Institutional Repository
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Optimal coordination control for improved power flow of a Smart Grid using smart metering based on genetic algorithm

Papanikolaou Marios

Simple record


URIhttp://purl.tuc.gr/dl/dias/1A5EF96D-8DA7-468F-9C82-C9BC68D36675-
Identifierhttps://doi.org/10.26233/heallink.tuc.82431-
Languageen-
Extent69 pagesen
TitleOptimal coordination control for improved power flow of a Smart Grid using smart metering based on genetic algorithmen
TitleΒέλτιστος έλεγχος συντονισμού για τη βελτιωμένη ροή ενέργειας ενός έξυπνου δικτύου χρησιμοποιώντας ένα έξυπνο μετρητή βασισμένο σε γενετικό αλγόριθμοel
CreatorPapanikolaou Mariosen
CreatorΠαπανικολαου Μαριοςel
Contributor [Thesis Supervisor]Kalaitzakis Konstantinosen
Contributor [Thesis Supervisor]Καλαϊτζακης Κωνσταντινοςel
Contributor [Committee Member]Stavrakakis Georgiosen
Contributor [Committee Member]Σταυρακακης Γεωργιοςel
Contributor [Committee Member]Sergaki Eleftheriaen
Contributor [Committee Member]Σεργακη Ελευθεριαel
Contributor [Co-Supervisor]Sergaki Eleftheriaen
Contributor [Co-Supervisor]Σεργακη Ελευθεριαel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electrical and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
Content SummaryThe conventional electric power grid has proven inadequate. Because the grid technology currently implemented is outdated, there is manifestation of reliability problems. In this thesis an Intelligent Energy Management System (EMS) for end consumers has been proposed. This system develops an optimal power flow control of a Smart grid using real time measurements in a grid offering energy at invariable price and Genetic Algorithm (GA) for a smart meter which is integrated between distribution grid and end consumers. GA methodology is an evolutionary process, which imitating evolution process of nature. The smart meter determines when to draw the energy from grid or the storage unit for consumption. Furthermore, the EMS provides the ability to end consumers for smart charging in Electric Vehicles (EVs). The first objective of using this algorithm is to reduce the cost for end consumers by charging energy storage unit (ESU) from the grid during the low cost periods. The second objective of this system is to prevent grid overload by shifting the power drawn from high demand period to low demand period. The algorithm use two parameters, the hourly price and the load demand of the grid. It demonstrated that the GA approach is much better in cost saving and grid load reduction compare to conventional grid and fuzzy logic approach. The implementation of GA strategy showed 26.1% cost saving rate in comparison with conventional grid for one year period. In addition, the above strategy is 2.4% better than fuzzy logic approach in cost saving rate.en
Content SummaryΤο υπάρχον ηλεκτρικό δίκτυο έχει αποδειχθεί ανεπαρκές. Επειδή η τεχνολογία που εφαρμόζεται σήμερα στο δίκτυο είναι ξεπερασμένη, εμφανίζονται προβλήματα αξιοπιστίας. Σ’ αυτή τη διπλωματική εργασία προτείνετε ένα Σύστημα Ευφυούς Ενεργειακής Διαχείρισης για τους καταναλωτές. Αυτό το σύστημα αναπτύσσει έναν βέλτιστο έλεγχο ροής ισχύος ενός έξυπνου δικτύου χρησιμοποιώντας μετρήσεις σε πραγματικό χρόνο σε δίκτυο που προσφέρει ενέργεια σε αμετάβλητη τιμή και το γενετικό αλγόριθμο για ένα έξυπνο μετρητή ο οποίος είναι ενσωματωμένος μεταξύ του δικτύου διανομής και των τελικών καταναλωτών. Η μεθοδολογία ενός γενετικού αλγορίθμου είναι μια εξελικτική διαδικασία, η οποία ουσιαστικά μιμείται την εξέλιξη της φύσης. Ο έξυπνος μετρητής καθορίζει πότε πρέπει να αντληθεί η ενέργεια από το δίκτυο ή την μονάδα αποθήκευσης για κατανάλωση. Επιπλέον, το σύστημα αυτό παρέχει τη δυνατότητα στους καταναλωτές να αποθηκεύουν σε ηλεκτρικά αυτοκίνητα. Ο πρωταρχικός στόχος της χρησιμοποίησης του αλγορίθμου αυτού είναι να μειωθεί το κόστος για τους τελικούς καταναλωτές φορτίζοντας τη μονάδα αποθήκευσης ενέργειας από το δίκτυο κατά τις περιόδους χαμηλού κόστους. Ο δεύτερος στόχος αυτού του συστήματος είναι η αποφυγή της υπερφόρτωσης του δικτύου με τη μετατόπιση ισχύος από περιόδους υψηλής ζήτησης σε περιόδους με χαμηλότερη ζήτηση. Ο αλγόριθμος χρησιμοποιεί δύο παραμέτρους, την ωριαία τιμή και τη ζήτηση φορτίου του δικτύου. Αποδείχθηκε ότι η προσέγγιση του γενετικού αλγορίθμου είναι πολύ καλύτερη όσον αφορά την εξοικονόμηση κόστους και τη μείωση στο φορτίου δικτύου σε σύγκριση με το συμβατικό δίκτυο και την προσέγγιση της ασαφούς λογικής. Η εφαρμογή της στρατηγικής γενετικού αλγορίθμου έδειξε ποσοστό εξοικονόμησης κόστους 26,1% σε σύγκριση με το συμβατικό δίκτυο για περίοδο ενός έτους. Επιπλέον, η πιο πάνω στρατηγική είναι 2,4% καλύτερη από την προσέγγιση της ασαφούς λογικής στο ποσοστό εξοικονόμησης κόστους.el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2019-07-08-
Date of Publication2019-
SubjectΗλεκτρικά οχήματαel
SubjectElectric vehiclesen
SubjectΈξυπνο δίκτυοel
SubjectSmart griden
SubjectEMSen
SubjectEnergy Management Systemen
SubjectOptimizationen
SubjectGAen
SubjectGenetic algorithmen
SubjectSmart meteren
SubjectESUen
SubjectEnergy Storage Uniten
SubjectCost savingen
SubjectGrid load reductionen
Bibliographic CitationMarios Papanikolaou, "Optimal coordination control for improved power flow of a Smart Grid using smart metering based on genetic algorithm", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2019en
Bibliographic CitationΜάριος Παπανικολάου, "Βέλτιστος έλεγχος συντονισμού για τη βελτιωμένη ροή ενέργειας ενός έξυπνου δικτύου χρησιμοποιώντας ένα έξυπνο μετρητή βασισμένο σε γενετικό αλγόριθμο", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2019el

Available Files

Services

Statistics