Residencial Loads Management in Smart Grid Scenario

Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaOs sistemas de energia têm assistido a uma crescente automatização com a introdução de sistemas inteligentes embebidos, que combinam instrumentação analítica e de controlo, tornando a rede mais eficiente, capaz de se auto-diagnosticar e resolver problemas mais fácil e rapidamente. Existe também um crescente número de consumidores que são também produtores, ao mesmo tempo que se assiste à disseminação crescente de novas cargas, como o veículo elétrico, que induzem mudanças significativas nos padrões de procura de energia elétrica no sector residencial e criam novos desafios às infraestruturas de distribuição de baixa tensão.De forma a permitir que os recursos do lado da procura tenham uma participação mais ativa no funcionamento dos sistemas de energia, este trabalho propõe um algoritmo de gestão desses recursos que assume um padrão parametrizado de consumo, produção e capacidade disponível para o armazenamento de energia, identifica as melhores ações de controlo a implementar de acordo com o preço dinâmico de venda a consumidores finais da energia elétrica, necessidades e preferências dos consumidores. Para o efeito efetuou-se a categorização dascargas de acordo com a disponibilidade para ações de controlo, conhecimento dos padrões de utilização de energia, ciclos de ocupação e restrições técnicas dos aparelhos eletrodomésticos.As alterações nos sistemas de energia possibilitam e impõem novas estratégias de gestão e controlo de recursos que existem no lado da procura, nomeadamente a produção local, veículos elétricos e outras cargas controláveis, no que diz respeito à capacidade de usar estes recursos para uma gestão mais eficiente. Do ponto de vista da rede, esta gestão integrada contribui para a redução dos custos operacionais e de planeamento da rede e redução de emissões de carbono através do uso eficiente da energia elétrica, contribuindo desta forma também para a sustentabilidade.Os resultados obtidos permitiram verificar que este algoritmo reduz a fatura dos consumidores respeitando as restrições de conforto dos utilizadores, suaviza os picos de consumo de energia e promove a integração de todos os recursos energéticos do utilizador.Energy systems have been witnessing an increasing automation with the introduction of embedded intelligent systems, which combine analytical and control instrumentation, allowing the network to be more efficient, to develop self-diagnosis and resolve problems in an easier and faster way. There is also an emergent number of consumers who are also producers, while we are observing the growing dissemination of new loads, such as the electric vehicle, which leads to significant changes in the patterns of electric energy demand in the residential sector and create new challenges to low voltage distribution infrastructures. In order to allow a more active participation of demand-side resources in the operation of energy systems, this work proposes a management system that assumes a parameterized consumption, production and capacity pattern available for energy storage. The algorithm identifies the best control actions to implement according to the dynamic sale price for final electric energy consumers, consumers’ needs and preferences. For this purpose, we developed a characterization of loads according to their availability to control actions, knowledge of energy use patterns, occupation cycles and technical constraints of electrical appliances.The changes in the energy systems enable and impose new resources management and control strategies available on demand-side, such as local production, electric vehicles and other controllable charges, through the capacity of using these resources for a more efficient management. From the networks’ perspective, this integrated management contributes to the reduction of operational costs and network planning costs and to the reduction of carbon emissions, therefore contributing also to sustainability. The results obtained showed that this algorithm reduces the consumers’ expenses respecting the users’ comfort constraints, smooths energy consumption peaks and promotes the integration all users’ energetic resources