base na curva de carga nacional. O trabalho foi realizado utilizando o software Matlab. Diante disso, verificou-se que o algoritmo foi capaz de reduzir o custo total de energia em 16,40% para 100 consumidores, divididos em 5 faixas de consumo, o que impõe a constatação de que a metodologia utilizada produziu um impacto positivo no custo total de energia (sic). |
publishDate |
2019 |
dc.date.submitted.none.fl_str_mv |
2019 |
dc.date.issued.fl_str_mv |
2019-12-12 |
dc.date.accessioned.fl_str_mv |
2020-06-05T15:17:08Z |
dc.date.available.fl_str_mv |
2020-06-05T15:17:08Z |
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 |
https://repositorio.ucs.br/11338/6154 |
url |
https://repositorio.ucs.br/11338/6154 |
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.source.none.fl_str_mv |
reponame:Repositório Institucional da UCS instname:Universidade de Caxias do Sul (UCS) instacron:UCS |
instname_str |
Universidade de Caxias do Sul (UCS) |
instacron_str |
UCS |
institution |
UCS |
reponame_str |
Repositório Institucional da UCS |
collection |
Repositório Institucional da UCS |
bitstream.url.fl_str_mv |
https://repositorio.ucs.br/xmlui/bitstream/11338/6154/1/TCC%20Jonas%20Eduardo%20Roocks.pdf https://repositorio.ucs.br/xmlui/bitstream/11338/6154/2/TCC%20Jonas%20Eduardo%20Roocks.pdf.txt https://repositorio.ucs.br/xmlui/bitstream/11338/6154/3/TCC%20Jonas%20Eduardo%20Roocks.pdf.jpg |
bitstream.checksum.fl_str_mv |
a157d8eeca7bf9957fdabd08db38a2bc 16b68fd1986d38154f97e5f6e0589195 822d32190bee6a587c61ba7345440414 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS) |
repository.mail.fl_str_mv |
|
_version_ |
1798308882228969472 |