Você está na página 1de 20

DEFINIÇÃO DOS NÍVEIS DE RESERVA GIRANTE EM SISTEMAS HIDROTÉRMICOS

COM ELEVADA PENETRAÇÃO DE ENERGIA EÓLICA

Wesley Patrick S Barbosa, graduando em Engenharia Elétrica


Warlley de Sousa Sales, Departamento de Engenharia Elétrica
RESUMO
Este projeto de iniciação científica apresenta o desenvolvimento de uma metodologia para
o dimensionamento da reserva girante de sistemas de geração hidrotérmicos com elevada
penetração de energia eólica. Para tal, o método PJM será empregado juntamente com a
formulação do problema de coordenação hidrotérmica de curto prazo. Para que esse
objetivo seja alcançado foi preciso desenvolver uma metodologia para resolver o problema
de coordenação hidrotérmica considerando a presença de geração eólica, incorporar a
reserva girante no problema de coordenação hidrotérmica, obter séries históricas de
velocidade dos ventos para caracterizar a variabilidade da geração eólica, obter séries
históricas de afluências para caracterizar a operação do sistema hidrelétrico, obter as
curvas custo de produção versus potência gerada, para caracterizar o sistema termelétrico
e por último, mas não menos importante, aplicar os modelos desenvolvidos num sistema
teste.
1. INTRODUÇÃO
Do ponto de vista da operação do sistema elétrico de potência é de fundamental
importância atender os clientes com uma energia que atenda os critérios de confiabilidade,
menor custo e nos níveis adequados de qualidade, como por exemplo, tensão e frequência
dentro dos padrões especificados. Porém, há uma infinidade de fatores que afetam o
desempenho da operação do sistema de potência que muitos deles são de natureza
estocástica, ou seja, o padrão do evento possui estados indeterminados e são regidos por
eventos aleatórios, mas as variações que ocorrem na operação do sistema são muitas das
vezes causadas por: i) falha da geração e/ou transmissão; ii) erro na previsão de demanda;
iii) indisponibilidade de recurso energéticos (e.g.: combustível, água, vento, etc.). Diante de
tais problemas a pergunta que se faz é de que forma se minimiza tais variações. Uma

1
resposta para tal pergunta seria o dimensionamento mais adequado para a reserva estática
e girante do sistema de potência [1].
Como foi dito, a determinação adequada da reserva estática e girante é muito
importante tanto para a operação quanto para a expansão. Tal problema pode ser divido
em requisito de reserva de capacidade estática e requisito de capacidade operativa [2].
A reserva de capacidade estática é o montante de reserva que se deve ter de forma
que possa suportar erros de previsão do crescimento da demanda, perda inesperada de
equipamentos da geração, indisponibilidade de recursos energéticos, entre outros. Vale
destacar que a reserva estática se relaciona ao planejamento de longo prazo, ou seja, a
quantidade de reserva que deve ser planejada e construída de forma a atender a demanda
prevista para o futuro.
A reserva de capacidade operativa é uma quantidade de geração deixada nas
maquinas sincronizadas e nas maquinas que podem entrar em operação num intervalo de
tempo pequeno com o objetivo de manter interrupto o fornecimento de energia, este tipo de
reserva é para o planejamento de curto prazo. Esse tipo de reserva pode ainda ser dividida
em subconjuntos no qual para esse trabalho vale destacar a reserva operativa – girante, ou
simplesmente reserva girante que objetiva determinar o montante de geração que deve ser
sincronizada além da carga, com o intuito de repor as saídas inesperadas de unidades
geradoras, bem como repor os acréscimos de carga devido aos erros na previsão de
demanda de curto prazo.
A definição da reserva girante (capacidade de geração que está sincronizada e
pronta para suprir a carga) é bastante complexo quando o sistema é hidrotérmico, pois deve
ser levar em consideração as restrições impostas pelas afluências e limites de
armazenamento dos reservatórios e se agrava ainda mais quando uma boa parte do parque
de geração é de origem eólicas. Desta forma, os critérios determinísticos para o correto
dimensionamento da reserva girante para o sistema hidrotérmico com presença de fonte
eólica se tornam ineficiente. Contudo, deve-se então partir para metodologias
probabilísticas.
As experiências dos operadores juntamente com os critérios determinísticos eram
de muita importância para o correto dimensionamento da reserva operativa no passado. Os
critérios determinísticos não levam em consideração os eventos de natureza estocástica e

