Lógica Fuzzy

A lógica fuzzy foi introduzida no ano de 1965 por Lotfi Zadeh, que sugeriu uma teoria alternativa de classificações de conjuntos mais flexíveis, a fim de expressar modos de raciocínio que são aproximados ao invés de exatos. Também conhecida como lógica nebulosa ou difusa, a lógica fuzzy é uma técnica que incorpora a forma humana de ra- ciocínio dedutivo, isto é, o processo que as pessoas utilizam para inferir conclusões ba- seadas em informações que elas já conhecem (SIMÕES; SHAW, 2007), permitindo a redução da complexidade de projetos e implementação (ANTONIO; GOMIDE; GUDWIN, 1994).

Sistemas que utilizam a lógica fuzzy são grandes aliados no desenvolvimento de aplicações para resolver problemas de controle nas mais diversas áreas do conhecimen- to. A lógica fuzzy tem se mostrado uma das técnicas mais bem sucedidas de tecnologias atuais para aplicação em sistemas elétricos de potência. Em especial, o uso de soluções fuzzy no VVC é motivado pela sua capacidade de resolver problemas não-lineares com alta eficiência em termos de esforço computacional no encontro de soluções viáveis, contemplando a análise qualitativa de informações incertas que podem ser associadas com o processo sendo controlado.

Liang e Wang (2003) propõem uma estratégia de controle off-line baseada em lógica fuzzy para determinar a combinação entre as comutações do LTC e o status de chaveamento (ligado/desligado) de capacitores para as próximas 24 horas, de forma que as perdas ativas nos alimentadores, o desvio de tensão no barramento secundário e o fluxo de potência reativa no transformador principal sejam mínimos.

O trabalho de Miranda e Calisto (2002) apresenta uma nova arquitetura para um módulo de gestão dos modernos sistemas de distribuição DMS, visando o controle de tensão e reativos para a minimização de perdas. Essa arquitetura baseia-se na articulação de dois controladores fuzzy em cascata do tipo Mamdani, como ilustrado na Figura 3.6(a), constituindo um sistema de inferência fuzzy, com uma rotina de fluxo potência que avalia periodicamente os efeitos das ações de controle no sistema. Como dados de entrada, o primeiro controlador possui as variáveis eficiência e posição, produzindo como saída um sinal chamado poder de controle. Este sinal é combinado com o valor de violação de tensão, compondo o segundo controlador fuzzy, que gera um sinal de controle de tensão com objetivo de manter todas as tensões das barras dentro de uma faixa admissível.

Esta nova arquitetura aplicada ao controle de tensão e reativos apresentou evolução ao longo dos anos em diversos trabalhos, como (MIRANDA; MOREIRA; PEREIRA, 2007), (MIRANDA, 2008), (BREMERMANN, 2008), (VIANNA, 2009), (LEMOS et al., 2009), (SPATTI et al., 2010, 2011), (PEREIRA; ALVES; MATOS, 2015). A principal vantagem de controladores difusos do tipo Mamdani refere-se à velo- cidade de processamento para situações de controle de múltiplas variáveis face a outros tipos de controles que utilizam algoritmos mais pesados (MIRANDA, 2008).

Em Miranda, Moreira e Pereira (2007) é adicionado um terceiro controlador, responsável pelo controle de saturação nas linhas, como ilustra a Figura 3.6(b). As variáveis de entrada deste controlador são a eficiência e o carregamento da linha, e resultam em um sinal de controle da corrente da linha. As saídas do segundo e do terceiro controlador são combinadas para verificar as ações a serem tomadas. Se as ações propostas de saída forem contraditórias, o controlador de corrente assume o comando, se são concordantes, o comando final corresponde à maioria das ações propostas pelos controladores.

Em Bremermann (2008) é realizado um controle coordenado entre os equipamen- tos de tensão e fontes de reativos da rede de distribuição, tais como LTC, reguladores de tensão e bancos de capacitores, localizados nas subestações e ao longo dos alimentadores. É estabelecida uma faixa de regulação para que haja atuação dos controles, os quais são selecionados através de uma matriz efetividade, baseada em (MIRANDA; CALISTO, 2002). A evolução do trabalho é relatada em (LEMOS et al., 2009, 2008), com a imple- mentação da metodologia em um software via projeto de Pesquisa e Desenvolvimento, o qual é utilizado para auxiliar a programação da operação da distribuidora CELESC.

Da mesma forma, os trabalhos de (BENICHIO et al., 2008; SPATTI et al., 2010, 2011) relatam a implementação de um controlador fuzzy na realização do ajuste automá- tico de tensão em transformadores dotados de comutadores de TAP sob carga em subes- tações de distribuição. O controle é realizado em tempo real, permitindo que o sistema fuzzy atue como um módulo inteligente para auxiliar o relé convencional. O relé monito- ra a potência ativa da carga e o desvio de tensão, as quais são as variáveis de entrada do controlador fuzzy, o resultado de saída é um sinal de estímulo (incremento ou decremen- to) sobre a tensão de referência atual do relé regulador de tensão. A Figura 3.6(c) ilustra o diagrama simplificado do funcionamento da estratégia implementada pelos autores.

Vianna (2009) propõem um sistema de controle fuzzy para correção do fator de potência, com o objetivo de coordenar bancos de capacitores e geradores síncronos exis-

tentes na rede de distribuição, utilizando como variáveis de controle a violação do fator de potência, a sensibilidade dos equipamentos e a posição dos dispositivos de controle com fontes de reativos. Foram utilizados dois controladores em cascata, como ilustrado na Figura 3.6(d). Mesmo apresentando a melhoria dos níveis de tensão do sistema, o controlador desenvolvido não contempla o controle de tensão.

O objetivo do uso de um controlador fuzzy é o auxílio na tomada de decisão de qual ação de controle deve ser executada no sistema frente a um problema. O controla- dor fuzzy realiza as transformação necessárias do domínio do mundo real (níveis de violações de tensão) para o domínio que utiliza números fuzzy a partir de uma estrutu- ra de blocos funcionais. Nesta transformação um conjunto de inferência fuzzy é usado para as tomadas de decisões, e por fim há uma transformação do domínio fuzzy para o domínio do mundo real, ocorrendo a conexão entre a saída do algoritmo fuzzy e as va- riáveis de atuação (SIMÕES; SHAW, 2007).

Souza e Almeida (2010) apresentam um algoritmo genético melhorado usando lógica fuzzy para resolver o problema de controle de tensão e reativos a nível de plane- jamento da operação. É obtida uma solução conjunta, para o custo de perdas de ener- gia e o desvio de tensão, que inclui a localização, ajustes e custos com a instalação de reguladores de tensão. O conhecimento de especialistas é levado em consideração na

Figura 3.6 – Comparação entre os controladores fuzzy apesentados em (a) (MIRANDA; CALISTO, 2002),(BREMERMANN, 2008) (b) (MIRANDA; MOREIRA; PEREIRA, 2007) (PEREIRA; ALVES; MATOS, 2015) (c) (SPATTI et al., 2010, 2011) e (d) (VIANNA, 2009)

  Violação de tensão Controlador 1