Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/827B1A86-0898-4EBB-B597-B917B2270379 | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.76575 | - |
| Γλώσσα | en | - |
| Μέγεθος | 5.162 kilobytes | en |
| Τίτλος | Development of DR energy management optimization at building and district level using GA and NN modeling power predictions | en |
| Δημιουργός | Tsekeri Elisavet | en |
| Δημιουργός | Τσεκερη Ελισαβετ | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Kolokotsa Dionysia | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Κολοκοτσα Διονυσια | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Kalaitzakis Konstantinos | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Καλαϊτζακης Κωνσταντινος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Karatzas Giorgos | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Καρατζας Γιωργος | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Environmental Engineering | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Περιβάλλοντος | el |
| Περίληψη | In broad terms, Demand Response refers to the operational, regulatory and technical framework for inducing changes in the power demand of buildings or settlements during the day. Time of Use (ToU) pricing can be vital to leverage advancements in building or district energy management systems to shift loads, exploit storage capabilities, increase renewable energy penetration and ultimately relief stress from the grid. This is an important feature of the smart grid and a step closer to the necessary open and transparent market framework according to which energy consumption costs reflect actual costs of production, transmission, distribution, infrastructure maintenance and upgrade etc. In this paper Neural Network power predictions are performed and a genetic algorithm based framework for energy management in a group of buildings is developed and tested on real data. According to the results ToU pricing could be exploited by the industry using ANN based day ahead prediction to perform load shifting and minimize associated costs. | en |
| Τύπος | Μεταπτυχιακή Διατριβή | el |
| Τύπος | Master Thesis | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by-nc/4.0/ | en |
| Ημερομηνία | 2018-06-20 | - |
| Ημερομηνία Δημοσίευσης | 2018 | - |
| Θεματική Κατηγορία | Genetic algorithms | en |
| Θεματική Κατηγορία | Artificial neural network | en |
| Θεματική Κατηγορία | Demand response | en |
| Βιβλιογραφική Αναφορά | Elisavet Tsekeri, "Development of DR energy management optimization at building and district level using GA and NN modeling power predictions", Master Thesis, School of Environmental Engineering, Technical University of Crete, Chania, Greece, 2018 | en |
Copyright © DIAS 2013
