Βέλτιστη διαχείριση ηλεκτρικών αυτοκινήτων σε πραγματικό χρόνο με τη χρήση πολυπρακτορικών συστημάτων

Abstract

The doctoral dissertation proposes an innovative real-time framework for the optimal management of Plug-in Electric Vehicles (PEVs) and Renewable Energy Sources (RESs) within Virtual Prosumer (VP) Networks, utilizing Multi-Agent Systems (MAS) and blockchain technologies. The increasing penetration of PEVs in the transportation sector and the growing need for intelligent energy management highlight the importance of decentralized, scalable, and secure control systems capable of meeting the demands of Smart Grids. The proposed framework introduces the concept of the Virtual Prosumer, which aggregates geographically distributed clusters of Electric Vehicles (CEVs) and RES installations (e.g., solar and wind farms) into a unified controllable entity from the perspective of the power system operator. A hierarchical MAS architecture supports efficient communication, distributed control, and dynamic computation of optimal power set-points using Particle Swarm Optimization (PSO), ensuring high operational performance. Transaction security is reinforced through an integrated blockchain mechanism based on the Proof of Authority (PoA) consensus algorithm, while computational efficiency is enhanced through hierarchical transaction aggregation at the lower MAS levels. The proposed management algorithms optimize in real-time the operation of VPs, CEVs, and PEVs, ensuring compliance with all technical constraints and achieving energy supply-demand balancing under high uncertainty and variability. The methodology is validated through extensive large-scale simulations across four major cities in Greece, demonstrating the system’s effectiveness, reliability, and scalability. Results indicate an 11% reduction in charging costs compared to conventional charging strategies, and the maximum computational time is significantly lower than the update interval for operational set-points. Furthermore, the system maintains resilience even under partial network failure conditions.This dissertation highlights the value of MAS and blockchain integration for enabling decentralized, real-time energy markets and lays the foundation for future advancements incorporating technologies such as the Internet of Energy (IoE), machine learning, Peer-to-Peer (P2P) energy trading, predictive optimization, and federated learning, aiming toward sustainable, flexible, and transparent energy ecosystems.

Η διδακτορική διατριβή προτείνει ένα καινοτόμο πλαίσιο πραγματικού χρόνου για τη βέλτιστη διαχείριση Ηλεκτρικών Οχημάτων (Plug-in Electric Vehicles - PEVs) και Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) σε Δίκτυα Εικονικών Παραγωγών-Καταναλωτών (Virtual Prosumers - VPs), με τη χρήση Πολυπρακτορικών Συστημάτων (Multi-Agent Systems - MAS) και τεχνολογιών blockchain. Η συνεχής αύξηση της διείσδυσης των PEVs στον τομέα των μεταφορών και η ανάγκη για ευφυείς εφαρμογές διαχείρισης ενέργειας αναδεικνύουν την απαίτηση για αποκεντρωμένα, επεκτάσιμα και ασφαλή συστήματα ελέγχου που μπορούν να ανταποκριθούν στις απαιτήσεις των έξυπνων δικτύων. Το προτεινόμενο πλαίσιο εισάγει την έννοια του Virtual Prosumer, που ενσωματώνει γεωγραφικά διασκορπισμένα συμπλέγματα PEVs (Cluster of Electric Vehicles - CEVs) και ΑΠΕ (όπως φωτοβολταϊκά και αιολικά πάρκα), τα οποία αντιμετωπίζονται ως μία ενοποιημένη οντότητα από τον Διαχειριστή του Συστήματος Ηλεκτρικής Ενέργειας. Η ιεραρχική αρχιτεκτονική MAS υποστηρίζει την αποδοτική επικοινωνία, τον κατανεμημένο έλεγχο και τον δυναμικό υπολογισμό σημείων λειτουργίας (set-points), χρησιμοποιώντας Βελτιστοποίηση Σμήνους Σωματιδίων (Particle Swarm Optimization - PSO) για υψηλή επιχειρησιακή απόδοση. Η ασφάλεια των συναλλαγών διασφαλίζεται μέσω ενσωματωμένου μηχανισμού blockchain βασισμένου στον αλγόριθμο Proof of Authority (PoA), ενώ η υπολογιστική αποδοτικότητα ενισχύεται μέσω συγκέντρωσης των συναλλαγών στα κατώτερα επίπεδα του MAS. Οι προτεινόμενοι αλγόριθμοι διαχείρισης βελτιστοποιούν σε πραγματικό χρόνο τη λειτουργία των VPs, CEVs και PEVs, εξασφαλίζοντας την τήρηση τεχνικών περιορισμών και την εξισορρόπηση προσφοράς και ζήτησης ενέργειας σε συνθήκες υψηλής μεταβλητότητας. Η μέθοδος επικυρώνεται μέσω εκτεταμένων προσομοιώσεων σε τέσσερις μεγάλες πόλεις της Ελλάδας, αποδεικνύοντας την αποτελεσματικότητα, αξιοπιστία και επεκτασιμότητα του συστήματος. Τα αποτελέσματα καταδεικνύουν μείωση του κόστους φόρτισης κατά 11% σε σύγκριση με συμβατικές μεθόδους, ενώ ο μέγιστος υπολογιστικός χρόνος είναι σημαντικά μικρότερος από τον απαιτούμενο χρόνο ενημέρωσης των set-points. Παράλληλα, η ανθεκτικότητα του συστήματος ενισχύεται ακόμη και υπό μερική αστοχία δικτύου. Η διατριβή αναδεικνύει τη σημασία της αξιοποίησης MAS και blockchain για την υλοποίηση αποκεντρωμένων ενεργειακών αγορών σε πραγματικό χρόνο, θέτοντας τα θεμέλια για μελλοντική ενσωμάτωση τεχνολογιών όπως το Internet of Energy (IoE), μηχανική μάθηση, συναλλαγές Peer-to-Peer (P2P), προγνωστική βελτιστοποίηση και ομοσπονδιακή μάθηση, με στόχο την επίτευξη βιώσιμων, ευέλικτων και διαφανών ενεργειακών συστημάτων.