1 2

Estudos Especiais I 1.1 Conceitos Gerais da Análise de Confiabilidade

Alguns conceitos importantes para a análise da Tabela 2.- Valores das taxas de falhas dos equipamentos nos
confiabilidade de sistemas de potência são apresentados a sistemas de distribuição aéreos.

Planejamento de Tarefas de Manutenções

Centradas em Confiabilidade para Redes de
Distribuição de Energia Elétrica
Antonio Misari
Resumo — Neste trabalho é abordado um estudo de
confiabilidade em redes de distribuição de energia elétrica,
com o objetivo de desenvolver uma ferramenta
computacional para a gestão eficiente de tarefas de
manutenções de redes elétricas de distribuição. O
problema é tratado como um modelo de otimização multi-
objetivo não linear dinâmico misto. No modelo proposto,
busca-se minimizar os custos com a realização de tarefas
de manutenção em equipamentos e/ou componentes dos
sistemas de distribuição e maximizar a confiabilidade dos
mesmos, sob as restrições dos índices individuais de
continuidade e frequência, do fornecimento de energia
elétrica (o DIC e o FIC), da disponibilidade de recursos
financeiros e recursos humanos. A solução deste modelo é
realizada através de uma meta-heurística adaptativa
multi-objetivo ANSGA-II, tendo como solução um
conjunto de pontos não dominado muito próximo à
fronteira ótima de Pareto. Cada ponto desta fronteira é
um plano de manutenções, a qual auxilia nas tomadas de
decisões das empresas distribuidoras e equipes de
manutenção.
Palavras chaves – ANSGA-II; Meta-heurística;
Multiobjetivo; Confiabilidade; Manutenção; Distribuição
de energia elétrica; Proteção.
1 INTRODUÇÃO
O s sistemas de distribuição de energia elétrica são
constituídos por um número muito grande de
componentes/equipamentos, que são suscetíveis à ocorrência
de inúmeras falhas, seja pela deterioração natural dos
equipamentos no tempo, seja por falhas no seu funcionamento
ou devido às intempéries. Além disso, os sistemas de potência
estão expostos às ações imprevisíveis da natureza, como queda
de raios, tempestades, terremotos, furacões, enchentes [14].
Um estudo detalhado dos tipos de falhas nos alimentadores
urbanos de distribuição pode-se encontrar em [11], onde são
estudados e classificados 95 alimentadores urbanos de acordo
a sua origem, as quais são apresentadas na Tabela 1. Na
Tabela 1 pode-se observar que 80% de falhas são causadas por
fatores externos, devido aos fenômenos naturais ou acidentes
causados por animais e seres humanos e somente uma pequena
parte das falhas, (17%), é por causa dos equipamentos e o
restante, 13%, são causados pelas perdas de fornecimento das
subestações.
Tabela 1.- Falhas nos sistemas de distribuição.
Tipos de falhas Contribuição
Falhas nos equipamentos 17%
Falhas externas 80%
Falhas no fornecimento 13%
Embora muitas medidas preventivas possam ser adotadas
para atenuarem os impactos das ações da natureza e/ou do
envelhecimento dos componentes dos sistemas sobre a
continuidade do serviço de fornecimento de energia elétrica, o
custo global dessas medidas elevariam os preços deste serviço
para valores inviáveis de serem praticados e, mesmo assim,
não garantiriam um fornecimento absolutamente ininterrupto.
Por outro lado, a demanda por serviços de qualidade (com
baixos índices de interrupção) e a fiscalização em relação aos
limites dos indicadores de continuidade por parte das agências
reguladoras, pressionam as empresas de distribuição de
energia elétrica a investirem em programas de manutenções
preventivas para assegurar a confiabilidade dos seus sistemas.
Portanto, essas empresas precisam buscar alternativas viáveis
técnica e economicamente para melhorarem a confiabilidade
de seus sistemas, garantindo assim bons índices de
continuidade de fornecimento, sem elevarem os custos de
produção a valores impraticáveis, ou, preferencialmente,
minimizando-os. Nesse sentido, a programação de
manutenções centrada em confiabilidade se apresenta como
uma técnica promissora para a elaboração de uma ferramenta
de otimização capaz de planejar as manutenções preventivas
em componentes e equipamentos de sistema de distribuição de
energia elétrica (SDEE), que atenda satisfatoriamente os dois
objetivos conflitantes.
seguir [11].
- Estado de um sistema/componente: define a condição
operativa do sistema ou componente. Por exemplo, a grande
maioria dos componentes é representada pelo modelo a dois
estados de Markov (estado operativo e falho).
- Taxa de transição: A taxa de transição é dada pela relação
entre o número de vezes que uma transição ocorre num dado
estado e o tempo gasto naquele estado. Para a modelagem do
sistema, basicamente, são necessários dois tipos de taxas: taxa
de falha (λ) e taxa de reparo (μ), cujos significados são dados
por (1) e (2):
# falhas deum componente

Período de analise
# reparos deum componente
 (2)
Período de analise
- MTTF (mean time to failure) - tempo médio de falha:
definido como o tempo médio dos tempos de funcionamento:
1 em estágios diferentes de deterioração, dependendo de sua
MTTF  m  (3)

- MTTR (mean time to repair) – tempo médio de reparo:
valor médio dos tempos de reparo:
1
MTTR  r  (4)
 atualizadas de acordo com (8), em que a taxa típica do
- MTBF (mean time between failure) – tempo médio entre
falhas: tempo médio de funcionamento de um componente
reparável entre duas falhas consecutivas, sendo f a frequência
e T o período:
1 no sistema de distribuição em uma dada janela de tempo.
MTBF  m  r  T 
(5)
f
- Disponibilidade - P: é a probabilidade de um componente
permanecer no estado de operação normal:
m 
P  (6)
mr  
- Indisponibilidade - ̅ : é a probabilidade de um componente
permanecer no estado falho:
r 
P  (7)
mr  
então, uma variável importante para o cálculo da
confiabilidade dos equipamentos é a taxa de falha, e para este
estudo considera-se que os processo de deterioração mensal é
modelado através de parâmetros chamados multiplicadores de
taxa de falha. Estes parâmetros determinam a variação
esperada da taxa de falha em um determinado período em
função da ação programada e do seu valor no período anterior.
Dessa forma, é necessário no modelo o valor da taxa de falha
inicial para o cálculo da taxa de falha de cada elemento. Em
[3], são estimados os valores típicos das taxas de falhas de
elementos das redes urbanas de sistemas de distribuição. Na
Tabela 2 apresentam-se os valores de taxas de falhas anuais
estimados para transformadores, religadores, chaves fusíveis e
cabos em alimentadores urbanos.
Taxa de falha
Equipe
(falhas/ano)
CHP
CHM
0,0144
0,000775
RT
TR
0,000614
0,000614
BC 0,085
LN 0,0198*
* por milha de condutor
Os valores típicos da taxa de falha dos componentes
(1) descritos na Tabela 1 foram utilizados para determinar a taxa
de falha inicial dos elementos utilizados nos casos dos testes
apresentados.
et
inicial
 1tsm .etípi cos (8)
Os elementos de redes de distribuição reais encontram-se
idade ou da parcela de recursos de manutenção aplicada. Para
simular esta condição nos casos de teste, geram-se valores
iniciais de taxas de falhas, de forma a representar os diversos
estágios de deterioração, nos quais os elementos podem se
encontrar. Portanto, neste trabalho, as taxas de falhas são
equipamento é atualizada multiplicando a taxa de falha de
nível mais baixo 1 (nenhuma manutenção), pelo tempo que o
equipamento permaneceu sem ação de manutenção (tsm). Este
procedimento simula a deterioração dos elementos que ocorre
2 METODOLOGIA PROPOSTA
Os componentes considerados no modelo proposto são:
bancos de capacitores “BC”, chaves seccionadoras “CHM”,
chaves de proteção “CHP” (disjuntores, religadores e etc.) e
fusíveis religadores automáticos, transformadores de
distribuição “TR”, reguladores de tensão “RT”, cabos dos
alimentadores e ramais de distribuição, cruzetas e isoladores
dos postes de rede primária. Cada trecho de cabos de rede
primária, juntamente com as cruzetas e os isoladores que os
sustentam, é referenciado por “cabo primário (LN)”. Outra
consideração adotada na modelagem refere-se ao modo de
falha dos equipamentos. Cada componente pode apresentar
diferentes modos de falhas, que por sua vez afetam o sistema
de diferentes formas. Neste estudo, no entanto, onde se tem
também como objetivo a confiabilidade do sistema como um
todo, é considerado sempre o pior cenário do sistema diante
das falhas de seus componentes, ou seja, considera-se que toda
falha é seguida de uma interrupção de parte ou de todo o
sistema. Essa abordagem tem como objetivo estabelecer o
máximo custo com as interrupções, o que permite uma melhor
análise da relação custo-benefício dos planos de manutenções
propostos. Assim, se um cenário é esperado devido a uma
falha num componente e outro cenário mais favorável se
apresentar, os benefícios do planejamento são maximizados,

3 4

visto que a relação custo-benefício do plano de manutenção As funções objetivo do modelo são minimizar os custos O conjunto Ri é classificado de acordo com Fast Non-
estabelecido é avaliada para o primeiro cenário. Enquanto que totais pelas tarefas de manutenção preventivas e corretivas (9) Figura 1.- Ordenamento por não Dominated Sorting e Crowding Distance, e em seguida são
o contrário, se um cenário favorável é esperado e um outro e minimizar a inconfiabilidade do sistema (10). As restrições dominância. selecionados os indivíduos de menor rank para gerar uma
cenário pior se configurar, os custos aumentariam frente aos do modelo são os limites permitidos dos indicadores nova população Pi 1 de pais, se os indivíduos dos rank
benefícios do plano de manutenções adotado, podendo até estabelecidos pela ANEEL ; DIC (Duração de interrupção por
F2 menores escolhidos não completam o conjunto Pi 1 . Na
inviabilizar sua execução. consumidor) mensal, trimestral, anual e o FIC (Frequência de
interrupção por consumidor) mensal, trimestral, anual (11), sequência selecionam-se os indivíduos que tenham o maior
2.1 Modelo Matemático Região Crowding Distance para completar o conjunto, e assim
(12), (13), (14), (15), (16); o tempo médio mensal disponível factível
pelas equipes de manutenção (17); a depreciação dos ativos atualizar o conjunto dos pais e continuar o processo iterativo
Min: dos equipamentos que compõe o sistema (18) e o número até que o critério de parada seja satisfeito. Este procedimento
HP E
 1 
t
máximo de tarefas de manutenção permitido para cada é apresentando na Figura 4.
f1   Cust[ x(te, m ) ]. 
rankn
 (9)
t 1 e 1  1 r  equipamento do sistema (19).
Nos cálculos dos indicadores DIC e FIC mensal são rank3 Figura 3.- Diagrama de fluxo do algoritmo NSGA-II.
 S 
1 HP  
(1  Cs  t ).Ps 
rank2
consideradas as interrupções pelas equipes de manutenção na rank1

  s 1 S
Início
f2   (10) hora de executar uma tarefa de manutenção preventiva ou
HP t 1   F1

 
s 1
Ps
SA:
DICmonth (t )  DICmonth min
DICtrim (t )  DICtrim min
DICyear (t )  DICyear min
FICmonth (t )  FICmonth min
FICtrim (t )  FICtrim min
FICyear (t )  FICyear min

corretiva que cause perda de fornecimento nos grupos de
consumidores, assim como as possíveis interrupções pelas B. Crowding Distance Gerar aleatoriamente uma
O Crowding Distance é um operador de diversidade usado população inicial com N
falhas externas nas seções e na rede principal (20) e (21). O indivíduos
no NSGA II, a fim de garantir diversidade dos resultados ao Ordenar os indivíduos no rank i e
(11) cálculo dos indicadores trimestrais e anuais são aproximados
inserir até o limite de capacidade
através dos indicadores mensais e as constantes ktrim  1.5 e longo da Fronteira de Pareto. Evita-se assim a concentração de
(12) soluções em um mesmo ponto ou região. O Crowding
da nova população, selecionando
k year  3 , como se pode observar nas equações (22), (23), Condição aqueles de maior crowding
(13) Distance também é utilizado como método de ordenação dos Fim Sim
de parada? distance
(24), (25). indivíduos dentro de um mesmo rank. O algoritmo calcula a
(14) A confiabilidade de uma seção s qualquer definida por uma distância média entre um ponto central i selecionado dentro da Não Calcular a crowding
(15) chave de proteção, ou chave de secionamento depende da população e dois pontos localizados nas extremidades do distance dos indivíduos no
Aplicar seleção por
(16) confiabilidade de todos os consumidores dentro desta seção ponto central (i-1) e (i+1) [8]. A ideia é, que a partir de um não dominância
rank i

E
(26), do ramo principal que alimenta aquela seção e do ramo ponto central, o operador de diversidade possa encontrar
TMP[ x t
( e, m) ]  TMDe [ x(te, m) ]  TME[ x(te, m) ]  T fact (17) principal da rede. Assim, a confiabilidade de um consumidor i pontos extremos e priorizar os pontos mais distantes durante o
Crossover i=i+1
e 1 é calculada através de uma função de probabilidade de Poisson processo de seleção, a fim de diversificar os resultados ao Sistema
Te  t  Tve  0 (18) (27) e depende da confiabilidade dos transformadores de longo da Fronteira de Pareto. Na Figura 2, apresenta-se a adaptativo
Sim
HP distribuição, das chaves a óleo, da rede principal da seção disposição dos pontos extremos a qual forma um cuboide em Mutação
x
t 1
t
(e,m )  Me (19) (28), sendo que a rede principal é composta por todos os relação ao ponto central e as distâncias di1 com relação à Inserir os indivíduos do
rank i na nova população
equipamentos, exceto os transformadores (29). Aplicar o ranking por
Onde: primeira função objetivo e di2 com relação à segunda função não dominâcia à união
Neste trabalho também são consideradas as falhas por Não
DICmonth (t )  TME[ xt (etr ,m) ]  [1  Cstr ].TMAE (20) fatores externos (queda de árvores, ventos, tempestades, queda objetivo. dos pais e filhos
gerados
de raios) (30), as falhas pela perda de fornecimento nas
FICmonth (t )  x etr  [1  Cstr ] t
(21) subestações, obtendo assim uma taxa de falha total (31) que é Figura 2.- Cálculo das distâncias de multidão. O número de
indivíduos no rank i é
 3 trim uma representação mais real dos equipamentos do sistema. maior que o número
1
DICtrim (t )   DICmonth (t )
ktrim DIC t 1 3trim 1
(22)
2.2 Técnica de Solução F2
i=1
de indivíduos a serem
inseridos na
O algoritmo escolhido é o A-NSGA-II que é uma variante população?
 
3 trim
1
 FICmonth (t )
xi 1
FICtrim (t )  (23) do algoritmo multiobjetivo NSGA-II, que utiliza o conceito de
ktrim FIC t 1 3trim 1 dominância, ou seja, classifica a população total em ranks de xi
 
12 year acordo com o grau de dominância. O ordenamento por não di2
1
DIC year (t )   DICmonth (t )
k year DIC t 112 year 1
(24) dominância do NSGA-II consideram-se que os indivíduos que
di1
xi 1 Figura 4.- Processo de selação da geração i do NSGA-II.
estão localizados no primeiro rank são considerados as
  12 year melhores soluções daquela geração, enquanto que no último rank1
1
FIC year (t )   FICmonth (t )
k year FIC t 112 year 1
(25) rank encontram-se as piores. Usando esse conceito, podem-se ranki
rank2 Pt 1
encontrar resultados mais consistentes (pontos mais próximos
Pi
Ns da região de Pareto) e que se adaptam melhor ao tipo do
Cs   Csconsi (26) problema. O funcionamento do NSGA- II se destaca por F1
i 1
possuir dois mecanismos importantes no processo de seleção, Na Figura 3 apresenta-se o fluxograma do processo da
 ( consi
s
rank3
Csconsi (t )  e
).t
(27) são eles: o Fast Non-Dominated Sorting e o Crowding meta-heuristica ANSGA-II, o qual inicia gerando uma
 s
 tronc
s
 tris (28)
Distance. população inicial Pi (pais). Em seguida um processo de
Qi
...
consi

Es
seleção pelo critério Fast Non-Dominated Sorting e Crowding rankk
A. Fast Non-Dominated Sorting
tronc
s
  e (29) Distance é adotado e ao resultado dessa seleção é aplicado o
e  tr O algoritmo de seleção Fast Non-Dominated Sorting operador de crossover e mutação adaptativos, gerando o
exter
t
 tres
t
 wit nd  Thund
t
(30) analisa todos os indivíduos da população total P, comparando- conjunto Qi (filhos) como o resultado dos processos Ri
erbolt
os uns com os outros para classificá-los de acordo com o grau
  et  exte
t
eq
t
r  disc
t
(31) de dominância rank [8]. Na Figura1 ilustra-se o algoritmo
anteriores. Com os conjuntos, pais e filhos, é gerado um C. Codificação das Variáveis do Modelo
conjunto Ri no qual inicializa-se o primeiro proceso iterativo. O cromosomo, solução que representa um determinado
 t 1
  . m t
(32) através da classificação da população em n ranks.
eq e eq
plano de manutenção é apresentado na Figura 5. Dado um
 5 6

conjunto de equipamentos E, considerando que para cada t=1,...,HP irão trocar sequências, aleatoriamente escolhidas, Tabela 4.- Multiplicadores das tarefas de
equipamento e existe um conjunto de Me manutenções para de suas informações mediante a seleção aleatória de dois manutenções
3.1 Sistema Teste
cada período de tempo t є HP, cada tomada de decisão pode pontos de cruzamento, gerando novos indivíduos que herdam
ser modelada pela variável inteira de acordo com o conjunto características dos indivíduos anteriores. Um exemplo deste O sistema teste é um alimentador com 154 equipamentos Equipe 1 2 3 4
de manutenções possível (33), onde “1” significa o nível mais processo é apresentado na Figura 7; este operador é composto por 58 transformadores, 2 reguladores de tensão, 1
baixo (nenhuma manutenção) e “3” significa a execução do semelhante à união cromossômica para formar novas banco de capacitor, 1 chave secionadora, 9 chaves fusíveis, 2 CHP 1.01 0.98 0.98 0.01
nível mais alto (manutenção completa). combinações de genes. chaves de manobras, 80 cabos e 1 disjuntor. A topologia do CHM 1.01 0.98 0.98 0.01
sistema é apresentada na Figura 9. Todos os componentes LN 1.04 0.98 0.3 0.01
Figura 5.- Codificação do indivíduo. Figura 7.- Processo de cruzamento dos indivíduos. podem ser submetidos em quatro níveis de manutenção. O BC 1.02 0.95 0.4 0.01
horizonte de planejamento adotado para esse sistema é de 2
TR 1.02 0.95 0.42 0.01
tHP Individuo 1 selecionado (Pai 1) Individuo novo 1 cruzado (Filho 1) anos.
E1 E2 E3 E4 E5 E6 E7 E1 E2 E3 E4 E5 E6 E7
Figura 9.- Sistema Teste RT 1,02 0.95 0.41 0.01
t1 t1

t1 t2 t2 Tabela 5.- Parâmetros do NSGA-II

t t t t t t t t3 t3
x x x x x x ... x
(1, m ) (2, m ) (3, m ) (4, m ) (5, m ) (6, m ) ( e ,m )
t4 t4
imut 0.09

x(te, m)  {1, 2,3, 4}  fmut 0.21

(33)
Individuo 2 selecionado (Pai 2) Individuo novo 2 cruzado (Filho 2) icros 0.2
E1 E2 E3 E4 E5 E6 E7 E1 E2 E3 E4 E5 E6 E7
D. Operador de Seleção t1 t1  fcros 0.9
O processo de seleção usado no NSGA-II é o que utiliza o
conceito de Fast Non-Dominated Sorting e Crowding t2 t2  18%
Distance. t3 t3
ng 4000
t4 t4
Pop 800
E. Operadores adaptativos
São utilizadas taxas de crossover e mutação adaptativas de
G. Operador de Mutação Na Tabela 5 apresentam-se as variáveis de entrada ajustados
acordo com as equações (34) e (35). Na Figura 6, apresenta-se
O processo de mutação é aplicado para aqueles e utilizados pelo NSGA-II.
os comportamentos destas taxas adaptativas que dependem de
equipamentos que tenham probabilidade de mutação menor
faixas previamente especificadas ( i e  f ), do número de 3.3 Condições de testes
que os gerados pela equação (34). Então para cada
iterações (iter), do número total de gerações (ng) e do valor de equipamento selecionado é escolhido aleatoriamente um Os equipamentos são agrupados em seções que permitem
uma constante de amortecimento (  ). período t e para esse período é gerado um número aleatório isolar setores com faltas permanentes de outros setores da rede
 iter que pertence ao intervalo [0;100]. Se o número gerado é e assim reduzir o número de consumidores atingidos por uma
mut  imut   fmut .e  .ng (34) maior que 50 reduz-se um nível de manutenção, caso falta. Este agrupamento da rede do sistema é feito por meio
contrário, aumenta-se um nível de manutenção como ilustrado 3.2 Dados de Entrada das chaves de proteção e manobra, que ajudam a restabelecer a
 iter
(35) na Figura 8. energia aos consumidores que estão nas seções que podem
cros  icros   fcros .e  .ng
Os dados de entrada consistem nos custos das tarefas de
manutenção dos equipamentos de acordo com a Tabela 2 Eles operar normalmente. Outra consideração é que a ação de
Então pode-se verificar que quando o número de gerações Figura 8.- Mutação dos indivíduos selecionados. manutenção de nível dois para todo equipamento consiste em
são custos médios para cada tipo de equipamento, já que em
aumenta, a taxa de mutação aumenta de imut até  fmut , e ao E1 E2 E3 E4 E5 E6 E7
geral cada equipamento depende das características próprias visitas de inspeção visual, razão pelos quais sós custos de
deslocamento das equipes de manutenção são considerados,
contrário a taxa de cruzamento diminui de icros até  fcros . 1 1 3 1 1 1 4
como tipo do fabricante, potência, etc.
t1
enquanto as ações de nível três já consistem em manutenção
Figura 6.- Taxas de mutação e cruzamento adaptativas. preventiva e ação de nível quatro é a troca do equipamento por
2 1 1 2 1 1 1 t2 Tabela 3.- Custos de tarefas de manutenção (R$).
um novo.
1 1 2 1 2 1 1 t3

1 Equipe m1 m2 m3 m4 3.4 Resultados Obtidos

1 1 4 1 1 3 3 t4

CHP 0 50 50 100 Os resultados obtidos pela metodologia proposta para o

ρicros
CHM 0 50 50 100 sistema teste apresentados na Figura 9, são apresentados na
se mut  50 se mut  50 Figura 10, na qual a solução do problema de planejamento
ρfmut LN 0 50 150 1000
E1 E2 E3 E4 E5 E6 E7 E1 E2 E3 E4 E5 E6 E7
ótimo de tarefas de manutenção de redes de distribuição
BC 0 50 150 800 elétrica é o conjunto de soluções não dominadas da primeira
1 1 3 1 1 1 4 t1 1 1 3 1 1 1 4 t1
TR 0 100 600 4000 fronteira (rank1).
2 1 1 3 1 1 1 t2 2 1 1 1 1 1 1 t2
RT 0 100 450 3000 As curvas geradas contêm soluções não dominadas que
ρfcros
1 1 2 1 2 1 1 t3 1 1 2 1 2 1 1 t3 estão na faixa de não fazer nenhum trabalho de manutenção no
1 1 4 1 1 3 3 t4 Os multiplicadores de taxa falha são os impactos das tarefas sistema (custo zero), até trocar a maior parte dos
ρimut
1 1 4 1 1 3 3 t4

de manutenção na confiabilidade dos equipamentos, e são equipamentos do sistema. Então, para uma análise detalhadas
definidos para cada tipo de equipamentos quatro de algumas destas soluções são escolhidos três pontos nesta
ng multiplicadores de taxas de falhas, como apresentados na fronteira; o ponto “P1” que indica que não há investimento em
3 RESULTADOS Tabela 3, dentre os quais, o primeiro caracteriza o desgaste ações de manutenção, o ponto “P2” onde tem-se o máximo
F. Operador de Cruzamento dos equipamentos pela ausência de ações de manutenção e o investimento em ações de manutenção e o ponto intermediário
O algoritmo NSGA-II adaptativo para a solução do
quarto representa a troca do equipamento por um novo. “P3”. São analisadas a evolução do custo mensal com tarefas
problema de planejamento ótimo de tarefas de manutenções
Os indivíduos existentes na população, respeitando uma
foi implementado em linguagem de programação C++.
probabilidade inicialmente imposta para cada tempo,

7 8

de manutenção (Figura 11), e a variação da confiabilidade Figura 12.-Variação dos índices de confiabilidade das Tabela 6.- Tarefas de Manutenções nos equipamentos da planejamento da confiabilidade de sistemas de distribuição. As
mensal do sistema (Figura 12). soluções selecionadas na fronteira de Pareto. seção 1. soluções obtidas fornecem um diagnóstico da confiabilidade
da rede ao longo de sua vida útil e para propor melhorias no
Figura 10.- Curva de Pareto obtida 0.9 Equipamento Mês Nível mesmo.
0.8 CHP 1 2 O sistema de codificação inteira, os operadores de seleção
0.9

LN1 1 2 por nível de dominância, distância de multidão e os

Cost: 0 0.7 operadores adaptativos de cruzamento e mutação, propiciaram
Unreliability: 0.79102 LN3 1 2
0.8
o desempenho eficiente do algoritmo NSGA-II implementado
0.6 LN4 1 2 que obteve uma curva otimizada de Pareto convexa para os
Reliability

0.7 0.5
LN5 1 3 planos de tarefas de manutenção com níveis adequados de
P1
P2
LN7 1 2 confiabilidade.
0.4 P3
LN8 1 2
Unreliability

0.6

0.3 LN9 1 2 Figura 14.- Resultado das tarefas de manutenção para o

0.5 LN10 1 4 sistema teste.
0.2
LN11 1 4
Cost: 95.478

0.4
Unreliability: 0.389 0.1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 LN13 1 2
Time (month)
LN15 1 2
0.3 Uma vez analisado o comportamento geral da rede, LN18 1 3
Cost: 193.129
Unreliability: 0.22936 analisam-se as tarefas de manutenção necessárias para cada LN19 1 2
0.2 equipamento do sistema ao longo do horizonte de LN20 1 3
0 20 40 60 80 100 120 140 160 180 200
Cost (R$) x103 planejamento. Neste caso, é analisada a solução referente ao TR1 1 2
ponto intermédio “P3”. O plano de manutenção do ponto “P3” TR3 1 3
As Figuras 11 e 12 auxiliam no comportamento das ações tem um total 88 tarefas de manutenção que são distribuídas
de manutenção do sistema ao longo do horizonte de TR4 1 3
através de 03 níveis, como apresentado na Figura 13.
planejamento. Verifica-se que no período inicial do horizonte TR6 1 3
de planejamento o sistema possui uma confiabilidade muito Figura 13.- Número total de manutenções fornecidas pela TR7 1 2
baixa 0,27, que indica que o sistema está a ponto de entrar em solução referente ao ponto P3.
colapso, sendo necessárias medidas rápidas de manutenções Na Tabela 6 apresenta-se os planos de tarefas de
que ajudem a melhorar a confiabilidade da rede. Portanto, uma manutenção da seção 1 na escolha do ponto “P3” da fronteira
grande quantidade de recursos se destinam nos primeiros de Pareto e na Figura 14 apresenta-se o sistema teste dividido
meses para melhorar a confiabilidade do sistema até encontrar em 13 seções delimitadas por chaves de proteção e de
um valor aceitável. Assim estas ações violem os limites dos manobras, onde a seção1 e a seção7 são seções principais e as
indicadores de confiabilidade, encontrando valores de menor demais seções são seções ramais. Também pode-se mostrar os
custo e máxima confiabilidade. equipamentos onde são executadas tarefas de manutenção de
acordo com a Tabela 6, onde os círculos de cor vermelha são a
Figura 11.- Variação dos custos mensais das tarefas de execuções de manutenção nos ramos (LN, CHP, RT, CHM) e
manutenções referentes às soluções selecionadas na fronteira os círculos de cor azul são a execução de tarefas de
de Pareto. manutenção nos nós de cargas (TR, BC).
25
O tempo de execução para obter resultados de boa
qualidade para o sistema teste com 154 equipamentos foi de
A rede sendo dividida por seções e cada seção com uma 1826 segundos.
P1 quantidade de grupos de consumidores, e, portanto, uma falha
20 Os tempos computacionais foram obtidos utilizando um
P2 de um equipamento dentro da seção, desliga a chave de
P3 4 CONCLUSÕES computador com processador Intel Core i7 com 8GB de
proteção que limita a seção, causando perda de fornecimento
Neste trabalho propõe-se um modelo de programação não memória RAM.
de energia a todos os consumidores que pertencem a essa
Cost (R$)x103

15
linear binário misto multiobjetivo para desenvolver e No desenvolvimento de trabalhos futuros, propõe-se a
seção. Considerando-se que o sistema de distribuição possa ser
implementar a meta-heurística multiobjetivo A-NSGA-II pesquisa e abordagem dos seguintes tópicos:
classificado como alimentador principal que alimenta os
dedicada ao problema de planejamento ótimo de tarefas de  Incluir o conceito de micro redes que serão
10
ramais laterais uma falha nas seções do alimentador principal
manutenção de sistemas de distribuição de energia elétrica. delimitadas por chaves inteligentes ou chaves de
desliga a chave de proteção do alimentador principal deixando
Neste modelo, consideram restrições como os indicadores proteção considerando localização de faltas e estudos
grande parte do sistema sem fornecimento de energia, então é
5
de continuidade (mensal, trimestral e anual), número máximo de coordenação.
importante que as seções do alimentador principal tenham
prioridade na hora de executar as tarefas de manutenções. de manutenções, horas disponíveis das equipes de manutenção  Incorporar heurísticas construtivas e de busca para
e depreciação da vida útil dos equipamentos instalados no obter maior diversidade na fronteira ótima de Pareto.
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
sistema. As funções objetivo para o alimentador foram  Desenvolver um modelo matemático para solução do
Time (month)
modeladas considerando a topologia completa do sistema, problema de manutenção de redes de confiabilidade
visando obter a máxima confiabilidade com um menor custo usando solvers comerciais.
de investimento, procurando assim reduzir o tempo de
interrupção dos consumidores e melhorar a qualidade do
serviço de fornecimento. A metodologia proposta neste
trabalho obtém um conjunto de soluções otimizadas que
permitem desenvolver com segurança e economia o