Dissertação
Data-driven forecasting models for electricity consumption and solar power generation to assess possible demand-response strategies The case study of Instituto Superior Técnico EVALUATED
Para compreender o cenário ideal que permitiria reduzir o consumo de energia nos edifícios e, consequentemente, obter poupanças económicas, é extremamente importante quantificar quanta electricidade pode ser produzida de forma descentralizada e quanto será o consumo num momento específico no futuro. O desenvolvimento de modelos de previsão de energia é, portanto, fundamental para a obtenção de padrões mais elevados de eficiência energética, especialmente se associados à implementação que permite o controlo automático do sistema de energia. O objetivo deste trabalho é desenvolver modelos de previsão de consumo e produção de eletricidade para sugerir possíveis medidas de gestão de energia inteligente para o campus principal do Instituto Superior Técnico em Lisboa. O desempenho de diferentes métodos de previsão para a produção de energia de módulos solares fotovoltaicos no telhado e do consumo de energia de edifícios selecionados no campus é simulado e analisado por meio de dados reais. Os resultados mostram que as redes neurais artificiais podem prever o consumo de energia do prédio e a produção solar no telhado com boa precisão. Uma avaliação das possíveis estratégias de resposta à demanda que exploram um sistema de armazenamento de energia da bateria é então realizada. Utilizando programação linear inteira mista, o agendamento do sistema de bateria é optimizado para mudar o consumo da hora de ponta para a hora de vazio. Explorando as tarifas de energia em função do tempo de uso, o cronograma otimizado resultou numa economia líquida anual de cerca de 2%, incluindo o investimento inicial para a bateria.
julho 1, 2019, 13:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Mecânica (DEM)
Assistant Professor