Tarôco, Cristiane Geralda.
T191p Planejamento integrado de sistemas de distribuição de energia elétrica
robustos com geração distribuída [manuscrito] / Cristiane Geralda Tarôco. –
2014.
xi, 115 f., enc.: il.
Orientador: Eduardo Gontijo Carrano.
Tese (doutorado) - Universidade Federal de Minas Gerais,
Escola de Engenharia.
Bibliografia: f.109-115.
1. Engenharia elétrica – Teses. 2. Energia elétrica - Distribuição – Teses.
I.Carrano, Eduardo Gontijo. II. Universidade Federal de Minas Gerais.
Escola de Engenharia. III. Título.
Programade Pós-Graduação em Engenharia Elétria
Centro de Pesquisa e Desenvolvimento em Engenharia Elétria
Planejamento Integrado de Sistemas de
Distribuição de Energia Elétria Robustos
om Geração Distribuída
Cristiane Geralda Taro
Orientador: Prof. Eduardo Gontijo Carrano
Neste trabalho foi desenvolvida uma ferramenta de planejamento de sistemas de
distribuição de energia elétria apaz de obter redes robustas, onáveis e menos
one-rosas. Essa ferramenta éapaz de realizarasseguintes operações:
(
i
)
planejamento danova estrutura (topologia) da rede;
(
ii
)
atribuição dos tipos de ondutores utilizadosnarede;
(
iii
)
posiionamento de novas unidades de geraçãoe subestações;(
iv
)
análiseda robustez das redes após a inserção de novas unidades de geração. Para ompor
esta ferramenta foram desenvolvidos um proedimento de busa loal determinístia
que deve ser apliadoàs soluções enontradas pelo algoritmo de otimização e um
me-anismo para aloação de novas unidades de geração. O proedimento de busa loal
é omposto por três operadores:
i
)
operador de aprimoramento dos ustos,ii
)
opera-dorde aprimoramentodarobusteze
iii
)
operadordeaprimoramentodaonabilidade.Noplanejamentodosistemasãoonsideradasvariáveisde projetoinertas(módulodas
argas,preçodaenergiaepotêniaentreguepelaturbinaeólia),neessáriasparaa
mo-delagemdaevoluçãodosistemaamédioelongoprazo. Oalgoritmodeprojetoproposto
tem porintuito enontrar onjuntosde soluçõesqueapresentem um bomompromisso
entre usto, onabilidade e robustez. São onsideradas versões mono (usto) e
multi-objetivo(usto eonabilidade)doproblema de planejamentode redesde distribuição
de energia elétria. Foram onsideradas omo unidades de geração turbinas eólias.
Os resultados obtidos mostram que a ferramenta é adequada para o planejamento de
sistemas de distribuição, já que possibilita a obtenção de redes robustas, onáveis e
In this workit isdeveloped atooldediated toplan eletripowerdistribution
sys-temsabletondnetworksthatare robust,reliableand havelowermonetaryost. This
toolis able toperform the followingoperations:
(
i
)
toplan the new network topology;(
ii
)
to assign the ondutor apaities and types;(
iii
)
to loate new generation unitsand substations;
(
iv
)
to analyse the network robustness after the alloation of newgeneration units. To form this tool they were developed a loal searh deterministi
proedurethatmustbeapliedtothesolutionsfoundbytheoptimizationalgorithmand
a proedure to loate new generation units. The loal searh deterministi proedure
is omposed of three operators:
i
)
ost improvement operator,ii
)
robustnessimpro-vement operator and
iii
)
reliabilityimprovement proedure. Some unertain variablesare onsidered (evolution of the load, the energy prie at eah node and variation of
the power produedby the windturbine), sine they are requiredto modelthe system
evolution at medium and long term. The main purpose of the proposed algorithm is
tond a set of solutionsthat show afavorabletrade-o with regard toost, reliability
and robustness. Mono (ost) and multiobjetive(ost and reliability)statements of the
problem are onsidered. Wind turbines were onsidered as the generation units to be
alloated. Theresultsshowthattheproposedtoolisadequateforplanningdistribution
Agradeço a Deus por ter me guiado nesta importante etapa da minha vida e por
tudo queEle tem meproporionado.
Agradeço aomeu marido Leandropela ompreensão, arinho eapoio.
Aosmeus paise minhairmã peloapoioeporterem areditadoqueeu pudesse aqui
hegar.
AoProfessor EduardoCarrano pelaorientação, disponibilidade eportodoo
onhe-imento adquirido.
AoProfessorOrianeMagela Neto(emmemória)quepartiipoudaminhaformação
aadêmia desde a graduação na UFSJ e me inentivou a seguir a arreiraaadêmia.
Obrigada peloapoio, inentivo e orientação.
Aosprofessores que aeitarampartiipar da bana daminha defesa de tese.
A todas as pessoas que de alguma formaontribuíram para a realização deste
tra-balho.
Lista de Figuras vii
Lista de Tabelas ix
Lista de Arnimos x
1 Projeto de Redes de Distribuição de Energia 1
1.1 Introdução . . . 1
1.2 Revisão Bibliográa . . . 7
1.2.1 Apliação de Algoritmos Evoluionários ao Problema de Redes de Energia Elétria . . . 7
1.2.2 PlanejamentoRobusto de Sistemas de Energia . . . 11
1.2.3 Objetivos . . . 14
2 Geração Distribuída 16 2.1 Introdução . . . 16
2.2 Geração Distribuídano Brasil . . . 18
2.2.1 Oportunidades . . . 18
2.2.2 Barreiras. . . 20
3 FormulaçãodoProblemadeRedesdeDistribuiçãodeEnergiaElétria 21 3.1 Representação das variáveis . . . 21
3.1.1 Grafos . . . 21
3.1.2 Árvores . . . 23
3.1.3 Representação das Variáveis . . . 24
3.1.4 Representação das Subestações /Unidades de Geração . . . 24
3.2 Formulaçãodos Problemas MonoeMultiobjetivode Redesde Distribui-ção de Energia Elétria . . . 25
3.2.1 FormulaçãoGeral doProblemaMono-objetivo . . . 25
3.2.2 FormulaçãoGeral doProblemaMultiobjetivo . . . 28
4.2 Algoritmos Evoluionários . . . 36
4.2.1 AlgoritmosGenétios . . . 37
5 AlgoritmoPropostopara o Projeto deRedesde Distribuiçãode Ener-gia Elétria 51 5.1 Modelos para Desrição das Variáveis Inertas . . . 51
5.1.1 Modelo de Cresimento daCarga . . . 51
5.1.2 Modelo de Variação doPreço daEnergia . . . 52
5.1.3 Distribuiçãode Probabilidade Conjunta das VariáveisInertas . 53 5.1.4 Modelo de VariaçãodaPotêniaProduzida pelaUnidade de Ge-ração de Energia Eólia . . . 54
5.1.5 Simulaçãode MonteCarlo . . . 55
5.2 Algoritmos Propostos . . . 55
5.2.1 AG Mono-objetivo . . . 55
5.2.2 AG Multiobjetivo . . . 56
5.3 Operadores EspeíosPropostos . . . 57
5.3.1 Operadorde Atribuiçãoda Capaidadede Condutores . . . 58
5.3.2 Operadorde Aprimoramentodos Custos . . . 60
5.3.3 Operadorde Aprimoramentoda Robustez . . . 61
5.3.4 Operadorde Aprimoramentoda Conabilidade . . . 64
5.4 Operador para Posiionamentode Unidadesde Geração . . . 66
5.5 Ferramenta de Planejamento de Sistemas de Distribuição . . . 74
6 Resultados e Disussão 76 6.1 PlanejamentoMultiobjetivode Redes Conáveis e Robustas . . . 77
6.1.1 Sistemade 21nós . . . 77
6.1.2 Sistemade 100 nós . . . 83
6.1.3 Sistemade 300 nós . . . 84
6.2 Ajuste da resolução
r
e denição do método de posiionamento de su-bestação/unidade de geraçãoa ser adotado . . . 896.2.1 Ajusteda Resolução
r
. . . 906.2.2 Denição do método de posiionamento de subestação/unidade de geração aser adotado . . . 92
6.3 Comparaçãode resultados obtidospelométodoproposto omresultados obtidos naliteratura . . . 97
6.4 Apliação da Ferramenta de Planejamento de Sistemas de Distribuição de Energia Elétria no Projeto Multiobjetivo de Redes Considerando o Posiionamento de NovasUnidades de Geraçãode Energia Eólia . . . 99
6.4.1 Sistemade 49nós de arga. . . 101
7 Conlusões e Propostas de Continuidade 106
7.1 Conlusões . . . 106
7.2 Propostas de Continuidade . . . 108
1.1 EstruturadaofertainternadeeletriidadenoBrasil-2012. Fonte:
Adap-tadodeBalançoEnergétioNaional2013(Ministériode Minas e Energia,
2013). . . 2
3.1 Exemplo de grafo.. . . 22
3.2 Grafo ompleto para o grafodaFigura 3.1 . . . 22
3.3 Exemplo de árvore. . . 23
4.1 Cálulo da rowding distane. Os pontos marados por írulos heios pertenem aomesmo front.. . . 49
5.1 Operador de atribuição da apaidadede ondutores. . . 60
5.2 Operador de aprimoramentodos ustos. . . 62
5.3 Operador de aprimoramentodarobustez. . . 64
5.4 Operador de aprimoramentodaonabilidade. . . 66
5.5 Três regiõesfatíveisdisjuntase suas posições andidatas. . . 73
5.6 Esolhendo aposiçãoandidata maispróximaparaposiionaraunidade de geração. . . 73
5.7 Exemplo de possíveis regiões para loalização de unidade de geração quando existem aidentes geográos. . . 74
6.1 Sistema de 20 nós de arga. . . 78
6.2 Sistema de 21 nós Conjuntosde soluções nais obtidospara o sistema de 21nós. . . 80
6.3 Sistema de 21 nós Exemplo de soluções daTabela6.4. . . 82
6.4 Sistemade 100nós Conjuntosdesoluçõesnaisobtidosparaosistema de 100 nós. . . 84
6.5 Sistema de 100 nós Exemplo de soluções daTabela 6.5. . . 85
6.6 Sistemade 300nós Conjuntosdesoluçõesnaisobtidosparaosistema de 300 nós. . . 86
6.7 Sistema de 300 nós Exemplo de soluções daTabela 6.6. . . 88
6.8 Sistema real om 7 nós de arga. . . 91
6.10 Sistema de 49 nós de arga - omparaçãoom resultados daliteratura. 98
6.11 Soluções enontradas antes e depois daapliaçãodos operadores -
Situ-ação 1- Primeiraexeução - Sistemade 49 nós de arga. . . 102
6.12 Sistema de 49 nós de arga Situação1 Primeira exeução. . . 103
6.13 Soluções enontradas antes e depois daapliaçãodos operadores -
Situ-ação 2- Primeiraexeução - Sistemade 49 nós de arga. . . 103
1.1 Produçãode eletriidadee onsumo no Brasilem2003 e 2012 (em GWh). 2
1.2 Produção de energia hidráulia e eólia no Brasil de 2003 a 2012 (em
GWh). . . 5
5.1 Operadores desenvolvidos no algoritmogenétio mono-objetivo. . . 56
6.1 Parâmetros dadistribuição de probabilidade. . . 78
6.2 Parâmetros utilizadosno algoritmoNSGA-II. . . 79
6.3 Caraterístias dos ondutores utilizadosnas onexões. . . 79
6.4 Sistema de 21 nós Desempenho das redes destaadas naFigura6.2(a). 81 6.5 Sistemade 100nós Desempenhodas redesdestaadasnaFigura6.4(a) (primeiraexeução). . . 84
6.6 Sistemade 300nós Desempenhodas redesdestaadasnaFigura6.6(a) (primeiraexeução) . . . 87
6.7 Caraterístias dos ondutores Sistema de 7 nós de arga . . . 91
6.8 Parâmetros estatístios das simulaçõespara os métodos A eB. . . 97
6.9 Caraterístias dos ondutores utilizadosnas onexões. . . 101
6.10 Sistema de 49 nós de arga Situação1 Primeira exeução . . . 102
A:onjunto de arestas de um grafo
a: uma arestado onjunto A
AE:algoritmoevoluionário
AG: algoritmogenétio
BEN:Balanço Energétio Naional
BTS:Binary Tournament Seletion
BFGS:Broyden-Flether-Goldfarb-Shanno
CBGA: Chu-Beasley Geneti Algorithm
CSA-DN:Clonal Seletion Algorithmfor DistributionNetworks
FCM:fuzzy C-means
f
f c
: função ustode faltasda rede
f
mc
: função usto monetário da rede
G:grafo
G
c
: grafo ompletoGD: geraçãodistribuída
m: número de arestas de um grafo
M
A
: matriz de adjaênia de um grafoMOGA: MultiobjetiveOptimizationGeneti Algorithm
n: númerode nós de um grafo
NSGA-II:Nondominated SortingGeneti AlgorithmII
PAES: Pareto-arhived Evolution Strategy
PESA-II: Region-basedSeletion in Evolutionary Multiobjetive Optimization
PSO:PartileSwarm Optimization
r: parâmetrode resolução
RMSLS: random-multistart loalsearh
RWS: RouletteWheel Seletion
SPEA: Strength Pareto Evolutionary Algorithm
SPEA2: Strength Pareto Evolutionary Algorithm2
SUS:Stohasti Universal Sampling
t
c
: tiposde abosdisponíveis parase fazeras onexõesentre osnós daredeTS: TournamentSeletion
UG: unidade de geração
VEGA: Vetor EvaluatedGeneti Algorithm
Projeto de Redes de Distribuição de
Energia
1.1 Introdução
A grande utilização de ténias de otimização no projeto de sistemas de energia
deve-se a ampla importânia eonmia e soial destes. De aordo om o Balanço
Energétio Naional (BEN) 2013 (Ministériode Minas e Energia, 2013) a geração de
energiaelétrianoBrasil atingiu552,5TWh em2012. A Figura1.1mostraa estrutura
da oferta interna de eletriidade no Brasil no ano de 2012. De aordo om dados da
Sinopse do Censo Demográo 2010 (IBGE, 2010), 98,73% dos domiílios brasileiros
possuemenergiaelétria. OProgramaLuz paraTodos alançou em2009ametainiial
deatender10milhõesdepessoase,atémarçode 2012,oprogramajáhegouparaera
de 14,4 milhõesde moradores rurais(Ministério de Minas e Energia, 2012).
A Tabela1.1 mostraa evolução de alguns dadosreferentes a eletriidadenoBrasil,
omoprodução,onsumo e perdasnos anos de 2003e 2012. Estes dados foramobtidos
em Ministério de Minas e Energia (2013). O sinal negativo nos valores india energia
não onsumida dentrodopaís.
O sistema elétrio é dividido em geração, transmissão e distribuição. O sistema
de distribuição liga o sistema de transmissão aos onsumidores nais. As redes de
Notas: 1-inlui gás de oqueria; 2-inlui importação de eletriidade; 3-biomassa
inluilenha,bagaçodeana,lixíviaeoutrasreuperações.
Figura1.1: Estrutura da oferta internade eletriidade noBrasil - 2012. Fonte:
Adap-tado de Balanço Energétio Naional 2013 (Ministériode Minas e Energia,2013).
Tabela1.1: Produção de eletriidadee onsumo noBrasil em2003 e 2012 (em GWh).
2003 2012
Produção 364.340 552.498
Importação 37.151 40.722
Exportação -6 -467
Variaçãode estoques, perdas e ajustes -59.272 -94.355
Consumo total 342.213 498.398
Consumo porsetor
Setorenergétio 12.009 26.350
Residenial 76.143 117.646
Comerial 48.375 79.809
Públio 29.707 39.919
Agropeuário 14.283 23.268
Transportes 980 1.785
Industrial 160.716 209.622
do sistema elétrio, o que faz om estas sejam as prinipais responsáveis por perdas
ténias e falhas(ur£i¢ etal.,2001).
DeaordoomoBEN 2013(Ministériode Minas eEnergia,2013),aenergia
onsu-midanosetorindustrialbrasileiroreseu0,11%em2012emrelaçãoaoanode 2011. A
energiadediadaaosetorresidenialmanteveatendênia deresimentode5,07% eos
positiva de 6,94% quando analisados em bloo. Isso faz om que o sistema elétrio,
e onsequentemente a rede de distribuição, deva ser onstantemente expandido ou
re-projetado (Carrano et al., 2005;Miranda etal.,1994; Carvalho et al., 1998). Este tipo
de omportamentopode onduzir a duas situações indesejáveis:
•
Seosistema deenergiaéprojetado parauma argasub-estimada,este setornaráinapazde atender ademanda emum urtointervalode tempo,sendo neessária
umanovaexpansão. Nesteasooinvestimentoneessárioparasefazeraexpansão
somado ao investimento iniial para instalação da rede é sempre maior que o
investimentoneessário aso a rede nal fosse instaladaa priori.
•
Por outro lado, se uma arga super-estimada é onsiderada no projeto da rede,pode-se ter um sistema exessivamente aro e que trabalha om alto nível de
apaidadeoiosa.
Portanto,o projeto de redes de distribuição de energiaelétriadevelevar emonta
não apenas a arga atual onetada a rede, mas a arga para um dado período de
tempofuturo. Issosigniaqueoprojetopossuiinertezas intrínseas,já queasargas
futuras não podem ser estimadas om exatidão (Willis and Northode-Green , 1983;
Morsiet al., 1994).
O projeto de redes de distribuição de energiaé denido omo um problema de
oti-mizaçãoombinatórianão-linear(Willisetal.,1996;Carrano etal.,2006). Oproblema
onsiste em enontrar a topologia e os ondutores utilizados em ada onexão. Isto é
feito obedeendo à restrições ténias omo: manutenção da estrutura radial da rede,
atendimentointegraldademanda, manutenção dos níveisde tensãonos nós de argae
obediêniados limites de orrentedas linhas.
Devidoàsaraterístiasdoproblema,restringem-seonsideravelmenteaslassesde
algoritmosquepodemserutilizadosemsuasolução. Algoritmosenumerativos
(Branh-and-Bound, Branh-and-Cut, et) (Vanderbei, 2001), apesar de apliáveis, geralmente
exponenial. Com isso, os métodos heurístios despontam omo alternativas viáveis
paratratar estes problemas. Dentre esses algoritmos,valeressaltaras ténias
evolui-onárias,amplamenteapliadas emproblemas relaionadosas redes de energia elétria.
Alguns trabalhos que utilizam algoritmosevoluionários (AEs) apliados ao problema
de redes de energiaelétria são itadosna Seção 1.2.
Comoresenteaumentodasargasonetadasaosistemadeenergia,surgea
preo-upaçãode osistemanãoser mais apazde atendertodaademanda. Emloaisondeo
sistemajá se enontrasobrearregado, uma alternativaéa inserçãodaGeração
Distri-buída(GD).Ageraçãodistribuídautilizaunidades demenorapaidadeespalhadas ao
longodosistema,omointuitodeatenderasargasamenoresdistânias(Dugan et al.,
2003). O avanço presente na tenologia e o desejo dos onsumidores de terem aesso
a uma energia mais onável e mais barata levou a um aumento no interesse por este
tipode tenologia(Singh etal.,2009). Asunidadesde GDsãogeralmentebaseadas em
energias renováveis, o que ontribui para redução do impato ambiental. Além disso,
para o aso espeío do Brasil, a inserção daGD pode reduzir a dependênia dos
re-ursoshidráuliosparageraçãode energiaeevitar raionamentosomoosoorridosem
2001(Dias etal.,2005). ATabela1.2mostraa produção de energiahidráuliaeeólia
nos anos de 2003 a 2012 no Brasil (Ministériode Minas eEnergia, 2013). De aordo
omosdados apresentados,pode-sepereberoatual resimentonaproduçãode
ener-giaeólianoBrasil. Doanode 2003atéoanode2005 nãohouvesigniativoaumento.
Emontrapartida,entre 2005e2012,oaumentofoionsiderável. Estes dadosmostram
queointeressepelageraçãodeenergiamediantefontesalternativastemganhadoespaço
nopaís. Aproduçãode energiahidráuliateveaumentodeaproximadamente35.9%de
2003 a2012.
Com a inorporação da GD no sistema de energia há uma postergação de
investi-mentos que seriam neessários para a onstrução de novas subestações ou de grandes
entrais de geração. Além disso, o impato ambiental oasionado pela onstrução de
Tabela1.2: ProduçãodeenergiahidráuliaeeólianoBrasilde2003a2012(emGWh).
2003 2004 2005 2006 2007
Hidráulia 305.616 320.797 337.457 348.805 374.015
Eólia 61 61 93 237 663
2008 2009 2010 2011 2012
Hidráulia 369.556 390.988 403.290 428.333 415.342
Eólia 1.183 1.238 2.177 2.705 5.050
Nopresentetrabalhopropõe-seodesenvolvimentodeumalgoritmobaseadono
Non-dominated Sorting Geneti Algorithm II (NSGA-II) (Debet al., 2002) para planejar
a estrutura da rede de distribuição. Este planejamento é feito tendo em onta um
enáriomais provável de arga emum horizontede projeto dado apriori. Oenário
maisprovável éalulado onsiderandooresimentoanualesperadoparaaarga. O
proessode otimização éfeitolevandoemontaa minimizaçãode
i
)
ustosmonetáriosda rede e
ii
)
ustos de faltas da rede (onabilidade). As inertezas das argas sãomodeladas por funções de distribuição de probabilidade que desrevem o resimento
daargaeavariaçãodopreçodaenergiaemada nó. Umproedimentodebusa loal
determinístia é apliado a posteriori, om o objetivo de aumentar a onabilidade e
robustezdas soluções. Osresultadosobtidossãoomparadosomosresultadosobtidos
emTaro etal.(2010).
Em um segundo momentodo trabalho, propõe-se o estudo de ténias para
plane-jamento da ampliação da apaidade de atendimento de lientes. Neste aso, deve-se
aresentar à topologia da rede um novo onjunto de variáveis de deisão, que são as
oordenadas geográas de novas unidades de geração. Estas variáveis se justiam
pela eventual neessidade de se instalar novas unidades de geração para garantir o
atendimento dos lientes om índies de qualidade eonabilidadeaeitáveis.
As unidades de geração aima menionadaspodem ser subestações ouunidades de
geração de baixa apaidade, omumente utilizadas na geração distribuída (GD). A
inorporaçãode novasunidades deGD tornamosistemamaisonávelerobusto, uma
•
suprir uma determinadaárea que deve ser desonetada dosistema prinipalde-vidoà oorrênia de uma falha(miro-redes);
•
atender lientes muito distantes dos entros onsumidores, sem a neessidade deinstalaçãode longas linhas de transmissão;
•
desongestionar arede em regiões sobrearregadas;•
reduzirosustosde atendimentoemhoráriosde pioouemperíodosde aumentode demanda.
Com ointuitode tornaroalgoritmojáitadoapto paraexpansãodaapaidade de
geração, são propostos quatro meanismos loais de aloaçãodas unidades de geração.
Estesmeanismosdisretizamasregiõesandidatasemonjuntosdepontoseprouram
o ponto (ou os pontos) mais adequado para implantação de uma nova unidade de
geração, tendo em onta a minimização dos ustos de instalação e perdas. Quando
omparada à Carrano etal. (2005) e Carrano et al. (2007b), este tipo de abordagem
apresentaalgumas vantagens:
•
reduzotempoomputaionalneessárioparaexeuçãodométodo, umavez queoposiionamentodasunidadespodeserrealizadodentrodoalgoritmoevoluionário,
sem a neessidadede exeuções iterativas;
•
permite oposiionamentode múltiplasunidades de geraçãosimultâneas;•
torna possível tratarregiõesdisjuntas de instalaçãodas unidades de geração.Osquatromeanismospropostosparaaloaçãodeunidades degeraçãoforam
testa-dosemsistemasde 7,20e99nós deargaonsiderandoaversãomono-objetivodoAG
proposto, onde éfeitaaminimizaçãodousto monetáriodarede para umhorizontede
tempo de 10 anos. Os resultados obtidos nestes testes foram utilizados para
determi-nação do método de posiionamentode novas unidades de geração a ser utilizado nos
Foram obtidosresultados para sistemas de 7 e 49 nós de arga utilizandoa versão
mono-objetivodoalgoritmoproposto eposiionamentode 1subestaçãopara
ompara-ção om resultados obtidosem Carrano etal. (2005). Neste aso não foramanalisadas
robustez e onabilidadedas redes obtidas.
