Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19014
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΣαμαράς, Κωνσταντίνος-
dc.date.accessioned2024-03-20T15:13:42Z-
dc.date.available2024-03-20T15:13:42Z-
dc.date.issued2024-03-01-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19014-
dc.description.abstractΣε μια εποχή όπου οι ενεργειακές απαιτήσεις μεγαλώνουν παράλληλα με τη μείωση των πόρων, η ανάγκη για αποτελεσματική διαχείριση της ενέργειας δεν ήταν ποτέ πιο σημαντική. Η παρούσα εργασία αντιμετωπίζει την ανάγκη για βιώσιμες ενεργειακές λύσεις, εστιάζοντας στη διαχείριση των ευέλικτων φορτίων εντός μικροδικτύου. Στο επίκεντρο της μελέτης βρίσκεται ένα σύστημα που συνδυάζει την καθορισμένη κατανάλωση ενέργειας λόγω των σταθερών φορτίων, την παραγωγή ενέργειας από ανανεώσιμες πηγές ενέργειας, ενώ παράλληλα χρησιμοποιούνται ευέλικτα φορτία και ενσωματώνεται ένα σύστημα αποθήκευση ενέργειας (μπαταρία). Ο σκοπός της έρευνάς είναι ο προσδιορισμός της βέλτιστης τοποθέτησης των ευέλικτων φορτίων κατά την διάρκεια της ημέρας, συμβάλλοντας έτσι στην αποτελεσματικότερη αξιοποίηση της ενέργειας και στη ταυτόχρονη μείωση του κόστους που αποτελεί το κύριο στόχο. Μετά από λεπτομερή επισκόπηση της θεωρίας αλλά και μελέτη διατριβών με αντίστοιχες προκλήσεις, επιλέχτηκε ο αλγόριθμος Particle Swarm Optimization (PSO). Η ικανότητά του να ψάχνει και να βρίσκει αποτελεσματικές λύσεις σε πολύπλοκους, πολυδιάστατους χώρους αναζήτησης, αποτελεί ένα από τα βασικά χαρακτηριστικά του, επηρέασε στην απόφαση επιλογής του. Επιπλέον, χρησιμοποιήθηκε η μέθοδος του Δυναμικού Προγραμματισμού (DP) για το προσδιορισμό της στάθμης της μπαταρίας κάθε χρονική στιγμή, αξιοποιώντας την αποτελεσματικότητα της στη λήψη αποφάσεων σε προβλήματα πολλαπλών σταδίων. Το πειραματικό τμήμα της εργασίας διευκρινίζει τα αποτελέσματα των διαφορετικών εκδοχών του κώδικα που υλοποιήθηκαν και εκτελέστηκαν σε ένα συγκεκριμένο σενάριο, παρέχοντας επίσης και μια συγκριτική ανάλυση των αποτελεσμάτων αυτών. Διερευνήθηκε, επιπλέον η επίδραση διαφόρων παραμέτρων ,όπως ο αριθμός των σωματιδίων (n_particles), ο αριθμός των επαναλήψεων (n_iterations) και η μέγιστη χωρητικότητα της μπαταρίας (B_max) στην αποτελεσματικότητα των λύσεων. Επιπρόσθετα, εξετάστηκε ο τρόπος με τον οποίο οι εποχιακές διακυμάνσεις επηρεάζουν την απόδοση του συστήματος. Τέλος, αναλύθηκαν τα συμπεράσματα τα οποία εξήχθησαν από την εκπόνηση της διπλωματικής εργασίας, καθώς και προτάσεις για περαιτέρω εξέλιξη.en_US
dc.languageelen_US
dc.subjectParticle Swarm Optimization, Δυναμικός Προγραμματισμός, Ευέλικτα φορτία, Μικροδυκτια, Μείωση κόστους, Μπαταρία, Κατανάλωση ενέργειας, Παραγωγή ενέργειαςen_US
dc.titleΣυγκριτική μελέτη τεχνικών και αλγορίθμων βέλτιστης διαχείρισης ελαστικών φορτίων σε επίπεδο μικροδικτύου και ανάπτυξη συστήματος αποφάσεων επιλογήςen_US
dc.description.pages87en_US
dc.contributor.supervisorΜαρινάκης Ευάγγελοςen_US
dc.departmentΤομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεωνen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
Τελικό_Διπλωματική_Εργασία.pdf3.43 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.