Solução de Auto Reconfiguração de Rede com
Funcionalidades Avançadas para o Controle e
Monitoramento de Sistemas de Distribuição
Daniel Perez Duarte, João Carlos Guaraldo, Henrique Kagan, Bruno Hideki Nakata
Sinapsis Inovação em Energia. Al. Jaú, 48, 5º Andar, Jardim Paulista, São Paulo.
Paulo César Pranskevicius, Argeu Kenro Suematsu, Marcel Martinelli, Mayra Sayumi Hoshina
AES Eletropaulo. Av. Dr. Marcos Penteado de Ulhoa Rodrigues, 939, 1º ao 7º Andar, Torre II, Barueri.
Resumo Neste artigo é apresentada uma solução de auto
reconfiguração de rede (self-healing) com inteligência
concentrada no nível de subestação, que possui funcionalidades avançadas para o controle e monitoramento de sistemas de distribuição de energia.
O sistema desenvolvido executa a isolação de um defeito na rede e restabelece o fornecimento de energia a seções não afetadas diretamente pela falta. Tarefas que antes levariam horas para serem finalizadas podem ser concluídas em poucos minutos.
Desenvolvida dentro do Projeto Estruturante de Redes Inteligentes da AES Eletropaulo, a solução será aplicada na subestação Tamboré, que possui 14 alimentadores e 25 religadores.
Palavras-chave Distribuição de energia, automação, redes
inteligentes, auto reconfiguração de rede, self-healing.
I.INTRODUÇÃO
Interrupções no fornecimento de energia elétrica podem causar grandes prejuízos não apenas aos consumidores, mas também à empresa distribuidora de energia. Enquanto grandes consumidores de energia, como indústrias e centros comercias, podem sofrer perdas financeiras significativas com pequenas interrupções no fornecimento, a distribuidora está sujeita a sanções por parte do órgão regulador do setor (ANEEL) de acordo com os índices verificados de continuidade do sistema. Dessa maneira, verifica-se a importância de soluções que possibilitem o rápido restabelecimento do fornecimento de energia a determinados blocos de carga após uma falta.
Tradicionalmente, as tarefas de detecção e localização de uma falta na rede elétrica iniciam-se com as ligações telefônicas dos consumidores, que permitem à distribuidora determinar o local aproximado da ocorrência e despachar as equipes de campo. Após chegar ao local e determinar o ponto exato do defeito, a equipe executa manobras para a isolação do mesmo e, se possível, restabelece o fornecimento a trechos sãos da rede através do fechamento de uma chave normalmente aberta.
Este trabalho foi financiado pela AES Eletropaulo, através do projeto denominado “Projeto Estruturante de Redes Inteligentes em Regiões Me-tropolitanas visando Desenvolvimento e Demonstração de soluções Inovadoras Utilizando o Conceito de Living Labs”, código ANEEL PD-0390-1040/2010. Entidades executoras: Sinapsis Inovação em Energia, ENERQ-USP e FITec.
Através da implantação de uma solução de self-healing, é possível reduzir significativamente o tempo para restabelecimento do serviço a trechos sãos da rede. Tarefas que antes levariam mais de duas horas poderão ser finalizadas em menos de cinco minutos. Os intervalos de tempo apresentados na fig. 1 são baseados na rede de distribuição da AES Eletropaulo. Falta Clientes reportam a falta de energia Preparação e deslocamento das equipes de campo Localização da Falta Execução de Manobras Reparos na Rede 5-10 minutos 110-140 minutos 15-20 minutos 10-15 minutos 60-90 minutos 140-185 Minutos Restabelecimento do serviço a seções não danificadas pela falta Falta Clientes reportam a falta de energia Preparação e deslocamento das equipes de campo Localização da Falta Reparos na Rede Retorno à topologia original Retorno à topologia original 5-10 minutos 110-140 minutos 5-10 minutos 60-90 minutos 1-5 minutos Restabelecimento do serviço a seções não danificadas pela falta Com a funcionalidade de self-healing Sem a funcionalidade de self-healing
Fig. 1. Comparação entre tempos de resposta a eventos com e sem a presença da funcionalidade de self-healing
Quanto à arquitetura, as soluções de self-healing podem ser divididas em três categorias principais:
Peer-to-Peer: Inteligência distribuída entre os equipamentos de campo;
Controle na Subestação: Controlador localizado no nível da subestação recebe informações dos equipamentos de campo, executa as lógicas necessárias e envia comandos para execução de manobras;
Controle no Centro de Operação: Inteligência concentrada em um controlador no centro de operação, permitindo o controle e supervisão de múltiplas subestações e circuitos.
Como parte do Projeto Estruturante de Redes Inteligentes da AES Eletropaulo, está sendo desenvolvida uma solução
controlada no nível da subestação, com recursos avançados de estimação de estados e otimização para realizar o monitoramento e controle da rede. Nas seções seguintes, serão apresentadas a arquitetura e o fluxograma de funcionamento da solução, além da estrutura de software, hardware utilizado, estudo de caso e conclusões.
II.ARQUITETURA DA SOLUÇÃO
A arquitetura da solução é apresentada na fig. 2. Através de um sistema de supervisão e aquisição de dados (SCADA) localizado no nível da subestação, são obtidos dados de medições e estado de equipamentos de campo e, na ocorrência de um defeito, após execução de um algoritmo de otimização (algoritmo genético modificado) para determinar qual a melhor sequência de manobras para restabelecer o serviço, o sistema de self-healing envia comandos aos equipamentos através do mesmo sistema SCADA. Para obter dados elétricos e georreferenciados da rede e realizar a sua modelagem no software da solução, existe integração com um sistema de informação geográfica (GIS), o que evita a necessidade da criação e manutenção de base de dados específica para a aplicação, resultando em reduzidos custos operacionais associados à solução. A solução também é integrada com o sistema SCADA principal, localizado no centro de controle. Rede de Comunicação Rede de Comunicação Informações dos Equipamentos de Campo Comandos de Manobras Legenda Dados de topologia provenientes do sistema GIS
Subestação Sistema SCADA (Nível 2) Solução de Self-Healing Equipamentos de Campo Centro de Operação Sistema SCADA Central (Nível 1) GIS Religador Religador
Comandos de Bloqueio vindos do operador
Alarmes
Fig. 2. Arquitetura da Solução
III.FLUXOGRAMA DA SOLUÇÃO
Nesta seção é apresentado o fluxograma de funcionamento da solução. Para facilitar o entendimento e a apresentação no artigo, o fluxograma foi divido em três partes principais:
Estimação de Estado da Rede;
Verificações, Algoritmo de Otimização e Sequência de Manobras;
Envio de Comandos aos Equipamentos de Campo.
A. Estimação de Estados da Rede
Com informações elétricas e topológicas da rede obtidas do sistema GIS, o sistema recebe dados de medições e estado dos equipamentos de campo e realiza a estimação de estados da rede através de análise de fluxo de potência em tempo real. A estimação de estados é realizada constantemente. Dessa maneira, caso ocorra uma falta é possível iniciar o algoritmo de otimização com uma estimação imediatamente anterior à ocorrência do defeito (condição pré-falta).
Ademais, com a utilização de curvas típicas de carga para cada alimentador, é possível prever o estado da rede para horas à frente, o que permite obter uma sequência de manobras que seja sustentável durante todo o período em que a falta estiver presente na rede, e não apenas para o instante inicial.
Fig. 3. Fluxograma Parte 1 – Estimação de Estados da Rede
B. Verificações, Algoritmo de Otimização e Sequência de Manobras
Após detectar a ocorrência de uma falta na rede, antes de iniciar o algoritmo de otimização o sistema verifica algumas condições limitantes, como o bloqueio da solução pelo operador do sistema, o que interrompe o seu funcionamento, ou o bloqueio de uma chave devido a problemas no sistema de comunicação, o que resulta na exclusão dessa chave do algoritmo. SCADA (Subestação) Equipamentos de Campo Solução de Self-Healing Eventos (Contingências) Bloqueios de Chaves ou Falha de Comunicação Bloqueio da Solução Início do Processo Rede Preparada e Evento no Sistema Solução Bloqueada? Algoritmo de Otimização Sequência de Manobras Parâmetros de Otimização Registro de Eventos Não
Fig. 4. Fluxograma Parte 2 – Verificações, algoritmo de otimização e sequência de manobras
O algoritmo de otimização é iniciado pela identificação das chaves que podem participar da reconfiguração da rede especificamente para essa falta. Então, as sequências de
manobras consideradas mais simples são identificadas, sendo utilizadas como variáveis de entrada ao algoritmo genético modificado, para melhorar seu desempenho.
