Avaliação dos Impactos de QEE na Microrrede

A mitigação dos problemas de qualidade de energia em uma microrrede é um desafio devido às diferentes gerações de energias renováveis com interfaces de eletrônica de po- tência (cargas não lineares) que geralmente degradam a qualidade da energia. O método proposto é capaz de identificar os impactos na QEE causados devido a integração de di- ferentes fontes de energias renováveis e cargas com a microrrede conforme ilustrado na Figura 9.15.

De acordo com os resultados obtidos, a QEE da microrrede não foi adequada para maior parte dos casos avaliados. O diagnóstico resultante apresentou-se adequado em

apenas um estudo de caso (PCH + R com carga linear, Figura 9.15c). Os piores diagnós- ticos foram obtidos quando as cargas não lineares foram conectadas a microrrede, sendo que os motivadores principais da baixa qualidade de energia diagnosticada foram as altas taxas de THD e o baixo fator de potência identificados por meio dos diagnósticos específi- cos de IQT HDe IQPF. A variação do nível de tensão diagnosticada por IQVRPnão exerceu

influência relevante no diagnóstico resultante.

IQ_THD IQ_F A P C EC Top. P Top. A P C EC L NL L+NL IQV_RP PQDR L L+NL NL L+NL L NL L+NL NL L (a) (b) G SHP+G PV+G SHP+PV+G

PV+WT+ESS+G Top.: topologia R: rede WT+ESS+G +SHP+PV ( )c (d) G SHP+G PV+G SHP+PV+G PV+WT+ESS+G WT+ESS+G +SHP+PV

Figura 9.15: Impacto de QEE na microrrede com diferentes topologias

Cada topologia de geração de energia que compõe a microrrede utiliza esquemas de controles convencionais, que não são projetados para atuar na mitigação dos problemas de QEE. O método proposto identificou os problemas de qualidade de energia, indicando a necessidade de integração de estratégias de mitigação dos problemas de QEE em adição aos sistemas de controle da microrrede experimental. Por exemplo, filtros ativos podem ser usados para mitigar distorções harmônicas (ILLINDALA; VENKATARAMANAN, 2012). Além disso, os sistemas de controle das gerações eólica e fotovoltaica podem ser ajustados para reduzir os níveis de distorções harmônicas e compensar reativos (RIBEIRO et al., 2015). O sistema de controle do SEA também pode ser projetado para mitigar problemas de QEE em microrredes (TABART et al., 2018). Com relação às oscilações de

CAPÍTULO 9. SISTEMA DE DIAGNÓSTICO WAVELET-FUZZY PROPOSTO 152 tensão, dispositivos externos podem ser inseridos para minimizar problemas de quedas de tensão temporária (ZHENG et al., 2018).

9.4

Síntese do Capítulo

Apresentou-se neste capítulo um sistema de diagnóstico da qualidade de energia wavelet- fuzzycom funções múltiplas capaz de realizar o diagnóstico de QEE em ambientes elétri- cos com penetração de energias renováveis. Um estudo de caso de uma microrrede expe- rimental com 6 topologias distintas foi realizado. Os resultados obtidos apresentaram-se bastante satisfatórios uma vez que o sistema de diagnóstico com o algoritmo adaptativo foi capaz de fornecer um diagnóstico de qualidade linguístico/quantitativo para distúrbios de regime permanente considerando a penetração de energia no PAC. As funções overlap e grouping estendidas foram implementadas no SIF genérico com sucesso, uma vez que os diagnósticos obtidos apresentaram-se corretos com a lógica considerada para o sistema proposto. Para maior parte das topologias estudadas, a microrrede apresentou qualidade de energia em condições precária, crítica e extremamente crítica.

