Aprendizagem por Reforço para Aplicações de Veículos Elétricos em Sistemas de Energia Elétrica

• Processo: 23/05708-3
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de agosto de 2024
• Vigência (Término): 31 de dezembro de 2027
• Área do conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Pesquisador responsável: Marcos Julio Rider Flores
• Beneficiário: Lucas Zenichi Terada
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 21/11380-5 - CPTEn - Centro Paulista de Estudos da Transição Energética, AP.CCD
• Assunto(s): Aprendizado computacional Aprendizado por reforço Microrredes Rede elétrica inteligente Veículos elétricos Sistemas de distribuição de energia elétrica
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Aprendizado por Reforço | Microrredes | Redes Inteligentes | Sistemas de gerenciamento de energia | Veículos Elétricos | Sistemas de Distribuição de Energia Elétrica

Resumo

O crescimento global na adoção de veículos elétricos - electric vehicles (EVs) - é reconhecido como uma estratégia recente para combater as mudanças climáticas devido à sua eficácia em reduzir emissões de gases de efeito estufa e melhorar a qualidade do ar urbano. Paralelamente, os sistemas energéticos distribuídos - distributed energy resources (DERs), como sistemas fotovoltaico - photovoltaic (PV) e sistema de armazenamento de energia em bateria - battery energy storage system (BESS), estão cada vez mais presentes em ambientes sustentáveis. Este projeto de doutorado visa desenvolver um modelo robusto e adaptável de Aprendizado por Reforço - reinforcement learning (RL) para gerir a energia de forma eficiente em diferentes cenários de sistemas de energia elétrica, integrando EVs e DERs. Serão explorados cenários variados, incluindo casas inteligentes, microrredes, e estacionamentos eletrificados, abrangendo também a infraestrutura de recarga pública gerida por diferentes agentes, como operador do ponto de carga - charge point operator (CPO) e provedor do serviço de mobilidade elétrica - e-mobility service provider (eMSP). Através do uso de simulações avançadas e dados reais, o modelo será aplicado e validado tanto em laboratórios quanto em infraestruturas reais, com o objetivo de desenvolver soluções para carregamento inteligente de EVs, otimização de tarifas de recarga e gestão de frotas. Este estudo busca trazer contribuições para a área de gestão energética, promovendo a sustentabilidade e a eficiência energética em diversos cenários operacionais.