Escolar Documentos
Profissional Documentos
Cultura Documentos
Abstract—This paper presents a new method for distribution para aumentar a eficiência da reconfiguração. Esses métodos,
network reconfiguration that uses the features of the Open de acordo com [4], são agrupados em métodos baseados em
Source Distribution System Simulator (OpenDSS) and improved conhecimentos (heurística [5], lógica Fuzzy [6], etc.) e méto-
binary particle swarm optimization (IBPSO), a new activation
dos baseados em modelos físicos ou biológicos (algoritmos
function is introduced into binary particle swarm optimization
(BPSO) to propose the IBPSO. The proposed algorithm was genéticos [7], enxame de partículas [8]–[10], colônia de for-
developed in C# language allowing the integration between migas [11], etc.).
OpenDSS and the IBPSO. Numerical result using 33- Nesse artigo, utilizou-se uma técnica de reconfiguração ba-
Bus system and the 69-Bus system were used to compare seada em uma nova versão do método otimização por enxame
the results of the proposed method with other modern de partículas binário, do inglês Binary Particle Swarm Opti-
techniques reported in the technical literature. mization (BPSO) [12]–[15], com o objetivo de reduzir as
perdas do sistema. Para isso, foi desenvolvido um modo de
Keywords— Distribution network, improved binary particle solução na linguagem C#, que utiliza os recursos de fluxo de
swarm optimization, OpenDSS, reconfiguration. carga e cálculo de perdas do software OpenDSS via interface
Component Object Model (COM), ao mesmo tempo em que
I. INTRODUÇÃO
implementa o método proposto.
Linhas de comando
DLL escrita
III. FORMULAÇÃO DO PROBLEMA
pelo usuário
A. Função Objetivo
Interface Simulador Principal
COM Normalmente os problemas de reconfiguração têm como
função objetivo alguns critérios como a redução de perdas de
potência ativa, o balanceamento de carga, melhoria dos níveis
Linhas de comando, de tensão e melhoria da confiabilidade do sistema. Nesse
relatórios
artigo, será considerada como função objetivo a redução de
perdas de potência ativa, definida pela seguinte expressão:
Figura 1. Estrutura do software OpenDSS. N
possibilidade de realizar simulações sequenciais no tempo. Onde N é o número total de ramos; rkm é a resistência do ramo
Desse modo, é possível analisar como os sistemas se compor-
km; ikm é a corrente que passa pelo ramo km.
tam durante um intervalo de tempo definido. Os principais
modos de solução presentes no OpenDSS são: fluxo de potên- B. Restrições do problema de Reconfiguração
cia no qual subdivide em modo instantâneo, diário, anual, Para o problema de reconfiguração, foram consideradas as
Monte Carlo e Dutycycle; análise harmônica; análise dinâmi- seguintes restrições:
ca; estudos de curto-circuito e análise de corrente induzida
geomagneticamente [19]. 1. Limites operacionais de tensão nas barras:
O OpenDSS apresenta dois algoritmos apropriados para o Emin Ek Emax (2)
cálculo do fluxo de potência em sistemas de distribuição: o
método da injeção de correntes (CIM) e o método de Newton. Onde Ek é a tensão na barra k e Emin e Emax são os limites
O método da injeção de correntes se baseia na utilização da mínimos e máximos de tensão permitidos na barra, em módu-
técnica de decomposição da matriz de admitâncias nodais. O lo. Usualmente, esses valores pertencem à faixa de ± 5% do
valor de tensão nominal.
método de Newton é uma variação do método CIM, onde as
matrizes são atualizadas a cada iteração [20]. Sua aplicação é
2. Limitação de corrente no ramo:
feita em sistemas mais complexos e de difícil resolução.
No OpenDSS é possível definir os níveis de corrente máxi- soluções combinatórias, a exemplo o problema de reconfigu-
ma suportada pela linha. Logo, ração de redes de distribuição apresentado nesse artigo. Dessa
ikm ikm max (3) forma, Kennedy e Eberhart [15] adaptaram o algoritmo do
PSO para operar com variáveis binárias no domínio discreto.
Onde ikm é a corrente do ramo km e é o módulo da
Nessa versão, a posição de cada partícula é forçada a assumir
máxima corrente permitida no ramo km.
o valor 0 (zero) ou 1 (um) em cada dimensão, onde sua res-
3. Topologia da Rede: pectiva velocidade representa um valor uniformemente distri-
A configuração encontrada deve garantir radialidade da rede buído no intervalo [0-1]. A atualização da posição de cada
de distribuição, bem como o atendimento de todas as cargas. partícula é feita a partir das Equações (11) e (12).
1
sigmoide(vid k 1 ) k 1 (11)
IV. OTIMIZAÇÃO POR EXAME DE PARTÍCULAS - PSO 1 evid
O método de otimização por enxame de partículas (Particle
Swarm Optimization - PSO), originalmente desenvolvido por 1, se rand sigmoide(vid k 1 )
Kennedy e Eberhart em 1995 [12], é um algoritmo de otimiza- xid k 1 (12)
ção evolutiva que modela o comportamento social de grupos 0, caso o contrário
de pássaros ou peixes em busca de alimento.
No algoritmo PSO, cada membro é chamado de partícula, Khalil e Gorpinich [13] propuseram uma simples modifica-
que representa uma solução candidata ao problema em ques- ção ao PSO binário para pesquisar em um espaço seletivo. No
tão, e cada partícula se movimenta no espaço de busca multi- SPSO, um espaço de busca em cada d-dimensão é definido
dimensional com uma velocidade, que é constantemente atua- por:
lizada pela própria experiência da partícula e pela experiência Sd sd1, sd 2 , ..., sdn (13)
dos vizinhos da partícula. Para o espaço de busca d- Onde dn é o número das posições selecionadas na dimensão d.
dimensional, a posição, a velocidade, a melhor posição anteri-
Nesse caso, será mapeado o espaço de busca Sd de dn posi-
or para cada partícula (i-ésima partícula) e a melhor posição
ções de cada dimensão d, onde a posição de cada partícula
para todas as partículas são representadas por vetores e descri-
deixa de ser um ponto em um espaço de valor real e passa a
tas como:
ser um ponto no espaço seletivo. As Equações (11) e (12) são
X i xi1, xi 2 ,...xid (4) modificadas para:
Vi vi1, vi 2 ,...vid (5) 1
sigmoide(vid k 1 ) dn k 1 (14)
Pbesti Pbi1 , Pbi 2 ,...Pbid (6) 1 evid
Gbest Gb1, Gb2 ,...Gbd (7) sd1 , se sigmoide(vid k 1 ) 1
k 1 s , se sigmoide(vid k 1 ) 2
Na iteração k, a velocidade e a posição para a dimensão d xid d2 (15)
da i-ésima partícula são atualizadas por (8) e (9) respectiva-
k 1
mente: sdn , se sigmoide(vid ) dn
vid k 1 wvid k c1r1 (Pbid k xid k ) c2 r2 (Gbd k xid k ) (8) Onde sd1, sd2… sdn são os valores selecionados na dimensão d.
k 1 k 1 Os valores de velocidade são restritos a valores mínimos e
xid xid vid
k
(9)
máximos [Vmin, Vmax] usando a Equação (16) [22].
Onde w é o peso de inércia; c1 e c2 são as constantes de acele- Vmax , se vid k 1 Vmax
ração com valores no intervalo [0-2], sendo c1 + c2 ≤ 4; r1 e r2 vid k 1 vid k 1 , se vid k 1 Vmax (16)
são os dois valores aleatórios no intervalo [0-1]. k 1
Vmin , se vid Vmin
A função peso w é atualizada a cada iteração de acordo com
[10], [13], e calculada pela equação (10): Da mesma forma, equação (17) é usada para evitar a invari-
w wmin abilidade do valor da i-ésima velocidade da partícula em uma
w wmax max x iter (10) dimensão d nos valores máximos ou mínimos e forçar cada
itermax
partícula atravessar o espaço de busca [22].
Onde wmax é o peso inicial de valor 0,9; wmin é o peso de
rand * v k 1 , se v k 1 = v k
k 1 id id id
valor final de valor 0,5; itermax é o número máximo de itera- vid (17)
ções e iter é a iteração atual.
vid k 1 , caso o contrário
0.2 X: −4
Y: 0.11 Sigmoide C. Aplicar o algoritmo IBPSO
Proposta
0.1 X: −4
Y: 0.017 Definido o número de dimensões e o espaço de busca para
0
−10 −8 −6 −4 −2 0 2 4 6 8 10
cada dimensão, aplica-se o algoritmo IBPSO para encontrar a
Velocidade vid solução ótima para o espaço de busca de cada dimensão fa-
Figura 3. Comparativo entre as funções ativação.
zendo uso das Equações (8), (16), (17), (20) e (21) respecti-
O que se observa na Fig. 3 é que a utilização da função pro- vamente. O algoritmo proposto é mostrado na Fig. 4.
posta limita, em um intervalo de [0.11-0.88], a probabilidade
máxima de xid assumir valor 0 (zero) ou 1 (um), enquanto que
VII. SIMULAÇÃO E RESULTADOS
para a função sigmoide esse intervalo é de [0.017-0.98]. O
resultado disso é que novos vetores ainda serão testados, Utilizando o ambiente de desenvolvimento integrado Micro-
mesmo depois de cada partícula atingir sua melhor posição. soft Visual Studio, foi desenvolvido um modo de solução
Assim como Vmax e Vmin [15], o uso da nova função de ativa- próprio na linguagem C# para implementar o algoritmo da
ção no enxame de partículas discreto estabelece um limite Fig. 4 e, ao mesmo tempo, utilizar os recursos do OpenDSS
para uma maior exploração após a convergência da população, via a interface COM. O programa é mostrado na Fig. 5.
acarretando em uma maior taxa de mudança. O método proposto foi aplicado em dois sistemas bastante
Logo, as equações para atualização da posição são modifi- utilizados nos problemas de reconfiguração. O sistema teste
cadas para: 33-Bus e o sistema 69-Bus.
A. O sistema teste 33-Bus
O sistema 33-Bus de 12,66 kV, apresentado por Baran e
Wu [5], tem seu esquemático ilustrado na Figura 6. Esse sis-
tema consiste em um alimentador principal, três laterais e
cinco linhas de interligação. As chaves normalmente abertas
são as chaves s33, s34, s35, s36 e s37. Para a topologia inicial,
as perdas totais de potência ativa correspondem a 202,67 kW.
1
Figura 4. Plataforma OpenDSS C# Extension – IBPSO. s1
s2 s22 s23 s24
2 3 23 24 25
s3
s18 4
Início s4 s37
19 5
s19 s5
s25 s26 s27 s28
6 26 27 28 29
C a r r e g a m e n to d o s d a d o s d o siste m a
20 s6 s29
peso de inércia (w n ), s20 7 30
Número de partículas (N par ), s7 s30
s33
Número máximo de iterações (m ax-iter) 21 8 31
s31
32
s8 s32
Definir o espaço de busca: 33
Dimensões (d n ) s36
s34 s15 s16 s17
s21 9 15 16 17 18
s9
10 s14
Iniciar o enxame com as velocidades s10
e posições aleatórias; 14
d e fin ir o P b e st e G b e st. 11
s11 s13
s35
22 12 s12 13
Parâmetro Valor
Sim Número de Partículas (Nbirds) 30
Imprimir os resultados: Número máximo de iterações (itermax) 60
- M elhor topologia 2
- Perdas (kW) c1 e c2
- Tensão nas Barras
wmin e wmax 0.5 e 0.9
Dimensões (ND) 5
Fim
Pela Tabela III, nota-se que o método proposto apresentou VIII. CONCLUSÕES
100% de repetitividade comparado aos 89% do método SPSO Nesse trabalho foi apresentada uma metodologia de recon-
original, sempre convergindo para a solução ótima do sistema. figuração de redes de distribuição que faz dos recursos do
Embora em alguns casos o algoritmo SPSO não apresente a software OpenDSS em conjunto com método de otimização
configuração ótima do sistema, todas as configurações obtidas IBPSO. O algoritmo proposto foi implementado em um modo
apresentam uma melhoria em relação à configuração inicial do de solução na linguagem C# fazendo uso do ambiente Micro-
sistema 33-Bus. soft Visual Studio.
Como a nova função ativação ajuda a explorar melhor o es- O método IBPSO utilizado é uma modificação do método
paço de busca, a solução ótima é obtida na sexta iteração no PSO binário, podendo ser usado em diversas aplicações da
IBPSO. As demais partículas convergem na nona iteração. Por engenharia em que os espaços de busca consistam de valores
outro lado, no algoritmo SPSO, a melhor solução é obtida na específicos. Além apresentar um algoritmo simples, pode ser
vigésima oitava iteração, enquanto que as outras partículas implementado em linguagens de programação de alto nível
convergem com 39 iterações. com tempo computacional baixo.
B. O sistema teste 69-Bus O uso dos recursos do OpenDSS permite que o algoritmo
de reconfiguração seja aplicado em sistemas de distribuição
Assim como o sistema 33-Bus, o sistema 69-Bus é bas- reais e de grande porte, sem grandes esforços computacionais.
tante utilizado nos estudos de reconfiguração da rede de dis- Uma das vantagens é a utilização de um método de cálculo de
tribuição. Os dados de linha e de barra podem ser obtidos fluxo de potência dedicado para os sistemas de distribuição.
em [16]. Inicialmente, o sistema apresenta como chaves Para demonstrar a eficácia do algoritmo apresentado, foram
normalmente aberta as chaves s69, s70, s71, s72 e s73. As usados os sistemas teste 33-Bus e 69-Bus, diversamente utili-
perdas totais correspondentes a essa configuração são de zados na literatura. Os resultados dos testes confirmaram a
224,96 kW. Sua configuração é ilustrada na Fig. 7. precisão e a eficiência do método proposto.
Para a realização dos testes nesse sistema, foram utiliza- Os trabalhos futuros serão direcionados para aplicação da
das 60 partículas (Nbirds) e 100 iterações. Os demais parâ- metodologia proposta considerando o problema da seletivida-
de e coordenação da proteção como restrição do problema de [20] P. A. Garcia, J. L. R. Pereira, S. Carneiro, V. M. da Costa, N. Mar-
tins, “Three-phase power flow calculations using the current injec-
reconfiguração. Outro ponto a ser considerado será a aplicação
tion method”, IEEE Transactions on Power Systems, vol. 15, no. 2,
do método em sistemas cujas cargas apresentam variação de pp. 508–514, 2000.
comportamento. [21] R. C. Dugan, “Reference guide: The open distribution system sim-
ulator (opendss)”, Electric Power Research Institute, Inc, vol 7.6,
2016.
REFERÊNCIAS [22] M. F. Ta¸sgetiren, Y.-C. Liang, “A binary particle swarm optimi-
zation algorithm for lot sizing problem”, Journal of Economic and
[1] ANEEL, “Nota técnica 0104/2014-SRD - Aprimoramento dos pro- Social Research, vol. 5, no. 2, pp. 1–20, 2003.
cedimentos e da metodologia de cálculo de perdas na distribuição [23] Chandrasekaran, K., and Sishaj P. Simon. "Binary/real coded par-
regulamentada no Módulo 7 - Cálculo de Perdas na Distribuição ticle swarm optimization for unit commitment problem." Power,
do PRODIST”, 2014. Signals, Controls and Computation (EPSCICON), 2012 Interna-
[2] Molina, Yuri P., Osvaldo R. Saavedra, and Hortensia Amarís. tional Conference on. IEEE, 2012.
"Transmission network cost allocation based on circuit theory and [24] L. P. V. Prieto, Uma eficiente metodologia para reconfiguração de
the Aumann-Shapley method." IEEE Transactions on Power Sys- redes de distribuição de energia elétrica usando otimização por
tems 28.4 (2013): 4568-4577. enxame de partículas, Dissertação de Mestrado, Universidade Fe-
[3] Molina, Yuri P., Ricardo B. Prada, and Osvaldo R. Saavedra. deral do ABC, 2015.
"Complex losses allocation to generators and loads based on cir- [25] S. Nie, X.-P. Fu, P. Li, F. Gao, C.-D. Ding, H. Yu, C.-S. Wang,
cuit theory and Aumann-Shapley method." IEEE Transactions on “Analysis of the impact of DG on distribution network reconfigu-
Power Systems 25.4 (2010): 1928-1936. ration using OpenDSS”, in Innovative Smart Grid Technologies-
[4] A. P. C. de Mello, Reconfiguração de redes de distribuição consi- Asia (ISGT Asia), 2012 IEEE, pp. 1–5, IEEE, 2012.
derando multivariáveis e geração distribuída, Dissertação de Mes- [26] T. M. Khalil, A. V. Gorpinich, “Reconfiguration for Loss Reduc-
trado, Universidade Federal de Santa Maria, 2014. tion of Distribution Systems Using Selective Particle Swarm Op-
[5] M. E. Baran, F. F. Wu, “Network reconfiguration in distribution timization”, International Journal of Multidisciplinary Sciences
systems for loss reduction and load balancing”, IEEE Transactions and Engineering (IJMSE), vol. 3, no. 6, 2012.
on Power delivery, vol. 4, no. 2, pp. 1401–1407, 1989.
[6] T. Niknam, E. Azadfarsani, M. Jabbari, “A new hybrid evolution-
ary algorithm based on new Fuzzy adaptive PSO and NM algo- Raoni Pegado possui graduação em Engenharia Elétrica
rithms for distribution feeder reconfiguration”, Energy Conversion (2016) na Universidade Federal de Campina Grande. Atu-
and Management, vol. 54, no. 1, pp. 7–16, 2012. almente é aluno de mestrado do Programa de Pós-
[7] H. D. de Macêdo Braz, B. A. de Souza, “Distribution network re- Graduação em Engenharia Elétrica da Universidade Federal
configuration using genetic algorithms with sequential encoding: da Paraíba. Seus temas de interesse são configuração ótima
Subtractive and additive approaches”, IEEE Transactions on Pow- de redes de distribuição usando inteligência computacional e
er Systems, vol. 26, no. 2, pp. 582–593, 2011. eletrônica de potência aplicada a sistemas elétricos
[8] E. Azad-Farsani, M. Zare, R. Azizipanah-Abarghooee, H. Aska-
rian-Abyaneh, “A new hybrid CPSO-TLBO optimization algo- Yuri P. M. Rodriguez possui graduação em Engenharia
rithm for distribution network reconfiguration”, Journal of Intelli- Elétrica (2003) pela Universidade Nacional de Engenharia,
gent & Fuzzy Systems, vol. 26, no. 5, pp. 2175–2184, 2014. Lima, Peru. M.Sc. em Sistemas de Potência (2005), na
[9] S. R. Tuladhar, J. G. Singh, W. Ongsakul, “Multiobjective ap- Universidade Federal do Maranhão. Doutorado em Enge-
proach for distribution network reconfiguration with optimal DG nharia Elétrica (2009) pela Universidade Católica do Rio de
power fator using NSPSO”, IET Generation, Transmission & Dis- Janeiro, Brasil. Atualmente é Professor Adjunto do Depar-
tribution, vol. 10, no. 12, pp. 2842–2851, 2016. tamento de Engenharia Elétrica da Universidade Federal da
[10] F. M. Flaih, X. Lin, M. K. Abd, S. M. Dawoud, Z. Li, O. S. Adio, Paraíba, Centro de Energias Alternativas e Renováveis. Seus
“A New Method for Distribution Network Reconfiguration Analy- interesses abrangem operação de sistemas de potência em ambiente competi-
sis under Different Load Demands”, Energies, vol. 10, no. 4, p. tivo e energias renováveis.
455, 2017.
[11] F. S. Pereira, Reconfiguração ótima de sistemas de distribuição de
energia elétrica baseado no comportamento de colônias de formi-
gas, Tese de Doutorado, Universidade de São Paulo, 2010.
[12] J. Kennedy and R. Eberhart, “Particle swarm optimization,” in ,
IEEE International Conference on Neural Networks, 1995. Pro-
ceedings, 1995, vol. 4, pp. 1942–1948 vol.4.
[13] T. M. Khalil, A. V. Gorpinich, “Selective particle swarm optimiza-
tion”, International Journal of Multidisciplinary Sciences and En-
gineering (IJMSE), vol. 3, no. 4, 2012.
[14] de Souza, Jeane Silva, et al. “Modified Particle Swarm Optimiza-
tion Algorithm for Sizing Photovoltaic System.” IEEE Latin Amer-
ica Transactions 15.2 (2017): 283-289.
[15] J. Kennedy, R. C. Eberhart, “A discrete binary version of the parti-
cle swarm algorithm”, in Systems, Man, and Cybernetics, 1997.
Computational Cybernetics and Simulation., 1997 IEEE Interna-
tional Conference on, vol. 5, pp. 4104–4108, IEEE, 1997.
[16] Savier, J. S., and Debapriya Das. "Impact of network reconfigura-
tion on loss allocation of radial distribution systems." IEEE Tran-
sactions on Power Delivery v 22.n 4 pp. 2473-2480, 2007.
[17] P. R. R. de Freitas, Modelos avançados de análise de redes elétri-
cas inteligentes utilizando o software OpenDSS, Trabalho de con-
clusão de curso, Universidade de São Paulo USP, 2015.
[18] F. F. de Carvalho, Estudo do Simulador OpenDSS, Trabalho de
conclusão de curso, Universidade Federal do Paraná, 2014.
[19] J. Sexauer, “New User Primer:The Open Distribution System Sim-
ulator (OpenDSS)”, Electric Power Research Institute, Inc, vol.
7.6, 2012.
Distribution Network Reconfiguration with the OpenDSS Reviewer No. 2.
using Improved Binary Particle Swarm Optimization
sented a methodology of reconfiguration of distribution net- Deixar claro na introdução qual a inovação proposta por este
works that makes OpenDSS software resources in conjunction trabalho, diferenciando-o do estado da arte na área.
oped in C# language to integrate OpenDSS and IBPSO. From Foi incluído um paragrafo no artigo em que as contribui-
the scientific point of view, there is little contribution of this ções e inovações do artigo são ressaltadas.
article.
Comentário 3
Atendendo ao pedido dos revisores, as principais contri- novo na literatura [1]. Isto deve ser destacado no trabalho ao
buições do artigo são: invés de ser clamado como uma inovação proposta.
juntamente com a otimização por enxame de par- A referência foi acrescentada ao texto. Entretanto, a fun-
tículas binário melhorado, através da linguagem ção tanh proposta por [1] recebe apenas os valores absolu-
de programação C#, aumentando a eficiência na tos de vid, com o objetivo de obter valores entre 0-1, ob-
b) Promove uma melhor exploração do espaço de que foi proposta neste trabalho, conforme pode ser obser-
busca fazendo com que as melhores soluções se- vado na figura abaixo. Para o problema proposto neste
jam encontradas mais rapidamente, esta melhora trabalho, os valores negativos de vid são considerados e a
é devido a mudança da função sigmoide pela fun- melhora obtida nos resultados é basicamente pelo compor-
Comentário 10
Comentário 4 Sugiro, além da repetitividade na tabela 3, mostrar em média
Para aplicação desta proposta na prática sugiro considerar o qual foi o número da iteração que obteve a melhor solução
problema da seletividade e coordenação da proteção como para os algoritmos SPSO e IBPSO.
restrição do problema de reconfiguração. É pouco provável Resposta:
que uma distribuidora opte por reduzir um pouco as perdas no Foi introduzido o seguinte parágrafo no artigo:
sistema em detrimento dos indicadores de continuidade. Além “Como a nova função ativação ajuda a explorar melhor o
disso, a reconfiguração para redução de perdas é um problema espaço de busca, a solução ótima é obtida na sexta iteração
que precisa ser resolvido a cada patamar de carga, isto poderia no IBPSO. As demais partículas convergem na nona itera-
ser mencionado e discutido no artigo. ção. Por outro lado, no algoritmo SPSO, a melhor solução
Resposta: é obtida na vigésima oitava iteração, enquanto que as ou-
Os trabalhos futuros serão direcionados para os pontos tras partículas convergem com 39 iterações.”
citados acima.
Referências:
Comentário 5 [1] Chandrasekaran, K., Simon, S. P. "Binary/real coded parti-
Expressão "laço" usada na seção V.A e outras poderia ser cle swarm optimization for unit commitment problem" 2012
melhor expressada como "malha". International Conference on Power, Signals, Controls and
Resposta: Computation, pp. 1-6, 2012.
Atendido.
Reviewer No. 3
Comentário 9 Comentário 1
Na seção de resultados: tanto para o exemplo de 33 barras The authors should demonstrate clearly their contribution with
quanto de 69 barras poderia ser anunciado qual a solução respect to others proposals in the literature before the paper
ótima, bem como a redução das perdas para a solução ótima. could be published. Please include a new review of the litera-
Resposta: ture with more recent papers and compare your proposal with
others in the literature at least using hardware-in-the-loop
experiments.
Resposta:
Atendendo ao pedido dos revisores, as principais contri-
buições do trabalho foram incluídas no artigo.
Quanto à simulação em hardware-in-the-loop, não será
possível a realização, pois a Universidade não dispõe do
RTDS. Todavia, além do algoritmo apresentar um curto
tempo de simulação, as simulações em tempo real seriam
realizadas para apenas três patamares de carga, que é o
que geralmente se utiliza nas simulações dos sistemas de
distribuição. Dessa forma, os resultados seriam idênticos
as simulações realizadas no programa desenvolvido neste
trabalho.