Management Algorithms for Charging Electric Vehicles in Residential Buildings

Abstract

A eletrificação do setor dos transportes irá desempenhar um papel fundamental no futuro de cidades mais inteligentes e mais sustentáveis. Devido à crescente adoção de veículos elétricos (EVs), se o carregamento não for controlado, poderão surgir eventuais problemas na rede elétrica, tal como sobretensões levando a perdas de energia. Assim, torna-se necessário a criação de estratégias de carregamento mais inteligentes.Esta dissertação apresenta um algoritmo inteligente de controlo de carregamento (SCMA) que simula o carregamento de um EV, numa residência, de acordo com as preferências do utilizador, bem como as da rede. Este algoritmo permite ao utilizador poupanças de energia e beneficiam, simultaneamente, a rede elétrica e o ambiente. Para o seu funcionamento, considera-se que a residência em causa tem uma tarifa energética variável no tempo, de hora em hora. Assume-se também que os dados da variação do preço da eletricidade, da previsão de procura e da geração energia renovável são comunicados ao SCMA.Os SCMA foram simulados de acordo com três objetivos: minimizar o custo de carregamento, minimizar o impacto ambiental e suavizar o diagrama de carga. Par tal, os algoritmos priorizam ou os intervalos de tempo com menor custo de eletricidade, aqueles com maior percentagem de energia renovável, ou ainda os que apresentem maior disponibilidade de potência. Depois, os algoritmos foram simulados para vários casos de estudo.Por último, os cenários de carregamento otimizado foram comparados entre eles e com um caso de carregamento não otimizado. O SCMA foi bem sucedido na otimização do carregamento do EV sob todos os objetivos.

The transport electrification will play an important role in future smarter and more sustainable cities. Due to the increasing adoption of electric vehicles (EVs), if the charging cycles are not managed, a number of grid related issues, such as overload, could arise, which can lead to power outages. Thus, smarter charging strategies are required.This dissertation presents smart charging management algorithm (SCMA) that simulate the charging of the EV according to the user’s preferences, as well as the grid’s requirements. Such algorithm allows further energy savings to the consumer, whilst benefiting the grid and the environment. It is considered that the residential dwelling is operating under time-varying electricity prices, that change on an hourly basis. This work assumes that electricity pricing variations, the load forecast and the renewable energy generation data are provided to the SCMA.The SCMA was simulated under three objectives: to minimize the charging cost, minimize the environmental impact and to flatten the load profile. In order to do this, the algorithms either prioritize the time slots with the lowest electricity price, or the ones with higher RES share, or the ones with more available power, respectively. Then, the algorithms were tested for a series of case studies.Lastly, the optimized charging scenarios were compared among them and to an unmanaged charging scenario. The SCMA successfully optimized the EV’s charging cycles under any objective. - - - - - -