Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Development of optimization algorithms for a smart grid community

Provata Eleni

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/32E4BEEA-C3FE-4E15-8562-C1028B8BCFBA-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.23781-
Γλώσσαen-
Μέγεθος111 pagesen
ΤίτλοςDevelopment of optimization algorithms for a smart grid communityen
ΔημιουργόςProvata Elenien
ΔημιουργόςΠροβατα Ελενηel
Συντελεστής [Επιβλέπων Καθηγητής]Kolokotsa Dionysiaen
Συντελεστής [Επιβλέπων Καθηγητής]Κολοκοτσα Διονυσιαel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Kalaitzakis Konstantinosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Καλαϊτζακης Κωνσταντινοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Karatzas Giorgosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Καρατζας Γιωργοςel
ΕκδότηςTechnical University of Creteen
ΕκδότηςΠολυτεχνείο Κρήτηςel
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Environmental Engineeringen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Περιβάλλοντοςel
ΠερίληψηThe aim of this work is the development of an optimization model in order to minimize the cost of Leaf Community microgrid. This cost is a sum of energy cost and the maintenance cost of the Energy storage system. The developed objective function is constrained and the problem here is solved by using the method of genetic algorithms at Matlab. The genetic algorithm decides about the transportation of the energy from or to the ESS and it calculates an optimum cost. The optimization time horizon is 24 h ahead, thus the prediction of energy production and consumption was necessary. This was achieved by using neural networks. In order to verify the performance of the developed optimization model, some scenarios were tested evaluated. This study concludes that a management of a microgrid can achieve energy and money savings. en
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2014-12-15-
Ημερομηνία Δημοσίευσης2014-
Θεματική ΚατηγορίαGreen energy investmenten
Θεματική ΚατηγορίαInvestment in clean energyen
Θεματική Κατηγορίαclean energy investmenten
Θεματική Κατηγορίαgreen energy investmenten
Θεματική Κατηγορίαinvestment in clean energyen
Θεματική ΚατηγορίαOptimization, Constraineden
Θεματική Κατηγορίαconstrained optimizationen
Θεματική Κατηγορίαoptimization constraineden
Θεματική ΚατηγορίαIndustrial energy consumptionen
Θεματική Κατηγορίαindustries energy consumptionen
Θεματική Κατηγορίαindustrial energy consumptionen
Θεματική ΚατηγορίαArtificial neural networksen
Θεματική ΚατηγορίαNets, Neural (Computer science)en
Θεματική ΚατηγορίαNetworks, Neural (Computer science)en
Θεματική ΚατηγορίαNeural nets (Computer science)en
Θεματική Κατηγορίαneural networks computer scienceen
Θεματική Κατηγορίαartificial neural networksen
Θεματική Κατηγορίαnets neural computer scienceen
Θεματική Κατηγορίαnetworks neural computer scienceen
Θεματική Κατηγορίαneural nets computer scienceen
Θεματική ΚατηγορίαAlternate energy sourcesen
Θεματική ΚατηγορίαAlternative energy sourcesen
Θεματική ΚατηγορίαEnergy sources, Renewableen
Θεματική ΚατηγορίαRenewable energy resourcesen
Θεματική ΚατηγορίαSustainable energy sourcesen
Θεματική Κατηγορίαrenewable energy sourcesen
Θεματική Κατηγορίαalternate energy sourcesen
Θεματική Κατηγορίαalternative energy sourcesen
Θεματική Κατηγορίαenergy sources renewableen
Θεματική Κατηγορίαrenewable energy resourcesen
Θεματική Κατηγορίαsustainable energy sourcesen
Βιβλιογραφική ΑναφοράEleni Provata, "Development of optimization algorithms for a smart grid community", Master Thesis, School of Environmental Engineering, Technical University of Crete, Chania, Greece, 2014en
Βιβλιογραφική ΑναφοράΕλένη Προβατά, "Development of optimization algorithms for a smart grid community", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Περιβάλλοντος, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2014el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά