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:20251120T134852Z LAST-MODIFIED:20251120T134852Z DTSTAMP:20260714T222050Z UID:1784056850@tuc.gr SUMMARY:Παρουσίαση διδακτορικής διατριβής κ. Σηφάκη Νικολάου, Σχολή ΜΠΔ 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=8187&cHash=68 b302cdc051d2f89f66b66fd31628da\nΠΟΛΥ ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡ ΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ\n  \n Ονοματεπώ νυμο: Σηφάκης Νικόλαος\n Αριθμός Μητ ρώου: 2016019059\n  \n Θέμα\n Τίτλος στα Ελληνικά:\n Βέλτιστη διαχείριση ηλεκτρικών αυτοκινήτων σε πραγματικ ό χρόνο με τη χρήση πολυπρακτορικών συστημάτων\n Τίτλος στα Αγγλικά: «Re al-time optimal management of plug-i n electric vehicles using multi-agen t systems»\n  \n Εξεταστική Επιτροπή :\n Επιβλέπων: Καθηγητής Κανέλλος Φώ τιος\n Πρώτο Μέλος: Καθηγητής Κουϊκό γλου Βασίλειος\n Δεύτερο Μέλος: Ομότ ιμος Καθηγητής Καλαϊτζάκης Κωνσταντί νος\n Τρίτο Μέλος: Καθηγητής Παπαευθ υμίου Σπυρίδωνας\n Τέταρτο Μέλος: Αν απληρωτής Καθηγητής Ιψάκης Δημήτριος \n Πέμπτο Μέλος: Αναπληρωτής Καθηγητ ής Τσεκούρας Γεώργιος\n Έκτο Μέλος: Επίκουρος Καθηγητής Κατσίγιαννης Ιωά ννης\n  \n Περίληψη\n Περίληψη Διατρ ιβής στα Ελληνικά:\n Η παρούσα διδακ τορική διατριβή προτείνει ένα καινοτ όμο πλαίσιο πραγματικού χρόνου για τ η βέλτιστη διαχείριση Ηλεκτρικών Οχη μάτων (Plug-in Electric Vehicles - P EVs) και Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) σε Δίκτυα Εικονικών Παραγωγών -Καταναλωτών (Virtual Prosumers - VP s), με τη χρήση\n Πολυπρακτορικών Συ στημάτων (Multi-Agent Systems - MAS) και τεχνολογιών blockchain. Η συνεχ ής αύξηση της διείσδυσης των PEVs στ ον τομέα των μεταφορών και η ανάγκη για ευφυείς εφαρμογές διαχείρισης εν έργειας αναδεικνύουν την απαίτηση γι α αποκεντρωμένα, επεκτάσιμα και ασφα λή συστήματα ελέγχου που μπορούν να ανταποκριθούν στις απαιτήσεις των έξ υπνων δικτύων.\n Το προτεινόμενο πλα ίσιο εισάγει την έννοια του Virtual Prosumer, που ενσωματώνει γεωγραφικά διασκορπισμένα συμπλέγματα PEVs (Cl uster of Electric Vehicles - CEVs) κ αι ΑΠΕ (όπως φωτοβολταϊκά και αιολικ ά πάρκα), τα οποία αντιμετωπίζονται ως μία ενοποιημένη οντότητα από τον Διαχειριστή του Συστήματος Ηλεκτρική ς Ενέργειας. Η ιεραρχική αρχιτεκτονι κή MAS υποστηρίζει την αποδοτική επι κοινωνία, τον κατανεμημένο έλεγχο κα ι τον δυναμικό υπολογισμό σημείων λε ιτουργίας (set-points), χρησιμοποιών τας Βελτιστοποίηση Σμήνους Σωματιδίω ν (Particle Swarm Optimization - PSO ) για υψηλή επιχειρησιακή απόδοση.\n Η ασφάλεια των συναλλαγών διασφαλίζ εται μέσω ενσωματωμένου μηχανισμού b lockchain βασισμένου στον αλγόριθμο Proof of Authority (PoA), ενώ η υπολ ογιστική αποδοτικότητα ενισχύεται μέ σω συγκέντρωσης των συναλλαγών στα κ ατώτερα επίπεδα του MAS. Οι προτεινό μενοι αλγόριθμοι διαχείρισης βελτιστ οποιούν σε πραγματικό χρόνο τη λειτο υργία των VPs, CEVs και PEVs, εξασφα λίζοντας την τήρηση τεχνικών περιορι σμών και την εξισορρόπηση προσφοράς και ζήτησης ενέργειας σε συνθήκες υψ ηλής μεταβλητότητας.\n Η μέθοδος επι κυρώνεται μέσω εκτεταμένων προσομοιώ σεων σε τέσσερις μεγάλες πόλεις της Ελλάδας, αποδεικνύοντας την αποτελεσ ματικότητα, αξιοπιστία και επεκτασιμ ότητα του συστήματος. Τα αποτελέσματ α καταδεικνύουν μείωση του κόστους φ όρτισης κατά 11% σε σύγκριση με συμβ ατικές μεθόδους, ενώ ο μέγιστος υπολ ογιστικός χρόνος είναι σημαντικά μικ ρότερος από τον απαιτούμενο χρόνο εν ημέρωσης των set-points. Παράλληλα, η ανθεκτικότητα του συστήματος ενισχ ύεται ακόμη και υπό μερική αστοχία δ ικτύου.\n Η διατριβή αναδεικνύει τη σημασία της αξιοποίησης MAS και bloc kchain για την υλοποίηση αποκεντρωμέ νων ενεργειακών αγορών σε πραγματικό χρόνο, θέτοντας τα θεμέλια για μελλ οντική ενσωμάτωση τεχνολογιών όπως τ ο Internet of Energy (IoE), μηχανική μάθηση, συναλλαγές Peer-to-Peer (P2 P), προγνωστική βελτιστοποίηση και ο μοσπονδιακή μάθηση, με στόχο την επί τευξη βιώσιμων, ευέλικτων και διαφαν ών ενεργειακών συστημάτων.\n  \n Περ ίληψη Διατριβής στα Αγγλικά:\n This doctoral dissertation proposes an in novative real-time framework for the optimal management of Plug-in Elect ric Vehicles (PEVs) and Renewable En ergy Sources (RESs) within Virtual P rosumer (VP) Networks, utilizing Mul ti-Agent Systems (MAS) and blockchai n technologies. The increasing penet ration\n of PEVs in the transportati on sector and the growing need for i ntelligent energy management highlig ht the importance of decentralized, scalable, and secure control systems capable of meeting the demands of S mart Grids.\n The proposed framework introduces the concept of the Virtu al Prosumer, which aggregates geogra phically distributed clusters of Ele ctric Vehicles (CEVs) and RES instal lations (e.g., solar and wind farms) into a unified controllable entity from the perspective of the power sy stem operator. A hierarchical MAS ar chitecture supports efficient commun ication, distributed control, and dy namic computation of optimal power s et-points using Particle Swarm Optim ization (PSO), ensuring high operati onal performance.\n Transaction secu rity is reinforced through an integr ated blockchain mechanism based on t he Proof of Authority (PoA) consensu s algorithm, while computational eff iciency is enhanced through hierarch ical transaction aggregation at the lower MAS levels. The proposed manag ement algorithms optimize in real-ti me the operation of VPs, CEVs, and P EVs, ensuring compliance with all te chnical constraints and achieving en ergy supply-demand balancing under h igh uncertainty and variability.\n T he methodology is validated through extensive large-scale simulations ac ross four major cities in Greece, de monstrating the system’s effectivene ss, reliability, and scalability. Re sults indicate an 11% reduction in c harging costs compared to convention al charging strategies, and the maxi mum computational time is significan tly lower than the update interval f or operational set-points. Furthermo re, the system maintains resilience even under partial network failure c onditions.\n This dissertation highl ights the value of MAS and blockchai n integration for enabling decentral ized, real-time energy markets and l ays the foundation for future advanc ements incorporating technologies su ch as the Internet of Energy (IoE), machine learning, Peer-to-Peer (P2P) energy trading, predictive optimiza tion, and federated learning, aiming toward sustainable, flexible, and t ransparent energy ecosystems.\n  \n Ημερομηνία Εξέτασης\n Ημέρα/Μήνας/Έτ ος: 26/11/2025\n Ώρα: 14:00\n  \n Χώ ρος Εξέτασης\n Σύνδεσμος (Link):\n h ttps://tuc-gr.zoom.us/j/93367404907? pwd=yrdNw931116JGoWa89z33hfO5IXa0z.\ n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20251126T140000 DTEND:20251126T150000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR