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:20251002T140137Z
LAST-MODIFIED:20251002T140137Z
DTSTAMP:20260419T113829Z
UID:1776587909@tuc.gr
SUMMARY:Παρουσίαση διπλωματικής εργασίας κ. 
 Μιχαήλ Κεραμιανίδη - Σχολή ΗΜΜΥ
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=8121&cHash=bd
 cf598c3ae40dc15def0443295e290b\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων 
 Μηχανικών και Μηχανικών Υπολογιστών\
 n Πρόγραμμα Προπτυχιακών Σπουδών\n Π
 ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Μι
 χαήλ Κεραμιανίδη\n με θέμα\n Βελτιστ
 οποίηση Αξιοπιστίας Μικροδικτύου με 
 Ανανεώσιμες Πηγές Ενέργειας\n Reliab
 ility Optimization of a Microgrid wi
 th Renewable Energy Sources\n Εξετασ
 τική Επιτροπή\n Καθηγητής Ευτύχιος Κ
 ουτρούλης (Επιβλέπων)\n Αναπληρωτής 
 Καθηγητής Κωνσταντίνος Γυφτάκης \n Ε
 πίκουρος Καθηγητής Γεώργιος Πέππας \
 n Περίληψη\n Στην παρούσα διπλωματικ
 ή εργασία γίνεται προσομοίωση ενός υ
 βριδικού ενεργειακού συστήματος, το 
 οποίο συνδυάζει φωτοβολταϊκές συστοι
 χίες, ανεμογεννήτριες, παλιρροϊκές γ
 εννήτριες και σύστημα αποθήκευσης με
  μπαταρίες ιόντων λιθίου για την τρο
 φοδότηση ηλεκτρικού φορτίου. Το φορτ
 ίο αφορά σύμπλεγμα κατοικιών που εδρ
 άζονται στην ίδια γεωγραφική περιοχή
 , είναι μη διασυνδεδεμένες με το δίκ
 τυο και τροφοδοτούνται αποκλειστικά 
 από το εν λόγω υβριδικό σύστημα για 
 το οποίο διερευνάται η βέλτιστη τοπο
 λογία του με στόχο τη μέγιστη κάλυψη
  και την ταυτόχρονη ελαχιστοποίηση τ
 ης μη εξυπηρετούμενης ενέργειας. \n 
 Η βελτιστοποίηση της παραδιδόμενης ε
 νέργειας και η ελαχιστοποίηση των πε
 ριπτώσεων μη εξυπηρετούμενου φορτίου
  (Loss of Load Probability, LOLP), υ
 πό οικονομικούς και χωροταξικούς περ
 ιορισμούς, πραγματοποιήθηκαν με την 
 εφαρμογή του αλγορίθμου βελτιστοποίη
 σης Particle Swarm Optimization (PSO
 ). H προσομοίωση του υβριδικού συστή
 ματος αποτυπώνει λεπτομερώς την παρα
 γόμενη ενέργεια, καθώς και τη λειτου
 ργική συμπεριφορά κάθε υποσυστήματος
 , αναλύοντας τους κύκλους φόρτισης κ
 αι εκφόρτισης, την εξέλιξη της στάθμ
 ης φόρτισης των μπαταριών και την εν
 εργειακή συνεισφορά κάθε υποσυστήματ
 ος στην κάλυψη του φορτίου. Στη συνέ
 χεια, τα βέλτιστα μεγέθη που προκύπτ
 ουν από τον αλγόριθμο βελτιστοποίηση
 ς, επανεισάγονται στο μοντέλο και εκ
 τελούνται επαληθευτικές προσομοιώσει
 ς για την επιβεβαίωση των αποτελεσμά
 των. Ταυτόχρονα, μελετήθηκαν οι ρυθμ
 οί αστοχίας των επιμέρους δομικών στ
 οιχείων, τα οποία συγκροτούν κάθε υπ
 οσύστημα και του συνολικού υβριδικού
  συστήματος, ως συνάρτηση των μεταβο
 λών των μετεωρολογικών δεδομένων. Με
  βάση τους εκτιμώμενους ρυθμούς αστο
 χίας, προσδιορίζεται η αναμενόμενη σ
 υχνότητα βλαβών και ο αναμενόμενος χ
 ρόνος εκτός λειτουργίας, στον οποίο 
 το σύστημα δεν θα παράγει ενέργεια. 
