Uma estratégia preditiva de gestão de energia em microrredes de energia renovável
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/197730 |
Resumo: | TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação. |
id |
UFSC_12bdef957ea50183f3bfffb6a89737eb |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/197730 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovávelControle preditivo. Microrredes. Controlador central de microrrede. Mercado de Energia.Model Predictive Control. Microgrids. Microgrid Central Controller. Energy Market.TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.Este documento apresenta detalhadamente o processo de modelagem e implementação de um controlador central de microrrede (Microgrid Central Controller - MGCC) baseado em um algoritmo de controle preditivo híbrido e hierárquico. Também se expõe uma breve abordagem dos aspectos teóricos de controle preditivo e ferramentas de modelagem. O desenvolvimento do MGCC foi fundamentado em controle preditivo baseado em modelo (Model Predictive Control - MPC) utilizando-se a abordagem de MLD (Mixed Logical Dynamical) para trabalhar com restrições lógicas dentro da estrutura do MPC, resultando em um problema de programação inteira mista (Mixed Integer Programming - MIP). Esta estrutura hierárquica consiste em um nível superior para otimização econômica e um nível inferior que busca seguir as referências de potência provenientes do nível superior e garantir o balanço de carga (load sharing). A construção da solução se dá pela modelagem econômica e dinâmica dos componentes, bem como das regras de compensação energética do sistema brasileiro de energia elétrica e a tarifa branca, que são especificadas como um conjunto de restrições MLD. A efetividade e o desempenho desta solução, desenvolvida em Matlab, é inicialmente avaliada por meio de simulação para posterior implementação prática do MGCC em uma microrrede física que se encontra no Laboratório de Microrredes Inteligentes da Universidade Federal de Santa Catarina.This document presents in detail the process of modeling and implementation of a Microgrid Central Controller (MGCC) based on a hybrid and hierarchical predictive control algorithm. It also presents a brief approach to the theoretical aspects of predictive control and modeling frameworks. The development of MGCC was based on Model Predictive Control (MPC) using the Mixed Logical Dynamics (MLD) approach to deal with logical constraints within the MPC structure, resulting in a mixed integer programming (MIP) problem. This hierarchical structure consists of a higher level for economic optimization and a lower level that seeks to follow the power references from the upper level and to guarantee the load balance (load sharing). The construction of the solution occurs through the economic and dynamic modeling of the components, as well as the energy compensation rules of the Brazilian electric power system and the white tariff, which are specified with a set of MLD constraints. The effectiveness and performance of this solution, developed in Matlab, is firstly evaluated by means of simulation for later practical implementation of the MGCC in a physical microgrid that is in the Laboratory of Intelligent Microgrids of the Federal University of Santa Catarina.Florianópolis, SC.Normey-Rico, Julio EliasUniversidade Federal de Santa CatarinaConte, Eduardo2019-07-16T17:24:44Z2019-07-16T17:24:44Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://repositorio.ufsc.br/handle/123456789/197730info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2019-07-16T17:24:44Zoai:repositorio.ufsc.br:123456789/197730Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732019-07-16T17:24:44Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovável |
title |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovável |
spellingShingle |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovável Conte, Eduardo Controle preditivo. Microrredes. Controlador central de microrrede. Mercado de Energia. Model Predictive Control. Microgrids. Microgrid Central Controller. Energy Market. |
title_short |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovável |
title_full |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovável |
title_fullStr |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovável |
title_full_unstemmed |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovável |
title_sort |
Uma estratégia preditiva de gestão de energia em microrredes de energia renovável |
author |
Conte, Eduardo |
author_facet |
Conte, Eduardo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Normey-Rico, Julio Elias Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Conte, Eduardo |
dc.subject.por.fl_str_mv |
Controle preditivo. Microrredes. Controlador central de microrrede. Mercado de Energia. Model Predictive Control. Microgrids. Microgrid Central Controller. Energy Market. |
topic |
Controle preditivo. Microrredes. Controlador central de microrrede. Mercado de Energia. Model Predictive Control. Microgrids. Microgrid Central Controller. Energy Market. |
description |
TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018 2019-07-16T17:24:44Z 2019-07-16T17:24:44Z |
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.ufsc.br/handle/123456789/197730 |
url |
https://repositorio.ufsc.br/handle/123456789/197730 |
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.publisher.none.fl_str_mv |
Florianópolis, SC. |
publisher.none.fl_str_mv |
Florianópolis, SC. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808652087884513280 |