Optimization Model for Collective Energy Demand Management in Smart Homes

Vista sencilla de ítem
dc.creatorBejarano, Nelson Mauricio
dc.creatorMoya Chaves, Francisco David
dc.creatorMontoya Giraldo, Óscar Danilo
dc.date2024-08-20
dc.date.accessioned2025-10-01T23:53:12Z
dc.descriptionPower systems are evolving towards smart grids to improve their efficiency and reliability through demand response and management strategies. This study presents the Multi-User Model of Controllable Electric Loads (MUMCEL), an optimization model developed to collectively manage the residential demand of multiple users, through Controllable Electric Load Scheduling (CELS). The objective of the model was to minimize the cost of energy and achieve a more uniform distribution of the electric load, taking into account dynamic pricing rates and specific constraints. The methodology was based on classical optimization techniques in two stages. The first stage focused on the single user level using the exhaustive search method to select solutions that minimize the cost of each user's bill. The second stage employed the local search method for multi-user optimization to find a flatter demand curve. For this purpose, an algorithm was designed in MATLAB® that simulated a scenario with 60 users for 24 hours, scheduling the most appropriate on/off periods of controllable loads. Two scenarios were compared: one where users manage their loads at their convenience and the other where the proposed model was applied. The results indicated a decrease in peak demand, with an average savings of 4.94 % on the electricity bill for all users and up to 12.34 % individually. The simulation achieved this optimal solution in 25 minutes, despite the computational complexity involved in managing the demand of 60 users. Therefore, the model used simple methods to optimize multiple variables, providing better performance compared to processing that would require a more complex algorithm.en-US
dc.descriptionLos sistemas eléctricos están evolucionando hacia redes inteligentes para mejorar su eficiencia y confiabilidad mediante estrategias de gestión y respuesta a la demanda. Este estudio presenta el Modelo Multiusuario de Cargas Eléctricas Controlables (MMCEC), un modelo de optimización desarrollado para gestionar colectivamente la demanda residencial de múltiples usuarios mediante la Programación de Cargas Eléctricas Controlables (PCEC). El objetivo del modelo fue minimizar el costo de la energía y lograr una distribución más uniforme de la carga eléctrica, teniendo en cuenta tarifas dinámicas de precios y restricciones específicas. La metodología se basó en técnicas clásicas de optimización en dos etapas. La primera se enfocó a nivel de único usuario utilizando el método de búsqueda exhaustiva para seleccionar soluciones que minimicen el costo de la factura de cada usuario. La segunda etapa empleó el método de búsqueda local para la optimización multiusuario, para encontrar una curva de demanda más plana. Para ello, se diseñó un algoritmo en MATLAB® que simuló un escenario con 60 usuarios durante 24 horas, programando los periodos más adecuados de encendido/apagado de las cargas controlables. Se compararon dos escenarios: uno donde los usuarios administran sus cargas a su conveniencia y otro donde se aplicó el modelo propuesto. Los resultados indicaron una disminución de los picos de demanda, con un ahorro promedio del 4.94 % en la factura eléctrica para el conjunto de usuarios y hasta el 12.34 % individualmente. La simulación logró esta solución óptima en 25 minutos a pesar de la complejidad computacional que implica gestionar la demanda de 60 usuarios. Por tal motivo, el modelo planteado utilizó métodos simples para optimizar múltiples variables, proporcionando un mejor rendimiento en comparación con el procesamiento requerido por algoritmos más complejos.es-ES