Conclusões e Trabalhos Futuros

10.1

Conclusões Gerais

Nesta tese uma nova arquitetura denominada de sistema fuzzy hierárquico com de- fuzzificação adicional de camadas com um sistema de inferência genérica hierárquica baseada em T-normas, T-conormas, funções overlap e grouping foi proposta. Foi pro- posto também um novo método de diagnóstico capaz de analisar de forma automática a qualidade da energia elétrica a partir de parâmetros de qualidade em regime perma- nente considerando as incertezas e subjetividades existentes em vários padrões mundiais de QEE. O sistema de diagnóstico proposto foi implementado inicialmente, a partir das teorias fuzzy hierárquicas convencional e livre de defuzzificação com inferência de Mam- dani e defuzzificação centro de gravidade. O método de diagnóstico desenvolvido a partir dessas arquiteturas apresentou resultados satisfatórios, no entanto, ainda existiam limita- ções quanto a possibilidade de avaliar como os parâmetros de entrada dos subsistemas sequenciais afetavam a saída resultante. Para suprir tais limitações, o método de diagnós- tico foi implementado a partir da nova arquitetura (C-HFS-ADL) apresentando-se mais eficiente e completo em comparação com as duas arquiteturas existentes (C-ConHFS e C-DF-HFS).

O SIF genérico apresentado, permitiu avaliar internamente o funcionamento da má- quina de inferência hierárquica no método de diagnóstico a partir da análise de diferentes conectivos e funções lógicas. No primeiro estudo de caso, o SIF genérico permitiu identi- ficar que a inferência de Larsen apresenta-se inadequada em situações com maior grau de incerteza. Em relação ao tempo de processamento, as inferências de Mamdani, Larsen e Hamacher apresentam tempos significativos tornando irrelevante a escolha do método de inferência a partir deste critério. As cargas computacionais obtidas para as diferentes ar- quiteturas fuzzy (existentes e proposta) demonstram que ambas são totalmente aplicáveis ao método de diagnóstico proposto, uma vez que os parâmetros de QEE, normalmente, são coletados em sistemas de energia, a cada 1, 10 ou 15 min e o diagnóstico obtido não

CAPÍTULO 10. CONCLUSÕES E TRABALHOS FUTUROS 154 precisa ser fornecido em tempo real.

Em adição ao método de diagnóstico proposto, um sistema hierárquico wavelet-fuzzy com algoritmo de múltiplas funçõesT HD˜ I e inferência baseada na nova definição de fun- ções overlap e grouping estendidas foi implementado para avaliar a QEE de uma micror- rede experimental considerando diferentes fontes de energia (PCH, fotovoltaica e eólica), um sistema de armazenamento e vários tipos de cargas. 18 combinações de componentes comuns da microrrede experimental foram avaliadas pelo método WFS-PQD proposto que forneceu os diagnósticos resultantes e específicos de forma satisfatória. Os diag- nósticos específicos forneceram informações essenciais para permitir uma identificação ampla de quais parâmetros devem ser corrigidos para melhorar a qualidade da energia resultante. Além disso, os níveis de QEE, identificados por adequado, precário, crítico e extremamente crítico, são informações essenciais para determinar recomendações pós análise em um possível sistema de gerenciamento de energia.

No que concerne a avaliação da microrrede experimental, a baixa qualidade da energia obtida para a maioria dos estudos de caso era esperada. Uma vez que, a plataforma expe- rimental não possui sistemas de controle específicos ou dispositivos adicionais para evitar os problemas de qualidade diagnosticados. No entanto, filtros ativos ou melhorias nos sistemas de controle podem ser implementados futuramente para mitigar ou atenuar tais problemas. No que se refere a máquina de inferência hierárquica, a definição de funções overlape grouping estendidas, fornecem os recursos necessários para um FIS com a van- tagem de formar uma classe abrangente de operadores que podem tornar a inferência mais robusta em aplicações diversas. As funções overlap e grouping estendidas implementa- das no sistema WFS-PQD, forneceram resultados satisfatórios demonstrando a eficácia da definição proposta em sistemas bidimensionais. No entanto, seria interessante avaliar futuramente a aplicação desta nova definição em sistemas com k-dimensões distintas em cada subsistema da hierarquia.