Escolar Documentos
Profissional Documentos
Cultura Documentos
B ELO H ORIZONTE
JANEIRO DE 2014
G USTAVO DE L INS E H ORTA
ii
Folha de aprovação do projeto. Esta folha será fornecida
pelo Programa de Pós-Graduação e deverá substituir esta.
iii
Dedico especialmente à minha querida Jeane
que sempre esteve ao meu lado e me incentivou
a dar sempre o melhor de mim.
iv
Agradecimentos
v
“Nossa maior fraqueza está em desistir. O cami-
nho mais certo de vencer é tentar mais uma vez.”
(Thomas Edison)
vi
Resumo
As redes de distribuição de energia elétrica estão cada vez maiores, mais complexas e devem
oferecer a maior confiabilidade possível. Também estão sujeitas a interrupções, defeitos e mal
funcionamento por vários motivos. Os investimentos na melhoria da qualidade da rede de distri-
buição são cada vez maiores e devem ser realizados baseados em diversas situações, requisitos
técnicos, demandas e necessidades. Assim, uma otimização do investimento a ser realizado nas
redes de distribuição de energia é essencial para uma melhor distribuição deste investimento
baseado na real necessidade de melhoria da qualidade da rede. Este trabalho apresenta uma
metodologia para mensurar e avaliar o grau de confiabilidade da rede de distribuição de energia
elétrica MT e BT inspirada na MCC (Manutenção Centrada na Confiabilidade). Este modelo de
avaliação proposto poderá ser utilizado para auxiliar na gestão de ativos ou mesmo para otimizar
os investimentos na rede. A modelagem será realizada a partir de dados históricos de falhas,
interrupções, custos de manutenção e investimentos, com o intuito de minimizar o investimento
na manutenção da rede de distribuição.
Palavras-chave: Ativos. Confiabilidade. Distribuição de Energia Elétrica. Manutenção. MCC.
Modelagem.
vii
Abstract
The distribution networks of electricity are becoming larger, more complex and should provide
maximum reliability. Are also subject to interruptions, defects and malfunctions for various
reasons. Investments in improving the quality of the distribution network are increasing and
should be made based on various situations, technical requirements, demands and needs. Thus,
an optimization of the investment to be made in the power distribution networks is essential for a
better distribution of this based on real need to improve the quality of network investment. This
paper presents a methodology to measure and assess the reliability of the electricity distribution
MV (medium voltage) and LV (low Voltage) network inspired by the RCM (Reliability Centered
Maintenance). This model proposed assessment may be used to assist in asset management or
even to optimize network investments. The modeling will be held from historical data failures,
outages, maintenance costs and investments, in order to minimize investment in the maintenance
of the distribution network.
Key-words: Assets. Reliability. Electricity Distribution. Maintenance. RCM. Modeling.
viii
Lista de figuras
ix
Lista de tabelas
x
Lista de quadros
xi
Lista de algoritmos
Algoritmo 1 – GeraRedeMT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Algoritmo 2 – Algoritmo GRASP . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
Algoritmo 3 – Algoritmo ILS (Solucao solucao Inicial) . . . . . . . . . . . . . . . . . 83
xii
Lista de abreviaturas e siglas
BT Baixa Tensão
MT Média tensão
xiii
Sumário
1 – Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Metodologia de Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Modelagem do Problema . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 Base da Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Estrutura da Dissertação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 – Trabalhos Relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1 Trabalhos Utilizando Técnicas de Inteligência Computacional . . . . . . . . . . 6
2.2 Trabalhos Baseados na Metodologia de Manutenção Centrada em Confiabilidade 13
2.3 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
xiv
5.3 Definições e Aspectos Gerais da Proposta . . . . . . . . . . . . . . . . . . . . 39
5.3.1 Probabilidade de Falha . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.3.2 Granularidade da Rede . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.3.3 Indicador Médio de Confiabilidade de um Componente . . . . . . . . . 40
5.3.4 Indicador Médio de Confiabilidade de um Trecho . . . . . . . . . . . . 41
5.3.5 Indicador Médio de Confiabilidade de um Alimentador . . . . . . . . . 41
5.3.6 Indicador Médio de Confiabilidade de um Conjunto de Alimentadores . 42
5.3.7 Indicador Médio de Confiabilidade de um Conjunto . . . . . . . . . . . 42
5.4 Indicadores de Confiabilidade dos Equipamentos . . . . . . . . . . . . . . . . 43
5.4.1 Fatores de Falhas Intrínsecos . . . . . . . . . . . . . . . . . . . . . . . 43
5.4.1.1 Modelo matemático geral, para todos os componentes - Tempo
de Uso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4.1.2 Modelo matemático geral, para todos os componentes - Taxa
de Carregamento Relativo . . . . . . . . . . . . . . . . . . . 46
5.4.1.3 Modelo matemático geral, para todos os componentes - Acio-
namento do Componente . . . . . . . . . . . . . . . . . . . . 47
5.4.2 Fatores de Falhas Extrínsecos . . . . . . . . . . . . . . . . . . . . . . . 49
5.4.2.1 Falhas causadas por temporais . . . . . . . . . . . . . . . . . 53
5.4.2.2 Falhas causadas por ventanias . . . . . . . . . . . . . . . . . 53
5.4.2.3 Falhas causadas por descargas elétricas atmosféricas . . . . . 54
5.4.2.4 Falhas causadas por abalroamentos . . . . . . . . . . . . . . 54
5.4.2.5 Falhas causadas por vandalismo . . . . . . . . . . . . . . . . 54
5.4.2.6 Falhas causadas pela arborização . . . . . . . . . . . . . . . 55
5.4.2.7 Falhas causadas por animais . . . . . . . . . . . . . . . . . . 55
5.4.2.8 Falhas causadas por pipas . . . . . . . . . . . . . . . . . . . 56
5.4.2.9 Falhas causadas por construções de terceiros . . . . . . . . . 56
xv
6.2.2.2 Condutores . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.2.2.3 Transformadores . . . . . . . . . . . . . . . . . . . . . . . . 64
6.3 Identificação e Modelagem dos Fatores Intrínsecos de Falhas nas Redes de MT e
BT da CEMIG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.4 Identificação e Modelagem dos Fatores Extrínsecos de Falhas nas Redes de MT
e BT da CEMIG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.4.1 Falhas causadas por temporais . . . . . . . . . . . . . . . . . . . . . . 66
6.4.2 Falhas causadas por ventanias . . . . . . . . . . . . . . . . . . . . . . 68
6.4.3 Falhas causadas por descarga elétrica atmosférica . . . . . . . . . . . . 69
6.4.4 Falhas causadas por abalroamento . . . . . . . . . . . . . . . . . . . . 70
6.4.5 Falhas causadas por vandalismo . . . . . . . . . . . . . . . . . . . . . 71
6.4.6 Falhas causadas por arborização . . . . . . . . . . . . . . . . . . . . . 72
6.4.7 Falhas causadas por animais . . . . . . . . . . . . . . . . . . . . . . . 73
6.4.8 Falhas causadas por pipas . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.4.9 Falhas causadas por construção de terceiros . . . . . . . . . . . . . . . 75
6.5 Validação da Metodologia Proposta para fins de Otimização . . . . . . . . . . . 76
6.5.1 Representação da rede elétrica . . . . . . . . . . . . . . . . . . . . . . 76
6.5.2 Representação do histórico de interrupções . . . . . . . . . . . . . . . 78
6.5.3 Representação do Modelo de Otimização . . . . . . . . . . . . . . . . 79
6.5.4 Implementação computacional: codificação . . . . . . . . . . . . . . . 80
6.5.4.1 Persistência . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.5.4.2 Rede . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.5.4.3 Algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.5.4.4 Simulação . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
7 – Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
7.1 Principais Contribuições deste Trabalho . . . . . . . . . . . . . . . . . . . . . 88
7.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
7.3 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
xvi
1
1 Introdução
1.1 Objetivos
O objetivo deste trabalho é desenvolver uma metodologia para mensurar e avaliar o
índice de confiabilidade de cada equipamento e tipo de falha para que a empresa conheça o
índice de confiabilidade de cada equipamentos, de cada trecho da rede e de toda a rede para
subsidiar a tomada de decisão na gestão de ativos.
Os objetivos específicos do trabalho são:
Estes critérios devem ser definidos de acordo com as premissas determinadas no projeto,
como por exemplo, número de clientes afetados em caso de falha, tipos de clientes afetados,
pagamento de multas contratuais, indenizações a clientes, etc. Ou seja, o investimento na
manutenção deverá ser feito onde as perdas e/ou multas em caso de falha são maiores.
Definidos estes critérios, o modelo foi capaz de apontar onde o investimento na manuten-
ção da rede deverá ocorrer, minimizando as perdas financeiras da concessionária de energia.
O modelo deve ser capaz de:
1. criar uma nova metodologia para avaliar a confiabilidade de uma rede de distribuição de
energia;
3. subsidiar a tomada de decisão com relação a investimentos de gestão de ativos, pelo menos
naqueles aspectos relacionados à confiabilidade do sistema;
1. Causa da interrupção;
3. Duração da interrupção;
4. Equipamentos operado;
Foi possível por meio desta base de dados realizar uma análise das principais causas
e os principais equipamentos afetados nas interrupções de energia para o período de 2011 até
novembro de 2013.
A Figura 1 apresenta o gráfico com o percentual de causas de falhas.
2 Trabalhos Relacionados
A revisão da literatura basicamente está focada em dois eixos, o primeiro focado nos
trabalhos e pesquisas que utilizam a inteligência computacional para resolução de problemas
semelhantes, e o segundo eixo em trabalhos que se baseiam nas técnicas de MCC.
Neste capítulo são apresentadas várias maneiras e abordagens diferentes para se tentar
resolver o problema.
e defeitos no sistema. Uma base de dados contendo as relações fuzzy é empregada para o
treinamento de redes neurais artificiais. Os vetores de entrada das redes neurais são constituídos
por padrões de alarmes associados a diferentes eventos e cada neurônio de saída é responsável por
estimar o grau de pertinência de um componente específico na classe de componentes defeituosos.
Testes são realizados utilizando um sistema de 7 barras e também um sistema real. Os autores
concluem que diagnósticos corretos foram obtidos mesmo em situações onde existem falhas
nos sistemas de proteção e comunicação (ausência de certas informações). Este desempenho
se deve à capacidade do método proposto combinar a introdução de conhecimento qualitativo,
através da lógica fuzzy, com a capacidade que as redes neurais possuem de generalizar sobre
o conhecimento adquirido. Diagnósticos incorretos foram observados apenas quando foram
simuladas situações de ocorrência pouco prováveis, envolvendo a combinações de falhas nos
sistemas de proteção e comunicação.
De acordo com o trabalho de (TRONCHONI et al., 2010), a qualificação correta da
informação recolhida durante os trabalhos de recomposição de sistemas de distribuição por
equipes de eletricistas é de fundamental importância para as empresas distribuidoras. Esta quali-
ficação possibilita a utilização de técnicas de Inteligência Artificial (IA) para apoiar decisões
de investimentos em planejamento, operação e manutenção de sistemas de distribuição. Com
o objetivo de ilustrar a importância dessa qualificação, os autores apresentam, adicionalmente,
a utilização dos resultados da aplicação de KDD (Knowledge Discovery in Databases) para o
treinamento de uma RB (rede bayseana). A meta principal da RB é auxiliar no diagnóstico de
desempenho das redes elétricas, promovendo uma identificação indireta de causas de desliga-
mentos forçados. Ainda segundo os autores, apontar causas de interrupções de energia é uma
tarefa difícil para as equipes de restabelecimento de redes, e até secundário frente à necessidade
do rápido restabelecimento entretanto, o impacto dos apontamentos incorretos prejudica uma
alocação adequada de investimentos e impacta no diagnóstico correto para a melhoria do desem-
penho dos indicadores de qualidade do sistema. Os autores foram conclusivos em afirmar que a
aplicação de KDD pode ser útil em banco de dados de empresas de distribuição, possibilitando a
qualificação das informações utilizadas para planejar e operar os sistemas. Para alcançar esse
objetivo, foram aplicadas técnicas que envolvem a manipulação e o tratamento de dados, bem
como a seleção de regras que representem o conhecimento que se tem desse tipo de sistema.
Nesse caso, observou-se que a representação desse conhecimento através de simples regras de
manipulação de dados possibilitou a qualificação das informações para o apoio ao planejamento
e operação das redes de distribuição.
No artigo (KAGAN; OLIVEIRA, 1998), os autores apresentam a aplicação de um sistema
computacional, que permite a modelagem de problemas genéricos de decisão com restrições
(PDR), para a análise de alternativas de reconfiguração de um sistema de distribuição de energia
elétrica quando da ocorrência de um defeito num ponto qualquer da rede. Em sistemas reais
observa-se um grande número de possíveis soluções, onde há necessidade de se obter rapidamente
uma configuração que atenda aos critérios técnicos de operação da rede. Um procedimento
Capítulo 2. Trabalhos Relacionados 9
por sua vez, a característica combinacional intrínseca do problema. Os autores concluem que os
métodos para restabelecimento de energia e para planejamento ótimo de sistema de distribuição
até então desenvolvidos podem tratar somente com otimizações locais e sistemas de distribuição
não-grandes. Para superar este obstáculo, foi proposto uma técnica baseada em AG com RCG
(Representação por Cadeia de Grafo) para tornar possível obter um restabelecimento de energia
ótimo para sistemas grandes e complexos em um curto intervalo de tempo.
No trabalho de (VARGAS et al., 2003), os autores apresentam o problema de minimização
de perdas técnicas em redes de distribuição de energia elétrica corresponde à definição da melhor
configuração da rede, através do controle do estado das chaves seccionadoras do sistema. Usando
uma terminologia de grafos, resulta um problema de otimização combinatória cuja solução requer
a definição de uma árvore geradora de custo mínimo para a rede. Com o propósito de tratar o caso
de perfis de demanda variantes no tempo, este trabalho apresenta os primeiros resultados obtidos
com o uso do conceito de sistemas classificadores, uma abordagem de computação evolutiva,
para encontrar configurações de rede próximas às de perdas mínimas. Seu principal atrativo é a
possibilidade de aplicação à supervisão de redes em tempo real, propondo configurações que
levem à redução de perdas sempre que forem identificadas variações significativas de demanda.
Os autores concluem que os Sistemas Classificadores mostraram-se adequados a uma atuação
adaptativa, em situações com variações de demanda nos barramentos. E ainda, que o principal
benefício da aplicação de sistemas classificadores ao problema abordado é a possibilidade de
aplicação à supervisão em tempo real de redes de distribuição, propondo configurações que
levem à redução de perdas sempre que forem identificadas variações significativas de demanda.
De acordo com (OLESKOVICZ et al., 2003), seu estudo traz como objetivo a imple-
mentação de um sistema de proteção aplicando-se a teoria de Redes Neurais Artificiais (RNA)
como um classificador de padrões. As redes neurais adquirem o conhecimento para a detecção,
classificação e localização da falta frente às diferentes situações apresentadas sobre o sistema. Os
resultados obtidos mostram que o desempenho global das arquiteturas de RNA implementadas
são altamente satisfatórios para a detecção, classificação e localização de situações faltosas em
um sistema de transmissão. De todos os casos considerados na fase de teste, as saídas apre-
sentadas pelas arquiteturas mostram uma convergência rápida para os níveis requeridos após a
ocorrência da falta.
No artigo de (CASSULA et al., 2003), os autores analisam uma nova metodologia para
se determinar confiabilidade de sistemas de distribuição, onde se considera os impactos das
falhas provenientes dos sistemas de geração e transmissão. É viabilizada uma avaliação integrada,
incluindo geração, transmissão (G&T) e distribuição, de modo a produzir uma informação
mais detalhada sobre a causa das interrupções experimentadas pelos consumidores. Os autores
apresentam uma contribuição na área da confiabilidade da distribuição, através do cálculo de
índices, incluindo custos, que avaliam o desempenho total do sistema. A metodologia proposta é
baseada na combinação da simulação de Monte Carlo com o conceito tradicional de minimum
Capítulo 2. Trabalhos Relacionados 11
cut-set. Índices tradicionais, como FEC e DEC, e também a LOLC (Loss of Load Cost), que
representa o custo de interrupção, são desagregados considerando os níveis hierárquicos.
No artigo (TRONCHONI et al., 2010), os autores utilizam a técnica de Descoberta de
Conhecimento em Base de Dados (Knowledge Discovery in Databases - KDD) para qualificar
a informação recolhida das equipes de eletricistas após eventos de recomposição de sistemas
de distribuição. A partir desta qualificação, é possível utilizar a Inteligência Artificial para
tomadas de decisão quanto aos investimentos em planejamento, operação e manutenção da rede
de distribuição. Devido à complexidade das redes e a quantidade de equipamentos, dados de
monitoramento da rede e demais fontes de dados, o volume de informação gerado aumenta
significativamente o tamanho das bases de dados das empresas. O tratamento dessas bases de
dados é de vital importância para se manter a eficiência da rede e otimizar o investimento. Vários
fatores contribuem para uma deficiência das informações contidas nestas bases de dados, como
coleta de dados insuficientes e imprecisos, subjetividade dos dados, a correta identificação da
causa do evento, etc. O modelo desenvolvido cria a partir de uma base de dados bruta, uma
nova base de dados específica para a identificação automática de causas de desligamentos não
programadas. Para isso é utilizada a técnica de KDD. Os resultados deste trabalho mostram que
aplicadas técnicas de manipulação e tratamento de dados e a seleção de regras que representam o
conhecimento do sistema é possível diminuir os apontamentos incorretos e melhorar a alocação
dos investimentos, impactando na melhoria e eficiência da rede.