2
as decisões tomadas muitas das vezes são pouco econômicas, desta forma se torna falho,
mas em contrapartida são mais fáceis de serem utilizados.
O desenvolvimento de metodologias probabilísticas para o dimensionamento da
reserva girante com elevada penetração de energia eólica vem sendo bastante estudadas
por pesquisadores no mundo inteiro. Pode-se destacar algumas referências como: Ortega-
Vazquez, 2009 [3]; Leite da Silva 2010 [4]; Liu 2012 [5].
Os métodos probabilísticos, conseguem trabalhar com bastantes variáveis aleatórias
que envolvem o sistema de potência, como por exemplo, taxa de falha dos equipamentos
e erros na previsão da demanda, mas as empresas responsáveis pelo setor elétrico
encontram bastante dificuldade em interpretar de forma correta os índices de risco, o que
provoca um incorreto dimensionamento do montante de reserva girante. Portanto, muitas
concessionárias utilizam os critérios determinísticos, devido a maioria dos engenheiros
aceitarem mais o critério determinístico. Todavia, a confiabilidade do sistema está
associada ao nível adequado de risco do sistema pela qual as concessionárias operam e
da modelagem adequada para os elementos do sistema [6].
Com relação a reserva operativa – girante, a aplicação de técnicas probabilísticas no
dimensionamento desse tipo de reserva teve início nos anos 60, com o trabalho proposto
por um grupo de engenheiros responsáveis pela operação do sistema interligado
Pennsylvania - New Jersey - Maryland. Esse método ficou conhecido pelo acrônimo PJM
[7]. A ideia básica do PJM é determinar a probabilidade de haver insuficiência de geração
(índice de risco), dentro de um curto intervalo de tempo (tipicamente de algumas horas),
denominado tempo de retardo ou “lead time”. Durante esse intervalo de tempo, o déficit de
geração sincronizada não pode ser reposto pela entrada de uma nova unidade, nem pelo
reparo da unidade que tenha falhado. Portanto, o índice de risco mostra o grau que da
perda de carga associada à reserva que foi programada, vale destacar que o método PJM
foi o primeiro a incorporar a ideia de risco no cálculo da reserva girante.
Este projeto de iniciação científica apresenta o desenvolvimento de uma metodologia
para determinação da reserva girante em sistema de geração hidrotérmicos com elevada
penetração de energia eólica. Para tal, foi desenvolvido um modelo de coordenação
hidrotérmica, no qual se representa os parques de geração eólica e dentre as diversas
restrições operacionais, inclui-se o nível de risco aceitável para o sistema. A metodologia

3
desenvolvida foi testada em um sistema hipotético. Os resultados obtidos são apresentados
e discutidos.
2. METODOLOGIA
Devido ao vento possuir um elevado grau de intermitência, a geração eólica
apresenta também oscilações na entrega da energia, pois não consegue ter o controle
sobre a velocidade dos ventos, o que exige uma maior atenção com o sistema, por exemplo,
com os níveis de reserva girante. Desta forma, existe uma grande preocupação com a
inserção da geração eólica na matriz energética dos sistemas de potência no que se diz
respeito à segurança desses sistemas e a influência que se tem na operação com a entrada
de tal geração nos sistemas.
Existe na literatura um modelo que tem sido bastante empregado nos estudos de
planejamento da expansão e da operação de sistemas de potência com o objetivo de
caracterizar as flutuações da capacidade de geração que as usinas eólicas possuem, pois
cada vez mais dentro da matriz energética brasileira está ocorrendo a participação da
geração eólica, desta forma, é aconselhável que os modelos matemáticos levem em conta
a flutuação da capacidade de geração em função das variações na velocidade dos ventos
[12].
2.1 COORDENAÇÃO HIDROTÉRMICA COM A PRESENÇA DE GERAÇÃO EÓLICA E
INCORPORAÇÃO DA RESERVA GIRANTE
Equação (1) apresenta a relação entre velocidade do vento e a potência gerada por
um aerogerador. Nota-se que a potência é função da velocidade do vento e dos parâmetros
do aerogerador.
0; 𝑠𝑒 𝑣 ≤ 𝑣𝑒 𝑜𝑢 𝑣 ≥ 𝑣𝑠
𝑣 − 𝑣𝑒
𝑃𝑒 (𝑣) = Pr ; 𝑠𝑒 𝑣𝑒 ≤ 𝑣 ≤ 𝑣𝑠 (1)
𝑣𝑟 − 𝑣𝑒
𝑃𝑟 ; 𝑠𝑒 𝑣 ≥ 𝑣𝑠
Em que:
𝑣 velocidade do vento;

𝑣 velocidade de entrada – velocidade a partir da qual o aerogerador começa a


gerar;

4
𝑣 velocidade de saída – velocidade a partir da qual o aerogerador é desconectado
da turbina, por questões de segurança;

𝑃 potência nominal do aerogerador.

No sistema hidrotérmico, o planejamento da operação determina a quantidade de


geração hidrelétrica e térmica de forma a satisfazer a demanda prevista no horizonte de
planejamento (algumas horas) e que tenda também às restrições de operação que são
impostas pelas características construtivas das unidades hidrelétricas e térmicas, bem
como atender os limites de armazenamento dos reservatórios e as restrições de afluências.
O problema de coordenação hidrotérmica com a presença de geração eólica os
aerogeradores não podem ser despachados como as hidrelétricas e termelétricas, pois os
aerogeradores apresentam uma natureza aleatória devido o vento apresentar uma natureza
intermitente. Portanto, a geração eólica deve ser despachada no máximo sempre que haja
vento, mas respeitando as restrições do sistema.
Em função das características descritas, o problema de coordenação hidrotérmica com a
presença de geração eólica com a incorporação da reserva girante pode ser formulado
matematicamente através das Equações (2) a (11).

𝑧 = 𝑀𝑖𝑛 𝑢 𝐹 𝑃𝑇 , ℎ (2)

Sujeito a:

𝑃𝑇 , + 𝑃𝐻 , = 𝐷 − 𝑃𝐸 (3)

𝑉𝐴 , = 𝑉𝐴 , (𝑅 , − 𝑄 , )ℎ (4)

𝐿𝑂𝐿𝑃 ≤ 𝜀 (5)

𝐻 , (𝑜𝑛) ≥ 𝑇𝑜𝑛 (6)

𝐻 , (𝑜𝑓𝑓) ≥ 𝑇𝑜𝑓𝑓 (7)

𝑃𝑇 ≤ 𝑃𝑇 , ≤ 𝑃𝑇 (8)

𝑃𝐻 ≤ 𝑃𝐻 , ≤ 𝑃𝐻 (9)

5
𝑄 ≤𝑄 , ≤𝑄 (10)

𝑉𝐴 ≤ 𝑉𝐴 , ≤ 𝑉𝐴 (11)

É possível observar na Equação (3) que a geração eólica é subtraída da carga, com
o intuito de representar o seu despacho imediato.

𝑇 horizonte de planejamento;
𝑁𝑇 quantidade de usinas termelétricas;
𝑢, variável binária que representa o estado de
operação da usina termelétrica 𝑖 no instante
𝑡;
𝐹() função custo de operação da usina
termelétrica 𝑖;
𝑃𝑇 , potência produzida pela usina termelétrica
𝑖, no instante 𝑡;
ℎ duração do intervalo 𝑡;
𝑁𝐻 quantidade de usinas hidrelétricas;
𝑃𝐻 , potência produzida pela usina hidrelétrica 𝑗
no instante 𝑡;
𝐷 potência demandada pela carga no instante
𝑡;
𝑉 , volume vertido pela usina hidrelétrica 𝑗, no
instante 𝑡;
𝜌 produtibilidade da usina hidrelétrica 𝑗;
𝑞, vazão turbinada pela usina hidrelétrica 𝑗, no
instante 𝑡;
𝐷 demanda no instante 𝑡;
𝑃𝐸 potência gerada pelos parques eólicos no
instante 𝑡;
𝑉𝐴 , volume armazenado no reservatório da
usina hidrelétrica 𝑗 no instante 𝑡;
𝑅, vazão afluente no reservatório da usina
hidrelétrica 𝑗 no instante 𝑡;
𝑄 , vazão turbinada na usina hidrelétrica 𝑗 no
instante 𝑡;
𝐿𝑂𝐿𝑃 loss of load probability - probabilidade de
perda de carga no instante 𝑡;

6
𝜀 risco (probabilidade) de perda de carga
admissível;
𝐻𝑖, 𝑡(𝑜𝑛) tempo em que a usina termelétrica 𝑖
permaneceu ligada até o instante 𝑡;
𝑇𝑜𝑛 Tempo mínimo que a usina hidrelétrica i
deve permanecer ligada antes de ser
desligada;
𝐻 (𝑜𝑓𝑓) tempo em que a usina termelétrica 𝑖
permaneceu desligada até o instante 𝑡;
𝑇𝑜𝑓𝑓 Tempo mínimo que a usina termelétrica 𝑖
deve permanecer desligada antes de ser
ligada;
𝑃𝑇 𝑒 𝑃𝑇 mínima e máxima potência que pode ser
gerada pela usina termelétrica 𝑖;
𝑃𝐻 𝑒 𝑃𝐻 mínima e máxima potência que pode ser
gerada pela usina hidrelétrica 𝑗;
𝑄 𝑒𝑄 mínima e máxima vazão turbinada pela
usina hidrelétrica 𝑗;
𝑉𝐴 𝑒 𝑉𝐴 mínimo e máximo volume que pode ser
armazenado no reservatório da usina
hidrelétrica 𝑗.

