Neste trabalho foi desenvolvida uma metodologia para realizar a gestão ativa da demanda de energia elétrica de consumidores, providos de armazenamento de energia elétrica e geração solar fotovoltaica, inseridos em redes inteligentes. Tal metodologia pode ser utilizada em instalações residenciais e comerciais. Utilizando estratégias de otimização e inteligência artificial, a metodologia configura um sistema de tomada de decisão para o gerenciador do conversor da bateria, que realiza a gestão da energia armazenada, visando reduzir o custo com energia elétrica para o consumidor final. Esta gestão propicia contribuição com a distribuidora em forma de aumento da reserva de capacidade da rede elétrica nos casos em que a tarifa de energia elétrica for mais cara no horário de pico. De qualquer forma, há potencial postergação da necessidade de expansão da rede elétrica e redução de impactos ambientais advindos da geração convencional de energia elétrica, uma vez que tal gestão de energia propicia redução de consumo de energia elétrica da rede. O mesmo sistema de tomada de decisão do gerenciador do conversor da bateria pode ser utilizado em vários consumidores com características semelhantes (mesmo tipo, localização e tarifação de energia elétrica, e perfil de consumo similar), uma vez que tal sistema é composto por uma rede neural treinada com dados locais. Estudo de caso foi conduzido considerando consumidor residencial na cidade de São Paulo. Foram construídos quinze perfis de consumo, que foram combinados com três perfis de geração solar. A metodologia apresentou desempenho satisfatório, tanto na avaliação da etapa de otimização quanto de treinamento da rede neural, uma vez que as curvas de armazenamento de energia apresentaram comportamentos próximos aos esperados. O sistema de tomada de decisão também respondeu de forma adequada, alterando a curva de carga do consumidor vista pela rede de forma a reduzir o custo diário com energia elétrica e o consumo de energia no horário de pico da residência em todos os casos estudados. A análise econômica apontou a necessidade de encontrar formas de tornar a iniciativa positiva do ponto de vista econômico no estudo de caso realizado.

This work presents a methodology developed to perform the active demand side management for consumers, provided with energy storage and solar photovoltaic power, inserted in smart grids. Such methodology can be used in residential and commercial installations. Using optimization and artificial intelligence strategies, the methodology sets up a decision-making system for the battery converter manager, which performs energy storage management, in order to reduce the cost with electricity for the final consumer. This management contributes with the utility increasing the grid reserve capacity when the electricity tariff is more expensive during peak hours. Anyway, there is potential postponement of the need to expand the grid, and environmental impacts reduction from conventional power generation, since such power management provides a reduction of the grid electricity consumption. The same decision-making system of the battery converter manager can be used in several consumers with similar characteristics (same type, location and electricity tariff, and similar consumption profile), since this system is composed by a neural network trained with local data. A case study was conducted considering household in the city of São Paulo. Fifteen consumption profiles were built, which were combined with three solar generation profiles. The methodology presented satisfactory performance both in the evaluation of the optimization stage and the neural network training stage, since the energy storage curves presented behaviors close to those expected. The decision-making system also responded adequately, changing the consumer load curve seen by the grid in order to reduce the daily electricity cost, and energy consumption at peak hours of the household in all cases studied. The economic analysis pointed to the need to find ways to make the initiative positive from an economic point of view in the case study carried out.