Denisson Oliveira: denissonqo@gmail.com
16 a 19 de Agostode 2015
CAMPINAS - SP
XI SIMPÓSIO DE AUTOMAÇÃO DE SISTEMAS ELÉTRICOS
Análise Econômica de uma Proposta de Controle de Tensão Inteligente em
Sistemas de Distribuição
Oliveira, D. Q.
1, Bonatto, B. D.
1, Arango, H.
1, Santos, M. V.
1, Marujo, D.
1, Zambroni de
Souza
1, A. C., Felber, L. A.
2, Braga Jr., M. F.
2, Nascimento, J. A. O.
2, Carvalho Filho, J.
M.
11 - Universidade Federal de Itajubá
2 – Companhia Energética de Minas Gerais
Brasil
SUMÁRIO
A operação de sistemas de distribuição é uma tarefa complexa e deve considerar diversas variáveis,
tais como os níveis de tensão dos nós do sistema, perdas elétricas na rede, chaveamento de
dispositivos de controle, entre outros. Os resultados obtidos a partir do controle e operação do sistema
são importantes do ponto de vista financeiro para as concessionárias, já que as mesmas visam
maximizar sua receita e ao mesmo tempo são obrigadas a atender as normas regulatórias impostas pela
Agência Nacional de Energia Elétrica (ANEEL). Em sistemas de distribuição, existem alguns
equipamentos disponíveis para controle de tensão, os quais operam continuamente segundo suas
configurações internas e também podem ser acionados via telecomando. Dentro das potencialidades
oferecidas pela implantação de sistemas elétricos inteligentes, é possível dispor de mais opções e
ferramentas para monitorar e controlar o sistema remotamente, mantendo as variáveis dentro dos
limites por meio de manobras nos equipamentos. Tais ferramentas, como sistemas de comunicação,
medição em tempo real e controle inteligente, permitem o desenvolvimento de uma arquitetura de
controle mais robusta, capaz de considerar vários objetivos simultaneamente e de uma forma mais
integrada. Este artigo visa apresentar aspectos práticos da implantação de uma proposta de controle de
tensão via sistemas imunológicos artificiais considerando as potencialidades dos sistemas elétricos
inteligentes. Além disso, o artigo apresenta sob um ponto de vista financeiro, os efeitos da implantação
dessa proposta em sistemas de distribuição primários de uma concessionária de distribuição de energia
elétrica, considerando simultaneamente os efeitos da estratégia de controle proposta nas perdas
elétricas, níveis de tensão dos nós em regime permanente, nas receitas com a venda de energia elétrica
e nas penalidades aplicadas por não conformidade de tensão. A análise se concentra em variáveis
como número de operações de chaveamento em equipamentos, aumento da vida útil e minimização
dos gastos de manutenção dos mesmos, e penalidades impostas por não conformidade de tensão em
regime permanente, definidas pela ANEEL como Duração Relativa da Transgressão de Tensão
Precária (DRP) e Duração Relativa da Transgressão de Tensão Crítica (DRC).
PALAVRAS-CHAVE
2
1. Introdução
A operação de sistemas de distribuição é uma tarefa complexa e deve considerar diversas variáveis, como os níveis de tensão em todos os nós do sistema, perdas elétricas na rede, chaveamento de dispositivos de controle, entre outros. Os resultados obtidos a partir do controle e operação do sistema são importantes do ponto de vista financeiro para as concessionárias, já que as mesmas visam maximizar sua receita e ao mesmo tempo são obrigadas a atender as normas regulatórias impostas pela Agência Nacional de Energia Elétrica (ANEEL), dispostas nos Procedimentos de Distribuição de Energia Elétrica no Sistema Elétrico Nacional (PRODIST) [1]. Em sistemas elétricos de distribuição, a regulação de tensão é feita por meio da operação de equipamentos como transformadores com comutação sob carga (LTCs), reguladores de tensão de linha (SVRs), e bancos de capacitores chaveados (SCs). Tais equipamentos operam de acordo com as suas configurações previamente definidas, parametrizados conforme requisitos técnicos da distribuidora e, com a evolução dos controles microprocessados podem ser controlados à distância, via telecomando a partir do centro de operações.
Dentro da atual estrutura presente em na maioria das concessionárias, encontram-se uma grande variedade e quantidade de dados adquiridos por equipamentos e medidores conectados à rede que são enviados ao centro de controle via sistemas supervisórios com o intuito de automatizar a operação das subestações e sistemas de distribuição. Considerando o novo paradigma de sistemas elétricos inteligentes, esse conjunto de dados disponíveis e a possibilidade de monitoração e operação remota em todos os pontos do sistema podem ser aplicados no desenvolvimento de uma arquitetura de controle mais profunda e complexa, capaz de considerar vários objetivos simultaneamente e de maneira integrada.
O problema de regulação de tensão em sistemas de distribuição é alvo de diversos estudos que buscam manter a tensão dentro de limites adequados tendo como objetivos a minimização de chaveamentos em equipamentos de regulação de tensão e controle de potência reativa [2]-[4]. O aumento da presença de geração distribuída (GD) no sistema de distribuição também demanda maiores investigações sobre a coordenação do controle de potência ativa/reativa dos inversores e a operação de equipamentos chaveados de regulação de tensão a fim de evitar conflitos nas ações de controle. Esses aspectos são investigados em [5]-[8] com a aplicação de algoritmos evolutivos, sistemas multi-agentes, e lógica fuzzy.
Investigações conduzidas em etapas anteriores acerca do problema de regulação de tensão em sistemas primários de distribuição tendo como objetivo a redução de chaveamentos e usando sistemas imunológicos artificiais (SIA) como ferramenta de otimização demonstraram bons resultados [9]. No entanto, a inclusão de outros objetivos no problema é necessária para abordar de forma mais generalizada a operação de sistemas de distribuição, não se limitando apenas ao problema de regulação de tensão.
Este artigo apresenta aspectos práticos da implantação de uma proposta de controle de tensão inteligente baseado em SIA considerando as potencialidades dos sistemas elétricos inteligentes. Além disso, o artigo apresenta de um ponto de vista financeiro, os efeitos da implantação dessa proposta em sistemas elétricos de distribuição primários de uma concessionária de distribuição de energia elétrica, considerando simultaneamente os efeitos da estratégia de controle proposta nas perdas elétricas, custos de chaveamento de equipamentos, nas receitas com a venda de energia elétrica e nas penalidades aplicadas por não conformidade de tensão em regime permanente. Para estabelecer se na prática há um ganho financeiro para a concessionária, os resultados das simulações serão comparados às estimativas de custos reais da empresa, de forma que os ganhos possam ser mensurados e novas práticas possam ser propostas para a operação do sistema de distribuição.
O artigo é organizado da seguinte maneira: A seção 2 apresenta brevemente o problema de controle de tensão em sistemas de distribuição, as normas vigentes da ANEEL e a aplicação de técnicas inteligentes na abordagem desse problema. Na seção 3 a metodologia de controle multiobjetivo proposta para investigação é descrita, enquanto que na seção 4 os resultados e variáveis econômicas obtidos durante os testes são apresentados e analisados. Finalmente, a seção 5 apresenta as conclusões e propostas de abordagens futuras para melhoria da metodologia, e consequentemente dos resultados obtidos por meio dela.
2. Controle de tensão em sistemas de distribuição
A ANEEL estabelece por meio do PRODIST os limites operativos para diversas variáveis dentro do sistema de distribuição. Uma dessas variáveis é a tensão em regime permanente. Para sistemas com tensão acima de 1 kV e abaixo de 69 kV, os limites de tensão que devem ser garantidos pela concessionária estão descritos na Tabela I. Para manter a tensão dentro dos intervalos admissíveis estabelecidos por norma, as concessionárias empregam diversas metodologias de controle automático de tensão (CAT), as quais podem ser classificadas de acordo com as características de regulação ou das técnicas de configuração dos relés de controle de tensão. Quanto à
3
característica de regulação, cita-se a regulação dinâmica, a regulação estática, a regulação por faixas e a regulação por sistemas inteligentes, que é a ferramenta aplicada durante o desenvolvimento deste trabalho.TABELA I
Tensão requerida nos pontos de conexão em sistemas operando em tensão nominal superior a 1 kV e inferior a 69 kV
Classificação Tensão nominal do ponto de leitura
Adequada 0,93TR ≤ TL ≤ 1,05TR
Precária 0,90TR ≤ TL < 0,93TR
Crítica TL < 0,9TR ou TL > 1,05TR
Onde TR é a tensão de referência do sistema e a TL é a tensão de leitura.
A violação dos limites estabelecidos gera penalidades para as concessionárias, as quais devem ser pagas por meio de descontos nas faturas dos consumidores. Para uma amostra de 1008 pontos medidos durante uma semana em intervalos de 10 minutos, o PRODIST prevê que se houver violação da faixa precária em 3% das amostras, a concessionária é multada por não respeitar o limite do indicador de Duração Relativa de Transgressão da Tensão Precária (DRP). Já se houver violação da faixa crítica em 0,5% das amostras, a multa se refere à violação do indicador de Duração Relativa de Transgressão da Tensão Crítica (DRC). O método de cálculo das multas é estipulado no PRODIST e dependem da quantidade de violações, da tensão do sistema e do valor mensal do Encargo de Uso do Sistema de Distribuição (EUSD).
2.1.
Controle de tensão em sistemas de distribuição usando técnicas inteligentes
A regulação por sistemas inteligentes, como lógica difusa e algoritmos evolutivos, é possibilitada pela existência de equipamentos com alta capacidade de processamento, permitindo soluções de boa qualidade em intervalos de tempo adequados.
Os algoritmos evolutivos são técnicas computacionais que executam um processo aleatório de busca de soluções seguindo algumas premissas da teoria da evolução. Os paradigmas da computação evolutiva se diferem dos processos tradicionais por utilizarem um conjunto de possíveis soluções, chamado população; por executarem a busca a partir da própria função e não de uma derivada ou outras informações; e aplicação de regras probabilísticas de transição. Todas essas técnicas seguem em algum grau os seguintes passos:
Reprodução: esse passo se caracteriza pela reprodução dos indivíduos da população, criando diversos clones iguais. Esses indivíduos e clones são as soluções do problema da função objetivo;
Maturação: nesse passo ocorrem mutações aleatórias em características dos indivíduos que formam a população, baseada em regras probabilísticas. Essas mutações criam indivíduos com alguma característica diferente entre si, mas ainda assim descendentes de um mesmo ancestral comum;
Seleção: essa etapa se caracteriza pela seleção dos melhores indivíduos da sociedade. Essa aptidão é calculada de acordo com o resultado de uma função objetivo à qual cada indivíduo é submetido. Cria-se, portanto, uma classificação entre os indivíduos mais aptos e os menos aptos. Estes últimos podem ser extintos durante o processo evolutivo ou ainda ter suas chances de sobrevivência diminuída em relação aos demais indivíduos mais aptos, sendo substituídos por outros indivíduos durante o processo. A técnica inteligente escolhida para o desenvolvimento deste trabalho foi o Sistema Imunológico Artificial (SIA), um algoritmo evolutivo inspirado no funcionamento do sistema imunológico dos mamíferos. Por meio de diversas metáforas, algumas características deste sistema são reproduzidas computacionalmente, tais como a memória, o reconhecimento de padrões, e o aprendizado reforçado. As referências [10]-[12] fornecem mais informações sobre o SIA e apresentam mais exemplos e aplicações desta técnica na resolução de diversos problemas de otimização.
3. Metodologia multiobjetivo de regulação de tensão em sistemas de
distribuição
O problema de regulação de tensão em sistemas de distribuição foi abordado anteriormente em [9] tendo como objetivo a minimização de operações de chaveamento de equipamentos. Já o modelo multiobjetivo aqui proposto representa um passo adiante ao descrever o problema de regulação de tensão em sistemas de distribuição incluindo novas variáveis na análise. Pretende-se, assim, estabelecer critérios a serem avaliados à luz de um modelo econômico e regulatório do mercado do setor elétrico brasileiro.