Para obtenção dos testes nais, o proedimento de busa loal determinístia
de-senvolvido naprimeiraetapa dotrabalho, sendoeste omposto portrês operadores:
i
)
operador de aprimoramentodos ustos,
ii
)
operador de aprimoramento da robustez eiii
)
operadorde aprimoramentodaonabilidade,foiagrupado omo meanismoparaaloação de novas unidades de geração desenvolvido, dando origem à uma ferramenta
de planejamento de sistemas de distribuição apaz de obter redes robustas, onáveis
e menos onerosas. A versão multiobjetivo doalgoritmogenétio proposto foi utilizada
e testes foram feitos para o sistema de 49 nós de arga para o posiionamento de 1 e
2 novas unidades de geração de energiaeólia. Nestes testes foramonsideradas omo
variáveis inertas o resimento da arga, a variação no preço da energia e a variação
napotênia produzidapelaturbinaeólia.
1.2 Revisão Bibliográa
1.2.1 Apliação de Algoritmos Evoluionários ao Problema de
Redes de Energia Elétria
Como já menionado anteriormente, os algoritmos evoluionários são uma boa
al-ternativa naresolução de problemas de rede devido àsua exibilidadeerobustez. São
algoritmosquenãodependemde premissasmatemátiasomolinearidade,onvexidade
ou difereniabilidade, além de serem de fáil implementação omputaional. Somado
a estas vantagens, ainda pode-se itar sua vasta utilização na literatura para solução
de problemas de redes. Alguns trabalhos que utilizam estes algoritmos para a
solu-ção de problemas envolvendo o sistema de energia são itados ao longo dos próximos
No trabalho de Miranda etal. (1994) é proposto um algoritmo genétio para
re-solver o problema de planejamento multi-estágiode redes de distribuição. O período
de planejamento é dividido em estágios e uma arga de pio é onsiderada para ada
estágio. O projetoé feito para adaestágio por vez eo algoritmofornee um onjunto
de deisõesde investimentoemordem ronológia.
UmalgoritmogenétiomodiadoépropostoemSu and Lii(2002)paradeterminar
osíndiesótimosde onabilidadedos omponentes deum sistemade distribuição. Os
índies de onabilidade onsiderados são taxa de falha e duração das interrupções.
A função objetivo a ser minimizada é o usto anual que inlui os investimentos em
omponentes do sistemae osustos ausados porinterrupções.
O algoritmo Ant Colony System (Dorigo and Gambardella, 1997) é utilizado no
projeto de redes de distribuição de energia em Goméz et al. (2004). O problema é
tratado omo sendo um problema não linear inteiro. O proesso de otimização é feito
onsiderandoa minimizaçãodos ustosde instalaçãoeoperação.
No trabalho de Parada etal. (2004) é utilizado o algoritmo Simulated Annealing
(Kirkpatrik etal.,1983)noprojetoderedesdedistribuição. Afunçãoobjetivoengloba
os ustos referentes à subestações, alimentadores e perdas. A solução do problema
é obtida resolvendo dois sub-problemas:
P
1
, que é um problema de árvore geradoramínima,e
P
2
, queé um problema de uxo de potênia.EmCarrano et al.(2005)sãoutilizadosumalgoritmogenétioeumalgoritmo
quasi-Newton BFGS para resolver o problema da expansão de uma rede de distribuição de
energiaelétria. OalgoritmoBFGSenontraaposiçãodasubestaçãoonsiderandoxa
a topologia da rede e o algoritmo genétio é utilizado para enontrar a topologia da
rede onsiderandoa posição dasubestação xa. O proesso de otimização éfeito para
a minimização do usto monetário da rede. Resultados são obtidos para um sistema
de distribuição real om 8 nós e para um sistema tíio om 50 nós. Uma extensão
multiobjetivodesse algoritmoépropostaemCarrano etal.(2007b). Oproessode
dos ustos de falta darede. A estimação doonjunto Pareto é feitaassoiando as
té-nias
P
λ
eP
ǫ
. Resultados são obtidos para o mesmosistema real de 8 nós onsideradoemCarrano et al.(2005).
O projeto de iruitos de distribuição seundários é formulado omo um problema
de programaçãonão linear inteiro emCossi et al. (2005). Para resolver este problema
éproposto um algoritmogenétio desenvolvidopara onsiderar asaraterístias
espe-íasdo planejamentode redes seundárias. A função objetivoonsidera osustos de
substituiçãode ondutores,posiçãodetransformadores,balançodeargaeperdas. Um
algoritmode uxo de potênia trifásio éutilizadopara avaliarestas grandezas.
Em Ramírez-Rosadoand Domínguez-Navarro (2006) para resolver o modelo fuzzy
multiobjetivoparaoplanejamentoótimodesistemasdedistribuiçãode energiaelétria
(Ramírez-Rosadoand Domínguez-Navarro, 2004) é utilizado um algoritmo de Busa
Tabu (Reeves, 1993). As funções objetivo são: usto eonmio fuzzy, nível de
ona-bilidadefuzzy emaximizaçãoda robustez. É tambémonsiderado o dimensionamento
e loalização de alguns pouos alimentadores reservas para aumentar a onabilidade
do sistema. O oneito de vizinhança é utilizado, segundo o qual uma rede vizinha é
aquela na qual movimentos espeíos são feitos omo a adição de uma subestação, a
mudançada apaidadeda subestaçãoou amudançanotamanhodo alimentador.
OtrabalhoapresentadoemSilvaetal.(2006)onsideraoplanejamentodaexpansão
de uma rede de transmissão om inertezas nas demandas, sendo estas representadas
por intervalos. O proesso de otimização é feito para a minimização dos ustos de
instalaçãode novaslinhas. Dois modelos distintossão utilizados: oprimeiro onsidera
a inerteza do sistema de potênia omo um todo e o segundo onsidera a inerteza
de ada barra de arga individualmente. O algoritmo CBGA (Chu-Beasley Geneti
Algorithm)(Chu and Beasly , 1997) é usado para resolver o problema. Este algoritmo
possuialgumaspartiularidades,omo:
i
)
utilizaumafunçãodeuntness quequantiaa infatibilidade da solução;
ii
)
substitui somente um indivíduo a ada iteração;iii
)
OStrengthParetoEvolutionaryAlgorithm(SPEA)(Zitzlerand Thiele,1999)é
uti-lizadonoprojetomultiobjetivodesistemadedistribuiçãodeenergiaemMendozaet al.
(2006). Asfunçõesobjetivosãoaminimizaçãodosustostotaisdaredeeamaximização
daonabilidadedosistema. Assoluçõesenontradas representam a topologiadarede
inluindoosalimentadoresreserva. OalgoritmoFCM(Fuzzy C-Means)(Bezdek et al.,
1999)éusado juntamente omoalgoritmoSPEApara reduziradimensão doonjunto
de soluções não dominadas que é armazenado externamente quando sua dimensão
ex-ede olimite espeiado.
Em Carrano etal. (2006) o projeto de redes de distribuição de energia é tratado
omo um problema multiobjetivo onde é feito o proesso de otimização tendo omo
funções objetivo o usto monetário da rede e o usto de falta da rede. É utilizado
o algoritmo genétio om operadores espeíos de ruzamento e mutação. Além da
topologiadaredesãotambémenontradosabosreservaparaaumentaraonabilidade
darede.
O planejamento da expansão de sistemas de distribuição de energia é modelado
omo um problema dinâmio om variáveis inteiras em Carrano et al. (2008). A
ex-pansão do sistema é feita por passos inrementais no tempo. Um algoritmo genétio
hamadoDynamiProgrammingGenetiAlgorithm(DP-GA)épropostopararesolver
oproblema. O algoritmofornee um onjuntode deisões de instalaçãoom o tempo.
No trabalho de Ganguly et al. (2009) o planejamento de redes de distribuição de
energia elétria é feito onsiderandoa minimização dos ustos de operação e de
insta-lação da rede e a minimização dos ustos de falta da rede. O objetivo é enontrar a
melhor topologia para a rede utilizando o algoritmo PSO (Partile Swarm
Optimiza-tion) (Kennedy and Eberhart, 1995). A solução enontrada pelo algoritmo fornee o
número ea loalizaçãode abosreserva narede, além da topologiaem si.
EmGanguly etal.(2011)oproblemade redesdedistribuiçãode energiaéresolvido
paraosasosmonoemultiobjetivo. Oobjetivoéenontraratopologiadaredeeo
instalaçãodaredeeperdasde energiaonsiderandooplanejamentoestátiodosistema.
Noaso multiobjetivoéaresentada aminimizaçãodototalde energianão entreguee
oproesso de otimização éfeito para oproblema estátio ede expansão dosistema. O
algoritmo utilizado é o PSO (Partile Swarm Optimization) (Kennedy and Eberhart ,
1995). As soluçõesforneematopologiadarede, onúmerode alimentadorespara ada
subestação e a loalização da subestação. A robustez da melhor solução enontrada
parao aso mono-objetivoéavaliadapara um horizontede tempo futuro onsiderando
taxasde resimento anualda arga.
NotrabalhodePanda and Yegireddy(2013)oalgoritmoNSGA-II(Deb et al.,2002)
é utilizado para ajustar ontroladores PI (Proporional Integral) e PID (Proporional
Integral Derivativo) para o ontrole automátio da geração. Em (Rao and Vaisakh,
2013) um algoritmo de seleção lonal multiobjetivo éutilizado para tratar o problema
dodespaho ótimo onsiderandoinertezas na arga. Este mesmo problema é tratado
notrabalhode Basu(2013) utilizandoo algoritmoArtiialBee Colony (ABC) .
Otrabalhode Rivas-Dávalos etal.(2007)mostrauma revisãode trabalhos que
uti-lizamalgoritmosevoluionáriosnoprojetomultiobjetivode sistemasdedistribuição de
energia. De aordoom osautores, osprimeirostrabalhos nestaárea forampubliados
em 1.994. Foi observado que a maior parte destes trabalhos modelaram o problema
multiobjetivoom apenas umafunção objetivoutilizandofunções ponderadas. Grande
partedetrabalhosreentestrataoproblemaemumambientemultiobjetivoomfunções
objetivo separadas. Os autores destaam que é irreversível a tendênia de se utilizar
algoritmosevoluionários multiobjetivo para tratar o problema do projeto de redes de
distribuição de energia, já que estes métodos lidam bem om os problemas de rede e
superam aslimitaçõesgeralmenteimpostas pormétodos onvenionais.
1.2.2 Planejamento Robusto de Sistemas de Energia
Aolongodessaseçãosãoitadostrabalhosquevisamaobtençãoderedesdeenergia
No trabalho de Carvalho et al. (1998) é tratado o problema do planejamento da
expansãoderedesde distribuiçãoominertezas. Umonjuntodeenáriosponderados
representam asaraterístiasestoástiasde demandade argaeevoluçãodousto de
investimento. Cada enáriorepresenta uma sequênia de possibilidades para um
hori-zontede tempo disretizadoem estágios. Iniialmente, assume-se que,para o primeiro
estágio, pode-se prever om boa preisão os parâmetros inertos. Assim, as soluções
paraosestágiossubsequentes terãoemomumumaboasoluçãoparaoprimeiroestágio.
Cada enário tem então mais de um estágio e é onsiderado omo um sub-problema.
Umasolução deve ser enontrada para ada um deles.
Nahman and Peri (2003)propõemummétodoparadeterminarograude inerteza
nos álulosde alguns dados de saídarelaionados aosistema de distribuição: máxima
orrentedearga,máximaquedadetensão,perdadeenergiaeíndiesdeonabilidade.
Para isto, os dados de entrada (orrente de pio da demanda de arga, taxa de falha
do alimentador por unidade de omprimento, duração da interrupção e tempo para
loalização da falta) são modelados omo variáveis fuzzy om funções de pertinênia
triangulares.
Na referêniaCarrano etal.(2007a) étratado oproblema da expansãode redes de
distribuiçãode energiaonsiderandoinertezasnaevoluçãodas argas. Paraenontrar
um onjunto de soluções andidatas é apliado o algoritmo imune inspirado CSA-DN
para o enário de arga mais provável. O desempenho das soluções enontradas é
avaliado para enários distintos do mais provável por meio de Simulações de Monte
Carlo(Manno,1999). Umaanálisede sensibilidademultiobjetivoéfeitaparaseleionar
assoluçõesmais robustas. Resultados são obtidos para um sistema de 21nós.
UmalgoritmomemétiomultiobjetivoéutilizadoemMori and Yoshida(2009)para
planejamentodaexpansãoderedesdedistribuição. OalgoritmousaooperadorRMSLS
(random-multi start loal searh) para realizar a busa loal. Três funções objetivo
devem ser minimizadas: usto de instalação do sistema, perda de potênia ativa nos
novos alimentadores, subestações e unidades de geração. Simulações de Monte Carlo
sãoutilizadasparaonsiderarasinertezasnoresimentodaargaemadanódarede
e apotênia de saída dos geradores eólios.
O algoritmo NSGA-II (Deb etal., 2002) é utilizado em Taroet al. (2010) para
enontrar soluções robustas noprojeto multiobjetivode redes de distribuição de
ener-gia elétria. Os objetivos onsiderados são: minimização do usto monetário da rede,
minimizaçãodousto de falta darede (maximizaçãoda onabilidade)emaximização
damínimapotêniaexedente nos ondutores (maximizaçãodarobustez). O onjunto
de soluçõesfatíveisenontrado peloNSGA-II para o enáriomais provável de arga
tem seu desempenho avaliado para enários de arga distintos do mais provável
uti-lizandoSimulações de Monte Carlo. São onsideradasinertezas naevolução daarga
e no usto da energia para ada nó. As soluções mais robustas são obtidas em uma
análise de sensibilidade multiobjetivo. Estas soluções são submetidas a um algoritmo
de busa loal para enontrar o onjunto nal de soluções eientes e robustas. Os
resultados obtidossão omparadosom Souza(2007).
Em Souzaet al.(2011), a mesmaabordagemproposta em Carrano etal. (2007a)é
seguida. É feita uma melhoriadoalgoritmoatravésdo desenvolvimentode operadores
de busa loal. Essa alteração leva à obtenção de redes de distribuição mais robustas
om ustos de instalaçãomais baixos.
NotrabalhodeWang etal.(2011)épropostooBalanedGenetiAlgorithm(BGA)
para resolver o problema da expansão multi-estágio de sistemas de energia. Após o
proessodeotimização,oMDEA(modieddataenvelopmentanalysis)éutilizadopara
avaliaro desempenhode adaplano para diferentes enários de inerteza. Oalgoritmo
ébaseado emtrêsoperações:
(
i
)
onstruçãodeplanosdeexpansão,(
ii
)
avaliaçãodestesplanos onsiderando inertezas (possíveis enários distintos) e
(
iii
)
seleção da melhorestratégia.
EmMartins and Borges (2011)oplanejamentodaexpansãoderedesdedistribuição
té-nias onvenionais de expansão. É feita uma otimização multiobjetivo onsiderando
onabilidade,perda de energia,energiaimportada darede de transmissãoe ustos de
investimento,utilizandoumalgoritmogenétio. Sãolevadasemontainertezasna
de-mandae naenergia forneidapelas unidades dageraçãodistribuída. Duas abordagens
são utilizadas para agregar os resultados obtidos em múltiplos enários possíveis das
variáveis aleatórias:
i
)
na primeira abordagem, o algoritmo genétio é utilizado paraenontrar uma alternativa de expansão para ada enário, sendo assoiada aoenário
uma probabilidade de oorrênia. Após a obtenção de todas as soluções, é realizado
um proesso de deisão, que busa a alternativa mais adequada ao problema.
ii
)
nasegunda abordagem, o algoritmo genétio é exeutado apenas uma vez, onsiderando
todos os enários gerados, ada um om sua probabilidade de oorrênia. Nos testes
realizados asegunda metodologiamostroumelhoressoluções.
1.2.3 Objetivos
Esta tese de doutorado sefundamenta noseguinteobjetivo prinipal:
Construir uma ferramenta de planejamento da instalação e expansão de sistemas de
distribuiçãode energiaelétria queseja apaz de:
•
projetar a estrutura da rede (topologia) assim omo denir o tipo e apaidadedos ondutores utilizadosemada onexão;
•
posiionarnovasunidadesdegeraçãoesubestaçõesparaampliaçãodaapaidadede atendimentode lientes;
•
aloar eespeiar unidades de geraçãodistribuída aolongo do sistema;•
estudar o impato da inserção de unidades de geração distribuída no sistema dedistribuiçãode energiaelétria.
Todosestesaspetosdevemsertratadosemumambientemultiobjetivo,onsiderandoo
assoluçõesofereidasaoprojetistadevemserrobustas aeventuais inertezasexistentes
nos parâmetros de entrada do problema (arga,disponibilidade de geração, et).
Pretende-se ainda alançarosseguintes objetivos espeíos:
•
desenvolver ferramentas de busa loal determinístia para melhoria do usto,onabilidadee robustez das soluçõesandidatas;
•
propormeanismos de baixousto paraposiionamentode subestações/unidadesde geração nosistemade distribuição de energia elétria;
•
fazer um estudo sobre os impatos oasionados pela inserção da geraçãodistri-buída nosistema de distribuição de energia, espeialmente noque tange à
on-abilidadeerobustez dosistema;
•
dimensionare aloar unidades de geraçãodistribuída nosistema de distribuição;Geração Distribuída
2.1 Introdução
A geração distribuída (GD) utiliza geradores de baixa apaidade de geração,
dis-tribuídosaolongo dosistemaelétrio,om ointuitode atender asargas aumamenor
distânia(Dugan et al., 2003). A GD tem um potenialinteressante para melhoria do
sistemadedistribuição,devidoaoseumenorusto,pequenotamanho/alta
modulariza-ção,benefíioambientalereduçãodasperdasedosinvestimentosneessáriosparasuprir
o aumento de arga (Haghifam and Hadian, 2010). Sua utilização no sistema de
dis-tribuição tem aumentado onsideravelmente nos últimos anos (Haghifam and Hadian,
2010).
Ooneitode baixapotêniaempregadonaGDvariadeautorparaautor. Segundo
Dugan et al. (2003), devem ser empregados na GD geradores om apaidade inferior
a 10MW. Já para Dias etal. (2005), a geração distribuída no Brasil é denida por
unidades de geração de até 50MW.
Originalmente, os sistemasde energia elétriaeram onstituídos de pequenos
gera-dores, ongurados em ilhas isoladas (Dugan et al., 2003). Com o passar do tempo a
geração foi então para longe dos entros urbanos para que a geração asse próxima
às fontes utilizadas na geração (Dugan et al., 2003). Reentemente, a implantação da
e tem permitidolidar om os resimentos ontínuos de arga de forma adequada.
De aordoom Dugan etal.(2003), osbenefíios dageração distribuídapodem ser
analisados sob três perspetivas:
1. Consumidoresnais: osonsumidorespodemsebeneiaromaexistêniadeum
bakup de geração que, por sua vez, melhora a onabilidade do sistema. Além
disso, os onsumidores podem ser remunerados pelaomerialização de parte da
sua apaidade de geraçãode energia.
2. Sistemadeenergia: ainstalaçãodeunidadesde GDpodereduziraneessidadede
intervençõesde expansões nosistema para lidar om oaumento de arga. Ainda
que essas instalações sejam neessárias futuramente, a instalação da GD pode
postergarestes investimentos, oque reduz seu valorpresente.
3. Comeriantes de energia: asunidades de GD podem ser onetadas diretamente
aosistemade energiaouainda atender argasainda desonetadas. Este tipo de
vantagempermiteatenuar asperdas ténias ereduziros ustosneessários para
atendimento de lientes emáreas de difíilaesso.
Ainda segundo (Dugan etal., 2003), algumas tenologias mereem maior destaque no
ontexto dageração distribuída:
1. Turbinas de ombustão: as turbinas de ombustão omumente utilizadas na
o-geraçãopossuemapaidadesentre
1
MWe10
MW(unidadesdemaiorapaidadesão normalmente onetadas ao sistema de transmissão). Nesses equipamentos,
o gás natural é o ombustível mais omum, embora ombustíveis líquidos
tam-bém sejam utilizados. Reentemente também têm sido utilizadas mini e
miro-turbinas, onsideravelmente mais ompatas, e om apaidades nas asas de
300
−
400
kW e30
−
75
kW respetivamente.2. Células ombustível: as élulas ombustível são unidades de geração sileniosas
que não apresentam emissões noivas ao meio ambiente durante seu
eletromeânio baseado na onversão do hidrogênio. É gerada orrente ontínua
(CC), sendo neessário o uso de inversores. Além disso, o usto da tenologia é
alto.
3. Turbinas eólias: as turbinas eólias têm apaidade de geração entre
700
−
1200
kW e são geralmenteagrupadas emfazendas eólias para riar banosquevariam de
200
a500
MW. Devido àsrestriçõesgeográas e àspotêniasenvolvi-das, são geralmenteonetadas ao sistemade transmissão de energia.
4. Célulasfotovoltaias: asélulasfotovoltaiassão geralmenteutilizadasjuntoom
banos de bateria para atendimento de lientes de difíil aesso. A apaidade
de ada unidade empregada para ns resideniais varia entre
2
e6
kW. O ustode instalação é alto, além de ser neessária a instalação de inversores devido a
geraçãoCC.
2.2 Geração Distribuída no Brasil
A implantaçãoemlarga esala dageração distribuídano Brasiltraz oportunidades
aomesmotempoqueenfrentabarreiras,omodisutidonasequênia(Diaset al.,2005):
2.2.1 Oportunidades
Postergação de investimentos
Oresimentoda argaonetada aosistema de energiafaz omque novos
equipa-mentostenhamqueserinstaladosparaaliviarasobrearga. Seistonãoforfeito,oriso
de oorrêniade falhasaumentaonsideravelmente, oqueomprometeaonabilidade
dosistema eaumentaos ustos de operação emanutenção.
A instalaçãode GD em determinadospontos alivia asobrearga do sistema,
possi-bilitandoà onessionáriapostergar investimentosdestinados àompra de novos
Redução de perdas
As perdas de energia que oorrem quando a energia é transmitida por meio dos
sistemasde transmissão edistribuição podem ser signiativas,espeialmentesob
on-diçõesde sobrearga. Ainlusãode GDenurtaoperursoaté oliente, oquereduzos
ustos deorrentes das perdas ténias. Essa redução pode ser utilizadapara aumento
damargemde luro oupara adquirir maior ompetitividadede merado.
Conabilidade
A instalaçãodageração distribuídatem potenialde:
•
aumentara qualidadeda energiae garantir forneimentosem interrupções;•
ontribuir paraamelhoriadaqualidadede energiaemáreas ongestionadas eemloais estrategiamente(ou eonomiamente) relevantes;
•
evitar longos períodos de interrupção de atendimentode energia.Atendimento a argas distantes e omunidades isoladas
Em alguns asos, a onstrução de linhas de transmissão em determinados loais
não é uma tarefa fáil nem barata. Assim, áreas isoladas podem se beneiar om a
instalação de unidades de geração distribuída. A GD pode também ontribuir om a
melhora no perl de tensão nos nós de arga loalizadasnas extremidades da rede de
distribuição.
Redução de áreas alagadas
A instalação da geração distribuída para lidar om o aumento de arga reduziria
a neessidade de onstrução de novas usinas, reduzindo o impato ambiental e soial
Miro-redes / Ilhas de operação
Unidades de GD podem ser instaladas em determinadas áreas para atender a
de-mandaaso oorrauma faltae asubestação não mais possa forneer energiapara esta
área.
2.2.2 Barreiras
Custo das tenologias
O usto ainda alto das tenologias utilizadas na GD tem freado o seu
desenvolvi-mentonoBrasil. Quandoomparadosaoustodaenergiageradapormeioshídrios,os
ustos de instalação e operação destas tenologias ainda é alto. No entanto, espera-se
que estes ustos reduzam om o tempo, devido ao uso ada vez mais intenso desses
equipamentos.
Proedimentos de operação e proteção
Ainserçãodageraçãodistribuída dáorigemàuxos de energiabidireionaisepode
gerarredesemanel. Osistemade proteçãonormalmenteadotadodevesermodernizado
para lidar om este tipo de situação.
Poluição sonora
Uma entral de o-geração onstituída de turbinas a gás por exemplo, pode gerar
grande ruído em seu entorno. Se o valor deste ruído em deibéis ultrapassar o valor
permitido, a instalação de sistemas de atenuação de ruído será neessária, o que irá
aumentaro usto dainstalação.
Emissão de poluentes
Aqueimade ombustíveisemturbinasde ombustão,porexemplo,ausa aemissão
Formulação do Problema de Redes de
Distribuição de Energia Elétria
3.1 Representação das variáveis
3.1.1 Grafos
Um grafo
G
(
V, A
)
é denido omo um onjunto nitoV
de vérties (ou nós), umonjuntonito
A
de arestas(ou onexões) euma matrizdeadjaêniaM
A
, queassoiaa ada aresta
a
∈
A
um par não ordenado de vérties deV
(não neessariamentedistintos), hamados de extremos de
a
(Bondy and Murty, 1976; Wilson, 1996). AFigura3.1mostraumexemplodegrafonão-direional,
G
(
V, A
)
,omseis vértiesdadospor
V
= [1
,
2
,
3
,
4
,
5
,
6]
edez arestasrepresentadas porA
= [
a, b, c, d, e, f, g, h, i, j
]
.Ografoompleto, que éonstituídoportodas aspossíveisarestasentre os vérties,
india o espaço de busa para o problema de otimização de redes. O grafo ompleto
(
G
c
) para o onjunto de vérties da Figura 3.1 é mostrado na Figura 3.2. O númerode arestas (
m
) e a matriz de adjaênia (M
A
) assoiados a este grafo são dadas pelasEquações(3.1) e (3.2). O número de nós dografoé dado por
n
.Osistemadedistribuiçãodeenergiaelétria,queéoobjetodeestudodestetrabalho,
é representado por grafos estruturados omo árvores, om arestas não-direionadas e
ENERGIAELÉTRICA 22
distribuição de energia e ada aresta representa a onexão existente entre dois nós do
sistema. O projetode redesde distribuiçãode energia elétriaonsisteembusar uma
árvore queseja sub-grafo de
G
c
eatenda às restrições ténias do problema aomesmotempo que otimizaum ou mais ritériosde projeto.
1
2
4
3
5
6
a
c
b
d
e
f
g
h
i
j
Figura3.1: Exemplo de grafo.
1
2
3
5
6
4
Figura 3.2: Grafoompleto para o grafoda Figura3.1
m
=
n
(
n
−
1)
2
(3.1)M
A
=
a
ii
= 0
a
ij
= 1
∀
i
6
=
j
ENERGIAELÉTRICA 23
3.1.2 Árvores
Um grafo
G
(
V, A
)
qualquer pode ser denido omo uma árvore, see somente se,G
éum grafo onexosem ilos(Figura3.3). Alguns teoremas importantes sobreárvores
são transritos abaixo:
1
2
4
3
5
6
a
b
d
h
j
Figura 3.3: Exemplo de árvore.
Teorema 3.1 Existe um e apenas um aminhoentre qualquer par de vérties emuma
árvore.
Teorema 3.2 Uma árvore om
n
vérties possuin
−
1
arestas.As demonstrações desses teoremas podem ser enontradas em(Narsingh, 1984). A
remoçãoouadiçãode umramoemumaárvore fazomqueeladeixede serárvore,uma
vez que o grafo resultante é desonexo ou ontém ilos após a operação. O Teorema
de Cayley (1889) (Teorema 3.3) também é extremamente relevante para a otimização
de grafos.
Teorema 3.3 Teorema de Cayley - Em um grafo ompleto
G
c
omn
vérties em
=
n
(
n
−
1)
2
arestas, existemn
n
−
2
árvores quesão sub-grafos de
G
c
.Pelo Teorema de Cayley perebe-se que, para o problema de redes representadas
ENERGIAELÉTRICA 24
podem ser obtidasaumentede forma muito rápida.
3.1.3 Representação das Variáveis
Emgeral, ografoompleto
G
c
deneo espaçode busa doproblema de otimizaçãode redes. Isso signiaqueexisteuma variávelbináriaassoiadaaadaaresta dografo
quedene se elaestá ou não habilitada.
Essa denição induz uma representação natural,baseada emuma lista de números
binários, omo a apresentada na Equação (3.3). Nesta odiação, se
x
i
= 1
, entãoos nós referentes à onexão
i
estão onetados; por outro lado, sex
i
= 0
, não existeonexão entre eles.
de
1
1
. . .
2
2
. . . n
n
−
1
para
2
3
. . .
3
4
. . .
n
n
X
=
[
x
1
x
2
. . . x
k
x
k
+1
. . .
x
m
]
x
i
∈
[0
,
1]
(3.3)Neste trabalho, as variáveis
x
i
podem assumirvaloresdistintos de0
ou1
, pois elasrepresentam otipodeaboaser utilizado(Ramírez-Rosadoand Bernal-Agustín,1998).
Portanto, supondo a disponibilidade de
t
c
abos distintos (ordenados por apaidadede orrente), as restrições
x
i
∈
[0
,
1]
devem ser substituídas pelas apresentadas naEquação (3.4).
x
i
∈ {
0
, . . . , t
c
} ∀
i
∈ {
1
, . . . , m
}
(3.4)3.1.4 Representação das Subestações / Unidades de Geração
Para os problemas em que é onsiderado o posiionamentode novas subestações e
unidades de geração, estas são representadas pelas oordenadas
x
ey
de onde serãoinstaladas. Informações adiionais, omo tipo de unidade e apaidade, podem ser
ENERGIAELÉTRICA 25
3.2 Formulação dos Problemas Mono e Multiobjetivo
de Redes de Distribuição de Energia Elétria
O projeto de redes de distribuição de energia elétria onsiste em busar uma ou
mais árvores que sejam sub-grafos de
G
c
, atendam às restrições ténias do problemae minimizemuma ou mais funções de usto. Formulações mono e multiobjetivo deste
problema são desritas na sequênia.
3.2.1 Formulação Geral do Problema Mono-objetivo
Considerandoarepresentaçãodasvariáveisparaoproblemaderedesdedistribuição
de energia elétria apresentada na Seção 3.1.3 e sendo
f
mc
uma função que se deseja
minimizar,pode-se formular o problema de projeto de redes de distribuição de energia
omo:
{N
,
S}
∗
= arg min
N
,
S
f
mc
(
N
,
S
)
(3.5)
sujeito a:
{N
,
S} ∈ F
N
,
S
(3.6)onde
F
N
,
S
éo onjunto de soluçõesfatíveis.No aso espeío das redes de distribuição, três aspetos devem ser levados em
onta:
•
minimizaçãodo investimentonosistema;•
minimizaçãodos ustos de manutenção darede;•
minimizaçãodas perdas narede.Osaspetos aimaitadospodemser agregados emuma úniafunção objetivo,que
representaafunçãoustodarede. Estaagregaçãoépossívelporquetodoselessão
ENERGIAELÉTRICA 26
naneiros são apliados (Ramírez-Rosadoand Bernal-Agustín, 1998; Carrano et al.,
2006). A Equação(3.7) representa a função objetivo para o problema de redes de
dis-tribuiçãode energia elétriapara o aso mono-objetivo.
f
mc
(
N
,
S
) =
X
i
∈S
sc
(
s
i
) +
X
i
∈N
N
bc
(
n
i
)
·
l
(
i
a
, i
b
) +
X
i
∈N
S
bc
(
n
i
)
·
l
(
i
a
, i
b
)+
+
dt
X
t
=1
(
X
i
∈N
N
[
l
(
i
a
, i
b
)
·
mc
(
n
i
) +
lc
(
i
)] +
+
X
i
∈N
S
[
l
(
i
a
, i
b
)
·
mc
(
n
i
) +
lc
(
i
)]
)
(1
−
ir
)
t
−
1
(3.7)
onde:
f
mc
(
N
,
S
)
éo usto monetário darede om ondutores
N
e unidades de geraçãoS
;N
= [
n
1
. . . n
m
]
éoonjuntodeondutoresinstaladosnarede,talqueN
=
N
N
∪N
S
;S
= [
s
1
. . . s
g
]
é o onjunto de unidades de geraçãoinstaladasna rede;N
N
é o onjunto de ondutores que não estão onetados a nenhuma unidade degeraçãoem
S
;N
S
é o onjunto de ondutores que estão onetados a ao menos uma unidade degeraçãoem
S
;dt
é otempode projeto onsiderado;sc
(
s
i
)
é o usto de instalação de uma unidade de geração do tipo/apaidades
i
(emR
$
);bc
(
n
i
)
éo usto de instalaçãode um ondutor dotipo/apaidaden
i
(emR
$
/km);l
(
i
a
, i
b
)
é o omprimentodo ondutor neessário para onetar os nósa
eb
(em km);ENERGIAELÉTRICA 27
mc
(
n
i
)
éoustodemanutençãodeumondutordotipo/apaidaden
i
(emR
$
/km/ano);lc
(
i
) = 8760
·
lf
·
et
·
P
L
(
i
)
é o usto totalde perdas no ramodo tipo
i
(emR
$
/ano);ir
éa taxa de jurosanual;lf
éo fatorde perda;et
éa tarifade energia(emR
$
/kWh);P
L
(
i
)
é a perda de energia noramo
i
(em kW).A rede deve atender a requisitos ténios de projeto. Portanto, ao menos quatro
restrições devemser atendidas (Willisetal., 1996):
•
c
1
: atendimentode todos osonsumidores;•
c
2
: manutenção da estrutura radialda rede;•
c
3
: trabalhar sob o limite de apaidade de transferênia de potêniadas linhas;•
c
4
: atender aos níveis de tensão regulamentados para os nós de arga.Quantoaloalizaçãodasunidadesde geração,duasrestriçõesdevemserobedeidas:
•
c
5
: as oordenadasx
ey
possuem valores mínimos e máximos delimitados pelasregiõesandidatas para seposiionar asunidades de geração;
•
c
6
: asunidadesdegeraçãonãopodemserposiionadasemalgumasregiõesdevidoaaidentes geográos ourazõesténias e naneiras.
O antedimento das restrições
c
1
ac
4
garantem queN ∈ F
N
,
S
. Por sua vez, asrestrições
c
5
ec
6
são neessárias para assegurar queS ∈ F
N
,
S
.Quando oproblema de redes de distribuiçãode energiaelétriaétratadode aordo
ENERGIAELÉTRICA 28
solução que é a rede que representa usto monetário mínimo e atende a todas as
res-triçõesdo problema. A solução obtida mostra a topologia da rede, as oordenadas da
subestação ou unidade de geração e sua apaidade. No aso de unidades de geração
distribuída,a solução tambémindia otipo de energia alternativautilizada.
A formulação adotada é adequada mesmo quando não é neessário posiionar
no-vas unidades de geração. Neste aso basta desonsiderar os termos da Equação (3.7)
assoiadosà elas. Neste aso, afunção usto monetário darede torna-se:
f
mc
(
N
) =
X
i
∈N
N
bc
(
n
i
)
·
l
(
i
a
, i
b
) +
dt
X
t
=1
(
X
i
∈N
N
[
l
(
i
a
, i
b
)
·
mc
(
n
i
) +
lc
(
i
)]
)
(1
−
ir
)
t
−
1
(3.8)
3.2.2 Formulação Geral do Problema Multiobjetivo
Em muitos asos prátios, a minimização do usto não é suiente para garantira
obtenção de bons resultados no problema de redes de distribuição de energia elétria.
Aabordagemmultiobjetivopara este problemaaquitratadalevaemonsideraçãodois
aspetos:
•
minimizaçãoda quantidade média anualde interrupções;•
minimizaçãoda duração médiadas interrupções.Estes dois aspetos podem ser agregados em uma únia função, que é mostrada na
Equação (3.11). Essa função é uma estimativa da onabilidade do sistema por meio
doprejuízo esperado emdeorrênia de suas falhas.
A formulação multiobjetivopara o problema éa seguinte:
X
N
,
S
= arg min
N
,
S
f
mc
(
N
,
S
)
f
f c
(
N
,
S
)
ENERGIAELÉTRICA 29
sujeito a:
{N
,
S} ∈ F
N
,
S
(3.10)onde
X
N
,
S
é o onjunto de soluçõeseientes (Pareto ótimas) para oproblema.A função
f
mc
(
N
,
S
)
é exatamentea mesma apresentada naEquação (3.7).
Por sua vez, a função
f
f c
(
N
,
S
)
está relaionada à onabilidadedo sistema. Esta
funçãoestimaoustoinorridonosistemapelaeventual oorrêniaeduraçãode faltas,
omo pode ser vistona Equação (3.11).
f
f c
(
N
,
S
) =
dt
X
t
=1
(
X
i
∈N
N
λ
(
n
i
)
·
l
(
i
a
, i
b
)
dr
(
n
i
)
·
P
A
(
i
)
·
et
+
f c
(
i
)
+
X
i
∈N
S
λ
(
n
i
)
·
l
(
i
a
, i
b
)
dr
(
n
i
)
·
P
A
(
i
)
·
et
+
f c
(
i
)
)
(1
−
ir
)
(
t
−
1)
(3.11)
onde:
f
f c
(
N
,
S
)
éo usto de falta darede om ondutores
N
e unidades de geraçãoS
;λ
(
n
i
)
é ataxa de falhado ramo tipon
i
(em falhas/km/ano);dr
(
n
j
)
éa duração média por faltadoramo tipon
i
(em h/falha);P
A
(
i
)
é apotêniaativa noramo
i
(em kW);f c
(
i
)
é ousto médio por falhado ramoi
.A resolução deste problema leva a um onjunto de soluções eientes, também
o-nheido omo onjunto de Pareto. O projetista possui então várias opções de redes
quepodemser instaladasedeve fazeruma análisede trade-opara deniramais
ade-quada. A análise de trade-o onsiste em avaliar as troas entre soluções andidatas
ENERGIAELÉTRICA 30
tipode estudono problemade redes de distribuiçãopode ser vistoem(Carrano et al.,
2006).
Da mesma forma que na formulação mono-objetivo, as soluções não dominadas
enontradas na abordagem multiobjetivo trazem a topologia da rede, as oordenadas
dasubestaçãoouunidade degeraçãoesua apaidade. Noasode unidadesde geração
distribuída,asoluçãotambémindiaotipodeenergiaalternativautilizada. Alémdisso,
esta abordagemtambémpode ser utilizadamesmo quando não éneessário posiionar
novas unidades de geração. Neste aso, basta desprezar os termosreferentes à unidade
de geração em(3.11),omo mostrado em (3.12).
f
f c
(
N
) =
dt
X
t
=1
X
i
∈
N
N
λ
(
n
i
)
·
l
(
i
a
, i
b
)
dr
(
n
i
)
·
P
A
(
i
)
·
et
+
f c
(
i
)
(1
−
ir
)
(
t
−
1)
Otimização e Computação
Evoluionária
4.1 Coneitos Relevantes ao Trabalho
Nestaseçãoalgunsoneitosrelaionadosàotimizaçãomultiobjetivoutilizadosneste
trabalhosão desritos. É tambémdesrita a métriaT-norm utilizadanos operadores
de ruzamentoe mutação nos algoritmosgenétios mono e multiobjetivoutilizados.
Conjunto Pareto e Pareto Dominânia
O vetor de soluções no espaço de parâmetros para um problema multiobjetivo é
dadopor
x
sendox
∈
R
n
. Sendo
f
(
.
) :
R
n
7−→
R
m
o vetor de
m
funçõesobjetivodesseproblema, oonjunto
X
∗
de soluçõeseientes é dado por:
X
∗
= arg min
x
f
1(
x
)
. . .
f
m
(
x
)
(4.1)
sujeito a:
g
1(
x
)
≤
0
. . .