Otimizando o Design do Fornecimento de Energia para Edifícios

Projetar o fornecimento de energia para prédios é super importante. Isso envolve considerar um monte de fatores diferentes. Você precisa pensar nos custos e no impacto ambiental. Por exemplo, reduzir as emissões de gases de efeito estufa é crucial, já que os prédios representam uma grande parte das emissões globais. Esse processo pode ser complicado porque os preços das fontes de energia, como eletricidade e gás, podem mudar no futuro.

Quando você planeja como fornecer energia para um prédio, duas decisões principais precisam ser tomadas. A primeira envolve escolher os equipamentos certos, como unidades de aquecimento e resfriamento. Essa é uma decisão “aqui e agora” porque precisa ser feita rápido. A segunda decisão é como operar o equipamento escolhido uma vez que você souber os preços reais da energia. Isso é chamado de decisão “esperar para ver”, já que pode esperar até ter mais informações.

Para enfrentar esses desafios, os pesquisadores desenvolveram uma abordagem chamada otimização robusta ajustável. Esse método ajuda a tomar decisões que não só se concentram em minimizar custos, mas também levam em conta o impacto ambiental. Neste artigo, vamos mostrar como podemos otimizar o design do fornecimento de energia para prédios, minimizando tanto os custos quanto as Emissões de Carbono.

#O Problema

O problema do design do fornecimento de energia em prédios pode ser visto de diferentes ângulos, especialmente quando há objetivos conflitantes. Por exemplo, reduzir custos pode entrar em conflito com a redução das emissões de carbono. Portanto, é preciso encontrar um equilíbrio entre esses dois objetivos. Esse equilíbrio geralmente envolve concessões difíceis.

Além dos objetivos conflitantes, o processo de design do fornecimento de energia tem diferentes etapas. Inicialmente, precisamos decidir sobre os dispositivos que vamos comprar. Isso inclui selecionar unidades para aquecimento e resfriamento, além de soluções de armazenamento. O desafio surge porque os preços das fontes de energia são incertos no momento da decisão de compra. Mais tarde, uma vez que os preços são revelados, ajustes podem ser feitos em como o fornecimento de energia opera.

Para lidar efetivamente com a incerteza nos preços, o problema pode ser modelado usando otimização robusta. Essa abordagem busca soluções que não dependam excessivamente de cenários de preços extremos. Em vez disso, foca em minimizar o arrependimento, que é a diferença entre os custos incorridos devido à decisão escolhida e os custos que poderiam ter sido realizados. Esse método é conhecido como otimização robusta de arrependimento.

#Objetivos e Metodologia

No nosso estudo, temos como objetivo minimizar tanto o Arrependimento de Custos quanto as emissões de carbono no design do fornecimento de energia para prédios. Isso é feito de uma maneira que considera as incertezas futuras de preços e encontra um equilíbrio entre estar seguro contra flutuações de preços e evitar decisões excessivamente cautelosas.

Nossa abordagem envolve combinar a otimização robusta ajustável com a otimização multi-critério. Vamos detalhar como calculamos as soluções para o problema do design do fornecimento de energia. O foco será principalmente em um estudo de caso envolvendo um prédio de escritórios para ilustrar a aplicação prática dos nossos métodos.

#Metas da Pesquisa

1. Desenvolver um novo modelo de otimização: Para encontrar uma solução adequada que minimize custos e emissões de carbono para o fornecimento de energia dos prédios.

2. Considerar o impacto da incerteza de preços: Para incorporar incertezas nos preços futuros da energia como um fator crítico na tomada de decisão.

3. Identificar as concessões: Para entender como custos e emissões de carbono são equilibrados no design do fornecimento de energia.

#Contexto

#Consumo de Energia e Emissões

Os prédios são grandes contribuintes para as emissões globais de gases de efeito estufa. Eles são responsáveis por cerca de 40% das emissões totais. Reduzir essas emissões é necessário para a sustentabilidade ambiental. Portanto, o design do fornecimento de energia precisa considerar não apenas os custos financeiros, mas também o impacto ecológico das fontes de energia.

#Otimização Multi-Critério

A otimização multi-critério olha para problemas com mais de um objetivo. No nosso caso, queremos minimizar tanto os custos quanto as emissões de carbono. Como esses dois objetivos podem entrar em conflito, encontrar uma solução que aborde ambos é essencial.

Na otimização multi-critério, soluções que desempenham bem em todos os objetivos são chamadas de soluções eficientes. O conjunto dessas soluções é conhecido como a fronteira de Pareto. Vários métodos podem ser usados para aproximar a fronteira de Pareto, um dos quais é o método de restrição que usamos.

#Otimização Robusta

A otimização robusta é uma estratégia usada para gerenciar a incerteza em problemas de otimização. Ao considerar os piores cenários possíveis, a otimização robusta visa fornecer soluções que continuam eficazes mesmo quando enfrentam mudanças inesperadas nos preços. Isso é especialmente útil no design do fornecimento de energia, onde flutuações futuras de preços podem afetar significativamente o custo de operação.