Para resolver o problema apresentado pela Equação 2, a meta-heurística algoritmos


genéticos (AG’s) [13] é empregada. A ideia é utilizar AG para determinar os valores das
variáveis de decisão do problema, por exemplo, as potências das unidades termelétricas
em cada instante de tempo.
Para representar a função de custo de operação das usinas termelétricas, utilizou-
se um polinômio de segunda ordem que expressa a relação entre o consumo de
combustível e a potência gerada pelas usinas [14], conforme mostrado na equação (12).
𝐹 (𝑃𝑇 ) = 𝛾 𝑃 + 𝛽 𝑃 + 𝛼 (12)

No que tange as usinas hidrelétricas, assume-se que o volume dos reservatórios


oscilará dentro de determinados limites, de modo que a relação entre a potência gerada e
a vazão turbinada pode ser considerada por uma equação de uma reta, conforme em (13)
[14].

7
(𝑄 − 𝑏 )
𝑃𝐻 = (13)
𝑎
2.2 META-HEURÍSTICA ALGORITMOS GENÉTICOS (AG’s)
Conforme já mencionado esse método tem por objetivo resolver o problema de
coordenação hidrotérmica com a presença de geração eólica que incorpora a reserva
girante, formulado matematicamente através das Equações (2) a (11). Com a utilização
deste algoritmo consegue-se obter os valores das variáveis de tomada de decisão.
Essa seção tem por objetivo fornecer alguns conceitos sobre o AG utilizados nesse
projeto, de modo a facilitar a compreensão do método proposto, para um estudo mais
detalhado há vários livros na literatura destacados nas referências: [15], [16], [17], [18] e
[19].
Os AG’s são métodos de otimização e busca através dos mecanismos de evolução
de populações de seres vivos. As espécies evoluem aleatoriamente via operadores,
estando sujeitas à seleção natural. Assim os indivíduos mais adaptados sobrevivem e se
reproduzem, propagando o seu material genético para as próximas gerações [20].
A principal característica desse tipo de algoritmo é que o mesmo não encontra uma
única solução que será chamada de indivíduo, mas sim uma população deles, o que
caracteriza o método como estocástico.
Algumas partes que constituem um AG será apresentado a seguir:
Codificação: De que forma será representado os cromossomos, mais especificamente
conforme o modelo clássico os cromossomos serão representados por genes onde cada
gene pode assumir 0 ou 1, ou seja, a codificação é binária;
Cromossomo: Corresponde a um vetor com cadeia de bits que representa um candidato
à solução do problema;
Gene: Um elemento do vetor cromossomo;
Indivíduo: Formado pelo cromossomo e sua aptidão;
Função de Avaliação (fitness): Associa a cada indivíduo da população uma medida de
aptidão, ou seja, mede o desempenho de cada indivíduo como solução do problema.
Com o objetivo de produzir novos cromossomos cada vez melhor ao anterior, ou
seja, que apresente genética superior aos pais é necessário aplicar o que chamamos de
mutação.

8
Mutação: Geração de um novo indivíduo (filho) partindo de um único pai. O operador de
mutação modifica aleatoriamente um ou mais genes de um cromossomo. O que se quer
fazer é criar uma variabilidade extra na população, mas sem destruir o processo já obtido
com a busca.
Após a mutação é efetuado a seleção.
Seleção: Escolha probabilística de cromossomos de uma população no qual o indivíduo
com maior aptidão é selecionado através da função de avaliação (fitness).
A estrutura é então baseada em: Uma população de soluções, uma função de
desempenho, operadores genéticos (mutação) e processo de seleção.
A Figura 1 ilustra a representação um algoritmo genético clássico.

Figura 1: Representação AG clássico.

2.3 CONFIABILIDADE DA RESERVA GIRANTE - PJM


Para determinar o risco de haver corte de carga (probabilidade de haver insuficiência
de geração), o método PJM será empregado visto que este modelo para o curto prazo se
mostrou mais adequado.
O primeiro passo para empregar o método PJM é estabelecer o nível de risco
desejado de forma manter esse risco durante o maior período possível, desta forma o índice
de risco é a probabilidade da capacidade de geração sincronizada não satisfazer a
demanda, durante o período 𝑇, durante esse intervalo de tempo, o déficit de geração

9
sincronizada não pode ser reposto pela entrada de uma nova unidade, nem pelo reparo da
unidade que tenha falhado.
Supondo que:
1) As unidades sejam representadas por dois estados (disponíveis e indisponíveis);
2) As falhas das unidades e o tempo de reparo são regidas por uma distribuição
exponencial;
3) Em 𝑡 = 0 o gerador está disponível;
4) Não é admitido o reparo da unidade durante o período 𝑇.
A probabilidade de encontrar o gerador indisponível durante o período 𝑇 é

𝜆 𝜆 ( )
𝑃 í (𝑇) ≈ − 𝑒 (9)
𝜆+𝜇 𝜆+𝜇

Onde:

𝜆 taxa de falha, razão entre o número de vezes que o gerador falha e o


tempo total em que este permaneceu em operação ;
𝜇 taxa de reparo, razão entre o número de reparos executados no
gerador e o tempo total que ele permaneceu em reparo.

Pela suposição (4) a equação anterior pode ser simplificada, pois 𝜇 pode ser
assumido como zero, conforme é mostrado na equação (10).

𝑃 í (𝑇) ≈ 𝑃 𝑡 í ≤𝑇 = 1−𝑒 (10)

Se o termo 𝜆𝑇 ≪ 1, o que corresponde 𝑇 ser considerado pequeno (curto – prazo),


a probabilidade de falha pode ser reescrita como:

𝑃 í (𝑇) ≈ 𝜆𝑇 = 𝑂𝑅𝑅 (11)

O produto 𝜆𝑇 é conhecido como taxa de reposição (𝑂𝑅𝑅 – Outage Replacement


Rate). A 𝑂𝑅𝑅 representa uma característica do gerador que depende do tempo. Para
determinar a avaliação da reserva operativa – girante é criada uma tabela de probabilidade
das capacidades indisponíveis (COPT) com base nos valores de 𝑂𝑅𝑅 das unidades.

10
2.4 REPRESENTAÇÃO DA SOLUÇÃO
A fim de resolver o problema de otimização apresentando subseção 2.1, utilizando a
meta-heurística AG’s, os indivíduos (soluções) foram estruturados da forma como se
apresenta na Figura 2. Nessa estrutura cada indivíduo é representado por uma matriz de
variáveis em que as linhas representam as variáveis de decisão do problema e variáveis
auxiliares (e.g., valor da função objetivo, etc) e as colunas representam os intervalos.
𝑄, 𝑄, ⋯ 𝑄,
𝑄, 𝑄, ⋯ 𝑄,
⋮ ⋮ ⋱ ⋮
𝑄 , 𝑄 , ⋯ 𝑄 ,
𝑃𝐻 , 𝑃𝐻 , ⋯ 𝑃𝐻 ,
𝑃𝐻 , 𝑃𝐻 , ⋯ 𝑃𝐻 ,
⋮ ⋮ ⋱ ⋮
𝑃𝐻 , 𝑃𝐻 , ⋯ 𝑃𝐻 ,
𝑉𝐴 , 𝑉𝐴 , ⋯ 𝑉𝐴 ,
𝑉𝐴 , 𝑉𝐴 , ⋯ 𝑉𝐴 ,
⋮ ⋮ ⋱ ⋮
𝑉𝐴 , 𝑉𝐴 , ⋯ 𝑉𝐴 ,
𝑃𝑇 , 𝑃𝑇 , ⋯ 𝑃𝑇 ,
𝑃𝑇 , 𝑃𝑇 , ⋯ 𝑃𝑇 ,
⋮ ⋮ ⋱ ⋮
𝑃𝑇 , 𝑃𝑇 , ⋯ 𝑃𝑇 ,
𝐿𝑂𝐿𝑃 𝐿𝑂𝐿𝑃 ⋯ 𝐿𝑂𝐿𝑃
𝐹𝑂 𝐹𝑂 ⋯ 𝐹𝑂
Figura 2: Representação das soluções (indivíduos).
3. APLICAÇÃO
3.1 DESCRIÇÃO DO SISTEMA
A metodologia desenvolvida foi submetida a teste utilizando um sistema hipotético.
Os dados determinísticos e estocásticos do sistema são apresentados nas Tabelas 1 a 7.
O subsistema termelétrico é composto por seis usinas que totalizam uma capacidade
instalada de 1315 MW. O subsistema hidrelétrico é composto por quatro usinas que
totalizam 400 MW de potência instalada. Sendo assim a capacidade total instalada do
sistema é de 1715 MW. O pico de carga do sistema atinge 1150 MW. Em termos de
capacidade estática, o sistema apresenta uma reserva de 565 MW.

11
Tabela 1: Dados determinísticos das usinas termelétricas.
Coeficientes da função de custo Potência (MW) Tempos (horas)
Usina
𝛾 𝛽 𝛼 Max. Min. Parada Partida
UT1 0,00043 21,60 958,20 470 150 4 4
UT2 0,00063 21,05 1313,60 460 135 4 4
UT3 0,00211 16,51 502,70 130 20 1 1
UT4 0,00480 23,23 639,40 120 47 1 1
UT5 0,10908 19,58 455,60 80 20 1 1
UT6 0,00951 22,54 692,40 55 14 1 1

Tabela 2: Dados determinísticos das usinas hidrelétricas.


Coeficientes Potência (MW) Vazão (dam3/h)
Usina
a b Min Max Min. Max
UH1 0,100 5,00 0 100 50,00 1050,0
UH2 0,105 7,37 0 100 70,19 1022,6
UH3 0,182 7,27 0 100 39,95 591,9
UH4 0,071 6,43 0 100 90,56 1499,0

Tabela 3: Dados dos reservatórios.


Usina Vol. Inicial (dam3) Vol. Máximo (dam3) Vol. Mínimo (dam3)
UH1 66000 132000 33000
UH2 65560 131130 32782
UH3 37760 75520 18880
UH4 95370 190750 47687

Tabela 4: Vazão afluente.


Usina Período – Vazão (dam3/h)
1 2 3 4 5 6 7 8 9 10 11 12
UH1 1000 900 800 700 600 700 800 900 1000 1100 1200 1000
UH2 800 800 900 900 800 700 600 700 800 900 900 800

12
UH3 810 820 400 200 300 400 300 300 100 100 100 200
UH4 280 240 160 0 0 0 0 0 0 0 0 0
Usina Período – Vazão (dam3/h)
13 14 15 16 17 18 19 20 21 22 23 24
UH1 1100 1200 1100 1000 900 800 700 600 700 800 900 1000
UH2 800 900 900 800 700 600 700 800 900 900 800 800
UH3 400 300 300 200 200 200 100 100 200 200 100 0
UH4 0 0 0 0 0 0 0 0 0 0 0 0

Tabela 5: Curva de Carga.


Período Carga Período Carga(MW) Período Carga Período Carga
(MW) (MW) (MW)
1 750 7 950 13 1110 19 1070
2 780 8 1010 14 1030 20 1050
3 700 9 1090 15 1010 21 910
4 650 10 1080 16 1060 22 860
5 670 11 1100 17 1050 23 850
6 800 12 1150 18 1120 24 800

Tabela 6. Curva de produção do parque eólico.


Período Prod. Período Prod. Período Prod. Período Prod.
(pu) (pu) (pu) (pu)
1 0,09 7 0,03 13 0,09 19 0,68
2 0,04 8 0,04 14 0,10 20 0,69
3 0,0 9 0,04 15 0,11 21 0,54
4 0,0 10 0,05 16 0,12 22 0,47
5 0,01 11 0,07 17 0,31 23 0,34
6 0,04 12 0,08 18 0,51 24 0,30

13
Tabela 7: Dados estocásticos das usinas termelétricas.
Usina Taxa de Falha (oc./ano) ORR (1 hora)
UT1 7,96364 0,00091
UT2 7,61739 0,00087
UT3 9,22105 0,00105
UT4 9,12500 0,00104
UT5 4,46939 0,00083
UT6 19,4667 0,00051

Considerou-se que as quatro usinas hidrelétricas apresentam a mesma taxa de falha


de 4,42424 oc./ano, o que resulta numa ORR de 0,00051, para um período de uma hora.

Em todos os casos analisados os parâmetros do AG mostrados na Tabela 8 foram


utilizados.

Tabela 8: Parâmetros utilizados no algoritmo genético.


Parâmetro Valor
Tamanho da população 40
Taxa de mutação 1%
Passo para mutação real 20%
Critério de parada Repetição da melhor solução por 100 vezes

Primeiramente, analisou-se a necessidade de reserva para o sistema sem considerar


a presença de geração eólica. A ideia foi verificar o nível de confiabilidade do sistema e os
requisitos de reserva girante necessários. Esse caso foi denominado de Caso Base.

Para essa situação o custo de operação total foi de $ 351.617,00. A Figura 3 ilustra
o comportamento do risco de perda de carga (LOLP) obtido para o sistema sem a presença
de geração eólica. Nota-se nessa figura que mesmo no período mais estressante, quando
ocorre o pico da carga, o risco de haver déficit de geração é de 0,0018. Com base nesses
valores será adota como aceitável para o sistema um risco de 0,003, o qual deverá ser
mantido ao longo do período de operação, quando da inserção de geração eólica.

14
Os montantes de reserva girante ao longo do período de operação são mostrados
na Figura 4. A reserva girante média, ao longo do período de operação considerado foi de
380 MW.

Figura 3: Risco de perda de carga – Caso Base.

Com o intuito de verificar a influência da penetração de energia eólica nos níveis de


reserva de um sistema de geração hidrotérmico, no Caso 1, apresentado a seguir, a usina
termelétrica UT6 é substituída por um parque de geração eólica com capacidade instalada
de 225 MW. Como os parques eólicos são constituídos dezenas, ou até mesmo, centenas
de unidades eólicas de menor capacidade (e.g. 2 MW), assume-se de o parque eólico é
100% confiável, visto que o déficit de geração por falhas das unidades é muito pouco
provável. Para o Caso 1, o custo total de operação foi de $ 361.596,00.

Figura 4: Montantes de reserva girante – Caso Base.

15
A Figura 5 apresenta o risco de perda de carga para o Caso 1. Observa-se que a
uma maior variação do risco de perda de carga ao longo do dia, em comparação com o
Caso Base. É também importante observar, que entre 19 e 20 horas quando há uma maior
disponibilidade de ventos, o risco de perda de carga é bem pequeno.

Figura 5: Risco de perda de carga – Caso 1.

A Figura 6 apresenta os níveis de reserva necessários para garantir o funcionamento


do sistema dentro das condições desejadas, com o menor custo de operação. Observe
agora, que coma instalação das eólicas, nos períodos de pouco vento há um requisito maior
de reserva girante para assegurar o nível de risco de perda de carga. Com a instalação do
parque eólico de 225 MW substituindo a usina termelétrica UT6, o nível médio de reserva
girante foi para 489,82 MW.

Figura 6: Montantes de reserva girante – Caso 1.

16
No Caso 2, as usinas termelétricas UT5 e UT6 foram substituídas por um parque
eólico com capacidade instalada de 525 MW. Nessa condição, o custo total de operação
foi de $371.626,00.

A Figura 6 a apresenta o risco de perda de carga para o Caso 2. Novamente,


observa-se que no período de maior disponibilidade vento, o sistema operar com maior
nível de confiabilidade (menor risco de perda de carga).

Figura 7: Risco de perda de carga – Caso 2.

Por fim, a Figura 8 apresenta os montantes de reserva girante para o Caso 2.


Observa-se que para garantir o nível de confiabilidade desejado, quando o parque eólico
de 525 MW foi instalado, foi necessário manter um nível de reserva girante ainda maior. O
montante médio de reserva girante foi de 456,14 WM.

Os resultados demonstram que à medida que se aumenta a penetração de energia


eólica, aumentam-se os requisitos de reserva girante para garantir um nível satisfatório de
confiabilidade. Embora, a substituição das termelétricas por parques de geração eólica,
represente, num primeiro momento uma economia nos custos de produção, visto que o
custo da energia eólica foi considerado nulo, verifica-se na realidade em um aumento no
custo de produção. Isso ocorre porque para garantir o nível desejado de confiabilidade as
termelétricas são mantidas ligadas por mais tempo.

17
4. CONCLUSÃO
O presente projeto de iniciação científica apresentou uma metodologia para a definição dos
níveis de reserva girante em sistemas hidrotérmicos considerando a presença de energia
eólica. Foi desenvolvido um modelo de coordenação hidrotérmico em que o risco de haver
corte de carga por falha na geração é considerado como uma restrição. Para solucionar o
modelo proposto foi empregada a meta-heurística Algoritmo Genético.

O modelo desenvolvido foi submetido a testes utilizando um sistema hidrotérmico


hipotético. Os resultados obtidos demonstraram que, de fato, a penetração de energia
eólica num sistema hidrotérmico representa um aumento na complexidade da operação do
sistema. Por um lado, considerando-se o que o custo da geração eólica é menor que da
geração termelétrica, a substituição de usinas por termelétricas por parques de geração
eólica representa uma economia no custo de produção. Entretanto, dada à volatilidade da
geração eólica é preciso que as termelétricas restantes do sistema fiquem mais tempo
ligadas para manter o nível de confiabilidade do sistema.

5. AGRADECIMENTOS
Primeiramente, agradeço a Deus, por me iluminar e conceder força para superar os
desafios. Agradeço também aos meus pais Valdivino Barbosa e Neuza Silveira, que
sempre me apoiaram em todos os momentos da graduação. Agradeço meu orientador
Professor Warlley de Souza Sales pela paciência e suporte oferecido durante todo o
projeto e ao longo da minha graduação.

Á FAPEMIG pelo apoio financeiro.

REFERÊNCIAS

[1]
W. S. Sales, “Planejamento da Reserva Operativa de Sistemas de Geração com
Elevada Penetração de Energia Eólica,” Tese de Doutorado, UNIFEI-MG, Dezembro
2009.
[2]
R. A. R. Billinton, “Reliability Evaluation of Power Systems,” New York, 1996.

18
[3]
M. A. Ortega-Vazquez e D. S. Kirschen, “Estimating the Spinning Reserve
Requirements in System With Significant Wind Power Generation Penetration,” IEEE
Transactions on Power Systems, vol. 24, pp. 114-124, Feb 2009.
[4]
A. M. Leite da Silva, W. S. Sales, L. A. F. Manso e R. Billinton, “Long-Term Probabilistic
Evaluation of Operating Reserve with Renewable Sources,” IEEE Transactions on
Power Systems, vol. 25, n. 1, pp. 106-116, February 2010.
[5]
G. Liu e K. Tomsovic, “Quantifying Spinning Reserve in Systems with Significant Wind
Power Penetration,” IEEE Transactions on Power Systems, vol. 27, n. 4, pp. 2385-
2393, November 2012.
[6]
S. A. Flávio, “Avaliação da Confiabilidade Composta de Sistemas Elétricos de
Potência com Elevada Penetração de Energia Renovável,” Dissertação de Mestrado,
UNIFEI-MG, Fevereiro 2011.
[7]
L. Anstine, R. Burke, J. Casey, R. Holgate, R. Joh e H. Stewart, “Application of
Probability Methods to the Determination of Spinning Reserve Requirements for the
Pennsylvania – New Jersey – Maryland Interconnection,” IEEE Trans. PAS – 82, pp.
726-735, 1963.
[8]
N. C. R. Billinton, “Operating Reserve Assessment in Interconnected Generating
Systems,” IEEE Trans. on Power Systems, vol. 3, pp. 1479-1487, November 1988.
[9]
M. khan e R. Billinton, ““Composite System Spinning Reserve Assessment in
Interconnected Systems,” IEE Proc. Gener. Transm. Distrib , vol. 142, n. 3, pp. 305-
309, May 1995.
[10]
H. Gooi, D. Mendes, K. Bell e D. Kirschen, “Optimal Scheduling of Spinning Reserve,”
IEEE Trans. on Power Systems, vol. 14, n. 4, pp. 1485-1492, November 1999.

19
[11]
A. L. d. Silva e G. Alvarez, “Operating Reserve Capacity Requirements and Pricing in
Deregulated Markets Using Probabilistic Techniques,” IET Gener. Transm. Distrib, vol.
1, n. 3, pp. 439-446, May 2007.
[12]
A. Q. Cui, B. X. Wang, C. C. Liu e D. F. Hou, “Decision Model of Critical Peak Pricing
Coordinating Wind Power Generation, Taormina, Italy, 2015, pp. 775-779.
[13]
T. R. Alencar, J. Gramulia, R. F. Otobe e P. T. L. Asano, “Decision Support System
Based on Genetic Algorithms for Optimizing the Operation Planning of Hydrothermal
Power Systems,” 5th International Youth Conference on Energy (IYCE), pp. 1-6, 27-
30 May 2015.
[14]
A. Wood e Wollenberg, Power Generation, Operation and Control, New York: Jonh
Willey & Sons, 1996.
[15]
D. E. Goldberg, Genetic algorithms in search,optimization, and machine learning, A
ddison-Wesley, 1989.
[16]
Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, 3.ed.
Springer- Verlag, 1994.
[17]
M. Mitchell, An Introduction to Genetic Algorithms, The MIT Press, 1998.
[18]
T. Bäck, D. Fogel e Z. Michalewicz, Handbook o f Evolutionary Computation, Bristol,
New York: Institute of Physics Publishing and Oxford University Press.
[19]
D. L. Whitley, A genetic algorithm tutorial, Colorado: Colorado State University, 1992.
[20]
M. B. d. Carvalho, “Aplicações de Meta-heurística Genética e Fuzzy no Sistema de
Colônia de Formigas para o Problema do Caixeiro Viajante,” Dissertação de Mestrado,
UNICAMP - SP, Faculdade de Engenharia Elétrica e de Computação, Julho 2007.

20

Você também pode gostar