Operação de Sistemas de Distribuição Incluindo Veículos Elétricos e Recursos Energéticos Renováveis

(1)

F

ACULDADE DE

E

NGENHARIA DA

U

NIVERSIDADE DO

P

ORTO

Operação de Sistemas de Distribuição

Incluindo Veículos Elétricos e Recursos

Energéticos Renováveis

Pedro Dias Lopes Coimbra

Mestrado Integrado em Engenharia Eletrotécnica e de Computadores Major Energia

Orientador: Prof. Doutor João Paulo da Silva Catalão Coorientador: Doutor Miadreza Shafiekhah

(2)

c

(3)

Resumo

Muitas são as vantagens associadas aos veículos elétricos (EV’s), seja no aumento da eficiência e da confiabilidade dos sistemas de distribuição, bem como na diminuição da dependência de recursos não endógenos e das emissões de gases poluentes.

No futuro, devido ao crescimento expectável dos EV’s, a gestão e o bom funcionamento dos sistemas de distribuição são de extrema importância, e como os estudos atuais apontam, os proprietários de EV’s não utilizam na sua generalidade os veículos entre 93% e 96% do dia, pelo que importa otimizar e melhorar a utilidade dos EV’s em beneficio do sistema elétrico.

Os EV’s também oferecem uma vantagem única em termos de tecnologia conhecida como veículo para a rede (V2G). O conceito V2G é essencialmente a capacidade dos EV’s injetarem energia elétrica nos sistemas de distribuição. Portanto, estes veículos podem atuar como uma carga ou como um dispositivo de armazenamento distribuído.

Além disso, os recursos de energia renovável (RES) desempenham um papel crítico nos futuros sistemas de distribuição. Portanto, os sistemas de distribuição devem ser operados com base na presença de RES e EV’s.

O objetivo deste trabalho consiste em realizar uma análise sobre o impacto no perfil de carga do carregamento controlado / descontrolado dos EV’s. Com efeito, o estudo passará pela análise dos hábitos de condução dos proprietários de EV’s, o qual poderá permitir a previsão do perfil de carga da rede.

Palavras-Chave

Programação estocástica, Recursos de energia renovável, Sistema de distribuição, Veículo elétrico.

(4)

(5)

Abstract

Many advantages are conducted by electric vehicles (EV’s), like the increasing efficiency and reliability of distribution systems, as well as the decreasing dependence on no endogenous resources and pollutants emissions.

In the future, due to the expected growth of EV’s, the management and operation of distribution systems are more important than ever, and like the recent studies shown, the EV owners do not use the vehicles overall 93% to 96% percent of day-time, so it is important to optimize and improve the usefulness of the EV’s in benefit of the electric system.

EV’s also offer a unique advantage in terms of a technology known as vehicle to grid (V2G). The V2G concept is essentially the ability of EVs to inject energy into the distribution systems. Therefore, these vehicles can act either as a load or as a distributed storage device.

Also, renewable energy resources (RES) play a critical role in the future distribution systems. Therefore, distribution systems should be operated based on the presence of RES and EVs.

The objective of this work is to perform an analysis on the impact on the load profile of controlled / uncontrolled loading of EVs. In fact, the study will go through the analysis of the driving habits of EV owners, which may allow the prediction of the network load profile.

Keywords

Distribution system, Electric vehicle, Renewable energy resources, Stochastic programming. iii

(6)

(7)

Agradecimentos

Em primeiro lugar, agradeço ao meu orientador, Prof. Doutor João Paulo da Silva Catalão, pela oportunidade concedida em elaborar este trabalho de dissertação com um tema atual e interessante. Ao meu co-orientador, Doutor Miadreza Shafiekhah, pela ajuda prestada, sabedoria transmitida e colaboração nas dúvidas que foram surgindo ao longo do trabalho. Ao Doutor Gerardo Osório pela disponibilidade demonstrada, pelas opiniões e críticas construtivas para a elaboração das atividades do presente trabalho de dissertação.

Aos docentes do Mestrado Integrado de Engenharia Eletrotécnica e de Computadores da Faculdade de Engenharia da Universidade do Porto pelos conhecimentos transmitidos e pelo rigor exigido.

Aos meus amigos que me acompanharam ao longo deste percurso académico. Por último, um agradecimento especial à minha mãe por todo o incentivo, paciência e ajuda na superação dos obstáculos que surgiram ao longo desta caminhada.

Pedro Dias Lopes Coimbra.

(8)

(9)

“Intelligence is the ability to adapt to change.”

Stephen Hawking

(10)

(11)

Conteúdo

1 Introdução 1 1.1 Enquadramento . . . 1 1.2 Motivação . . . 5 1.3 Objetivos . . . 5 1.4 Estrutura da Dissertação . . . 6 1.5 Organização do Texto . . . 7 2 Revisão Bibliográfica 9 2.1 Integração dos EV’s na Rede de Distribuição . . . 11

2.1.1 Modo de Carregamento do EV . . . 13

2.1.2 Impactos dos EV’s na Rede de Distribuição . . . 13

2.1.3 Tarifas e Incentivos Financeiros . . . 15

2.1.4 Mercados de Energia com a Integração dos EV’s . . . 16

2.1.5 Fatores Limitadores na Adesão aos EV’s . . . 17

2.1.6 Estratégias de Carregamento . . . 18

2.2 Recursos Energéticos Renováveis . . . 19

2.2.1 Integração dos EV’s nos SEE com Produção Renovável . . . 20

2.3 Micro-Redes . . . 20

2.4 Programação Estocástica . . . 21

2.5 Problemas Multi-Objetivo . . . 23

3 Formulação Matemática 25 3.1 Função Objetivo . . . 25

3.2 Restrições de Primeira Etapa . . . 26

3.3 Restrições de Segunda Etapa . . . 28

4 Resultados 31 4.1 Estudos Numéricos . . . 31

4.2 Casos em Estudo . . . 34

4.2.1 Comparação do Caso Base com os Casos 2, 3 e 4 . . . 38

4.2.2 Comparação do Caso Base com os Casos 5, 6 e 7 . . . 42

5 Conclusões e Trabalho Futuro 47 5.1 Trabalho Futuro . . . 48

Referências 49

(12)

(13)

Lista de Figuras

1.1 Evolução das emissões poluentes no setor elétrico português . . . 2

1.2 Evolução da potência instalada nos centros eletroprodutores de Portugal continental 3 1.3 Produção eólica na Europa . . . 3

1.4 Capacidade instalada acumulada de eólica no mundo . . . 3

2.1 Integração de RES e EV’s numa rede inteligente . . . 10

2.2 Esquema de uma rede com integração do V2G . . . 12

2.3 Impacto dos veículos elétricos numa rede de distribuição . . . 14

2.4 Arquitetura de uma micro-rede . . . 21

2.5 Representação de uma árvore de cenários para o modelo de programação estocástica de duas etapas . . . 22

2.6 Frente de Pareto do problema multi-objetivo . . . 24

4.1 Rede em estudo . . . 32

4.2 Cenários de produção de energia eólica considerados . . . 32

4.3 Cenários de produção de energia fotovoltaica considerados . . . 33

4.4 Curva de carga . . . 33

4.5 Preço da eletricidade . . . 34

4.6 Distribuição da distância percorrida pelos EV’s . . . 35

4.7 Distribuição do SOC da bateria dos EV’s quando chegam à residência . . . 35

4.8 Variação do SOC da bateria do veículo 1 (Chevrolet Volt) . . . 36

4.9 Variação do SOC da bateria do veículo 2 (Nissan Leaf) . . . 36

4.10 Variação do SOC da bateria do veículo 3 (BMW i3) . . . 36

4.11 Variação do SOC da bateria do veículo 4 (Tesla S) . . . 38

4.12 Variação do SOC da bateria do veículo 10 (Renault Zoe) . . . 38

4.13 Procura de energia do carregamento descontrolado de 15 EV’s . . . 40

4.14 Comparação do perfil de carga do caso base com o carregamento descontrolado de 15 EV’s . . . 40

4.19 Procura de energia do carregamento controlado de 15 EV’s . . . 44

4.20 Comparação do perfil de carga do caso base com o carregamento controlado de 15 EV’s . . . 44

(14)

xii LISTA DE FIGURAS

(15)

Lista de Tabelas

4.1 Produção dos geradores . . . 32

4.2 Características dos EV’s em análise . . . 35

4.3 Horário de partida e chegada dos EV’s . . . 37

4.4 Casos em estudo . . . 40

(16)

(17)

Abreviaturas

AMI Infraestrutura de Medição Avançada BT Baixa Tensão

CPP Preço de Pico Crítico DSM Gestão do Lado da Procura DSO Operador da Rede de Distribuição DR Resposta à Procura

ECC Custo de Perda de Energia EMS Sistema de Gestão de Energia

ESS Sistema de Armazenamento de Energia EV Veículo Elétrico

GAMS General Algebric Modeling System HEM Gestão de Energia Doméstica MG Micro-Rede

MGCC Controlador Central da Micro-Rede MILP Programação Linear Inteira Mista MT Média Tensão

PDF Função de Distribuição de Probabilidade POF Pareto Optimal Front

PS Soluções de Pareto

RES Recurso de Energia Renovável RTP Preço em Tempo Real

SEE Sistema de Energia Elétrica SOC Estado de Carga

TC Custo Total

TOU Preço de Tempo de Uso V2G Vehicle-to-Grid

V2H Vehicle-to-Home

(18)

(19)

Nomenclatura

A. Índices

τ Índice para as partições lineares na linearização

DG Índice para a DG

n, n0 (NN) Índice para os nós s (NS) Índice para os cenários

PV Índice para os sistemas solares WF Índice para os parques eólicos

PCC Índice para o ponto de conexão com a rede a montante t (NT) Índice para as horas

ta Índice para a hora de chegada EV Índice para os veículos elétricos

¯

U ∈ PV, WF, PCC, DG Índice para a potência B. Parâmetros

C_tnDG Custo de produção das unidades geradoras Ctreg, Cs

reg

t Custo de regulação no day-ahead e real-time market

MCPt Preço de compensação de mercado LDAct_tn , LDRcttn Carga ativa e reativa prevista

IMax

nn0 Capacidade máxima de corrente na linha

Vmax, Vmin, Vnom Tensão máxima, mínima e nominal

∆S_tnn0 Limite superior na discretização do fluxo quadrático (kVA)

PtnU,Max¯ Capacidade máxima de potência de cada ¯U

R_nn0, X

nn0 Resistência e indutância das linhas de distribuição

probs Probabilidade dos cenários

reg, regs Regulação no day-ahead e o real-time market d Distância diária percorrida pelo EV (km) CEV Capacidade da bateria do EV (kW)

CeEV Eficiência de carregamento da bateria do EV (%) E f fEV Eficiência de condução elétrica do EV (km/kWh) PEV Potência de carregamento do EV (kW)

C. Variáveis

P, Ps Potência ativa no day-ahead e real-time Q, Qs Potência reativa no day-ahead e real-time

P+, Q+, (Ps+, Qs+) Potência ativa e reativa que flui em direções a jusante no day-ahead (real-time) (kW)

P−, Q−, (Ps−, Qs−) Potência ativa e reativa que flui em direções a montante no day-ahead (real-time) (kW)

(20)

xviii NOMENCLATURA

I, I2, (Is, I2s) Fluxo da corrente e fluxo da corrente quadrática no day-ahead (real-time) (A)

V, V2, (Vs, V2s) Tensão e tensão quadrática para o day-ahead (real-time) (V)

θ Fator de potência

(21)

Capítulo 1

Introdução

O presente capítulo visa apresentar uma visão global do trabalho desenvolvido na presente dissertação de mestrado. Em primeiro lugar, é desenvolvido um enquadramento do tema proposto. Seguidamente é indicada a motivação que originou o interesse no desenvolvimento do tema e são apresentados os objetivos de trabalho. Por fim, é demonstrada a estrutura da presente dissertação e a organização do texto.

1.1 Enquadramento

As energias renováveis têm merecido especial atenção na exploração das redes de distribuição devido a fatores políticos, económicos e ambientais. Entre eles se destacam as políticas de redução das emissões de gases poluentes, os quais contribuem para as mudanças climáticas, a consciencialização sobre a limitação das reservas de combustíveis fósseis e a natureza inesgotável das fontes de energia renovável como o sol ou o vento. A União Europeia definiu metas para o ano de 2020 e para o período entre 2020 e 2030 com o objetivo de aumentar a eficiência energética e promover a utilização dos aproveitamentos renováveis, de forma a que se possa atingir os 20% do consumo total de energia. Desta forma, origina-se um impacto no mix energético global devido à substituição ou descontinuação dos sistemas convencionais, para poderem ser substituídos por sistemas menos poluentes, promovendo a sustentabilidade [1].

Os veículos elétricos (EV’s), apesar das primeiras análises pessimistas no impacto da integração na rede elétrica, apresentam grandes vantagens comparativamente com os veículos de combustão, uma vez que, tal como a integração das energias renováveis na rede elétrica, garantem um impacto ambiental reduzido, diminuem a dependência dos recursos não endógenos, e são uma solução apelativa em sistemas com elevado nível de penetração de energias renováveis [2].

Na Europa, os EV’s surgem então como uma tecnologia económica para a descarbonização do setor dos transportes, uma vez que, comparativamente com os veículos de combustão são cada vez mais rentáveis devido ao constante aumento dos preços dos combustíveis, os quais aumentam mais do que o preço da energia elétrica. Isto deve-se principalmente à subida dos preços nos mercados, por questões geo-políticas, entre outros [3].

(22)

2 Introdução

Em 2016, a China era o país com maior número de EV’s vendidos e com perspetivas de ocupar esse lugar até 2030 com cerca do dobro de exemplares relativamente ao segundo lugar dos EUA. A Noruega é o país com maior penetração de EV’s no mercado per capita e tem a maior quota de mercado em vendas de EV’s novos [4]. Na Alemanha, o governo anunciou que, no máximo até 2030, todos os veículos produzidos devem EV’s [5].

Na Figura1.1podemos verificar que em Portugal, desde o início do século XXI, houve uma redução das emissões poluentes para a atmosfera. O valor mínimo foi atingido no ano 2010 e nos anos seguintes aumentaram ligeiramente. No entanto, as previsões indicam que até 2020 as emissões vão reduzir substancialmente, devendo-se sobretudo às políticas europeias em vigor e ao maior desenvolvimento das tecnologias relacionadas com as energias renováveis e integração dos EV’s.

Relativamente às renováveis, a energia eólica apresenta o maior desenvolvimento ao longo dos anos em Portugal continental. Por outro lado, a energia solar ainda pode ser alvo de um maior aproveitamento como pode ser comprovado através da análise da Figura1.2. Analisando a Figura1.3é verificável que Portugal ainda não atingiu um nível muito elevado de produção eólica. Por exemplo, a produção na Alemanha é cerca de 10 vezes superior à de Portugal. A Figura1.4

ilustra a evolução da capacidade instalada da produção eólica no mundo, sendo previsível que este número aumente mais. Uma boa alternativa para a redução das emissões poluentes consiste na integração simultânea nos sistemas de distribuição, de recursos de energia renovável (RES) e de veículos elétricos com ligação à rede (PEV) [6]. O aumento da penetração de energia eólica nos sistemas de energia provoca novos desafios relativos à gestão de energia e à estabilidade do sistema de energia elétrica (SEE) devido à imprevisibilidade e intermitência do vento, contudo, estes problemas podem ser mitigados através da correta gestão e integração dos EV’s.

Os EV’s ligados à rede melhoram a estabilidade do sistema uma vez que fornecem serviços de regulação, reserva de energia, e permitem realizar o carregamento quando a produção de eólica é excessiva, permitindo assim o equilíbrio da relação entre a produção e o consumo. No futuro, quando existir uma grande quantidade de veículos elétricos ligados à rede pode ser desenvolvido um agendamento de carregamento em massa para horas com grande produção de energia eólica [7].

(23)

1.1 Enquadramento 3

Figura 1.2: Evolução da potência instalada nos centros eletroprodutores de Portugal continental [8]

Figura 1.3: Produção eólica na Europa (em MW) [9]

(24)

4 Introdução

Os EV’s entraram no setor dos transportes nas duas ultimas décadas do século XXI e possuem várias vantagens tal como a elevada eficiência, menor necessidade de energia para a locomoção e nível baixo de ruído. Possuem baterias de armazenamento as quais são alimentadas pela rede elétrica e podem devolver parte da energia armazenada à rede. Assim conseguem funcionar como carga ou fonte de energia [10]. Apresentam boas características de conexão à rede pois permitem a flexibilidade de carregamento e descarregamento das suas baterias, capacidade de acelerar o carregamento e ainda permitem carregar e/ou descarregar automaticamente de acordo com o nível de tensão do ponto de conexão.

Os EV’s ainda apresentam um conjunto de serviços auxiliares, entre os quais se destacam o fornecimento do controlo primário e secundário da frequência e da regulação da tensão. O método de controlo primário permite reduzir o desvio da frequência e o método de controlo secundário serve para equilibrar a procura e a oferta no SEE. Este segundo tipo de controlo é muito importante em países com forte penetração do potencial eólico. Assim sendo, a regulação da tensão pode ser realizada através do carregador do PEV [11], [12].

Tradicionalmente, os sistemas de distribuição foram desenvolvidos para fluxos de energia radiais e unidirecionais, e com estratégias de proteção e regulação de tensão de natureza radial, em que os reguladores estão projetados, por exemplo, com o fluxo de energia da maior tensão para a menor tensão. No entanto, com a introdução de recursos de energia renovável (RES) de natureza intermitentes, tais como o sol ou o vento, o sistema de distribuição unidirecional altera-se para uma sistema bidirecional o que leva a uma alteração na regulação [13].

A integração de EV’s na rede necessita regulamentação e ordenação relativa à gestão dos perfis diários de consumo de carga uma vez que o carregamento dos EV’s necessita da energia da rede, pelo que o carregamento desregulado em massa provoca impactos negativos na rede, o congestionamento na alimentação, originando assim um aumento das perdas, diminuição da qualidade da energia, podendo ainda deteriorar o serviço da rede e a bateria dos EV’s. Devido aos motivos referidos, deve ser realizada a adequada gestão e previsão do agendamento do carregamento dos EV’s, cujo conceito é aplicável em sistemas de rede inteligente [14], [15].

A tecnologia V2G possibilita a integração dos EV’s permitindo que estes injetem energia nos sistemas de distribuição [16]. As baterias dos EV’s podem ser aproveitadas uma vez que os EV’s não são utilizados em grande parte do dia por parte dos seus proprietários. Num futuro próximo, com o previsível aumento dos EV’s, é expectável o fornecimento ao SEE de sistemas de armazenamento de energia (ESS) distribuídos, de elevada utilidade para o SEE.

Assim, os EV’s podem operar como elementos de produção dispersa com capacidade de armazenamento de energia originando benefícios para o sistema. No entanto, devido à pequena capacidade das baterias dos EV’s, estes devem ser agrupados em frotas para combinar as várias baterias disponíveis num sistema com uma maior capacidade de armazenamento. Desta forma são minimizados os impactos na rede e é reduzida a quantidade de ruído no sistema [17]. As instalações de carregamento dos EV’s são infraestruturas indispensáveis para fornecer a energia necessária e trata-se um elemento essencial para o desenvolvimento da industria dos EV’s.

(25)

1.2 Motivação 5

Este serviço apresenta-se ainda em fase inicial, e por isso, é importante adaptar as diferentes características de procura da carga dos EV’s com as instalações de carregamento e regulação em vigor, e adaptar o carregamento às necessidades de carregamento de cada EV de modo a atrair mais pessoas a adotar este tipo de transporte, promovendo assim o desenvolvimento sustentável [18].

Por fim, é de salientar que os parques de estacionamento de carregamento dos EV’s surgem como ferramenta essencial na ligação entre EV’s e a rede, pois permitem realizar a gestão de uma considerável capacidade de armazenamento resultante das várias baterias dos diversos EV’s estacionados no local. Deve ser assegurado um sistema eficiente da gestão de energia que considere as necessidades de todos os intervenientes. Desta forma, é possível assegurar todos os benefícios provenientes da capacidade V2G e não prejudicar o sistema de distribuição, ou os sistemas de armazenamento, sendo benéfico tanto para o Operador do Sistema de Distribuição (DSO) como para o operador do parque de estacionamento dos EV’s e os proprietários dos EV’s [19].

1.2 Motivação

Os EV’s e as energias renováveis têm muitas vantagens associadas, seja pela redução das emissões poluentes, seja pela diminuição da dependência dos combustíveis fósseis, ou ainda pelo aumento da eficiência e confiabilidade dos sistemas de distribuição.

A introdução em grande escala dos EV’s, no setor dos transportes, tem como consequência o aumento do consumo de eletricidade. A procura da energia varia de acordo com o carregamento dos EV’s, ou seja, de quando e em que condições estes são carregados. Se o carregamento for realizado de modo desregulado, este processo poderá dar origem a consequências prejudiciais no sistema de distribuição, devido ao incumprimento das restrições dos sistemas envolvidos.

O estudo dos hábitos de condução, nomeadamente, hora de partida e hora de chegada à residência, a média da distância diária percorrida e as preferências no horário de carregamento, permitem desenvolver modelos que realizem o agendamento ótimo do carregamento dos EV’s. Assim, para maximizar os benefícios provenientes da adoção dos EV’s, tanto por parte do DSO como para o proprietário, a integração dos EV’s no SEE deve ser realizada corretamente.

Por fim, é de salientar que com a crescente integração destes recursos é necessária a adoção de técnicas de gestão e planeamento para minimizar os prejuízos na rede. O carregamento e/ou descarga dos EV’s deve ser controlado, e a exploração da integração dos recursos renováveis no SEE deve ser devidamente gerida devido à natureza intermitente e volátil, principalmente do potencial eólico.

1.3 Objetivos

O presente trabalho visa o estudo de funcionamento dos sistemas de distribuição considerando os recursos de energia renovável e a integração dos EV’s. De destacar os seguintes pontos:

(26)

6 Introdução

• Avaliação do efeito do método de carregamento dos EV’s (isto é, carregamento controlado e carregamento descontrolado) no funcionamento de sistemas de distribuição;

• Avaliação do impacto da dimensão dos parques eólicos e fotovoltaicos (PV) no funcionamento dos sistemas de distribuição;

• Análise do impacto do número de EV’s e o padrão de condução no funcionamento dos sistemas de distribuição;

• Avaliação do impacto do carregamento dos EV’s com diferentes características (capacidade da bateria, potência de carregamento e a eficiência de condução elétrica) no funcionamento dos sistemas de distribuição.

1.4 Estrutura da Dissertação

A presente dissertação está dividida em cinco capítulos. O Capítulo 1 corresponde a um breve enquadramento do tema em análise, dos objetivos propostos, motivação e as ferramentas utilizadas, e ainda a organização do texto.

No Capítulo 2 é abordada a revisão bibliográfica sobre a temática dos EV’s e da integração dos EV’s na rede de distribuição. São indicados os diferentes modos e estratégias de carregamento dos EV’s e o consequente impacto na rede, a nível económico, no balanço da carga e na qualidade da energia fornecida. Também, são demonstradas algumas soluções para reduzir os anteriores impactos descritos, seja pelas tarifas e incentivos existentes, seja pelo conceito dos mercados de eletricidade considerando os EV’s. Neste capítulo, é ainda abordada a integração dos recursos renováveis, de natureza estocástica, na presença dos EV’s. Por fim, são analisados alguns problemas de programação estocástica de duas etapas com a criação de cenários e problemas multi-objetivo.

No Capítulo 3 é apresentada a formulação matemática do problema proposto, cuja função objetivo consiste em minimizar o custo operacional da rede do ponto de vista do DSO. As restrições do problema estão divididas em restrições de primeira e segunda etapa. A primeira etapa corresponde ao mercado do day-ahead e a segunda etapa ao mercado do real-time.

No Capítulo 4 são apresentados os diferentes casos de estudo realizados e os resultados numéricos obtidos. Foram introduzidos diferentes níveis de integração dos EV’s, distribuídos pelos barramentos, de forma a analisar o impacto dos carregamentos, realizados de forma controlada ou descontrolada. São também apresentadas todas as considerações relativas aos tipos de carregamentos, e ainda descritos os cinco modelos de EV’s utilizados para a apresentação dos resultados da análise realizada. Com efeito, a rede em estudo é composta por 15 barramentos na qual se encontra inserida a produção convencional e a produção eólica e fotovoltaica onde são considerados 10 cenários de produção para cada caso.

Finalmente, no Capítulo 5 são apresentadas as principais conclusões obtidas dos estudos realizados e são apresentadas as possíveis linhas para os trabalhos futuros relativos ao tema em análise.

(27)

1.5 Organização do Texto 7

1.5 Organização do Texto

A presente dissertação utiliza as notações de forma semelhante às utilizadas pela literatura da comunidade científica, harmonizando os aspetos comuns em todas as secções.

As figuras, tabelas e expressões matemáticas são indicadas relativamente ao capítulo em que estão inseridas, e a numeração é reiniciada quando se inicializa um novo capítulo. As referências que suportam os diferentes capítulos que compõem a presente dissertação estarão estruturadas e identificadas por [XX] e a formulação matemática por (X.X).

As abreviaturas utilizadas encontram-se estruturados pela sintetização de nomes e informação técnica oriunda da língua portuguesa, ou quando não for possível realizar a tradução de forma adequada, na língua anglo-saxónica, uma vez que ambas são aceites na comunidade técnica e científica.

(28)

(29)

Capítulo 2

Revisão Bibliográfica

A introdução dos aproveitamentos RES e dos EV’s nas redes de distribuição ganhou um interesse significativo devido à necessidade de reduzir a dependência dos combustíveis fósseis, e consequente minimização das emissões poluentes, como também na adequada operação e gestão do SEE. No entanto, a combinação destes recursos requer novas metodologias de planeamento e operação das redes de distribuição, tendo em conta as características desses recursos (estocásticos) que contribuem para o aumento da incerteza nos perfis de carga futuros. Assim, os sistemas de distribuição deverão ser dotados de métodos de gestão do lado da procura (DSM) que permitam o aumento da eficiência energética.

Tradicionalmente, a operação da rede é realizada através da utilização de modelos determinísticos que apresentam como vantagem a facilidade de aplicação e avaliação. No entanto, não apresentam explicitamente as incertezas presentes, especialmente nas redes de baixa tensão, podendo assim originar os erros na previsão de cargas na rede e a conclusões desproporcionadas sobre os investimentos a realizar. Em contrapartida, os modelos probabilísticos avaliam com mais detalhe a rede e os investimentos que devem ser feitos, sendo mais adequados quando o SEE tem uma forte componente de recursos energéticos incertos, tais como os EV’s, que aumentam o perfil da carga nas horas de ponta [20].

As redes inteligentes são uma ferramenta importante para o uso sustentável da energia devido aos diferentes componentes que têm sido introduzidos nas redes de distribuição: os RES, os EV’s, os ESS e a produção dispersa. A maior vantagem das redes inteligentes é a diminuição da procura nas horas de ponta, a qual pode ser alcançada através de incentivos, na criação de regulamentos e do deslocamento das cargas controláveis para horas de menor procura.

Num conceito de casa inteligente, os clientes passam a ter capacidade de gerir o consumo de energia em relação aos preços de eletricidade, os quais são variáveis, com o objetivo de minimizar os custos na fatura energética. Também podem controlar os RES e os ESS que possuem. Os sistemas de ESS surgem como uma solução para reduzir uma parte dos impactos resultantes da integração de EV’s e RES [21]. Na Figura2.1está representado um esquema referente a uma rede inteligente e ao equilíbrio que pode ser alcançado com a inclusão dos RES e EV’s.

(30)

10 Revisão Bibliográfica

Figura 2.1: Integração de RES e EV’s numa rede inteligente (adaptado de [17])

As redes inteligentes utilizam sistemas de comunicação e controlo digital para realizar o controlo e monitorização dos fluxos de energia de forma a permitir a modernização do SEE. Todos os seus componentes podem realizar comunicação entre eles, permitindo a troca rápida de informação. Os sinais são transmitidos ao centro de controlo e analisados para tomar as decisões mais adequadas, permitindo um rápido restabelecimento de energia em caso de interrupção.

Também fornece informações sobre o consumo de eletricidade e das tarifas dos consumidores para que possam melhorar a gestão do consumo energético. Desta forma, esta tecnologia promove um sistema de energia mais sustentável, eficiente, económico e seguro, pois permite minimizar o desperdício, maximizar a utilização de energia limpa, fornecer eletricidade sem interrupções e aumentar a qualidade da energia fornecida. Por fim, a rede inteligente apesar de aumentar a complexidade da gestão da rede, permite o aumento da coordenação entre os fornecedores, consumidores e da própria rede uma vez que permite estabelecer um equilíbrio entre procura e a oferta [22], [23], [24].

Ao longo dos últimos anos desenvolveram-se diferentes estudos relativos às ferramentas de gestão das redes inteligentes e da integração dos EV’s considerando diversos sistemas de gestão de energia (EMS), que comportam o conceito das redes inteligentes, os diferentes tipos de carregamento dos EV’s e o tempo de carregamento do ponto de vista do DSO. Relativamente à mobilidade elétrica, devem ser consideradas duas tecnologias, o carregamento inteligente e o carregamento V2G, fundamentais para a minimização de custos por parte da rede, quando os EV’s se encontram estacionados. O carregamento inteligente é um modo flexível de carregamento que possibilita que os EV’s sejam carregados de acordo com a procura de modo a evitar falhas na rede, especialmente nas horas de ponta [25].

O desenvolvimento do V2G nas redes inteligentes está a contribuir para alterar o formato tradicional do SEE uma vez que os PEV’s se apresentam como uma solução muito interessante para compensar o aumento das cargas e da produção intermitente através do fornecimento de serviços auxiliares tal como a regulação da frequência e spinnig reserve, os quais permitem diminuir a carga de pico. Na tecnologia V2G o fluxo de energia pode ser bidirecional, ou seja, da rede para o EV ou do EV para a rede, de maneira a que os EV’s possam ser considerados sistemas de armazenamento se for necessário.

(31)

2.1 Integração dos EV’s na Rede de Distribuição 11

O desenvolvimento desta promissora tecnologia requer um modelo eficaz e ESS mais avançados. A análise do comportamento de um EV perante a rede necessita da adoção de um modelo para analisar alguns parâmetros tais como a relação entre a hora de chegada e de partida à residência do utilizador, a média do número de quilómetros diários, ou ainda a informação sobre o estado de carga (SOC) da bateria do EV.

Desta forma, é possível desenvolver um modelo estocástico de PEV’s que permite fornecer serviços de regulação da frequência e participar na redução da carga de pico de uma rede de distribuição residencial. Para resolver o problema da carga nas horas de pico, podem ser aplicados incentivos económicos aos proprietários dos EV’s para que eles participem na redução do pico de carga, adiando o carregamento para as horas mais convenientes.

O carregamento dos EV’s deve ser realizado considerando objetivos que contribuam para a melhoria dos SEE e não no prejuízo dos SEE e dos EV’s. Por exemplo, numa rede de distribuição residencial o processo de carregamento deve procurar certos objetivos tais como reduzir a procura da carga, melhorar a qualidade do serviço, fornecer um serviço de regulação da frequência e minimizar o custo total [26].

2.1 Integração dos EV’s na Rede de Distribuição

Os EV’s são todos que têm a capacidade de utilizar um motor elétrico para fornecer parcial ou totalmente a força de locomoção. Os EV’s com capacidade V2G podem ser híbridos (PHEV), de células de combustível (FCEV) ou os que possuem unicamente bateria elétrica (BEV) e devem cumprir três requisitos. O primeiro corresponde à conexão à rede para garantia do fluxo de energia, o segundo é relativo ao controlo que é necessário para permitir a comunicação com o operador de rede e, por fim, o EV deve estar equipado com um dispositivo de medição no painel de controlo [27].

A ligação dos EV’s à rede envolve diversos parâmetros incertos tais como como os padrões de condução típicos, características do ESS e SOC da bateria, local do carregamento, tempo e modo de carregamento, preferências do utilizador e características dos alimentadores. Os modelos estocásticos consideram as incertezas relacionadas com o carregamento dos EV’s e permitem realizar estimativas do impacto de diferentes níveis de penetração de veículos na rede. Em contrapartida, os modelos determinísticos apesar de se basearem em cenários de carga média e o pior caso do pico de carga, não consideram as características importantes para a operação e planeamento do sistema como por exemplo, a perda média do sistema, o risco de sub-tensão ou o congestionamento da rede [28].

A integração em grande escala dos EV’s obriga a alterações significativas no planeamento e operação dos sistemas de distribuição e utilização de reforço de rede. No entanto, as redes de distribuição têm capacidade de integrar um nível elevado de EV’s se a maioria do carregamento estiver restrito as cargas monofásicas fora das horas de ponta.

(32)

Em relação às residências, a introdução de sistemas com infraestruturas de medição avançada (AMI), com possibilidade de informação sobre os preços da eletricidade em tempo real, ou ainda poderem realizar a gestão do lado da procura, possibilitam o controlo e o auxílio na previsão dos padrões de carga.

Os sistemas de distribuição necessitam de estratégias de carregamento individuais para permitir introduzir um grande número de EV’s no SEE. Por exemplo, numa rede residencial de baixa tensão é importante controlar a taxa de carregamento do EV de forma a manter a rede dentro dos seus limites operacionais aceitáveis [29], [30].

No artigo [31] é apresentado um modelo que demonstra a natureza estocástica do tempo de início do carregamento individual da bateria de um EV e do seu SOC inicial. Para o efeito, foram desenvolvidos quatro cenários de carregamento doméstico: carregamento não controlado, carregamento fora da hora de ponta, carregamento inteligente e o carregamento público não controlado.

Os quatro cenários têm em consideração as tarifas no mercado de eletricidade, demonstrando que o método de carregamento inteligente é o mais benéfico tanto para o DSO como para o proprietário do EV. A arquitetura do conceito do V2G e a sua integração na rede encontra-se ilustrada na Figura2.2. Assim sendo, o EV pode ser ligado à rede doméstica ou a outra interface através de um carregador bidirecional ou de integradores V2G [32].

(33)

2.1.1 Modo de Carregamento do EV

Existem três diferentes modos de carregamento dos EV’s:

• Carregamento lento: Tipo de carregamento mais comum e utiliza carregadores CA com potência nominal inferior a 5 kw e é o mais adequado para pequenos serviços distribuídos. Apresenta como vantagens o baixo custo das infraestruturas, o pequeno impacto nos SEE e boa aceitação do público. As suas desvantagens são o elevado número de horas que o EV demora a carregar a bateria, geralmente, entre 5 a 8 horas ou 10 a 20 horas. Outra desvantagem é a difícil resposta às instruções de programação.

• Carregamento rápido: Utiliza carregadores DC de alta potência, superior a 200 kw. Apresenta como vantagens o rápido carregamento da bateria do EV, de 10 a 30 minutos, a grande capacidade de carregar e descarregar a bateria do EV, e contribui para a gestão e monitorização da rede. As suas desvantagens são as elevadas correntes de carregamento que obrigam a um elevado investimento em equipamentos e infraestruturas que introduzem ruídos harmónicos nos SEE.

• Troca de bateria: Consiste em trocar a bateria descarregada por outra totalmente carregada. Esta operação é realizada automaticamente por robôs devido ao elevado peso das baterias. Apresenta como vantagem o controlo centralizado da troca das baterias e alta eficiência do processo. As desvantagens são a inexistência de padrões standard das baterias, interface de comunicação, as tecnologias de carregamento e descarregamento das baterias e logística necessária. Outra desvantagem é o elevado investimento necessário nas infraestruturas necessárias [33], [34].

2.1.2 Impactos dos EV’s na Rede de Distribuição

Na Figura2.3é apresentado um esquema referente aos impactos que o veículo elétrico provoca quando é inserido numa rede de distribuição. Em [35], [36], [37] é abordado o impacto do carregamento em massa dos EV’s na rede.

2.1.2.1 Impacto no Balanço da Carga na Rede de Distribuição

Os EV’s devem ser preferencialmente carregados durante a noite com o intuito de compensar a procura da rede de distribuição que é baixa durante a noite e atinge o pico de carga durante o dia. Assim, a carga da rede de distribuição pode ser compensada pois são reduzidos os custos de operação da rede quando a carga é baixa e torna-se lucrativo tanto para os utilizadores como para a rede. Por outras palavras, a utilização da rede nas horas de vazio por parte dos EV’s no processo de carregamento permitem a suavização da curva de carga.

(34)

Figura 2.3: Impacto dos veículos elétricos numa rede de distribuição (adaptado de [35])

2.1.2.2 Impacto na Operação Económica da Rede de Distribuição

Os EV’s produzem harmónicos na rede de distribuição, originando o aumento da corrente da linha e, consequentemente, maiores perdas nas linhas de transmissão. Outra consequência relaciona-se com a diminuição do tempo de vida útil dos transformadores e dos condutores devido à possibilidade das sobrecargas e da violação dos fluxos de energia. Por fim, o carregamento dos EV’s em massa aumenta as cargas não lineares da rede de distribuição o que prejudica o normal funcionamento.

2.1.2.3 Impacto na Qualidade da Energia Fornecida

O impacto na qualidade de onda resultante da integração dos EV’s na rede de distribuição baseia-se em três fatores:

• Queda da tensão, devido à grande quantidade de carga dos EV’s que afeta a tensão no nó e, principalmente, a queda de tensão no nó final que vai afetar a procura dos utilizadores; • Ruído harmónico resultante do aumento dos equipamentos de carregamento dos EV’s que

inclui um grande número de dispositivos eletrónicos de potência não-lineares;

• Desequilíbrio trifásico. Para um determinado local, e período de tempo fixo, se diminuir o número de carregamentos dos EV’s, pode originar um aumento das correntes trifásicas desequilibradas.

(35)

2.1.2.4 Soluções para Reduzir os Impactos do Carregamento Massivo dos EV’s

No artigo [38] é apresentado um estudo que aborda um conjunto de soluções de infraestruturas ou reforço de rede para reduzir o impacto do carregamento de uma grande quantidade de EV’s em BT. Para resolver os problemas relacionados com violação do nível de tensão, e a sobrecarga dos equipamentos na rede de BT, foi proposta uma solução que consiste em dividir a rede em duas e instalar um novo transformador de distribuição, e posteriormente, criar um mecanismo de ligação de uma parte das cargas da rede de BT com os problemas técnicos ao novo transformador. Desta forma, os transformadores partilham as cargas originando um impacto positivo na magnitude da tensão e na minimização da sobrecarga dos equipamentos envolvidos, pois passam a circular correntes mais baixas. No entanto esta solução nem sempre é atrativa, varia de acordo com a topologia do feeder e ainda é necessário considerar os custos associados.

Outra solução passa pela resolução de cada problema de acordo com a sua especificidade, por exemplo, caso exista um transformador sobrecarregado substitui-lo por outro com maior potência nominal. O mesmo procedimento pode ser realizado com os condutores. Este tipo de ações tem um impacto positivo na magnitude da tensão, reduzindo as quedas de tensão. No caso do desequilíbrio da tensão, a solução mais prática consiste em equilibrar as cargas, uniformizando as fases.

2.1.3 Tarifas e Incentivos Financeiros

Pesquisas recentes demonstram que se os EV’s, mesmo em pequenas quantidades, pudessem ser carregados assim que são ligados à rede doméstica, provocariam sobrecargas frequentes na rede de distribuição uma vez que a procura aumentava durante horas de ponta. As tarifas e os incentivos económicos surgem como uma técnica de gestão do lado da procura para evitar o referido problema.

A maioria dos consumidores domésticos compra a energia a uma tarifa fixa e não possuem um incentivo para gerir o consumo de energia ao longo do dia. No mercado elétrico grossista os preços da eletricidade variam com a procura e, por esse motivo, tem vindo a ser propostos no nível do mercado elétrico retalhista, diferentes tipos de preço da eletricidade: o preço em tempo real (RTP), o preço do tempo de uso (TOU) e os preços de pico críticos (CPP), de forma a alterar a procura dos consumidores para momentos de maior disponibilidade de produção e cumprir as restrições impostas pelas redes de transporte e de distribuição. Assim, este processo torna-se economicamente eficiente pois permite reduzir o custo total da eletricidade e também é benéfico para todo os clientes uma vez que os seus requisitos são satisfeitos [39].

Entre as técnicas DSM destacam-se a abordagem centralizada e a descentralizada. Na abordagem centralizada, uma entidade hierárquica programa as cargas dos consumidores tendo em consideração as suas necessidades de conforto. Por exemplo, os consumidores indicam informações relativas à utilização diária do EV com o objetivo de programar o carregamento individual ideal de cada EV, não violando os limites operacionais da rede. A abordagem centralizada apresenta como principal desvantagem o controlo por parte do proprietário do EV em realizar o carregamento.

(36)

Na abordagem descentralizada, o sistema de gestão de energia de cada consumidor programa as cargas controláveis tendo como base os incentivos económicos. Esses incentivos podem ser tarifas como o RTP, e outros incentivos adicionados a uma tarifa fixa para que os consumidores alterem ou reduzam a procura ou então adicionem um preço flutuante às tarifas que é determinado iterativamente. As entidades com fins lucrativos devem ser os intermediários entre os consumidores e os mercados elétricos grossistas pois estes mercados não são projetados para gerir um grande número de pequenos consumidores. Estas entidades devem ser responsáveis por gerir a procura e alcançar a otimização económica do processo.

Para além do que foi referido, pode ainda ser explorada a capacidade de procura flexível do EV e o seu potencial de devolver energia à rede. Novamente, estes modelos devem ter em atenção os limites de operação da rede de distribuição e as características do EV. A capacidade de armazenamento do EV deve ser explorada quando os preços da eletricidade são baixos se não forem comprometidas as restrições técnicas. No entanto, tal processo leva a uma maior utilização e consequente degradação das baterias dos EV’s sendo necessária uma substituição mais rápida e, por isso, os incentivos devem ser aliciantes.

Um modelo justo deve induzir os consumidores a fornecerem serviços à rede através de uma compensação monetária, como é o caso dos incentivos. Por exemplo, as cargas individuais dos consumidores podem ser programadas para realizar o seu carregamento ou operação durante o período noturno, beneficiando a rede, e tendo como metas o conforto, o tempo de espera e o custo do consumidor [40].

2.1.4 Mercados de Energia com a Integração dos EV’s

O V2G permite ao EV participar em vários tipos de mercados de eletricidade e proporciona benefícios a todos os participantes do mercado. Desta forma, é importante a existência de agregadores dos EV’s pois permitem agrupar um grande número de EV’s numa única frota para poder participar nos mercados de eletricidade uma vez que um único EV possui uma capacidade limitada e não pode atender ao tamanho mínimo das ofertas que geralmente é na ordem dos MW [41].

A simulação de Monte Carlo (MCS) é um dos métodos estocásticos mais precisos e eficazes para os sistemas complexos e com grande não-linearidade, onde existam um grande número de variáveis incertas. Este método destaca-se pela facilidade de implementação e suporta todas as funções de distribuição de probabilidade (PDF).

O artigo [42] sugere uma estrutura para a compensação estocástica do mercado de energia elétrica na presença de PEV’s e tem em consideração as incertezas dos PEV’s e dos geradores síncronos. O mercado de energia considerado envolve duas etapas. Na primeira etapa, a simulação de Monte Carlo cria um conjunto de cenários aleatórios e, na segunda etapa, o procedimento de compensação do mercado estocástico é implementado como uma série de problemas de otimização determinísticos (cenários), incluindo o cenário não contingente e diferentes estados pós-contingência. A função objetivo é usualmente o custo total (TC) da rede e é minimizado em cada cenário.

(37)

Em suma, são selecionados fornecedores de energia, EV’s e geradores mais adequados e baratos para compensar o mercado de energia estocástico, cumprindo as restrições impostas. No problema considerado, os EV’s têm um bom potencial para integrar o mercado de energia devido à sua distribuição ao longo da rede. A participação dos EV’s no mercado de energia pode ter uma abordagem determinística ou estocástica.

No mercado de eletricidade determinista não são consideradas as incertezas dos EV’s e dos fornecedores de eletricidade. Um EV pode ser ligado ao ponto de acoplamento comum (PCC) e absorver ou injetar energia. Nos estados de carregamento e descarga são impostos diferentes custos aos proprietários dos EV’s que devem ser pagos ou cobrados devido à participação dos mesmos no mercado de eletricidade.

Dos diferentes custos, o primeiro é o custo de perda de energia (ECL) que deve ser pago pelo DSO aos proprietários no modo de descarga para a rede e cobrado aos proprietários do EV’s quando os EV’s são carregados. O segundo custo é o custo custo de degradação da bateria que também deve ser pago pelo DSO ao proprietário devido à degradação da bateria do EV. Cada bateria tem um tempo de vida útil especificado que reduz a cada descarga. Por fim, deve-se considerar o preço do mercado de eletricidade que varia dinamicamente de acordo com a procura. O mercado de eletricidade estocástico considera as incertezas tais como a possível indisponibilidade do EV devido a diferentes motivos como, por exemplo, se estiver na estrada ou não se encontrar ligado à rede. Também são consideradas as possíveis falhas ao carregar ou descarregar devido à falha ou indisponibilidade dos dispositivos e infraestruturas essenciais ao processo.

2.1.5 Fatores Limitadores na Adesão aos EV’s

Existem alguns fatores restritivos na procura e/ou aquisição dos EV’s e à tecnologia V2G. O primeiro obstáculo é referente à pouca quantidade de infraestruturas para o carregamento dos EV’s atualmente existentes, e tradicionalmente, o carregamento é lento, com necessidade de cerca de três a seis horas para carregar totalmente uma bateria, consoante o SOC. Para contrariar o problema, são então necessários carregadores rápidos para reduzir o tempo de carregamento para cerca de 30 minutos. No entanto, este tipo de instalações implicam custos bastante mais elevados. Com isto, é importante o funcionamento eficiente e económico das estações de carregamento para aumentar a procura dos EV’s [43].

Outro fator limitante à adesão dos EV’s é o preço de comercialização e do fabrico dos EV’s assim como a publicidade que é feita sobre o tema, contribuem para a promoção deste tipo de veículos. Em determinados países, para aumentar a atratividade dos EV’s, são fornecidos incentivos políticos tais como parques de estacionamento gratuitos e possibilidade de viajar nas faixas do autocarro. Com efeito, foram realizados estudos que comprovam que há uma maior probabilidade de adesão a este tipo de veículos se forem aplicados tais incentivos. Outros estudos relatam que há maior probabilidade de adesão por parte das pessoas mais tolerantes a um processo de mudança de paradigma e que acreditam que os EV’s têm a capacidade de alterar os impactos negativos provocados pelos sistemas convencionais.

(38)

No entanto, verifica-se que ainda existe alguma resistência por parte da população em trocar os veículos de combustão por EV’s [44]. Por fim, é de salientar que devido às diferenças nos mercados energéticos entre países, a tecnologia V2G não é igualmente rentável para todos os mercados. Neste caso, os EV’s podem não ser usados como dispositivos de armazenamento tendo um fluxo unidirecional em vez do bidirecional, necessitando de poucas infraestruturas de comunicação [45].

2.1.6 Estratégias de Carregamento

Nos sistemas de distribuição de energia de pequena dimensão, por exemplo, em áreas residenciais, as estratégias de resposta à procura (DR) e as capacidades vehicle-to-home (V2H) e V2G de um EV podem ser agrupados numa estrutura de gestão de energia doméstica (HEM) com o objetivo de reduzir os custos de eletricidade. As estratégias de DR procuram alterar os padrões normais de consumo de eletricidade dos consumidores em função das alterações verificadas no preço da eletricidade ao longo do tempo, ou seja, através do incentivo ao consumo em horas fora dos picos de carga.

No artigo [46] é proposto uma operação doméstica inteligente que considera a capacidade bidirecional dos EV’s e estratégias de DR baseado num tarifário de RTP. Para o efeito, são realizados diferentes testes utilizando um modelo de programação linear inteira mista (MILP), de forma a minimizar o custo.

O artigo [29] propõe uma estratégia de carregamento de controlo local (LCC) de forma a fornecer a quantidade máxima de energia para os EV’s e manter a rede dentro dos limites operacionais aceitáveis. O método de controlo local permite que o carregamento dos EV’s seja programado individualmente com base nas condições da rede e do SOC do EV. Os resultados foram posteriormente comparados com os de um método de carregamento de controlo central (CCC). Neste método um único controlador gere o carregamento de todos os EV’s ligados na rede simultaneamente.

O método LCC apresenta como vantagens a necessidade de implementar menos infraestruturas da rede e das comunicações necessárias, comparativamente ao método de CCC, já que os controladores individuais podem atuar de forma independente, pois não dependem do controlador externo para operar. Desta forma, não é necessário investir numa técnica de controlo centralizado se existirem níveis baixos de inclusão dos EV’s na rede BT, uma vez que, com a introdução do AMI, o controlo local é suficiente para suportar o carregamento dos EV’s e manter a rede dentro dos seus limites operacionais.

No artigo [47] é realizado um estudo da previsão e análise dos diferentes cenários de carregamento dos PEV’s baseado em dados do uso do EV, tais como o SOC da bateria, a duração de permanência do EV no estacionamento, tipo de carregamento e sistema propulsor do veiculo. Primeiramente, é realizada uma simulação determinística que tem em conta o histórico do tempo de condução dos EV’s, os padrões de estacionamento, distâncias diárias percorridas, e os horários de chegada e partida de casa.

(39)

2.2 Recursos Energéticos Renováveis 19

De seguida, os resultados obtidos são posteriormente comparados com três outros diferentes métodos estocásticos, os quais diferem entre uns e os outros, no tipo de tratamento que é realizado relativamente aos hábitos de condução e ao tipo de carregamento.

2.2 Recursos Energéticos Renováveis

Os RES desempenham um papel importante na produção de energia elétrica devido à necessidade de reduzir as emissões poluentes. Estes recursos podem ser de diferentes tipos e os que mais se destacam são o da irradiância solar, o vento, os recursos hídricos, as ondas e marés, a biomassa e o aproveitamento geotérmico. A integração dos RES apresenta vantagens relativamente aos sistemas de distribuição uma vez que melhora o seu funcionamento, nomeadamente o perfil da tensão e reduz as perdas, como também permite o carregamento dos comutadores dos transformadores durante as horas de ponta.

Uma possível solução na estratégias de planeamento de expansão da produção da energia elétrica consiste na utilização de unidades produtoras não poluentes, como as turbinas eólicas. A grande disponibilidade deste recurso, com custos reduzidos e perigos ambientais mínimos constitui um fator relevante para as melhorias significativas na produção de eletricidade a partir do recurso endógeno como o vento [48].

Em diferentes locais, a abundância da produção renovável resultou em preços negativos para a energia consumida, uma vez que era mais económico para as concessionárias pagar aos consumidores do que armazená-la para ser posteriormente utilizada. Um exemplo disso pode ser relatado no Texas, nos EUA, o qual é um dos maiores produtores de energia eólica dos EUA, a energia chegou a ser negociada abaixo de zero em setembro de 2015 e novamente em março do ano seguinte. Por sua vez, na Alemanha houve uma queda significativa no preço da eletricidade para valores inferiores a zero nos meses de março e novembro de 2016 devido ao excedente de produção, resultado do clima propício para a produção renovável. A produção renovável foi interrompida quando a procura era baixa de mais, no entanto, as centrais convencionais tais como as nucleares e as térmicas não puderam ser desligadas imediatamente dando origem a um excesso na produção. A solução ideal seria a utilização, por exemplo, dos ESS dos EV’s como sistemas de armazenamento durante períodos de produção excedente e devolver à rede quando a procura de eletricidade é alta. Isto poderá ser implementado a uma grande escala num futuro próximo devido ao grande crescimento das vendas de EV’s [49].

No entanto, como já referido em secções anteriores, existem desvantagens associadas aos RES. Os recursos de energia eólica e PV são caracterizados pela natureza intermitente volátil, a qual é caracterizada pelas fontes que lhe dão origem. Além disso, as redes de distribuição existentes não se encontram projetadas para integrar um nível elevado de produção dispersa de pequena dimensão originando desafios para o operador de rede. A integração dos RES origina consequências tais como variações da potência, sobrecarga dos feeders, redução da qualidade da energia e da fiabilidade. Assim, é importante a existência de flexibilidade por parte dos sistemas de distribuição para suportarem os problemas de variabilidade e incerteza das RES [50].

(40)

2.2.1 Integração dos EV’s nos SEE com Produção Renovável

A produção PV origina alguns problemas quando se encontra conectada à rede de distribuição. A natureza volátil do perfil de carregamento dos EV’s e da potência de saída dos PV’s provoca oscilações no PCC com a rede. Esta variação da potência tem impactos negativos na operação e planeamento no SEE uma vez que pode provocar a violação dos limites impostos para a tensão, pode afetar negativamente a estabilidade da frequência, e no caso das micro-redes pode reduzir o tempo de vida útil dos reguladores de tensão convencionais.

Com efeito, podem ser implementadas diferentes soluções para resolver os problemas atrás descritos. Uma solução económica, consiste na utilização dos ESS dos EV’s juntamente com um conversor DC-DC bidirecional para fornecer a função de ESS. No entanto, este processo reduz o tempo de vida útil do ESS do EV. Outro método consiste em alinhar o perfil de carga do parque dos EV’s de acordo com a potência de saída dos PV’s de forma a cancelar a natureza volátil dos dois sistemas. No entanto, neste caso não é garantido o controlo do esquema de carregamento dos EV’s, nem é garantido o tempo que cada EV demora a ser carregado [51].

No artigo [52] pretendeu-se investigar o potencial, os benefícios técnicos e os aspetos ambientais utilizando um sistema de carregamento com sistemas PV localizado no telhado de uma casa em Ottawa, Canadá, no contexto da mobilidade elétrica. O sistema PV residencial foi combinado com um sistema de carregamento para um EV. Foram analisados diferentes cenários com diferentes modelos de EV’s e diferentes SOC do EV. Os estudos demonstraram que os sistemas PV’s constituem uma solução eficiente para alimentar os EV’s e reduzir as emissões poluentes.

2.3 Micro-Redes

Nos últimos anos, têm sido desenvolvidos estudos relativos às micro-redes (MG) pois apresentam uma boa contribuição para o desenvolvimento do SEE e para o desenvolvimento de um cenário de rede inteligente. Apresentam vantagens tal como o aumento da fiabilidade e da eficiência do sistema e ajudam a melhorar a qualidade da energia fornecida [53]. As micro-redes proporcionam a integração de produção renovável tal como produção eólica e fotovoltaica, de recursos energéticos distribuídos e sistemas de armazenamento permitindo o funcionamento flexível e eficiente da rede.

A operação ideal da MG é realizada a partir de um controlador central da micro-rede (MGCC), instalado na subestação MT/BT, que recebe previsões e dados de um sistema SCADA. Deve ser estabelecida uma infra-estrutura de comunicação entre o MGCC e os controladores locais, de carga e da micro-fonte (LC e MC).

As MG, geralmente, são redes de distribuição de BT com várias unidades de micro-produção, cargas controláveis, dispositivos de ESS e um sistema de controlo hierárquico. Requerem métodos inteligentes de gestão e um design eficiente de forma a ir ao encontro das necessidades da área em que se localizam.

(41)

2.4 Programação Estocástica 21

Os sistemas de gestão de energia são um elemento essencial na operação e agendamento das MG. A MG pode operar ligada à rede onde deve ser mantido o equilíbrio entre a oferta e a procura em todo o sistema, ou em modo isolado em que a oferta e a procura são equilibradas individualmente. Este segundo modo de operação (o isolado) enfrenta alguns problemas, uma vez que o valor da frequência e da tensão não são impostos pela rede. Geralmente, os ESS’s baseados em baterias, assumem a responsabilidade de manter o equilíbrio quando a MG se encontra e opera em modo isolado. No entanto, é essencial ter o conhecimento dos limites da frequência e da tensão para evitar a degradação dos ESS’s [54] , [55], [56], [57].

A implementação do conceito de gestão inteligente dos EV’s envolve os conceitos de rede inteligente e MG, uma vez que os EV’s devem ser ligados às redes de BT. A integração em grande escala dos EV’s nas MG’s necessita do desenvolvimento de métodos de carregamento inteligente que considerem as incertezas do carregamento em massa dos EV’s, de forma a diminuir os impactos negativos e ainda diminuir os custos comparativamente aos métodos de carregamento não controlados. No futuro, a interação entre os EV’s e os SEE vai ser realizada de um modo inteligente, e provavelmente vai reduzir a necessidade dos dispositivos convencionais de ESS, necessários para lidar com produção renovável intermitente de larga escala [58]. Na Figura2.4é apresentada a arquitetura de uma MG incluindo micro-produção, cargas, EV’s e dispositivos de controlo.

2.4 Programação Estocástica

Os problemas de programação dos EV’s não são de fácil resolução e podem ser resolvidos através de diferentes métodos de otimização numérica tradicional. Estes algoritmos resolvem um problema modelando o sistema através de uma função objetivo com um conjunto de restrições. Regra geral, os objetivos são a minimização dos custos, redução das emissões poluentes, maximização do conforto dos clientes, minimização das perdas de energia, maximização do SOC dos ESS e a otimização do desempenho dos ESS’s [59].

(42)

A criação de cenários tem muita importância em problemas de programação estocástica. A questão central nos modelos de programação baseados em cenários é criação de cenários que formulem ou modelem adequadamente as especificações probabilísticas dos dados considerados. A incerteza dos dados é representada com um conjunto de cenários e os parâmetros de entrada do problema podem depender do conjunto criado das possíveis realizações.

A árvore de cenários é uma estrutura abstrata dos cenários e é composta por raízes, nós e ramificações. Os nós representam os estados do problema em instantes específicos, as ramificações representam os diferentes caminhos que as variáveis aleatórias podem seguir e as raízes representam o início do planeamento, ou seja, é o ponto onde as decisões da primeira etapa são realizadas.

A Figura2.5 ilustra uma árvore de cenários para um modelo de programação estocástica de duas etapas. Nos problemas estocásticos de duas etapas, o número de nós na segundo etapa é igual ao número de cenários. Para o efeito, é atribuída a cada ramificação da árvore uma probabilidade, que representa a probabilidade de passar do nó atual para o próximo nó [60].

As técnicas de otimização estocástica normalmente originam desafios computacionais, devido ao grande número de cenários que são necessários para representar todas as incertezas modeladas. Por esse motivo, alguns problemas são tratados através da técnica de redução de cenários, em que um grande conjunto original de cenários é reduzido num conjunto mais pequeno que representa o intervalo de possíveis caminhos da amostra do conjunto inicial de cenários. Contudo, a redução de cenários origina duas questões; a primeira, é se esta técnica garante uma solução de qualidade. A segunda questão é como escolher os tamanhos iniciais apropriados e reduzidos das amostras que forneçam com qualidade a solução desejada e com um esforço computacional aceitável [61].

O artigo [62] apresenta um modelo de programação estocástica de duas etapas que minimiza a energia não fornecida e otimiza o custo da energia. O modelo considera a variação dos preços de eletricidade nos mercados de eletricidade day-ahead e intraday, onde são considerados os cenários V2G / G2V e a regulação das margens de reserva.

Figura 2.5: Representação de uma árvore de cenários para o modelo de programação estocástica de duas etapas [60])

(43)

2.5 Problemas Multi-Objetivo 23

Com efeito, as decisões de primeira etapa determinam as compras e vendas de energia no mercado de day-ahead e as margens de reserva. As decisões de segunda etapa referem-se ao mercado intraday e respeitam as exigências da reserva e os diferentes cenários possíveis para o padrão de permanência dos EV’s. Por outras palavras, o mercado day-ahead, correspondente à primeira etapa, no qual são definidos os preços da energia elétrica por hora e as margens da reserva para as 24h seguintes. O mercado intraday, corresponde à segunda etapa, no qual são definidos os preços por hora para os desvios da energia e a margem de reserva das decisões do dia seguinte para lidar com os cenários reais de permanência dos EV’s. Esta segunda etapa considera ainda as compensações para a energia fornecida no mercado intraday, devido às margens de reserva comprometidas no mercado do dia seguinte.

A função objetivo é o fornecimento de energia às baterias dos EV’s e minimização do custo de carregamento. Com efeito, o modelo proposto modelou o estacionamento para 50 EV’s e incluiu os padrões de permanência nas residências, com vários cenários de mercado elétrico intraday de chegada e partida. Os veículos existentes são híbridos ou EV’s puros e são consideradas as suas diferentes características de carregamento.

Por último, a análise de sensibilidade é usada para mostrar os potenciais custos da energia e o impacto das diferentes penalizações não relacionadas à oferta; incluindo vários padrões de permanência dos veículos, os perfis de preços de eletricidade e as permissões de carregamento.

2.5 Problemas Multi-Objetivo

A natureza intermitente da energia eólica e a integração em larga escala dos EV’s criam desafios relativos à fiabilidade e aos custos do despacho do SEE. No artigo [63] foi desenvolvido um modelo de despacho económico dinâmico das emissões, que integra os EV’s e as incertezas associadas à energia eólica. As funções objetivo são o custo total do combustível e a emissão de poluentes, e onde são consideradas como variáveis de decisão a potência do V2G e a potência de saída do gerador convencional. A potência eólica, de comportamento estocástico, faz parte das restrições do problema e é derivada pelo PDF de Weibull. Para modelar o problema foram consideradas diferentes restrições como a restrição de equilíbrio da energia, a procura das necessidades do utilizador, o carregamento da bateria do EV, as características de descarga do ESS do EV, entre outros.

No entanto, neste tipo de problemas, como o descrito anteriormente, não existe uma função objetivo ótima pois, por exemplo, no caso anterior a otimização simultânea dos custos e emissões não é compatível, contudo, cada uma beneficia da outra ao mesmo tempo. Assim sendo, a otimização multi-objetivo é a mais indicada para o tipo de problemas atrás referido, onde são consideradas funções objetivo conflituantes, pois originam um conjuntos de soluções ótimas em vez de apenas uma solução ótima. Estas soluções ótimas são conhecidas como soluções ótimas de Pareto (PS)’s, que constituem a Pareto Optimal Front (POF). Por outras palavras, O objetivo dos problemas multi-objetivo é descobrir o número máximo possível de PS’s e distribuí-los uniformemente no POF.

(44)

A Figura2.6exemplifica o POF de um típico problema multi-objetivo. A solução x1 fornece o objetivo máximo 2 e o objetivo mínimo 1; por outro lado, a solução x5 fornece o objetivo máximo 1 e o objetivo mínimo 2. As soluções extremas x1 ou x5 tem como finalidade otimizar uma das funções objetivo. O responsável pela decisão ainda pode realizar outras escolhas, por exemplo, x2, x3 ou x4 de forma a escolher a solução desejada, de acordo com as suas preferências.

(45)

Capítulo 3

Formulação Matemática

Neste capitulo é apresentada a formulação matemática que define a rede de distribuição do modelo proposto. Desta forma, como o modelo é estocástico, as restrições do problema são diferenciadas em equações de primeira e de segunda etapa. Na segunda etapa, são considerados 10 diferentes cenários de produção eólica e PV enquanto que, na primeira, apenas está presente um cenário de produção renovável que corresponde à media dos 10 diferentes cenários.

Nesta pequena rede estão incluídos geradores convencionais, a produção renovável, nomeadamente, PV e eólica, e EV’s, que apenas funcionam como carga. Os parâmetros estocásticos presentes são a geração dos parques eólicos e a produção PV que, devido a natureza estocástica, são modelizadas a partir de cenários que permitem ter em conta as incertezas caraterística do vento e da radiação.

O objetivo consiste em minimizar o custo operacional diário da rede na perspetiva do DSO. O custo da operação varia de acordo com a regulamentação e com as políticas em vigor que diferem de acordo com o local. A formulação matemática tem como base os artigos [64] e [65]. Por sua vez, a modelização dos EV’s é suportada pelos artigos [46] e [47]. Todas as equações e restrições apresentadas se encontram em unidades "p.u.".

3.1 Função Objetivo

A equação (3.1) representa a função objetivo, que se encontra dividida em duas partes. No primeiro termo, correspondente à primeira etapa, o custo varia de acordo com o preço das unidades produtoras em função do tempo (CtnDG), do preço de compensação de mercado (MCPt), e do custo

de regulação para o mercado day-ahead (Cregt ). No segundo termo, correspondente à segunda

etapa, são considerados os cenários, que estão dependentes de um valor de probabilidade de ocorrência (probs), e os preços de regulação correspondem ao real-time pricing (Cs

reg ts ). Minimizar

_∑

t∈NT {

_∑

n∈NN (MCPtPtnPCC+C DG tn P DG tn +C reg t regPCCtn )} +

_∑

s∈S probs[Cs reg ts regsPCCtns ] (3.1) 25