Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes

Los sistemas eléctricos están evolucionando hacia redes inteligentes para mejorar su eficiencia y confiabilidad mediante estrategias de gestión y respuesta a la demanda. Este estudio presenta el Modelo Multiusuario de Cargas Eléctricas Controlables (MMCEC), un modelo de optimización desarrollado par...

Full description

Autores:
Bejarano Bejarano, Nelson Mauricio
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
OAI Identifier:
oai:repository.udistrital.edu.co:11349/42646
Acceso en línea:
http://hdl.handle.net/11349/42646
Palabra clave:
Gestión de la demanda
Respuesta a la demanda energética
Programación de cargas eléctricas
Perfil de consumo energético
Métodos de optimización matemática
Ingeniería Eléctrica -- Tesis y disertaciones académicas
Optimización de energía
Hogares inteligentes
Redes inteligentes
Eficiencia energética
Demand management
Response to energy demand
Electric load scheduling
Energy consumption profile
Mathematics optimization methods
Rights
License
Abierto (Texto Completo)
id UDISTRITA2_0240832cb55f983e9312db4601d65c8a
oai_identifier_str oai:repository.udistrital.edu.co:11349/42646
network_acronym_str UDISTRITA2
network_name_str RIUD: repositorio U. Distrital
repository_id_str
dc.title.none.fl_str_mv Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes
dc.title.titleenglish.none.fl_str_mv Optimization model for collective energy demand management in smart homes
title Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes
spellingShingle Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes
Gestión de la demanda
Respuesta a la demanda energética
Programación de cargas eléctricas
Perfil de consumo energético
Métodos de optimización matemática
Ingeniería Eléctrica -- Tesis y disertaciones académicas
Optimización de energía
Hogares inteligentes
Redes inteligentes
Eficiencia energética
Demand management
Response to energy demand
Electric load scheduling
Energy consumption profile
Mathematics optimization methods
title_short Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes
title_full Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes
title_fullStr Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes
title_full_unstemmed Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes
title_sort Modelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentes
dc.creator.fl_str_mv Bejarano Bejarano, Nelson Mauricio
dc.contributor.advisor.none.fl_str_mv Moya Chaves, Francisco David
Montoya Giraldo, Oscar Danilo
dc.contributor.author.none.fl_str_mv Bejarano Bejarano, Nelson Mauricio
dc.contributor.orcid.none.fl_str_mv Moya Chaves, Francisco David [0000-0003-0206-1213]
Montoya Giraldo, Oscar Danilo [0000-0001-6051-4925]
dc.subject.none.fl_str_mv Gestión de la demanda
Respuesta a la demanda energética
Programación de cargas eléctricas
Perfil de consumo energético
Métodos de optimización matemática
topic Gestión de la demanda
Respuesta a la demanda energética
Programación de cargas eléctricas
Perfil de consumo energético
Métodos de optimización matemática
Ingeniería Eléctrica -- Tesis y disertaciones académicas
Optimización de energía
Hogares inteligentes
Redes inteligentes
Eficiencia energética
Demand management
Response to energy demand
Electric load scheduling
Energy consumption profile
Mathematics optimization methods
dc.subject.lemb.none.fl_str_mv Ingeniería Eléctrica -- Tesis y disertaciones académicas
Optimización de energía
Hogares inteligentes
Redes inteligentes
Eficiencia energética
dc.subject.keyword.none.fl_str_mv Demand management
Response to energy demand
Electric load scheduling
Energy consumption profile
Mathematics optimization methods
description Los sistemas eléctricos están evolucionando hacia redes inteligentes para mejorar su eficiencia y confiabilidad mediante estrategias de gestión y respuesta a la demanda. Este estudio presenta el Modelo Multiusuario de Cargas Eléctricas Controlables (MMCEC), un modelo de optimización desarrollado para gestionar colectivamente la demanda residencial de múltiples usuarios mediante la Programación de Cargas Eléctricas Controlables (PCEC). El objetivo del modelo fue minimizar el costo de la energía y lograr una distribución más uniforme de la carga eléctrica, teniendo en cuenta tarifas dinámicas de precios y restricciones específicas. La metodología se basó en técnicas clásicas de optimización en dos etapas. La primera se enfocó a nivel de único usuario utilizando el método de búsqueda exhaustiva para seleccionar soluciones que minimicen el costo de la factura de cada usuario. La segunda etapa empleó el método de búsqueda local para la optimización multiusuario, para encontrar una curva de demanda más plana. Para ello, se diseñó un algoritmo en MATLAB® que simuló un escenario con 60 usuarios durante 24 horas, programando los periodos más adecuados de encendido apagado de las cargas controlables. Se compararon dos escenarios: uno donde los usuarios administran sus cargas a su conveniencia y otro donde se aplicó el modelo propuesto. Los resultados indicaron una disminución de los picos de demanda, con un ahorro promedio del 4.94 % en la factura eléctrica para el conjunto de usuarios y hasta el 12.34 % individualmente. La simulación logró esta solución óptima en 25 minutos a pesar de la complejidad computacional que implica gestionar la demanda de 60 usuarios. Por tal motivo, el modelo planteado utilizó métodos simples para optimizar múltiples variables, proporcionando un mejor rendimiento en comparación con el procesamiento requerido por algoritmos más complejos.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-10-30T23:03:39Z
dc.date.available.none.fl_str_mv 2024-10-30T23:03:39Z
dc.date.created.none.fl_str_mv 2024-08-28
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.degree.none.fl_str_mv Producción Académica
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11349/42646
url http://hdl.handle.net/11349/42646
dc.relation.references.none.fl_str_mv M. Pipattanasomporn, M. Kuzlu, and S. Rahman, “An Algorithm for Intelligent Home Energy Management and Demand Response Analysis,” IEEE Trans Smart Grid, vol. 3, no. 4, pp. 2166–2173, Jun. 2012. https://doi.org/10.1109/TSG.2012.2201182
R. Jovanovic, A. Bousselham, and I. S. Bayram, “Residential Demand Response Scheduling with Consideration of Consumer Preferences,” Applied Sciences, vol. 6, no. 1, p. 16, Jan. 2016. https://doi.org/10.3390/app6010016
S. Janocha B., S. S. Baum, and I. Stadler, “Cost minimization by optimization of electricity generation and demand side management,” in 2016 International Energy and Sustainability Conference (IESC), Cologne, Germany, 2016, pp. 1-7. https://doi.org/10.1109/IESC.2016.7569489
A. R. Jordehi, “Optimisation of demand response in electric power systems, a review,” Renewable and Sustainable Energy Reviews, vol. 103, pp. 308–319, Apr. 2019. https://doi.org/10.1016/J.RSER.2018.12.054
S. N. Bragagnolo, J. C. Vaschetti, and F. Magnago, “A Technical and Economic Criteria Comparison on Demand Side Management with Multi-Level Optimization Model,” IEEE Latin America Transactions, vol. 19, no. 9, pp. 1494–1501, Jun. 2021. https://doi.org/10.1109/TLA.2021.9468442
A. C. Duman, Ö. Güler, K. Deveci, and Ö. Gönül, “Residential load scheduling optimization for demand side management under time-of-use rate,” in 2018 6th International Istanbul Smart Grids and Cities Congress and Fair (ICSG), Istanbul, Turkey, 2018, pp. 193-196. https://doi.org/10.1109/SGCF.2018.8408971
F. Y. Melhem, O. Grunder, Z. Hammoudan, and N. Moubayed, “Energy Management in Electrical Smart Grid Environment Using Robust Optimization Algorithm,” IEEE Trans Ind Appl, vol. 54, no. 3, pp. 2714 2726, Feb. 2018. https://doi.org/10.1109/TIA.2018.2803728
G. Huang, J. Yang, and C. Wei, “Cost-Effective and Comfort-Aware Electricity Scheduling for Home Energy Management System,” in 2016 IEEE International Conferences on Big Data and Cloud Computing (BDCloud), Social Computing and Networking (SocialCom), Sustainable Computing and Communications (SustainCom) (BDCloud-SocialCom-SustainCom), Atlanta, GA, USA, 2016, pp. 453-460. https://doi.org/10.1109/BDCloud-SocialCom-SustainCom.2016.73
A. M. Vega Escobar, “Gestión de la energía eléctrica domiciliaria con base en la gestión activa de la demanda,” Ph.D. tesis, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2018. [Online]. Available: http://hdl.handle.net/11349/7587
A. Ouammi, “Optimal Power Scheduling for a Cooperative Network of Smart Residential Buildings,” IEEE Trans Sustain Energy, vol. 7, no. 3, pp. 1317–1326, Mar. 2016. https://doi.org/10.1109/TSTE.2016.2525728
A. R. S. Vidal, L. A. A. Jacobs, and L. S. Batista, “An evolutionary approach for the demand side management optimization in smart grid,” in 2014 IEEE Symposium on Computational Intelligence Applications in Smart Grid (CIASG), Orlando, FL, USA, 2014, pp. 1-7. https://doi.org/10.1109/CIASG.2014.7011561
Á. R. Restrepo, S. E. Nope, and D. E. Enríquez, “Beneficios Económicos de la Gestión de la Demanda y la Energía Autogenerada en el Contexto de la Regulación Colombiana,” CIT Información tecnológica, vol. 29, no. 1, pp. 105–116, Feb. 2018. https://doi.org/10.4067/S0718-07642018000100105
D. H. Ruiz Amaya, “Optimización de recursos energéticos a partir de la utilización de un der y de la integración de equipos de automatización,” M.S. tesis, Pontificia Universidad Javeriana, Bogotá, Colombia, 2015. [Online]. Available: https://doi.org/10.11144/Javeriana.10554.16812
M. Amer, A. Naaman, N. K. M'Sirdi, and A. M. El-Zonkoly, “Smart home energy management systems survey,” in International Conference on Renewable Energies for Developing Countries 2014, Beirut, Lebanon, 2014, pp. 167-173. https://doi.org/10.1109/REDEC.2014.7038551
I. Gupta, G. N. Anandini, and M. Gupta, “An hour wise device scheduling approach for demand side management in smart grid using particle swarm optimization,” in 2016 National Power Systems Conference (NPSC), Bhubaneswar, India, 2016, pp. 1-6. https://doi.org/10.1109/NPSC.2016.7858965
J. S. Gómez Marín, S. X. Carvajal, and A. Arango Manrique, “Programas de gestión de demanda de electricidad para el sector residencial en Colombia: Enfoque Sistémico,” Energética, Jul. 2015. https://repositorio.unal.edu.co/handle/unal/64269
L. Sheng-Kai, and C. Chao-Rong, “Optimal energy consumption scheduling in home energy management system,” in 2016 International Conference on Machine Learning and Cybernetics (ICMLC), Jeju, Korea (South), 2016, pp. 638-643. https://doi.org/10.1109/ICMLC.2016.7872962
F. D. Moya Chavez, L. C. P. Da Silva, and J. C. Lopez A., “A Mathematical Model for the Optimal Scheduling of Smart Home Electrical Loads,” WSEAS Transactions on Power Systems, Jan. 2018. https://repositorio.usc.edu.co/items/cf5777b3-948e-4561-98a0-d01b30d47592
Y. Wang, C. Hao, and T. Yoshimura, “A particle swarm optimization and branch and bound based algorithm for economical smart home scheduling,” in 2017 IEEE 60th International Midwest Symposium on Circuits and Systems (MWSCAS), Boston, MA, USA, 2017, pp. 213-216. https://doi.org/10.1109/MWSCAS.2017.8052898
E. Moreno Soto, “Análisis de la flexibilidad de la demanda en usuarios residenciales,” M.S. tesis, Universidad Nacional de Colombia, Bogotá, Colombia, 2021. [Online]. Available: https://repositorio.unal.edu.co/handle/unal/80431
S. N. Bragagnolo, J. C. Vaschetti, F. Magnago, and J. C. Gomez-Targarona, “Gestión de la demanda en las redes inteligentes. Perspectiva y control desde el usuario y la distribuidora,” CIT Información tecnológica, vol. 31, no. 3, pp. 159–170, Jun. 2020. https://doi.org/10.4067/S0718-07642020000300159
F. D. Moya Ch., J. C. Lopez A., and L. C. P. da Silva, “Model for smart building electrical loads scheduling,” in 2016 IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC), Florence, Italy, 2016, pp. 1-6. https://doi.org/10.1109/EEEIC.2016.7555639
F. D. Moya Ch., L. C. P. da Silva, J. C. Lopez A., and P. Vergara B., “GRASP model for smart home electrical loads scheduling,” in 2015 International Energy and Sustainability Conference (IESC), Farmingdale, NY, USA, 2015, pp. 1-6. https://doi.org/10.1109/IESC.2015.7384384
M. J. Kochenderfer, and T. A. Wheeler, “Linear Constrained Optimization” in Algorithms for Optimization. London, England: The MIT Press, 2019, pp 189-206. https://mitpress.mit.edu/9780262039420/algorithms-for-optimization/
H. T. Dinh, and D. Kim, “An Optimal Energy-Saving Home Energy Management Supporting User Comfort and Electricity Selling with Different Prices,” IEEE Access, vol. 9, pp. 9235–9249, Jan. 2021. https://doi.org/10.1109/ACCESS.2021.3050757
M. Á. Dávila, “Desarrollo de un algoritmo de gestión de la demanda energética de un cargador residencial de baterías para vehículos eléctricos en un escenario de tarificación en tiempo real,” M.S. tesis, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2021. [Online]. Available: http://hdl.handle.net/11349/29308
D. G. Rossit, S. Nesmachnow, J. Toutouh, and F. Luna, “Scheduling deferrable electric appliances in smart homes: a bi-objective stochastic optimization approach,” Mathematical Biosciences and Engineering, vol. 19, no. 1, pp. 34–65, 2022. https://doi.org/10.3934/mbe.2022002
S. Montaña, and C. A. Correa-Florez, “Programación óptima de cargas eléctricas flexibles a nivel residencial en tiempos de Covid-19,” INGE CUC, vol. 17, no. 1, pp. 49–68, 2021. https://hdl.handle.net/11323/10286
N. D. Rahate, and N. Kinhekar, “Demand side management for household equipment's,” in 2017 International Conference on Information, Communication, Instrumentation and Control (ICICIC), Indore, India, 2017, pp. 1-5. https://doi.org/10.1109/ICOMICON.2017.8279108
O. Oladeji, and O. O. Olakanmi, “A genetic algorithm approach to energy consumption scheduling under demand response,” 2014 IEEE 6th International Conference on Adaptive Science & Technology (ICAST), Ota, Nigeria, 2014, pp. 1-6. https://doi.org/10.1109/ICASTECH.2014.7068096
D. Borges Vasconcellos, P. Puch González, and G. Frías González, “Control de demanda eléctrica aplicando algoritmos genéticos,” Ingeniare, Revista chilena de ingeniería, vol. 25, no. 3, pp. 389–398, sep. 2017. https://doi.org/10.4067/S0718-33052017000300389
N. Pavithra, and B. P. Esther, “Residential demand response using genetic algorithm,” in 2017 Innovations in Power and Advanced Computing Technologies (i-PACT), Vellore, India, 2017, pp. 1-4. https://doi.org/10.1109/IPACT.2017.8245143
I. O. Essiet, Y. Sun, and Z. Wang, “Optimized energy consumption model for smart home using improved differential evolution algorithm,” Energy, vol. 172, pp. 354–365, Apr. 2019. https://doi.org/10.1016/j.energy.2019.01.137
V. J. Gutierrez-Martinez, C. A. Moreno-Bautista, J. M. Lozano-Garcia, A. Pizano-Martinez, E. A. Zamora Cardenas, and M. A. Gomez-Martinez, “A Heuristic Home Electric Energy Management System Considering Renewable Energy Availability,” Energies, vol. 12, no. 4, p. 671, Feb. 2019. https://doi.org/10.3390/en12040671
W. Guzman, S. Osorio, and S. Rivera, “Modelado de cargas controlables en el despacho de sistemas con fuentes renovables y vehículos eléctricos,” Ingeniería y Región, vol. 17, p. 49, Jun. 2017. https://doi.org/10.25054/22161325.1535
R. A. Hincapié Isaza, “Optimización binivel aplicada al problema de la planeación de redes eléctricas de media y baja tensión,” Ph.D. tesis, Universidad Tecnológica de Pereira, Pereira, Colombia, 2017. [Online]. Available: https://repositorio.utp.edu.co/handle/11059/8479
C. Henggeler Antunes, M. J. Alves, and B. Ecer, “Bilevel optimization to deal with demand response in power grids: models, methods and challenges,” TOP, vol. 28, no. 3, pp. 814–842, Oct. 2020. https://doi.org/10.1007/s11750-020-00573-y
P. Carrasqueira, M. J. Alves, and C. H. Antunes, “Bi-level particle swarm optimization and evolutionary algorithm approaches for residential demand response with different user profiles,” Information Sciences, vol. 418–419, pp. 405–420, Dec. 2017. https://doi.org/10.1016/j.ins.2017.08.019
M. Fan-Lin, and Z. Xiao-Jun, “An optimal real-time pricing for demand-side management: A Stackelberg game and genetic algorithm approach,” in 2014 International Joint Conference on Neural Networks (IJCNN), Beijing, China, 2014, pp. 1703-1710. https://doi.org/10.1109/IJCNN.2014.6889608
M. Fan-Lin, and Z. Xiao-Jun, “A bilevel optimization approach to demand response management for the smart grid,” in 2016 IEEE Congress on Evolutionary Computation (CEC), Vancouver, BC, Canada, 2016, pp. 287-294. https://doi.org/10.1109/CEC.2016.7743807
F. Wang et al., “Multi-Objective Optimization Model of Source–Load–Storage Synergetic Dispatch for a Building Energy Management System Based on TOU Price Demand Response,” IEEE Trans Ind Appl, vol. 54, no. 2, pp. 1017–1028, Dec. 2017. https://doi.org/10.1109/TIA.2017.2781639
D. Ferrer Valencia, “Desarrollo de un algoritmo de optimización basado en búsqueda local guiada para el problema de minimización en la huella de carbono en el ruteo de vehículos heterogéneos,” M.S. tesis, Universidad Nacional de Colombia, Bogotá, Colombia, 2023. [Online]. Available: https://repositorio.unal.edu.co/handle/unal/84862
Comisión de Regulación de Energía y Gas (CREG), “Estrategias para la implementación de esquemas de señales de precios y cargos horarios a los usuarios finales en el SIN, para ser utilizados en programas de respuesta de la demanda,” creg.gov.co Accessed: Feb. 28, 2024. [Online]. Available: https://creg.gov.co/publicaciones/15313/estrategias-para-la-implementacion-de-esquemas-de-senales-de precios-y-cargos-horarios-a-los-usuarios-finales-en-el-sin-para-ser-utilizados-en-programas-de respuesta-de-la-demanda/
A. Gargallo Tatay, “Medición y análisis del consumo de energía eléctrica en los receptores domésticos en condiciones reales de funcionamiento: Aplicación a una vivienda unifamiliar,” Tesis de grado, Universitat Politécnica de Valencia, Valencia, España, 2018. [Online]. Available: https://riunet.upv.es:443/handle/10251/106520
Lucera. “Eficiencia Energética.” lucera.es. Accessed: Feb. 28, 2024. [Online]. Available: https://lucera.es/blog/cuanto-consumen-electrodomesticos
COPELCO. “CONOCÉ, AHORRÁ, CUIDÁ - Recomendaciones para el buen uso de energía eléctrica.” copelco.coop. Accessed: Feb. 28, 2024. [Online]. Available: https://www.copelnet.com.ar/informacion-de-interes/energia/consumo-de-artefactos-electricos
Endesa. “Cuánta energía consume un termo eléctrico.” endesa.com. Accessed: Feb. 28, 2024. [Online]. Available: https://www.endesa.com/es/blog/blog-de-endesa/consejos-de-ahorro/cuanta-energia-consume-termo electrico
Ministerio de Economía. “Consumo básico de electrodomésticos.” argentina.gob.ar. Accessed: Feb. 28, 2024. [Online]. Available: https://www.argentina.gob.ar/enre/uso-eficiente-y-seguro/consumo-basico-electrodomesticos
A. Daza Urrego, and L. M. Nieto Gutiérrez “Manual práctico de condiciones para instalaciones de sistemas solares fotovoltaicos para suplir cargas demandadas de estrato 3 a 6 en viviendas unifamiliares de Bogotá,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2019. [Online]. Available: http://hdl.handle.net/11349/15575
CIME Power Systems. “Tablas de consumo eléctrico.” cimepowersystems.com.mx. Accessed: Feb. 28, 2024. [Online]. Available: http://www.cimepowersystems.com.mx/wp-content/uploads/2011/10/Tabla-de-consumos.pdf
K. A. Hernández Hernández, and J. S. Carrillo Cruz, “Análisis de la curva de demanda eléctrica para usuarios residenciales estrato 4 en la ciudad de Bogotá ante diferentes escenarios de los hábitos de consumo,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2017. [Online]. Available: http://hdl.handle.net/11349/5838
E. D. Romero Villamil, and S. A. Osorio Huertas, “Curva de demanda de energía eléctrica en sector residencial estrato tres de Bogotá D.C. mediante caracterización por redes neuronales artificiales,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2021. [Online]. Available: http://hdl.handle.net/11349/26755
Reglamento Técnico de Instalaciones Eléctricas – RETIE, Resolución 9-0708 de 2013, Ministerio de Minas y Energía, Colombia, 2013. [Online]. Available: https://www.minenergia.gov.co/documents/3809/Anexo_General_del_RETIE_vigente_actualizado_a_2015-1.pdf
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.none.fl_str_mv Abierto (Texto Completo)
rights_invalid_str_mv Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv pdf
dc.publisher.none.fl_str_mv Universidad Distrital Francisco José de Caldas
publisher.none.fl_str_mv Universidad Distrital Francisco José de Caldas
institution Universidad Distrital Francisco José de Caldas
bitstream.url.fl_str_mv https://repository.udistrital.edu.co/bitstreams/2d61affc-8eb4-420c-9c44-5982891453f5/download
https://repository.udistrital.edu.co/bitstreams/2812cfbf-c0cd-486f-a14f-6a341f94d066/download
https://repository.udistrital.edu.co/bitstreams/9f5cd42c-e26d-4289-a104-a4a900be0f38/download
https://repository.udistrital.edu.co/bitstreams/c96da87c-9c44-42ed-ad29-443005e53614/download
https://repository.udistrital.edu.co/bitstreams/8cadce55-a76e-4466-b9d6-1ecb25b12524/download
bitstream.checksum.fl_str_mv ec87b4cb26380d178c6d5e86b8103f7b
e2d4095bf68fbde54475cb10e0637bb1
997daf6c648c962d566d7b082dac908d
afb4f7b1ca9ce9a33cff04b8569f89fb
1920ac2cafd393c348d85f9c2e9e41cb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Distrital
repository.mail.fl_str_mv repositorio@udistrital.edu.co
_version_ 1837006839844175872
spelling Moya Chaves, Francisco DavidMontoya Giraldo, Oscar DaniloBejarano Bejarano, Nelson MauricioMoya Chaves, Francisco David [0000-0003-0206-1213]Montoya Giraldo, Oscar Danilo [0000-0001-6051-4925]2024-10-30T23:03:39Z2024-10-30T23:03:39Z2024-08-28http://hdl.handle.net/11349/42646Los sistemas eléctricos están evolucionando hacia redes inteligentes para mejorar su eficiencia y confiabilidad mediante estrategias de gestión y respuesta a la demanda. Este estudio presenta el Modelo Multiusuario de Cargas Eléctricas Controlables (MMCEC), un modelo de optimización desarrollado para gestionar colectivamente la demanda residencial de múltiples usuarios mediante la Programación de Cargas Eléctricas Controlables (PCEC). El objetivo del modelo fue minimizar el costo de la energía y lograr una distribución más uniforme de la carga eléctrica, teniendo en cuenta tarifas dinámicas de precios y restricciones específicas. La metodología se basó en técnicas clásicas de optimización en dos etapas. La primera se enfocó a nivel de único usuario utilizando el método de búsqueda exhaustiva para seleccionar soluciones que minimicen el costo de la factura de cada usuario. La segunda etapa empleó el método de búsqueda local para la optimización multiusuario, para encontrar una curva de demanda más plana. Para ello, se diseñó un algoritmo en MATLAB® que simuló un escenario con 60 usuarios durante 24 horas, programando los periodos más adecuados de encendido apagado de las cargas controlables. Se compararon dos escenarios: uno donde los usuarios administran sus cargas a su conveniencia y otro donde se aplicó el modelo propuesto. Los resultados indicaron una disminución de los picos de demanda, con un ahorro promedio del 4.94 % en la factura eléctrica para el conjunto de usuarios y hasta el 12.34 % individualmente. La simulación logró esta solución óptima en 25 minutos a pesar de la complejidad computacional que implica gestionar la demanda de 60 usuarios. Por tal motivo, el modelo planteado utilizó métodos simples para optimizar múltiples variables, proporcionando un mejor rendimiento en comparación con el procesamiento requerido por algoritmos más complejos.Power systems are evolving towards smart grids to improve their efficiency and reliability through demand response and management strategies. This study presents the Multi-User Model of Controllable Electric Loads (MMCEL), an optimization model developed to collectively manage the residential demand of multiple users, through Controllable Electric Load Scheduling (CELS). The objective of the model was to minimize the cost of energy and achieve a more uniform distribution of the electric load, taking into account dynamic pricing rates and specific constraints. The methodology was based on classical optimization techniques in two stages. The first stage focused on the single user level using the exhaustive search method to select solutions that minimize the cost of each user's bill. The second stage employed the local search method for multi-user optimization to find a flatter demand curve. For this purpose, an algorithm was designed in MATLAB® that simulated a scenario with 60 users for 24 hours, scheduling the most appropriate on/off periods of controllable loads. Two scenarios were compared: one where users manage their loads at their convenience and the other where the proposed model was applied. The results indicated a decrease in peak demand, with an average savings of 4.94 % on the electricity bill for all users and up to 12.34 % individually. The simulation achieved this optimal solution in 25 minutes, despite the computational complexity involved in managing the demand of 60 users. Therefore, the model used simple methods to optimize multiple variables, providing better performance compared to processing that would require a more complex algorithm.pdfUniversidad Distrital Francisco José de CaldasGestión de la demandaRespuesta a la demanda energéticaProgramación de cargas eléctricasPerfil de consumo energéticoMétodos de optimización matemáticaIngeniería Eléctrica -- Tesis y disertaciones académicasOptimización de energíaHogares inteligentesRedes inteligentesEficiencia energéticaDemand managementResponse to energy demandElectric load schedulingEnergy consumption profileMathematics optimization methodsModelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligentesOptimization model for collective energy demand management in smart homesbachelorThesisProducción Académicahttp://purl.org/coar/resource_type/c_7a1fAbierto (Texto Completo)http://purl.org/coar/access_right/c_abf2M. Pipattanasomporn, M. Kuzlu, and S. Rahman, “An Algorithm for Intelligent Home Energy Management and Demand Response Analysis,” IEEE Trans Smart Grid, vol. 3, no. 4, pp. 2166–2173, Jun. 2012. https://doi.org/10.1109/TSG.2012.2201182R. Jovanovic, A. Bousselham, and I. S. Bayram, “Residential Demand Response Scheduling with Consideration of Consumer Preferences,” Applied Sciences, vol. 6, no. 1, p. 16, Jan. 2016. https://doi.org/10.3390/app6010016S. Janocha B., S. S. Baum, and I. Stadler, “Cost minimization by optimization of electricity generation and demand side management,” in 2016 International Energy and Sustainability Conference (IESC), Cologne, Germany, 2016, pp. 1-7. https://doi.org/10.1109/IESC.2016.7569489A. R. Jordehi, “Optimisation of demand response in electric power systems, a review,” Renewable and Sustainable Energy Reviews, vol. 103, pp. 308–319, Apr. 2019. https://doi.org/10.1016/J.RSER.2018.12.054S. N. Bragagnolo, J. C. Vaschetti, and F. Magnago, “A Technical and Economic Criteria Comparison on Demand Side Management with Multi-Level Optimization Model,” IEEE Latin America Transactions, vol. 19, no. 9, pp. 1494–1501, Jun. 2021. https://doi.org/10.1109/TLA.2021.9468442A. C. Duman, Ö. Güler, K. Deveci, and Ö. Gönül, “Residential load scheduling optimization for demand side management under time-of-use rate,” in 2018 6th International Istanbul Smart Grids and Cities Congress and Fair (ICSG), Istanbul, Turkey, 2018, pp. 193-196. https://doi.org/10.1109/SGCF.2018.8408971F. Y. Melhem, O. Grunder, Z. Hammoudan, and N. Moubayed, “Energy Management in Electrical Smart Grid Environment Using Robust Optimization Algorithm,” IEEE Trans Ind Appl, vol. 54, no. 3, pp. 2714 2726, Feb. 2018. https://doi.org/10.1109/TIA.2018.2803728G. Huang, J. Yang, and C. Wei, “Cost-Effective and Comfort-Aware Electricity Scheduling for Home Energy Management System,” in 2016 IEEE International Conferences on Big Data and Cloud Computing (BDCloud), Social Computing and Networking (SocialCom), Sustainable Computing and Communications (SustainCom) (BDCloud-SocialCom-SustainCom), Atlanta, GA, USA, 2016, pp. 453-460. https://doi.org/10.1109/BDCloud-SocialCom-SustainCom.2016.73A. M. Vega Escobar, “Gestión de la energía eléctrica domiciliaria con base en la gestión activa de la demanda,” Ph.D. tesis, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2018. [Online]. Available: http://hdl.handle.net/11349/7587A. Ouammi, “Optimal Power Scheduling for a Cooperative Network of Smart Residential Buildings,” IEEE Trans Sustain Energy, vol. 7, no. 3, pp. 1317–1326, Mar. 2016. https://doi.org/10.1109/TSTE.2016.2525728A. R. S. Vidal, L. A. A. Jacobs, and L. S. Batista, “An evolutionary approach for the demand side management optimization in smart grid,” in 2014 IEEE Symposium on Computational Intelligence Applications in Smart Grid (CIASG), Orlando, FL, USA, 2014, pp. 1-7. https://doi.org/10.1109/CIASG.2014.7011561Á. R. Restrepo, S. E. Nope, and D. E. Enríquez, “Beneficios Económicos de la Gestión de la Demanda y la Energía Autogenerada en el Contexto de la Regulación Colombiana,” CIT Información tecnológica, vol. 29, no. 1, pp. 105–116, Feb. 2018. https://doi.org/10.4067/S0718-07642018000100105D. H. Ruiz Amaya, “Optimización de recursos energéticos a partir de la utilización de un der y de la integración de equipos de automatización,” M.S. tesis, Pontificia Universidad Javeriana, Bogotá, Colombia, 2015. [Online]. Available: https://doi.org/10.11144/Javeriana.10554.16812M. Amer, A. Naaman, N. K. M'Sirdi, and A. M. El-Zonkoly, “Smart home energy management systems survey,” in International Conference on Renewable Energies for Developing Countries 2014, Beirut, Lebanon, 2014, pp. 167-173. https://doi.org/10.1109/REDEC.2014.7038551I. Gupta, G. N. Anandini, and M. Gupta, “An hour wise device scheduling approach for demand side management in smart grid using particle swarm optimization,” in 2016 National Power Systems Conference (NPSC), Bhubaneswar, India, 2016, pp. 1-6. https://doi.org/10.1109/NPSC.2016.7858965J. S. Gómez Marín, S. X. Carvajal, and A. Arango Manrique, “Programas de gestión de demanda de electricidad para el sector residencial en Colombia: Enfoque Sistémico,” Energética, Jul. 2015. https://repositorio.unal.edu.co/handle/unal/64269L. Sheng-Kai, and C. Chao-Rong, “Optimal energy consumption scheduling in home energy management system,” in 2016 International Conference on Machine Learning and Cybernetics (ICMLC), Jeju, Korea (South), 2016, pp. 638-643. https://doi.org/10.1109/ICMLC.2016.7872962F. D. Moya Chavez, L. C. P. Da Silva, and J. C. Lopez A., “A Mathematical Model for the Optimal Scheduling of Smart Home Electrical Loads,” WSEAS Transactions on Power Systems, Jan. 2018. https://repositorio.usc.edu.co/items/cf5777b3-948e-4561-98a0-d01b30d47592Y. Wang, C. Hao, and T. Yoshimura, “A particle swarm optimization and branch and bound based algorithm for economical smart home scheduling,” in 2017 IEEE 60th International Midwest Symposium on Circuits and Systems (MWSCAS), Boston, MA, USA, 2017, pp. 213-216. https://doi.org/10.1109/MWSCAS.2017.8052898E. Moreno Soto, “Análisis de la flexibilidad de la demanda en usuarios