4
A abordagem apresentada considera uma variável chamada bem-estar (W), a qual busca traduzir e avaliar de forma financeira o bem-estar gerado no mercado do setor elétrico devido ao uso da energia elétrica pelo consumidor e os valores adicionais agregados ao produtor. Essa variável considera em sua formulação a receita (R) auferida pela concessionária em função da venda de energia elétrica e os custos envolvidos na prestação do serviço de fornecimento de energia elétrica, chamado aqui de custos de produção (C). Esses custos incluem os custos de chaveamento de equipamentos de regulação de tensão, custos com perdas técnicas e custos de possíveis multas devido a não conformidade de tensão em regime permanente.A receita (R) diz respeito ao ganho da concessionária advindo da venda de energia elétrica aos consumidores, a qual depende da potência ativa consumida e o período de tempo considerado. Assim, a receita é representada por:
T
R
(1) Onde: T : tarifa de eletricidade, em $/kWh Ɛ : energia consumida, em kWhOs custos de prestação de serviço incluem os custos de chaveamento de equipamentos (CSW), custos de perdas de
potência ativa (Closs), e os custos de multas por não conformidade de tensão (CV). A parcela CSW é determinada
de acordo com o número de operações de cada um dos equipamentos de regulação existentes no sistema.
SC SW SC SRV SW SVR LTC SW LTC SW
n
C
n
C
n
C
C
,
,
, (2)Onde:
n : quantidade de chaveamentos em cada equipamento
Devido à dificuldade de determinar corretamente os custos unitários de chaveamento de cada um dos equipamentos existentes, o custo final dessa variável pode sofrer alterações significativas. Durante este trabalho, a metodologia de determinação dos custos unitários de chaveamento de cada um dos equipamentos leva em consideração a vida útil de cada equipamento, em termos de quantidade de chaveamento, e custos de compra e manutenção dos mesmos.
Por sua vez, a parcela Closs é determinada de acordo com os custos das perdas de potência ativa revertidos em
energia que deixou de ser revendida ao consumidor, pela mesma tarifa T considerada anteriormente.
T
E
T
t
P
C
loss
loss
loss
(3)Onde:
Ploss : perdas elétricas, em kW
Eloss : perdas elétricas, em kWh
t : intervalo de tempo
Já os custos de multas por não conformidade de tensão em regime permanente, (CV), são calculados de acordo
com a ocorrência de violações de tensão em regime permanente em níveis precário e crítico. Como o método descrito em [1] é empregado após se obterem as medições, considera-se aqui um método aproximado ao descrito para que as violações de tensão sejam contabilizadas aos custos no momento em que ocorrerem durante a simulação da operação do sistema elétrico.
EUSD
k
m
k
m
C
V
P
P
C
C)]
1008
1
(
)
1008
1
[(
(4) Onde:mP : quantidade de violações de tensão em nível precário
kP : constante de proporcionalidade, igual a 3 se DRP é maior que limite
mC : quantidade de violações de tensão em nível crítico
kC : constante de proporcionalidade, igual a 7 se DRC é maior que limite em sistemas de baixa
tensão
5
Finalmente, o bem-estar (W) produzido por um mercado pode ser formulado quantitativamente partindo da sua modelagem como sendo a interação entre o consumo e a produção. A partir dos excedentes do produtor e do consumidor, é possível demonstrar que a concessionária que presta o serviço regulado deve permanecer em equilíbrio econômico-financeiro. Essa ideia é exemplificada por meio da Figura 1.Para a determinação do bem estar, admite-se a hipótese de que a regulação de tensão não altera o excedente (surplus) do consumidor, resultando em (5). Essa hipótese pode ser considerada verdadeira porque, desde que a tensão permaneça dentro dos limites não existe nenhuma alteração no uso da eletricidade por parte dos consumidores. A conclusão fundamental que se pode extrair é que a regulação deve perseguir a maior variação positiva da variável bem estar possível, capturando assim uma parcela considerável dos benefícios econômicos advindos do controle das tensões na rede de distribuição.
Figura 1 Modelo de mercado ilustrando o bem estar socioeconômico
C
R
C
R
R
U
V
S
W
(
)
(
)
(5) Onde: W : bem estarS : excedente (surplus) do consumidor
V : valor econômico adicionado à concessionária
U : utilidade ou valor de uso da energia elétrica ao consumidor R : receitas
C : custos
O funcionamento de toda estrutura proposta pode ser visualizada de forma mais clara por meio da Figura 2. Conforme apontado anteriormente, a disponibilização de dados e medições para o controlador é essencial para que a solução dada seja viável. De acordo com a metodologia proposta, as grandezas medidas em equipamentos distribuídos no sistema são enviados para um computador ou sistema centralizado na subestação ou centro de controle da operação. Os dados são enviados via sistema supervisório ou por outros canais de comunicação e transmissão de dados. Esse fluxo de dados é representado pelas setas vermelhas.
A transmissão desse volume de dados requer um sistema de comunicação e transmissão robusto e com capacidade de transmitir essa quantidade de informação. O sistema supervisório da concessionária disponibiliza os dados necessários para alimentar o modelo de otimização apresentado. No entanto, deve-se ter atenção ao fato de que os dados das diversas fontes não são sincronizados e devem, portanto, passar por algum estágio inicial de sincronização temporal. À medida que a infraestrutura existente no sistema elétrico de distribuição passe a dispor de maior quantidade de dados sincronizados, essa questão deixará de ser um problema.
De posse dos dados necessários, o processo evolutivo é executado e as soluções são apresentadas. É crucial destacar aqui que quanto maior a fidelidade do modelo computacional do sistema em relação à rede real, maior a qualidade das soluções apresentadas. Esta constatação se deve ao fato de que todos os indivíduos da população devem ser testados e avaliados de acordo com as soluções apresentadas para o respectivo sistema.
A solução (anticorpo) apresentada mostra a posição de todos os tapes de todos os equipamentos de regulação de tensão e de capacitores existentes na rede de distribuição em questão. Caso haja necessidade de mudança na posição do tape de algum equipamento, a operação via telecomando pode acontecer automaticamente ou por intervenção de um operador, quando esse tipo de comando não remoto for possível. Esse fluxo de dados do centro de controle para os equipamentos conectados ao sistema é mostrado por meio das setas pretas.
6
Figura 2 Estrutura de funcionamento do controle multiobjetivo proposto4. Resultados e análise econômica
A proposta de controle multiobjetivo descrita anteriormente foi testada em um alimentador da concessionária para avaliar os resultados e comparar os mesmos com aqueles obtidos a partir das práticas de regulação de tensão atualmente aplicadas. O alimentador testado possui um LTC na subestação, dois SVRs ao longo do alimentador e um banco SC chaveado com posições ligado/desligado.
As práticas atuais de regulação de tensão se baseiam na aplicação do Line Drop Compensation (LDC) para controle das posições de tapes em equipamentos de controle de tensão, como o LTC e o SVR. O LDC é uma função do relé de controle de tensão responsável pela mudança nas posições dos tapes de acordo com as configurações de um circuito interno que reproduz as características da rede a fim de controlar a tensão em determinado ponto. Tal ponto é determinado pelos valores de resistência e reatância do circuito interno.
Um grupo de curvas de demanda, mostrado na Figura 3, extraídas a partir de medições realizadas no alimentador é utilizado durante os testes. Conforme descrito anteriormente, as variáveis de (1) a (4) são calculadas e comparadas usando como base os resultados encontrados quando se aplica LDC, que é a técnica de regulação de tensão atualmente aplicada nos dispositivos de controle conectados ao alimentador. A tarifa de energia elétrica e os custos de chaveamento dos diversos equipamentos são mantidos constantes em todos os casos investigados.
Figura 3 Curvas de demanda usadas durante os testes
Os resultados obtidos durante a simulação de 24 horas de operação usando a técnica LDC como algoritmo de controle dos equipamentos de regulação de tensão no sistema de distribuição estão descritos na Tabela II para cada uma das curvas da Figura 3. A coluna referente à receita mostra o total auferido com a venda de energia elétrica durante o respectivo dia, a coluna perdas mostra o total de energia elétrica não faturada durante um dia. A coluna de multas dá uma projeção do valor da multa referente ao dia de operação por violações dos limites de tensão precária e crítica. A coluna chaveamentos dá uma perspectiva econômica dos custos de chaveamento dos
7
equipamentos durante um dia. Por fim, a coluna quantidade de chaveamentos mostra o número de chaveamentos ocorridos durante um dia para cada um dos casos investigados.TABELA II
Resultados obtidos por meio da aplicação da técnica LDC usando as curvas 1 a 3 Receitas ($) Perdas ($) Multas ($) Chaveamentos
($) Quantidade de chaveamentos Curva 1 34.796,00 2.570,04 0,18 16,60 150 Curva 2 36.697,81 3.969,66 0 26,40 264 Curva 3 35.705,43 3.962,83 0,18 27,70 277
Os resultados mostrados na Tabela III se referem aos testes executados usando a curva 1 como demanda do sistema e o algoritmo inteligente baseado em SIA como técnica de regulação de tensão. Como todo algoritmo evolutivo, o processo aplicado no SIA é aleatório, e por isso são mostrados os resultados de três simulações realizadas. Os resultados mostrados na Tabela III estão em p.u., tendo como base os respectivos valores obtidos por meio da simulação usando LDC e mostrados na segunda linha da Tabela II.
TABELA III
Resultados obtidos por meio da aplicação da técnica SIA usando a curva 1 Receitas (p.u.) Perdas (p.u.) Multas (p.u.) Chaveamentos
(p.u.) Quantidade de chaveamentos (p.u.) 0,9515 1,0603 0 0,1987 0,1933 0,9583 1,0668 0 0,2349 0,2600 0,9619 1,0108 1 0,2891 0,1866
Conforme visto nas soluções apresentadas na Tabela III, percebe-se uma queda de aproximadamente 5% na receita auferida pela venda de energia elétrica e um aumento nas perdas do sistema. Esses resultados são coerentes com a operação do sistema em uma tensão média menor do que no caso de regulação de tensão usando o algoritmo LDC. Essas tensões mais baixas influenciam na potência consumida e na corrente que circula pelo sistema, atingindo diretamente as variáveis energia e perdas elétricas ativas. Por outro lado, as soluções obtidas via SIA apresentam uma melhoria na variável ‘Multas’ em dois casos apresentados e uma redução expressiva nos custos de chaveamento, chegando a mais de 80% em dois dos casos descritos.
As soluções mostradas na Tabela IV se referem aos testes executados usando os dados da curva 2 como demanda do sistema e o algoritmo inteligente baseado em SIA como técnica de regulação de tensão. Novamente são descritos três resultados obtidos para este caso. Os resultados mostrados na Tabela IV estão em p.u., tendo como base os respectivos valores obtidos por meio da simulação usando LDC e mostrados na terceira linha da Tabela II. É importante ainda explicar que o símbolo (*) na coluna multas foi colocado porque há multas no caso investigado via SIA, as quais não existiram no caso LDC mostrado na Tabela II. Por esse motivo, os valores da coluna ‘Multas’ estão em ($), em vez de serem mostrados em p.u.
TABELA IV
Resultados obtidos por meio da aplicação da técnica SIA usando a curva 2 Receitas (p.u.) Perdas (p.u.) *Multas ($) Chaveamentos
(p.u.) Quantidade de chaveamentos (p.u.) 0,9554 1,0215 1,01 0,3863 0,3560 0,9554 1,0215 1,01 0,3863 0,3560 0,9589 1,0379 1,66 0,8257 0,5530
Novamente pode-se notar uma queda na receita auferida pela venda de energia elétrica e aumento nas perdas. Os motivos elencados anteriormente se aplicam novamente a esse caso. A variável ‘Multas’, no entanto, apresenta um resultado inferior ao observado usando o LDC como técnica de regulação de tensão, onde não existem multas por não conformidade de tensão em regime permanente. As variáveis relacionadas aos custos e quantidade de chaveamentos também apresentam uma melhora expressiva em dois casos, diminuindo cerca de 61% e 64%, respectivamente.
Por fim, os resultados mostrados na Tabela V se referem aos testes executados usando os dados da curva 3 como demanda do sistema e o algoritmo inteligente baseado em SIA como técnica de regulação de tensão. Mais uma vez são descritos três resultados obtidos para este caso. Os resultados mostrados na Tabela V estão em p.u.,
8
tendo como base os respectivos valores obtidos por meio da simulação usando LDC e mostrados na quarta linha da Tabela II.TABELA V
Resultados obtidos por meio da aplicação da técnica SIA usando a curva 3 Receitas (p.u.) Perdas (p.u.) Multas (p.u.) Chaveamentos
(p.u.) Quantidade de chaveamentos (p.u.) 0,9797 1,0480 4,50 0,4043 0,3754 0,9811 1,0493 4,50 0,4043 0,3754 0,9798 1,0238 5,94 0,3971 0,3682
Neste último caso analisado a receita teve uma queda menor do que nos casos anteriores. No entanto, perdas e multas tiveram um aumento em relação ao caso base. Já as variáveis relacionadas ao chaveamento de equipamentos tiveram uma redução significativa novamente, conforme pode ser observado na Tabela V.
Em relação aos resultados obtidos e descritos nas tabelas anteriores relacionados à aplicação da abordagem multiobjetivo proposta, é possível observar que existe uma tendência de queda na receita auferida pela venda de energia elétrica e um aumento na variável ‘Perdas’ em comparação aos resultados observados quando se utiliza a técnica LDC para a regulação de tensão, conforme pode ser visto nas Tabelas III a V.
No entanto, os resultados obtidos em relação aos custos e à quantidade de chaveamentos durante um dia são promissores. Por sua vez, a diminuição expressiva na quantidade de chaveamentos remete diretamente à vida útil do equipamento, que vai aumentar significativamente em face de haver diminuído da quantidade de operações diárias. Considerando as curvas de carga apresentadas mantidas constantes por tempo indeterminado existe a expectativa de que um equipamento tenha uma vida útil aumentada entre 2 e 5 vezes.
Em relação à variável ‘Multas’ deve-se explicar que os resultados obtidos podem não ser observados quando a metodologia real descrita em [1] for levada em consideração. De acordo com [1], a multa por violação de DRP e DRC deve ser aplicada quando se observa a violação 3% e 0,5%, respectivamente, em uma amostra de 1008 leituras válidas, as quais devem ser feitas durante uma semana em intervalos de 10 minutos. Essas porcentagens equivalem, respectivamente, a 30 e 5 violações de tensão em um mesmo ponto de leitura. Então, aplicando a metodologia real ao problema existem casos contabilizados como multas durante a simulação que podem não ser convertidos em multa de acordo com a metodologia.
A possibilidade de obter melhores resultados em relação às variáveis ‘Receita’ e ‘Perdas’ está condicionada a imposição de restrições de convergência mais exigentes ao algoritmo, trazendo maior esforço computacional, e aumento no tempo de processamento. Porém, em muitos casos esses limites mais rígidos não se convertem em um ganho real visto que o aumento na receita pode vir acompanhado de um aumento expressivo na quantidade de chaveamentos no sistema a fim de manter a tensão em níveis mais elevados.
A análise da variável bem estar mostra que o objetivo de maximização da expressão (5) é atingido, mantendo sempre o valor próximo da unidade e com leves variações positivas. A perda de receitas da concessionária é equilibrada por um corte de custos de equipamentos, enquanto que para o consumidor as despesas com energia elétrica diminuem e sua utilidade se mantém constante, conforme hipótese considerada no início.
Os próximos passos no desenvolvimento desta proposta de controle multiobjetivo em sistemas de distribuição incluem a simulação utilizando uma maior quantidade de dados reais obtidos a partir de medições para se verificar o desempenho do algoritmo inteligente durante maiores períodos de tempo. Melhorias podem ser adicionadas ainda ao algoritmo SIA considerando diferentes proporções entre os custos de chaveamento dos diferentes equipamentos de regulação de tensão e também adicionando a capacidade de memória ao algoritmo, possibilitando que ele busque e aplique soluções passadas que foram armazenadas para compor a população de indivíduos em novos processos evolutivos.
5. Conclusão
A regulação de tensão em sistemas de distribuição é realizada por meio de uma abordagem que individualiza a operação dos diferentes equipamentos de controle de tensão. A abordagem multiobjectivo proposta busca aglutinar todos os dados disponíveis e dentro de um novo paradigma de sistema elétricos inteligentes, propõe integrar o controle de uma forma mais funcional e generalizada. Em vez de considerar apenas a tensão nos nós do sistema, consideram-se também outras variáveis importantes como perdas elétricas, operações de chaveamento em equipamentos de controle de tensão e multas por não conformidade de limites de tensão em
