AVALIAÇÃO DA INFLUÊNCIA DOS PATAMARES DE CARGA NA RECONFIGURAÇÃO DE REDES DE DISTRIBUIÇÃO DE ENERGIA COM A INSERÇÃO DO CARREGAMENTO DE VEÍCULOS ELÉTRICOS

(1)

(2)

(3)

(4)

(5)

1 INTRODUC¸ ˜AO

O Sistema Elétrico Brasileiro atualmente está passando por uma moderniza¸cão considerando a inser¸cão de novas tecnologias e a busca de melhoria na eficiência dos servi¸cos de distribui¸cão, principalmente quanto à confiabilidade e a redu¸cão das perdas elétricas. Com a dissemina¸cão dos ve´ıculos elétricos (VE) ao redor do mundo, é poss´ıvel imaginar um cenário no qual o Brasil possua uma grande inser¸cão de VEs na sua frota, os quais trarão impacto significativo nas redes de distribui¸cão devido às recargas das baterias elétricas (JIANG et al., 2014).

A recarga de ve´ıculos elétricos na rede traz um aumento significa-tivo da demanda de energia na rede de distribui¸cão. Este fator impacta diretamente no aumento de perdas de energia, na redu¸cão da tensão do sistema, no desequil´ıbrio entre fases em sistemas de baixa tensão e diminuindo a confiabilidade da rede de distribui¸cão (TEODORO, 2005). Como as perdas de energia representam um custo adicional para as empresas de distribui¸cão, os sistemas necessitam de ferramentas rápidas e econômicas de planejamento para minimiza¸cão destas perdas. Citam-se como exemplo a instala¸cão de banco de capacitores ( o qual reduz as perdas reativas e melhora as tensões da rede), a eleva¸cão da tensão, e a reconfigura¸cão da rede de distribui¸cão. Dentre estas técnicas, a op¸cão pela reconfigura¸cão é a que exige menor investimento, pois permite a utiliza¸cão de recursos já existentes no sistema (GOMES, 2005; NETO, 2014).

A reconfigura¸cão da rede é uma técnica que desempenha um papel fundamental. Tradicionalmente, as redes de distribui¸cão operam em topologia radial existindo um único caminho para o fluxo de energia da subesta¸cão a carga. As perdas de energia e a diminui¸cão dos n´ıveis de tensão desta forma, observam-se perdas ao longo da rede, o que gera impactos negativos no desempenho do sistema. Com a reconfigura¸cão, é poss´ıvel alterar a topologia da rede a partir da abertura e fechamento de chaves em funcionamento normal. Esta mudan¸ca de topologia permite um melhor equil´ıbrio de carga entre os alimentadores, melhorando assim os n´ıveis de tensão e outros indicadores (MELLO, 2014).

Segundo Matos (2000), os sistemas de energia elétrica são projeta-dos para atender a demanda de energia de forma cont´ınua, respeitando padrões de qualidade como limites de tensão e frequência, seguran¸ca, e restri¸cões econômicas e ambientais. Assim, os métodos de reconfigura¸cão determinam a topologia de rede que apresente o melhor resultado em termos dos indicadores e requisitos considerados como critérios de

(6)

otimiza¸c˜ao.

Como a reconfigura¸cão da rede tem o objetivo de atender a demanda de forma cont´ınua e com os melhores indicadores poss´ıveis se faz necessário a previsão da carga da rede. Estas previsões de carga são normalmente realizadas com o uso de curvas de carga em bases temporais diferentes, por exemplo: horárias, semi-horárias, diária, etc. A falta de uniformidade dessas informa¸cões, dado o seu volume, implica em um grande esfor¸co adicional nas tarefas do planejamento (FARIAS; SOUZA, 2008).

Uma alternativa para reduzir essas dificuldades é a desagrega¸cão ou agrega¸cão das informa¸cões dessas previsões de carga em patamares de carga. O patamar representa o n´ıvel mais alto em um perfil de carga, dado um intervalo de tempo. O intervalo de um patamar é pré-estabelecido através de estudos sobre o comportamento da carga (NEVES, 2008).

A reconfigura¸cão da rede implica na abertura e fechamento de chaves de manobra. Esse chaveamento pode provocar desgaste mecânico, sobretensões transitórias e custos elevados com equipes, se as chaves não forem telecomandadas. Assim, a reconfigura¸cão é feita apenas se houver um ganho razoável nos indicadores como perdas, n´ıveis de tensão, entre outros. Por isso, é importante a determina¸cão dos patamares de carga em que os chaveamentos devem ser realizados.

Este trabalho apresenta uma compara¸cão da reconfigura¸cão de uma rede de distribui¸cão com carregamento de ve´ıculos elétricos, considerando-se diferentes conjuntos de patamares de carga. Os indica-dores da reconfigura¸cão avaliados foram as perdas elétricas, n´ıveis de tensão e número de manobras. Para avaliar o impacto dos patamares de carga na rede de distribui¸cão, foi utilizado o método de reconfigura¸cão troca de ramos, inicialmente sem a inclusão do carregamento de ve´ıculos e, posteriormente, com o sistema de carregamento.

2 REVIS ˜AO DA LITERATURA

O objetivo desta se¸cão é apresentar uma s´ıntese da revisão bibliográfica e do estado da arte da reconfigura¸cão de sistemas de distribui¸cão, considerando patamares de carga e ve´ıculos elétricos.

(7)

2.1 RECONFIGURAÇ ÃO DA REDE DE DISTRIBUIÇ ÃO

A reconfigura¸cão dos sistemas de distribui¸cão com o objetivo de redu¸cão das perdas traz naturalmente a melhoria das condi¸cões operacionais e dos indicadores da rede. Um dos primeiros trabalhos foi apresentado por Merlin e Back (1975) utilizando a técnica de otimiza¸cão discreta, conhecida na literatura como Branch and Bound. Entretanto, sua aplica¸cão para sistemas reais não é tão simples, visto que exige um alto esfor¸co computacional se a metodologia não for otimizada (MELLO, 2014).

Na Figura 1, a t´ıtulo de ilustra¸cão, observa-se a topologia de uma rede de distribui¸cão com 3 alimentadores e chaves de manobras Sn. As chaves S14, S15 e S16 são chaves de transferência de cargas, denominadas chaves de interliga¸cão. Esse é um sistema de 16 barras apresentado por (CIVANLAR et al., 1988).

Figura 1 –Topologia da rede de distribui¸c˜ao com Chaves de manobra; Fonte: (CIVANLAR et al., 1988)

A reconfigura¸cão da rede de distribui¸cão pode apresentar proble-mas de dimensões de médio a grande porte. Assim, a busca por uma solu¸cão ótima é complexa e requer um número elevado de alternativas de topologia. A solu¸cão do problema emprega métodos de otimiza¸cão que podem ser classificados em quatro categorias principais, sendo

(8)

elas: heur´ıstica, meta-heur´ıstica, sistemas especialistas e programa¸cão matemática. Estas classifica¸cões são divididas em dois grandes grupos: 1) métodos exatos; e 2) métodos aproximados (DAS; NAGI; KOTHARI, 1994).

Os métodos exatos, compreendem os sistemas especialistas e programa¸cão matemática, e conseguem encontrar o ótimo global do problema e provar que a solu¸cão é ótima. Porém, estes métodos são utilizados somente em modelos de rede simples, devido ao tempo de processamento computacional necessário. Assim, não são recomendados para reconfigura¸cão em redes de grande porte (CARRENO; ROMERO; PADILHA-FELTRIN, 2008).

Os métodos aproximados compreendem os métodos heur´ısticos e métodos meta-heur´ısticos e podem ser capazes de encontrar o ótimo global, mas sem provar seu ponto ótimo. Os trabalhos com essa metodologia iniciam com Civanlar et al. (1988), este o qual apresenta uma solu¸cão exata e, portanto, não é viável para rede de grande porte, Baran e Wu, (1989) e Shirmohammadi e Hong (1989), sendo estes ´

ultimos autores os mais referenciados nesses m´etodos.

Os trabalhos de Baran e o de Shirmohammadi propõem o uso da técnica heur´ıstica Branch Exchanges (Troca de ramos), a qual não garante o ótimo global, mas converge de modo rápido para uma solu¸cão ´

otima (MELLO, 2014).

As técnicas meta-heur´ısticas podem ser aplicadas em modelos de redes de maior dimensão. Entre as mais utilizadas, destaca-se o uso de algoritmos genéticos (AG) (Carreno, Romero e Padilha-Feltrin ,2008) e a otimiza¸cão por colônia de formigas (Othman, El-Fergany e Abdelaziz, 2015).

Os trabalhos mais recentes utilizando a metodologia heur´ıstica Branch Exchanges são apresentados em ambiente de redes inteligentes smartgrids como os trabalhos de Cavalcante (2013), Mello, et al. (2012) e Bernardon, et al. (2010). Outros trabalhos recentes utilizando esta técnica são de Zanchetta (2016) e Ambroso (2017) os quais utilizam a técnica da reconfigura¸cão da rede de distribui¸cão com a inser¸cão de gera¸cão distribu´ıda.

A técnica de troca de ramos apresenta algumas vantagens em rela¸cão a outras técnicas encontradas na literatura, entre elas estão: limita o espa¸co de busca de solu¸cões e não necessita de ajustes de parâmetros, caso haja altera¸cão na rede.

(9)

2.2 AVALIAÇ ÃO DAS CURVAS TÍPICAS DE CARGA

A Resolu¸cão Normativa N o_{¯ 414/2010 da Agência Nacional de} Energia Elétrica (ANEEL) define que um consumidor de energia é qualquer pessoa f´ısica ou jur´ıdica legalmente representada que solicite à distribuidora, ou uma comercializadora, o fornecimento de energia elétrica, assumindo a responsabilidade pelo pagamento das faturas e pelas demais obriga¸cões. Nos sistemas de distribui¸cão de energia existem três tipos de conexões: trifásicas, bifásicas ou monofásicas. Os consumidores podem ser caracterizados como residenciais, comerciais, industriais, entre outros (NEVES, 2008).

Cada caracter´ıstica de consumidor apresenta um determinado comportamento t´ıpico. Como o consumo de energia usualmente não é monitorado em tempo real e individualmente, utilizam-se de levantamen-tos estat´ısticos com base em amostras de consumidores para caracteriza-¸cão deste consumo. Desta maneira, cria-se o perfil de consumo de um determinado extrato ou classe de consumidor para cada instante de tempo, usualmente com dura¸cão de um dia (NEVES, 2008).

Jardini et al. (2000) chama os perfis de consumo de curvas de carga, e define que os mesmos estão diretamente relacionados ao horário do dia, dia da semana, esta¸cão do ano, condi¸cões climáticas e perfis socioeconômicos dos consumidores.

A estimativa da demanda de potência nos transformadores de distribui¸cão em cada instante de tempo é obtida usando o processo de agrega¸cão de cargas, considerando o perfil de demanda dos consumidores a eles conectados. Essa informa¸cão pode ser utilizada em análises e estudos para sistemas de distribui¸cão (JARDINI et al., 2000).

As curvas de cargas são apresentadas de maneiras normalizadas por unidade p.u., assim representando o perfil de classe de um consumidor, tendo comumente como potência base do consumidor i, Pbasei, a corres-pondente demanda média ao longo do mês. Esta demanda média pode ser obtida através do consumo mensal, em kWh dos consumidores conforme equa¸cão (2.1) (JARDINI et al., 2000).

Pbasei=

consumo mensal (kW h)

24 horas _{⇥ 30 dias} (2.1)

Na Figura 2 são apresentadas algumas curvas de carga t´ıpicas, a t´ıtulo de ilustra¸cão, em uma base de 15 minutos estratificadas em três classifica¸cões de consumidores. Observa-se na imagem a grande diferen¸ca entre os perfis de consumo de cada tipo de consumidor, tornando a

(10)

caracteriza¸c˜ao importante para estudos que envolvam consumidores de tipos diferentes.

Figura 2 – Curvas de Carga T´ıpicas - Residencial, Comercial e Industrial; Fonte: (JARDINI et al., 2000)

A mesma resolu¸cão N o¯ 414 da ANEEL descreve a classifica¸cão dos tipos de consumidores em classes e subclasses para fins de tarifa¸cão, mas que podem também classificar o perfil de carga dos mesmos. A classifica¸cão presente nesta resolu¸cão representa os consumidores separados em grupos (Grupo A e Grupo B), de acordo com o n´ıvel de tensão de atendimento, e também em classes e subclasses para caracteriza¸cão da atividade do consumidor (residencial, comercial e servi¸cos, industrial, ilumina¸cão pública, etc.).

A caracteriza¸cão do comportamento t´ıpico é importante, pois as demandas de carga necessárias aos cálculos de indicadores são obtidas através de curvas de carga, sempre que poss´ıvel, por tipo de atividade e n´ıvel de consumo.

O patamar de carga expressa o n´ıvel mais alto numa curva de carga em um intervalo de tempo. O intervalo de um patamar é pré-estabelecido através de estudos sobre o comportamento da carga e tem por objetivo simplificar a quantidade de informa¸cões, ou seja, ao invés de se trabalhar com as 24 horas da curva de carga, trabalha-se com patamares (n´ıveis) de carga ao longo do dia. Assim, normalmente os

(11)

patamares de carga tem influˆencia direta nos resultados (FARIAS; SOUZA, 2008).

2.3 VE´ICULOS EL´ETRICOS

Nos últimos anos vem crescendo a importância e o interesse em ve´ıculos movidos a eletricidade. Isto se deve as limita¸cões dos combust´ıveis fosseis e à crescente preocupa¸cão mundial pela redu¸cão da polui¸cão. No contexto mundial, muitos estudos enfatizam como tema dos ve´ıculos elétricos os benef´ıcios atribu´ıdos a eles: silencioso, econômico, emissão zero de poluentes, rela¸cão custo por quilômetro rodado. Outro benef´ıcio é a comodidade para reabastecimento do VE, que pode ser feita em qualquer localidade com carregador compat´ıvel (BASSO, 2011).

Contudo, o benef´ıcio do conforto ou comodidade, quando analisado tecnicamente, implica em um grande desafio para o sistema elétrico. O carregamento destes ve´ıculos traz o problema de sobrecarga da rede de distribui¸cão se a mesma não estiver adaptada, visto que necessitam de uma potência alta para cada ve´ıculo. Quando analisado com alto grau de inser¸cão de VE na rede de distribui¸cão, verifica-se um aumento da demanda no horário de pico (BASSO, 2011).

Para contextualizar e compreender melhor este pico de demanda, faz-se necessário compreender os modelos de ve´ıculos elétricos, potência consumida por cada carregador, e a coincidência do horário de recarga dos VE com o horário de ponta (BASSO, 2011).

2.3.1 Tipos de ve´ıculos el´etricos

Ve´ıculo elétrico é definido como um ve´ıculo automotor que utiliza motor elétrico como tra¸cão no lugar de um motor a combustão. Os ve´ıculos elétricos são caracterizados em três modelos: ve´ıculos elétricos h´ıbridos (VEH), ve´ıculos elétricos à bateria (VEB), ve´ıculos elétricos h´ıbridos plug-in (VEHP), sendo os dois últimos enquadrados na categoria plug-in, o que na tradu¸cão literal significa plugáveis (à rede elétrica, no caso) (CHAN; CHAU, 2001) .

Como os Ve´ıculos Elétrico H´ıbrido (VEH) não se conectam a uma fonte externa, os mesmos não serão detalhados neste trabalho. Com rela¸cão aos VEB e VEHP, são ve´ıculos que podem ou devem ser ligados à rede de energia através de uma tomada para serem recarregados.

(12)

Uma das principais vantagens que os VEB e VEHP apresentam é a alta eficiência por serem propulsionados por motores elétricos, os quais atualmente possuem eficiência superior a 90% (CHAN; CHAU, 2001) .

No VEB, a energia elétrica que alimenta o motor é armazenada em uma bateria e/ou em capacitores, essa energia é provida de uma fonte externa, como a rede elétrica, na qual o carro é ligado enquanto estiver estacionado. A autonomia desses carros, atualmente, está na faixa de 70 km a 160 km (EHSANI; GAO; EMADI, 2010).

O ponto fraco dos VEB ainda é o limite de autonomia da bateria. A configura¸cão mais comum destes ve´ıculos é um único motor elétrico com a potência mecânica transferida para as rodas através de uma caixa de transmissão (EHSANI; GAO; EMADI, 2010).

Nos VEHP, sua forma construtiva ´e uma combina¸c˜ao do modelo h´ıbrido com o a bateria. Possuem uma bateria que tanto pode ser alimentada por uma fonte externa, quanto pelo motor-gerador situado a bordo do ve´ıculo. Este modelo mescla as duas tecnologias, visando reduzir o consumo de combust´ıvel e aumentar a autonomia do ve´ıculo (EHSANI; GAO; EMADI, 2010).

A Associa¸cão Brasileira do Ve´ıculo Elétrico (ABVE), em 2010, fez proje¸cões quantitativas para 2030 da frota esperada para cada um dos ve´ıculos elétricos h´ıbridos, a combustão e elétricos plug-in. Essa proje¸cão pode ser observada na Figura 3 e mostra um aumento gradual da inser¸cão desses ve´ıculos na sociedade.

Porém, esses indicadores apontados pela ABVE datam de 2010, época em que tanto o mercado externo quanto o interno estavam mais favoráveis para estas estimativas devido ao aspecto econômico do pa´ıs. Em contrapartida, segundo Coelho (2017) os Ve´ıculos Elétricos H´ıbridos representarão 2,5% dos ve´ıculos licenciados em 2026, ou 100 mil unidades. Assim podemos esperar um valor inferior para os Ve´ıculos Elétricos plugáveis em 2026.

Nesse contexto de alta inser¸cão dos VE Taylor et al. (2010), fez análise de um cenário que todos os usuários de VE plugáveis são conectados à rede sem nenhuma estratégia antecipada. Na figura 4 é poss´ıvel observar que, em pleno horário de pico mais de 50% dos VE plugáveis estão conectados à rede e estes números só crescem com o passar das horas, chegando a mais de 80% às 23 horas. Logo verifica-se que o per´ıodo de maior percentual de ve´ıculos conectados à rede coincide com o horário de pico do sistema.

(13)

Figura 3 – Frota esperada para VE at´e 2030; Fonte: ABVE

Figura 4 – Coincidˆencia do hor´ario de recarga dos VEP. Fonte: Taylor et al. (2010)

Pode-se observar no gráfico o pico de ve´ıculos sendo ligados ao mesmo tempo, às 17 horas. O resultado da pesquisa, realizada nos Estados Unidos, tem como base a cultura dos americanos, que tendem a chegar em sua residência, após o expediente de trabalho, no horário apontado pelo estudo (VYAS et al., 2009).

Para ilustrar a m´edia de carga por ve´ıculo conectado, Vyas et al. (2009) apresenta no artigo uma curva de demanda potˆencia por hora para cada ve´ıculo. A Figura 5 mostra a caracter´ıstica esperada de demanda por hora para cada modelo de ve´ıculo.

Os resultados dessa figura indicam a natureza da carga esperada, dadas as diferentes composi¸c˜oes de tipo de ve´ıculo que compreendem o mercado de VE plug´aveis. Neste caso, as caracter´ısticas de demanda

(14)

esperadas s˜ao examinadas para diferentes n´ıveis de composi¸c˜ao de mercado de VEs.

As caracter´ısticas t´ıpicas de recarregamento das baterias dos ve´ıculos elétricos são mostradas na Tabela 1 com a classifica¸cão das categorias de recarga, publicado pela ANEEL (2017). Com rela¸cão à tensão de fornecimento, para os pontos de recarga rápida (2h) quanto lenta (8h) podem ser atendidos atendida em tensão secundária, uma vez que a previsão normativa permite o atendimento neste n´ıvel até 75 kW.

Figura 5 – Demanda de energia agregada para carregamento de ve´ıculos n˜ao controladosFonte: Taylor et al. (2010)

Tabela 1 – Classifica¸c˜ao adaptada da ANEEL para os tipos de recargas no Brasil. Fonte: ANEEL (2017)

Potência Nominal Conexão Potência (kW) Corrente (A) Recarga (horas) Instala¸cão Normal Monofásica <3,7 10 - 16 8h carga total Doméstica Média Mono /_Trifásica 3,7 - 22 16 - 22 2h a 8 h carga total Locais_P´_ublicos Alta Trifásica >22 >32 2h carga total Locais

P´ublicos Alta Corrente

Cont´ınua >22 >32 2h carga total

Locais P´ublicos

(15)

3 METODOLOGIA

Nesta se¸cão discorre-se sobre os métodos adotados nos temas: reconfigura¸cão da rede, patamares de carga na curva t´ıpica de demanda e curva de demanda com ve´ıculos elétricos.

3.1 RECONFIGURAC¸ ˜AO DA REDE

Neste trabalho será empregada uma metodologia baseada no método troca de ramos como citado no cap´ıtulo 2, que visa otimizar em regime normal de opera¸cão as configura¸cões da rede para minimizar perdas e melhorar os n´ıveis de tensão. O critério de otimiza¸cão conside-rado nesse trabalho foi a de minimizar as perdas de energia.

A técnica empregada neste método consiste na realiza¸cão de sucessivas mudan¸cas na configura¸cão da rede, de forma a analisar o comportamento das combina¸cões, a partir do fechamento de chaves inicialmente abertas e da abertura de chaves inicialmente fechadas, onde as cargas são transferidas de um alimentador para outro, mantendo ao mesmo tempo a radialidade da rede.

Na primeira etapa do processo, escolhe-se uma chave de interliga-¸cão da rede de distribuiinterliga-¸cão de forma aleatória, a partir da configurainterliga-¸cão original, vista na Figura 6 (a). Posteriormente, altera-se a configura¸cão da rede, fechando a chave normalmente aberta (NA) e abrindo uma chave normalmente fechada (NF) de qualquer um dos dois alimentadores envolvidos; porém, deve ser a primeira chave a montante da chave NA, Figura 6 (b).

Com a nova configura¸cão realiza-se o cálculo matemático do fluxo de potência, proposto por Murty, Teja e Kumar (2014), onde se obtém o indicador tensão e perda de energia. O modelo proposto do fluxo de potência consiste inicialmente em calcular a corrente em cada barra e somar as mesmas no sentido das barras finais até o alimentador. A partir do alimentador até as barras finais, é calculada a atualiza¸cão da tensão de cada barra e então realiza-se novamente a corrente, permanecendo nesse ciclo até que não se verifiquem mais altera¸cões significativas de tensão e corrente.

Em seguida, verifica-se a não viola¸cão das restri¸cões como a radialidade da topologia, limites técnicos dos alimentadores (n´ıveis de corrente) e o suprimento de energia para todos consumidores. Em caso afirmativo, armazenam-se os resultados dos indicadores avaliados e

(16)

segue-se para a próxima altera¸cão da rede é avaliada. Em caso negativo, eliminam-se os dados obtidos. Estas restri¸cões são asseguradas pela técnica troca de ramos.

Figura 6 – Rede de distribui¸cão: (a)configura¸cão original (b)primeira reconfigura¸cão, fonte:(MELLO, 2014)

A próxima reconfigura¸cão consiste em fechar a chave que fora aberta na etapa anterior, e abrir a próxima NA a montante da chave atual. Após essa altera¸cão da configura¸cão é refeito o cálculo de fluxo de potência e análise de restri¸cões e então, segue-se para a próxima reconfigura¸cão. O método toca de ramos foi modelado e implementado na rede proposta com o programa MATLAB.

A Figura 7 apresenta o esquemático da rede utilizada nesse trabalho. A rede possui 32 barras e é compreendida pelos alimentadores AL 1, AL 2 e AL 3, sendo os três oriundos da mesma subesta¸cão. As chaves de interliga¸cão NA são S3 e S4, e as chaves de manobra NF são S1, S2 e S5. A rede possui potência de base de 100 MVa e tensão de base de 13.8 kV.

(17)

Figura 7 – Esquem´atico da rede de testes Fonte: Autor

3.2 PATAMARES DE CARGA NA CURVA T´IPICA DE DEMANDA

Na rede de testes foram introduzidos 700 consumidores (residen-ciais, comerciais e industriais) com demanda trif´asica distribu´ıdos conforme a Tabela 2, cujos dados s˜ao baseados no trabalho apresentado por Massignan (2016).

Os patamares de carga expressam a demanda máxima de uma barra em determinado per´ıodo do dia. Para realizar a análise da importância dos patamares de carga são propostos 3 conjuntos de patamares, classificados em conjunto A, B e C.

O conjunto “A” contém 24 patamares, sendo um patamar para cada hora do dia. O conjunto “B” possui 8 patamares, sendo que cada um deles contém 3 horas (a escolha por 8 patamares é devido ao considerável número de trabalhos encontrados, a respeito do assunto, que apresentam essa mesma quantidade, exemplo Mello (2014)). O conjunto “C” possui 4 patamares, sendo que cada patamar contém 6 horas do dia (a escolha desse patamar é devido ao número ser a metade dos 8 patamares e, portanto, apresenta menor discretiza¸cão da demanda).

(18)

Tabela 2 – Consumo de energia e classifica¸cão das barras Barra Consumidores Residenciais Consumidores Comerciais Consumidores Industriais Número Consumo (kWh) Número Consumo (kWh) Número Consumo (kWh) 1 9 255,9 0 - 0 -2 7 245,6 0 - 0 -3 31 754,0 0 - 0 -4 24 616,2 0 - 0 -5 29 773,0 0 - 0 -6 0 - 17 806,3 0 -7 0 - 21 958,0 0 -8 22 455,8 0 - 0 -9 19 464,2 0 - 0 -10 26 772,9 0 - 0 -11 25 729,3 0 - 0 -12 28 607,8 0 - 0 -13 0 - 12 400,0 0 -14 16 457,7 0 - 0 -15 25 713,7 0 - 0 -16 21 556,7 0 - 0 -17 0 - 29 818,9 0 -18 15 436,6 0 - 0 -19 28 735,0 0 - 0 -20 22 673,5 0 - 0 -21 0 - 27 763,1 0 -22 0 - 0 - 1 1080,6 23 0 - 0 - 1 928,36 24 0 - 17 485,9 0 -25 27 613,5 0 - 0 -26 25 710,9 0 - 0 -27 20 654,4 0 - 0 -28 0 - 25 662,4 0 -29 0 - 22 712,5 0 -30 26 666,7 0 - 0 -31 20 464,8 0 - 0 -32 28 734,3 0 - 0

-Os patamares foram constru´ıdos a partir da demanda apresentada na Tabela 2, transformados para p.u. com base na demanda m´edia obtida por meio da Eq. (2.1). O patamar define o valor m´aximo de demanda observada no per´ıodo como sendo o valor representativo de

(19)

todo o per´ıodo para a respectiva barra.

A Figura 8 ilustra a curva t´ıpica de demanda de uma barra com predominância residencial e industrial dados obtidos a partir da Figura 2, e a conversão para os patamares de carga do conjunto B. Os conjuntos A e C seguem o mesmo padrão com suas respectivas divisões de per´ıodos.

Figura 8 – Curvas de demanda di´aria de barras:(A) predominante Residencial; (B) predominante industrial Fonte: Adapta¸c˜ao da Figura 2

3.3 CURVA DE DEMANDA COM VE´ICULOS EL´ETRICOS

Para projetar o consumo de energia atribu´ıda aos VEP em uma rede espec´ıfica, primeiro é necessário saber qual a fra¸cão da frota desta rede que os mesmos irão compor.

Utilizou-se como base a frota de autom´oveis projetada para 2030, apresentada na Figura 3, do cap´ıtulo 2, e aplicada a ela um fator aproximado de 50%, para os ve´ıculos VEH e VEP dos dados apresentados para o Brasil. Justifica-se a aplica¸c˜ao deste fator pela a

(20)

análise apresentada por Coelho (2017) e que representa um valor de frota estimada muito inferior ao apresentado pela ABVE, esta aproxima¸cão é boa pois toma como base uma proje¸cão de quantidades de ve´ıculos inseridos na rede mais conservadora.

A frota total de ve´ıculos estimada em 2030 será de 104,73 milhões de ve´ıculos sendo que destes 7,83 milhões serão de VEP, representando 7,47% da frota total. Assumindo que o número médio de ve´ıculos para consumidores residenciais é de 2 ve´ıculos por unidade consumidora, e sabendo que o número total de consumidores residenciais é de 493, conforme na Tabela 2, teremos um total de 986 ve´ıculos em toda a rede. O número de ve´ıculos elétricos plugados totais na rede é de 73,65, logo foi considerado o total de 74 ve´ıculos elétricos. Estes ve´ıculos foram distribu´ıdos nas barras 11, 12, 14 e 15, sendo o número de ve´ıculos elétricos por barra apresentado na Tabela 3. A localiza¸cão dos ve´ıculos nas barras 11 e 12 é devido a localiza¸cão das mesmas no alimentador 1 o qual é predominantemente residencial. Os ve´ıculos plugados nas barras 14 e 15 é devido a inten¸cão de evidenciar o impacto dos ve´ıculos quanto a reconfigura¸cão e deslocamento dos mesmo entre alimentadores.

Tabela 3 – Quantidade de VEP por barra

Barra 11 12 14 15

Quantidade

de VEP 25 8 16 25

Com a defini¸cão da quantidade de ve´ıculos elétricos e quais barras receberam os mesmos, o próximo passo é determinar qual será a potência em kW que esses ve´ıculos terão. Os horários e a quantidade de ve´ıculos conectando-se à rede foram baseados na Figura 4, assim teremos o impacto deste perfil de carga das respectivas barras.

Foi utilizada uma potência média de 13 kW para cada ve´ıculo, seguindo a classifica¸cão apresentada na Tabela 1, o qual apresenta uma potência instalada por ve´ıculos variando entre 3,7 a 22 kW com um tempo de carregamento de 8 horas totais.

A Figura 9 mostra a curva de demanda em, em p.u., após a inclusão dos ve´ıculos elétricos comparada a curva de carga convencional. A inclusão dos VEs como observado tem um aumento na demanda de energia entre as 17 e as 23 horas, evidenciando o impacto dos VEs no horário de ponta do sistema elétrico.

(21)

Figura 9 – Curva de demanda com e sem VE’s Fonte: Adapta¸c˜ao da Figura 5

4 RESULTADOS

Nesta se¸cão são apresentados os resultados obtidos com a aplica¸cão da metodologia de reconfigura¸cão e inser¸cão de VEs, apresentados na se¸cão anterior. Para analisar a influência dos Ve´ıculos Elétricos na rede de distribui¸cão, inicialmente foram realizados testes de influência nos patamares de carga e sua agrega¸cão, seguindo a metodologia proposta nas se¸cões anteriores, com 24 patamares, 8 patamares e 4 patamares, assim para que fosse poss´ıvel realizar uma compara¸cão entre os resultados. Os testes foram realizados por meio do software MATLAB R2015b, no qual foi modelada a rede apresentada na Figura 7.

