Banca de DEFESA: ERIC BERNARDES CHAGAS BARROS
Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ERIC BERNARDES CHAGAS BARROS
DATA : 23/09/2021
HORA: 09:00
LOCAL: Sala Virtual (https://meet.google.com/hdh-qyrg-ais)
TÍTULO:
Jemadar-AI: um framework baseado na névoa para o gerenciamento de energia de uma Microgrid
PALAVRAS-CHAVES:
smart-grids, microgrids, fog computing, cloud computing, escalonamento
PÁGINAS: 123
RESUMO:
O constante aumento da demanda de energia elétrica e a redução dos meios convencionais de produção apontam para uma futura crise energética. Um dos fatores que impacta na crescente demanda é o consumo descontrolado, gerando um despacho de energia cada vez maior para atender as necessidades do consumidor. Dessa forma, a produção precisa utilizar uma maior quantidade das fontes de energia, principalmente nos horários de pico de consumo. Para controlar a demanda, técnicas de gerenciamento da demanda estão sendo usadas pelos consumidores a fim de reduzir os períodos de pico e as contas de energia. Do mesmo modo, a produção de energia pode combinar o uso de fontes de energia renováveis e não-renováveis com foco na redução da produção de energia não-renovável. Nesse cenário, a produção inteligente de energia necessita de um controle automatizado para evitar as perdas de energia. Atualmente, diversas pesquisas propõem o uso de algoritmos de otimização para o escalonamento de equipamentos elétricos como uma solução do gerenciamento da demanda, de forma que o uso dos equipamentos são escalonados para evitar os períodos de pico de energia. Também têm sido propostas pesquisas sobre o uso do controle Proporcional-Integral-Derivativo - (PID) para equilíbrio da produção renovável e não-renovável. Entretanto, poucas pesquisas consideram a utilização da névoa com o auxílio da nuvem para realizar o processamento desses algoritmos. Dessa forma, este trabalho propõe o framework JEMADAR-AI para lidar com o tráfego de dados das redes elétricas. JEMADAR-AI realiza o treinamento de duas redes neurais baseadas em aprendizado por reforço: (i) a primeira faz o escalonamento de energia; (ii) a segunda ajusta o controlador PID dinamicamente. Para isso, JEMADAR-AI utiliza uma arquitetura que combina a computação em névoa com a computação em nuvem com o objetivo de reduzir tempos de respostas das solicitações. Os resultados obtidos por meio da avaliação de desempenho mostraram que a utilização do JEMADAR-AI reduz em até 19% a potência elétrica nos horários de pico e 21,6% os valores das contas de energia quando comparados com cenários que não realizam nenhuma otimização.
MEMBROS DA BANCA:
Presidente - 1850683 - MAYCON LEONE MACIEL PEIXOTO
Interno - 1814505 - GUSTAVO BITTENCOURT FIGUEIREDO
Interno - 1764465 - LEOBINO NASCIMENTO SAMPAIO
Externo à Instituição - LUIZ FERNANDO BITTENCOURT
Externo à Instituição - EDWARD DAVID MORENO ORDONEZ