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.formattext/xml
dc.formatapplication/zip
dc.formatapplication/zip
dc.formattext/html
dc.formattext/html
dc.identifierhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/3014
dc.identifier10.22430/22565337.3014
dc.identifier.urihttps://hdl.handle.net/20.500.12622/7903
dc.languagespa
dc.languageeng
dc.publisherInstituto Tecnológico Metropolitano (ITM)es-ES
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/3014/3316
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/3014/3329
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/3014/3425
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/3014/3529
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/3014/3528
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/3014/3530
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/3014/3531
dc.relation/*ref*/M. Pipattanasomporn, M. Kuzlu, and S. Rahman, “An Algorithm for Intelligent Home Energy Management and Demand Response Analysis,” IEEE Trans Smart Grid, vol. 3, no. 4, pp. 2166–2173, Jun. 2012. https://doi.org/10.1109/TSG.2012.2201182
dc.relation/*ref*/R. Jovanovic, A. Bousselham, and I. S. Bayram, “Residential Demand Response Scheduling with Consideration of Consumer Preferences,” Applied Sciences, vol. 6, no. 1, p. 16, Jan. 2016. https://doi.org/10.3390/app6010016
dc.relation/*ref*/S. Janocha B., S. S. Baum, and I. Stadler, “Cost minimization by optimization of electricity generation and demand side management,” in 2016 International Energy and Sustainability Conference (IESC), Cologne, Germany, 2016, pp. 1-7. https://doi.org/10.1109/IESC.2016.7569489
dc.relation/*ref*/A. R. Jordehi, “Optimisation of demand response in electric power systems, a review,” Renewable and Sustainable Energy Reviews, vol. 103, pp. 308–319, Apr. 2019. https://doi.org/10.1016/J.RSER.2018.12.054
dc.relation/*ref*/S. N. Bragagnolo, J. C. Vaschetti, and F. Magnago, “A Technical and Economic Criteria Comparison on Demand Side Management with Multi-Level Optimization Model,” IEEE Latin America Transactions, vol. 19, no. 9, pp. 1494–1501, Jun. 2021. https://doi.org/10.1109/TLA.2021.9468442
dc.relation/*ref*/A. C. Duman, Ö. Güler, K. Deveci, and Ö. Gönül, “Residential load scheduling optimization for demand-side management under time-of-use rate,” in 2018 6th International Istanbul Smart Grids and Cities Congress and Fair (ICSG), Istanbul, Turkey, 2018, pp. 193-196. https://doi.org/10.1109/SGCF.2018.8408971
dc.relation/*ref*/F. Y. Melhem, O. Grunder, Z. Hammoudan, and N. Moubayed, “Energy Management in Electrical Smart Grid Environment Using Robust Optimization Algorithm,” IEEE Trans Ind Appl, vol. 54, no. 3, pp. 2714–2726, Feb. 2018. https://doi.org/10.1109/TIA.2018.2803728
dc.relation/*ref*/G. Huang, J. Yang, and C. Wei, “Cost-Effective and Comfort-Aware Electricity Scheduling for Home Energy Management System,” in 2016 IEEE International Conferences on Big Data and Cloud Computing (BDCloud), Social Computing and Networking (SocialCom), Sustainable Computing and Communications (SustainCom) (BDCloud-SocialCom-SustainCom), Atlanta, GA, USA, 2016, pp. 453-460. https://doi.org/10.1109/BDCloud-SocialCom-SustainCom.2016.73