A metodologia de aplica¸c˜ao foi dividida em duas etapas. Na primeira etapa, foi considerado que a rede n˜ao possui VEs conectados com objetivo de evidenciar o impacto dos patamares de carga nos indicadores avaliados, quando comparados com os resultados da etapa seguinte. Na segunda etapa, os VEs foram inclu´ıdos conforme Tabela 3 e as curvas de cargas foram divididas nos patamares apresentados previamente (conjuntos A, B e C).

A Figura 10 apresenta a curva de carga e consumo dos alimentado-res AL 1, AL 2 e AL 3, considerada nas simula¸c˜oes com e sem ve´ıculos.

(22)

Figura 10 – Curva de carga : (A) sem ve´ıculos (B)com Ve´ıculos

A Tabela 4 apresenta as configura¸cões poss´ıveis, que apresentaram resultados positivos (melhoria dos indicadores avaliados) em algum horário do dia, com a aplica¸cão do método troca de ramos. Este resultado foi obtido através das simula¸cões com e sem ve´ıculos elétricos e tem como finalidade a simplifica¸cão da apresenta¸cão das análises posteriores.

Tabela 4 – Configura¸c˜oes de Chaveamentos com melhores indicadores de perdas e n´ıveis de tens˜ao

Configura¸c˜ao Chaves Abertas Chaves Fechadas 1 S3 e S4 S1, S2 e S5 2 S1 e S4 S2, S3 e S5 3 S1 e S3 S2, S4 e S5

(23)

4.1 RECONFIGURAÇ ÃO SEM VEÍCULOS ELÉTRICOS

Inicialmente, o sistema foi simulado sem considerar a conexão de ve´ıculos elétricos. Os resultados, apresentados na forma de Tabela contém a coluna “patamares”, que indica o número do patamar, a coluna “configura¸cão”, indica a topologia da rede; a coluna “perdas” indica a perda de energia total; e a coluna “menor tensão” indica o menor n´ıvel entre as 32 barras.

A Tabela 5 apresenta a an´alise considerando 24 patamares.

Tabela 5 – An´alise 24 patamares sem Ve´ıculos El´etricos

Patamar Configura¸c˜ao Perdas (kWh) Menor Tens˜ao (p.u.)

1 1 92,40 0,9706 2 2 55,14 0,9795 3 2 40,06 0,9829 4 2 34,52 0,9843 5 2 39,65 0,9856 6 2 53,21 0,9798 7 2 74,69 0,9761 8 3 172,17 0,9629 9 3 252,37 0,9621 10 3 237,80 0,9628 11 3 277,43 0,9608 12 3 290,95 0,9599 13 3 244,40 0,9628 14 3 316,78 0,9602 15 3 289,19 0,9614 16 3 285,40 0,9576 17 3 317,10 0,9551 18 3 421,34 0,9338 19 1 430,06 0,9374 20 1 453,55 0,9360 21 1 400,75 0,9404 22 1 267,42 0,9517 23 1 105,32 0,9692 24 1 99,33 0,9706

Pode-se destacar que a perda de energia total nos 24 patamares é de 5.250,73 kWh, e a menor tensão apresentada ao longo do dia é de

(24)

0,9338 p.u., `as 18 horas. O n´umero de manobras totais na rede durante o per´ıodo considerado foi 6.

Na Tabela 6 é apresentado a análise obtida a partir de 8 patamares de carga. Constata-se uma leve redu¸cão do indicador de tensão de barra para o patamar 7, o qual inclui os horários 19, 20 e 21 horas, apresentando uma tensão m´ınima de 0,9234 p.u.

A perda de energia total das 24 horas em 8 patamares ficou em 8.093,57 kWh, sendo superior em 54% à perda de energia observada em 24 patamares. Observa-se a ausência da configura¸cão 2 na reconfigura¸cão, ficando a rede configurada entre cargas médias e pesada. O número total de manobras na rede neste per´ıodo considerado foi 4.

Patamar Configura¸c˜ao Perdas (kWh) Menor Tens˜ao

1 - 0h às 3h 1 270,76 0,9715 2 - 3h às 6h 1 140,28 0,9800 3 - 6h às 9h 3 779,53 0,9524 4 - 9h às 12h 3 1074,00 0,9446 5 - 12h às 15h 3 1030,00 0,9443 6 -15h às 18h 3 1777,00 0,9371 7 - 18h às 21h 1 1892,00 0,9234 8 - 21h às 24h 1 1131,00 0,9417

Com a configura¸cão de 4 patamares, observamos na Tabela 7 uma redu¸cão significativa na menor tensão, com 0,9005 p.u., a perda total de energia correspondente as 24 horas do dia é de 12.307,5 kWh sendo 134% maior se comparado a 24 patamares. Assim como ocorre em 8 patamares verifica-se que a rede é reconfigurada duas vezes, mudando da configura¸cão 1 para a 3, e depois retornando à configura¸cão 1 e o total de manobras realizadas no dia foi 4.

1 - 0h `as 6h 1 572,65 0,9715

2 - 6h `as 12h 3 2118,00 0,9496

3 - 12h `as 18h 3 3728,00 0,9271

(25)

4.2 RECONFIGURAÇ ÃO COM VEÍCULOS ELÉTRICOS

Os resultados obtidos a partir da inser¸cão de ve´ıculos elétricos na rede são apresentados nas Tabelas 8, 9 e 10. Os dados da análise para 24 patamares estão expostos na Tabela 8

Tabela 8 – An´alise 24 patamares com Ve´ıculos El´etricos

1 1 107,45 0,9708 2 1 59,57 0,9766 3 1 42,94 0,9799 4 2 35,99 0,9842 5 2 29,89 0,9858 6 1 53,60 0,9781 7 2 74,69 0,9761 8 3 172,35 0,9629 9 3 252,99 0,9531 10 3 238,41 0,9546 11 3 279,21 0,9509 12 3 293,64 0,9461 13 3 247,55 0,9526 14 3 319,84 0,9476 15 3 295,98 0,9467 16 3 295,97 0,9491 17 3 332,39 0,9456 18 3 444,15 0,9311 19 1 454,63 0,9190 20 1 481,72 0,9151 21 1 430,99 0,9188 22 1 295,31 0,9322 23 1 118,18 0,9601 24 1 108,82 0,9606

Destaca-se nos resultados a tensão m´ınima apresentada no dia de 0,9151 p.u. contra os 0,9338 p.u. apresentados na análise de 24 patamares sem VEs, justamente no horário que se tende a ter o maior número de ve´ıculos plugados simultaneamente. A energia total perdida no dia é de 5.466,26 kWh contra os 5.250,73 kWh apresentados nos resultados sem ve´ıculos elétricos. O número de manobras totais na rede

(26)

durante o per´ıodo considerado foi 10.

Na Tabela 9, as análises para reconfigura¸cão com ve´ıculos elétricos em 8 patamares.

1 - 0h às 3h 1 351,31 0,9673 2 - 3h às 6h 1 161,82 0,9779 3 - 6h às 9h 3 782,00 0,9524 4 - 9h às 12h 3 1094,00 0,9446 5 - 12h às 15h 3 1075,00 0,9443 6 - 15h às 18h 3 2110,00 0,9189 7 - 18h às 21h 1 2437,00 0,9073 8 - 21h às 24h 1 1444,00 0,9326

Os resultados apresentam um aumento significativo de perdas nos patamares 6, 7 e 8, no horário entre 17 e 24 horas. A tensão m´ınima obtida é de 0,9073 p.u. contra os 0,9234 p.u. em 8 patamares sem VEs. A energia total perdida para 8 patamares é de 9.455,13 kWh contra os 8.093,57 kWh apresentados sem VEs. Nesta configura¸cão o número total de manobras na rede neste per´ıodo considerado foi 4.

Para a configura¸cão de 4 patamares com VEs, constata-se nova-mente uma redu¸cão significativa da menor tensão em uma barra, sendo 0,8905 p.u., a perda de energia total na rede nas 24 horas ficou em 14.779,96 kWh. Para esta configura¸cão o número total de manobras ficou igual ao de 8 patamares, apresentando 4 manobras.

1 - 0h `as 6h 1 725,96 0,9660

2 - 6h `as 12h 3 2193,00 0,9496

3 - 12h `as 18h 3 4209,00 0,9274

4 - 18h `as 24h 1 7652,00 0,8905

A compara¸cão de todos os resultados obtidos, tanto de energia perdida durante um dia, como a menor tensão encontrada em uma barra pode ser verificada na Tabela 11. Observa-se que a defini¸cão de quantidade de patamares impacta diretamente nos resultados obtidos, quanto menor a quantidade maior serão as perdas calculadas e menores

(27)

as tens˜oes de barras por outro lado menor ser´a a quantidade de manobras e chaveamentos realizadas.

Tabela 11 – Compara¸c˜ao dos resultados obtidos

Identifica¸cão do patamar e Ve´ıculos Elétricos Perdas totais diárias (kW)

menor tens˜ao quantidade de manobras

24 patamares sem VEs 5250,73 0,9338 6

com VEs 5466,26 0,9151 10

com VEs 9455,13 0,9073 4

com VEs 14779,96 0,8905 4

A Tabela 12 mostra a compara¸cão de redu¸cão percentual de perdas comparando 24, 8 e 4 patamares quando comparados a não reconfigura¸cão da rede e a compara¸cão quantitativa do número de chaveamentos ocorrida nas simula¸cões.

Tabela 12 – Redu¸cão percentual de perdas de energia comparado com a sem reconfigura¸cão da rede e número de chaveamentos por patamares obtido patamares Redu¸cão percentual sem VE Redu¸cão percentual com VE Quantidade de chaveamentos 24 4,50 4,60 52 8 8,75 4,14 16 4 3,11 3,00 8

A análise da Tabela 12 comprova que a reconfigura¸cão pode ser uma alternativa para minimizar o impacto dos ve´ıculos elétricos na rede de distribui¸cão. O uso de 8 patamares prova ser otimizado tendo um número de chaveamentos inferior ao de 24 patamares, mas apresentando redu¸cões percentuais de na perda de energia próximas aos de 24 patamares quando comparados com a não reconfigura¸cão da rede.

5 CONCLUS ˜AO

Este trabalho apresentou uma compara¸cão entre os resultados de reconfigura¸cão de uma rede de distribui¸cão, utilizando o método troca

(28)

de ramos, considerando a divisão da curva de carga diária em diferentes patamares de carga e a conexão de ve´ıculos elétricos na rede para o carregamento. O cenário de inser¸cão de ve´ıculos elétricos foi baseado em estudos encontrados na literatura.

A compara¸cão entre os resultados apresentados mostra a influência da escolha na quantidade de patamares, tanto para as perdas de energia quanto para a tensão m´ınima na rede. Com a divisão em 24 patamares, obteve-se uma maior discretiza¸cão do perfil de carga durante o dia e portanto, melhores resultados se comparado com as de 4 e 8 patamares. Por outro lado, verifica-se que as topologias não são modificadas de hora em hora, mas sim conforme a demanda apresentada.

Como demonstrado nos resultados das simula¸cões, quando há ve´ıculos elétricos ligados na rede, o sistema passa por horas cr´ıticas que envolvem números expressivos de perda de energia, simplesmente por efeito Joule, e redu¸cão nas tensões das barras, devido a potência de carregamentos simultâneos. A reconfigura¸cão da rede se mostrou uma técnica simples e eficiente para mitigar o impacto causado pelo carregamento, independentemente da quantidade de patamares.

Os resultados indicam que a divisão da curva de carga em 8 patamares apresenta uma discretiza¸cão suficiente para manter os n´ıveis de perdas de energia aproximados aos n´ıveis obtidos com 24 patamares, com a vantagem de haver menos chaveamentos e menor número de manobras realizadas na rede. Os n´ıveis de tensão também se mostraram aproximados, mesmo havendo uma queda quando a rede possui VE. Quando analisamos os resultados para 4 patamares, o número de chaveamentos é inferior ao de 8 patamares, mas os ´ındices de perdas de energia são mais elevados e os n´ıveis de tensão são inferiores. Assim, a otimiza¸cão dos patamares de carga é fundamental para se obter baixos n´ıveis de perda de energia e n´ıveis melhores de tensão, com a menor quantidade de chaveamentos e manobras poss´ıveis.

Portanto, se os patamares de carga forem bem definidos em horário e quantidade, assim como o aumento das alternativas de topologia e maior número de chaves, pode-se chegar a uma redu¸cão significativa do impacto do carregamento dos ve´ıculos elétricos na rede. Adicionalmente, são necessários estudos mais aprofundados para melhor defini¸cão de quantidade e dura¸cão de patamares de carga, considerando também os diferentes perfis de alimentadores urbanos (residencial, comercial e industrial).

(29)

REFERˆENCIAS

ANEEL - AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Resolu¸cão Normativa N o_{¯ 414. Bras´ılia, 2010. 147 p. Dispon´ıvel em:} <http://www.aneel.gov.br/documents/656877/14486448/bren2010414. pdf/3bd33297-26f9-4ddf-94c3-f01d76d6f14a?Version=1.0>. Acesso em: 26 novembro de 2018.

ANEEL - AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Abertura de Audiência Pública referente à proposta de regulamenta¸cão de aspectos relativos ao fornecimento de energia elétrica para recarga de ve´ıculos elétricos. Bras´ılia, 2017. 19 p. Dispon´ıvel em: <http://www2.aneel.gov.br/aplicacoes/audiencia/arquivo/2017/029/ ncdocumento/nota tecnica 0039 veiculos eletricos - ap anexo i.pdf>. Acesso em: 26 novembro de 2018.

BASSO, C. O impacto dos ve´ıculos elétricos plug-in no sistema elétrico de potência. Disserta¸cão (Bacharel) — Universidade Federal do Pampa, Alegrete, Brasil, 2011.

CARRENO, E. M.; ROMERO, R.; PADILHA-FELTRIN, A. An efficient codification to solve distribution network reconfiguration for loss reduction problem. IEEE Transactions on Power Delivery, v. 23, n. 4, 2008.

CHAN, C.; CHAU, K. Modern Electric Vehicle Technology. [S.l.]: Oxford University Press, 2001. (Monographs in Electrical and E). ISBN 9780198504160.

CIVANLAR, S.; GRAINGER, J. J.; YIN, H.; LEE, S. S. H. Distribution feeder reconfiguration for loss reduction. IEEE Transactions on Power Delivery, v. 3, n. 3, p. 1217–1223, July 1988. ISSN 0885-8977.

COELHO, J. M. Impacto dos ve´ıculos elétricos no planejamento energético brasileiro: setor de combust´ıvel fósseis. 2017. Dispon´ıvel em:

<http://www.epe.gov.br/sites-pt/publicacoes-dados- abertos/publicacoes/PublicacoesArquivos/publicacao-244/topico-252/EPE CADERNO%20FGV%20ENERGIA%20CARROS%20ELE TRICOS JOSE%20MAURO 2017 2405.pdf>. Acesso em: 26 novembro de 2018.

DAS, D.; NAGI, H. S.; KOTHARI, D. P. Novel method for solving radial distribution networks. IEE Proceedings - Generation,

(30)

Transmission and Distribution, v. 141, n. 4, p. 291–298, July 1994. ISSN 1350-2360.

EHSANI, M.; GAO, Y.; EMADI, A. Modern Electric, Hybrid Electric, and Fuel Cell Vehicles. Boca Ratom: CRC Press, 2010. 533 p. (Second Edition, 1).

FARIAS, D. A. A.; SOUZA, R. C. Previsão de Carga de Energia Diária em Patamares Combinando Técnicas Estat´ısticas e de Inteligência Computacional. Disserta¸cão (Mestrado) — Pontif´ıcia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2008.

GOMES, F. V. Reconfigura¸cão de Sistemas de Distribui¸cão Utilizando técnicas de Otimiza¸cão Cont´ınua e Heur´ıstica para Minimiza¸cão de Custos. Tese (Doutorado) — Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil, 2005.

JARDINI, J. A.; TAHAN, C. M. V.; GOUVEA, M. R.; AHN, S. U.; FIGUEIREDO, F. M. Daily load profiles for residential, commercial and industrial low voltage consumers. IEEE Transactions on Power Delivery, v. 15, n. 1, p. 375–380, Jan 2000. ISSN 0885-8977.

JIANG, C.; TORQUATO, C.; SALLES, D.; XU, W. Method to assess the power-quality impact of plug-in electric vehicles. IEEE Transactions on Power Delivery, v. 39, n. 2, p. 958–965, 2014.

MASSIGNAN, J. A. D. Estima¸cão de demanda em tempo real para sistemas de distribui¸cão Radiais. Disserta¸cão (Mestrado) — Universidade de São Paulo, São Carlos, Brasil, 2016.

MATOS, R. S. G. Processamento de Erros Grosseiros na Estima¸cão de Estado de Sistemas de Potência em Condi¸cões Cr´ıticas de Redundância. Disserta¸cão (Mestrado) — Universidade Federal Fluminense, Niterói, Brasil, 2000.

MELLO, A. P. C. de. Reconfigura¸cão de redes de distribui¸cão considerando multivariáveis e gera¸cão distribu´ıda. Disserta¸cão (Mestrado) — Universidade Federal de Santa Maria, Santa Maria, Brasil, 2014.

MURTY, V. V. S. N.; TEJA, B. R.; KUMAR, A. A contribution to load flow in radial distribution system and comparison of di↵erent load flow methods. 2014 International Conference on Power Signals Control and Computations (EPSCICON), p. 1–6, Jan 2014.

(31)

NETO, M. P. S. Reconfigura¸cão de sistemas elétricos de distribui¸cão utilizando algoritmo h´ıbrido. Disserta¸cão (Mestrado) — Universidade Federal da Bahia, Salvador, Brasil, 2014.

NEVES, M. S. Modelagem de Carga em Sistemas de Energia Elétrica: Modelo Matemático e sua Valida¸cão com Testes de Campo. Disserta¸cão (Pós-Gradua¸cão) — Universidade Federal de Juiz de Fora, Juiz de Fora, Brasil, 2008.

TAYLOR, J.; MAITRA, A.; ALEXANDER, M.; BROOKS, D.; DUVALL, M. Evaluations of plug-in electric vehicle distribution system impacts. IEEE PES General Meeting, p. 1–6, July 2010. ISSN 1932-5517.

TEODORO, R. G. Metodologia para compensa¸cão de desequil´ıbrio em redes elétricas. Disserta¸cão (Mestrado) — Universidade Estadual Paulista, Ilha Solteira, Brasil, 2005.

VYAS, A.; WANG, M.; SANTINI, D.; ELGOWAINY, A. Analysis of the 2001 national household transportation survey in support of the phev project to evaluate impacts on electricity generation and GHG emissions. Tech. Rep., 2009.

ZANCHETTA, L. P. Reconfigura¸cão de redes de distribui¸cão de energia com gera¸cão distribu´ıda empregando conceitos de redes elétricas inteligentes. Disserta¸cão (Bacharel) — Universidade Federal de Santa Catarina, Araranguá, Brazil, 2016.