Análise técnica e económico-financeira de um sistema de abastecimento de veículos zero emissões integrando um sistema fotovoltaico

Com o aumento da população mundial registado nos últimos anos surgiu também uma maior procura energética. Esse aumento foi inicialmente colmatado recorrendo essencialmente a fontes de origem fóssil, pelo facto destas serem mais baratas. No entanto, essa tendência de preços baixos sofreu o primeiro abalo nos anos 70 do século passado, altura em que o preço do petróleo disparou, devido a questões políticas. Nessa altura ficou visível para os países ocidentais o quanto estes eram dependentes dos países produtores de petróleo que, em geral, são instáveis politicamente. Começou então a procura de fontes energéticas alternativas. Além da questão económica do aumento do preço dos combustíveis, existe também o problema ambiental. Os maiores responsáveis pela emissão de gases efeito estufa (GEE) são os combustíveis fósseis. Os GEE contribuem para o aquecimento global, o que origina fenómenos ambientais severos que poderão levar a mudanças climáticas significativas. As energias renováveis apresentam-se como a solução mais viável ao problema energético e ambiental que se verifica actualmente, porque permitem colmatar o aumento da procura energética de uma forma limpa e sustentável. Na sequência destes problemas surgiram nos últimos anos veículos que permitem reduzir ou mesmo eliminar o consumo de combustíveis fósseis, como os veículos híbridos eléctricos, eléctricos e a hidrogénio. Nesta dissertação analisa-se um sistema que foi pensado para ser implementado em áreas de serviço, que permite efectuar o carregamento de electric vehicles (EV) utilizando energia eléctrica de origem fotovoltaica e a produção de hidrogénio para os fuels cell electric vehicles (FCEV). É efectuada uma análise económica do sistema, uma análise ambiental e analisou-se também o impacto na redução da dependência do país em relação ao exterior, sendo ainda efectuada uma pequena análise ao sistema MOBIE. No caso dos veículos a hidrogénio, foi determinada qual seria a melhor opção em termos económicos, para a produção de hidrogénio considerando três regimes de produção: recorrendo apenas à energia eléctrica proveniente do sistema fotovoltaico, apenas à energia eléctrica da rede, ou uma combinação dos dois regimes. O sistema estudado nesta dissertação apresenta um enorme potencial a nível energético e ambiental, surgindo como alternativa para abastecer os veículos que irão permitir, no futuro, eliminar a dependência energética em relação às fontes fósseis e ao mesmo tempo diminuir a quantidade de gases efeito estufa emitidos para a atmosfera.

Dimensionamento do Sistema Híbrido para Alimentação de Energia Elétrica da Escola Rural de Nangade (Cabo Delgado)

Os combustíveis fósseis, como o carvão, o petróleo e o gás, constituem fontes de energia que em breve se esgotarão e que são demasiado caras para serem desperdiçadas pelas centrais elétricas na produção de electricidade. Para além desse facto, existem outros argumentos (sobretudo económicos) que inviabilizam a utilização destas fontes de energia em algumas regiões, abrindo caminho a fontes de energia alternativas (e.g. solar, eólica, biomassa, mini-hídricas, geotérmicas, etc) e preferencialmente com contornos locais. No caso particular de Moçambique, tem-se verificado um interesse crescente por parte do governo e de várias ONGs na promoção do uso de energias alternativas para as zonas onde a energia convencional não chega e não chegará, devido aos custos muito elevados que esse processo acarretaria. Esta dissertação apresenta um estudo aprofundado do dimensionamento dum sistema híbrido de geração de energia elétrica envolvendo gerador FV e grupo eletrogéneo de emergência para a Escola Rural da Nangade, situada no Distrito de Nangade, na Província do Cabo Delgado. São também descritos os diversos componentes e as tecnologias associadas a um sistema deste género, com a inclusão de sistemas inteligentes de controlo de energia com a utilização de inversores bidireccionais (inversores de bateria e carregadores) para sistemas isolados. Os resultados são apresentados de forma a facilitar a aplicação e montagem deste tipo de sistemas in loco. Espera-se que esta dissertação possa servir de base no futuro próximo, para a implementação deste tipo de sistemas para permitir a melhoria da qualidade de ensino através de melhores infraestruturas, democratizando desta forma o acesso à educação para as crianças das zonas rurais das várias províncias de Moçambique. Como as energias renováveis são parte integrante do Sistema Elétrico Nacional, apresenta-se resumidamente, no anexo 17, o “Plano de Desenvolvimento na Área de Energia de Moçambique”.

