Forouzandehjouneghani, ZahraChavez, Juliana Pires Coelho2023-02-082023-02-082022http://hdl.handle.net/10400.22/22168Nos últimos anos, o consumo de energia tem aumentado juntamente com o crescimento económico e populacional, onde os edifícios representam um dos principais consumidores. Contudo, surgem preocupações a nível ambiental as quais inspiram governos a concentrarse na concepção de edifícios inteligentes com sistemas de gestão de energia que controlam as fontes de energia renováveis. No entanto, um fator importante a considerar ao lidar com os recursos energéticos é a natureza incerta do seu comportamento. De forma a dar resposta a este desafio, esta tese consiste em propor uma programação ótima dos recursos energéticos baseado na otimização robusta, tendo em conta as incertezas associadas aos veículos elétricos. A otimização robusta é uma abordagem inovadora e eficaz para resolver problemas de otimização que envolvem incerteza, uma vez que encontra a melhor solução entre os piores cenários possíveis. Inicialmente é formulada uma técnica de Redes Neuronais Artificiais, de modo a lidar com as incertezas. Posteriormente, um problema de Programação Linear Binária é estipulado para reduzir os custos energéticos do edíficio sem considerar incertezas. Numa fase final, o modelo determinístico é transformado num problema robusto, assegurando imunidade contra a incerteza associada aos veículos elétricos. De modo a simular o modelo de Otimização Robusta foram implementados três cenários diferentes de programação energética com um horizonte de tempo curto. Os resultados apresentaram uma redução de 14.86% no caso do estado da carga inicial, de 6.75% para a hora de chegada e de 14.18% para a hora de partida, revelando que o modelo implementado permite minimizar os custos totais de eletricidade de um edifício, bem como reduzir os problemas associados à incerteza dos veículos elétricos. Além disso, é demonstrado o ajustamento da técnica de otimização robusta de acordo com vários níveis de robustez.In recent years, electricity consumption has increased along with economic and population growth, with buildings representing one of the main consumers. However, environmental concerns are emerging and inspiring governments to focus on designing intelligent buildings with energy management systems that control renewable energy sources. However, an important factor to consider when dealing with energy resources is the uncertain nature of their behavior. To address this challenge, this thesis proposes optimal scheduling of energy resources based on robust optimization, taking into account the uncertainties associated with electric vehicles. Robust optimization is an innovative and effective approach for solving optimization problems involving uncertainty since it finds the best solution among the worst-case scenarios. Initially, an Artificial Neural Networks technique is formulated to deal with uncertainties. Afterward, a Binary Linear Programming problem is stipulated to reduce the energy costs of the building without considering uncertainties. In the final step, the deterministic model is transformed into a robust problem, ensuring immunity against the uncertainty related to electric vehicles. To simulate the Robust Optimization model, three different energy scheduling scenarios with a short time horizon were implemented. The results showed a reduction of 14.86% for the initial State Of Charge (SoC), 6.75% for the arrival time, and 14.18% for the departure time, revealing that the implemented model allows for minimizing the total electricity costs of a building, as well as reducing the problems associated with the uncertainty of electric vehicles. In addition, the adjustment of the robust optimization technique according to various levels of robustness is demonstrated.engEstado da Carga InicialFontes de Energia RenováveisHora de ChegadaHora de SaídaIncerteza dos Veículos ElétricosProblema da Otimização RobustaSistema de Gestão de Energia de EdifíciosArrival TimeBuilding Energy Management SystemDeparture TimeInitial State of ChargeRenewable Energy SourcesRobust Optimization ProblemUncertainty of Electric Vehiclesmaster thesis203113292