residenciales,” M.S. tesis, Universidad Nacional de Colombia, Bogotá, Colombia, 2021. [Online]. Available: https://repositorio.unal.edu.co/handle/unal/80431S. N. Bragagnolo, J. C. Vaschetti, F. Magnago, and J. C. Gomez-Targarona, “Gestión de la demanda en las redes inteligentes. Perspectiva y control desde el usuario y la distribuidora,” CIT Información tecnológica, vol. 31, no. 3, pp. 159–170, Jun. 2020. https://doi.org/10.4067/S0718-07642020000300159F. D. Moya Ch., J. C. Lopez A., and L. C. P. da Silva, “Model for smart building electrical loads scheduling,” in 2016 IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC), Florence, Italy, 2016, pp. 1-6. https://doi.org/10.1109/EEEIC.2016.7555639F. D. Moya Ch., L. C. P. da Silva, J. C. Lopez A., and P. Vergara B., “GRASP model for smart home electrical loads scheduling,” in 2015 International Energy and Sustainability Conference (IESC), Farmingdale, NY, USA, 2015, pp. 1-6. https://doi.org/10.1109/IESC.2015.7384384M. J. Kochenderfer, and T. A. Wheeler, “Linear Constrained Optimization” in Algorithms for Optimization. London, England: The MIT Press, 2019, pp 189-206. https://mitpress.mit.edu/9780262039420/algorithms-for-optimization/H. T. Dinh, and D. Kim, “An Optimal Energy-Saving Home Energy Management Supporting User Comfort and Electricity Selling with Different Prices,” IEEE Access, vol. 9, pp. 9235–9249, Jan. 2021. https://doi.org/10.1109/ACCESS.2021.3050757M. Á. Dávila, “Desarrollo de un algoritmo de gestión de la demanda energética de un cargador residencial de baterías para vehículos eléctricos en un escenario de tarificación en tiempo real,” M.S. tesis, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2021. [Online]. Available: http://hdl.handle.net/11349/29308D. G. Rossit, S. Nesmachnow, J. Toutouh, and F. Luna, “Scheduling deferrable electric appliances in smart homes: a bi-objective stochastic optimization approach,” Mathematical Biosciences and Engineering, vol. 19, no. 1, pp. 34–65, 2022. https://doi.org/10.3934/mbe.2022002S. Montaña, and C. A. Correa-Florez, “Programación óptima de cargas eléctricas flexibles a nivel residencial en tiempos de Covid-19,” INGE CUC, vol. 17, no. 1, pp. 49–68, 2021. https://hdl.handle.net/11323/10286N. D. Rahate, and N. Kinhekar, “Demand side management for household equipment's,” in 2017 International Conference on Information, Communication, Instrumentation and Control (ICICIC), Indore, India, 2017, pp. 1-5. https://doi.org/10.1109/ICOMICON.2017.8279108O. Oladeji, and O. O. Olakanmi, “A genetic algorithm approach to energy consumption scheduling under demand response,” 2014 IEEE 6th International Conference on Adaptive Science & Technology (ICAST), Ota, Nigeria, 2014, pp. 1-6. https://doi.org/10.1109/ICASTECH.2014.7068096D. Borges Vasconcellos, P. Puch González, and G. Frías González, “Control de demanda eléctrica aplicando algoritmos genéticos,” Ingeniare, Revista chilena de ingeniería, vol. 25, no. 3, pp. 389–398, sep. 2017. https://doi.org/10.4067/S0718-33052017000300389N. Pavithra, and B. P. Esther, “Residential demand response using genetic algorithm,” in 2017 Innovations in Power and Advanced Computing Technologies (i-PACT), Vellore, India, 2017, pp. 1-4. https://doi.org/10.1109/IPACT.2017.8245143I. O. Essiet, Y. Sun, and Z. Wang, “Optimized energy consumption model for smart home using improved differential evolution algorithm,” Energy, vol. 172, pp. 354–365, Apr. 2019. https://doi.org/10.1016/j.energy.2019.01.137V. J. Gutierrez-Martinez, C. A. Moreno-Bautista, J. M. Lozano-Garcia, A. Pizano-Martinez, E. A. Zamora Cardenas, and M. A. Gomez-Martinez, “A Heuristic Home Electric Energy Management System Considering Renewable Energy Availability,” Energies, vol. 12, no. 4, p. 671, Feb. 2019. https://doi.org/10.3390/en12040671W. Guzman, S. Osorio, and S. Rivera, “Modelado de cargas controlables en el despacho de sistemas con fuentes renovables y vehículos eléctricos,” Ingeniería y Región, vol. 17, p. 49, Jun. 2017. https://doi.org/10.25054/22161325.1535R. A. Hincapié Isaza, “Optimización binivel aplicada al problema de la planeación de redes eléctricas de media y baja tensión,” Ph.D. tesis, Universidad Tecnológica de Pereira, Pereira, Colombia, 2017. [Online]. Available: https://repositorio.utp.edu.co/handle/11059/8479C. Henggeler Antunes, M. J. Alves, and B. Ecer, “Bilevel optimization to deal with demand response in power grids: models, methods and challenges,” TOP, vol. 28, no. 3, pp. 814–842, Oct. 2020. https://doi.org/10.1007/s11750-020-00573-yP. Carrasqueira, M. J. Alves, and C. H. Antunes, “Bi-level particle swarm optimization and evolutionary algorithm approaches for residential demand response with different user profiles,” Information Sciences, vol. 418–419, pp. 405–420, Dec. 2017. https://doi.org/10.1016/j.ins.2017.08.019M. Fan-Lin, and Z. Xiao-Jun, “An optimal real-time pricing for demand-side management: A Stackelberg game and genetic algorithm approach,” in 2014 International Joint Conference on Neural Networks (IJCNN), Beijing, China, 2014, pp. 1703-1710. https://doi.org/10.1109/IJCNN.2014.6889608M. Fan-Lin, and Z. Xiao-Jun, “A bilevel optimization approach to demand response management for the smart grid,” in 2016 IEEE