CLASSIFICAO DE DIAGRAMAS UNIFILARES DE SUBESTAES ELTRICAS BASEADA EM SISTEMAS NEBULOSOS

M. Sc. Daniel Gomes Ferrari

Universidade Federal de Gois. danielgferrari@uol.com.br

Prof. Dr. Gelson da Cruz Jnior

Universidade Federal de Gois, Praa Universitria, CEP 74605-220, Goinia-GO, Brasil. gcruz@eee.ufg.br Resumo. Este artigo prope trs metodologias de classificao para diagramas unifilares de subestaes eltricas podendo ser utilizadas na expanso de uma rede de distribuio de energia eltrica, quando a estrutura atual da rede no suportar uma carga de consumo de energia no futuro. Com estas metodologias o especialista poder comparar diferentes diagramas unifilares, escolhendo o melhor para a soluo de um determinado problema. A classificao baseada nos critrios de confiabilidade, flexibilidade operacional e impacto ambiental de cada equipamento eltrico que faa parte da especificao de uma subestao. Foram realizadas simulaes para determinar a melhor maneira de representar os critrios de classificao atravs do uso da lgica nebulosa e a metodologia com melhores resultados na classificao. Palavras-chaves. Sistemas nebulosos, diagramas unifilares, subestao eltrica.

1. Introduo Nos ltimos anos, a presso acumulada no setor energtico est causando uma dificuldade crescente para o melhor desempenho das redes de gerao, transmisso e distribuio de energia eltrica. Nestas presses esto includas as preocupaes ambientais que limitam seriamente a instalao de novas subestaes eltricas ou linhas de transmisso, e o uso de equipamentos obsoletos nas redes. Os problemas que ocorrem em uma rede de distribuio, so ocasionados pelo aumento do consumo futuro de energia eltrica, e este no suportado pela estrutura atual da rede. Os projetos combatem estes problemas em duas frentes principais: ampliando a capacidade de subestaes eltricas existentes ou instalando novas subestaes. O objetivo deste artigo auxiliar a anlise de projetos para expanso da rede de distribuio de energia eltrica, sendo esta ajuda proveniente de uma metodologia para classificar o diagrama unifilar de uma subestao eltrica. Como a especificao de uma subestao um problema muito complexo, pois envolve a seleo de diversos componentes e suas conexes em uma unidade operacional como dito em Atanackovic et all (1998-a), a metodologia servir para comparar diferentes arranjos de um mesmo diagrama unifilar pr-estabelecido. Este trabalho foi idealizado a partir de resultados encontrados (Atanackovic et all, 1998-b; Atanackovic et all, 1992; Atanackovic et all, 1998-a e Atanackovic et all, 1997) que tratam sobre a especificao de subestaes eltricas ou design de subestao. A partir destes trabalhos propomos uma abordagem alternativa na classificao de arranjos de diagramas unifilares, sendo estes classificados atravs dos equipamentos eltricos que o constituem. Os critrios adotados para a classificao so: confiabilidade, flexibilidade operacional e impacto ambiental; os mesmos foram escolhidos baseados em Atanackovic et all (1998-a). Estes critrios esto ligados aos equipamentos eltricos que fazem parte do diagrama unifilar da subestao eltrica. A confiabilidade representa a confiana em um equipamento, isto , se este equipamento falha com freqncia ento possui uma baixa confiabilidade. A flexibilidade operacional indica a possibilidade de um nico equipamento ser utilizado em vrias situaes diferentes dentro da subestao. J, o impacto ambiental determina o quanto um equipamento pode agredir o meio ambiente, seja por causa dos componentes que o formam, como as chaves a leo, ou por efeitos causados por seu funcionamento, como os transformadores e seus nveis de rudo. A semntica presente nos sistemas nebulosos e a utilizao de termos lingsticos presentes no dia-a-dia do especialista auxiliam o processo de modelagem do sistema, ao facilitar a criao de regras para o especialista, a implementao das mesmas pelo projetista, e o entendimento por parte do usurio. Modelaremos diferentes parties e tipos de funes de pertinncia em universos nebulosos, denominados grupos, representando o mesmo critrio de classificao, para que seja possvel analisar qual apresenta melhores resultados dentro da classificao. Os grupos estaro ligados a uma base de regras responsvel por gerar uma nota de classificao para um determinado equipamento eltrico. No final, pretendemos encontrar um grupo de universos nebulosos que, aplicado a uma determinada metodologia de classificao, seja possvel a comparao de maneira eficiente dos arranjos diferentes do diagrama unifilar de uma subestao eltrica. Atravs desta comparao o especialista poder escolher melhor arranjo do diagrama unifilar que solucionar o seu problema.

2. Sistemas Nebulosos O sistema composto por uma base de regras, um banco de dados de universos nebulosos e um mecanismo de inferncia. As regras so formadas por variveis lingsticas que representam parmetros de entrada e sada do sistema. Estas variveis so modeladas na forma de universos e conjuntos nebulosos. O mecanismo de inferncia responsvel pelo processamento de todas as regras. Ao receber os parmetros de entrada escalares do sistema, ele os converte para valores nebulosos. Com a ativao das regras armazenadas na base, o mecanismo de inferncia encontra o conjunto nebuloso soluo, que transformado em um valor escalar e retornado ao sistema. Para encontrar o conjunto soluo o mecanismo realiza a unio (atravs do operador clssico criado por Lofti Zadeh) dos conseqentes de cada regra. A defuzzificao realizada utilizando a tcnica do centro de massa do conjunto nebuloso. A criao de modelos computacionais para o sistema nebuloso foi baseada em Cox (1994) e Dubois (1980). 2.1. Universos Nebulosos Para realizao dos testes foram modelados seis grupos (1, 2, 3, 4, 5, 6) diferentes de universos nebulosos, que podem ser vistos nas Fig. de (1) a (6). Em todos os grupos, os universos possuem os mesmos conjuntos nebulosos e com o mesmo intervalo de domnio de [0, 100]. Os grupos possuem as seguintes variveis lingsticas: a) Confiabilidade: parmetro de entrada, e nome do universo CONF. b) Flexibilidade operacional: parmetro de entrada, e nome do universo FLEX. c) Impacto ambiental: parmetro de entrada, e nome do universo IMPA. d) Nota final de classificao: parmetro de sada, e nome do universo NOTA. Os grupos modelados se diferem na superfcie e no conjunto suporte de cada conjunto nebuloso. Como no tnhamos como modelar as superfcies a partir de um especialista, as funes de pertinncia escolhidas so funes bsicas e comumente utilizadas dentro de sistemas nebulosos. Os conjuntos suportes dos grupos 1, 2 e 3 possuem intervalos maiores do que os dos grupos 4, 5 e 6. Esta diminuio do intervalo foi aplicada nos grupos pois durante alguns testes preliminares verificamos que intervalos menores do domnio apresentavam resultados melhores. A anlise destes resultados sero explicadas no item 5.
BAIXA 1,0 0,8 0,6 0,4 0,2 0,0 0 10 20 30 40 50 60 70 80 90 100 MEDIA ALTA

Figura 1. Conjuntos nebulosos do grupo 1.

BAIXA 1,0 0,8 0,6 0,4 0,2 0,0 0 10 20 30 40

MEDIA

ALTA

50

60

70

80

90

100

Figura 2. Conjuntos nebulosos do grupo 2.

BAIXA 1,0 0,8 0,6 0,4 0,2 0,0 0 10 20 30 40 50 60 70 80 90 100 MEDIA ALTA

Figura 3. Conjuntos nebulosos do grupo 3.

Baixa 1,0 0,8 0,6 0,4 0,2 0,0 0 10 20 30 40 50 60 70 80 90 100 Media Baixa Media Media Alta Alta

Figura 4. Conjuntos nebulosos do grupo 4.

Baixa 1,0 0,8 0,6 0,4 0,2 0,0 0 10

Media Baixa

Media

Media Alta

Alta

20

30

40

50

60

70

80

90

100

Figura 5. Conjuntos nebulosos do grupo 5.

Baixa 1,0 0,8 0,6 0,4 0,2 0,0 0 10 20 30 40 50 60 70 80 90 100 Media Baixa Media Media Alta Alta

Figura 6. Conjuntos nebulosos do grupo 6. 2.2. Base de Regras A base de regras responsvel por armazenar o conhecimento de um sistema nebuloso. Normalmente, as regras so desenvolvidas a partir de entrevistas com especialistas a fim de modelar o conhecimento que eles possuem, ou atravs de simulaes. Todas as regras desenvolvidas so simples, ou seja, so formadas por uma nica proposio. A escolha por este tipo de regra foi motivada pela inexperincia dos especialistas com a tecnologia utilizada (sistemas nebulosos) no trabalho, com isso as regras possuem compreenso quase que imediata. As regras modelam a relao entre os critrios de classificao e a nota final de um equipamento. Os critrios de confiabilidade e flexibilidade operacional so diretamente proporcionais nota, ou seja, quanto maior o valor do critrio maior ser sua nota. J o impacto ambiental inversamente proporcional nota. 3. Diagrama Unifilar A subestao eltrica que servir como modelo para realizao dos testes possui as seguintes caractersticas: tenso de entrada: 230 KV; tenso de sada: 13,8 KV; potncia: 100 MVA; quantidade de linhas de entrada: 2; quantidade de linhas de sada: 4. Na Figura (7) podemos observar o desenho do diagrama unifilar da subestao eltrica modelo.

Figura 7. Diagrama unifilar modelo. 3.1. Banco de dados dos equipamentos O banco de dados desenvolvido neste trabalho tem como nico intuito servir como base para as simulaes. Cada critrio foi determinado aleatoriamente dentro de uma faixa de valores pr-estabelecida, sendo para confiabilidade o intervalo [70, 95], para flexibilidade operacional o intervalo [40, 70], e para impacto ambiental o intervalo [10, 30]. O banco de dados deve apresentar diversidade de equipamentos, isto , representar o mercado de equipamentos onde equipamentos com caractersticas eltricas iguais possuem valores de critrios diferentes. Para que isso ocorra, cada equipamento foi associado a cinco trincas de valores diferentes de critrios de classificao, ou seja, foi criada uma variao para o mesmo equipamento eltrico onde seus critrios de classificao possuem valores diferentes, mas as caractersticas eltricas so iguais. Para que os equipamentos no possuam os mesmos custos foi criado um custo artificial a partir de um custo base (CB) e dos critrios de classificao, de acordo com a Eq. (1) e Tab. (1). O custo tenta modelar a diferena dos custos que os equipamentos teriam no mercado de equipamentos eltricos. Custo = CB + 1000 (CONF + FLEX + IMP) Tabela 1. Caractersticas dos equipamentos presentes na especificao da subestao eltrica. Nome Pra-raios Pra-raios Bobina de bloqueio Trafo de potencial capacitivo Transformador de corrente Transformador de corrente Seccionadora com lmina de terra monopolar Seccionadora com lmina de terra monopolar Disjuntor Disjuntor Chave faca comando monopolar Chave faca comando monopolar Transformador Quantidade 3 5 2 2 3 5 2 4 3 5 10 12 1 Tenso A Tenso B Potncia Custo Base (KV) (KV) (MVA) (R$) 230 7000 13,8 700 230 10000 230 17000 230 12000 13,8 2500 230 27000 13,8 3500 230 80000 13,8 19000 230 12000 13,8 2000 230 13,8 100 1400000 (1)

4. Metodologias de classificao Durante os trabalhos, foram desenvolvidas trs metodologias (A, B e C) de classificao. Todas consideram os critrios com o mesmo grau de importncia entre eles, isto , os critrios no possuem maior ou menor peso no modelo. As metodologias diferem na maneira em que o sistema nebuloso e os critrios so utilizados. As metodologias selecionam trs arranjos diferentes para o diagrama unifilar a ser classificado. O primeiro arranjo, chamado de Melhor, formado pelos equipamentos com as melhores notas. O segundo, chamado de Pior, possui os equipamentos com as piores notas. O ltimo arranjo, chamado de Mdia, escolhe o equipamento com a menor distncia euclidiana da nota mdia. Esta nota mdia uma mdia aritmtica simples, onde todos os equipamentos com caractersticas eltricas iguais participam da determinao da mesma. A partir destes arranjos cada metodologia gera uma nota de classificao final, onde o especialista poder analisar o melhor arranjo para a soluo do problema. 4.1. Metodologia A O primeiro passo para metodologia A calcular critrios mdios para o arranjo do diagrama unifilar, com isso o arranjo possuir uma confiabilidade mdia, uma flexibilidade operacional mdia e um impacto ambiental mdio. Estes critrios mdios so calculados a partir da mdia aritmtica simples dos critrios dos equipamentos selecionados. O prximo passo o clculo da nota final de classificao do arranjo do diagrama unifilar utilizando o sistema nebuloso modelado. A partir da ativao das regras nebulosas, de acordo com o grupo de universos nebulosos desejado, criado o conjunto nebuloso da soluo. As regras so calculadas com base, unicamente, na trinca de valores escalares determinada pelo primeiro passo os critrios mdios. Com o conjunto nebuloso da soluo definido, realizamos a decomposio deste conjunto soluo encontrando um valor escalar. Este valor escalar a nota final de classificao do arranjo, que dado como resposta. A Tabela (2) demonstra as notas finais encontradas para os trs arranjos nos seis grupos de universos nebulosos. 4.2. Metodologia B O passo inicial desta metodologia utiliza o sistema nebuloso para encontrar a nota de classificao de cada equipamento selecionado. A partir da ativao das regras, do grupo de universos em questo, para cada trinca de critrios de todos os equipamentos selecionados no arranjo sero gerados vrios conjuntos nebulosos soluo um para cada equipamento. Com a decomposio destes conjuntos nebulosos em notas (escalares) parciais de classificao do arranjo, o passo final calcula a mdia aritmtica simples destas notas parciais para determinar uma nota final de classificao do arranjo. Os valores finais encontrado podem ser visualizados na Tab. (3). 4.3. Metodologia C O primeiro passo a ativao das regras nebulosas para cada equipamento selecionado, gerando vrios conjuntos nebulosos. Cada conjunto est ligado a uma nica trinca de critrios de um equipamento. O segundo passo a unio dos conjuntos nebulosos, em um nico conjunto de soluo. Esta unio feita utilizando o operador nebuloso clssico (definido por Lofti Zadeh) de unio. O ltimo passo responsvel por decompor o conjunto nebuloso, resultante da unio, em um valor escalar que a nota final de classificao do arranjo. A Tabela (3) mostra as notas finais encontradas. Tabela 2. Notas finais de classificao da metodologia A. Grupo 1 2 3 4 5 6 Melhor 61,656 62,418 60,922 66,882 65,745 66,243 Tipo do arranjo Mdia 58,613 60,258 58,702 61,300 62,375 63,010 Pior 55,227 54,172 56,278 61,133 61,681 62,566

Tabela 3. Notas finais de classificao da metodologia B. Grupo 1 2 3 4 5 6 Melhor 62,934 63,159 61,822 72,051 71,591 69,826 Tipo do arranjo Mdia 60,216 61,041 59,922 65,206 64,976 65,262 Pior 57,143 56,991 57,695 61,755 62,102 61,306

Tabela 4. Notas finais de classificao da metodologia C. Grupo 1 2 3 4 5 6 5. Concluso Neste item faremos uma comparao dos resultados obtidos durante as simulaes, com o propsito de determinar qual grupo de universos nebulosos e metodologia de classificao apresenta melhores resultados. Tambm comentaremos alguns assuntos que podero ser abordados em trabalhos futuros. Os resultados das metodologias sero avaliados atravs da comparao de dois valores, que podem ser vistos na Tab. (5). O primeiro (DMm) a diferena absoluta entre a nota final do arranjo Mdia a mdia das notas finais do Melhor e do Pior. Se este valor for pequeno significa que a metodologia se mantm coerente a pr-seleo dos arranjos. O outro valor (DMP) a diferena da nota final de classificao obtida pelo arranjo Melhor e o Pior em cada grupo de universos nebulosos. Se esta diferena for muito pequena induzir a escolha do arranjo Pior, isto , ser feita a escolha de um diagrama unifilar com os equipamentos selecionados no arranjo Pior j que ele aparenta ser to bom quanto um diagrama unifilar selecionado pelo Melhor. Os valores de comparao DMm apresentaram diferenas de no mximo 3%, para todos os grupos em todas as metodologias, e a nota de classificao do arranjo Mdia sempre foi maior que a nota do Pior e menor que a nota do Melhor. Podemos dizer que para este valor de comparao todos os grupos e metodologias alcanaram bons resultados, onde o grupo 3 foi o melhor nas metodologias A e B, e o grupo 5 na C. Tabela 5. Valores para comparao das metodologias. Metodologia A Grupo 1 2 3 4 5 6 DMP 0,6379 0,8246 0,4644 0,5749 0,4064 0,3677 DMm 0,0146 0,1963 0,0102 0,2708 0,1338 0,1395 Metodologia B DMP 0,5791 0,6168 0,4127 1,0296 0,9489 0,8520 DMm 0,0178 0,0966 0,0164 0,1697 0,1870 0,0304 Metodologia C DMP 0,2411 0,2357 0,1845 0,1439 0,3465 0,7123 DMm 0,1137 0,1158 0,0885 0,0560 0,0132 0,2785 Melhor 62,527 62,780 61,778 67,563 67,986 67,296 Tipo do arranjo Mdia 62,458 62,759 61,740 67,404 66,122 66,519 Pior 60,116 60,423 59,933 66,124 64,521 60,173

Com relao aos valores de DMP as diferenas foram de no mximo 10,3%, mas apenas quatro grupos de universos nebulosos alcanaram uma diferena maior do que 8%. A metodologia C foi considerada o pior tipo de classificao com diferenas de no mximo 7%, a metodologia B foi a melhor, pois trs grupos obtiveram diferenas maiores que 8%, e na metodologia A apenas um grupo superou a barreira dos 8%. Para escolhermos o melhor grupo de universos nebulosos foi considerada sua performance dentro da metodologia B, j que esta foi a que obteve melhores resultados. Os grupos 1, 3 e 6 tiveram valores de DMm menores que 0,5%, e os grupos 4, 5 e 6 tiveram valores maiores que DMP 8,5%. Com isso poderamos afirmar que o melhor grupo foi o 6. Mas, se considerarmos o impacto subjetivo que a diferena entre o arranjo Melhor e o Pior pode causar, o grupo 4 deve ser considerado o melhor grupo.

Mesmo que alguns grupos ou metodologias tenham-se destacado nas simulaes, no geral todos obtiveram bons resultados, o que nos leva a crer que este tipo de abordagem na classificao de diagramas unifilares muito satisfatrio. 5.1. Perspectivas A utilizao de sistemas nebulosos em reas onde o conhecimento a ser modelado possui impreciso, ou este conhecimento adquirido atravs de anos de experincia, vem demonstrando que esta tecnologia oferece muitas vantagens sobre outras. E, agregando a facilidade lingstica no momento da modelagem, a lgica nebulosa e seus conjuntos se tornam uma poderosa ferramenta em aplicaes desta rea. Como pode ser visto neste trabalho, o uso da lgica nebulosa com poucas regras simples apresentou resultados que podem motivar pesquisas mais aprofundadas no assunto. Mesmo que as metodologias desenvolvidas tenham sua eficincia comprovada atravs de simulaes, experimentos mais realsticos so necessrios para afirmar que este tipo de classificao eficaz. Alguns dos seguintes pontos podem ser tratados em trabalhos futuros: Realizao de simulaes com diferentes diagramas unifilares de subestaes que atendam a um mesmo propsito, para verificar a real possibilidade de comparao dos mesmos atravs de alguma das metodologias propostas. O desenvolvimento de um banco de dados de equipamentos eltricos, onde os critrios de classificao sejam reais. Ou seja, pesquisar uma metodologia para classificar os equipamentos utilizados em subestaes. Ampliao da base de regras nebulosas, acrescentando qualificadores nebulosos que poderiam ponderar os critrios de classificao. Por exemplo, uma subestao eltrica poderia ser muito confivel e pouco flexvel. 6. Referncias Atanackovic, D.R., Galiana, F.D., McGillis. D.T. and Toussaint, M., 1992, A filtering process for substation design, IEEE Canadian Conference on Electrical and Computer Engineering. Atanackovic, D.R., Galiana F.D., McGillis, D.T., Chen, J. and Loud, L., 1997, An integrated knowledge-based model for power system planning, IEEE Expert AI in power systems. Atanackovic, D.R., Galiana F.D. and McGillis, D.T., 1998-a, The application of multi-criteria analysis to substation design, IEEE Transactions on Power systems, Vol. 13, No. 3. Atanackovic, D.R., Galiana F.D. and McGillis, D.T., 1998-b, A new tool for substation design, IEEE Transactions on power systems, Vol. 13, No. 4. Cox, E., 1994, The fuzzy systems handbook: A practitioners guide to building, using, and maintaining fuzzy systems, Ed. Academic Press Inc., England. Dubois, D., Prade, H., 1980, Fuzzy Sets and Systems: Theory and applications, Ed. Academic Press Inc., England. 7. Copyright Os autores so os nicos responsveis pelo material incluso impresso neste artigo.