BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20220902T121824Z
LAST-MODIFIED:20220902T121824Z
DTSTAMP:20260714T225446Z
UID:1784058886@tuc.gr
SUMMARY:Παρουσίαση Μεταπτυχιακής Εργασίας κ.
  Καλαϊτζάκη Ιάσωνα-Χρήστου - Σχολή Η
 ΜΜΥ
LOCATION:
DESCRIPTION:https://www.tuc.gr/el/to-polytechnei
 o/ilektronikes-ypiresies/imerologio/
 imerologio-ekdiloseon-1?tx_tucevents
 2_tuceventsdisplay%5Baction%5D=show&
 tx_tucevents2_tuceventsdisplay%5Bcon
 troller%5D=Event&tx_tucevents2_tucev
 entsdisplay%5Bevent%5D=5758&cHash=f0
 66adf458fd2106556e01347ff88384\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων 
 Μηχανικών και Μηχανικών Υπολογιστών\
 n Πρόγραμμα Μεταπτυχιακών (Διδακτορι
 κών) Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑ
 ΚΗΣ ΕΡΓΑΣΙΑΣ\n ΙΑΣΩΝ ΧΡΗΣΤΟΣ ΚΑΛΑΪΤΖ
 ΑΚΗΣ\n με θέμα\n Προγραμματισμός Λει
 τουργίας και Έλεγχος Οικιακών Ενεργε
 ιακών Μικροδικτύων\n Optimal Power M
 anagement and Control of Residential
  Microgrids\n Εξεταστική Επιτροπή\n 
 Αναπληρωτής Καθηγητής ΚΑΝΕΛΛΟΣ ΦΩΤΙΟ
 Σ (επιβλέπων)\n Αναπληρωτής Καθηγητή
 ς ΚΟΥΤΡΟΥΛΗΣ ΕΥΤΥΧΙΟΣ\n Καθηγητής ΣΤ
 ΑΥΡΑΚΑΚΗΣ ΓΕΩΡΓΙΟΣ\n \nΠερίληψη    \
 n Η ραγδαία ανάπτυξη και διάχυση της
  τεχνολογίας Smart Grid στο ηλεκτρικ
 ό δίκτυο επέβαλε και την ανάγκη για 
 πιο έξυπνα συστήματα διαχείρισης ενέ
 ργειας, τόσο στο επίπεδο μεταφοράς ό
 σο και στο επίπεδο διανομής. Σε αυτή
  τη διατριβή μελετήθηκε, σχεδιάστηκε
  και αναπτύχθηκε ένα έξυπνο Οικιακό 
 Σύστημα Διαχείρισης Ενέργειας (ΟΣΔΕ)
  το οποίο μειώνει το ημερήσιο ενεργε
 ιακό κόστος της οικίας και επιπρόσθε
 τα προσφέρει βοηθητικές υπηρεσίες στ
 ο δίκτυο. Η έξυπνη οικία του καταναλ
 ωτή/παραγωγού θεωρείται ότι εμπεριέχ
 ει φωτοβολταϊκά πάνελ, ηλεκτρικό όχη
 μα, συστήματα αποθήκευσης ενέργειας,
  ευέλικτα και κρίσιμα φορτία, καθώς 
 και ένα μετατροπέα πολλαπλών θυρών ο
  οποίος διασυνδέει όλα τα παραπάνω μ
 ε το κεντρικό ηλεκτρικό δίκτυο. Η βέ
 λτιστη διαχείριση ενέργειας επιτυγχά
 νεται με τη χρήση του αλγορίθμου Par
 ticle Swarm Optimization - Βελτιστοπ
 οίηση Σμήνους Σωματιδίων. Το ΟΣΔΕ εί
 ναι επίσης σχεδιασμένο να λειτουργεί
  και αυτόνομα, δηλαδή χωρίς να είναι
  συνδεδεμένο με το κεντρικό δίκτυο. 
 Η στήριξη συχνότητας του κεντρικού δ
 ικτύου εξασφαλίζεται βέλτιστα, λαμβά
 νοντας ταυτόχρονα υπόψη την ευελιξία
  ισχύος της κάθε μονάδας του συστήμα
 τος. Προτείνεται επίσης ο συνδυασμός
  των μεθόδων k-means clustering και 
 feed-forward νευρωνικών δικτύων σε έ
 να σύστημα πρόβλεψης της κατανάλωσης
  ενέργειας από τα οικιακά φορτία. Τα
  αποτελέσματα που προέκυψαν από το π
 ροτεινόμενο ΟΣΔΕ αποδεικνύουν την απ
 οτελεσματικότητα του συστήματος στην
  μείωση του ημερήσιου κόστους ηλεκτρ
 ικής ενέργειας, ενώ ταυτόχρονα τηρού
 νται και όλοι οι περιορισμοί που είν
 αι εγγενείς στο παραπάνω σύστημα ισχ
 ύος.\n Abstract\n The adoption of sm
 art energy management systems at dem
 and and distribution levels of the g
 rid is mandated by the ever-increasi
 ng presence of smart grids. In this 
 dissertation, a smart Home Energy Ma
 nagement System (HEMS) that reduces 
 prosumers' daily energy costs and of
 fers the grid ancillary services is 
 proposed. Photovoltaic (PV) systems,
  Electric Vehicles (EV), Energy Stor
 age Systems (ESS), flexible and crit
 ical loads, and a Multi-Port Convert
 er (MPC) that connects the aforement
 ioned modules with the power grid ma
 ke up the residential prosumer resid
 ence. Optimal power management is ca
 rried out using the Particle Swarm O
 ptimization (PSO) method. The HEMS a
 lso features the ability to function
  independently, by cutting its conne
 ction to the main grid. Additionally
 , the designed system can support gr
 id frequency while taking into accou
 nt the operational flexibility of th
 e controlled power sources and loads
 . The use of k-means clustering and 
 feed-forward neural networks in a lo
 ad demand forecasting system is also
  proposed. The results obtained from
  the proposed system demonstrate tha
 t the HEMS minimizes the residential
  prosumer's operating costs, support
 s system frequency optimally, satisf
 ies all operational requirements of 
 the controlled system, and maintains
  the operational flexibility of all 
 cooperating power components at the 
 highest level.\n Meeting ID: 996 537
 9 7263\n Password: 677803\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20220906T150000
DTEND:20220906T160000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR