139572 1

Avanços na Qualidade da Energia e a Metodologia

de Previsão de Grandezas Elétricas - MHPGE

Enoque Dutra Garcia UFSM / CERTAJA Taquari/RS, Brasil enoquedg@gmail.com

Luciane Neves Canha UFSM Santa Maria/RS, Brasil lucianecanha@ufsm.br

Paulo Ricardo da S. Pereira UNISINOS São Leopoldo/RS, Brasil prpereira@unisinos.br

Resumo  A sociedade brasileira ainda não tem qualidade de energia elétrica coerente com as tarifas praticadas. Embora tenha ocorrido avanços na regulamentação do setor elétrico, ainda se observa falta de transparência no tratamento das reclamações dos consumidores e assimetria de informações entre distribuidoras e órgão regulador. A exigências de que a tensão entregue na unidade consumidora tem que ser adequada e a definição de que os medidores padronizados registrarão transgressões de tensão exige novas alternativas para o controle de tensão nos sistemas de distribuição. Este artigo apresenta a Metodologia Híbrida para Previsão de Grandezas Elétricas (MHPGE), a qual proporciona novas alternativas para o controle proativo de Volt/VAR. Os resultados obtidos da aplicação da MHPGE em um alimentador com Geração Distribuída são satisfatórios.

Palavras-chaves  Qualidade da Energia, Previsão de Grandezas, Controle Volt/VAR, Tensão Adequada.

I.INTRODUÇÃO

Frequentemente pesquisadores acadêmicos e órgãos de defesa do consumidor reivindicam a melhoria da qualidade da energia elétrica, no âmbito da prestação dos serviços comercias, continuidade do fornecimento e qualidade do produto. Neste sentido, a versão vigente dos Procedimentos de Distribuição de Energia Elétrica no Sistema Elétrico Nacional – PRODIST, com destaque ao Módulo 8 - Qualidade da Energia Elétrica, traz avanços significativos na regulamentação do setor elétrico brasileiro e sinaliza a postura do órgão regulador referente a obrigatoriedade de fornecer tensão adequada [1].

Sobre a qualidade da tensão, a principal mudança ocorre com o registo de transgressões de tensões em forma de medição contínua [1]. Neste mesmo sentido, outros atos regulatórios como a revisão das condições gerais de fornecimento [2], a compensação de energia a partir da geração distribuída [3], a padronização dos medidores inteligentes [4], as ações relativas as Redes Elétricas Inteligentes [5-6-7], os programas de eficiência energética [8], a publicação dos Planos de Desenvolvimento da Distribuição – PDD e a divulgação de indicadores de continuidade vinculados a área de atuação da distribuidora conforme previsto em [9].

Entre as alterações recentes na metodologia de revisão tarifária das distribuidoras, um ponto relevante é a consideração do “índice Q” relativo a valoração da qualidade no fator X, com objetivo de sinalizar economicamente a prestação adequada dos serviços [9].

Além disso, a consulta pública que trata da regulamentação dos fenômenos: desequilíbrios de tensão, distorções harmônicas, flutuações de tensão e variações de tensão de curta duração sinaliza a oportunidade de melhoria da qualidade da energia [9].

A. Características da tensão

A complexidade de operação do Sistema Elétrico de Potência (SEP) é crescente, assim como a necessidade de otimização dos recursos energéticos. Por outro lado, a evolução tecnológica possibilita soluções inovadoras, principalmente através de ferramentas baseadas na inteligência computacional.

Em termos operacionais, considera-se que o SEP está em condições de normalidade sempre que os parâmetros de avaliação relacionados a frequência, estabilidade, carregamento e controle de tensão situam-se dentro das faixas admissíveis estabelecidas.

Diante da atual evolução tecnológica, as ações corretivas, sempre que possível, devem ser substituídas pelas proativas. Para tanto, é necessário que a operação dinâmica do SEP recorra as soluções avançadas, que consideram os recursos de previsão das grandezas elétricas.

De forma geral, a tensão é uma grandeza que é explicada pela diferença de potencial entre dois ou mais elementos de um circuito elétrico, porém para o controle e operação nos sistemas de transmissão e distribuição é necessário explorar diversas características relacionadas ao comportamento desta e de outras grandezas [10].

A queda de tensão ao longo dos alimentadores está relacionada à circulação de corrente elétrica e, por conseguinte a potência, que corresponde ao carregamento de um sistema elétrico em um determinado instante. Além da carga, o comportamento da tensão está também relacionado ao fluxo de reativos.

A pesquisa apresentada neste trabalho deu enfoque a previsão no curtíssimo prazo, no horizonte de 10 minutos. Além de prever os valores das grandezas a metodologia proposta apresenta alternativas para a tomada de decisões sobre ações proativas que reduzem as transgressões das faixas de tensão adequados, por conseguinte, evita a violação dos indicadores regulamentados e possibilita reduções de multas.

Neste contexto, o presente artigo traz novas alternativas para o controle Volt/VAR considerando ações proativas baseadas na MHPGE. Para validação, a metodologia é aplicada em um conjunto de dados obtidos de equipamentos existentes em uma distribuidora de energia do sul do Brasil.

II.PREVISÃO DE GRANDEZAS E O CONTROLE DE TENSÃO O conhecimento do futuro por vezes é tratado como superstição, no entanto, nas áreas de ciências exatas as informações de previsão são usadas para otimizar os processos do cotidiano.

No escopo de Advanced Metering Infrastructure (AMI),

Outage Mangement System (OMS) e Active Distribution Systems Management (ADMS) é possível operar proativamente. Atualmente as informações obtidas pelo

System of Control and Data Acquisition (SCADA) e com a

implantação das Smart Grids ocorrerão mudanças na forma de planejar e operar o sistema de distribuição [11].

Desta forma, é importante a realização de estudos inovadores que permitem realizar previsões de grandezas, uma vez que, com este novo modelo do setor elétrico é importante a estimativa para a tomada de decisões em diversos segmentos do sistema de distribuição [12-13].

A Fig. 1 ilustra as possibilidades de aplicação da metodologia e mostra os principais elementos da cadeia relacionada com a previsão de grandezas. Estes elementos estão relacionados a qualidade da energia, como no aspecto da tensão. Assim, existe a possibilidade de otimizar a atuação dos dispositivos que influenciam o controle Volt/VAR.

Fig. 1. Elementos relacionados à alternativa de previsão de grandezas.

A. Controle de tensão no sistema elétrico

Se a tensão está fora dos intervalos adequados a distribuidora terá de pagar ao consumidor por meio de compensação na fatura. Frente a esse conjunto de alterações nos regulamentos é oportuna a busca por alternativas inovadoras que possibilitem operar o sistema de forma proativa.

O controle de tensão no SEP do Brasil é uma função complexa, em razão de aspectos peculiares como a grande dimensão geográfica do país.

Entre as características predominantes destacam-se: a) Linhas de transmissão e subtransmissão longas; b) Multiplicidade de níveis de tensão nominal; c) Sazonalidade das cargas ao longo do ano;

d) Transição acentuada entre os patamares de carga;

e) Predominância de configuração radial nas redes de distribuição.

A importância do controle da tensão nos sistemas de distribuição é evidenciada por características, tais como: a) Possui regulamentação específica;

b) Usa equipamento dedicado ao seu controle; c) Permite correlação com outras grandezas; d) Pode ser analisada em relação ao tempo.

Entre as ações para o controle de tensão no SEP se destacam: a) Atuações de LTC (rele 90);

b) Reguladores de tensão;

c) Ajuste de TAP em transformadores de distribuição; d) Chaveamento de capacitores e reatores;

e) Conexão de armazenadores distribuídos de energia; f) Despacho de Geração Distribuída (GD);

g) Redespacho de cargas; h) Restrições de cargas; i) Remanejamento de cargas.