dc.relation/*ref*/A. M. Vega Escobar, “Gestión de la energía eléctrica domiciliaria con base en la gestión activa de la demanda,” Ph.D. tesis, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2018. [Online]. Available: http://hdl.handle.net/11349/7587
dc.relation/*ref*/A. Ouammi, “Optimal Power Scheduling for a Cooperative Network of Smart Residential Buildings,” IEEE Trans Sustain Energy, vol. 7, no. 3, pp. 1317–1326, Mar. 2016. https://doi.org/10.1109/TSTE.2016.2525728
dc.relation/*ref*/A. R. S. Vidal, L. A. A. Jacobs, and L. S. Batista, “An evolutionary approach for the demand side management optimization in smart grid,” in 2014 IEEE Symposium on Computational Intelligence Applications in Smart Grid (CIASG), Orlando, FL, USA, 2014, pp. 1-7. https://doi.org/10.1109/CIASG.2014.7011561
dc.relation/*ref*/Á. R. Restrepo, S. E. Nope, and D. E. Enríquez, “Beneficios Económicos de la Gestión de la Demanda y la Energía Autogenerada en el Contexto de la Regulación Colombiana,” CIT Información tecnológica, vol. 29, no. 1, pp. 105–116, Feb. 2018. https://doi.org/10.4067/S0718-07642018000100105
dc.relation/*ref*/D. H. Ruiz Amaya, “Optimización de recursos energéticos a partir de la utilización de un der y de la integración de equipos de automatización,” M.S. tesis, Pontificia Universidad Javeriana, Bogotá, Colombia, 2015. [Online]. Available: https://doi.org/10.11144/Javeriana.10554.16812
dc.relation/*ref*/M. Amer, A. Naaman, N. K. M'Sirdi, and A. M. El-Zonkoly, “Smart home energy management systems survey,” in International Conference on Renewable Energies for Developing Countries 2014, Beirut, Lebanon, 2014, pp. 167-173. https://doi.org/10.1109/REDEC.2014.7038551
dc.relation/*ref*/I. Gupta, G. N. Anandini, and M. Gupta, “An hour wise device scheduling approach for demand side management in smart grid using particle swarm optimization,” in 2016 National Power Systems Conference (NPSC), Bhubaneswar, India, 2016, pp. 1-6. https://doi.org/10.1109/NPSC.2016.7858965
dc.relation/*ref*/J. S. Gómez Marín, S. X. Carvajal, and A. Arango Manrique, “Programas de gestión de demanda de electricidad para el sector residencial en Colombia: Enfoque Sistémico,” Energética, Jul. 2015. https://repositorio.unal.edu.co/handle/unal/64269
dc.relation/*ref*/L. Sheng-Kai, and C. Chao-Rong, “Optimal energy consumption scheduling in home energy management system,” in 2016 International Conference on Machine Learning and Cybernetics (ICMLC), Jeju, Korea (South), 2016, pp. 638-643. https://doi.org/10.1109/ICMLC.2016.7872962
dc.relation/*ref*/F. D. Moya Chavez, L. C. P. Da Silva, and J. C. Lopez A., “A Mathematical Model for the Optimal Scheduling of Smart Home Electrical Loads,” WSEAS Transactions on Power Systems, Jan. 2018. https://repositorio.usc.edu.co/items/cf5777b3-948e-4561-98a0-d01b30d47592
dc.relation/*ref*/Y. Wang, C. Hao, and T. Yoshimura, “A particle swarm optimization and branch and bound based algorithm for economical smart home scheduling,” in 2017 IEEE 60th International Midwest Symposium on Circuits and Systems (MWSCAS), Boston, MA, USA, 2017, pp. 213-216. https://doi.org/10.1109/MWSCAS.2017.8052898
dc.relation/*ref*/E. Moreno Soto, “Análisis de la flexibilidad de la demanda en usuarios residenciales,” M.S. tesis, Universidad Nacional de Colombia, Bogotá, Colombia, 2021. [Online]. Available: https://repositorio.unal.edu.co/handle/unal/80431
dc.relation/*ref*/S. N. Bragagnolo, J. C. Vaschetti, F. Magnago, and J. C. Gomez-Targarona, “Gestión de la demanda en las redes inteligentes. Perspectiva y control desde el usuario y la distribuidora,” CIT Información tecnológica, vol. 31, no. 3, pp. 159–170, Jun. 2020. https://doi.org/10.4067/S0718-07642020000300159
dc.relation/*ref*/F. D. Moya Ch., J. C. Lopez A., and L. C. P. da Silva, “Model for smart building electrical loads scheduling,” in 2016 IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC), Florence, Italy, 2016, pp. 1-6. https://doi.org/10.1109/EEEIC.2016.7555639
dc.relation/*ref*/F. D. Moya Ch., L. C. P. da Silva, J. C. Lopez A., and P. Vergara B., “GRASP model for smart home electrical loads scheduling,” in 2015 International Energy and Sustainability Conference (IESC), Farmingdale, NY, USA, 2015, pp. 1-6. https://doi.org/10.1109/IESC.2015.7384384
dc.relation/*ref*/M. J. Kochenderfer, and T. A. Wheeler, “Linear Constrained Optimization” in Algorithms for Optimization. London, England: The MIT Press, 2019, pp 189-206. https://mitpress.mit.edu/9780262039420/algorithms-for-optimization/
dc.relation/*ref*/H. T. Dinh, and D. Kim, “An Optimal Energy-Saving Home Energy Management Supporting User Comfort and Electricity Selling with Different Prices,” IEEE Access, vol. 9, pp. 9235–9249, Jan. 2021. https://doi.org/10.1109/ACCESS.2021.3050757
dc.relation/*ref*/M. Á. Dávila, “Desarrollo de un algoritmo de gestión de la demanda energética de un cargador residencial de baterías para vehículos eléctricos en un escenario de tarificación en tiempo real,” M.S. tesis, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2021. [Online]. Available: http://hdl.handle.net/11349/29308
dc.relation/*ref*/D. G. Rossit, S. Nesmachnow, J. Toutouh, and F. Luna, “Scheduling deferrable electric appliances in smart homes: a bi-objective stochastic optimization approach,” Mathematical Biosciences and Engineering, vol. 19, no. 1, pp. 34–65, 2022. https://doi.org/10.3934/mbe.2022002
dc.relation/*ref*/S. Montaña, and C. A. Correa-Florez, “Programación óptima de cargas eléctricas flexibles a nivel residencial en tiempos de Covid-19,” INGE CUC, vol. 17, no. 1, pp. 49–68, 2021. https://hdl.handle.net/11323/10286
dc.relation/*ref*/N. D. Rahate, and N. Kinhekar, “Demand side management for household equipment's,” in 2017 International Conference on Information, Communication, Instrumentation and Control (ICICIC), Indore, India, 2017, pp. 1-5. https://doi.org/10.1109/ICOMICON.2017.8279108
dc.relation/*ref*/O. Oladeji, and O. O. Olakanmi, “A genetic algorithm approach to energy consumption scheduling under demand response,” 2014 IEEE 6th International Conference on Adaptive Science & Technology (ICAST), Ota, Nigeria, 2014, pp. 1-6. https://doi.org/10.1109/ICASTECH.2014.7068096
dc.relation/*ref*/D. Borges Vasconcellos, P. Puch González, and G. Frías González, “Control de demanda eléctrica aplicando algoritmos genéticos,” Ingeniare, Revista chilena de ingeniería, vol. 25, no. 3, pp. 389–398, sep. 2017. https://doi.org/10.4067/S0718-33052017000300389
dc.relation/*ref*/N. Pavithra, and B. P. Esther, “Residential demand response using genetic algorithm,” in 2017 Innovations in Power and Advanced Computing Technologies (i-PACT), Vellore, India, 2017, pp. 1-4. https://doi.org/10.1109/IPACT.2017.8245143
dc.relation/*ref*/I. O. Essiet, Y. Sun, and Z. Wang, “Optimized energy consumption model for smart home using improved differential evolution algorithm,” Energy, vol. 172, pp. 354–365, Apr. 2019. https://doi.org/10.1016/j.energy.2019.01.137
dc.relation/*ref*/V. J. Gutierrez-Martinez, C. A. Moreno-Bautista, J. M. Lozano-Garcia, A. Pizano-Martinez, E. A. Zamora-Cardenas, and M. A. Gomez-Martinez, “A Heuristic Home Electric Energy Management System Considering Renewable Energy Availability,” Energies, vol. 12, no. 4, p. 671, Feb. 2019. https://doi.org/10.3390/en12040671
dc.relation/*ref*/W. Guzman, S. Osorio, and S. Rivera, “Modelado de cargas controlables en el despacho de sistemas con fuentes renovables y vehículos eléctricos,” Ingeniería y Región, vol. 17, p. 49, Jun. 2017. https://doi.org/10.25054/22161325.1535
dc.relation/*ref*/R. A. Hincapié Isaza, “Optimización binivel aplicada al problema de la planeación de redes eléctricas de media y baja tensión,” Ph.D. tesis, Universidad Tecnológica de Pereira, Pereira, Colombia, 2017. [Online]. Available: https://repositorio.utp.edu.co/handle/11059/8479
dc.relation/*ref*/C. Henggeler Antunes, M. J. Alves, and B. Ecer, “Bilevel optimization to deal with demand response in power grids: models, methods and challenges,” TOP, vol. 28, no. 3, pp. 814–842, Oct. 2020. https://doi.org/10.1007/s11750-020-00573-y
dc.relation/*ref*/P. Carrasqueira, M. J. Alves, and C. H. Antunes, “Bi-level particle swarm optimization and evolutionary algorithm approaches for residential demand response with different user profiles,” Information Sciences, vol. 418–419, pp. 405–420, Dec. 2017. https://doi.org/10.1016/j.ins.2017.08.019
dc.relation/*ref*/M. Fan-Lin, and Z. Xiao-Jun, “An optimal real-time pricing for demand-side management: A Stackelberg game and genetic algorithm approach,” in 2014 International Joint Conference on Neural Networks (IJCNN), Beijing, China, 2014, pp. 1703-1710. https://doi.org/10.1109/IJCNN.2014.6889608
dc.relation/*ref*/M. Fan-Lin, and Z. Xiao-Jun, “A bilevel optimization approach to demand response management for the smart grid,” in 2016 IEEE Congress on Evolutionary Computation (CEC), Vancouver, BC, Canada, 2016, pp. 287-294. https://doi.org/10.1109/CEC.2016.7743807
dc.relation/*ref*/F. Wang et al., “Multi-Objective Optimization Model of Source–Load–Storage Synergetic Dispatch for a Building Energy Management System Based on TOU Price Demand Response,” IEEE Trans Ind Appl, vol. 54, no. 2, pp. 1017–1028, Dec. 2017. https://doi.org/10.1109/TIA.2017.2781639
dc.relation/*ref*/D. Ferrer Valencia, “Desarrollo de un algoritmo de optimización basado en búsqueda local guiada para el problema de minimización en la huella de carbono en el ruteo de vehículos heterogéneos,” M.S. tesis, Universidad Nacional de Colombia, Bogotá, Colombia, 2023. [Online]. Available: https://repositorio.unal.edu.co/handle/unal/84862
dc.relation/*ref*/Comisión de Regulación de Energía y Gas (CREG), “Estrategias para la implementación de esquemas de señales de precios y cargos horarios a los usuarios finales en el SIN, para ser utilizados en programas de respuesta de la demanda,” creg.gov.co Accessed: Feb. 28, 2024. [Online]. Available: https://creg.gov.co/publicaciones/15313/estrategias-para-la-implementacion-de-esquemas-de-senales-de-precios-y-cargos-horarios-a-los-usuarios-finales-en-el-sin-para-ser-utilizados-en-programas-de-respuesta-de-la-demanda/
dc.relation/*ref*/A. Gargallo Tatay, “Medición y análisis del consumo de energía eléctrica en los receptores domésticos en condiciones reales de funcionamiento: Aplicación a una vivienda unifamiliar,” Tesis de grado, Universitat Politécnica de Valencia, Valencia, España, 2018. [Online]. Available: https://riunet.upv.es:443/handle/10251/106520
dc.relation/*ref*/Lucera. “Eficiencia Energética.” lucera.es. Accessed: Feb. 28, 2024. [Online]. Available: https://lucera.es/blog/cuanto-consumen-electrodomesticos
dc.relation/*ref*/COPELCO. “CONOCÉ, AHORRÁ, CUIDÁ - Recomendaciones para el buen uso de energía eléctrica.” copelco.coop. Accessed: Feb. 28, 2024. [Online]. Available: https://www.copelnet.com.ar/informacion-de-interes/energia/consumo-de-artefactos-electricos
dc.relation/*ref*/Endesa. “Cuánta energía consume un termo eléctrico.” endesa.com. Accessed: Feb. 28, 2024. [Online]. Available: https://www.endesa.com/es/blog/blog-de-endesa/consejos-de-ahorro/cuanta-energia-consume-termo-electrico
dc.relation/*ref*/Ministerio de Economía. “Consumo básico de electrodomésticos.” argentina.gob.ar. Accessed: Feb. 28, 2024. [Online]. Available: https://www.argentina.gob.ar/enre/uso-eficiente-y-seguro/consumo-basico-electrodomesticos
dc.relation/*ref*/A. Daza Urrego, and L. M. Nieto Gutiérrez “Manual práctico de condiciones para instalaciones de sistemas solares fotovoltaicos para suplir cargas demandadas de estrato 3 a 6 en viviendas unifamiliares de Bogotá,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2019. [Online]. Available: http://hdl.handle.net/11349/15575
dc.relation/*ref*/CIME Power Systems. “Tablas de consumo eléctrico.” cimepowersystems.com.mx. Accessed: Feb. 28, 2024. [Online]. Available: http://www.cimepowersystems.com.mx/wp-content/uploads/2011/10/Tabla-de-consumos.pdf
dc.relation/*ref*/K. A. Hernández Hernández, and J. S. Carrillo Cruz, “Análisis de la curva de demanda eléctrica para usuarios residenciales estrato 4 en la ciudad de Bogotá ante diferentes escenarios de los hábitos de consumo,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2017. [Online]. Available: http://hdl.handle.net/11349/5838
dc.relation/*ref*/E. D. Romero Villamil, and S. A. Osorio Huertas, “Curva de demanda de energía eléctrica en sector residencial estrato tres de Bogotá D.C. mediante caracterización por redes neuronales artificiales,” Tesis de grado, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, 2021. [Online]. Available: http://hdl.handle.net/11349/26755
dc.relation/*ref*/Reglamento Técnico de Instalaciones Eléctricas – RETIE, Resolución 9-0708 de 2013, Ministerio de Minas y Energía, Colombia, 2013. [Online]. Available: https://www.minenergia.gov.co/documents/3809/Anexo_General_del_RETIE_vigente_actualizado_a_2015-1.pdf
dc.relation/*ref*/
dc.rightsDerechos de autor 2024 TecnoLógicases-ES
dc.rightshttps://creativecommons.org/licenses/by-nc-sa/4.0es-ES
dc.sourceTecnoLógicas; Vol. 27 No. 60 (2024); e3014en-US
dc.sourceTecnoLógicas; Vol. 27 Núm. 60 (2024); e3014es-ES
dc.source2256-5337
dc.source0123-7799
dc.subjectgestión de la demandaes-ES
dc.subjectrespuesta a la demanda energéticaes-ES
dc.subjectprogramación de cargas eléctricases-ES
dc.subjectperfil de consumo energéticoes-ES
dc.subjectmétodos de optimización matemáticaes-ES
dc.subjectdemand managementen-US
dc.subjectresponse to energy demanden-US
dc.subjectelectric load schedulingen-US
dc.subjectenergy consumption profileen-US
dc.subjectmathematical optimization methodsen-US
dc.titleOptimization Model for Collective Energy Demand Management in Smart Homesen-US
dc.titleModelo de optimización para la gestión colectiva de la demanda de energía en hogares inteligenteses-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typeResearch Papersen-US
dc.typeArtículos de investigaciónes-ES

Archivos

Bloque original

Mostrando 1 - 5 de 7
Miniatura
Nombre:
3014-MPU-VF-V3.pdf
Tamaño:
1.48 MB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
3014-MPU-VF-V3_ENG.pdf
Tamaño:
1.23 MB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
2256-5337-teclo-27-60-e205.xml
Tamaño:
276.75 KB
Formato:
Extensible Markup Language
Descargar
Miniatura
Nombre:
344277854009.epub
Tamaño:
1.79 MB
Formato:
Electronic publishing
Descargar
Miniatura
Nombre:
344277854014.epub
Tamaño:
1.69 MB
Formato:
Electronic publishing
Descargar

Colecciones

Revista TecnoLógicas - Cosecha Portal de Revistas