A Demand Response (DR) visa motivar os consumidores finais a mudar seus padrões de consumo de energia de elétrica em resposta às mudanças nos preços da eletricidade ou quando a confiabilidade do sistema elétrico de potência (EPS) estiver comprometida. A maioria dos estudos recentes mostram que o...

A Demand Response (DR) visa motivar os consumidores finais a mudar seus padrões de consumo de energia de elétrica em resposta às mudanças nos preços da eletricidade ou quando a confiabilidade do sistema elétrico de potência (EPS) estiver comprometida. A maioria dos estudos recentes mostram que o principal objetivo é minimizar o custo associado ao consumo de energia elétrica sem considerar as preferências/necessidades dos consumidores finais. Portanto, afirmar que esses trabalhos não consideram a real dificuldade do problema que envolve agendar o uso dos aparelhos residenciais e não avaliam aspectos como: (a) diferentes cenários residenciais; (b) várias categorias de aparelhos residenciais; (c) o nível de satisfação/conforto dos consumidores com o novo agendamento de seus aparelhos. Além disso, os estudos que trataram do aspecto da inconveniência realizaram simulações sem levar em conta as diferentes categorias de aparelhos residenciais, reduzindo, assim, a complexidade do método. No entanto, nesta tese propõe-se um sistema de gerenciamento de energia residencial (HEMS) que visa programar o uso de cada aparelho residencial com base no preço da eletricidade em tempo real (RTP) e no nível de satisfação/conforto do consumidor a fim de minimizar o custo associado ao consumo de energia elétrica bem como, minimizar a inconveniência (insatisfação/desconforto) dos consumidores finais, garantindo a estabilidade e a segurança do EPS. Portanto, o HEMS através do controlador de gerenciamento de energia (EMC) determina uma linha do tempo otimizada para cada aparelho por meio do modelo de DR multiobjectivo validado através do uso das técnicas de otimização Algoritmo Genético (GA), Otimização por Enxame de Partículas (PSO), Linguagem para Otimizador Geral Interativo (LINGO) e do Algoritmo Genético de Classificação por Não Dominância II (NSGA-II), garantindo um cenário mais econômico para os consumidores finais. Os resultados mostram que o HEMS alcançou reduções no custo da eletricidade para todos os cenários utilizados, afetando minimamente a satisfação/conforto dos consumidores finais, bem como, levando em conta todas as restrições.
Palavras-Chave: Resposta à Demanda; Gerenciamento de Energia; Agendamento de Carga; Otimização.

Demand Response (DR) aims to motivate end consumers to change their energy consumption patterns in response to changes in electricity prices or when the reliability of the electrical power system (EPS) is compromised. Most of the recent studies show that the main goal is to minimize the cost...

Demand Response (DR) aims to motivate end consumers to change their energy consumption patterns in response to changes in electricity prices or when the reliability of the electrical power system (EPS) is compromised. Most of the recent studies show that the main goal is to minimize the cost associated with the consumption of electric energy without considering the preferences/needs of end consumers. Therefore, it is possible to state that these works do not consider the real difficulty of the problem which involves scheduling the use of home appliances and they do not evaluate aspects such as: (a) different residential scenarios; (b) various categories of home appliances; (c) the level of satisfaction/comfort of consumers with the new scheduling of their home appliances. Moreover, the studies that dealt with the inconvenience aspect performed simulations without considering the different categories of home appliances, thus reducing the complexity of the method. However, this thesis proposes a home energy management system (HEMS) that aims to schedule the use of each home appliance based on the price of electricity in real-time (RTP) and on the consumer satisfaction/comfort level in order to minimizing the cost associated to the energy consumption, as well as minimizing the inconvenience (dissatisfaction/discomfort) of end consumers ensuring the stability and the safety of the EPS. Therefore, the HEMS through the energy management controller (EMC) determines an optimized timeline for each appliance through the multiobjective DR model validated using Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Language for Interactive General Optimizer (LINGO) and Non-dominated Sorting Genetic Algorithm II (NSGA-II) optimization techniques, and thus ensures a more economic scenario for end consumers. The results show that the HEMS achieved reductions in the cost of electricity for all the Scenarios used while minimally affecting the satisfaction/comfort of the end consumers as well as contemplating all the restrictions.
Keywords: Demand Response; Energy Management; Load Scheduling; Optimization.