A UTOMÁTICA (AA) PARA A VALIAÇÃO DO P ROBLEMA DE S EGURANÇA EM A NÁLISE
3.3 A PLICAÇÃO DE AA S UPERVISIONADA PARA A VALIAÇÃO DE S EGURANÇA
D
INÂMICA DESEE
No contexto da aplicação para a avaliação de segurança dinâmica de sistemas eléctricos, o modelo funcional de AA obtido costuma denominar-se função de segurança ou estrutura de segurança, no qual:
• As variáveis de entrada, x=
[
x , x ,1 2…
, xn]
, caracterizam o cenário de operação do sistema, correspondendo, geralmente, a condições de operação em regime estacionário pré-perturbação, podendo consistir em medidas do sistema, como trânsito de potências nos ramos, potências geradas ou consumidas e tensões nos barramentos, ou então a valores derivados dessas medidas, como reservas girante ou penetrações eólicas.• A variável de saída, y , caracteriza o comportamento dinâmico que o sistema terá na
sequência da ocorrência de uma determinada perturbação pré-especificada, no caso de este se encontrar com as condições de operação definidas por x. Neste contexto, y
denomina-se índice se segurança. Os índices de segurança mais utilizados, em problemas de classificação, são os que caracterizam o sistema como “seguro/inseguro” ou como “estável/instável” atendendo a um determinado critério de segurança estabelecido, correspondendo assim a índices de segurança qualitativos. Em problemas de regressão, utilizam-se índices de segurança quantitativos, os quais dependem do tipo de problema que se pretende analisar, podendo ser dados como exemplo os seguintes: - tempo crítico de eliminação do defeito (para a definição de limites de estabilidade transitória);
- valor máximo atingido pelos desvios transitórios e taxas de variação da frequência (para avaliação do comportamento transitório da frequência);
- caracterização de modos de oscilação críticos (para avaliação de problemas de estabilidade de pequeno sinal).
A amostra engloba o conhecimento que se tem sobre o comportamento dinâmico do sistema eléctrico face à ocorrência de perturbações. Os registos de problemas de segurança ocorridos num sistema eléctrico não costumam ter uma dimensão suficiente para que se consiga, a partir daí, obter um modelo funcional de AA que generalize o comportamento do sistema. Assim, a
amostra, a qual também se denomina conjunto de dados, é geralmente obtida através de um processo de sorteio massivo que abrange toda a gama de operação possível do sistema, no qual os índices de segurança são calculados por simulação, através da resolução numérica de modelos analíticos convencionais.
De acordo com o tipo de variável de saída y utilizada, a estrutura de AA será capaz de
caracterizar a segurança do sistema de diferentes formas. Nomeadamente, no caso de fornecer índices de segurança qualitativos, a estrutura de AA realiza classificação da segurança. No caso de fornecer índices de segurança quantitativos, para além de realizar classificação de segurança, a estrutura de AA permitirá definir o nível de segurança do sistema eléctrico, uma vez que se torna possível quantificar a distância do valor de y em relação ao valor que define
o limiar de segurança do sistema eléctrico.
Tal como se refere em [21], os primeiros trabalhos onde se propõe a utilização de métodos de AA para realizar avaliação de segurança em tempo real de sistemas eléctricos foram efectuados no final dos anos sessenta por DyLiacco [32]. Desde então, muitos trabalhos têm vindo a ser desenvolvidos nesta área, podendo em [4] encontrar-se um estado da arte sobre esta matéria para trabalhos publicados até ao ano de 1993. Estas técnicas têm sido exploradas, essencialmente, para análise do seguinte tipo de problemas de comportamento dinâmico: • estabilidade de tensão (ex: [33] e [34]);
• estabilidade da frequência (ex: [35], [36], [37], [38], [39], [40], [75] e [76]); • estabilidade transitória (ex: [41], [42], [70], [71], [72], [73] e [74]).
Nestes trabalhos, para realizar classificação de segurança de sistemas eléctricos foram exploradas, com sucesso, diversas técnicas de AA, de entre as quais se salientam as seguintes: • árvores de decisão;
• técnicas de reconhecimento de padrões, como a regra dos k-vizinhos mais próximos ou o método discriminante de Fisher.
