Escalonamento de cargas de utilização final no sector residencial

Abstract

Nesta dissertação propõe-se uma abordagem baseada em meta-heurísticas ao escalonamento de cargas no sector residencial. O modelo proposto faz o escalonamento de cargas para o dia seguinte, onde há conhecimento à priori dos preços de energia eléctrica praticados, nível de potência contratada, preferências do utilizador assim como a previsão da potência das cargas que o algoritmo não controla (carga base). Foram tomadas em consideração cargas cíclicas (máquina de lavar roupa, máquina de secar roupa e máquina de lavar louça), termoacumulador e veículo eléctrico. O objectivo principal do escalonamento de cargas é a minimização do custo de energia eléctrica consumida sendo, no modelo proposto, tido em conta a estrutura de preferências do utilizador relativamente à utilização dos diferentes serviços de energia, assim como a minimização da probabilidade da potência consumida exceder a potência contratada e originar cortes no fornecimento de energia. Estas duas últimas características do modelo proposto são mais valias significativas relativamente a propostas alternativas que existem na literatura. É feita uma análise comparativa do desempenho de dois algoritmos usados no escalonamento de cargas, um baseado em Particle Swarm Optimization outro em Algoritmos Genéticos. É apresentado um estudo de caso detalhado onde se evidencia a capacidade do modelo proposto e do algoritmo implementado em lidar com situações complexas em termos de estruturas de preços e de preferências do utilizador.

This thesis proposes an approach based on meta-heuristics to the load scheduling in the residential sector. The proposed model looks at the next day energy prices (which are previously known), contracted power, user preferences, even as prediction power base load (or uncontrolled load). The load scheduling considers cyclic loads (washing machine, dish machine, dryer machine), water heater and electric vehicle charge. Beyond the main purpose of minimize the cost of energy consumption, were taken into account the minimizing the discomfort of the user, as well as minimizing the probability of load exceeds the contracted power and cause power cut. This thesis proposes two management algorithms to solve load scheduling problem, the first one based on Genetic Algorithms, and the second one based on Particle Swarm Optimization. A comparison is made between them. Subsequently, it is presented a detailed case study where it shows the ability of the proposed model and of the implemented algorithm implemented in dealing with complex situations in terms of pricing structures and user preferences.