No abstract

No abstract

This paper proposes a flexible framework for scheduling and real time operation of electric vehicle charging stations (EVCS). The methodology applies a multi-objective evolutionary particle swarm optimization algorithm (EPSO) for electric vehicles (EVs) scheduling based on a day-ahead scenario. Then, real time operation is managed based on a rule-based (RB) approach. Two types of consumer were considered: EV owners with a day-ahead request for charging (scheduled consumers, SCh) and non-scheduling users (NSCh). EPSO has two main objectives: cost reduction and reduce overloading for high demand in grid. The EVCS has support by photovoltaic generation (PV), battery energy storage systems (BESS), and the distribution grid. The method allows the selection between three types of charging, distributing it according to EV demand. The model estimates SC remaining state of charge (SoC) for arriving to EVCS and then adjusts the actual difference by the RB. The results showed a profit for EVCS by the proposed technique. The proposed EPSO and RB have a fast solution to the problem that allows practical implementation.

No abstract

O presente artigo aborda o perfil de consumo de energia elétrica de uma residência através do Monitoramento de Carga Não Intrusiva (NILM), mostrando a quebra da energia elétrica consumida por cada aparelho durante um dia de monitoramento. Através deste monitoramento torna-se evidente a importância de conhecer o perfil de consumo de cargas elétricas residenciais para buscar a redução dos gastos com energia elétrica. O conhecimento do perfil de consumo residencial permite um estudo para adequar-se às novas formas de carga disponíveis para instalações de baixa tensão e também é importante nos estudos de gerenciamento de carga do lado da demanda, essencial no contexto de Smart Grids. Este estudo procura mostrar o potencial de resposta à demanda (DR) nas residências com base no impacto de uma tarifa de Tempo de Uso (TOU), considerando cenários com e sem mudanças nos hábitos dos ocupantes das residências. O presente artigo aborda o perfil de consumo de energia elétrica de uma residência através do Monitoramento de Carga Não Intrusiva (NILM), mostrando a quebra da energia elétrica consumida por cada aparelho durante um dia de monitoramento. Através deste monitoramento torna-se evidente a importância de conhecer o perfil de consumo de cargas elétricas residenciais para buscar a redução dos gastos com energia elétrica. O conhecimento do perfil de consumo residencial permite um estudo para adequar-se às novas formas de carga disponíveis para instalações de baixa tensão e também é importante nos estudos de gerenciamento de carga do lado da demanda, essencial no contexto de Smart Grids. Este estudo procura mostrar o potencial de resposta à demanda (DR) nas residências com base no impacto de uma tarifa de Tempo de Uso (TOU), considerando cenários com e sem mudanças nos hábitos dos ocupantes das residências.