Escolar Documentos
Profissional Documentos
Cultura Documentos
= =
= =
3
1
5
1
1
i
i
j
ij
Dias Horas Perdas Energia f
(2)
onde
i : corresponde a condio de carga Pesada, Mdia e Leve;
j : corresponde ao ano considerado;
Perdas
ij
: perda de potncia ativa correspondente condio de carga i no ano j;
Horas
i
: nmero de horas correspondente condio de carga i;
Dias : nmero de dias teis no ano.
Os nmeros de horas referentes a cada patamar de carga esto
apresentados na Tabela 4.1. O nmero de dias teis em um ano tpico foi
considerado como sendo 249, conforme anlise de curvas de carga de
alimentadores tpicos, levando-se em conta os patamares de carga pesada, mdia e
leve.
Tabela 4.1 - Nmero de Horas para cada condio de Carga para dia til (DU)
Patamar de Carga
Nmero de
horas
Pesada 4
Mdia 14
Leve 6
58
4.2.2. Violaes dos Limites de Tenso
A Resoluo N 505, de 26 de novembro de 2001 da ANEEL, determina que
o sistema eltrico deva atender aos nveis de tenso de energia eltrica em regime
permanente preestabelecidos, sendo que estes so fiscalizados e sujeitos a multas.
Desta forma, aps simular a rede e conhecer as magnitudes de tenses em
todas as barras para cada uma das condies de carga consideradas, buscam-se as
barras cujas magnitudes esto fora dos limites estabelecidos pela Resoluo N
505/2001, obtendo-se as violaes desses limites da forma apresentada na Tabela
4.2
Tabela 4.2 Regras para obteno das violaes dos limites de tenso
Se Ento
V
mnimo
s V
barra
s V
mximo
Violao_tenso
barra
=0
V
barra
<V
mnimo
Violao_tenso
barra
=V
mnimo
V
barra
V
barra
>V
mximo
Violao_tenso
barra
=V
barra
V
mximo
Os valores de V
mnimo
e V
mximo
so os limites da escala de tenso adequada
estabelecidos pela Resoluo n 505/2001, ou seja, V
mnimo
=0,93 pu e V
mximo
=
1,05 pu.
A partir dos valores de violao de tenso, obtidos para cada condio de
carga em cada ano, determina-se o total do sistema dentro do perodo estudado,
conforme a seguinte equao:
= =
= =
3
1
5
1
2
_ _
i j
ij
tenso Violao V Violao f
(3)
onde
Violao_V : violao de tenso total do sistema em um ano.
Violao_tenso
ij
: violao de tenso de todas as barras para a carga i no ano j.
Ressalta-se tambm que o nvel de tenso fixado na barra inicial do
alimentador depende do patamar de carga, sendo apresentados na Tabela 4.3.
59
Tabela 4.3 Tenso na barra inicial para cada condio de carga
Patamar de Carga Tenso na Barra Inicial [pu]
Pesada 0,9928
Mdia 0,9783
Leve 0,9565
4.2.3. Custo das Violaes das Quedas de Tenso
Conforme recomendao da COPEL (1996b) existe um custo adicional
quando a queda de tenso entre as barras da rede de distribuio e a barra inicial do
alimentador so maiores que 4%. A essas diferenas se deve aplicar um custo
adicional na Funo Objetivo relativo a tais desvios.
Desta forma, para cada patamar de carga, buscam-se as barras que
apresentam uma queda de tenso maior que 4% e aplica-se para essas barras a
equao mostrada a seguir, somando os valores encontrados para as dez condies
de carga.
( ) | |
= = u e )
`
= =
3
1
5
1
45 , 1
3
4 144 , 1 _ _
i j b
b ij bij j ij
CP P QT Dias Horas VD Tenso Queda Custo f
(4)
onde
VD valor do dlar (por exemplo, R$ 2,37 cotao em 06/03/09);
b barra com queda de tenso superior a 4%;
Conjunto de barras com queda de tenso superior a 4%;
QT
bij
tenso na barra b referente ao patamar de carga i e dia da semana j;
P
ij
porcentagem da carga pesada referente ao patamar de carga i e dia j;
CP
b
valor da carga pesada na barra b.
4.2.4. Custo de Conexo
60
J que o enfoque est baseado na alocao de uma determinada tecnologia
j previamente escolhida, em uma regio j determinada, o problema de alocao
acaba se restringindo escolha do melhor ponto de conexo dentro da rea de
abrangncia da GD.
Assim, deve ser contemplado o custo de instalao da GD (R$/km para as
categorias de potncia). Ou seja, a partir das coordenadas da fonte possvel obter
as distncias desta para cada barra k do sistema (distncia
k
) e assim obter o seu
custo de conexo em reais.
Desse modo, uma quarta funo objetivo passa a ser includa no problema de
otimizao multi-critrio que a minimizao do custo de conexo da GD:
k
distancia Custo o Custoconex f = =
4
(5)
onde
Custoconexo =custo de conexo da GD (em estudo) na barra k.
4.3. Programao Multiobj etivo
Como o problema a ser resolvido de mltiplas funes objetivos, cabe
colocar algumas consideraes sobre esse ramo da otimizao matemtica.
Em problemas com um nico objetivo, a soluo tima obtida atravs da
simples maximizao (ou minimizao) de uma funo objetivo de variveis de
deciso sujeita a uma srie de restries prticas. Diferentemente disso, a anlise
Multiobjetivo seleciona a soluo de melhor compromisso em um cenrio em que
existem mltiplos critrios. Aqui, busca-se a otimizao do conjunto das funes
objetivo, atravs de critrios e julgamento das alternativas de soluo possveis, ou
seja, um problema de otimizao Multiobjetivo consiste em determinar um vetor de
variveis de deciso, que otimiza uma funo vetorial, cujos elementos representam
os ndices de desempenho a serem otimizados.
61
A soluo que minimiza um ndice provavelmente no minimiza os outros,
sendo assim necessrio introduzir o conceito de Otimalidade de Pareto. Segundo
esse conceito, uma soluo vivel para um problema de programao Multiobjetivo
uma soluo de Pareto, se no existir outra soluo que ir produzir uma melhora
em um objetivo sem causar uma degradao em pelo menos um dos outros (LIN,
1976).
No problema de otimizao Multiobjetivo cabe colocar que no existe
somente uma soluo tima e sim um conjunto de possveis solues denominadas
eficientes ou Pareto-timo. E, como no se conhece a importncia de cada um dos
objetivos, todas as solues Pareto-timo so igualmente importantes (PEREIRA e
MANTOVANI, 2006).
Algoritmos evolucionrios so apropriados para problemas de otimizao
Multiobjetivo porque lidam simultaneamente com um conjunto de possveis solues,
na qual permitem encontrar um conjunto de solues Pareto-tima em uma nica
simulao. O que no acontece com tcnicas tradicionais de programao
matemtica onde cada soluo obtida e deve ser guardada para compor um
conjunto de solues Pareto-tima (COELLO,1999).
Na literatura possvel encontrar uma variedade de mtodos como forma de
resolver um problema de otimizao Multiobjetivo. Os mtodos de resoluo deste
tipo de problema podem ser classificados em dois grupos (ARRUDA et al, 2006):
- Definidas prioridades e/ou pesos entre os vrios objetivos de interesse,
encontra-se a soluo tima segundo estas informaes fornecidas a priori;
- Sem nenhuma informao adicional, encontra-se o conjunto das
solues timas de Pareto para dentre estas se escolher uma a posteriori.
Exemplos de mtodos do primeiro grupo so: Programao Objetiva, Mtodo
do Critrio Global, Recozimento Simulado e mtodos evolucionrios em que se
combinam as diversas funes objetivo dentro de uma nica funo, obtendo como
resultado da otimizao uma soluo nica. Por outro lado, existem outros mtodos
62
evolucionrios que se enquadram no segundo grupo calculando um grande nmero
de solues timas de Pareto para uma escolha pessoal posterior.
Os Algoritmos Genticos utilizam uma funo objetivo nica como os mtodos
do primeiro grupo, mas calculam atravs de uma tcnica elitista, um conjunto de
solues timas das quais so selecionadas as solues de Pareto, como os
mtodos do segundo grupo.
Para a construo da funo de avaliao dos AGs, podem ser utilizados os
seguintes mtodos de modelagem de problemas de otimizao Multiobjetivo: o
mtodo do critrio global, mtodo das ponderaes e mtodo da penalizao.
Devido s vantagens do mtodo de critrio global, o mesmo ser utilizado na
formulao desse problema, sendo descrito a seguir.
O Mtodo do Critrio Global utiliza o valor timo como base de clculo para
definir o grau de aptido de um indivduo. Esse mtodo converte a funo
Multiobjetivo em um nico objetivo sendo expresso matematicamente pela seguinte
funo:
P
n
i i
i i
f
f f
) ( min
1
*
*
(6)
onde
*
i
f o valor timo, n a quantidade de objetivos e P um valor de projeto,
normalmente sendo definido como 1 ou 2.