Também no trabalho de (TRONCHONI, 2008), o autor afirma que uma correta identifi-
cação das causas que originaram os desligamentos torna-se cada vez mais indispensável para
distribuir de forma mais eficaz os investimentos e recursos para a redução de problemas no
sistema elétrico, trazendo como consequência direta destes investimentos a melhoria dos índices
de confiabilidade. O autor apresenta inicialmente uma conceituação sobre aspectos teóricos
fundamentais ao entendimento de Redes Bayesianas e Redes Neurais Artificiais, seguida de uma
revisão sobre definições básicas acerca de confiabilidade e causas de desligamentos em sistemas
de distribuição. A base de conhecimento utilizada para o aprendizado foi extraída de um banco
de dados de eventos fornecido por uma concessionária de energia, cujo processo de extração de
conhecimento consistiu em uma série de etapas, incluindo uma de mineração de dados. Esse
processo tornou a base de dados mais confiável e adequada resultando em 8888 amostras para a
construção, geração dos conjuntos de treinamento e validação dos modelos de Rede Bayesiana
e de Rede Neural utilizados. Ambas heurísticas foram validadas através do método da prova
bipartida (split-half method). O processo de aprendizagem da Rede Bayesiana foi realizado
através do algoritmo de maximização da expectância (Expectation Maximization), enquanto
que para a Rede Neural o algoritmo de treinamento escolhido foi o Resilient back propagation,
devido as suas características de desempenho e velocidade de convergência.
Em seu trabalho (LUZ, 2009) desenvolve um algoritmo de Otimização por Enxame
de Partículas (PSO), para a otimização de políticas de manutenção preventiva. O algoritmo
Capítulo 2. Trabalhos Relacionados 12
desenvolvido pelo autor considera vários aspectos relevantes, tais como, a probabilidade de
necessitar uma reparação (manutenção corretiva), o custo de tais reparos, tempo de parada típicos,
custos de manutenção preventiva, o impacto da manutenção na confiabilidade dos sistemas como
um todo e a probabilidade de manutenção imperfeita. O algoritmo foi testado em um sistema
eletro-mecânico composto por três bombas e quatro válvulas de um reator nuclear. Os resultados
obtidos demonstram que o PSO proposto é eficiente na busca ótima na manutenção preventiva
para as políticas de manutenção preventiva do sistema.
No trabalho de (AMASIFEN; KAGAN, 2009), os autores apresentam um método híbrido
para análise de riscos de interrupções em processos sensíveis provocadas por faltas nos sistemas
de distribuição de energia elétrica. Com a utilização deste método, são avaliados índices relativos
às interrupções de longa duração e às variações de tensão de curta duração (afundamentos e
elevações) em cada consumidor da rede de distribuição de energia elétrica. O método permite,
a obtenção, para cada ocorrência na rede, dos valores de magnitude da tensão e da duração do
evento. O método parte de um conjunto de informações de configuração, de parâmetros da rede e
dos dispositivos de proteção e, através de um conjunto de simulações aleatórias de curto-circuito,
é possível mapear as áreas de risco relativas aos fenômenos de interrupção e variações de tensão
de curta duração. Os autores concluem que com a utilização desta metodologia, é possível obter
índices de qualidade correspondentes em cada consumidor existente na rede de distribuição
de energia elétrica. É importante ressaltar que a qualidade dos resultados obtidos pelo Método
Híbrido está diretamente relacionada com a qualidade das informações fornecidas, como é o caso
das taxas de falha e das distribuições de probabilidade das variáveis envolvidas (tipo, impedância
e tempo de extinção natural).
Segundo (ARAÚJO, 2010), a identificação das causas de desligamentos não programados
é uma tarefa complexa que envolve diversos fatores e afeta diretamente o planejamento da
empresa e as tarefas de operação e manutenção de suas redes. O autor apresentada uma proposta
de aplicação de um método multicritério, chamado de Processo Analítico Hierárquico - AHP,
para apoiar o processo de identificação das causas de falhas em sistemas de distribuição. O
AHP oferece uma abordagem simplificada e intuitiva a problemas complexos através de sua
decomposição hierárquica e permite avaliar o grau de consistência das informações utilizadas.
O método possui ainda a vantagem de poder se apropriar do conhecimento e da experiência
dos especialistas de forma contínua, promovendo uma solução adequada quando não existe
uma base de dados históricos apropriada. O AHP também pode ser utilizado para a qualificação
contínua de uma base de dados de eventos não programados. O autor conclui que apesar das
inconsistências e incertezas presentes nos dados armazenados, verifica-se que processos de
descoberta de conhecimento são capazes e eficientes em extrair informações úteis, que podem
ser utilizadas no processo de busca pelas causas de interrupções não programadas no sistema de
distribuição de energia. O autor propôs a aplicação do Processo Analítico Hierárquico, que é um
método baseado na comparação pareada entre as possíveis soluções de problemas de tomada
de decisão, para buscar as causas de interrupções não programadas. Além dos bons resultados
Capítulo 2. Trabalhos Relacionados 13
3. Corretiva, utilizada em falhas aleatórias e em itens determinados para rodar até a falha.
6. Manutenção Detectiva: procura identificar falhas que já ocorreram, mas que não foram
percebidas;
A MCC, segundo (SMITH, 1992), tem como objetivo "preservar as capacidades funcio-
nais de equipamentos e sistemas de operação.
Segundo a norma IEC 60300-3-11, a MCC propõe:
3. Otimizar a disponibilidade;
De acordo com (PINTO; XAVIER, 2001), a implementação da MCC gera quatro resulta-
dos principais:
3. Definição de como o item pode falhar e das causas básicas de cada falha, desenvolvendo
mecanismos de evitar falhas que possam ocorrer espontaneamente ou causadas por atos de
pessoas;
meio da metodologia, é possível aplicar a manutenção mais eficaz para cada equipamento ou
sistema em cada situação.
A adoção da MCC também proporciona uma redução estimada de 40% à 70% nas tarefas
rotineiras de manutenção e uma redução de trabalhos emergenciais entre 10% e 30% do total de
trabalhos.
Também é possível perceber o aumento da vida útil de equipamentos complexos e caros
por meio da manutenção preditiva.
A MCC também proporciona a obtenção de uma grande quantidade de dados que podem
ser utilizados pela manutenção e operação. É possível criar um banco de dados, disponível a
todos em qualquer tempo, o que por exemplo, minimiza os efeitos da rotatividade de pessoal e
facilita a adaptação de planos existentes em função de modificações ou adaptações no processo,
sistemas ou equipamentos.
3.4 Falhas
O objetivo principal da manutenção é prevenir e corrigir as falhas.
De acordo com (LAFRAIA, 2001), uma falha é uma perda de uma função de determinado
equipamento ou sistema. E falha funcional é a incapacidade de qualquer item em atingir o padrão
de desempenho esperado.
Já para (SIQUEIRA, 2012), uma falha consiste na interrupção ou alteração da capacidade
de um item desempenhar sua função requerida ou esperada.
As falhas podem ser classificadas sob vários aspectos. A Figura 3 apresenta a classificação
das falhas.
Capítulo 3. Sobre Manutenção Centrada na Confiabilidade 23
Vale salientar que as falhas, quanto à idade do equipamento, influenciam na sua vida
útil. Sobre este aspecto as falhas prematuras são aquelas que ocorrem durante o período inicial
de vida do equipamento, geralmente associadas a defeitos de fabricação. Já as falhas aleatórias
ocorrem de maneira imprevisível, durante todo o período de vida útil do equipamento, sendo
comuns em equipamentos complexos. As falhas progressivas ocorrem após o período de vida
útil do equipamento, como resultado do processo de desgaste, deterioração ou envelhecimento
do equipamento.
A norma (NBR-5462, 1994) faz a classificação em quatro tipos de falhas, falhas graduais,
parciais, por defeito ou completas.
De acordo com (SIQUEIRA, 2012), para os objetivos da MCC, as falhas são classificadas
de acordo com o efeito que provocam sobre uma função do sistema a que pertencem, em duas
categorias básicas:
2. Falha potencial: definida como uma condição identificável e mensurável que indica uma
Capítulo 3. Sobre Manutenção Centrada na Confiabilidade 24
2. Transmissão: tem a função de transportar a energia elétrica dos centros produtores até os
centros consumidores;
c) oferecer aos consumidores parâmetros para avaliação do serviço prestado pela distri-
buidora.
De acordo com (KAGAN et al., 2005), a qualidade do serviço pode ser entendida
como a continuidade no fornecimento de energia elétrica. A falta de continuidade é resultado de
interrupções no sistema, sejam interrupções corretivas ou interrupções preventivas. Já a qualidade
do produto é caracterizada pela forma de onda de tensão dos componentes do sistema.
A continuidade de fornecimento é em geral avaliada pelas empresas de distribuição,
a partir de ocorrências na rede de distribuição. A contabilidade destas ocorrências pode ser
determinada mensalmente, trimestralmente ou anualmente. Vários indicadores são utilizados
para esta avaliação.
1. tempo médio de preparação, indicador que mede a eficiência dos meios de comunicação,
dimensionamento das equipes e dos fluxos de informação dos Centros de Operação.
𝑇 𝑀 𝐴𝐸 = 𝑇 𝑀 𝑃 + 𝑇 𝑀 𝐷 + 𝑇 𝑀 𝐸 (4)
Em que:
Em que:
DIC é duração de interrupção individual por unidade consumidora ou por ponto de conexão,
expressa em horas e centésimos de hora;
FIC é frequência de interrupção individual por unidade consumidora ou ponto de conexão,
expressa em número de interrupções;
DMIC é duração máxima de interrupção contínua por unidade consumidora ou por ponto de
conexão, expressa em horas e centésimos de hora;
DICRI é duração da interrupção individual ocorrida em dia crítico por unidade consumidora ou
ponto de conexão, expressa em horas e centésimos de hora;
i = índice de interrupções da unidade consumidora no período de apuração, variando de 1 a n;
n = número de interrupções da unidade consumidora considerada, no período de apuração;
t(i) é tempo de duração da interrupção i da unidade consumidora considerada ou ponto de
conexão, no período de apuração;
Capítulo 4. Sobre o Setor Elétrico no Brasil 33
Em que:
Segundo (KAGAN et al., 2005), a partir de 2005, o consumidor terá ressarcimento em sua
conta de energia quando a sua meta de indicador individual for transgredida. O valor ressarcido
é determinado pela seguinte equação:
(︂ )︂
𝐷𝐼𝐶𝑉 𝐶𝑀
𝑃 𝑒𝑛𝑎𝑙𝑖𝑑𝑎𝑑𝑒 = − 1 .𝐷𝐼𝐶𝑃 . .𝑘𝑒𝑖 (12)
𝐷𝐼𝐶𝑃 730
Em que:
Capítulo 4. Sobre o Setor Elétrico no Brasil 34
De acordo com a resolução normativa no 469 de 2011 da Aneel, fica estabelecida uma
relação direta entre as metas de indicadores coletivos e indicadores individuais. Para exemplificar
esta relação, o Quadro 3, retirada do Prodist (ANEEL, 2012), referencia a faixa de variação
dos limites anuais de indicadores de continuidade dos conjuntos (DEC ou FEC), para unidades
consumidoras com tensão contratada menor ou igual a 1kV situadas em áreas urbanas.
4.5 Tarifação
De acordo com (KAGAN et al., 2005), a finalidade da tarifa de energia elétrica é
remunerar a concessionária dos investimentos feito na ampliação, manutenção e operação do
sistema. O sistema de energia elétrica é dimensionado para atender à demanda máxima, que é
definida com duração máxima de duas horas diárias.
Segundo (PESSANHA et al., 2010), na Resolução da ANEEL no 257 de 6 de março
de 2007, foram estabelecidos os conceitos gerais, a metodologia e os procedimentos para a
realização da primeira revisão tarifária periódica das concessionárias de transmissão de energia
elétrica.
A receita arrecadada pelas tarifas contempla dois tipos de custos:
2. Custos Não Gerenciáveis: custos que a distribuidora repassa para os demais agentes do
setor como compra de energia, transporte (transmissão) e encargos setoriais.
Segundo (ANEEL, 2013), o processo de Revisão Tarifária Periódica tem como principal
objetivo analisar, após um período previamente definido no contrato de concessão (geralmente
de 4 anos), o equilíbrio econômico-financeiro da concessão.
Destaca-se que enquanto nos reajustes tarifários anuais a "Parcela B"da Receita é atuali-
zada monetariamente pelo IGP-M, no momento da revisão tarifária periódica são calculadas a
receita necessária para cobertura dos custos operacionais eficientes e a remuneração adequada
sobre os investimentos realizados, com prudência.
A revisão tarifária periódica é realizada mediante o cálculo do reposicionamento tarifário
e do estabelecimento do Fator X.
As novas tarifas contemplando os efeitos da revisão tarifária extraordinária foram ho-
mologadas e estão vigentes todas as concessionárias de distribuição do país. A data de revisão
tarifária é diferente para cada concessionária.
As falhas são contabilizadas e o consumidor tem o direito a receber os valores pagos
devido a interrupção no serviço de fornecimento de energia elétrica.
1. criar uma nova metodologia para avaliar a confiabilidade de uma rede de distribuição de
energia;
3. subsidiar a tomada de decisão com relação a investimentos de gestão de ativos, pelo menos
naqueles aspectos relacionados à confiabilidade do sistema;
𝑀 𝑎𝑥 𝑓𝑖𝑐(𝑥)
(13)
𝑠𝑢𝑗𝑒𝑖𝑡𝑜 𝑎 : 𝑓𝑐𝑢𝑠𝑡𝑜(𝑥) ≤ 𝑂𝑟𝑐𝑎𝑚𝑒𝑛𝑡𝑜 𝑑𝑖𝑠𝑝𝑜𝑛𝑣𝑒𝑙
𝑀 𝑖𝑛 𝑓𝑐𝑢𝑠𝑡𝑜(𝑥)
(14)
𝑠𝑢𝑗𝑒𝑖𝑡𝑜 𝑎 : 𝑓𝑖𝑐(𝑥) ≤ 𝐼𝐶 𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜
𝑖,𝑗,𝑘
Este indicador, chamado de Indicador Médio de Confiabilidade (𝐼𝐶 𝑐 ), servirá como
indicador de qualidade dos ativos, trechos, alimentadores, e redes de uma concessionária de
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 39
energia, e também servirá como subsídio para que o gestor tomar a melhor decisão para responder
a estas duas perguntas.
𝑖,𝑗,𝑘
O Indicador Médio de Confiabilidade (𝐼𝐶 𝑐 ) de cada ativo da rede considerado neste
trabalho terá o seu valor calculado com base no histórico de interrupções, especificação técnica
de cada ativo e o tempo de uso do ativo.
𝑖,𝑗,𝑘
Este Indicador Médio de Confiabilidade (𝐼𝐶 𝑐 ) é composto por duas classes de fatores
denominados fatores intrínsecos e fatores extrínsecos.
2. Trecho: é o circuito compreendido entre uma barra de início e uma barra de fim. Ele pode
possuir componentes conectados a ele ou às suas barras. Barra é um ponto que possui
coordenadas geográficas, que é na verdade um poste;
4. Subestação: agregado constituído por todos alimentadores ligados que se iniciam em uma
mesma subestação, excluindo a própria subestação enquanto equipamento.
⎧√︁
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑖𝑛𝑡 × 𝐼𝐶 𝑐,𝑒𝑥𝑡 ; 𝑠𝑒 𝐼𝐶 𝑐,𝑒𝑥𝑡 < 1
⎨
𝑖,𝑗,𝑘
𝐼𝐶 𝑐 = 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
(15)
⎩ 𝐼𝐶 𝑐,𝑖𝑛𝑡 ; 𝑠𝑒 𝐼𝐶 𝑐,𝑒𝑥𝑡 = 1
𝑖,𝑗,𝑘
Caso 𝐼𝐶 𝑐,𝑒𝑥𝑡 = 1, i.e., caso não haja falhas por fatores extrínsecos no ijk-ésimo com-
𝑖,𝑗,𝑘
ponente, então o Indicador Médio de Confiabilidade do componente (𝐼𝐶 𝑐 ) será igual ao
Indicador Médio de Confiabilidade dos fatores intrínsecos daquele componente.
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 41
Para todos os ativos foi considerado, neste primeiro momento, um decaimento linear do
𝑖,𝑗,𝑘
𝐼𝐶 𝑐 ao longo do tempo.
À medida que novos dados forem coletados dos ativos de rede, estes podem ser incorpo-
rados ao modelo, permitindo o refinamento das curvas e equações de cada ativo.
