Search

A alocação de Geração Distribuída (GD) em sistemas de distribuição de energia elétrica consiste em determinar os barramentos para conexão destas unidades geradoras, e o montante de potência a ser injetado, visando um ou mais objetivos, que podem ser: redução das perdas de potência ativa, melhorias no perfil de tensão, minimização dos custos operacionais, maximização da geração de energia, ganhos ambientais, dentre outros. O principal objetivo considerado neste trabalho é a minimização das perdas de potência ativa, mantendo as tensões dos barramentos dentro de limites recomendados. Para alcançar este objetivo, uma metodologia de otimização é proposta, tratando separadamente os problemas de localização das unidades geradoras no sistema, e o dimensionamento destas unidades. A determinação das barras com conexão de GD é realizada através de uma nova técnica de otimização metaheurística, implementada no MATLAB, denominada Metaheurística Empírica Discreta (MED). Já o dimensionamento das unidades de GD é realizado de duas formas distintas, a depender do tipo de sistema de distribuição analisado. No caso dos sistemas cujos dados são equivalentes monofásicos, o montante de potencia é determinado por um Fluxo de Potência Ótimo implementado no software comercial LINGO. A segunda estratégia de determinação da potência despachada é empregada no caso dos testes realizados com sistemas trifásicos desbalanceados, cujo dimensionamento é feito pelo método do gradiente descendente e o cálculo do fluxo de potência é realizado pelo software OpenDSS. Os três sistemas equivalentes monofásicos utilizados são compostos por 33, 69 e 476 barras, enquanto os dois trifásicos desequilibrados possuem 34 e 123 barras. A qualidade da metodologia proposta na resolução do problema de alocação de geração distribuída é avaliada através de comparações com a literatura especializada, comparações com outras metaheurísticas e testes de robustez. Os resultados provenientes de simulações com alocação de três e quatro unidades de GD em sistemas de distribuição de energia elétrica mostram que a metodologia proposta é eficiente, sendo capaz de produzir resultados com significativas reduções nas perdas de potência ativa e perfis de tensão adequados. The optimal Distributed Generation (DG) allocation problem consists in choosing the best locations of those distributed power plants at the distribution system, and to define its amount of power injection. The approach can be either single or multiobjective. The main objectives are: minimization of total power loss, voltage profile improvement, operational cost minimization, maximization of distributed generation capacity, environmental gains, among others. In this work, the main goal pursued is the total power loss minimization of the distribution system, keeping the buses voltages within the predetermined limits. To achieve this goal, an optimization methodology is proposed. This approach treats separately the location problem and the power dispatched by the generation units. The busbars connected to distributed generation are determined through a new metaheuristic algorithm, implemented in MATLAB, named Empirical Discrete Metaheuristic (EDM). The amount of power injection is solved by an Optimum Power Flow implemented in the commercial software LINGO, or by the Steepest Descent Method in the MATLAB environment. The first strategy to determine the DG dispatch is used on simulations with single phase equivalents systems. The second one is employed in the amount of power determination in unbalanced three phase systems, which the power flow is carried out by the open source software OpenDSS. The three single phase equivalent test systems analyzed are composed by 33, 69 and 476 buses, while the two systems with three phases have 34 and 123 buses, each. To evaluate the proposed methodology quality, comparisons to published works in the specialized literature are made. Also, robustness tests and comparisons to other well succeed metaheuristics are carried out. The results were obtained from simulations with three and four DG units in electric power distribution systems. These results consistently show that the proposed methodology is efficient, providing DGs configurations that significantly reduces the active power losses and keep the voltages at adequate levels.

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior A alocação de geração distribuída em sistemas de distribuição de energia elétrica consiste em definir a localização ótima para instalação de centrais geradoras distribuídas no sistema e a quantidade de potência que deverá ser injetada por estas centrais, de modo a minimizar as perdas técnicas inerentes aos sistemas de distribuição. Este é um problema de otimização de difícil solução e que apresenta implicações ambientais e econômicas. A técnica de otimização empregada nesta pesquisa para determinar a alocação dos geradores distribuídos é recente, sendo a mesma bioinspirada. Ela se baseia na ecolocalização de morcegos e foi desenvolvida em 2010 pelo pesquisador Xin-She Yang. Esta técnica de otimização agrega em sua constituição conhecimento prévio adquirido por outras técnicas de otimização, como enxame de partículas e busca harmônica, utilizando assim, as vantagens inerentes a cada uma destas ferramentas. Esta característica confere à otimização via ecolocalização uma expectativa de sucesso em problemas de difícil solução, com características combinatórias, que é o caso do problema em estudo. Com o intuito de melhorar o desempenho da técnica de otimização em questão, foi proposta uma etapa adicional em sua constituição. Esta alteração no algoritmo original se mostrou eficiente nas simulações realizadas, pois o mecanismo de busca modificado alcançou resultados de melhor qualidade com maior frequência, tanto em sua validação, onde foram utilizadas funções matemáticas não convexas, como na aplicação do método ao problema referente à alocação de geração distribuída em sistemas de distribuição de energia elétrica. Utilizando-se três sistemas teste, de trinta e três, de cinquenta e de sessenta e nove barras, foram realizados testes com alocação exclusiva de potência ativa e reativa, e também alocação simultânea destes dois tipos de potência, sendo que os resultados obtidos foram comparados com resultados presentes na literatura especializada. Além das perdas, fatores como perfil de tensão resultante nas barras e trajetória de convergência do algoritmo inspirado na ecolocalização de morcegos foram analisados para a avaliação da metodologia de otimização empregada nesta pesquisa. The optimal distributed generation placement in electrical power systems is a complex problem involving environmental and economical issues. The solution to this problem consists of choosing the optimum location of distributed power plants, and to define the amount of power that must be injected by these plants in order to minimize technical losses in electrical distribution systems. The optimization technique utilized in this work to determine the placement of distributed generators is recent. It was developed in 2010 by Xin-She Yang. The optimization procedure is inspired by the echolocation of bats phenomenon, and uses some previous knowledge from others techniques, like Particle Swarm Optimization and Harmony Search, combining their advantages. This feature gives the Bat-Inspired Algorithm an expectation of success on difficult problems, such as the combinatorial problem under study. In order to improve the performance of the optimization technique an additional step was proposed in its search engine. Endowed with this change, the algorithm has achieved better results more frequently. Nonconvex benchmark mathematical functions were used, as well as in its application on distributed generation placement. Using three different bus systems (33, 50 and 69 busses), simulations were performed placing real and reactive Power separately, and those two kind of Power together. The produced results were compared to specialized literature. Real power losses, bus voltage and convergence trajectory indicates the level of success reached by the optimization technique utilized in this research work.

Este trabalho apresenta duas novas metodologias determinísticas para encontrar a máxima capacidade de hospedagem (MCH) de geração distribuída (GD) em sistemas de distribuição. Na abordagem proposta, um problema de otimização é formulado a fim de se calcular o máximo montante de potência a ser acomodado em uma rede elétrica de média tensão sem violar limites operacionais. Para a formulação proposta, as equações do método de injeção de correntes são consideradas como restrições de igualdade para se computar o fluxo de potência ótimo (FPO) proposto. Como restrições de desigualdade, consideram-se os limites máximos e mínimos de magnitudes de tensão, de potências geradas em cada barra e da possibilidade de ocorrência de reversão do fluxo na subestação principal da concessionária. Ainda como contribuição desta pesquisa, propõe-se uma nova metodologia para se determinar a MCH em sistemas multifásicos desequilibrados em que, através de modificações no FPO, almeja-se determinar a máxima quantidade de potência a ser hospedada em redes trifásicas, multiaterradas, a quatro fios. Para isso, restrições de desigualdade incorporam limites associados às magnitudes de tensão em cada fase, fator de desequilíbrio e tensão de neutro. Equações do método de injeção de correntes trifásico a quatro fios são tratadas como restrições de igualdade. O problema de otimização é resolvido via método de pontos interiores. Adicionalmente, a fim de considerar incertezas nos métodos propostos, as cargas do sistema são modeladas através da função de densidade de probabilidade Gaussiana, considerando uma dispersão estatística em relação a seus valores nominais com o objetivo de se avaliar impacto de incertezas nos valores de carga nos valores de MCH. Simulações computacionais são conduzidas utilizando dois sistemas: o equivalente monofásico da rede de distribuição da Universidade Federal de Juiz de Fora, composto de 23 barras e o sistema trifásico desequilibrado de 33 barras do IEEE. Diversas análises são efetuadas considerando as unidades de geração distribuída alocadas de maneira dispersa nas redes a serem avaliadas. Ainda, a fim de validar as metodologias propostas, os resultados são comparados à trabalhos correlatos da literatura, mostrando versatilidade e aplicabilidade das metodologias propostas nesta dissertação. This work presents a novel deterministic methodology to determine the maximum distributed generation capacity in power distribution systems. In the proposed approach, an optimization problem is formulated to calculate the maximum amount of power to be accommodated in a power system without violating operational limits. For the proposed formulation, the current injection method equations are considered as equality constraints to compute the optimal power flow solution. Maximum and minimum limits for the voltage magnitudes are considered as inequality constraints, as well as the powers at each busbar and the reverse power flow at the utility substation. Also as a contribution of this research, a new methodology is proposed to determine the MCH in unbalanced multiphase systems in which, through modifications in the optimal power flow, the aim is to determine the maximum amount of power to be hosted in three-phase four-conductor system. For this, inequality constraints incorporate limits associated with the voltage magnitudes on each phase, voltage unbalance factor and neutral voltage. Equations of the three-phase four-conductor current injection method are treated as equality constraints. The optimization problem is solved via interior-point method. Additionally, in order to account for uncertainties in the proposed methods, the system loads are modeled using Gaussian probability density functions considering a statistical dispersion with respect to their nominal values in order to evaluate the impact of uncertainties on the load values in the MCH values. Computational simulations are conducted using two systems: the single-phase equivalent distribution system of the Federal University of Juiz de Fora, composed of 23 buses, and the unbalanced three-phase IEEE system of 33 buses. Several analyses are carried out, considering the generation units allocated dispersedly in the grid to be evaluated. Still, in order to validate the proposed methodologies, the results are compared to related works in the literature, proving the versatility and applicability of the methodologies proposed in this dissertation.

O planejamento da produção hidrelétrica depende consideravelmente das previsões de vazão dos rios que são feitas a partir de modelos matemáticos, estocásticos e hidrológicos, na maior parte das vezes incorporados a sistemas computacionais. O aumento da precisão da previsão de vazão é uma forma importante de auxiliar as decisões estratégicas da produção e armazenamento de energia nas Usinas Hidrelétricas (UEHs), aumentando a sua eficiência e reduzindo os custos de complementação térmica. Este trabalho apresenta um estudo comparativo entre três técnicas de otimização baseadas em inteligência computacional visando otimizar os parâmetros do modelo SMAP (Soil Moisture Accounting Procedure) para três sub-bacias brasileiras (Emborcação, Nova Ponte e Corumbá). Inicialmente será realizado um estudo de convexidade para o problema em questão, visando justificar o emprego de técnicas de inteligência computacional para sua resolução. Em um segundo momento será realizada uma análise comparativa entre o Bat Algorithm (BA), Grey Wolf Optimization (GWO) e Salp Swarm Algorithm (SSA), sendo o BA o modelo utilizado oficialmente pelo setor elétrico para realização da otimização do modelo SMAP. A comparação entre os três algoritmos envolverá análise de variabilidade das soluções, características de convergência e tempo de processamento computacional. Como será apresentado neste trabalho, os resultados encontrados apontam de forma promissora para a utilização do GWO na otimização do modelo SMAP. The hydroelectric production planning depends considerably on river flow predictions, which are made from mathematical, stochastic and hydrological models, mostly incorporated into computer systems. Increasing the accuracy of water flow forecasting is an important way to help making strategic decisions on energy production and storage in hydroelectric power plants, increasing their efficiency and reducing thermal complementation costs. This work presents a comparative study between three optimization techniques based on computational intelligence aiming to optimize the water flow forecast computed by the SMAP (Soil Moisture Accounting Procedure) model applied for three Brazilian sub-basins (Emborcação, Nova Ponte and Corumbá). At first, a convexity study was carried out to justify the use of computational intelligence techniques to solve the problem. In a second moment, a comparative analysis was performed between Bat Algorithm (BA) – official optimization model technique used by the electric sector to perform SMAP model optimization – Grey Wolf Optimization (GWO) and Salp Swarm Algorithm (SSA). The comparative study of these three algorithms involves the analysis of solutions’ variability, convergence characteristics and computational processing time. The results encourage the use of GWO in the SMAP model optimization.