| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 6.79 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
In this work an introduction to Local Electricity Markets (LEM) was done and afterwards evolutionary algorithms (EAs) such as Differential Evolution (DE), HybridAdaptive Differential Evolution (HyDE), Hybrid-Adaptive Differential Evolution with Decay Function (HyDE-DF) and Vortex Search (VS) were applied to a market model in order to test its efficiency and scalability. Then, the market model was expanded adding a network model from the BISITE laboratory and again tests using the evolutionary algorithms were performed. In more detail, first a literature review is done about distributed generation, load flexibility, LEM and EAs. Then a cost optimization problem in Local Electricity Markets is analyzed considering fixed-term flexibility contracts between the distribution system operator (DSO) and aggregators. In this market structure, the DSO procures flexibility while aggregators of different types (e.g., conventional demand response or thermo-load aggregators) offer the service. Its then solved the proposed model using evolutionary algorithms based on the well-known differential evolution (DE). First, a parameter-tuning analysis is done to assess the impact of the DE parameters on the quality of solutions to the problem. Later, after finding the best set of parameters for the “tuned” DE strategies, we compare their performance with other self-adaptive parameter algorithms, namely the HyDE, HyDE-DF, and VS. Overall, the algorithms are able to find near-optimal solutions to the problem and can be considered an alternative solver for more complex instances of the model. After this a network model, from BISITE laboratory, is added to the problem and new analyses are performed using evolutionary algorithms along with MATPOWER power flow algorithms. Results show that evolutionary algorithms support from simple to complex problems, that is, it is a scalable algorithm, and with these results it is possible to perform analyses of the proposed market model.
Neste trabalho foi feita uma introdução aos Mercados Locais de Eletricidade (MLE) e posteriormente foram aplicados algoritmos evolutivos (AEs) como Differential Evolution (DE), Hybrid-Adaptive Differential Evolution (HyDE), Hybrid-Adaptive Differential Evolution with Decay Function (HyDE-DF) e Vortex Search (VS) a um modelo de mercado a fim de testar a sua eficiência e escalabilidade. O modelo de mercado foi expandido adicionando uma rede do laboratório BISITE e novamente foram realizados testes usando os algoritmos evolutivos. Em mais detalhe, no trabalho primeiro foi feita uma revisão bibliográfica sobre geração distribuída, flexibilidade de carga, MLE e AEs. É analisado um problema de optimização de custos nos MLE, considerando contratos de flexibilidade a prazo fixo entre os agentes. O distribuidor adquire flexibilidade enquanto que os agregadores de diferentes tipos (por exemplo, os agregadores convencionais de resposta à procura ou de carga térmica) oferecem o serviço. Resolve-se depois o modelo proposto utilizando AEs baseados na conhecida DE. É feita uma análise de afinação de parâmetros para avaliar o impacto dos parâmetros DE na qualidade das soluções para o problema. Após encontrarmos o melhor conjunto de parâmetros para as estratégias DE "afinadas", comparamos o seu desempenho com outros algoritmos de parâmetros autoadaptáveis, nomeadamente o HyDE, HyDE-DF, e VS. Globalmente, os algoritmos são capazes de encontrar soluções quase óptimas para o problema e podem ser considerados um solucionador alternativo para instâncias mais complexas do modelo. Então um modelo de rede, do laboratório BISITE, é acrescentado ao problema e novas análises são realizadas utilizando algoritmos evolutivos juntamente com algoritmos de fluxo de potência MATPOWER. Os resultados mostram que os algoritmos evolutivos suportam desde problemas simples a complexos, ou seja, é um algoritmo escalável, e com estes resultados é possível realizar análises do modelo de mercado proposto.
Neste trabalho foi feita uma introdução aos Mercados Locais de Eletricidade (MLE) e posteriormente foram aplicados algoritmos evolutivos (AEs) como Differential Evolution (DE), Hybrid-Adaptive Differential Evolution (HyDE), Hybrid-Adaptive Differential Evolution with Decay Function (HyDE-DF) e Vortex Search (VS) a um modelo de mercado a fim de testar a sua eficiência e escalabilidade. O modelo de mercado foi expandido adicionando uma rede do laboratório BISITE e novamente foram realizados testes usando os algoritmos evolutivos. Em mais detalhe, no trabalho primeiro foi feita uma revisão bibliográfica sobre geração distribuída, flexibilidade de carga, MLE e AEs. É analisado um problema de optimização de custos nos MLE, considerando contratos de flexibilidade a prazo fixo entre os agentes. O distribuidor adquire flexibilidade enquanto que os agregadores de diferentes tipos (por exemplo, os agregadores convencionais de resposta à procura ou de carga térmica) oferecem o serviço. Resolve-se depois o modelo proposto utilizando AEs baseados na conhecida DE. É feita uma análise de afinação de parâmetros para avaliar o impacto dos parâmetros DE na qualidade das soluções para o problema. Após encontrarmos o melhor conjunto de parâmetros para as estratégias DE "afinadas", comparamos o seu desempenho com outros algoritmos de parâmetros autoadaptáveis, nomeadamente o HyDE, HyDE-DF, e VS. Globalmente, os algoritmos são capazes de encontrar soluções quase óptimas para o problema e podem ser considerados um solucionador alternativo para instâncias mais complexas do modelo. Então um modelo de rede, do laboratório BISITE, é acrescentado ao problema e novas análises são realizadas utilizando algoritmos evolutivos juntamente com algoritmos de fluxo de potência MATPOWER. Os resultados mostram que os algoritmos evolutivos suportam desde problemas simples a complexos, ou seja, é um algoritmo escalável, e com estes resultados é possível realizar análises do modelo de mercado proposto.
Description
Keywords
Distributed Generation Demand Response Evolutionary Algorithms Local Electricity Markets Load Flexibility Algoritmos Evolutivos Flexibilidade de Carga Mercados Locais de Eletricidade