Technical and economic resources management in smart grids using heuristic optimization methods

Intensive use of Distributed Generation (DG) represents a change in the paradigm of power systems operation making small-scale energy generation and storage decision making relevant for the whole system. This paradigm led to the concept of smart grid for which an efficient management, both in technical and economic terms, should be assured. This paper presents a new approach to solve the economic dispatch in smart grids. The proposed methodology for resource management involves two stages. The first one considers fuzzy set theory to define the natural resources range forecast as well as the load forecast. The second stage uses heuristic optimization to determine the economic dispatch considering the generation forecast, storage management and demand response

Distributed energy resource short-term scheduling using signaled particle swarm optimization

Distributed Energy Resources (DER) scheduling in smart grids presents a new challenge to system operators. The increase of new resources, such as storage systems and demand response programs, results in additional computational efforts for optimization problems. On the other hand, since natural resources, such as wind and sun, can only be precisely forecasted with small anticipation, short-term scheduling is especially relevant requiring a very good performance on large dimension problems. Traditional techniques such as Mixed-Integer Non-Linear Programming (MINLP) do not cope well with large scale problems. This type of problems can be appropriately addressed by metaheuristics approaches. This paper proposes a new methodology called Signaled Particle Swarm Optimization (SiPSO) to address the energy resources management problem in the scope of smart grids, with intensive use of DER. The proposed methodology’s performance is illustrated by a case study with 99 distributed generators, 208 loads, and 27 storage units. The results are compared with those obtained in other methodologies, namely MINLP, Genetic Algorithm, original Particle Swarm Optimization (PSO), Evolutionary PSO, and New PSO. SiPSO performance is superior to the other tested PSO variants, demonstrating its adequacy to solve large dimension problems which require a decision in a short period of time.

Guia para a descconstrução de edifícios

Num passado relativamente recente, o processo de demolição tem experimentado várias mudanças, que incidem principalmente na forma como o edifício ou estrutura vai ser demolido. Mais recentemente, o surgimento das preocupações ambientais levam hoje a falar de "desconstrução", em função do prejuízo das demolições. O termo desconstrução é usado para descrever o processo de desmantelamento e remoção seletiva de materiais de construção em vez da demolição tradicional. O sucesso da desconstrução vem em função do planeamento antecipado, da aplicação contínua das regras de segurança e da formação e informação para todos os trabalhadores. A triagem de materiais de demolição é de certa forma imposta pela preocupação das empresas que contribuem para a economia de recursos naturais. Esta metodologia é uma melhoria contínua, porém muito mais diversificados os materiais obtidos e a sua heterogeneidade. A correta gestão do fluxo de resíduos de construção e demolição é importante e o seu interesse na reciclagem de resíduos tem aumentado constantemente. Esse interesse é dirigido pelo grande volume desses materiais, os custos associados e uma maior consciência das oportunidades de reciclar. Auxiliando também no desenvolvimento dos mercados locais para os resíduos, tanto para os materiais que são diretamente reutilizados, como os que são reciclados, sendo novamente aplicados na construção civil. Esta dissertação aborda os métodos comummente utilizados na demolição de edifícios que dão mais atenção ao planeamento e execução dos trabalhos de demolição, garantindo a segurança no local de trabalho.