#Robustez de Arrependimento

A robustez de arrependimento foca em minimizar o arrependimento máximo que pode resultar de uma decisão. Isso significa procurar soluções que não só minimizem custos, mas também garantam que o arrependimento futuro de circunstâncias imprevistas seja mantido ao mínimo. Essa abordagem é particularmente importante ao comparar vários designs para o fornecimento de energia, pois ajuda a escolher uma configuração que seja resiliente a mudanças de preços.

#Modelando o Problema

#Formulação do Modelo de Design do Fornecimento de Energia

O modelo de design do fornecimento de energia consiste em vários componentes, incluindo:

• Variáveis de Decisão: Incluem os tipos e tamanhos das unidades de aquecimento e resfriamento, opções de armazenamento e estratégias de controle para operar o sistema.

• Restrições: Garantem que as configurações escolhidas atendam às cargas de energia exigidas enquanto respeitam limites técnicos.

• Funções Objetivo: Os principais objetivos são minimizar tanto os custos totais quanto as emissões de carbono.

O modelo deve contabilizar efetivamente a incerteza nos preços futuros da energia e avaliar o potencial de arrependimento associado a diferentes decisões de compra.

#Incerteza no Desenvolvimento de Preços

No contexto do design do fornecimento de energia, a incerteza de preços desempenha um papel significativo. Para modelar essa incerteza, um conjunto de incerteza é definido, que captura possíveis flutuações futuras nos custos de energia. Fazendo isso, podemos avaliar como diferentes decisões irão se comportar sob diferentes cenários.

#Estratégia de Solução

#Visão Geral do Algoritmo

Para resolver o modelo de otimização, usamos uma combinação de geração de restrições e algoritmos de geração de colunas. Essa abordagem permite encontrar soluções de maneira eficiente enquanto gerencia a complexidade do problema.

O algoritmo opera de uma maneira estruturada, refinando iterativamente a solução até que um resultado satisfatório seja alcançado. Ele resolve simultaneamente tanto o problema principal do design do fornecimento de energia quanto o subproblema de gestão dos controles operacionais sob incerteza.

#Estudo de Caso: Um Prédio de Escritórios

Para mostrar nossa abordagem, aplicamos isso a um estudo de caso específico envolvendo um prédio de escritórios. Os dados para o estudo incluem informações sobre cargas de aquecimento e resfriamento, características dos equipamentos e preços de mercado para energia.

#Coleta de Dados

Os dados incluem:

• Perfis de carga de aquecimento e resfriamento para o prédio.
• Características de várias unidades de aquecimento e resfriamento.
• Dados de preços para eletricidade, gás e outras fontes de energia.

#Implementação do Algoritmo

O algoritmo é implementado usando uma linguagem de programação adequada para modelagem matemática e otimização. Isso permite uma computação eficiente e gerenciamento de grandes conjuntos de dados, essenciais para a natureza complexa do problema.

#Resultados e Discussão

#Resultados do Estudo de Caso

Os resultados da aplicação do modelo de otimização ao estudo de caso indicam que economias significativas em custos e reduções nas emissões de carbono são alcançáveis. Ao selecionar cuidadosamente equipamentos e estratégias operacionais com base nas incertezas de preços, um design de fornecimento de energia bem equilibrado pode ser alcançado.

#Concessões Identificadas

A análise revela várias concessões entre arrependimento de custos, emissões de carbono e o equipamento selecionado. Os tomadores de decisão recebem uma gama de soluções eficientes que ajudam a entender as implicações de suas escolhas.

#Análise de Sensibilidade na Incerteza

Uma análise de sensibilidade é conduzida para avaliar o impacto de diferentes níveis de incerteza nos preços de energia. Isso ajuda a compreender o quão robustas são as soluções selecionadas contra mudanças de preços imprevistas.

#Conclusão

O estudo demonstra a importância de considerar múltiplos critérios no design do fornecimento de energia de prédios. Ao incorporar a otimização robusta ajustável, podemos minimizar efetivamente tanto o arrependimento de custos quanto as emissões de carbono. O estudo de caso destaca a praticidade de nossa abordagem e seu potencial para guiar a tomada de decisões em gestão de energia.

Pesquisas futuras visam refinar ainda mais o algoritmo e explorar objetivos adicionais, como minimizar os custos de investimento geral. Engajar em processos de tomada de decisão interativos também será considerado para aumentar a aplicabilidade dessas descobertas em cenários do mundo real.

#Trabalhos Futuros

Em conclusão, os achados desta pesquisa oferecem insights valiosos sobre as complexidades do design do fornecimento de energia em prédios. A integração da otimização multi-critério e robusta abre novas possibilidades para estudos futuros, visando aumentar a eficiência e a sustentabilidade do uso de energia em prédios.