No entanto, critrios com grandezas diferentes podem dominar a avaliao
final e com isso prejudicar critrios com magnitudes menores. Assim, adaptou-se o
Mtodo do Critrio Global, normalizando cada critrio atravs do conhecimento do
valor timo (
*
i
f ) e do pior caso (
max
i
f ), conforme (WESTPHAL, 2006):
) ( min
1
* max
*
n
i i i
i i
f f
f f
(7)
63
onde ) (x F o resultado da composio de todos os objetivos,
max
i
f o pior caso
para o critrio i, ) (x f
i
o resultado do critrio i para o indivduo x e
*
i
f o valor
ideal para o objetivo i. Ao normalizar a rede, os resultados ficam dentro da faixa
[0;1], de tal forma que 0 o valor timo, ou seja, todos os critrios foram cumpridos.
) (x F
com valor igual a 1 significa que nenhum critrio foi atendido. Qualquer valor
entre 0 e 1 mostra que o critrio foi atendido parcialmente.
Assim, o problema passa a ser o seguinte:
0
4 4
0
4 4
0
3 3
0
3 3
0
2 2
0
2 2
0
1 1
0
1 1
min
f fmax
f f
f fmax
f f
f fmax
f f
f fmax
f f
(8)
onde
1
f : perdas;
2
f : violao de limites de tenso;
3
f : violao de queda de tenso;
4
f : custo de conexo da GD;
0
1
f : valor ideal de perdas totais;
0
2
f : valor ideal de violao de limites de tenso;
0
3
f : valor ideal de queda de tenso;
0
4
f : valor ideal de custo de conexo da GD;
1
fmax : pior caso de perdas totais. Considera-se o valor de perda total antes da
alocao da GD;
2
fmax : pior caso de violao de limites de tenso. Considera-se a violao obtida
antes da alocao da GD;
3
fmax : pior caso de queda de tenso. Considera-se o valor obtido antes da alocao
da GD;
4
fmax : pior caso de custo de conexo. Considera-se conexo na barra mais distante
da GD, ou seja,
) ( max
k
distancia Custo .
Os valores ideais das respectivas funes objetivos foram considerados nulos por
simplicidade.
64
4.4. Fluxo de Potncia
A tcnica de AGs para se alocar GD requer uma avaliao de cada soluo
gerada. Para que se faa essa avaliao necessria a obteno do novo estado
da rede com a instalao do equipamento em estudo a fim de se verificar os
benefcios/malefcios, ou seja, necessria a resoluo de um Fluxo de Potncia
FP.
Alm disso, conforme o porte da GD inserida no alimentador pode haver
necessidade de se controlar a tenso da barra na qual ela est conectada e para
tanto h necessidade de se ajustar o valor de potncia reativa a ser gerada. Esse
controle de tenso e potncia reativa no pode ser realizado com os mtodos de
varredura.
Com base no exposto, ser adotado como mtodo para resolver a rede
eltrica o FPO solucionado pelo Mtodo de Pontos Interiores verso Primal-Dual
(FERNANDES, 2004), apresentado no ANEXO A.
4.4.1. Fluxo de Potncia timo FPO
O problema de Fluxo de Potncia timo FPO, formulado inicialmente por
CARPENTIER (1962), determina o estado de uma rede eltrica que otimiza uma
determinada funo-objetivo e satisfazendo um conjunto de restries fsicas e
operacionais.
Caracterizado como um problema de programao no-linear com restries,
o problema de FPO pode ser formulado genericamente como:
) ( min u f
(9)
Sujeito a:
0 ) ( = u g
(10)
max min
) ( h u h h s s (11)
65
onde
u vetor de variveis do sistema;
f(u) funo objetivo a ser otimizada;
g(u) vetor de restries de igualdade;
h(u) vetor de restries de desigualdade.
As restries de igualdade correspondem modelagem da rede, ou seja, s
equaes de balano de potncia ativa e reativa; enquanto que as restries de
desigualdade representam os limites das variveis do sistema, ou seja, as restries
funcionais e operacionais dos equipamentos do sistema.
4.4.2. Restries de Igualdade
As restries de igualdade bsicas do FPO correspondem s equaes j
apresentadas do fluxo de carga, ou seja:
] ) ( [
*
V Y V Pd Pg
= real
(12)
] ) ( [
*
V Y V Qd Qg
= imag
(13)
sada
V =
1
V
(14)
onde
Pg vetor com gerao de potncia ativa com dimenso (nb x 1);
Pd vetor de demanda de potncia ativa com dimenso (nb x 1);
Qg vetor com gerao de potncia reativa com dimenso (nb x 1);
Qd vetor de demanda de potncia reativa com dimenso (nb x 1);
-
V vetor com tenso fasorial com dimenso (nb x 1);
-
Y matriz de admitncia de barra com dimenso (nb x nb);
1
-
V tenso fasorial na barra da SE;
Vsada tenso de sada do alimentador que depende do patamar de carga.
4.4.3. Restries de Desigualdade
As restries de desigualdade correspondem s restries de canalizao
nas variveis e restries funcionais do tipo mximo carregamento em circuitos.
Estas restries refletem limites de operao dos equipamentos ou alguma poltica
66
operativa especfica. Desta forma, as principais restries de desigualdades
utilizadas em problemas de FPO so apresentadas a seguir em sua forma geral:
max min
k k k
Pg Pg Pg s s k=1,...,nb
(15)
max min
k k k
Qg Qg Qg s s k=1,...,nb (16)
onde
Pg
k
potncia ativa gerada na barra k;
Qg
k
potncia reativa gerada na barra k;
Repara-se que no foram considerados os limites nas magnitudes de tenso
e de fluxo de potncias ativa nas linhas, pois em caso de violao dessas
grandezas, o problema de otimizao no converge o que leva a tempos
computacionais muito elevados.
No entanto, essas violaes foram consideradas na funo objetivo do
problema resolvido pelos AGs (equaes 3 e 5). Desse modo, indiretamente, as
mesmas esto consideradas no problema, no deixando de serem atendidas pela
formulao.
Como se tem interesse na minimizao das perdas, esse critrio tambm
utilizado na formulao do FPO:
e
+ =
CS
C m k
mk km
P P LO
,
) (
(17)
onde
CCS : conjunto de circuitos do sistema.
Assim a formulao do problema que analisa a rede :
min LO
s.a.
] ) ( [
*
V Y V Pd Pg
= real
(18)
67
] ) ( [
*
V Y V Qd Qg
= imag
(19)
sada
V =
1
V
(20)
4.5. Anli se de Sensibilidade para Restringir Campo de Busca
A alocao de GD um problema de otimizao onde se pretende minimizar
o custo de conexo dos equipamentos, perdas e as violaes no perfil de tenso e
fluxo nas linhas.
Como o problema tem grandes propores, assume-se que apenas algumas
barras da rede bsica so candidatas alocao de GD.
Conforme citado em Acharya, Mahat e Mithulananthan (2006), as barras
foram ordenadas de acordo com os valores obtidos, a partir dos maiores valores de
sensibilidade, sendo que os maiores valores representam as melhores candidatas do
sistema em estudo para alocao da GD.
J essa dissertao foca principalmente a minimizao das perdas, pois um
dos quesitos mais impactantes em termos de custo para a rede de distribuio.
Assim, inspirando-se nos trabalhos citados anteriormente, buscaram-se outras
maneiras de se diagnosticar conjuntos de barras candidatas alocao de GD das
seguintes formas:
(i) Atravs das barras com os maiores multiplicadores de Lagrange (SOUSA,
2003). Ao se resolver um fluxo de potncia timo cuja funo objetivo a
minimizao das perdas de transmisso (f(x)), obtm-se tambm os multiplicadores
de Lagrange que podem ser utilizados para se determinar as barras que so
candidatas a terem alocao de GD. A interpretao dos multiplicadores de
Lagrange (
i
p ) relacionadas s equaes de balano de potncia ativa, que eles
fornecem uma relao de sensibilidade entre a funo objetivo (f(x)) e a variao de
carga ativa:
68
i
i
Pd
x f
p
c
c
=
) (
, i=1,...,nb
(21)
Ou seja, as barras com os maiores multiplicadores de Lagrange positivos
indicam os pontos cuja variao de carga ativa mais influencia as perdas totais,
sendo essas candidatas naturais a terem alocao de ativo. Essas barras formam o
conjunto
1
u de barras candidatas alocao de GD.
(ii) Atravs das Perdas Incrementais por barras (
i
S ), obtidas de um fluxo de
carga convergido tal qual RODRIGUES (2007) :
i
i
Pd
LO
S
c
c
= , i=1,...,nb
(22)
As barras, cujos valores positivos de sensibilidade so elevados, indicam que
nelas h maior impacto nas perdas para variaes de carga. Ou seja, para carga
pesada, por exemplo, so as barras mais susceptveis de terem perdas reduzidas ao
se diminuir a injeo de potncia lquida pela insero de GD. Essas barras formam
o conjunto
2
u de barras candidatas alocao de GD.
(iii) simular um FPO que minimize perdas, sendo que todas as barras geram
potncia ativa. Como a funo objetivo minimizar as perdas, espera-se que se
despachem apenas algumas barras que respondam a essa funo objetivo, assim
as barras com maiores geraes seriam candidatas naturais: u3 = {barras com
maiores geraes}.
De uma anlise detalhada dos resultados, a ser apresentada no Captulo VI,
conclui-se que a unio desses trs conjuntos o melhor conjunto de barras a terem
alocao de GD, podendo ser utilizadas para restringir o campo de busca.
69
4.6. Codificao dos Indi vduos
Os Algoritmos Genticos requerem que indivduos sejam codificados para a
soluo do problema. Neste estudo, os indivduos so do tipo binrio, compostos por
2 partes.
A primeira parte formada por um nico bit que representa a potncia da GD
a ser alocada no sistema. Por exemplo, supe-se que se deseja alocar valores de
potncia iguais a Pot_1 e Pot_2. Ento, caso este bit corresponda a zero (0) ento a
potncia alocada ser de Pot_1 W. J se este bit corresponder a um (1), ento o
valor da potncia da GD ser de Pot_2 W.
A segunda parte do indivduo, conforme a Figura 25, que apresenta um
exemplo de decodificao para um sistema de nb barras, formada por bits que,
convertidos para decimal, correspondem aos ndices que referenciam as barras
candidatas a receberem uma GD. Como o conjunto de barras candidatas pode ser
inferior ao nmero total de barras do sistema, ocorre a indexao dessas barras, em
ordem crescente de um at o nmero total de barras, tornando o problema mais
simples, uma vez que barras fora do conjunto candidatas so facilmente
identificadas. A quantidade de bits necessrios para esta segunda parte depende do
tamanho do sistema a ser simulado ou do nmero total de barras candidatas, ou
seja, pode variar desde o total de barras do sistema, exceto a barra correspondente
a subestao (SE), at um conjunto de candidatas restrito pelos critrios de
sensibilidade estudados.
Figura 25 Decodificao da Barra para uma GD
Para facilitar o entendimento da codificao, a Figura 26 apresenta um
exemplo de soluo ou indivduo para um sistema de 70 barras, com possibilidade
de alocao de equipamentos em todas as barras do sistema. Optou-se pela
instalao de 3 equipamentos de GD considerando que, normalmente tais
70
equipamentos j esto determinados pelo cliente candidato a acessante. Ou seja,
no h necessidade de representar a possibilidade de no-alocao no indivduo.
A decodificao do indivduo representado, ou seja, uma soluo para o
problema, est apresentada na Figura 26.
Figura 26 Exemplo de decodificao de umindivduo
Os valores da Tabela 4.4 correspondem decodificao de um indivduo. O
primeiro bit do primeiro elemento, representado pela segunda linha da tabela
apresenta o valor 0 (zero), ou seja, corresponde a uma potncia de Pot_1 W. J o bit
representado na linha seguinte igual a 1, correspondendo a uma potncia de
Pot_2 W do terceiro elemento do indivduo. Nas linhas 3 a 5 tem-se decodificado os
ndices que correspondem a determinadas barras do sistema.
Tabela 4.4 Exemplo de decodificao de umindivduo
Equipamento Bits do Exemplo Soluo
GD
GD =100kW
GD
GD =200kW
1 GD
100
2 GD
60
3 GD
43
O segundo ndice decodificado corresponde a 60, que indica uma barra qual
est associado. J a primeira soluo, 100, extrapola o limite do conjunto de
candidatas que 69 (70 barras totais menos a SE). Assim, convenciona-se que para
indivduos a partir do valor 70, atribui-se um valor de funo objetivo muito grande
(10
12
, por exemplo). Assim, ao se deparar com este tipo de situao os AGs
aprendem que somente devem ser escolhidos indivduos cujo resultado decodificado
esteja dentro do nmero de barras candidatas possvel.
71
Caso o nmero de candidatas seja inferior ao nmero total de barras, como
por exemplo 20% do total de barras, o mesmo ocorrer para os valores de ndices
que extrapolem o nmero de candidatas.
No caso do indivduo cuja codificao seja igual a zero, ou seja, todos os bits
das posies correspondentes ao nmero da barra sejam iguais a zero, o mesmo
valor (10
12
) atribudo para a funo objetivo deste indivduo, pois no se quer ter a
opo de no alocao de GDs.
4.7. Memria
SZUVOVIVSKI (2008) prope que a memria deve ser introduzida na
metodologia com a finalidade de acelerar a convergncia do processo iterativo
controlado pelos AG. A sua idia principal relativamente simples: memorizar
solues j avaliadas com os valores da FO j calculadas para evitar a repetio dos
clculos, evitando assim, um esforo computacional desnecessrio.
Ressalta-se, entretanto, que so memorizadas as solues decodificadas e j
avaliadas e no os indivduos, pois, analisando o processo de decodificao, nota-se
que diferentes indivduos podem gerar uma mesma soluo.
Quanto mais solues so testadas mais resultados so armazenados na
memria e, por conseqncia, nas prximas geraes mais resultados so
encontrados na memria, de forma a acelerar o processo de convergncia dos AG.
4.8. Parmetros dos AG
As principais caractersticas dos AG juntamente com a configurao dos seus
parmetros usados na metodologia desenvolvida esto contidas na Tabela 4.5.
72
Tabela 4.5 Configurao dos AG
Caracterstica Parmetro Configurado
Indivduo
Codificao Binria
Nmero de Bits Depende das Opes
1
Populao
Tamanho 28 Indivduos
Inicial Aleatria
Seleo
Elitismo 2 Indivduos
Mtodo Roleta
Cruzamento
Tipo Disperso
Taxa 70%
Mutao
Tipo Uniforme
Taxa 5%
Parada Critrio 10.000 Geraes
4.9. Vali dao da Metodologi a de Alocao
Para se validar a metodologia para determinadas condies de simulao,
todos os indivduos possveis so gerados e avaliados um a um de forma que, no
final, possvel conhecer a melhor soluo para o sistema e condies em estudo.
A validao utilizada para sistemas pequenos ou com poucas opes que
resultem em um indivduo relativamente curto, pois se compara a melhor soluo da
validao com a soluo encontrada pela metodologia de alocao baseada nos
AGs a fim de valid-la, para, s ento, utilizar a metodologia de alocao em
sistemas reais.
Tambm possvel utilizar a validao em sistemas completos, ou seja,
considerando todas as barras do mesmo. Porm, a avaliao de cada indivduo
tornaria o processo muito mais demorado do que a prpria metodologia de alocao
que converge para a melhor soluo atravs dos AGs sem precisar avaliar todos os
indivduos possveis para se chegar melhor soluo.
73
4.10. Consideraes Finais
Neste captulo foi apresentada a formulao matemtica do problema de
otimizao que envolve a alocao de GD em sistemas de distribuio utilizando
AGs.
Esse problema de otimizao envolve a minimizao das perdas, das
violaes de tenso, das quedas de tenso e dos custos de conexo das GDs.
A metodologia adotada para soluo do fluxo de potncia foi o Fluxo de
Potncia timo com uso do Mtodo dos Pontos Interiores.
A anlise de sensibilidade para restringir o campo de busca dos AGs adotada
foi apresentada para reduo do custo computacional, baseada na aplicao dos
multiplicadores de Lagrange, das Perdas Incrementais e, finalmente permitindo
gerao em todas as barras, selecionando, para cada um dos casos, as barras com
os maiores valores em mdulo.
O sistema trabalha com indivduos binrios, representando a potncia da GD
e o ndice correspondente barra onde esta deve ser alocada.
O uso da memria desenvolvida por SZUVOVIVSKI, 2008, permitiu tambm
um ganho referente ao custo computacional uma vez que o nmero de
processamentos do FPO foi reduzido, pois os indivduos j testados e armazenados
na memria no necessitam novamente passar pelo processamento do FPO.
A seguir, sero apresentados os resultados referentes a essa modelagem
matemtica.
74
CAPTULO 5. RESULTADOS
Neste captulo, so apresentados os resultados obtidos a partir da metodologia
desenvolvida e aplicada em um sistema de 70 barras.
Conforme descrito no Captulo 4, nas sees 4.1 a 4.4, os objetivos a serem
minimizados para escolha do melhor ponto para a conexo de uma GD so:
- Custo das Perdas;
- Custo da Reduo de Queda de Tenso;
- Custo da Violao de Limites de Tenso;
- Custo de Conexo;
Uma primeira considerao diz respeito ao tempo demandado para as
simulaes. Nas primeiras realizadas verificou-se que o tempo total para
convergncia era da ordem de 4 horas, utilizando-se o hardware do tipo Notebook
da Thoshiba com processador Pentium de 1,73 GHz com 500 MB de memria RAM,
tendo o Microsoft Windows XP como sistema operacional e usando o Matlab Verso
7.2.0.232 (R2006a) e o Genetic Algorithm and Direct Search Toolbox Verso 2.0.1
como plataforma da metodologia desenvolvida.
O desenvolvimento da ferramenta de anlise de sensibilidade, representada
pelos conjuntos 1, 2 e 3, permitiu que este tempo se reduzisse para
aproximadamente 30 minutos no que se refere ao processamento dos AGs.
O critrio de parada utilizado para convergncia do processo foi o cmputo de
10000 geraes.
O custo de conexo foi representado de duas formas diferentes. Na primeira,
seu valor foi considerado baixo, ou seja, o mesmo no foi relevante no processo de
otimizao a fim de enfatizar os aspectos eltricos envolvidos na conexo das GDs.
J na segunda forma, seu valor foi considerado alto. Desta forma, o custo de
conexo assume uma principal relevncia dentre as outras FOs, permitindo uma
comparao entre os resultados.
75
As GDs foram despachadas em modo fixo, ou seja, gerando a potncia
equivalente ao limite mximo permitido pelo gerador. Este tipo de despacho visa
atender a solicitao do cliente quanto gerao mxima de energia permitida pelo
equipamento instalado.
Para estudo de planejamento importante verificar a insero de fonte de GD
num horizonte de tempo de at cinco anos. Assim, disponibilizando-se duas opes
de patamar de carga (pesada e leve), apenas para dias teis de semana ao longo de
5 anos, obtm-se 10 patamares de carga.
As tenses na sada da subestao que alimenta a rede de distribuio foram
fixadas em 0,9928 pu para carga pesada e 0,9565 pu para carga leve, conforme
recomendaes do ONS.
Para apresentao dos resultados acerca de todos os objetivos propostos
neste trabalho, os mesmos foram divididos nos seguintes itens:
1) Anlise de sensibilidade para determinao do conjunto de barras candidatas
para reduo do campo de busca;
2) Simulao do sistema original, ou seja, desconsiderando a alocao das
unidades de GD;
3) Simulaes do sistema completo, considerando as alocaes de GD
fornecidas pelos Algoritmos Genticos, utilizando-se 2 patamares de custo de
conexo (alto e baixo).
O sistema utilizado para anlise das metodologias foi o de 70 barras,
apresentado na Figura 27, onde a barra 1 a barra da SE e cujos dados das
potncias ativas e reativas demandadas em cada barra e de impedncia das linhas
esto apresentados no Anexo B (BARAN e WU, 1989).
O sistema tem carga total igual 3.812,19 kW a potncia base utilizada foi de
1000 kVA.
76
Figura 27 Sistema de 70 barras (Baran e Wu, 1989)
5.1. Anli se de sensibilidade para reduo do campo de busca
Os conjuntos 1, representando as barras selecionadas pelo critrio S
i
; 2,
representando as barras selecionadas pelo critrio p e, finalmente 3 que contm
as barras obtidas pelas mximas potncias geradas, foram obtidos atravs de
simulaes do FPO MPI, sem insero de GDs, minimizando-se as perdas totais
da rede. Para o estudo em questo foi estabelecido que cada conjunto de barras
candidatas correspondesse a 20% do nmero total de barras.
Assim, os 14 maiores valores de cada um dos conjuntos 1, 2 e 3 foram
ordenados em ordem crescente, conforme apresentado na Tabela 5.1.
77
Tabela 5.1 - Valores dos conjuntos de candidatas emordemcrescente
1 2 3
Barra
p
Barra S
i
Barra P
gd
24 1,0846 22 1,6089
12 0,0782
25 1,0849 24 1,6090
13 0,1460
26 1,0853 25 1,6091
17 0,0452
27 1,0854 26 1,6093
18 0,0601
28 1,0855 27 1,6093
19 0,0597
58 1,1233 28 1,6093
22 0,1129
59 1,1495 59 1,6140
60 0,1059
60 1,1598 60 1,6177
61 0,0474
61 1,1722 61 1,6232
62 1,0000
62 1,1890 62 1,6206
63 0,2396
63 1,1897 63 1,6205
65 0,2271
64 1,1906 64 1,6204
66 0,0590
65 1,1950 65 1,6197
69 0,0280
66 1,1963 66 1,6195
70 0,0280
Ao comparar as simulaes com e sem alocao de GDs a partir dos
conjuntos 1, 2 e 3, pode-se verificar que as perdas, para o patamar pesado
sem GD, foram da ordem de 331,60kW enquanto que, ao alocar as unidades de GD
nas barras do conjunto formado pela unio dos trs conjuntos apresentados, as
perdas se reduziram para 228,24kW.
A alocao de GDs em barras no pertencentes aos conjuntos 1, 2 e 3,
resultou em perdas bem maiores, como pode ser observado na Tabela 5.2. Os
conjuntos de barras 1 e 2 apresentam o mesmo nmero de barras do conjunto em
teste ou conjunto unio, no entanto as barras escolhidas so diferentes daquelas
pertencentes ao conjunto em teste.
Para o conjunto 1 as perdas verificadas so muito piores que aquela obtida
da simulao para o conjunto de barras candidatas. J o conjunto 2, apesar de
propiciar reduo de perdas, esta ainda bem inferior quela obtida a partir do
conjunto candidatas.
78
Tabela 5.2 Comparao de perdas alocando fora do conjunto candidatas
Conjunto de Barras 1
Perdas
(kW)
Conjunto de Barras 2
Perdas
(kW)
27; 3034; 45-47 346,7 711; 32; 33; 3537; 5053 302,42
Ao se estabelecer um comparativo entre os perfis de tenso verificados pelos
trs conjuntos (1, 2 e 3), com aqueles obtidos no caso original para o patamar
pesado, ou seja, sem introduo de GDs, temos os seguintes resultados na Tabela
5.3, para as barras que apresentavam tenses inferiores queles determinados pela
ANEEL.
Tabela 5.3 Comparao valores das tenses caso original e conjuntos simulados (valores empu)
BARRA ORIGINAL 1 2 3
59 0,9137 0,9297 0,9298 0,9298
60 0,9089 0,9261 0,9261 0,9262
61 0,9033 0,9219 0,9218 0,9218
62 0,8951 0,9156 0,9157 0,9157
63 0,8948 0,9154 0,9154 0,9154
64 0,8943 0,9151 0,9151 0,9151
65 0,8922 0,9139 0,9139 0,9136
66 0,8916 0,9145 0,9144 0,9142
Segundo a Tabela 5.3, houve uma melhora significativa no perfil de tenso
com a introduo das GDs nos postos de cada conjunto em anlise.
Da mesma forma, comparando-se os fluxos de potncia aparente calculados
para cada um dos conjuntos com insero de GD com aqueles verificados no caso
original, tomando como base os fluxos que apresentavam valores acima de 1 pu,
tem-se a Tabela 5.4.
79
Tabela 5.4 Comparativo entre os fluxos das simulaes come semGD (pu).
DE PARA ORIGINAL 1 2 3
1 2
5,2744 4,5775 4,5777 4,5775
2 3
5,2743 4,5774 4,5776 4,5774
3 4
5,1553 4,4585 4,4585 4,4585
4 5
4,9138 4,2170 4,2170 4,2170
5 6
3,8072 3,1104 3,1103 3,1103
57 58
2,3221 1,6653 1,6653 1,6653
58 59
2,2487 1,6174 1,6174 1,6174
59 60
2,2126 1,5937 1,5938 1,5937
60 61
2,0685 1,4546 1,4546 1,4546
61 62
2,0527 1,4445 1,4445 1,4448
Segundo a Tabela 5.4 houve uma diminuio significativa na sobrecarga dos
alimentadores com a introduo das GDs nos pontos de cada conjunto em anlise.
Aps obter os resultados de cada um dos conjuntos individualmente,
procedeu-se a combinao deles da seguinte maneira:
1) Unio entre as candidatas dos trs conjuntos (1, 2 e 3);
2) Interseo, dois a dois, dos conjuntos (1e 2, 1 e 3, 2 e 3).
Tal combinao foi motivada pela necessidade de determinar qual seria a
melhor maneira de reduzir o campo de busca, objetivando a reduo do custo
computacional. Sendo assim, a unio entre os trs conjuntos apresentou melhor
resultado, ainda que com uma diferena de apenas 3,95% em relao interseco
entre eles.
Assim, a unio dos conjuntos 1, 2 e 3, restringe a busca, neste caso, a
menos da metade das barras existentes na rede, tornando o tempo computacional
requerido para soluo do problema de otimizao, bem menor.
Do ponto de vista do custo computacional temos que, ao simular o sistema
proposto sem anlise de sensibilidade, o tempo total at a convergncia era de 4
horas. Ao se introduzir a anlise de sensibilidade este custo se reduziu para cerca
80
de 30 min., mantidas as caractersticas o hardware utilizado. Simulaes em
computadores mais novos obtiveram a convergncia em 10,4min.
Como forma de validao do algoritmo desenvolvido, foi simulado o sistema
de 70 barras com auxlio dos Algoritmos Genticos (AG) para determinao dos
pontos de alocao timos das GDs, alocando-se 3 unidades com potncias iguais a
Pot_1=100 kW e/ou Pot_2=200 kW.
A soluo do problema nas condies apresentadas foi a conexo das GDs
nas barras 62, 63 e 66 com potncias iguais a 200 kW cada, obtendo-se uma perda
total de 234,60 kW. A soluo final corresponde s candidatas obtidas pela unio de
1, 2 e 3.
Assim, das anlises de sensibilidade realizadas, concluiu-se que a unio dos
conjuntos: 1 (formado pelos maiores multiplicadores de Lagrange relacionados ao
problema de otimizao); 2 (formado pelas maiores perdas incrementais) e 3
(formado pelos maiores despachos de GDs), contemplam as barras timas do
problema.
Desse modo, ao invs de se procurar o melhor ponto de conexo de GDs por
todo o universo de barras consegue-se diminuir o campo de busca para menos da
metade, o que para redes reais de grande relevncia em termos de ganhos
computacionais.
5.2. Simulaes do Sistema
A fim de se avaliar as melhorias no sistema pela insero das GDs, utilizou-se
o modelo de 70 barras, inicialmente sem alocao de qualquer GD. Todos os
resultados desta simulao foram comparados com os demais, permitindo-se a
alocao de 3 unidades de GD.
No caso original foi feito a aplicao do FPO para os patamares de carga leve
e pesada (Apndice B), sendo que a nica fonte de gerao a subestao, que
81
injeta uma potncia de 3,9863 +2,7828 j pu para carga pesada. O valor de perda
ativa total foi de 0,3316 pu.
Permitiu-se a alocao de 3 unidades com potncias nominais iguais a
Pot_1=100 kW e/ou Pot_2=200 kW, supondo-se dois casos: (i) Custo de Conexo
Baixo, e (ii) Custo de Conexo Elevado.
(i) Custo de Conexo Baixo
Considerou-se o custo de conexo da ordem de 1E+5, multiplicando-se pela
distncia em km entre a unidade de GD e a barra em teste. Nessa situao, foram
alocadas 3 unidades de GD com potncias de 200 kW nas barras 62, 63 e 66.
A Figura 28 compara os valores de magnitude de tenso para o sistema nas
configuraes: original (sem GD) e com alocao de GDs para o patamar leve.
Figura 28 Grfico das tenses nas barras para o patamar leve, empu
Como se pode verificar na Figura 28, as tenses no patamar leve apresentam
grandes diferenas entre o valor original do sistema e com alocao de GD. H
melhoria no valor dos mdulos de tenso, principalmente nas barras mais distantes
0,918
0,923
0,928
0,933
0,938
0,943
0,948
0,953
0,958
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
Leve-original Leve-final
82
da SE. Tenses que antes apresentavam valores muito baixos sofreram acrscimo
de 0,02pu.
J para o patamar pesado, a Figura 29 apresenta o comportamento das
tenses.
Figura 29 Grfico das tenses nas barras para o patamar pesado, empu
Como se pode verificar na Figura 29, as tenses no patamar pesado
apresentam grandes diferenas entre o valor original do sistema e com alocao de
GD. H melhoria no valor dos mdulos de tenso, da ordem de 2,5%, principalmente
nas barras mais distantes da SE.
Uma nova anlise, agora dos fluxos de potncia na rede apresentou os
seguintes resultados, como podem ser verificados na Figura 30 e Figura 31.
0,8900
0,9000
0,9100
0,9200
0,9300
0,9400
0,9500
0,9600
0,9700
0,9800
0,9900
1,0000
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
Pesado-original Pesado final
83
Figura 30 Fluxos nas linhas do sistema empu, patamar leve
Figura 31 - Fluxos nas linhas do sistema empu, patamar pesado
As correntes que circulam nas linhas do sistema so diretamente afetadas
pela entrada das unidades geradoras. Isso se d atravs da injeo de potncia
ativa que flui no circuito. As correntes podem ser tanto na direo SE - cargas,
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69
Leve-original Leve-final
-0,2
0,2
0,6
1,0
1,4
1,8
2,2
2,6
3,0
3,4
3,8
4,2
4,6
5,0
5,4
0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69
Pesado-original Pesado final
84
quanto reversa, ou seja, na direo da carga para a SE. Estas ltimas podem ser
danosas uma vez que o sistema de proteo sofre interferncia deste tipo
ocorrncia.
A reduo do carregamento verificado na Figura 30 e Figura 31 demonstra
que, caso alguns dos alimentadores, tanto do conjunto de barras de 1 a 9, quanto do
conjunto de barras 53 a 65, estivessem sobrecarregados, estes seriam aliviados, o
que pode auxiliar numa maior durabilidade destes elementos. Isso produz um
impacto positivo para a concessionria uma vez que promove reduo de custos de
manuteno e/ou reposio de condutores.
Tambm se deve atentar para a questo da queda de tenso. Este evento ,
em alguns casos, grande causador de queixas por parte dos consumidores tendo
em vista a necessidade de suprimento de suas cargas. No mbito residencial torna-
se ainda mais complicado visto que, por se tratar de consumidores de pequeno
porte, acabam por no ter a devida ateno nesta condio. Apesar dos constantes
investimentos por parte das concessionrias em melhorias do sistema, ainda
grande o nmero de queixas devido baixa tenso no final de alimentadores muito
longos.
Na Figura 32 e Figura 33, tem-se o comportamento da queda de tenso para
o alimentador em estudo, nos patamares leve e pesado, respectivamente.
85
Figura 32 Quedas de tenso porcentual do sistema de 70 barras, patamar leve
Figura 33 - Quedas de tenso porcentual do sistema de 70 barras, patamar pesado
O benefcio da alocao de fontes de gerao distribuda bastante evidente
neste estudo. A reduo verificada no incio do alimentador conseqncia da ao
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
Leve-original Leve-final
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
4,5%
5,0%
5,5%
6,0%
6,5%
7,0%
7,5%
8,0%
8,5%
9,0%
9,5%
10,0%
10,5%
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
Pesado-original Pesado final
86
das unidades de GD alocadas nas barras finais do mesmo. Como a quantidade
demandada da SE reduzida temos que o perfil das tenses melhora, reduzindo-se
de 4%, no caso do patamar leve (Figura 32), para menos de 2,0%. J o perfil das
quedas de tenso para o patamar pesado demonstra uma melhora de 2% nos
pontos onde a queda original era da ordem de 10%. Tal melhora ainda no muito
grande, pois os valores injetados de potncia ativa so baixos.
Do ponto de vista das perdas no sistema, comparando-se os resultados das
simulaes antes e depois da alocao de GDs, pode-se verificar que estas foram
reduzidas consideravelmente. Perdas que no sistema original eram da ordem de
0,3316 pu, passaram a 0,2346 pu no patamar pesado.
Tal reduo das perdas muito relevante. Os resultados so bastante
expressivos, uma vez que qualquer reduo de perdas propiciada ao sistema de
distribuio de energia eltrica produz uma economia muito grande para o mesmo.
Os custos associados a cada um dos estudos realizados esto apresentados
na Tabela 5.5.
Tabela 5.5 Custos comparados para os sistemas seme comGD
Custo Original
SemGD
(Milhes R$)
Custo Final
ComGD
(Milhes R$)
2.370 1.660
87
(ii) Custo de Conexo Elevado
Ao se atribuir um custo elevado para a conexo da GD ao sistema de
distribuio, da ordem de 1E+08 unidades monetrias, as barras escolhidas para
alocao foram aquelas mais prximas s GDs.
Na Figura 34, tem-se a disposio do sistema de 70 barras, sendo que os
asteriscos azuis representam as barras, o vermelho a localizao da GD1, o verde a
GD2 e o preto a GD3.
Figura 34 Sistema 70 barras comalocao de GDs
As barras escolhidas para alocao foram as de nmero 38, 29 e 62, que
justamente esto mais prximas das GDs, comprovando que o custo de conexo foi
considerado e que as barras mais prximas foram escolhidas.
88
Salienta-se a alocao na barra de nmero 62, tambm escolhida no estudo
anterior, que comprova que, apesar de haver outras barras com distncias
semelhantes ou inferiores, o sistema busca a melhor barra do ponto de vista eltrico,
preferindo uma barra mais representativa dentro do ponto de vista de benefcios
rede.
O custo total para este caso foi de 3,67 E+9 unidades monetrias. Este custo
muito mais alto que aquele obtido quando os custos de conexo foram mais
baixos.
As perdas foram da ordem de 0,282 pu para esta condio onde o custo de
conexo elevado. Apesar das perdas serem inferiores ao valor original, o custo
total foi dominado pelo custo de conexo, conduzindo ao valor verificado.
A seguir esto apresentados os resultados para esta simulao, do ponto de
vista das tenses, das quedas de tenso e fluxos nas linhas, para ambos os
patamares (leve e pesado).
As Figura 35 e Figura 36 apresentam o comparativo entre os mdulos das
tenses nas barras do sistema quando da escolha das barras candidatas,
considerando um alto custo de conexo para os patamares leve e pesado.
89
Figura 35 Tenses patamar leve, considerando alto custo de conexo
Figura 36 - Tenses patamar pesado, considerando alto custo de conexo
0,918
0,923
0,928
0,933
0,938
0,943
0,948
0,953
0,958
0,963
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
Leve-original Leve-final
0,8900
0,9000
0,9100
0,9200
0,9300
0,9400
0,9500
0,9600
0,9700
0,9800
0,9900
1,0000
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
Pesado-original Pesado final
90
Houve uma melhora sensvel quanto aos valores em mdulo das tenses
para esta simulao. As barras entre 10 a 30 apresentaram pequena melhora para o
patamar pesado, no entanto para o patamar leve esta melhora foi considervel, da
ordem de 6,5%, enquanto que para o patamar pesado, esta melhora foi de menos
que 1% no mdulo das tenses das barras 57 a 66.
Para o patamar pesado temos que a melhora foi pequena, mantendo as
tenses abaixo do limite crtico.
J do pondo de vista dos fluxos, a Figura 37 e Figura 38 apresentam os
resultados para esta simulao.
Figura 37 Fluxos nas linhas do sistema emteste, patamar leve, custo conexo alto
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69
Leve-original Leve-final
91
Figura 38 Fluxos nas linhas do sistema emteste, patamar pesado, custo conexo alto
Como se pode observar ocorreu uma reduo nos fluxos nas linhas de 1 a 9 e
de 52 a 62 para ambos os patamares. Isso se deve alocao das unidades de GD
que permitiram um alvio das mesmas, podendo representar, caso estas
estivessem sobrecarregadas, um benefcio para manuteno das condies de
operao do alimentador e, ainda, reduo de custos para a concessionria, uma
vez que os custos de manuteno de tais linhas poderiam ser reduzidos.
Entre as barras 10 e 35 ocorreu um fluxo reverso no sistema para o patamar
leve, ocasionado pelo posicionamento de unidades de GD nesta regio. Tal fato
comprova a possibilidade de ocorrncia de fluxos reversos nas linhas, justificando a
necessidade de estudos relativos ocorrncia deste tipo de fluxo no sistema.
J no patamar pesado o fluxo reverso s ocorreu entre as barras 22 e 35,
sendo este de pequena monta. Isso se deve a ocorrncia de cargas maiores durante
este perodo. Por se tratar de um sistema em teste conclui-se que tal reduo pode
propiciar um alvio para a rede, aumentando a vida til de condutores e acessrios,
alm de outros equipamentos existentes ao longo de uma linha de distribuio.
-0,2
0,2
0,6
1,0
1,4
1,8
2,2
2,6
3,0
3,4
3,8
4,2
4,6
5,0
5,4
0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69
Pesado-original Pesado final
92
As quedas de tenso para esta simulao esto representadas Figura 39 e
Figura 40.
Figura 39 Quedas de tenso no sistema, patamar leve, custo de conexo elevado
Figura 40 Quedas de tenso no sistema, patamar pesado, custo de conexo elevado
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
Leve-original Leve-final
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
4,5%
5,0%
5,5%
6,0%
6,5%
7,0%
7,5%
8,0%
8,5%
9,0%
9,5%
10,0%
10,5%
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
Pesado-original Pesado final
93
Assim como no caso anterior, onde o custo de conexo foi considerado baixo,
nesta situao tambm h a reduo das quedas de tenso. No entanto os
montantes so bem inferiores queles observados na primeira simulao.
As barras 15 a 28, que antes ultrapassavam os limites de 4%, para o patamar
pesado, estabelecidos pelo ONS, agora foram conduzidas para dentro deste limite,
promovendo uma melhora significativa. Tal melhora se deve ao fato da alocao de
uma GD prxima a estas barras. J nas barras 57 a 65, tambm houve uma
melhoria, inferior quela observada na primeira simulao, mas que no conseguiu
reduzir a questo da violao de limites. Talvez, com a alocao de unidades de GD
com maior porte, tais melhorias fossem ainda mais eficientes, no mais infringindo
os limites determinados pela ANEEL.
5.3. Consideraes finais
A reduo dos custos nos sistemas com alocao de GD fica evidente neste
estudo. Como h uma reduo em todas as variveis analisadas, ou seja, Custo
Perdas, Custo Queda de Tenso, Custo Violao de Limites de Fluxo e Custo para
Conexo da GD ento se pode concluir que o objetivo desta ferramenta atingido e
a mesma pode ser aplicada para auxiliar no planejamento de sistemas de potncia.
A simulao com um campo de busca menor, como o proposto, leva ao
mesmo resultado obtido pelo conjunto composto por todas as barras. Salienta-se
ainda, que as barras alocadas (62,63 e 66), escolhidas para o patamar pesado,
fazem parte do conjunto de barras candidatas obtidas pela anlise de sensibilidade,
o que corrobora esse estudo.
O custo de conexo aquele que deve restringir o campo de busca de forma
efetiva, pois considera uma restrio fsica, associada distncia que instalaes de
linhas de distribuio e transmisso devem percorrer para acessar a rede existente.
94
CAPTULO 6. CONCLUSES
O uso de algoritmos computacionais para determinao de ponto de alocao
tima para unidades de Gerao Distribuda (GD) apresentou resultados muito
expressivos no auxlio ao planejamento e operao de sistemas eltricos.
Visando varrer todo ou parte do espectro de um determinado alimentador, fez-
se uso de ferramenta de inteligncia artificial com aplicao de Algoritmos Genticos
(AG). Os critrios adotados para a aplicao desta ferramenta so bastante eficazes,
pois permite explorar ao mximo o campo de busca, alcanando solues de
problemas como o que se estudou.
A metodologia para diminuir o campo de busca de um problema de
otimizao, que tem como objetivo alocar GDs em redes de distribuio foi proposta
e os resultados apresentados foram pertinentes.
As simulaes apresentaram resultados bastante conclusivos quanto aos
benefcios para o sistema quando se considera a entrada de unidades de GD,
alocadas segundo vrios objetivos.
Foram consideradas unidades de GD com potncia de 100 kW e 200 kW,
onde a ferramenta testou ambas as possibilidades para cada uma das barras do
sistema, resultando na escolha final apresentada. Apesar de serem potncias
baixas, o montante total de potncia injetada no sistema de 70 barras foi suficiente
para produzir os resultados que demonstram o grande potencial da aplicao de
Gerao Distribuda no sistema.
O objetivo principal do programa foi atingido que a minimizao do custo
total que considera quatro parcelas: Custo de perdas, Custo de conexo, Custo de
Queda de tenso e Custo de violao de limites de fluxo.
Como o montante de perdas no sistema considerado grande, tem-se que
seu custo acaba por ser o predominante. Para minimizar a disparidade entre as
95
unidades de cada custo, procedeu-se a normalizao das funes, conduzindo
todos a valores bem mais prximos um dos outros.
Quanto aos enfoques estudados, a instalao de GDs s apresentou
vantagens, no entanto, sugere-se como estudos futuros, complementao dessa
anlise, versando sobre as conhecidas desvantagens das GDs tais como : proteo,
estabilidade da rede, suporte de reativo, fluxo reverso, recondutoramento do
alimentador, harmnicas.
Quanto a trabalhos futuros prope-se:
- expandir essa metodologia para que se faa tambm escolha das
tecnologias de GDs e dimenso das mesmas;
- considerao de estudos de correntes de curto-circuito;
- explorao do despacho de potncia reativa das GDs;
- re-alocao de banco de capacitores e ou reguladores anteriormente
instalados;
- utilizao de outras tcnicas de inteligncia artificial.
96
REFERNCIAS BIBLIOGRFICAS
ACHARYA, N., MAHAT, P., MITHULANANTHAN,N., An analytical approach for dg
all ocation in primary distri bution network; Electric Power&Energy Systems 28, Elsevier,
pg 669-678, Fevereiro, 2006.
ALINEJ AD-BEROMI, Y et al, Using genetic algori thm for distributed generation
all ocation to reduce losses and improve vol tage profile, UPEC; 2007.
ANEEL, Procedimentos de distribui o de energia eltrica no sistema eltrico nacional
PRODIST, Mdulo 2, 2005.
ANEEL, Procedimentos de distribui o de energia eltrica no sistema eltrico nacional
PRODIST, Mdulo 8, 2007.
ANEEL, Disposies Relativas Conformi dade dos Nveis de Tenso de Energia
Eltrica em Regime Permanente, Resoluo ANEEL N 505. Braslia, 2001.
ARRUDA, L.V.R. et al, Um mtodo evolucionrio para sintonia de controladores PID em
processos mul ti varivei s, artigo submetido para publicao, Universidade Tecnolgica
Federal do Paran, 2006.
BARAN, M.E.E., WU, F.F., Optimal Capacitor Placement on Radial Distributi on
Systems, IEEE Transactions on Power Delivery, Vol. 4, No. 1, pp. 725-734, 1989.
BORBELY, A.M., KREIDER, J .F., Distributed Generation: the power paradigm for the
new mil lennium, Ed. CRC, 2001.
BORGES, C. L. T., MACHADO J R., Z. S., FALCO, D. M., Infl uncia da alocao tima
de disposi tivos de proteo e de gerao distribuda na confiabili dade do sistema.
XVII SNPTEE Seminrio Nacional de Produo e Transmisso de Energia Eltrica, 19-24,
Outubro, 2003.
BORGES, C.L.T., FALCO, D.M., Impact of distributed generation all ocation and sizi ng
on reliability , losses and voltage profi le, IEEE Bologna PowerTecb Conference, J unho,
2003.
BROWN, R.E., Impact of smart grid on distribution system design, IEEE, 2008.
CANO, E.B., Utilizing fuzzy optimizati on for di stributed generation allocation, IEEE,
2007.
CARPENTIER, J .L., Contribution a L'etude du Dispatchi ng Economique, Bull-Soc, Fr
Elec., Ser. B3, 431-447, 1962.
CARPINELLI,G., CELLI,G., PILO,F., RUSSO,A., Distributed generation si ting and
sizing under uncertainty, Porto Power Tech Conference, IEEE, Setembro, 2001.
97
CARVALHO,M. R., Estudo Comparativo de Fluxo de Potncia para Sistemas de
Distri buio Radial. So Carlos, SP. Dissertao (Mestrado em Engenharia Eltrica)
Universidade de So Carlos, 2006.
CHIRADEJ A,P.,RAMAKUMAR,R., An approach to quanti fy the technical benefits of
distributed generation, IEEE Transactions on Energy Conversion, Vol. 19, No. 4,
Dezembro 2004
CIGRE. Impact of increasing contribution of di spersed generati on on the power
system. Working Group 37.23, 1999.
COELLO, C. A. C., An updated survey of evolutionary multiobjective opti mization
techni ques: state of the art and future trends, Congress on Evolutionary Computation,
Washington D.C., IEEE , 3-13, 1999.
Distributed Power Coalition of America - DPCA, 1998.
EDF - Eletricit de France, Le Calcul Economique et le Systeme Electriq El ementaires,
133 pages, Paris, Eyroles, 1979.
FERNANDES, T.S.P., Um Modelo de Despacho ti mo de Potncia para Sistemas
Multiusurios, Tese de Doutorado, Florianpolis, SC, Dissertao (Doutorado em
Engenharia Eltrica) Universidade Federal de Santa Catarina, 2004.
GANDOMKAR,M., VAKILIAN,M., EHSAN,M., Optimal distributed generation allocation in
distribution network using Hereford ranch al gorithm, IEEE Electrical Machines and
Systems, volume 2, Setembro 2005
GOLDBERG, D.E., Genetic algorithms in search optimization and machine learning,
J ohn Wiley & Sons, United States of America, 1997.
GUPTA, A.K. & SIVAKUMAR, A.I., Simulation based mul tiobjective schedule
optimi zation in semiconductor manufacturing, Winter Simulation Conference, IEEE,
2002.
IEEE 1547.1, IEEE Satandard conformance test procedures for equi pment
interconnecting distributed resources with electric power systems, IEEE Standards
Coordinating Committee 21on Fuel Cells, Photovoltaics, Dispersed Generation, and Energy
Storage, julho, 2005.
IJ UMBA, N. M., Application of distributed generation in optimi zed desi gn and operati on
of rural power supply networks, RURAL ELECTRIC POWER CONFERENCE, Piscataway:
IEEE, 1999.
KAGAN, N.; ADAMS, R. N.; TER-GAZARIAN, A. G., Uma abordagem a mltiplos critri os
para integrao de novas fontes de energia em sistemas el tricos de distribuio,
98
Encontro Luso-Afro-Brasileiro de Planejamento e Operao de Redes de Distribuio de
Energia Eltrica, Porto Portugal, IEEE, 1991.
KAGAN, N., SILVA, J . C. B., Incluso de gerao distribuda na otimizao do
planejamento de sistemas de distri buio de energia eltrica, Latin Power & Gas
Conference, Rio de J aneiro, 2001.
KHOA, T.Q.D., BINH, P.T.T., TRAN, H.B., Optimizing location and sizi ng of distributed
generation in distribution systems, IEEE, PSCE, 2006.
LIN, J . G., Multi-objective problems: pareto-optimal solutions by method of proper
equality constraints, IEEE Transactions on Automatic Control, Vol. 21, 1976.
MAZZA, P., Powering up the Smart Grid: A Northwest Initiati ve for Job Creation,
Energy Security and Clean, Affordable Electricity, Report from Climate Solution, julho,
2005.
MORSE, J ., Regulatory pol icy regarding distributed generation by util ities: the impact
of restructuri ng, International Association for Energy Economics, Cleveland, 1998.
MONTICELLI, A., Fluxo de Carga em Redes de Energia Eltrica, Editora Edgard Blcher,
1983.
ONS, Informati vo prel imi nar diri o da operao IPDO, 2008.
ONS, Padres de desempenho da Rede Bsica sub-mdulo 2.2, 2002.
ORTHS, A. et. al., Dispersed generation in distri buti on networks: performance
simul ation based on new pl anning techni ques results, 17TH International Conference on
Electricity Distribution, Barcelona, 12-15, Maio, 2003.
PAIVA, R.R., Fl uxo de Potncia ti mo em Redes de Distribui o de Energia com a
Presena de Gerao Distribuda: Um Novo Algoritmo para Auxil iar a Anlise do Perfil
de Tenso, Florianpolis, SC, Dissertao (Mestrado em Engenharia Eltrica)
Universidade Federal de Santa Catarina, 2006.
PENICHE, R.A., et al, Avaliao do Impacto da Conexo de Equipamentos de Gerao
Distri buda Sobre o Sistema Eltrico Enfocando os Indicadores de Quali dade da
Energia, SNPTEE Seminrio Nacional de Produo e Transmisso de Energia Eltrica,
2007.
PEREIRA J UNIOR, A. M.; MANTOVANI, J .; 2006, Alocao de bancos de capacitores em
sistema de distribui o de energia eltrica uti lizando algori tmo evoluti vo multi-
obj etivo, XVI CBA Congresso Brasileiro de Automtica. Salvador, 2006.
PFEIFENBERGER, J . P.; AMMANN, P. R.; TAYLOR, G. A., Distri buted generati on
technology in a newly competi tive electric power industry, American Power Conference,
58., Chicago, v.1, p.523-8, 1996.
99
PILO, F. et. al., An integrated tool for opti mal active network planning, 17TH
INTERNATIONAL Conference on Electricity Distribution, Barcelona, 12-15, Maio, 2003.
RODRIGUES, F., Anlise de Metodologias para Alocao de Perdas em Sistemas
Eltricos de Potncia Operando Segundo Mercado Pool; Dissertao de Mestrado.
Departamento de Engenharia Eltrica, UFPR, 2007.
SILVA, J . C. B., Oti mizao de sistemas de distribuio utilizando gerao distribuda,
Tese de Doutorado, Escola Politcnica, Universidade de So Paulo, 2002.
SOUSA, T., Estudo de planejamento de reativos em sistemas eltricos de potnci a,
Dissertao (Mestrado em Engenharia Eltrica) Escola de Engenharia de So Carlos da
Universidade de So Paulo, 2003.
SRINIVAS, M.S., Distribution load fl ows: a brief revi ew, proceedings of the 2000, IEEE
PES Summer Meeting, Singapore, J aneiro, 2000
SZUVOVIVSKI, ITAMAR, Alocao simul tnea de bancos de capacitores e reguladores
de tenso em sistemas de distribuio usando algoritmos genticos e fluxo de
potncia timo, Dissertao de Mestrado. Setor de Tecnologia da Universidade Federal do
Paran, 2008.
TORRES, G.L., QUINTANA,V.H., An interior-point method for nonlinear optimal Power flow
using voltage rectangular coordinates, IEEE Transactions on Power Systems, vol. 13, n 14,
novembro, 1998.
WESTPHAL, H., Algoritmo gentico apl icado otimizao multiobjetivo em redes de
distribuio de petrleos e derivados,. Curitiba. Dissertao (Mestrado em Engenharia
Eltrica) Universidade Tecnolgica Federal do Paran, 2006.
WILLIS, H.L., SCOTT,W.G., Di stributed Power Generation Planni ng and Evaluation,
ed. Dekker, 2000.
100
ANEXO A- FORMULAO DO FPO VIA MPI O PROBLEMA DO FPO
O problema de FPO pode ser representado de forma genrica como:
) ( min u f (A.1)
Sujeito a:
0 ) ( = u g (A.2)
max min
) ( h u h h s s (A.3)
onde
u vetor de variveis do sistema;
f(u) funo objetivo a ser otimizada;
g(u) vetor de restries de igualdade;
h(u) vetor de restries de desigualdade.
Para utilizar os mtodos de Pontos Interiores aplicam-se ao problema (A.1) (A.3)
os seguintes procedimentos:
a. Transformao das restries de desigualdade em restries de igualdade pela
introduo de variveis de folga.
Desta forma, as restries passam a ser representadas da seguinte maneira:
0 ) (
min min
= s h u h (A.4)
0 ) (
max max
= + s h u h (A.5)
onde:
s
min
vetor de variveis de folga mnimas estritamente positivas;
s
max
vetor de variveis de folga mximas estritamente positivas.
b. Introduo da funo barreira logartmica na sua funo objetivo.
A fim de se representar as restries de no negatividade das variveis de folga, o
problema modificado com a introduo da funo barreira logartmica na sua funo
objetivo. A funo barreira penaliza as estimativas de soluo que se encontram prximas
aos limites das desigualdades, ou ainda, associadas s variveis de folga prximas de zero.
O problema modificado passa a ser assim representado:
| |
+
ndes
i
i i
s s u f ) ln( ) ln( ) ( min
max min
(A.6)
Sujeito a:
0 ) ( = u g (A.7)
0 ) (
min min
= s h u h (A.8)
0 ) (
max max
= + s h u h (A.9)
101
onde
ndes nmero de restries de desigualdade;
parmetro barreira ( 0).
Logo, a funo Lagrangeana associada a este problema :
| | + + + =
) ( ) ln( ) ln( ) ( ) , , , , , (
max min max min max min
u g s s u f s s u L
T
ndes
i
i i
(A.10)
| | | |
max max max min min min
) ( ) ( ) ( ) ( s h u h s h u h
T T
+ + + +
onde
vetor dos multiplicadores de Lagrange associados s restries de igualdade com
dimenso (nig x 1) ;
min
vetor dos multiplicadores de Lagrange associados aos limites mnimos com dimenso
(ndes x 1) ;
max
vetor dos multiplicadores de Lagrange associados aos limites mximos com
dimenso (ndes x 1) ;
nig nmero de restries de igualdade.
Portanto, o novo problema de otimizao passa a ser:
) , , , , , ( min
max min max min
s s u L (A.11)
Sujeito a:
0 , 0 , 0 , 0
min min max min
> > > > s s
(B.12)
Sendo as restries (A.12) impostas para que a equivalncia com o problema (A.1)
a (A.3) seja mantida.
CONDIES DE OTIMALIDADE
Um ponto z =[ u
T
T
(
min
)
T
(
max
)
T
(s
min
)
T
(s
min
)
T
] soluo do problema (A.11) e
(A.12) somente se (LUENBERGER, 1989):
a. Satisfaz as condies necessrias de otimalidade de primeira ordem, ou
condies de Karush-Kuhn-Tucker KKT.
Para que as expresses matemticas presentes nas condies de KKT e nos
algoritmos descritos sejam compactas foi usado o operador V para representar derivadas
parciais de funes, desta forma tem-se:
| | | | 0 ) ( ) ( ) ( ) ( 0
max min
= + V + V + V = V
T
u
T
u u u
u h u g u f z
(A.13)
0 ) ( 0 ) ( = = V u g z L
u
(A.14)
102
0 ) ( 0 ) (
min min
min
= = V s h u h z L
(A.15)
0 ) ( 0 ) (
max max
max
= = V s h u h z L
(A.16)
0 0 ) (
min min
min
= = V S e z L
s
(A.17)
0 0 ) (
max max
max
= = V S e z L
s
(A.18)
0 , 0 , 0 , 0
min min max min
> > > > s s
(A.19)
sendo
| |
T
e 1 ... 1 1 1 = , com dimenso (ndes x 1);
S
min
matriz diagonal composta pelos elementos de s
min
;
S
max
matriz diagonal composta pelos elementos de s
max
.
b. Se a Hessiana do Lagrangeano L:
) ( ) ( ) ( ) , , , (
max min
u h u g u f u L
A
T
A
T
+ + = (A.20)
onde
h
A
(u) vetor das restries de desigualdade ativas;
A
T
vetor dos multiplicadores de Lagrange associados s restries de desigualdade
ativas;
S
min
matriz diagonal composta pelos elementos de s
min
;
S
max
matriz diagonal composta pelos elementos de s
max
.
O Mtodo de Pontos Interiores se concentra em obter um ponto estacionrio, isto ,
que satisfaa as condies necessrias de otimalidade do item (a). Para se garantir que o
ponto obtido seja um mnimo de global de (A.1) a (A.3) as condies suficientes do item (b)
devem ser testadas aps a convergncia do mtodo.
No procedimento usado, entretanto, considera-se como timo o ponto soluo das
condies de KKT.
ALGORITMOS PRIMAL DUAL DE PONTOS INTERIORES
Aps a transformao das restries de desigualdade em igualdades, por meio da
introduo de variveis de folga e adio da funo barreira logartmica funo objetivo
como forma de garantir a no negatividade dessas variveis. Os passos seguintes
103
consistem em se obter os pontos estacionrios da funo Lagrangeana, utilizando-se o
Mtodo de Newton, e estabelecer critrios para atualizao do parmetro barreira, para
inicializao das variveis e teste de convergncia.
Obteno dos Pontos Estacionrios
O primeiro passo na obteno dos pontos que satisfazem a funo Lagrangeana
consiste em se fazer uma estimativa desta soluo pela linearizao das Equaes (A.13) a
(A.18) utilizando-se o Mtodo de Newton. Os incrementos obtidos em cada iterao deste
mtodo no podem ser usados diretamente no vetor z, pois os mesmos podem violar as
restries de desigualdade. Assim, esses incrementos devem ser testados e, se necessrio,
modificados a fim de sempre se manter o vetor z dentro da regio de factibilidade do
problema.
As etapas que devem ser seguidas a fim de se obter os pontos estacionrios so as
seguintes:
a. Inicializao das Variveis
A fim de se comear o processo de otimizao, necessrio a obteno de uma
estimativa inicial para as variveis do problema. A escolha feita de tal modo que as
variveis sejam estritamente internas aos limites impostos pelas restries de desigualdade
do problema. Para tanto, as variveis u so inicializadas pela metade da soma de seus
valores mximos e mnimos; posteriormente, as variveis de folga so calculadas a partir
das Equaes (A.15) e (A .16) e, arbitrando um valor inicial para o parmetro barreira , os
multiplicadores de Lagrange associados s restries de desigualdade so calculados a
partir das Equaes (A.17) e (A.18). Para os multiplicadores de Lagrange associados s
restries de igualdade estimam-se valores quaisquer, como por exemplo, o vetor unitrio.
b. Mtodo de Newton
O sistema de Equaes (A.13) a (A.18) pode ser representado de forma como:
0 ) ( = z (A.21)
Tomando uma aproximao linear do sistema (A.21) no ponto z
tem-se:
z z z z z
z
z
A V + = A +
-
- -
) ( ) ( ) (
(A.22)
Como z deve ser tal que (z
V
V
V
V
V
V
=
(
(
(
(
(
(
(
(
+ V + V + V
=
(
(
(
(
(
(
(
(
A
A
A
A
A
A
L
L
L
L
L
L
S e
S e
s h u h
s h u h
u g
u h u g u f
s
s
u
W
s
s
u
T
u
T
u u
max
min
max
min
max max
min min
max max
min min
max min
max
min
max
min
) (
) (
) (
) ( )] ( [ )] ( [ ) (
(A.24)
onde:
W matriz Hessiana de dimenso (nz x nz);
nz nmero total de variveis em z.
Ou seja:
(
(
(
(
(
(
(
(
=
max max
min min
0 0 0 0
0 0 0 0
0 0 0 0 ] [
0 0 0 0 ] [
0 0 0 0 0 ] [
0 0
max
min
max min
S
S
I L
I L
L
L L L L
W
T
u
T
u
T
u
u u
u uu
(A.25)
Sendo:
) ( ) ( ) ( ) (
2
1
min max 2
1
2 2
u h u g u f L L
j uu
ndes
j
j j i uu
nig
i
i uu uu uu
V + + V + V = V =
= =
(A.26)
| | | |
T
u u
T
u u
u g L L L ) (
2
V = V = =
(A.27)
| | | |
T
u
u
T
u u
u h L L L ) (
2
min min min
V = V = =
(A.28)
| | | |
T
u
u
T
u u
u h L L L ) (
2
max max max
V = V = =
(A 29)
min 2
min min min min
S L L
s s
= V =
(A.30)
max 2
max max max max
S L L
s s
= V =
(A.31)
min 2
min min min min
= V = L L
s s s s
(A.32)
max 2
max max max max
= V = L L
s s s s
(A.33)
onde
min
matriz diagonal composta pelos elementos de
min
;
max
matriz diagonal composta pelos elementos de
max
;
I matriz identidade.
c. Atualizao das Variveis Primais e Duais
A determinao do ponto timo se faz atravs de um processo iterativo. A cada
iterao, o sistema linear representado em (A.24) resolvido, e, logo aps, determinado o
comprimento do passo nos espaos primal (
p
) e dual (
d
), de modo que as variveis de
105
folga sejam todas positivas e os multiplicadores de Lagrange sejam tais que:
min
s 0 e
max
> 0. Desta forma,
p
e
d
so expressos como:
(A.34)
(
=
< A < A
1 , min , min min
min
min
0
max
max
0
min max
i
i
i
i
d
i i
(A.35)
Aps o clculo dos passos primal e dual, a nova aproximao para a soluo tima
pode ser obtida pela seguinte atualizao:
u u u
p
i i
A + =
+
1
(A.36)
( ) ( )
min min
1
min
s s s
p
i i
A + =
+
(A.37)
( ) ( )
max max
1
max
s s s
p
i i
A + =
+
(A.38)
A + =
+
d
i i 1
(A.39)
( ) ( )
min min
1
min
A + =
+
d
i i
(A.40)
( ) ( )
max max
1
max
A + =
+
d
i i
(A.41)
onde
constante para garantir a interioridade da nova estimativa de soluo, sendo fixada em
0,9995.
d. Atualizao do Parmetro Barreira
O ltimo passo dentro de cada iterao recalcular o valor do parmetro barreira .
Com os valores de
min
,
max
, s
min
e s
max
, o clculo do parmetro baseado no decrscimo
do gap de dualidade:
( ) ( )
=
n
s s
T T
2
. .
min min max max
(A.42)
onde
n nmero total de variveis primais e duais;
fator de acelerao ( >1).
e. Critrios de Convergncia
A soluo do problema encontrada quando as equaes que representam as
condies de otimalidade (A.13) a (A.18) so satisfeitas e o gap de dualidade ou parmetro
de barreira nulo (menor ou igual a uma tolerncia especificada). Portanto, os critrios de
convergncia so:
(
=
< A < A
1 , min , min min
min
min
0
max
max
0
min max
i
i
s
i
i
s
p
s
s
s
s
i i
106
s
(A.43)
L
L s V
max
(A.44)
onde
L
tolerncia da norma infinita do gradiente da funo Lagrangeana;