Islanded microgrid optimal sizing using gradient-based algorithm
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/250524 |
Resumo: | Em locais isolados onde não há conexão com a rede elétrica de distribuição, o uso do gerador a diesel como fonte de energia elétrica é considerável, devido à sua confiabilidade e independência climática. Com a intensificação da preocupação ambiental, o uso de fontes de energia renováveis tem aumentado. Entretanto, estas micro redes isoladas com alta penetração de energia renovável precisam ser bem dimensionadas para permitir o atendimento da carga com alto nível de confiabilidade. É por isso que um algoritmo de otimização adequado precisa ser usado para obter o tamanho ideal da microrrede para cada projeto. Portanto, este trabalho apresenta o uso de um algoritmo de otimização determinístico baseado em gradiente para resolver o dimensionamento ótimo da microrrede, que não é frequentemente utilizado para este tipo de problema. O objetivo da otimização é obter o projeto da microrrede com o menor custo líquido atual (NPC), que respeite um valor máximo de não atendimento da carga (SF - do inglês shedding fraction). Uma maneira possível de obter os valores de NPC e SF para cada configuração de microrrede e especificação de componentes é simular um ano inteiro de sua operação, por meio de um simulador de microrrede. O cálculo dos gradientes usados no algoritmo de otimiza- ção é feito com um pacote de Diferenciação Automática que tem uma alta precisão e desempenho computacional. Os resultados da convergência e do tempo de computação são comparados com os resultados do algoritmo de otimização de Enxame de Partículas (PSO - do inglês Particle Swarm Optimization), um algoritmo de otimização meta-heurístico que é comumente utilizado para resolver o problema de dimensionamento ótimo da microrrede. |
id |
URGS_62fb7789bfe9f17f31c653372835c5e1 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/250524 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Antunes, Evelise de GodoyLeborgne, Roberto Chouhy2022-10-28T04:46:16Z2022http://hdl.handle.net/10183/250524001150899Em locais isolados onde não há conexão com a rede elétrica de distribuição, o uso do gerador a diesel como fonte de energia elétrica é considerável, devido à sua confiabilidade e independência climática. Com a intensificação da preocupação ambiental, o uso de fontes de energia renováveis tem aumentado. Entretanto, estas micro redes isoladas com alta penetração de energia renovável precisam ser bem dimensionadas para permitir o atendimento da carga com alto nível de confiabilidade. É por isso que um algoritmo de otimização adequado precisa ser usado para obter o tamanho ideal da microrrede para cada projeto. Portanto, este trabalho apresenta o uso de um algoritmo de otimização determinístico baseado em gradiente para resolver o dimensionamento ótimo da microrrede, que não é frequentemente utilizado para este tipo de problema. O objetivo da otimização é obter o projeto da microrrede com o menor custo líquido atual (NPC), que respeite um valor máximo de não atendimento da carga (SF - do inglês shedding fraction). Uma maneira possível de obter os valores de NPC e SF para cada configuração de microrrede e especificação de componentes é simular um ano inteiro de sua operação, por meio de um simulador de microrrede. O cálculo dos gradientes usados no algoritmo de otimiza- ção é feito com um pacote de Diferenciação Automática que tem uma alta precisão e desempenho computacional. Os resultados da convergência e do tempo de computação são comparados com os resultados do algoritmo de otimização de Enxame de Partículas (PSO - do inglês Particle Swarm Optimization), um algoritmo de otimização meta-heurístico que é comumente utilizado para resolver o problema de dimensionamento ótimo da microrrede.In isolated sites where there is not a connection with the main electric grid, the use of diesel generating set as electric energy source is considerable, because of its reliability and its climate independence. With the intensification of environmental concern, the use of renewables energy sources has increase. However, these islanded microgrids with high penetration of renewables need to be well sized to allow the load fulfillment with high level of reliability. That is why a suitable optimization algorithm need to be used to obtain the optimal microgrid size for each project. Therefore, this work presents the use of a deterministic gradient-based optimization algorithm to solve the microgrid optimal sizing, which is not often used for this type of problem. The aim of the optimization is to obtain the microgrid design with the lowest net present cost (NPC), that respect a defined maximum shedding fraction (SF). One possible way to obtain the values of NPC and SF for each microgrid configuration and components sizes is to simulate a whole year of its operation, by means of a microgrid simulator. The calculation of the gradients used in the optimization algorithm is done with a Automatic Differentiation package which has a high accuracy and computational performance. The convergence and computation time results are compared with the ones from Particle Swarm Optimization (PSO), a metaheuristic optimization algorithm that is commonly used to solve the optimal microgrid sizing problem.application/pdfengMicrorredesOtimizaçãoAlgoritmosMicrogridsOptimal sizingGradient-based optimizationAutomatic differentiation (AD)Particle swarm optimization (PSO)Islanded microgrid optimal sizing using gradient-based algorithminfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2022mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001150899.pdf.txt001150899.pdf.txtExtracted Texttext/plain146955http://www.lume.ufrgs.br/bitstream/10183/250524/2/001150899.pdf.txt68ae8c058ee83c55e0ed834b7f573a0cMD52ORIGINAL001150899.pdfTexto completo (inglês)application/pdf1529872http://www.lume.ufrgs.br/bitstream/10183/250524/1/001150899.pdfcd8b6ad38dd7051a44558d6d613c64a3MD5110183/2505242022-10-29 05:00:57.058565oai:www.lume.ufrgs.br:10183/250524Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-10-29T08:00:57Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Islanded microgrid optimal sizing using gradient-based algorithm |
title |
Islanded microgrid optimal sizing using gradient-based algorithm |
spellingShingle |
Islanded microgrid optimal sizing using gradient-based algorithm Antunes, Evelise de Godoy Microrredes Otimização Algoritmos Microgrids Optimal sizing Gradient-based optimization Automatic differentiation (AD) Particle swarm optimization (PSO) |
title_short |
Islanded microgrid optimal sizing using gradient-based algorithm |
title_full |
Islanded microgrid optimal sizing using gradient-based algorithm |
title_fullStr |
Islanded microgrid optimal sizing using gradient-based algorithm |
title_full_unstemmed |
Islanded microgrid optimal sizing using gradient-based algorithm |
title_sort |
Islanded microgrid optimal sizing using gradient-based algorithm |
author |
Antunes, Evelise de Godoy |
author_facet |
Antunes, Evelise de Godoy |
author_role |
author |
dc.contributor.author.fl_str_mv |
Antunes, Evelise de Godoy |
dc.contributor.advisor1.fl_str_mv |
Leborgne, Roberto Chouhy |
contributor_str_mv |
Leborgne, Roberto Chouhy |
dc.subject.por.fl_str_mv |
Microrredes Otimização Algoritmos |
topic |
Microrredes Otimização Algoritmos Microgrids Optimal sizing Gradient-based optimization Automatic differentiation (AD) Particle swarm optimization (PSO) |
dc.subject.eng.fl_str_mv |
Microgrids Optimal sizing Gradient-based optimization Automatic differentiation (AD) Particle swarm optimization (PSO) |
description |
Em locais isolados onde não há conexão com a rede elétrica de distribuição, o uso do gerador a diesel como fonte de energia elétrica é considerável, devido à sua confiabilidade e independência climática. Com a intensificação da preocupação ambiental, o uso de fontes de energia renováveis tem aumentado. Entretanto, estas micro redes isoladas com alta penetração de energia renovável precisam ser bem dimensionadas para permitir o atendimento da carga com alto nível de confiabilidade. É por isso que um algoritmo de otimização adequado precisa ser usado para obter o tamanho ideal da microrrede para cada projeto. Portanto, este trabalho apresenta o uso de um algoritmo de otimização determinístico baseado em gradiente para resolver o dimensionamento ótimo da microrrede, que não é frequentemente utilizado para este tipo de problema. O objetivo da otimização é obter o projeto da microrrede com o menor custo líquido atual (NPC), que respeite um valor máximo de não atendimento da carga (SF - do inglês shedding fraction). Uma maneira possível de obter os valores de NPC e SF para cada configuração de microrrede e especificação de componentes é simular um ano inteiro de sua operação, por meio de um simulador de microrrede. O cálculo dos gradientes usados no algoritmo de otimiza- ção é feito com um pacote de Diferenciação Automática que tem uma alta precisão e desempenho computacional. Os resultados da convergência e do tempo de computação são comparados com os resultados do algoritmo de otimização de Enxame de Partículas (PSO - do inglês Particle Swarm Optimization), um algoritmo de otimização meta-heurístico que é comumente utilizado para resolver o problema de dimensionamento ótimo da microrrede. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-10-28T04:46:16Z |
dc.date.issued.fl_str_mv |
2022 |
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/10183/250524 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001150899 |
url |
http://hdl.handle.net/10183/250524 |
identifier_str_mv |
001150899 |
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.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/250524/2/001150899.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/250524/1/001150899.pdf |
bitstream.checksum.fl_str_mv |
68ae8c058ee83c55e0ed834b7f573a0c cd8b6ad38dd7051a44558d6d613c64a3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085600846413824 |