Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

Νέα / Ανακοινώσεις / Συζητήσεις

Παρουσίαση Διπλωματικής Εργασίας κας Κυριάκου Δήμητρας - Σχολή ΗΜΜΥ

  • Συντάχθηκε 28-09-2021 09:28 Πληροφορίες σύνταξης

    Ενημερώθηκε: -

    Τόπος: Η παρουσίαση θα γίνει με τηλεδιάσκεψη
    Σύνδεσμος τηλεδιάσκεψης
    Έναρξη: 30/09/2021 12:00
    Λήξη: 30/09/2021 13:00

    ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
    Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
    Πρόγραμμα Προπτυχιακών Σπουδών

    ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
    ΔΗΜΗΤΡΑ ΚΥΡΙΑΚΟΥ

    θέμα
    Βέλτιστος Προγραμματισμός Λειτουργίας Μικροδικτύων Μεγάλων Κτιριακών Συγκροτημάτων
    Optimal Operation Scheduling of Microgrids of Large Building Complexes

    Εξεταστική Επιτροπή
    Αναπληρωτής Καθηγητής Φώτιος Κανέλλος (επιβλέπων)
    Καθηγητής Γεώργιος Σταυρακάκης
    Αναπληρωτής Καθηγητής Ευτύχιος Κουτρούλης

    Περίληψη
    Τα μικροδίκτυα αποτελούν έναν αναπτυσσόμενο τομέα της ενεργειακής βιομηχανίας, αντιπροσωπεύοντας ένα παράδειγμα απομάκρυνσης από τις κεντρικές μονάδες παραγωγής ηλεκτρικής ενέργειας προς μια πιο τοπική, κατανεμημένη παραγωγή, ιδίως σε πόλεις, κοινότητες και πανεπιστήμια. Τα μικροδίκτυα παρέχουν αποδοτική και χαμηλού κόστους ενέργεια, βελτιώνουν την τοπική ευρωστία και τη λειτουργία του περιφερειακού ηλεκτρικού δικτύου. Επιπλέον, τα διασυνδεδεμένα ηλεκτρικά οχήματα (PEVs) αναμένεται να διαδραματίσουν σημαντικό ρόλο στη λειτουργία των συστημάτων ηλεκτρικής ενέργειας, καθώς η τεχνολογία των ηλεκτρικών οχημάτων αναπτύσσεται με ταχείς ρυθμούς.
    Στην παρούσα διατριβή προτείνεται μια μέθοδος για τον βέλτιστο προγραμματισμό λειτουργίας μικροδικτύων μεγάλων κτιριακών συγκροτημάτων. Βασίζεται σε ένα ιεραρχικό σύστημα πολλαπλών πρακτόρων (MAS) που περιλαμβάνει μια ομάδα μεγάλων κτιρίων αποτελούμενα από γραφεία, λαμβάνοντας υπόψη τα θερμικά και ηλεκτρικά φορτία τους, καθώς και ηλεκτρικά οχήματα (EVs). Ένα σημαντικό πλεονέκτημα του προτεινόμενου αλγορίθμου είναι ότι στις χρονικές περιόδους της ημέρας που το ηλεκτρικό δίκτυο δεν είναι διαθέσιμο, το μικροδίκτυο είναι σε θέση να καλύπτει το ίδιο ένα ικανοποιητικό ποσοστό της ζήτησης ηλεκτρικής ενέργειας των κτιρίων του με μοναδική μονάδα παραγωγής τα διασυνδεδεμένα ηλεκτρικά οχήματα. Ο βασικός στόχος της μεθόδου είναι η ελαχιστοποίηση του συνολικού κόστους λειτουργίας του μικροδικτύου και η ταυτόχρονη ικανοποίηση ενός μεγάλου αριθμού τεχνικών και λειτουργικών περιορισμών. Το πρόβλημα βελτιστοποίησης που εξετάζεται, επιλύεται με τη χρήση του αλγορίθμου particle swarm optimization (PSO). Η αποτελεσματικότητα της μεθόδου αποδεικνύεται από λεπτομερή αποτελέσματα προσομοίωσης διαφορετικών σεναρίων λειτουργίας, τα οποία έδειξαν ότι μπορεί να επιτευχθεί εξοικονόμηση κόστους της τάξης του 27%.

    Abstract 
    Microgrids constitute a developing area of the energy industry, representing a paradigm shift from centralized power plants to more localized, distributed generation, particularly in cities, communities and campuses. Microgrids provide efficient and low-cost energy, improve the local robustness and the regional electric grid operation and stability. Moreover, plug-in vehicles (PEVs) are expected to play an important role in the operation of electric power systems as electric vehicle technology is rapidly developing.
    In this thesis, a method for optimal operation scheduling of microgrids of large building complexes is proposed. It is based on a hierarchical multi-agent system (MAS) comprising a group of large office buildings, considering their thermal and electrical loads, and plug-in electric vehicles (EVs). A significant advantage of the proposed algorithm is that at the time periods of the day that the electric grid is not available, the microgrid is able itself to supply a satisfactory percentage of the buildings’ electric power demand exploiting only the hosted PEVs. The main target of the method is to minimize the total operation cost of the microgrid while satisfying at the same time a large number of technical and operation constraints. The examined optimization problem is solved using the particle swarm optimization (PSO) method. The efficiency of the method is proved by detailed simulation results of different operation scenarios, showed that cost savings in range of 27% can be achieved.
     

    Meeting ID: 921 2859 6473
    Password: 757531



© Πολυτεχνείο Κρήτης 2012