Escolar Documentos
Profissional Documentos
Cultura Documentos
CAMPINAS
2017
UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
DEPARTAMENTO DE SISTEMAS E ENERGIA
ASSINATURA DO ORIENTADOR
CAMPINAS
2017
Agência(s) de fomento e nº(s) de processo(s): CNPq, 159681/2015-4; CNPq,
134120/2017-5; ELAP.
ORCID: http://orcid.org/0000-0002-8482-6736
Ficha catalográfica
Universidade Estadual de Campinas
Biblioteca da Área de Engenharia e Arquitetura
Luciana Pietrosanto Milla - CRB 8/8129
Título em outro idioma: Application of energy storage systems in distribution networks with
high penetration of photovoltaic generation and electric vehicles
Palavras-chave em inglês:
Photovoltaic power generation
Electric vehicles
Monte Carlo method
Electric power systems
Energy Storage
Área de concentração: Energia Elétrica
Titulação: Mestre em Engenharia Elétrica
Banca examinadora:
Walmir de Freitas Filho [Orientador]
Maurício Barbosa de Camargo Salles
Luiz Carlos Pereira da Silva
Data de defesa: 28-07-2017
Programa de Pós-Graduação: Engenharia Elétrica
A ata de defesa, com as respectivas assinaturas dos membros da Comissão Julgadora, encontra-
se no processo de vida acadêmica do aluno.
DEDICATÓRIA
Aos meus pais, Marisa e Alberto, as oportunidades que me ofereceram para que eu
pudesse alcançar meus sonhos e todo carinho e amor oferecido por eles;
Ao meu orientador, prof. Walmir de Freitas Filho, a oportunidade de integrar seu grupo
de pesquisa, assim como as orientações, conselhos e bons momentos;
The modernization of electric power distribution grids and the price reduction of energy
storage systems are boosting the usage of such equipment as a way to increase the flexibility of
distribution systems operation, with potential to change a traditional power systems paradigm
establishing that generation should instantaneously match the consumption. Considering that the
increasing penetration of emerging technologies at the distribution level, such as rooftop photovoltaic
(PV) generators and electric vehicles (EV), increases the challenges in matching generation and
consumption, energy storage systems attract the utilities interest due to the flexibility they bring to the
operation of modern distribution systems. Based on this scenario, this M.Sc. thesis presents an
investigation of potential benefits that utilities may have related to the usage of energy storage systems
along the distribution networks. Two potential scenarios of energy storage operation were evaluated:
energy storage systems controlled by customers and energy storage systems controlled by utilities. For
the former, utilities may be indirectly beneficiated due to the mitigation of technical impacts related to
the penetration of PV and EV propitiated by energy storage systems operating to shift the customers
peak demand. Regarding the second energy storage application, two complementary methods were
proposed to control storage operation for transformer peak shaving, improving its load factor and also
unlocking the connection of more PV generation into the secondary low voltage networks. For this case,
the storage is allocated on the secondary side of the medium/low voltage transformer. The main
advantage of the proposed methods is the load and generation forecasting are not required. Finally, a
Monte Carlo-based probabilistic assessment, able to cope the inherent uncertainties of modern
distribution networks, is presented using Python scripts to simulate in OpenDSS the operation of those
storage systems in a real distribution network, demonstrating the performance of the proposed control
modes.
LISTA DE FIGURAS
Tabela 3.1 – Resumo das variáveis consideradas para o problema de quantificação dos impactos
de tecnologias emergentes e possível mitigação utilizando sistemas de armazenamento de
energia apresentado neste capítulo. .......................................................................................... 35
Tabela 3.2 – Componentes do sistema teste. ............................................................................ 38
Tabela 3.3 – Mitigação de impactos técnicos para o caso de 50% de penetração de tecnologias
emergentes. ............................................................................................................................... 59
Tabela 4.1 – Componentes do sistema teste. ............................................................................ 73
Tabela 4.2 – Comparação entre os casos sem sistema de armazenamento de energia, na presença
destes sistemas operando através da estratégia de movimento dos limiares e operação destes
sistemas através da estratégia ótima. ........................................................................................ 81
Tabela 4.3 – Máxima potência permissível para diferentes níveis de penetração para as situações
sem e com sistemas de armazenamento de energia. ................................................................. 83
SUMÁRIO
1. INTRODUÇÃO ........................................................................................... 16
1. INTRODUÇÃO
Os sistemas de energia elétrica foram historicamente planejados e operados a partir
de uma premissa fundamental: toda a energia consumida deve ser instantaneamente produzida.
Nos sistemas síncronos em corrente alternada, a frequência é utilizada como indicador desse
delicado equilíbrio entre oferta e demanda. Como tradicionalmente apenas o lado da geração
era controlado, o paradigma estabelece que frequência acima da nominal significa excesso de
oferta (portanto, controla-se a geração para reduzir a injeção de potência) e abaixo da nominal
significa déficit de oferta (portanto, controla-se a geração para aumentar a injeção de potência)
[1]. O armazenamento de energia era, nesse contexto, vislumbrado apenas na forma de energia
primária: estoca-se água nos reservatórios de acumulação, combustível fóssil nas usinas
térmicas, etc [2].