Para determinar a sequência ótima de manobras, as seguintes variáveis são argumentos da função objetivo:
Número de Manobras
Indicadores de Continuidade
Energia não Distribuída
Prioridade de Fornecimento a Clientes Especiais A sequência obtida deve manter a rede dentro de seus limites operacionais, respeitando os valores estabelecidos de carregamento de equipamentos e trechos, além das tensões nas barras do sistema.
C. Envio de Comandos aos Equipamentos de Campo Obtida a melhor sequência de manobras, é iniciado o envio de comandos aos equipamentos de campo.
Primeiramente, o sistema verifica se existe algum comando de bloqueio da lógica por parte do operador ou se existe uma nova ocorrência na rede. Caso não haja novos bloqueios ou eventos, é enviado ao SCADA o sinal do primeiro comando previsto na sequencia estabelecida pelo algoritmo. Antes de iniciar os procedimentos para envio do segundo comando de manobra, o sistema aguarda a resposta de confirmação do sucesso da manobra anterior. Dessa maneira, é possível interromper a sequência e reiniciar o algoritmo de otimização caso aconteça um evento inesperado na rede. É possível também excluir da lógica um equipamento que tenha apresentado problemas em seu sistema de comunicação.
Fig. 5. Fluxograma Parte 3 – Envio de Comandos
III.FLUXOGRAMA DA SOLUÇÃO
O software da solução é estruturado através de um conjunto de processos executados em paralelo que se comunicam através do envio e recebimento de mensagens. Uma mensagem contém as informações necessárias para o processo destinatário realizar uma operação.
O software é composto pelos seguintes processos:
P_Interface_SCADA: Processo que realiza a
interface com o sistema SCADA. Recebe do SCADA informações referentes aos equipamentos de campo e envia as manobras geradas pela solução de self-healing.
P_Interface_Gis: Realiza a integração com o
sistema GIS. Recebe periodicamente um arquivo do GIS, realiza a montagem da topologia da rede no software e envia o resultado ao processo P_Topologia.
P_Análise: Recebe e interpreta as mensagens do
processo P_Interface_SCADA com dados adquiridos do sistema SCADA. Mudanças de estado ou alterações nas variáveis analógicas são enviadas ao processo P_Topologia. Dados indicando uma ocorrência na rede são enviados ao processo P_Contingência.
P_Topologia: Realiza periodicamente a estimação
de estados da rede. Após receber uma requisição do P_Contingência, envia uma cópia da rede a esse processo.
P_Contingência: Após receber uma mensagem
indicando uma falta na rede, solicita uma cópia da rede e executa o algoritmo de otimização para determinar a sequência de manobras a ser realizada. Por fim, envia essa sequência ao processo P_Manobra.
P_Manobra: Realiza a gestão das manobras, ao
enviar separadamente cada uma delas e executar as verificações necessárias.
P_Timer: Recebe requisições de temporização de
outros processos e envia mensagens indicando o timeout dessas temporizações.
A fig. 6 representa cada processo citado e as mensagens trocadas entre eles.
P_Interface_SCADA P_Interface_GIS P_Topologia P_Análise P_Contingência P_Manobra Sistema GIS SH2 AQ2 SH5 SH4 Sistema SCADA MA1 AQ1 ES1 SH1 MA3 MA6 MA2 MA4 SH3 MA5
Fig. 6. Estrutura do software da solução
A tab.1 apresenta os processos de origem e destino, além de uma breve descrição de cada mensagem representada na fig. 6.
TABELA I. ORIGEM, DESTINO E DESCRIÇÃO DE CADA MENSAGEM
Origem Destino Descrição
AQ1 P_InterfaceSCADA P_Análise Dados recebidos do sistema SCADA AQ2 P_Análise P_Topologia
Informações tratadas recebidas do sistema
SCADA ES1 P_InterfaceGIS P_Topologia Nova topologia da rede
recebida do GIS SH1 P_InterfaceSCADA P_Análise Indicação de ocorrência de
contingência SH2 P_Análise P_Contingência Indicação de ocorrência de
contingência SH3 P_Análise P_Manobra Indicação de ocorrência de
contingência SH4 P_Contingência P_Topologia Solicitação de cópia da rede
atualizada SH5 P_Topologia P_Contingência Cópia da rede atualizada MA1 P_Contingência P_Manobra Sequência de Manobras MA2 P_Manobra P_InterfaceSCADA Comando de operação de
chave MA3 P_InterfaceSCADA P_Análise Estado da função de SH
(bloqueado/desbloqueado) MA4 P_InterfaceSCADA P_Análise Estado da chave
comandada MA5 P_Análise P_Manobra Estado da função de SH
(bloqueado/desbloqueado) MA6 P_Análise P_Manobra Estado da chave
comandada Aquisição de dados do SCADA Construção da Rede Informações para rodar o algoritmo de self healing Execução de manobras de chaves V.HARDWARE
O hardware escolhido para a solução foi o equipamento SEL-3355 da empresa Schweitzer Engineering Laboratories (SEL), com desempenho e confiabilidade adequados para operação em tempo real e no ambiente de uma subestação.
VI.ESTUDO DE CASO
O local escolhido para a implantação da solução foi a subestação Tamboré da AES Eletropaulo, que possui 14 circuitos e 25 religadores automáticos. A fig. 8 apresenta a topologia dos circuitos dessa subestação representada no software da solução.
Fig. 7. Topologia da subestação Tamboré
A. Simulações
Inicialmente, foram realizadas simulações para determinar a melhoria nos indicadores de continuidade do sistema (DEC e FEC) decorrentes da implantação de uma solução de self healing. A tab.2 apresenta os resultados obtidos. A coluna DEC1 apresenta os dados de DEC de cada circuito, considerando os 12 meses de 2013. A coluna DEC2 traz os valores esperados de DEC com a implantação da solução de self healing, considerando o mesmo período e o mesmo histórico de eventos na rede. Vale ressaltar que apenas interrupções com duração superior a três minutos são consideradas no cálculo do DEC.
Os resultados mostram que em 6 dos 14 circuitos, é possível reduzir o DEC em mais de 20%. A subestação Tamboré, em comparação com outras subestações da AES Eletropaulo, possui indicadores de continuidade reduzidos e circuito pouco extensos. Aplicada em outros locais, a solução pode resultar em resultados ainda mais expressivos.
TABELA II. VALORES DE DEC OBTIDOS NAS SIMULAÇÕES
VII.CONCLUSÕES
Foi apresentada neste artigo a solução de self-healing que está sendo desenvolvida dentro do Projeto Estruturante de
Redes Inteligentes da AES Eletropaulo. Quanto à arquitetura, é utilizado um controlador no nível da subestação e integração com o sistema SCADA para obtenção de informações dos equipamentos de campo e envio de comandos de manobras. O software da solução executa de algoritmos de estimação de estados e de otimização para determinação da melhor sequência de manobras a ser realizada.
Os desenvolvimentos de software realizados levaram em conta que a solução irá funcionar em tempo real, demandando alta confiabilidade e disponibilidade. Conforme descrito anteriormente, o software da solução foi estruturado com um conjunto de processos que funcionam simultaneamente, trocando mensagens entre si.
As simulações mostram que a solução de self-healing pode reduzir significativamente os indicadores de continuidade dos circuitos. Com os resultados obtidos da implantação em campo, será possível determinar precisamente os benefícios da solução desenvolvida na qualidade do fornecimento de energia.
A solução encontra-se com seu desenvolvimento finalizado e em fase de testes em emulador de rede desenvolvido no âmbito do projeto. A sua aplicação em campo está prevista para o mês de Julho de 2015.
REFERÊNCIAS
[1] K. H. LaCommare, J. H. Eto, “Understanding the cost of power interruptions to U.S. Electricity Consumers,” Lawrence Berkeley
National Laboratory, 2001.
[2] Y. Kumar, B. Das, J. Sharma, “A Genetic Algorithm for Supply Restoration in Distribution System with Priority Customers”, 9th
International Conference on Probabilistic Methods to Power Systems,
2006.
[3] C. Angelo, B. Das, J. Sharma, “Technologies of the Self-Healing Grid,”
