dc.contributor.author | Cavalca, Diego Luiz | |
dc.date.accessioned | 2018-05-10T20:10:56Z | |
dc.date.available | 2018-05-10T20:10:56Z | |
dc.date.issued | 2018-03-09 | |
dc.identifier.citation | CAVALCA, Diego Luiz. Algoritmo híbrido de otimização por enxame de partículas aplicado ao gerenciamento de cargas residenciais. 2018. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2018. Disponível em: https://repositorio.ufscar.br/handle/ufscar/9972. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/9972 | |
dc.description.abstract | Demand side power management and a useful solution and guarantee in the context of Smart Grids, since it allows to reduce energy consumption in periods of greater network consumption, aiming to ensure system reliability and minimize resource wastage. Thus, production efficiency and energy consumption are a key feature in this context, and optimization methods are highly relevant, being a crucial part of the planning, operation and control of energy systems. In this work, a new particle swarm optimization algorithm approach is proposed for the feasible time resolution of the load operation planning in a smart home, aiming to mitigate problems related to the high dimensionality and the presence of constraints, inherent problems in this field. Assuming a robust mathematical model, the results of the computational simulations carried out show that the proposed approach, even when compared to alternative methods, contributes significantly to reduction of energy costs in relation to tariff variations, as well as minimizing the use of residential loads at peak times for a group of consumers, obtaining optimized solutions in adequate time, expressing to the applicability of the proposed algorithm. | eng |
dc.description.sponsorship | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights.uri | Acesso aberto | por |
dc.subject | Otimização | por |
dc.subject | Redes inteligentes | por |
dc.subject | Resposta à demanda | por |
dc.subject | Meta-heurísticas | por |
dc.subject | Enxame de partículas | por |
dc.title | Algoritmo híbrido de otimização por enxame de partículas aplicado ao gerenciamento de cargas residenciais | por |
dc.title.alternative | Particle Swarm Optimization Hybrid Algorithm Applied to Residential Loads Management | eng |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Fernandes, Ricardo Augusto Souza | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0880243208789454 | por |
dc.description.resumo | O gerenciamento da energia elétrica pelo lado da demanda é uma estratégia útil e necessária no contexto das Smart Grids, uma vez que permite reduzir o consumo de energia em períodos de maior consumo da rede, visando garantir a confiabilidade do sistema e minimizando o desperdício de recursos. Logo, a eficiência da produção e consumo de energia é uma característica fundamental neste contexto, e métodos de otimização são altamente relevantes, sendo uma parte crucial do planejamento, operação e controle de sistemas de energia. Neste trabalho, uma nova abordagem do algoritmo de enxame de partículas é proposta para a resolução em tempo viável do planejamento de operações de cargas em uma residência inteligente, tendo como objetivo mitigar problemas relacionados à alta dimensionalidade e à presença de restrições, inerentes a problemas neste domínio. Assumindo um robusto modelo matemático, os resultados de simulações computacionais mostram que a abordagem proposta, mesmo quando comparada à métodos alternativos, contribui de maneira significativa para a redução dos custos com energia elétrica frente a variações tarifárias, bem como minimiza a utilização de cargas residenciais em horários de pico para um grupo de consumidores, obtendo soluções otimizadas em tempo adequado, exprimindo a aplicabilidade do algoritmo proposto. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.description.sponsorshipId | CNPq: 132891/2016-6 | por |
dc.ufscar.embargo | Online | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/3677080775789758 | por |