 \n Η παραπάνω διαδικασία βελτιστοποί
 ησης σε συνδυασμό με τον ρυθμό αστοχ
 ίας επιτρέπει τη συστηματική σύγκρισ
 η εναλλακτικών διατάξεων ως προς παρ
 αγόμενη ενέργεια, του συνολικού κόστ
 ους και την τεκμηριωμένη ανάδειξη τη
 ς κατάλληλης λύσης για μη διασυνδεδε
 μένα μικροδίκτυα, με σαφώς βελτιωμέν
 η αξιοπιστία και μειωμένη μη εξυπηρε
 τούμενη ενέργεια. Εν κατακλείδι, η π
 ροτεινόμενη προσέγγιση συνδυάζει ρεα
 λιστική προσομοίωση, ανάλυση αξιοπισ
 τίας μέσω των ρυθμών αστοχίας και βε
 λτιστοποίηση υπό περιορισμούς, προσφ
 έροντας κατά αυτόν τον τρόπο ένα συν
 εκτικό πλαίσιο για ποσοτική αξιολόγη
 ση και τεκμηριωμένη επιλογή της βέλτ
 ιστης τοπολογίας του υβριδικού συστή
 ματος. \n Abstract \n In this thesis
  a hybrid energy system is simulated
 , that combines photovoltaic arrays,
  wind turbines, tidal generators, an
 d a lithium-ion battery storage syst
 em to power supply a given electrica
 l load. The load corresponds to a cl
 uster of dwellings located within th
 e same geographic area, not connecte
 d to the utility grid, and supplied 
 exclusively by the hybrid system, fo
 r which the optimal topology is inve
 stigated with the aim of maximizing 
 coverage while simultaneously minimi
 zing unserved energy.\n Optimization
  of delivered energy and minimizatio
 n of the Loss of Load Probability (L
 OLP), subject to economic and siting
  constraints, were carried out using
  the Particle Swarm Optimization (PS
 O) algorithm. On the other hand, the
  simulation resolves in detail both 
 generated and delivered energy and t
 he operational behavior of each subs
 ystem, analyzing charge/discharge cy
 cles, the evolution of battery state
  of charge, and each subsystem’s con
 tribution to meeting the load. The o
 ptimal configurations returned by th
 e PSO algorithm are then re-injected
  into the simulation model and verif
 ication simulations are performed to
  confirm the results. At the same ti
 me, failure rates were evaluated for
  the components comprising each subs
 ystem and for the system as a whole 
 as functions of air temperature, sol
 ar irradiance, and wind speed. Based
  on these rates, the expected failur
 e rate and the expected downtime, du
 ring which the system does not deliv
 er energy, are determined.\n The abo
 ve optimization workflow, combined w
 ith the failure-rate analysis, enabl
 es a systematic comparison of altern
 ative layouts in terms of delivered 
 energy and total cost, and supports 
 an evidence-based selection of the a
 ppropriate solution for off-grid mic
 rogrids, achieving demonstrably high
 er reliability and reduced unserved 
 energy. In conclusion, the proposed 
 approach integrates realistic simula
 tion, reliability analysis via failu
 re rates, and constrained optimizati
 on, providing a coherent framework f
 or quantitative assessment and justi
 fied selection of the system optimal
  topology.\n Meeting ID: 967 8767 27
 14\n Password: 259569\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20251006T110000
DTEND:20251006T120000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR