Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima

Bibliographic Details
Main Author: Zampier, Leonardo Renan
Publication Date: 2025
Format: Master thesis
Language: por
Source: Repositório Institucional da UFPR
Download full: https://hdl.handle.net/1884/98433
Summary: Orientador: Prof. Dr. Alexandre Rasi Aoki
id UFPR_cd07e1c30ccdeefa136b82821bbf30f0
oai_identifier_str oai:acervodigital.ufpr.br:1884/98433
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Hammerschmitt, Bruno KnevitzUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia ElétricaAoki, Alexandre RasiZampier, Leonardo Renan2025-09-16T19:15:49Z2025-09-16T19:15:49Z2025https://hdl.handle.net/1884/98433Orientador: Prof. Dr. Alexandre Rasi AokiCoorientador: Prof. Dr. Bruno Knevitz HammerschmittDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 02/07/2025Inclui referênciasResumo: Com o constante aumento da adesão de veículos elétricos como meio de transporte, carregar todos esses veículos se torna um problema para ser resolvido. O tipo de carregador mais aderido pelos usuários para carregar veículos elétricos são os carregadores residenciais, dada sua praticidade. Porém em edificações com muitos destes carregadores isso deve ser gerenciado para que não sobrecarregue a instalação elétrica. Neste estudo aborda-se uma proposta de algoritmo para gerenciamento de carregadores de veículos elétricos aplicando-se uma otimização baseada no algoritmo genético NSGA-III, visando assim alocar da melhor maneira a demanda destes equipamentos sem passar da limitação da instalação elétrica atual. Esta pesquisa caracteriza-se como um estudo de natureza aplicada com abordagem qualitativa e quantitativa. O estudo se desenvolveu com base em referencial teórico, legislações e normas nacionais e internacionais, e também literatura relevante na área. O desenvolvimento do algoritmo se baseou em linguagem de programação Python com utilização de otimização a partir de algoritmo genético NSGA-III, que tem um bom desempenho para trabalhar com cenários multiobjetivos. Foram estipulados quatro cenários nos quais foram sendo variadas as condições, e no quarto cenário foi apresentada a versão com a implementação da otimização com algoritmo genético. Para testar esta otimização o algoritmo foi aplicado em três cenários com condições de entrada diferentes para comparação de resultados, podendo-se assim avaliar a adaptabilidade da solução em diferentes aplicações. Percebeu-se que dos quatro cenários avaliados o que continha a otimização se destacou em resultados, e entre os cenários comparativos esse modelo mostrou constantemente o melhor desempenho para diferentes variáveis de entrada. Com a avaliação dos resultados obtidos foi observado que a solução não só é viável como também pode ter incrementos futuros, como ser complementada com fontes de energia renovável, incluir refinamento no cálculo do carregamento ou também ser complementada com medidores de energia inteligentesAbstract: With the constant increase in the adoption of electric vehicles as a means of transportation, charging all these vehicles becomes a problem to be solved. The type of charger most adopted by users to charge electric vehicles are residential chargers, given their practicality. However, in buildings with many of these chargers, this must be managed so as not to overload the electrical installation. This study addresses a proposed algorithm for managing electric vehicle chargers by applying an optimization based on the NSGA-III genetic algorithm, thus aiming to optimally allocate the demand of these equipment without exceeding the limitation of the current electrical installation. This research is characterized as an applied study with a qualitative and quantitative approach. The study was developed based on theoretical framework, national and international legislation and standards, and also relevant literature in the area. The algorithm development was based on Python programming language using optimization from the NSGA-III genetic algorithm, which has good performance for working with multi-objective scenarios. Four scenarios were stipulated in which conditions were varied, and in the fourth scenario, the version with the implementation of optimization with genetic algorithm was presented. To test this optimization, the algorithm was applied in three scenarios with different input conditions for result comparison, thus being able to evaluate the adaptability of the solution in different applications. It was observed that among the four evaluated scenarios, the one containing optimization stood out in results, and among the comparative scenarios, this model constantly showed the best performance for different input variables. With the evaluation of the obtained results, it was observed that the solution is not only viable but can also have future increments, such as being complemented with renewable energy sources, including refinement in the charging calculation, or also being complemented with smart energy meters1 recurso online : PDF.application/pdfVeículos elétricosAlgorítmos genéticosBaterias elétricasEngenharia ElétricaSolução de carregamento de veículos elétricos com gerenciamento de demanda máximainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - LEONARDO RENAN ZAMPIER.pdfapplication/pdf2204219https://acervodigital.ufpr.br/bitstream/1884/98433/1/R%20-%20D%20-%20LEONARDO%20RENAN%20ZAMPIER.pdfaa9085ff4fa3c45df852c4f56032cd49MD51open access1884/984332025-09-16 16:15:49.283open accessoai:acervodigital.ufpr.br:1884/98433Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082025-09-16T19:15:49Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima
title Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima
spellingShingle Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima
Zampier, Leonardo Renan
Veículos elétricos
Algorítmos genéticos
Baterias elétricas
Engenharia Elétrica
title_short Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima
title_full Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima
title_fullStr Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima
title_full_unstemmed Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima
title_sort Solução de carregamento de veículos elétricos com gerenciamento de demanda máxima
author Zampier, Leonardo Renan
author_facet Zampier, Leonardo Renan
author_role author
dc.contributor.other.pt_BR.fl_str_mv Hammerschmitt, Bruno Knevitz
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica
dc.contributor.advisor1.fl_str_mv Aoki, Alexandre Rasi
dc.contributor.author.fl_str_mv Zampier, Leonardo Renan
contributor_str_mv Aoki, Alexandre Rasi
dc.subject.por.fl_str_mv Veículos elétricos
Algorítmos genéticos
Baterias elétricas
Engenharia Elétrica
topic Veículos elétricos
Algorítmos genéticos
Baterias elétricas
Engenharia Elétrica
description Orientador: Prof. Dr. Alexandre Rasi Aoki
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-09-16T19:15:49Z
dc.date.available.fl_str_mv 2025-09-16T19:15:49Z
dc.date.issued.fl_str_mv 2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/98433
url https://hdl.handle.net/1884/98433
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/98433/1/R%20-%20D%20-%20LEONARDO%20RENAN%20ZAMPIER.pdf
bitstream.checksum.fl_str_mv aa9085ff4fa3c45df852c4f56032cd49
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847525644614762496

Similar Items