Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Development of DR energy management optimization at building and district level using GA and NN modeling power predictions

Tsekeri Elisavet

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/827B1A86-0898-4EBB-B597-B917B2270379-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.76575-
Γλώσσαen-
Μέγεθος5.162 kilobytesen
ΤίτλοςDevelopment of DR energy management optimization at building and district level using GA and NN modeling power predictionsen
ΔημιουργόςTsekeri Elisaveten
ΔημιουργόςΤσεκερη Ελισαβετel
Συντελεστής [Επιβλέπων Καθηγητής]Kolokotsa Dionysiaen
Συντελεστής [Επιβλέπων Καθηγητής]Κολοκοτσα Διονυσιαel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Kalaitzakis Konstantinosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Καλαϊτζακης Κωνσταντινοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Karatzas Giorgosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Καρατζας Γιωργοςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Environmental Engineeringen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Περιβάλλοντοςel
ΠερίληψηIn broad terms, Demand Response refers to the operational, regulatory and technical framework for inducing changes in the power demand of buildings or settlements during the day. Time of Use (ToU) pricing can be vital to leverage advancements in building or district energy management systems to shift loads, exploit storage capabilities, increase renewable energy penetration and ultimately relief stress from the grid. This is an important feature of the smart grid and a step closer to the necessary open and transparent market framework according to which energy consumption costs reflect actual costs of production, transmission, distribution, infrastructure maintenance and upgrade etc. In this paper Neural Network power predictions are performed and a genetic algorithm based framework for energy management in a group of buildings is developed and tested on real data. According to the results ToU pricing could be exploited by the industry using ANN based day ahead prediction to perform load shifting and minimize associated costs.en
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by-nc/4.0/en
Ημερομηνία2018-06-20-
Ημερομηνία Δημοσίευσης2018-
Θεματική ΚατηγορίαGenetic algorithmsen
Θεματική Κατηγορία Artificial neural network en
Θεματική ΚατηγορίαDemand responseen
Βιβλιογραφική ΑναφοράElisavet Tsekeri, "Development of DR energy management optimization at building and district level using GA and NN modeling power predictions", Master Thesis, School of Environmental Engineering, Technical University of Crete, Chania, Greece, 2018en

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά