1

Alocao tima de Monitores de Qualidade da Energia Eltrica em Sistemas de Distribuio

H. M. G. C. Branco, J. F. D. Breda, M. Oleskovicz, A. C. B. Delbem e D. V. Coury

ResumoEste artigo apresenta uma metodologia para a alocao otimizada de monitores de qualidade da energia eltrica em sistemas de distribuio. O problema foi modelado como um problema multi-objetivos, no qual se pretende minimizar os custos e maximizar a cobertura do sistema. A modelagem do problema foi fortemente baseada na topologia do sistema de distribuio e em regras que buscam um posicionamento adequado para os monitores de qualidade da energia. Na busca para a soluo do problema, optou-se pela aplicao de um algoritmo gentico como ferramenta de otimizao. A metodologia apresentada foi testada utilizando-se de sistemas de distribuio recomendados pelo IEEE, os quais so amplamente difundidos como fontes de dados para as mais variadas aplicaes. Cabe adiantar que os resultados observados se apresentam promissores ao problema delineado, abrindo espao para aplicaes voltadas aos sistemas de distribuio. Palavras-chaveQualidade da energia eltrica, sistemas de distribuio, alocao de monitores, otimizao multi-objetivos, algoritmos genticos.

I. I NTRODUO S problemas associados aos distrbios de Qualidade da Energia Eltrica (QEE) podem ocasionar paradas em processos produtivos, danos em equipamentos, alm de outros inconvenientes que geram prejuzos aos consumidores e s concessionrias de energia. Por isso, atualmente, muitos esforos tm sido direcionados para amenizar os transtornos e prejuzos decorrentes da falta de QEE. Neste contexto, o estudo e desenvolvimento de metodologias para o monitoramento da QEE e alocao de monitores em um Sistema Eltrico de Potncia (SEP) tem grande relevncia. Dispondo das informaes coletadas pelos monitores de QEE alocados ao longo de um SEP possvel realizar inmeras aplicaes, tais como: diagnsticos; localizao de eventos de QEE; localizao de fontes poluidoras do sistema; estudo da propagao de eventos de qualidade no sistema; compartilhamento de informao entre locais remotos; avaliao do custo da QEE; e melhoria de programas de manuteno preventiva, entre outros [1]. Portanto, o ideal seria que todos os pontos do SEP fossem monitorados fornecendo informaes completas a respeito da QEE no sistema como um todo. Entretanto, o investimento necessrio para realizar o monitoramento completo de sistemas de transmisso ou de Sistemas de Distribuio (SD) relativamente alto, e seus

custos esto associados ao valor elevado dos monitores e de sua implantao e manuteno, bem como dos canais de comunicao para o resgate e processamento de todas as informaes registradas [2]. Diante do exposto, percebe-se que existe um antagonismo entre a ecincia do monitoramento e a capacidade de investimento econmico das concessionrias. Logo, o nmero de monitores e suas respectivas localizaes no sistema devem ser otimamente determinados. Tendo em vista a importncia de realizar o monitoramento dos distrbios relativos QEE, o alto custo de implantao de medidores, e a crescente demanda por nveis cada vez melhores da qualidade da energia fornecida, vrios estudos apontam metodologias para otimizar a alocao de analisadores sobre o SEP [2][6]. Cabe colocar que a grande maioria dos trabalhos encontrados na literatura abordam o problema de alocao de monitores de QEE como um problema de otimizao monoobjetivo, no qual pretende-se minimizar o custo do sistema de monitoramento respeitando-se restries que garantem um certo nvel de ecincia. Entretanto, a adoo de um modelo de otimizao multi-objetivos indicada para este problema, uma vez que existem dois objetivos que claramente competem entre si: a ecincia do monitoramento e o custo do investimento. Neste sentido, prope-se uma abordagem multi-objetivos para o problema de alocao de monitores de QEE em SD, adotando um modelo baseado na topologia do sistema. Nesta proposta, utiliza-se algoritmos genticos (AG) para a resoluo do problema de otimizao modelado. II. R EPRESENTAO
DO SISTEMA DE DISTRIBUIO E REGRAS PARA POSICIONAMENTO DE MONITORES

A. Representao computacional do sistema de distribuio Os SDs radiais podem ser vistos como rvores de grafos, e representados computacionalmente por estruturas de dados baseadas em ponteiros [7]. Esta representao ser adotada neste trabalho por ser uma maneira bastante eciente de se representar um SEP [4]. Para ilustrar a representao em rvore de um SD, toma-se como exemplo o circuito alimentador de 13 barras do IEEE apresentado na Fig. 1 [8]. Neste caso, os componentes (linhas e cargas) do circuito alimentador so os ns da rvore, sendo interconectados por meio de arcos (arestas orientadas) que denotam a hierarquia entre os elementos. Na Fig. 2 tem-se a representao em rvore do circuito da Fig. 1. Pela Fig. 2 possvel observar o relacionamento hierrquico entre os ns, conforme anteriormente mencionado. Por exemplo, o n L1 a raiz da rvore e est conectado aos ns L2, L3

Este trabalho foi nanciado com recursos obtidos junto ao Conselho Nacional de Desenvolvimento Cientco e Tecnolgico (CNPq). H. M. G. C. Branco, J. F. D. Breda, M. Oleskovicz e D. V. Coury: Escola de Engenharia de So Carlos, Universidade de So Paulo, So Carlos, SP, Brasil ({hermescb, jader.breda}@usp.br; ({olesk, coury}@sc.usp.br; A. C. B. Delbem: Instituto de Cincias Matemticas e de Computao, Universidade de So Paulo, So Carlos, SP, Brasil (acbd@icmc.usp.br)

Figura 1. IEEE.

Representao unilar do circuito alimentador de 13 barras do

e L4, ou seja, esses trs ns so lhos de L1. Em relao ao n L5, este considerado pai do n L12. Seguindo a mesma lgica, os ns L7, L13, L14, L18 e L19 so descendentes de L3.

2) Regra 2: preponderante instalar monitores nos ramos de carga, uma vez que a maioria dos prejuzos causados pelos problemas de QEE aparecem nas cargas dos consumidores, tornando-os importantes pontos de monitoramento. Por essa regra deduz-se que os ramos de carga devem ter preferncia quando da aplicao da Regra 1. 3) Regra 3: deve-se instalar monitores em ramos laterais com muitos descendentes, o que possibilita monitorar uma rea maior. Com base nesta regra, os monitores tendem a ser instalados em pontos prximos a fonte de energia. Outra deduo advinda dessa regra que, apesar de ramos de carga terem preferncia quando da aplicao da Regra 1, em determinadas situaes mais conveniente instalar os monitores em ramos laterais com muitos descendentes. 4) Regra 4: os monitores devem ser instalados logo no incio dos ramos, ou seja, aps a sada da barra. 5) Regra 5: pelo menos 1 monitor deve ser instalado no alimentador principal, posicionado na sada da subestao.

Figura 3. Figura 2. Representao em rvore do circuito-exemplo.

Aplicao das regras de posicionamento dos monitores.

B. Determinao das regras para o posicionamento de monitores de QEE A escolha dos melhores pontos para o monitoramento da QEE em um SD realizada com base no conhecimento especialista adquirido pelos engenheiros ao longo de anos de prtica. Para possibilitar que uma rotina de otimizao utilize esses conhecimentos para determinar a alocao tima dos monitores de QEE preciso denir regras que traduzam o conhecimento especialista adquirido. As regras para um posicionamento adequado dos monitores que sero utilizadas neste trabalho so as mesmas denidas por [9]. As cinco regras adotadas so descritas a seguir, sendo exemplicadas e ilustradas na Fig. 3, considerando o circuito exemplo anteriormente apresentado. 1) Regra 1: considerar a Lei das Correntes de Kirchhoff (LCK). Se existem N linhas saindo de uma barra, ento existem N pontos possveis de instalao para os monitores, porm somente necessrio monitorar (N-1) destas linhas, j que uma das linhas pode ser computada conhecendo-se todas as outras.

Para possibilitar a aplicao das regras descritas de forma automatizada, fatores de ponderao so associados a elas. As Regras 1, 2 e 3 esto associadas com os fatores ij , ij e i , respectivamente. As denies e os equacionamentos para determinao destes fatores sero apresentados na Seo III. A Regra 4 apenas informativa, logo no possui um fator de ponderao associado. J a Regra 5 estabelece uma restrio ao problema de alocao, portanto, apesar de no ter um fator de ponderao associado, sempre deve ser atendida. III. M ODELAGEM DO PROBLEMA DE ALOCAO DE QEE EM SISTEMAS DE DISTRIBUIO

MONITORES DE

Para complementar a representao em rvore do SD, atribui-se a cada componente (cada n da rvore) uma propriedade e uma numerao. As possveis propriedades so: alimentador principal, linha lateral ou carga. Entre os ramais que derivam de um n, a partir da raiz, determinou-se como um n pertencente ao alimentador principal aquele com o maior nmero de descendentes. Aps a denio do caminho do alimentador principal, as derivaes de uma barra que no so cargas, ou que no pertenam ao alimentador principal, so consideradas linhas laterais.

A numerao de cada n da rvore feita de acordo o nmero da barra e a posio que o ramo ocupa na conexo com a barra. Assim, o componente cij , o j-simo componente conectado a barra i. Para o circuito-exemplo, a Fig. 4 ilustra a rvore j com as propriedades e numeraes atribudas.

sendo que n quantidade total de barras, Ni o total de lhos da barra i e i o conjunto de descendentes da barra i. O fator ij um valor normalizado que representa o peso do componente cij em relao aos demais componentes conectados a barra i. Seguindo a determinao da Regra 2, adotou-se que o peso do alimentador principal (Wmf ) metade do valor pr-determinado de peso para uma linha lateral (Wla ). J o peso de uma carga (Wlo ) tem valor igual a duas vezes o valor de Wla (2 Wmf = Wla = Wlo /2). O valor de ij obtido por meio da Eq. (6). Dij , (6) Ci i i i = Wmf Nmf + Wla Nla + Wlo Nlo , (7) Wmf , se cij alimentador principal = Wla , se cij linha lateral , (8) Wlo , se cij carga =

ij Ci Dij

Figura 4.

Representao em rvore com numerao e propriedades.

A. Vetor de existncia A indicao se um determinado componente cij monitorado ou no realizada atravs do vetor de existncia xij , conforme a Eq. (1). xij = 1, se o componente cij monitorado . 0, caso contrrio (1)

i sendo que Nmf nmero de alimentadores principais coneci tados na barra i, Nla nmero de linhas laterais conectadas i na barra i e Nlo o nmero de cargas na barra i. J o fator de ponderao ij faz com que o componente cij de menor relevncia para o monitoramento entre os conectados barra i tenha seu peso reduzido de forma que este se torne to pequeno quanto ao de um componente que est no m do sistema. Este fator possibilita a aplicao da Regra 1, sendo obtido pela Eq. (9).

B. Vetor de custos O custo da instalao dos monitores em cada um dos possveis pontos de monitoramento determinado por pij , conforme indicado pela Eq. (2): pij = custo de instalao no componente cij . (2)

1 , se cij no carga e tem o menor ij da barra i . ij = B 1, i caso contrrio (9) D. Funo objetivo Muitas tomadas de deciso envolvem anlises de vrios fatores ou objetivos que na maioria das vezes so conitantes entre si, ou seja, a melhoria de um objetivo causa a deteriorao de outros. Esta situao observada, por exemplo, no problema de alocao de monitores de QEE, uma vez que se tem por objetivo estabelecer o melhor plano de monitoramento com o menor custo possvel. Diante desta situao percebe-se que algumas solues (conhecidas como no-dominadas) so superiores s outras, isto , apresentam desempenho maior ou equivalente por um custo menor ou igual. As tcnicas de otimizao multi-objetivos possibilitam encontrar solues no-dominadas para problemas que apresentam mais de um objetivo [10]. A adoo de um modelo multiobjetivo para um determinado problema apresenta vantagens em relao a um modelo mono-objetivo, pois considera vrios aspectos do problema simultaneamente. Existem vrias tcnicas de resoluo aplicadas na otimizao multi-objetivo, dentre as quais cita-se o processo de escalarizao. O processo de escalarizao consiste na resoluo do problema multi-objetivo com a utilizao de uma funo escalar substituta (chamada de funo escalarizante ou funo de escalarizao), cuja soluo tima tambm uma soluo

C. Fatores de ponderao para escolha dos componentes monitorados Os fatores de ponderao so os responsveis por fornecer a relevncia de cada componente cij no momento da escolha do local de instalao de um monitor de QEE. Os trs fatores de ponderao utilizados so calculados com base nas regras para instalao dos monitores previamente denidas. O fator de ponderao i um valor normalizado que representa a extenso da rea que pode ser monitorada a partir de uma barra i. O valor de i constante para todos os componentes cij conectados barra i, sendo obtido a partir da Eq. (3). i = Bi , A
n

(3) Ni , (4) (5)

A =
i=1

Bi

=
ki

Nk ,

no dominada do problema original [11]. Os trs principais tipos de funes de escalarizao utilizadas consistem: Na otimizao de uma das funes objetivo restringindo as outras; Na soma ponderada das funes objetivo ou mtodo das ponderaes; Em uma mtrica ou distncia a um ponto de referncia ou ponto ideal. Por ser o mtodo de mais fcil compreenso, alm de ser o mais utilizado, optou-se por utilizar a soma ponderada das funes objetivo, no qual a funo escalarizante a soma ponderada das funes objetivo. Portanto, considerando a funo de custo dada pela Eq. (10) e a funo que mede a qualidade do sistema de monitoramento obtida pela Eq. (11), determina-se a funo de escalarizao como sendo a soma ponderada de f (x) e 1/g(x) (Eq. (12)):
n Ni

f (x) =
i=1 j=1 n Ni

pij xij ,

(10)

g(x) =
i=1

i
j=1

ij ij xij , 1 , g(x)

(11)

minz(x) = f (x) + (1 )

(12)

Nesta ltima equao, um valor real no intervalo [0,1]. IV. A PLICAO

DE ALGORITMOS GENTICOS PARA

RESOLUO DO PROBLEMA

Um algoritmo gentico (AG) foi utilizado para encontrar a melhor soluo do problema modelado. Os AGs so mtodos de otimizao e busca baseados no princpio da seleo natural e sobrevivncia do indivduo mais apto que foi denida por Charles Darwin em 1859 [12]. No uxograma da Fig. 5 apresentado o esquema simplicado de um AG constitudo por seus operadores genticos mais bsicos como: seleo, cruzamento e mutao.
g= 1; Inicializa Populao P(t)

Avalia P(g)

Realiza mutao em P(g)

Atingiu Critrio de parada?