Congress on Evolutionary Computation (CEC), Vancouver, BC, Canada, 2016, pp. 287-294. https://doi.org/10.1109/CEC.2016.7743807F. Wang et al., “Multi-Objective Optimization Model of Source–Load–Storage Synergetic Dispatch for a Building Energy Management System Based on TOU Price Demand Response,” IEEE Trans Ind Appl, vol. 54, no. 2, pp. 1017–1028, Dec. 2017. https://doi.org/10.1109/TIA.2017.2781639D. Ferrer Valencia, “Desarrollo de un algoritmo de optimización basado en búsqueda local guiada para el problema de minimización en la huella de carbono en el ruteo de vehículos heterogéneos,” M.S. tesis, Universidad Nacional de Colombia, Bogotá, Colombia, 2023. [Online]. Available: https://repositorio.unal.edu.co/handle/unal/84862Comisión de Regulación de Energía y Gas (CREG), “Estrategias para la implementación de esquemas de señales de precios y cargos horarios a los usuarios finales en el SIN, para ser utilizados en programas de respuesta de la demanda,” creg.gov.co Accessed: Feb. 28, 2024. [Online]. Available: https://creg.gov.co/publicaciones/15313/estrategias-para-la-implementacion-de-esquemas-de-senales-de precios-y-cargos-horarios-a-los-usuarios-finales-en-el-sin-para-ser-utilizados-en-programas-de respuesta-de-la-demanda/A. Gargallo Tatay, “Medición y análisis del consumo de energía eléctrica en los receptores domésticos en condiciones reales de funcionamiento: Aplicación a una vivienda unifamiliar,” Tesis de grado, Universitat Politécnica de Valencia, Valencia, España, 2018. [Online]. Available: https://riunet.upv.es:443/handle/10251/106520Lucera. “Eficiencia Energética.” lucera.es. Accessed: Feb. 28, 2024. [Online]. Available: https://lucera.es/blog/cuanto-consumen-electrodomesticosCOPELCO. “CONOCÉ, AHORRÁ, CUIDÁ - Recomendaciones para el buen uso de energía eléctrica.” copelco.coop. Accessed: Feb. 28, 2024. [Online]. Available: https://www.copelnet.com.ar/informacion-de-interes/energia/consumo-de-artefactos-electricosEndesa. “Cuánta energía consume un termo eléctrico.” endesa.com. Accessed: Feb. 28, 2024. [Online]. Available: https://www.endesa.com/es/blog/blog-de-endesa/consejos-de-ahorro/cuanta-energia-consume-termo electricoMinisterio de Economía. “Consumo básico de electrodomésticos.” argentina.gob.ar. Accessed: Feb. 28, 2024. [Online]. Available: https://www.argentina.gob.ar/enre/uso-eficiente-y-seguro/consumo-basico-electrodomesticosA. Daza Urrego, and L. M. Nieto Gutiérrez “Manual práctico de condiciones para instalaciones de sistemas solares fotovoltaicos para suplir cargas demandadas de estrato 3 a 6 en viviendas unifamiliares de Bogotá,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2019. [Online]. Available: http://hdl.handle.net/11349/15575CIME Power Systems. “Tablas de consumo eléctrico.” cimepowersystems.com.mx. Accessed: Feb. 28, 2024. [Online]. Available: http://www.cimepowersystems.com.mx/wp-content/uploads/2011/10/Tabla-de-consumos.pdfK. A. Hernández Hernández, and J. S. Carrillo Cruz, “Análisis de la curva de demanda eléctrica para usuarios residenciales estrato 4 en la ciudad de Bogotá ante diferentes escenarios de los hábitos de consumo,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2017. [Online]. Available: http://hdl.handle.net/11349/5838E. D. Romero Villamil, and S. A. Osorio Huertas, “Curva de demanda de energía eléctrica en sector residencial estrato tres de Bogotá D.C. mediante caracterización por redes neuronales artificiales,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2021. [Online]. Available: http://hdl.handle.net/11349/26755Reglamento Técnico de Instalaciones Eléctricas – RETIE, Resolución 9-0708 de 2013, Ministerio de Minas y Energía, Colombia, 2013. [Online]. Available: https://www.minenergia.gov.co/documents/3809/Anexo_General_del_RETIE_vigente_actualizado_a_2015-1.pdfORIGINALBejaranoBejaranoNelsonMauricio2024.pdfBejaranoBejaranoNelsonMauricio2024.pdfTrabajo de gradoapplication/pdf1338542https://repository.udistrital.edu.co/bitstreams/2d61affc-8eb4-420c-9c44-5982891453f5/downloadec87b4cb26380d178c6d5e86b8103f7bMD52Licencia de uso y publicación.pdfLicencia de uso y publicación.pdfLicencia de uso y publicaciónapplication/pdf218415https://repository.udistrital.edu.co/bitstreams/2812cfbf-c0cd-486f-a14f-6a341f94d066/downloade2d4095bf68fbde54475cb10e0637bb1MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-87167https://repository.udistrital.edu.co/bitstreams/9f5cd42c-e26d-4289-a104-a4a900be0f38/download997daf6c648c962d566d7b082dac908dMD51THUMBNAILBejaranoBejaranoNelsonMauricio2024.pdf.jpgBejaranoBejaranoNelsonMauricio2024.pdf.jpgIM Thumbnailimage/jpeg8013https://repository.udistrital.edu.co/bitstreams/c96da87c-9c44-42ed-ad29-443005e53614/downloadafb4f7b1ca9ce9a33cff04b8569f89fbMD54Licencia de uso y publicación.pdf.jpgLicencia de uso y publicación.pdf.jpgIM Thumbnailimage/jpeg9510https://repository.udistrital.edu.co/bitstreams/8cadce55-a76e-4466-b9d6-1ecb25b12524/download1920ac2cafd393c348d85f9c2e9e41cbMD5511349/42646oai:repository.udistrital.edu.co:11349/426462025-01-15 01:10:07.633open.accesshttps://repository.udistrital.edu.coRepositorio Universidad Distritalrepositorio@udistrital.edu.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

Publicaciones similares