ANN based support for distributed energy resources scheduling in smart grids

The future scenarios for operation of smart grids are likely to include a large diversity of players, of different types and sizes. With control and decision making being decentralized over the network, intelligence should also be decentralized so that every player is able to play in the market environment. In the new context, aggregator players, enabling medium, small, and even micro size players to act in a competitive environment, will be very relevant. Virtual Power Players (VPP) and single players must optimize their energy resource management in order to accomplish their goals. This is relatively easy to larger players, with financial means to have access to adequate decision support tools, to support decision making concerning their optimal resource schedule. However, the smaller players have difficulties in accessing this kind of tools. So, it is required that these smaller players can be offered alternative methods to support their decisions. This paper presents a methodology, based on Artificial Neural Networks (ANN), intended to support smaller players’ resource scheduling. The used methodology uses a training set that is built using the energy resource scheduling solutions obtained with a reference optimization methodology, a mixed-integer non-linear programming (MINLP) in this case. The trained network is able to achieve good schedule results requiring modest computational means.

Application-specific modified particle swarm optimization for energy resource scheduling considering vehicle-to-grid

This paper presents a modified Particle Swarm Optimization (PSO) methodology to solve the problem of energy resources management with high penetration of distributed generation and Electric Vehicles (EVs) with gridable capability (V2G). The objective of the day-ahead scheduling problem in this work is to minimize operation costs, namely energy costs, regarding he management of these resources in the smart grid context. The modifications applied to the PSO aimed to improve its adequacy to solve the mentioned problem. The proposed Application Specific Modified Particle Swarm Optimization (ASMPSO) includes an intelligent mechanism to adjust velocity limits during the search process, as well as self-parameterization of PSO parameters making it more user-independent. It presents better robustness and convergence characteristics compared with the tested PSO variants as well as better constraint handling. This enables its use for addressing real world large-scale problems in much shorter times than the deterministic methods, providing system operators with adequate decision support and achieving efficient resource scheduling, even when a significant number of alternative scenarios should be considered. The paper includes two realistic case studies with different penetration of gridable vehicles (1000 and 2000). The proposed methodology is about 2600 times faster than Mixed-Integer Non-Linear Programming (MINLP) reference technique, reducing the time required from 25 h to 36 s for the scenario with 2000 vehicles, with about one percent of difference in the objective function cost value.

Application-Specific Modified Particle Swarm Optimization for energy resource scheduling considering vehicle-to-grid

This paper presents a modified Particle Swarm Optimization (PSO) methodology to solve the problem of energy resources management with high penetration of distributed generation and Electric Vehicles (EVs) with gridable capability (V2G). The objective of the day-ahead scheduling problem in this work is to minimize operation costs, namely energy costs, regarding the management of these resources in the smart grid context. The modifications applied to the PSO aimed to improve its adequacy to solve the mentioned problem. The proposed Application Specific Modified Particle Swarm Optimization (ASMPSO) includes an intelligent mechanism to adjust velocity limits during the search process, as well as self-parameterization of PSO parameters making it more user-independent. It presents better robustness and convergence characteristics compared with the tested PSO variants as well as better constraint handling. This enables its use for addressing real world large-scale problems in much shorter times than the deterministic methods, providing system operators with adequate decision support and achieving efficient resource scheduling, even when a significant number of alternative scenarios should be considered. The paper includes two realistic case studies with different penetration of gridable vehicles (1000 and 2000). The proposed methodology is about 2600 times faster than Mixed-Integer Non-Linear Programming (MINLP) reference technique, reducing the time required from 25 h to 36 s for the scenario with 2000 vehicles, with about one percent of difference in the objective function cost value.

Energy-aware task mapping onto heterogeneous platforms using DVFS and sleep states

Heterogeneous multicore platforms are becoming an interesting alternative for embedded computing systems with limited power supply as they can execute specific tasks in an efficient manner. Nonetheless, one of the main challenges of such platforms consists of optimising the energy consumption in the presence of temporal constraints. This paper addresses the problem of task-to-core allocation onto heterogeneous multicore platforms such that the overall energy consumption of the system is minimised. To this end, we propose a two-phase approach that considers both dynamic and leakage energy consumption: (i) the first phase allocates tasks to the cores such that the dynamic energy consumption is reduced; (ii) the second phase refines the allocation performed in the first phase in order to achieve better sleep states by trading off the dynamic energy consumption with the reduction in leakage energy consumption. This hybrid approach considers core frequency set-points, tasks energy consumption and sleep states of the cores to reduce the energy consumption of the system. Major value has been placed on a realistic power model which increases the practical relevance of the proposed approach. Finally, extensive simulations have been carried out to demonstrate the effectiveness of the proposed algorithm. In the best-case, savings up to 18% of energy are reached over the first fit algorithm, which has shown, in previous works, to perform better than other bin-packing heuristics for the target heterogeneous multicore platform.