B. Aplicações da MHPGE no controle Volt/VAR

Entre as aplicações da MHPGE está o controle Volt/VAR aplicável em diversas situações como:

1. Cumprir metas de gerenciamento de energia, como nos casos de racionamento e contratos de Conservation Voltage

Reduction – CVR;

2. Aumentar o faturamento, nas situações permitidas, através da elevação da tensão conforme as características de impedância das cargas, conforme modelo “ZIP”;

3. Obter eficiência energética através da operação do sistema com fluxo de potência otimizado, nível de tensão ajustado ao perfil da carga e compensação de reativos ao longo do alimentador;

4. Atender os regulamentos do setor elétrico através da operação dentro dos limites da faixa regulamentada, considerando os pontos críticos como extremos dos alimentadores;

5. Operar o sistema com fator de potência elevado, uma vez que a MHPGE considera as questões meteorológicas e as variações de carga;

6. Integrar os recursos de GD e armazenamento distribuído de energia ao controle Volt/VAR, de forma aliada ao despacho e desconexão, considerando também as questões de estabilidade do sistema e qualidade da energia;

7. Identificar situações de anormalidade que podem causar danos físicos as instalações, como equipamentos em mau funcionamento.

C. Monitoramento do SEP

Atualmente o monitoramento das principais grandezas nas Subestações e Sistema de Medição para Faturamento (SMF) é uma realidade, embora seja necessário avançar na introdução de tecnologias, como o uso de Phasor Measurement Unit (PMU), a integração dos Intelligent Electronic Devices (IEDs) e o avanço da smart metering.

A Fig. 2 destaca as camadas referentes as informações obtidas dos ativos instalados no sistema de distribuição, os recursos relacionados as técnicas de previsão e os principais elementos aplicados no controle Volt/VAR.

Previsor de Grandezas Qualidade da Tensão (VOLT) Controle de Reativos (VAR) Proteção Dinâmica Gerenciamento da Carga e da Demanda Tarifas Dinâmicas Armazenadores de Energia Distribuídos Cargas Móveis Geração Distribuída

Diante do apresentado se verifica um avanço do modelo inicial autônomo (stand-alone) para o controle centralizado e, por último o controle integrado.

A MHPGE apresentada pode ser adaptada para aplicação em outras configurações do sistema elétrico, no entanto, neste artigo são apresentas alternativas para o controle de tensão no regime permanente, com enfoque em alimentadores com configuração radial. Assim, se busca viabilizar as ações proativas dos meios de operação, a partir da previsão de grandezas úteis para o controle Volt/VAR.

D. Metodologia de previsão

Na literatura especializada atual é recomendado que as pesquisas relativas as previsões não focalizem apenas no melhor método, mas sim no uso conjunto de diferentes técnicas.

Nos estudos realizados foram obtidos resultados satisfatórios no que se refere ao nível de precisão das previsões, principalmente na combinação de métodos, por isso, se adotou a metodologia híbrida baseada na utilização de três técnicas distintas.

O propósito da metodologia é combinar recursos já utilizados no setor elétrico, porém com funcionalidades diferenciadas. Neste sentido, se aplica recursos clássicos como os cálculos de fluxo de potência e a estimação de estados, ambos aliados as técnicas de previsão baseadas na Inteligência Artificial e nos Modelos Estatísticos.

As informações utilizadas nas simulações são parametrizadas conforme o cadastro dos equipamentos no Sistema de Gestão da Distribuição (SGD) correlacionado ao Geographic Information System (GIS).

Assim, a partir dos dados disponíveis no ADMS se propõe a utilização da MHPGE para combinar diferentes técnicas de previsão, considerar cálculos de fluxo de potência, utilizar as

informações de estimadores de estado e usar registros online do SCADA.

Os dados utilizados como variáveis de entrada contemplam as principais grandezas elétricas: corrente, tensão, potência ativa e reativa, já o conforto térmico é normalmente representado pela temperatura. Por se tratar de fenômenos relacionados ao tempo, de forma geral o comportamento dessas grandezas é analisado na forma de séries temporais.

E. Técnicas de previsão adotadas

Fundamentada em revisão bibliográfica [17-18-19], neste artigo a previsão das grandezas foi realizada para o curtíssimo prazo a partir de três técnicas distintas: Rede Neural recorrente NARX, Holt-Winters e Neurofuzzy. A Fig. 3 apresenta um fluxograma que diz respeito as etapas de escolha da técnica mais adequada para cada amostra.

Os modelos de suavização exponencial Holt-Winters são exequíveis para explicar o comportamento de uma série temporal e realizar previsões de períodos adiante. Este modelo representa estimativas do fator sazonal, do nível e da tendência e baseia-se em três equações que utilizam as constantes α(alfa), β(beta) e γ(gama), cujas constantes variam entre 0 e 1 [17]. Para realizar as simulações referentes à previsão através do Neurofuzy foi desenvolvido um sistema adaptativo de inferência através da função ANFIS do programa Matlab®, a qual é equipada com um algoritmo de treinamento, baseado na arquitetura do controlador tipo Sugeno. A partir das variáveis de entrada e saída é realizado o processo de treinamento, o qual pondera regras fuzzy e funções de pertinência, para criar e ajustar o conjunto de regras que viabilizam a previsão [12]. Dentre as RNAs, as redes do tipo recorrente destacam-se por suas características de laços de realimentação, pois permitem o fluxo de sinais de ativação e saídas neurais entre neurônios. Esses neurônios podem ser de camadas distintas ou de uma mesma camada.

Dispositivos do Sistema

Elétrico de Potência

Softwares e Algorítmos

Equipamento de

Controle Volt/VAR

Comutador Automático (OLTC/Rele 90) Capacitores

Outros Dispositivos

Sistema Híbrido de Previsão Fluxo de Potência Estimador de Estado Wavelet Holt-Winters Redes Neurais Reguladores de Tensão Religadores Seccionadores Automáticos Transformadores Capacitores Dispositivos de Proteção Disjuntores Equipamentos de Manutenção DG Armazenador de Energia Prossumidor AMI PMU IED SCADA

O aprendizado supervisionado examina os dados de saída, ou seja, é informada uma saída almejada (target), a qual é comparada a saída prevista através do método da rede neural. A tarefa do treinamento é ajustar os pesos entre os neurônios de forma que a saída seja a desejada.

As previsões realizadas neste trabalho utilizam o aprendizado supervisionados aplicado na RNA NARX.

F. Validação da metodologia

Além do próprio ponto de referência de tensão, a metodologia no presente artigo propõe a utilização de MHPGE para conhecer antecipadamente o nível de tensão em diferentes partes do sistema, como ilustrado na Fig. 4.

Fig. 4. Controle inteligente de Volt/VAR no ADMS.

A inovação da metodologia apresentada está na previsão direta das grandezas tensão e potência reativa para determinados pontos de monitoramento do SEP.

O resultado obtido pela metodologia de previsão está fundamentado nos princípios técnicos de previsão de carga tradicionalmente adotados para operação de sistemas elétricos.

Neste artigo, esta escolha da técnica foi embasada no erro relativo, calculado pela Equação 1 com base na última amostra, porém outras combinações podem ser adotadas conforme a aplicação da MHPGE.

%

100

x

U

U

U

Erro

−

=

U(t-10): Valor previsto da última amostra.

U(t): Valor real da última amostra.

III.ESTUDO DE CASO COM A MHPGE

Para a validação da metodologia, foram utilizados dados reais de uma distribuidora de energia elétrica do sul do Brasil. O alimentador em análise está configurado na forma radial, com predominância de carga da classe rural e possui uma conexão de Pequena Central Hidrelétrica (PCH) na forma de GD. A Fig. 5 apresenta os principais ativos do alimentador utilizado no estudo de aplicação da MHPGE. Outros dados do alimentador estão relacionados a seguir:

a) PCH com duas unidades geradoras de 1,25 MW, cada; b) Demanda contratada no ponto de conexão de 2MW; c) 329 km de rede de Média Tensão em 23kV e 94 km em 13,2kV;

d) Uma unidade transformadora rebaixadora;

e) Área urbana em ponto intermediário do alimentador; f) 756 transformadores com 205 km de Baixa Tensão. g) Dois Bancos de Reguladores de Tensão com monitoramento;

h) Um Banco Automático para Compensação de Energia Reativa, com monitoramento;

i) Um Compensador Automático de Potência Reativa, com monitoramento. INSUMOS (dados) • Grandezas Elétricas • Conforto Térmico • Carregamento • Dados do GIS MODELOS DE PREVISÃO

• Físicos (fluxo e estimador de estados)

• Inteligência Artificial (Fuzzy e RNA) • Modelos Estatisticos Híbridos

RESULTADO OBTIDO

• Calcula Erros • Compara Modelos • Indica Valor Previsto

Fig. 3 – Fluxograma de etapas para MHPGE.

O compensador citado regula a tensão e injeta reativos, se trata de equipamento recentemente desenvolvido e de uso restrito em poucas distribuidoras no Brasil [20].

Os cálculos de fluxo de potência e os estados dos equipamentos do sistema foram apurados através de programa computacional utilizado pela distribuidora para estudos de planejamento e operação no regime permanente.

Nese alimentador em questão, o principal problema no controle Volt/VAR está na compensação de reativos. Assim, se propõe a aplicação da MHPGE para indicar a necessidade de injeção de reativos, com o propósito da PCH realizar esta ação. Esta medida sinaliza a oportunidade dos agentes de GD aturarem como fornecedores de “serviços ancilares” aos sistemas de distribuição, cujo despacho pode ser baseado nos valores de referência apontados pela MHPGE.

No Brasil ainda não existe um ato regulatório para esta funcionalidade, mas com base nestes estudos serão revisados os acordos operacionais entre os agentes para o fornecimento de reativos. Os montantes são restritos as faixas que não prejudiquem a capacidade da usina de fornecer potência ativa, que é seu objetivo principal.

Os valores previstos são combinados de forma a ser adotada a melhor previsão para cada amostra, no intervalo de 10 minutos no horizonte de curtíssimo prazo. O diferencial da aplicação da metodologia híbrida pode ser observado nas Tabelas I e II.

TABELA I.RESULTADOS OBTIDOS PARA TENSÃO PELA MHPGE

Erro Médio HW NF RNA HÍBRIDO

Treinamento 0,374% 0,578% 0,735% 0,172%

Teste 0,482% 0,428% 0,793% 0,186%

TABELA II.RESULTADOS OBTIDOS PARA VAR PELA MHPGE

Erro Médio HW NF RNA HÍBRIDO

Treinamento 6,143% 2,500% 1,411% 0,605%

Teste 5,355% 2,800% 1,657% 0,785%

Os resultados obtidos até o momento são de simulações, porém no futuro se propõe ampliar o estudo através da MHPGE integrada ao sistema supervisório.

IV.OBSERVAÇÕES FINAIS

Uma das aplicações da MHPGE no alimentador do estudo de caso é a otimização da quantidade de operações dos dois reguladores de tensão e do compensador de reativos. Neste sentido, se compara as ações do controle local e centralizado. Quando a PCH está inoperante no horário de ponta a distribuidora está sujeita a ultrapassagens da demanda contratada. Com a possibilidade de controle centralizado aliado a MHPGE é possível realizar ações no sentido de reduzir o consumo, baseado no princípio de CVR.

As alternativas de otimização do perfil de tensão é um fator importante para evitar transgressões dos limites regulamentados. No patamar de carga mínima a atenção se volta a elevação da tensão, já no patamar de carga pesada o enfoque é a tensão baixa nos extremos do alimentador. Concluiu-se que as grandezas previstas no SEP é um tema importante a ser pesquisado, uma vez que a evolução dos recursos de monitoramento dos sistemas de distribuição permite utilização das informações de forma online.

A metodologia apresentada no artigo está alinhada ao conceito das Redes Elétricas Inteligentes, ao princípio da modicidade tarifária e ao processo de otimização de recursos ao qual os agentes do Setor Elétrico estão submetidos.

A MHPGE fornece informações importantes para ações de

self-healing, despacho de GD e participação de cargas

variáveis como os veículos elétricos, as microgrids e os armazenadores de energia distribuídos.

A continuidade das pesquisas referentes a MHPGE é importante, uma vez que permite tomar ações proativas que contribuem para melhoria da qualidade de energia, eficiência no uso dos ativos e otimização dos recursos financeiros. Em aplicações futuras da MHPGE serão estudadas possibilidades de parametrização dos equipamentos de controle Volt/VAR para situações especificas de “religamento” após falta e condições de self-healing.

V.AGRADECIMENTOS

Os autores agradecem ao CAPES, CNPq, FAPERGS, CERTAJA e PPGEE/UFSM pelo suporte para pesquisa.

VI.REFERÊNCIAS

[1] ANEELPRODIST – Módulo 8 – Qualidade da energia elétrica. Brasília, 2014. Disponível em: <http://www.aneel.gov.br>.

[2] ANEEL. Resolução Normativa N° 414 – Condições de Fornecimento. Brasília, 2010. Disponível em: <http://www.aneel.gov.br>.

[3] ANEEL. Resolução Normativa N° 482 – Regulamentação da Geração Distribuída. Brasília, 2012. Disponível em: <http://www.aneel.gov.br>. [4] ANEEL. Resolução Normativa N° 502 – Regulamentação de Medidores

eletrônicos. Brasília, 2012. Disponível em: <http://www.aneel.gov.br>. [5] CGEE. Redes elétricas inteligentes: contexto nacional. – Brasília, DF :

2012. Disponível em: <http://www.cgee.org.br>.

[6] TOLEDO, Fábio. Desvendando as Redes Elétricas Inteligentes: Smart Grid Handbook. Rio de Janeiro: Brasport, 2012. 336 p.

[7] MAIA, F. Redes Elétricas Inteligentes no Brasil - Análise de Custos e Benefícios de um Plano Nacional de Implantação. Rio de Janeiro: Editora Synergia, 2013. 260 p.

[8] ANEEL. Chamada de Projeto de Eficiência Energética Prioritário nº 001/2014. Brasília, 2014. Disponível em: <http://www.aneel.gov.br>. [9] ANEEL. Agenda Regulatória Indicativa da ANEEL para o biênio

2015/2016. Brasília, 2010. Disponível em: <http://www.aneel.gov.br>. [10] GAO, C. A Review of Voltage Control Techniques of Networks with

Distributed Generations using On-Load Tap Changer Transformers. In: UPEC, Cardiff, Wales, 2010. Disponível em: <http://www.ieee.org>. [11] Garcia-Valle, R.; da Silva, L.C.P.; Xu, Z.; Ostergaard, J. Smart demand

for improving short-term voltage control on distribution networks. Generation, Transmission & Distribution, IET Volume: 3.

[12] GARCIA, E. D. Previsão de tensão em sistemas de distribuição considerando as possibilidades das redes inteligentes. 135 f. Dissertação de Mestrado – UFSM, Santa Maria, 2012.

[13] PEREIRA, P. R. S. Controle hierárquico e adaptativo para aumento do desempenho operacional de reguladores de tensão em redes elétricas inteligentes. 140 f. Tese de Doutorado – UFSM, Santa Maria, 2014. [14] HONG, Tao., DICKEY, D. A. Electric load forecasting: fundamentals

and best practices. 2014. OTexts (Disponível em: https://www.otexts.org/elf)

[15] ULUSKI, B. EPRI - Volt/VAR Control and Otimization Concepts and Issuess. 2011.

[16] HYNDMAN, Robert J. and ATHANASOPOULOS, George. Forecasting: Principles and Practice. Online Book. Disponível em: http://http://otexts.com/fpp/.

[17] PALIT, Ajoy K. and POPOVIC, Dobrivoje. Computational Intelligence in Time Series Forecasting: Theory and Engineering Applications. British Library Cataloguing in Publication Data. Springer, London, 2005. 381 p. [18] Ribeiro, P. F. Power Systems Signal Processing for Smart Grids, 1,

Wiley, 2014.

[19] MONTGOMERY, D.C., RUNGER, G.C. Applied statistics and probability for engineers. Wiley. 2013. 832 p

[20] ITB. Manual de Instruções do Compensador Automático de Potência Reativa CAQ-1 com controlador CTX-1. Birigui, 2014. 20 p.