⎯
⎸𝑁
𝑖,𝑗
⎸∏︁ 𝑖,𝑗,𝑘
𝑁
𝐼𝐶 𝑡𝑟 = ⎷ 𝐼𝐶 𝑐 (16)
𝑘=1
Em que:
𝑖,𝑗
𝐼𝐶 𝑡𝑟 é o Indicador Médio de Confiabilidade do ij-ésimo trecho;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐 é o Indicador Médio de Confiabilidade do ijk-ésimo componente;
⎯
⎸𝑀
𝑖 ⎸∏︁ 𝑖,𝑗
𝑀
𝐼𝐶 𝑎𝑙 = ⎷ 𝐼𝐶 𝑡𝑟 (17)
𝑗=1
Em que:
𝑖
𝐼𝐶 𝑎𝑙 é o Indicador Médio de Confiabilidade do i-ésimo alimentador;
𝑖,𝑗
𝐼𝐶 𝑡𝑟 é o Indicador Médio de Confiabilidade do ij-ésimo trecho;
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 42
⎯
⎸𝐿
⎸∏︁ 𝑖
𝐿
𝐼𝐶 𝑐𝑎 = ⎷ 𝐼𝐶 𝑎𝑙 (18)
𝑖=1
Em que:
𝑖,𝑗,𝑘
𝐼𝐶 𝑎𝑙 é o Indicador Médio de Confiabilidade do i-ésimo alimentador;
⎯ ⎧⎯
⎸
⎸𝐿 ⎪ ⎸ ⎡⎯ ⎤⎫
⎸ ⎨ ⎸ 𝑀 ⎸𝑁 ⎪
∏︁ 𝑖,𝑗,𝑘 ⎬
𝐿
∏︁ 𝑀 ⎸∏︁ ⎸ 𝑁
𝐼𝐶 𝑐𝑎 = ⎷
⎸ ⎷ ⎣ ⎷ 𝐼𝐶 𝑐 ⎦ (19)
⎪ ⎪
𝑖=1 ⎩ 𝑗=1 𝑘=1 ⎭
Em que:
𝑖,𝑗,𝑘
𝐼𝐶 𝑐 é o Indicador Médio de Confiabilidade do ijk-ésimo componente;
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 43
⎯
⎸𝑃
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘,𝑟
⎸∏︁
𝑃
𝐼𝐶 𝑐,𝑖𝑛𝑡 = ⎷ (𝐼𝐶 𝑐,𝑖𝑛𝑡 ) (20)
𝑟=1
Em que:
𝑖,𝑗,𝑘,𝑟
𝐼𝐶 𝑐,𝑖𝑛𝑡 é o IC associado ao r-ésimo fator intrínseco de falha incluído no modelo do
ijk-ésimo componente;
Três fatores foram modelados, segundo os especialistas, são mais relevantes no contexto
deste trabalho:
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 44
𝑖,𝑗,𝑘
Logo, o 𝐼𝐶 𝑐,𝑖𝑛𝑡 será calculado de duas maneiras, dependendo da característica de cada
equipamento.
Para os equipamentos cujos fatores modelados foram o tempo de uso do componente e a
𝑖,𝑗,𝑘
taxa de (sobre)carregamento do componente, o 𝐼𝐶 𝑐,𝑖𝑛𝑡 será calculado da seguinte maneira:
√︁
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑖𝑛𝑡 = 𝐼𝐶 𝑐,𝑡𝑢 × 𝐼𝐶 𝑐,𝑐𝑟 (21)
√︁
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑖𝑛𝑡 = 𝐼𝐶 𝑐,𝑡𝑢 × 𝐼𝐶 𝑐,𝑓 𝑎 (22)
Em que:
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑖𝑛𝑡 é o IC associado aos fatores intrínsecos que ocasionam falhas no ijk-ésimo com-
ponente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑡𝑢 é o IC associado à perda de vida útil do ijk-ésimo componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑐𝑟 é o IC associado à taxa de carregamento relativo na qual o ijk-ésimo componente
opera;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑓 𝑎 é o IC associado à frequência relativa de acionamentos do ijk-ésimo componente.
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 45
⎧ (︂ 𝑖,𝑗,𝑘
)︂
⎨− 1−𝐼𝐶 𝑐,𝑡𝑢,𝑟𝑒𝑠 𝑖,𝑗,𝑘
; ∀ 0 ≤ 𝑡 < 𝑇𝑣𝑢
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑡𝑢 = 𝑇𝑣𝑢 (23)
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑡𝑢,𝑟𝑒𝑠 ;∀ 𝑇𝑣𝑢 6𝑡
⎩
Em que:
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑡𝑢 é o IC médio associado ao tempo de uso do ijk-ésimo componente;
𝑖,𝑗,𝑘
𝑇𝑣𝑢 é o tempo de vida útil do componente, em meses, estabelecido pela norma da
ANEEL;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑡𝑢,𝑟𝑒𝑠 é o IC médio residual do componente, que persiste quando o componente
permanece em uso além de seu tempo de vida útil estabelecido pela norma da ANEEL.
Para todos os ativos foi considerado neste primeiro momento um decaimento linear ao
longo do tempo.
A Figura 7 apresenta o gráfico genérico devido ao tempo de uso do componente.
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 46
5.4.1.2 Modelo matemático geral, para todos os componentes - Taxa de Carregamento Relativo
⎧
⎪
⎪
⎪ 1 (︂ ; ∀ 0 ≤ 𝑐𝑟 ≤ 1
⎨ (︂ 𝑖,𝑗,𝑘
)︂ 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
)︂
𝑖,𝑗,𝑘 1−𝐼𝐶 𝑐,𝑐𝑟,𝑟𝑒𝑠 𝑆𝐶 𝑚𝑎𝑥 −𝐼𝐶 𝑐,𝑐𝑟,𝑟𝑒𝑠 𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑐𝑟 = − 𝑖,𝑗,𝑘 × 𝑐𝑟 + 𝑖,𝑗,𝑘 ; ∀ 1 < 𝑐𝑟 < 𝑆𝐶 𝑚𝑎𝑥 (24)
⎪ 𝑆𝐶 𝑚𝑎𝑥 −1 𝑆𝐶 𝑚𝑎𝑥 −1
⎪
⎪ 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
⎩ 𝐼𝐶 𝑐,𝑐𝑟,𝑟𝑒𝑠 ; ∀ 𝑆𝐶 𝑚𝑎𝑥 ≤ 𝑐𝑟
Em que:
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑐𝑟 é o IC médio associado à operação do ijk-ésimo componente com sobrecarrega-
mento de potência;
𝑖,𝑗,𝑘
𝑆𝐶 𝑚𝑎𝑥 é a taxa de sobrecarregamento relativo máxima do componente, i.e., potência de
sobrecarregamento máxima pela potência nominal de carregamento do componente, estabelecido
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 47
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑐𝑟,𝑟𝑒𝑠 é o IC médio residual do componente, que persiste quando o componente
permanece em uso além do limite máximo de sobrecarregamento estabelecido pela norma da
ANEEL.
⎧
⎪
⎪
⎪ 1 (︂ ; ∀ 0 ≤ 𝑓𝑟 ≤ 1
⎨ (︂ 𝑖,𝑗,𝑘
)︂ 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
)︂
𝑖,𝑗,𝑘 1−𝐼𝐶 𝑐,𝑓 𝑎,𝑟𝑒𝑠 𝐹 𝐴𝑅𝑚𝑎𝑥 −𝐼𝐶 𝑐,𝑓 𝑎,𝑟𝑒𝑠 𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑓 𝑎 = − 𝑖,𝑗,𝑘 × 𝑓𝑎 + 𝑖,𝑗,𝑘 ; ∀ 1 < 𝑓 𝑟 < 𝐹 𝐴𝑅𝑚𝑎𝑥 (25)
⎪ 𝐹 𝐴𝑅𝑚𝑎𝑥 −1 𝐹 𝐴𝑅𝑚𝑎𝑥 −1
⎪
⎪ 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
⎩ 𝐼𝐶 𝑐,𝑓 𝑎,𝑟𝑒𝑠 ; ∀ 𝐹 𝐴𝑅𝑚𝑎𝑥 ≤ 𝑓 𝑟
Em que:
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 48
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑓 𝑎 é o IC médio associado à frequência cumulativa relativa de acionamento do
ijk-ésimo componente;
𝑖,𝑗,𝑘
𝐹 𝐴𝑅𝑚𝑎𝑥 é a frequência cumulativa relativa de sobreacionamento máxima o componente;
i.e., frequência cumulativa de sobreacionamento; pela frequência cumulativa máxima de aciona-
mento do componente, estabelecido pela norma da ANEEL;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑓 𝑎,𝑟𝑒𝑠 é o IC médio residual do componente, que persiste quando o componente
permanece em operação com ocorrência de sobreacionamentos acima do sobreacionamento
máximo estabelecido pela norma da ANEEL.
A Figura 9 apresenta o gráfico genérico devido a frequência de acionamento do compo-
nente.
⎯
⎸𝑄
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘,𝑠
⎸
𝑄
∏︁
𝐼𝐶 𝑐,𝑒𝑥𝑡 = ⎷ (𝐼𝐶 𝑐,𝑒𝑥𝑡 ) (26)
𝑠=1
Em que:
𝑖,𝑗,𝑘,𝑠
𝐼𝐶 𝑐,𝑒𝑥𝑡 é o IC associado ao s-ésimo fator extrínseco de falha no modelo do ijk-ésimo
componente;
Os fatores extrínsecos, por não serem passíveis de controle ou nem mesmo serem
previsíveis, estabelecem, de fato, uma cota superior para o índice de confiabilidade do sistema.
Portanto, deve-se fazer um esforço de minimizar as falhas decorrentes destes fatores.
Este modelo permite uma grande escalabilidade uma vez que a medida que novos dados
e parâmetros forem coletados da rede, estes poderão fazer parte da equação de IC de cada
componente.
Nove fatores foram modelados, segundo dados históricos, aqueles mais relevantes no
contexto deste trabalho:
1. Abalroamento;
2. Animais;
3. Árvore;
4. Construção de terceiros;
5. Descarga atmosférica;
6. Pipa;
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 50
7. Temporal;
8. Vandalismo;
9. Vento.
Assim:
√︁
𝑖,𝑗,𝑘 9 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑒𝑥𝑡 = 𝐼𝐶 𝑐,𝑡𝑝 × 𝐼𝐶 𝑐,𝑣𝑡 × 𝐼𝐶 𝑐,𝑑𝑒 × 𝐼𝐶 𝑐,𝑎𝑏 × 𝐼𝐶 𝑐,𝑣𝑑 × 𝐼𝐶 𝑐,𝑎𝑟 × 𝐼𝐶 𝑐,𝑎𝑛 × 𝐼𝐶 𝑐,𝑝𝑝 × 𝐼𝑐𝑐,𝑐𝑡
(27)
Em que:
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑒𝑥𝑡 é o IC médio associado aos fatores extrínsecos que ocasionam falhas no ijk-ésimo
componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑡𝑝 é o IC médio associado a falhas causadas por temporais incidentes no ijk-ésimo
componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑣𝑡 é o IC médio associado a falhas causadas por ventanias incidentes no ijk-ésimo
componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑑𝑒 é o IC médio associado a falhas causadas por descargas elétricas atmosféricas
incidentes no ijk-ésimo componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑎𝑏 é o IC médio associado a falhas causadas por abalroamentos incidentes no ijk-
ésimo componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑣𝑑 é o IC médio associado a falhas causadas por vandalismos incidentes no ijk-ésimo
componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑎𝑟 é o IC médio associado a falhas causadas pela arborização incidente no ijk-ésimo
componente;
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 51
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑎𝑛 é o IC médio associado a falhas causadas por animais incidentes no ijk-ésimo
componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑝𝑝 é o IC médio associado a falhas causadas por pipas no ijk-ésimo componente;
𝑖,𝑗,𝑘
𝐼𝐶 𝑐,𝑐𝑡 é o IC médio associado a falhas causadas por construção de terceiros incidentes
no ijk-ésimo componente.
𝑖,𝑗,𝑘
Caso 𝐼𝐶 𝑐,𝑒𝑥𝑡 < 1
√︁ √︁
𝑖,𝑗,𝑘
√︁
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
𝐼𝐶 𝑐 = 𝑃
𝐼𝐶 𝑐,𝑡𝑢 × 𝐼𝐶 𝑐,𝑐𝑟 × 𝑄
𝐼𝐶 𝑐,𝑡𝑝 × 𝐼𝐶 𝑐,𝑣𝑡 × 𝐼𝐶 𝑐,𝑑𝑒 × 𝐼𝐶 𝑐,𝑎𝑏 × 𝐼𝐶 𝑐,𝑣𝑑 × 𝐼𝐶 𝑐,𝑎𝑟 × 𝐼𝐶 𝑐,𝑎𝑛 × 𝐼𝐶 𝑐,𝑝𝑝 × 𝐼𝐶 𝑐,𝑐𝑡
(28)
𝑖,𝑗,𝑘
Caso 𝐼𝐶 𝑐,𝑒𝑥𝑡 = 1
√︁
𝑖,𝑗,𝑘 𝑃 𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
𝐼𝐶 𝑐 = 𝐼𝐶 𝑐,𝑡𝑢 × 𝐼𝐶 𝑐,𝑐𝑟 (29)
Que representa a média geométrica dos P (2) fatores intrínsecos e dos Q (9) fatores
extrínsecos incorporado ao modelo matemático do k-ésimo componente, do j-ésimo trecho, do
i-ésimo alimentador, da ?-ésimo subestação, do ?-ésimo...
𝑖,𝑗,𝑘 𝑖,𝑗,𝑘
A exclusão da contribuição do 𝐼𝐶 𝑐,𝑒𝑥𝑡 para o cálculo da média geométrica do 𝐼𝐶 𝑐 no
caso em que os fatores extrínsecos não causam falhas no ijk-ésimo componente é para evitar
𝑖,𝑗,𝑘
uma redução indevida do 𝐼𝐶 𝑐 por um fator raiz quadrada.
Serão apresentadas as equações que representam o modelo matemático para a contri-
buição para o IC médio do ijk-ésimo componente, devida a cada um dos Q fatores extrínsecos
incorporados inicialmente ao modelo.
A contribuição de cada fator foi modelada inicialmente, na forma de um gráfico de
frequência relativa mensal.
A construção deste gráfico, requer uso de dados históricos de falhas. Quanto maior o
histórico, mais acurado será, em princípio, o modelo.
Seja:
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 52
𝑖,𝑗,𝑘
𝐹 𝐹 𝐴𝑐,𝑓 𝑒 é a frequência média anual de ocorrências de falhas do ijk-ésimo componente
c, devido ao fator extrínseco fe;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑓 𝑒 é a frequência média mensal de ocorrências de falhas do ijk-ésimo componente
c, devido ao fator extrínseco fe, no m-ésimo mês;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑟𝑒𝑙,𝑓 𝑒 é a frequência relativa média mensal de ocorrências de falhas do ijk-ésimo
componente c, devido ao fator extrínseco fe, no m-ésimo mês;
12
𝑖,𝑗,𝑘 ∑︁ 𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝐴𝑐,𝑓 𝑒 = 𝐹 𝐹 𝑐,𝑓 𝑒 (30)
𝑚=1
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑓 𝑒
𝐹 𝐹 𝑐,𝑟𝑒𝑙,𝑓 𝑒 = ∑︀12 𝑖,𝑗,𝑘,𝑚
(31)
𝑚=1 𝐹 𝐹 𝑐,𝑓 𝑒
𝑖,𝑗,𝑘,𝑚 𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑓 𝑒 = 1 − 𝐹 𝐹 𝑐,𝑟𝑒𝑙,𝑓 𝑒 (32)
Temos que:
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑓 𝑒
𝐼𝐶 𝑐,𝑓 𝑒 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(33)
𝑚=1 𝐹 𝐹 𝑐,𝑓 𝑒
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑡𝑝
𝐼𝐶 𝑐,𝑡𝑝 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(34)
𝑚=1 𝐹 𝐹 𝑐,𝑡𝑝
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑡𝑝 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas por temporais;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑡𝑝 a frequência média mensal de falhas do ijk-ésimo componente c, no m-ésimo
mês, associado a falhas causadas por temporais.
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑣𝑡
𝐼𝐶 𝑐,𝑣𝑡 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(35)
𝑚=1 𝐹 𝐹 𝑐,𝑣𝑡
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑣𝑡 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas por ventanias;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑣𝑡 a frequência média mensal de falhas do ijk-ésimo componente c, no m-ésimo
mês, associado a falhas causadas por ventanias.
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 54
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑑𝑒
𝐼𝐶 𝑐,𝑑𝑒 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(36)
𝑚=1 𝐹 𝐹 𝑐,𝑑𝑒
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑑𝑒 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas por descargas elétricas atmosféricas;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑑𝑒 a frequência média mensal de falhas do ijk-ésimo componente c, no m-ésimo
mês, associado a falhas causadas por descargas elétricas atmosféricas.
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑎𝑏
𝐼𝐶 𝑐,𝑎𝑏 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(37)
𝑚=1 𝐹 𝐹 𝑐,𝑎𝑏
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑎𝑏 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas por abalroamentos;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑎𝑏 a frequência média mensal de falhas do ijk-ésimo componente c, no m-ésimo
mês, associado a falhas causadas por abalroamentos.
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑣𝑑
𝐼𝐶 𝑐,𝑣𝑑 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(38)
𝑚=1 𝐹 𝐹 𝑐,𝑣𝑑
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 55
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑣𝑑 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas por atos de vandalismo;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑣𝑑 a frequência média mensal de falhas do ijk-ésimo componente c, no m-ésimo
mês, associado a falhas causadas por atos de vandalismo.
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑎𝑟
𝐼𝐶 𝑐,𝑎𝑟 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(39)
𝑚=1 𝐹 𝐹 𝑐,𝑎𝑟
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑎𝑟 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas pela arborização;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑎𝑟
mês, associado a falhas causadas pela arborização.
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑎𝑛
𝐼𝐶 𝑐,𝑎𝑛 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(40)
𝑚=1 𝐹 𝐹 𝑐,𝑎𝑛
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑎𝑛 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas por animais;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑎𝑛 a frequência média mensal de falhas do ijk-ésimo componente c, no m-ésimo
mês, associado a falhas causadas por animais.
Capítulo 5. Metodologia para Mensuração e Avaliação do Indicador de Confiabilidade das Redes de Distribuição
de Energia Elétrica de MT e BT 56
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑝𝑝
𝐼𝐶 𝑐,𝑝𝑝 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(41)
𝑚=1 𝐹 𝐹 𝑐,𝑝𝑝
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑝𝑝 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas por pipas;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑝𝑝 a frequência média mensal de falhas do ijk-ésimo componente c, no m-ésimo
mês, associado a falhas causadas por pipas.
𝑖,𝑗,𝑘,𝑚
𝑖,𝑗,𝑘,𝑚 𝐹 𝐹 𝑐,𝑐𝑡
𝐼𝐶 𝑐,𝑐𝑡 = 1 − ∑︀12 𝑖,𝑗,𝑘,𝑚
(42)
𝑚=1 𝐹 𝐹 𝑐,𝑐𝑡
Em que:
𝑖,𝑗,𝑘,𝑚
𝐼𝐶 𝑐,𝑐𝑡 é o IC médio do ijk-ésimo componente no m-ésimo mês associado a falhas
causadas por construção de terceiros;
𝑖,𝑗,𝑘,𝑚
𝐹 𝐹 𝑐,𝑐𝑡 a frequência média mensal de falhas do ijk-ésimo componente c, no m-ésimo
mês, associado a falhas causadas por construção de terceiros.
57
Foram consideramos apenas três equipamentos já que não foi possível obter dados
detalhados de todos os equipamentos que compõe a rede.
Considerou-se cabo como sendo um trecho entre dois postes.
A CEMIG disponibilizou algumas informações reais para a execução do teste piloto. As
informações foram retiradas de vários sistemas e bancos de dados:
3. Procedimentos de manutenção.
É importante ressaltar neste momento que, quanto mais precisas forem estas informações
mais eficiente será o modelo matemático, sendo assim, também é importante que a concessionária
saiba que alguns dados imprescindíveis para modelagem devem ser coletados a partir deste
momento para compor um banco de dados eficiente.
Capítulo 6. Estudo de Caso: Confiabilidade na Rede de Distribuição de Energia Elétrica em Média e Baixa
Tensão da CEMIG 58
1. Banco de Capacitores.
2. Chaves Seccionadoras;
3. Condutores;
4. Isoladores;
5. Reguladores;
6. Transformadores;
Como dito anteriormente, foram considerados no estudo de caso apenas três equipamen-
tos, já que não foi possível obter dados precisos dos demais equipamentos da rede.
Uma vez que estes dados estejam disponíveis a inserção destes equipamentos no modelo
se torna simples.
2. acima de 110% da tensão nominal durante períodos curtos de operação não superiores a
300 ocorrências ao longo de sua vida útil.
6.2.1.2 Chaves-Seccionadoras
6.2.1.3 Condutores
6.2.1.4 Isoladores
1. Suspensão;
2. Ancoragem;
3. Separação.
Os isoladores devem oferecer uma alta resistência para correntes de fuga de superfície e
ser suficientemente espesso para prevenir ruptura sob as condições de tensão que devem suportar.
Para aumentar o caminho de fuga e, portanto, a resistência de fuga, os isoladores são construídos
com curvas e saias.
Os isoladores são sujeitos a solicitações mecânicas e elétricas.
Solicitações Mecânicas:
Solicitações Elétricas:
De acordo com a tabela do MCSPE a vida útil dos isoladores é de 29 anos. A modelagem
dos isoladores leva em conta a tensão aplicada para estimar a vida útil.
6.2.1.6 Transformadores
5. fluxo de dispersão;
6. buchas;
7. conexões;
1. Chave-fusível;
2. Cabos;
3. Transformadores;
6.2.2.1 Chave-Fusível
1. elo-fusível: parte de uma chave-fusível destinada a ser substituída depois de sua operação;
2. elemento fusível: é a parte de um elo fusível que se funde ou se rompe fazendo a chave-
fusível operar;
6. porta-fusível: parte fixa de uma chave-fusível provida com terminais para conexão a um
circuito exterior, destinada a fixar o cartucho com o elo-fusível;
7. indicador: é a parte de uma chave-fusível destinada a dar, no próprio local, uma indicação
de que a chave operou.
De acordo com a tabela do MCSPE, a vida útil de uma chave fusível é de 15 anos (180
meses). A modelagem da chave fusível leva em conta dois fatores intrínsecos causadores de
falhas, o tempo de uso e o número total (cumulativo) de acionamentos.
Capítulo 6. Estudo de Caso: Confiabilidade na Rede de Distribuição de Energia Elétrica em Média e Baixa
Tensão da CEMIG 64
6.2.2.2 Condutores
6.2.2.3 Transformadores
1. Chave Seccionadora;
2. Chave Fusível;
3. Transformador.
Foi possível observar neste histórico de interrupções que os nove fatores de causas de
falhas selecionadas neste trabalho afetam todos os três componentes em maior ou menor grau.
A seguir serão apresentados os efeitos dos nove fatores extrínsecos de falhas nestes três
ativos.
Os gráficos de frequência relativa mensal das falhas causadas por temporais nos trans-
formadores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser vistos na Figura
11.
Os gráficos de frequência relativa mensal das falhas causadas por ventanias nos trans-
formadores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser vistos na Figura
12.
Tabela 4 – Frequência Média Mensal de Falhas Causadas por Descarga Elétrica Atmosférica
Os gráficos de frequência relativa mensal das falhas causadas por descargas elétricas
atmosféricas nos transformadores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser
vistos na Figura 13.
Figura 13 – Gráficos de Frequência Relativa Mensal de Falhas Causadas por Descarga Elétrica
Atmosférica
Capítulo 6. Estudo de Caso: Confiabilidade na Rede de Distribuição de Energia Elétrica em Média e Baixa
Tensão da CEMIG 70
Os gráficos de frequência relativa mensal das falhas causadas por abalroamento nos
transformadores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser vistos na Figura
14.
Os gráficos de frequência relativa mensal das falhas causadas por vandalismo nos trans-
formadores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser vistos na Figura
15.
Os gráficos de frequência relativa mensal das falhas causadas por arborização nos
transformadores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser vistos na Figura
16.
Os gráficos de frequência relativa mensal das falhas causadas por animais nos trans-
formadores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser vistos na Figura
17.
Os gráficos de frequência relativa mensal das falhas causadas por pipas nos transforma-
dores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser vistos na Figura 18.
Os gráficos de frequência relativa mensal das falhas causadas por construção de terceiros
nos transformadores (a), chaves fusíveis (b) e chaves seccionadoras (c) podem ser vistos na
Figura 19.
A rede se inicia na Subestação, que possui um ou mais alimentadores que levam a energia
elétrica desde a saída da subestação até os consumidores. Um alimentador possui uma BarraMT
(barra de média tensão) que inicia o circuito do alimentador. A barra de início é a barra de início
do primeiro TrechoMT (trecho de média tensão), que termina na barra de fim.
A partir daí, é necessário realizar uma recursão para obter todos os trechos e barras
da rede, ou seja, a barra de fim deste trecho será a barra de início do próximo trecho, e assim
sucessivamente, até chegar a última barra do alimentador.
Os trechos de média tensão podem possuir componentes conectados a eles de acordo com
Capítulo 6. Estudo de Caso: Confiabilidade na Rede de Distribuição de Energia Elétrica em Média e Baixa
Tensão da CEMIG 78
o circuito considerado. Dentre esses componentes, foram consideradas as chaves (tipo genérico
para chave seccionadora, religadores, chave fusível, etc..) e os cabos (também são chamados
componentes para simplificar o modelo).
As barras de média tensão também podem possuir componentes conectados a ela. Entre
eles, foram considerados os capacitores paralelos e transformadores, que são responsáveis por
transformar a energia elétrica para uma tensão menor para que os consumidores possam utiliza-la.
Um transformador é o componente no qual se inicia a rede de baixa tensão. A partir dele,
uma barra de baixa tensão começa a distribuição da energia elétrica para os consumidores. A
sequência é a mesma para rede de média tensão: a barra de início inicia um novo trecho de BT
que termina em uma barra de fim, que por sua vez, inicia um novo trecho, e assim por diante.
As barras de baixa tensão podem possuir conexões para o fornecimento de energia aos
consumidores, seja de iluminação pública ou de baixa tensão. Os trechos de baixa tensão também
possuem os cabos que contribuem para o cálculo do IC, semelhantemente à rede de média tensão.
No diagrama da Figura 22, o grande elo entre a camada de representação da rede elétrica é
a classe Componente. Ela liga os componentes (Transformador, Chave e Cabo) à classe RedeMT,
que é uma árvore representando a configuração da rede de média tensão.
A rede MT é responsável por tornar a representação da rede elétrica em uma estrutura de
dados que facilite as operações realizadas nela. A Figura 23 apresenta um exemplo da rede MT
convertida para um grafo.
Capítulo 6. Estudo de Caso: Confiabilidade na Rede de Distribuição de Energia Elétrica em Média e Baixa
Tensão da CEMIG 80
Depois disso, o algoritmo de otimização utiliza esta estrutura para construir uma solução
que será otimizada. Essa, por sua vez, é um vetor de trocas como visto anteriormente. O algoritmo
executa seu fluxo de otimização para otimizar as funções definidas em ProblemaOtimizacao, ou
seja, é possível definir diferentes funções e testar o problema com elas, seja de minimização ou
maximização. Para isso, basta criar uma nova classe e estender a classe pai ProblemaOtimizacao.
6.5.4.1 Persistência
1. Subestacao
2. Alimentador
3. BarraMT
Capítulo 6. Estudo de Caso: Confiabilidade na Rede de Distribuição de Energia Elétrica em Média e Baixa
Tensão da CEMIG 81
4. TrechoMT
5. Componente
6. Cabo
7. CapacitorParalelo
8. Chave
9. Transformador
10. BarraBT
11. TrechoBT
12. ConsumidorBT
13. PontoServicoBT
14. ConsumidorIP
15. ComponenteNovo
16. Interrupcao
6.5.4.2 Rede
Este pacote possui as classes para construir a rede elétrica em duas estruturas de dados:
grafo e matriz de componentes. Além disso, possui classes para realizar o cálculo do índice
de confiabilidade. A principal classe deste pacote é a RedeMT, que busca os registros da rede
elétrica e os representa nas duas estruturas de dados. O pseudocódigo para gerar a RedeMT está
representado a seguir:
Algoritmo 1: GeraRedeMT
procedimento GeraRedeMT
inicio
criaEstruturasDeDados(alimentador);
calculaIC();
fim
Para gerar a rede de média tensão, o procedimento utilizando duas rotinas: criaEstru-
turasDeDados(alimentador), que constrói a estrutura da rede utilizando busca em largura e a
representa nas duas estruturas de dados citadas; calculaIC(), que calcula o índice médio de
confiabilidade de toda a rede.
Capítulo 6. Estudo de Caso: Confiabilidade na Rede de Distribuição de Energia Elétrica em Média e Baixa
Tensão da CEMIG 82
6.5.4.3 Algoritmo
6.5.4.4 Simulação
A estrutura em grafo representa a rede utilizando nós e arestas. Neste trabalho, os nós são
barras de média tensão e as arestas são trechos de média tensão. Como visto anteriormente, uma
barra pode possuir um transformador conectado a ela. Já os trechos de média tensão possuem
sempre um cabo e podem possuir uma chave.
A matriz de componentes é uma matriz representada pelo índice i, j, k; onde i é o
alimentador, j é o trecho e k é o componente. Essa matriz contém as informações de todos
os componentes da rede, ou seja, o algoritmo pode acessar um componente qualquer da rede
pelo índice dele e cada componente possui informações próprias como identificador, data de
instalação, carga, etc.. Um exemplo de uma matriz de componentes é apresentada na Figura 25.
Figura 26 – Calculo de IC
as iterações é retornada como a solução inicial do algoritmo. Depois disso, o algoritmo ILS
inicia o processo de refinamento da solução, como na Figura 28.
O processo de refinamento do ILS inicia a partir da solução inicial gerada pelo Grasp,
e vai modificando-a iterativamente aplicando movimentos para gerar soluções diferentes no
espaço de busca. A cada nova solução gerada, avalia-se e a armazena se ela é melhor dentre
todas geradas até o momento. Ao fim das iterações, a melhor solução gerada é retornada como
resultado final.
87
7 Conclusão
1. Criar uma nova metodologia de trabalho para a manutenção de ativos de uma rede de
distribuição de energia;
4. Fornecer subsídios confiáveis para a tomada de decisão gerencial em relação aos investi-
mentos feitos na manutenção;
5. Servir como ponto de partida para novas abordagens e estudos sobre manutenção de ativos.
1. Melhorar os modelos matemáticos dos ativos de rede a partir de novos dados reais e
obtenção de curvas de desempenho dos fabricantes;
Referências
AMASIFEN, J. C. C.; KAGAN, N. Método híbrido para o cálculo dos custos de interrupções em
processos eletro-eletrônicos causados por faltas em sistemas de distribuição de energia elétrica.
Revista Controle & Automação, v. 20, 2009.
AMASIFEN, J. C. C.; ROMERO, R.; MANTOVANI, J. R. S. Algoritmos evolutivos dedicados
à reconfiguração de redes radiais de distribuição sob demandas fixas e variáveis - estudo dos
operadores genéticos e parâmetros de controle. Revista Controle & Automação, v. 16, 2005.
ANEEL. Procedimentos de Distribuição de Energia Elétrica no Sistema Elétrico Nacional
- PRODIST - Módulo 8 - Qualidade da Energia Elétrica. [S.l.], 2012.
ANEEL. Revisão Tarifária Periódica. 2013. Disponível em: <http://www.aneel.gov.br/area.
cfm?idArea=182>.
APOLINÁRIO, L. A. V.; MANTOVANI, J. R. S. Modelo de programação matemática para
controle do crescimento da vegetação sob redes de distribuição de energia elétrica. Revista
Controle & Automação, v. 22, 2011.
ARAÚJO, E. de. Identificação de Causas de Falhas em Sistemas de Distribuição Usando o
Processo Analítico Hierárquico - AHP. Dissertação (Mestrado) — PUC RS, 2010.
BENTO, E. P.; KAGAN, N. Algoritmos genéticos e variantes na solução de problemas de
configuração de redes de distribuição. Revista Controle & Automação, v. 19, 2008.
BLOOM, N. Reliability Centered Maintenance (RCM): Implementation Made Simple.
[S.l.]: McGraw-Hill Professional, 2005. ISBN 0071460691.
BRETAS, N. G.; DELBEM, A. C. B.; CARVALHO, A. de. Representação por cadeias de grafo
para ag aplicados ao restabelecimento de energia Ótimo em sistemas de distribuição radiais.
Revista Controle & Automação, v. 12, 2001.
CASSULA, A.; SILVA, A. L. da; MANSO, L.; BILLINTON, R. Avaliação da confiabilidade
em sistemas de distribuição considerando falhas de geração e transmissão. Revista Controle &
Automação, v. 14, 2003.
CERNE. Estudo de Vida Útil Econômica e Taxa de Depreciação. [S.l.], 2000.
CHOW, M.-y.; YEE, S.; TAYLOR, L. Recognizing animal-caused faults in power distribution
systems using artificial neural networks. Power Delivery,IEEE Transactions on, v. 8, n. 3, p.
1268 –1274, july 1993.
DELBEM, A. C. B.; BRETAS, N. G.; CARVALHO, A. de. Algoritmo de busca com heurísticas
fuzzy para restabelecimento de energia em sistemas radiais de distribuição. Revista Controle &
Automação, v. 11, p. 55 – 60, 2000.
DESHPANDE, V.; MODAK, J. Application of {RCM} to a medium scale industry. Reliability
Engineering & System Safety, v. 77, n. 1, p. 31 – 43, 2002. ISSN 0951-8320. Disponível em:
<http://www.sciencedirect.com/science/article/pii/S095183200200011X>.
FILHO, J. M. Manual de Equipamentos Elétricos. 3a . ed. São Paulo: [s.n.], 2005.
Referências 91
NBR-7288. Cabos de potência com isolação sólida extrudada de cloreto de polivinila (PCV)
ou polietileno (PE) para tensões de 1kV a 6 kV. [S.l.], 1994.
PRETTO, C.; RANCICH, G.; ROSA, M. da; LEMOS, F. Forced outages information treatment
system and cause identification based on mobile computing and neural networks. v. 1, p. 6 pp.
Vol.1, june 2003.
PRETTO, C.; ROSA, M.; LEMOS, F. Data acquisition using mobile computing technology to
enhance operation and maintenance planning. p. 1 –5, june 2005.
Referências 93
XU, L.; CHOW, M.-Y. A classification approach for power distribution systems fault cause
identification. Power Systems,IEEE Transactions on, v. 21, n. 1, p. 53 – 60, feb. 2006.
Referências 94
XU, L.; CHOW, M.-Y.; TAYLOR, L. S. Power distribution fault cause identification with imba-
lanced data using the data mining-based fuzzy classification e-algorithm. Power Systems,IEEE
Transactions on, v. 22, n. 1, p. 164 –171, feb. 2007.