Relativamente às técnicas que, para além de fornecerem classificação de segurança, têm sido mais frequentemente exploradas para caracterizar o nível de segurança de sistemas eléctricos salientam-se as:
• árvores de regressão;
• árvores de regressão Kernel.
Tal como já se explicou no Capítulo 1, a resolução numérica de modelos analíticos convencionais dos sistemas eléctricos consiste na melhor estratégia para se obterem previsões precisas sobre o comportamento dinâmico do sistema. As estruturas de segurança de AA criadas poderão complementar as funcionalidades fornecidas por estes modelos das seguintes formas:
• eficiência computacional; • interpretabilidade.
Em termos da eficiência computacional, a utilização de estruturas de segurança de AA, como substituição dos modelos analíticos dos sistemas eléctricos, permite a obtenção de valores para a resposta do sistema com uma redução significativa dos tempos de cálculo. Esta característica possibilita que muitas das avaliações de comportamento dinâmico, que são realizadas em modo de estudo para a extracção de restrições de segurança, passem a ser efectuadas em ambiente de tempo real (tal como já se exemplificou, no Capítulo 2, com a descrição dos trabalhos desenvolvidos no âmbito do projecto MORECARE). Outro exemplo de aplicação corresponde à construção de nomogramas, tal como o que se exemplifica na Figura 3.1. Os nomogramas são tradicionalmente utilizados pelos operadores de sistemas eléctricos, consistindo em gráficos a duas dimensões que representam a região de segurança do sistema em função da variação de condições de operação consideradas críticas, e supondo uma gama de valores típicos ou a constância de outras condições de operação. Geralmente, cada fronteira de segurança está associada a uma perturbação e a um tipo de problema de segurança, sendo a região de segurança definida pela intercepção de todas as fronteiras. Por apresentar a região de segurança, dentro da qual o sistema poderá ser manobrado sem que ocorra violação das margens de segurança estabelecidas, este tipo de gráficos poderá ajudar na definição de acções de controlo preventivo. Na construção de um nomograma, haverá vantagem em recorrer a estruturas de AA para calcular as fronteiras de segurança, uma vez que a utilização de ferramentas analíticas convencionais tornaria esse processo extremamente demorado. Em [43] publica-se um trabalho de investigação onde esta estratégia foi seguida recorrendo a redes neuronais artificiais.
x2 x1 limite de estabilidade transitória limite de estabilidade de tensão limite térmico limite de estabilidade de pequeno sinal x3=c x3=a x3=b Região de segurança Ponto de operação
Figura 3.1 – Exemplo de nomograma resultante da combinação de fronteiras de segurança para 3 parâmetros (adaptado de [43])
Em termos de interpretabilidade, a aplicação de técnicas de AA poderá ser muito poderosa quando comparada com a utilização de ferramentas analíticas convencionais. Uma das principais razões para tal, consiste no facto de existirem diversas técnicas de AA que permitem explicar a relação causa/efeito existente entre as variáveis de entrada
[
x ,x ,1 2…
, xn]
e a saíday . As técnicas de AA mais utilizadas nesta área são as árvores de decisão ou de regressão,
uma vez que permitem o fornecimento de regras do tipo condicional (If-Then-Else) com uma
estrutura semelhante à que é usualmente adoptada pelos operadores de sistema. Estas regras são de fácil interpretação, podendo corresponder a uma mais valia para compreender melhor os fenómenos que têm lugar nos sistemas eléctricos e assim permitir que se definam melhores regras de operação. Como exemplo de trabalhos onde se recorreu a este tipo de técnicas de AA para a extracção de regras interpretáveis, referem-se os publicados em [34], [36], [38], [39], [41] e [76], no caso de aplicação de árvores de decisão, e os publicados em [33], [34] e [37] no caso de aplicação de árvores de regressão.
Para além das vantagens atrás mencionadas, de eficiência computacional e interpretabilidade, uma outra funcionalidade muito atractiva da aplicação de modelos funcionais de AA corresponde à sua integração em algoritmos que sejam capazes de fornecer, de uma forma automática e rápida, sugestões sobre as medidas de controlo preventivo a tomar para garantir a segurança dinâmica de operação de sistemas eléctricos. Uma descrição sobre os trabalhos de investigação realizados nesta área é efectuada no Capítulo 6.