g = g + 1; Gera Populao P(g) de P(g-1)

representa um possvel local de instalao do monitor, sendo que um gene com o valor 1 (um) indica a instalao do monitor na componente do SD referente quela posio do vetor, j o valor 0 (zero) indica a ausncia de monitor. Em um primeiro passo, a populao de indivduos iniciada de forma aleatria, sendo geralmente caracterizada por uma distribuio uniforme. Um parmetro importante para o bom desempenho dos AGs a escolha do tamanho da populao inicial, que deve ser grande o suciente para garantir uma boa variabilidade gentica na populao. Em seguida, cada indivduo ser avaliado por uma funo de aptido ou funo de tness, que para este problema denida pela Eq. (12). Desta maneira, como o problema abordado de minimizao, quanto menor o tness de um indivduo, mais apto ele ser. Aps todos os indivduos serem avaliados pela funo de aptido, realiza-se o procedimento de seleo, no qual os indivduos mais aptos so selecionados para dar origem prxima gerao. Desta forma os indivduos mais aptos tero suas caractersticas transmitidas s prximas geraes. O mtodo de seleo adotado nesta aplicao foi o torneio. Nesta estratgia escolhe-se y indivduos aleatoriamente na populao e em seguida seleciona-se aquele com maior aptido dentre os y indivduos, repetindo-se o processo at que o nmero de indivduos selecionados seja igual ao tamanho da populao. Para decidir se dois indivduos selecionados faro cruzamento ou no, utiliza-se um parmetro denominado taxa de cruzamento, que neste caso foi de 75%. Ou seja, cada par de indivduos tem 75% de chances de realizar cruzamento. Caso um par de indivduos no realize o cruzamento, os dois indivduos tero uma cpia direta dos seus cdigos genticos na populao da nova gerao. Em caso contrrio ocorrer um cruzamento uniforme entre os indivduos selecionados, o que permitir um melhoramento nas solues de uma gerao para outra. Aps a etapa de cruzamento sobre a nova populao gerada, aplica-se o operador de mutao, a m de proporcionar uma variabilidade gentica que permitir uma melhor cobertura do espao de busca e dicultar uma possvel estagnao em timos locais. A probabilidade de ocorrer mutao, denida por uma taxa de mutao, foi de 1% para cada gene de cada indivduo da populao, sendo que o valor do gene modicado no caso de ele ser escolhido para sofrer mutao. Aps cada nova gerao vericado se os critrios de parada do algoritmo foram atingidos. Para esta aplicao estabeleceu-se como critrio de parada apenas o nmero de geraes mximas. Do trmino da execuo do AG, a soluo tima do problema dada pelo indivduo de melhor aptido, ou seja, aquele com o menor tness. Importa ressaltar que um novo AG executado para cada valor de adotado. V. T ESTES E RESULTADOS A metodologia proposta foi testada em dois alimentadores distintos: o circuito de 13 barras previamente apresentado e o sistema de 37 barras do IEEE [8]. Em ambos os testes foi considerado que os custos de instalao dos monitores em todas as barras so iguais, com valor unitrio. Nos testes realizados

Soluo tima

Figura 5.

Fluxograma bsico de um AG.

Em um AG cada indivduo de uma populao ir caracterizar uma possvel soluo para o problema. Um indivduo representado por um vetor binrio, em que cada posio deste simboliza um gene. Deste modo, cada posio do vetor

com o sistema de 13 barras, xou-se que a populao do AG de 100 indivduos. A seleo foi por torneio de tamanho 8, sendo a taxa de cruzamento de 75% e a de mutao 1%. Essas faixas de valores so usuais para a plicao de AGs [13]. Com a variao do parmetro para valores no intervalo entre 0 e 1, obteve-se o conjunto de solues no dominadas (fronteira de Pareto) apresentado na Fig. 6.

Figura 7. Soluo para o problema de alocao de monitores de QEE no sistema de 13 barras, considerando 4 pontos de monitoramento.

Figura 6. Conjunto de solues no dominadas para o problema de alocao de monitores de QEE no sistema de 13 barras, considerando custo unitrio para instalao de um monitor em cada barra.

Analisando esta gura, verica-se que a ecincia do sistema de monitoramento cresce na medida em que novos medidores so inseridos. Entretanto o custo tambm aumenta a cada novo equipamento inserido no sistema. Portanto importante observar a relao de custo-benefcio (custo/qualidade do monitoramento) para decidir at que ponto vivel a instalao de novos equipamentos de monitoramento. De 0 a 3 monitores a razo entre o custo e a qualidade do monitoramento para insero de novos monitores apresenta valores prximos a 2,6. Para quatro monitores esta razo aumenta para aproximadamente 4,1. De 5 a 7 monitores a razo entre o custo e a qualidade do monitoramento sobe apresenta valores prximos a 8. Para 8 monitores a relao custos-benefcio aproximadamente 10, enquanto para 17 monitores a relao sobe para 17 e para instalar 20 monitores aumenta para 80. Logo, observa-se que a partir de 8 monitores a razo custobenefcio cresce de forma signicativamente maior a cada insero de um novo monitor. Assim, verica-se que a taxa de melhora bastante alta, e quase que constante, at que quatro monitores sejam inseridos no sistema. No intervalo entre 4 e 8 monitores ainda ocorre um ganho razovel para a qualidade do monitoramento, em relao ao investimento realizado, a cada novo monitor instalado. J a insero de novos monitores, a partir do oitavo, no agrega ganhos considerveis na ecincia do sistema de monitoramento, considerando o custo associado esta expanso. Portanto, o mais indicado que a escolha sobre a quantidade de pontos a serem monitorados recaia sobre uma das duas regies em que o ganho na ecincia melhor. J as solues posteriores ao cotovelo da curva (em vermelho no grco) no so as mais atrativas do ponto de vista econmico, pois o custo agregado qualidade fornecida por estas solues bem elevado. As Figs. 7 e 8 indicam os pontos a serem monitorados quando a escolha recai sobre 4 e 8 componentes, respectivamente.

A escolha da quantidade de componentes em que sero instalados monitores deve ser conduzida sempre considerandose o oramento disponvel para atingir um certo grau de ecincia. Esta tarefa bastante facilitada pela determinao da fronteira de Pareto. Cabe comentar que a numerao dos monitores de M1 M8 indica a sequncia de instalao (prioridade de instalao) dos monitores do SD. Portanto, se a opo mais vivel para uma concessionria for a instalao de seis monitores sobre este sistema de 13 barras, os monitores indicados por M7 e M8 devem ser desconsiderados na gura 8.

Figura 8. Soluo para o problema de alocao de monitores de QEE no sistema de 13 barras, considerando 8 pontos de monitoramento.

Para os experimentos com o sistema de 37 barras, utilizou-se as mesmas conguraes do AG aplicado ao sistema anterior. Apenas a populao inicial foi modicada para 500 indivduos, em virtude deste ser um problema combinatorial o que requer uma maior amostragem do espao de busca com o aumento do tamanho do problema. A fronteira de Pareto para este sistema apresentada na Fig. 9. A utilizao de 24 pontos de monitoramento uma alternativa factvel, conforme pode ser visualizado na fronteira de solues no dominadas. Esta soluo encontra-se no nal do cotovelo da curva (em laranja no grco), a partir do qual as solues no so mais to atrativas do ponto de vista econmico. A Fig. 10 ilustra uma soluo tima quando opta-

possibilitando uma melhoria do modelo de otimizao. VI. C ONCLUSO Mediante os resultados obtidos, conclui-se que a metodologia baseada em algoritmos genticos para a soluo da alocao de monitores de QEE em sistemas de distribuio mostrou-se bastante eciente. A modelagem multi-objetivo proposta agregou benefcios ao processo de deciso dos pontos que devem ser monitorados, permitindo uma anlise mais clara da relao custo-benefcio da instalao de novos monitores no sistema. As funes de ponderao empregadas para aproximar as regras de instalao dos monitores responderam adequadamente. Entretanto, novas pesquisas devam ser realizadas, possibilitando que novos parmetros sejam incorporados ao modelo de otimizao adotado, tornando-o mais robusto. Como prosseguimento desta pesquisa, pretende-se investigar o desempenho da tcnica para sistemas de maior porte. Pretende-se tambm aplicar algoritmos populacionais mais robustos que os AGs, alm de empregar AGs multi-objetivo, procedendo uma anlise crtica da comparao dos resultados obtidos pelas diversas tcnicas empregadas. AGRADECIMENTOS Os autores gostariam de agradecer ao Laboratrio de Sistemas de Energia Eltrica (LSEE), do Departamento de Engenharia Eltrica, Escola de Engenharia de So Carlos (EESC), Universidade de So Paulo (USP), pela estrutura disponibilizada e por todo o apoio prestado para a realizao deste trabalho. R EFERNCIAS
[1] M. H. Bollen and I. Gu, Signal Processing of Power Quality Disturbances. Wiley-IEEE Press, 2006. [2] M. Eldery, E. El-Saadany, M. Salama, and A. Vannelli, A Novel Power Quality Monitoring Allocation Algorithm, IEEE Transactions on Power Delivery, vol. 21, no. 2, pp. 768777, Apr. 2006. [3] G. Olguin, F. Vuinovich, and M. Bollen, An optimal monitoring program for obtaining voltage sag system indexes, IEEE Transactions on Power Systems, vol. 21, no. 1, 2006. [4] D. Won and S. Moon, Optimal number and locations of power quality monitors considering system topology, Power Delivery, IEEE Transactions on, vol. 23, no. 1, pp. 288295, 2008. [5] Y. Liao, Fault location observability analysis and optimal meter placement based on voltage measurements, Electric Power Systems Research, vol. 79, no. 7, pp. 10621068, 2009. [6] E. Espinosa-Juarez, A. Hernandez, and G. Olguin, An Approach Based on Analytical Expressions for Optimal Location of Voltage Sags Monitors, IEEE Transactions on Power Delivery, vol. 24, no. 4, pp. 20342042, 2009. [7] A. Bertziss, Data structures: theory and practice. Academic Press, London and New York, 1975. [8] W. Kersting, Radial distribution test feeders, in Power Engineering Society Winter Meeting, 2001. IEEE, vol. 2. IEEE, 2001, pp. 908912. [9] D. Won, I. Chung, J. Kim, S. Moon, J. Seo, and J. Choe, A new algorithm to locate power-quality event source with improved realization of distributed monitoring scheme, Power Delivery, IEEE Transactions on, vol. 21, no. 3, pp. 16411647, 2006. [10] J. Kornbluth, Duality, indifference and sensitivity analysis in multiple objective linear programming, Operational research quarterly, pp. 599 614, 1974. [11] H. Kuk, NONLINEAR MULTIOBJECTIVE PROGRAMMING, Multiple criteria optimization: state of the art annotated bibliographic surveys, p. 71, 2002. [12] D. E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley Professional, 1989. [13] K. De Jong, Evolutionary computation: a unied approach, 2006.

Figura 9. Conjunto de solues no dominadas para o problema de alocao de monitores de QEE no sistema de 37 barras, considerando custo unitrio para instalao de um monitor em cada barra.

se por 24 pontos de monitoramento. Contudo, cabe ressaltar que existe mais de uma soluo com 24 pontos que fornecem o mesmo valor de timo para a funo objetivo.

Figura 10. Soluo para o problema de alocao de monitores de QEE no sistema de 37 barras, considerando 24 pontos de monitoramento.

Analisando as guras que ilustram os pontos de instalao dos monitores possvel vericar que as regras de posicionamento dos monitores esto sendo seguidas corretamente. No entanto, como em algumas situaes existe mais de um arranjo que fornece o mesmo valor de funo objetivo, possvel que um destes arranjos fornea maiores benefcios que o outro. Desta forma mais investigaes devem ser realizadas