1.1 Motivações
O crescente interesse em explorar a utilização de sistemas de armazenamento de
energia, particularmente em sistemas de distribuição, é motivado pela expansão de outras novas
tecnologias cada vez mais presentes nestas redes, como por exemplo a disseminação da conexão
de geradores fotovoltaicos e de pontos de recarga de veículos elétricos, e também pela
expectativa de redução dos custos dos sistemas de armazenamento. Por exemplo, a empresa
17
FENECON está reduzindo em até 20% o custo de sistemas de armazenamentos de energia para
parceiros europeus devido às condições favoráveis de mercado [5]. O instituto Rocky Mountain
projeta redução média de 30% no preço por kWh de baterias para o período entre 2016 e 2021
[6]. Neste mesmo levantamento, mostra-se que a curva de maturação da tecnologia de baterias
adequadas para aplicação em redes de distribuição vem acompanhando a mesma trajetória
histórica da curva de maturação dos sistemas fotovoltaicos, ou seja, pode se estimar um
crescimento considerável para o médio prazo. Já para uma projeção ao longo prazo, no relatório
“E-Storage: Shifting from Cost to Value”, estima-se que estes sistemas de armazenamento
podem atingir reduções de preço de até 70% em 2030 [7].
aplicação de tais sistemas de armazenamento das mais variadas tecnologias em diferentes partes
da cadeia de geração, transmissão e distribuição de energia elétrica, ressalta-se que o foco deste
trabalho está nas aplicações em redes de distribuição de energia elétrica em média e baixa
tensão.
1.3 Organização
Esta dissertação segue organizada da seguinte forma:
2. REVISÃO BIBLIOGRÁFICA
Neste capítulo, apresenta-se uma revisão bibliográfica para mostrar o atual cenário
mundial e nacional referente ao crescimento de geração fotovoltaica e de veículos elétricos
(Seção 2.1) bem como expor uma revisão dos possíveis impactos técnicos associados à
operação destas tecnologias emergentes e dos limites operacionais majoritariamente impostos
por regulação (Seção 2.2). Em sequência, destacam-se as principais funções para as quais, de
acordo com a literatura técnica, os sistemas de armazenamento de energia estão sendo utilizados
para mitigação dos impactos associados às tecnologias emergentes (Seção 2.3). Por fim,
apresentam-se as bases teóricas e conceituais envolvidas na técnica de análise utilizada nesta
dissertação, a qual é baseada no método de Monte Carlo (Seção 2.4).
Figura 2.1 – Crescimento anual e acumulado de potência instalada de geração fotovoltaica global [14].
22
Figura 2.2 – Crescimento anual e acumulado de número de geradores fotovoltaicos no Brasil [20].
Figura 2.3 – Crescimento anual e acumulado de potência instalada de geração fotovoltaica no Brasil [20].
Figura 2.4 – Crescimento anual e acumulado da venda de veículos elétricos plug-in no mundo [22].
Figura 2.5 – Crescimento anual e acumulado da venda de veículos elétricos plug-in no Brasil [25].
de tais tecnologias emergentes à rede elétrica traz desafios, sobretudo para as concessionárias
de distribuição de energia elétrica, conforme será discutido na seção a seguir.
𝑉
23
(
MT/BT
Figura 2.6 – Esquemático mostrando a injeção de potência na rede com possibilidade de reversão de fluxo de
potência ativa.
Se houver injeção de potência na rede pelo gerador fotovoltaico, , maior que a potência ativa
consumida pela carga, , tem-se que o primeiro termo em (2.1) será negativo. Caso este termo
seja, em módulo, maior que o segundo termo, o que é comum em redes de distribuição devido
ao relativamente baixo valor da relação X/R das linhas, a queda de tensão ∆𝑉23 será negativa,
resultando em elevação de tensão na barra 3.
( ∙ 𝑅23 ∙ 𝑋23
∆𝑉23 ≈ (2.1)
𝑉3
Tensão precária
Limite tensão precária máxima: NA Limite tensão precária máxima: 1,05 pu
Tensão adequada
Limite tensão precária mínima: 0,93 pu Limite tensão precária mínima: 0,92 pu
Tensão precária
Limite tensão crítica mínima: 0,90 pu Limite tensão crítica mínima: 0,87 pu
Tensão crítica
Figura 2.7 – Ilustração da classificação de tensão em regime permanente para circuitos primários e secundários.
𝑉−
𝑉𝑑𝑒𝑠 = ∙ 00% (2.2)
𝑉+
(a) (b)
Figura 3.1 – Ilustração da tarifa branca ao longo de dias úteis (a) e sábados, domingos e feriados (b)
comparada com a tarifação convencional.
Tendo em vista o horário de maior tarifação definido de acordo com a tarifa branca,
percebe-se que os geradores fotovoltaicos por si só contribuem minimamente para diminuição
do consumo durante o horário de ponta, já que a máxima produção de energia por estes estará
concentrada durante o período entre as 11 e 15 horas. Já os veículos elétricos tendem a aumentar
ainda mais a despesa dos consumidores, pois espera-se que as conexões destes veículos para
recarga se concentrem após a jornada de trabalho, ou seja, após as 18 horas. Neste cenário, é
34
Tabela 3.1 – Resumo das variáveis consideradas para o problema de quantificação dos impactos de tecnologias
emergentes e possível mitigação utilizando sistemas de armazenamento de energia apresentado neste capítulo.
Sistemas de
Geradores
Variável Veículos Elétricos Armazenamento de
Fotovoltaicos
Energia
Conexão Conexão Conexão
Tensão nominal Tensão nominal Tensão nominal
Determinística
Potência nominal Potência nominal Potência nominal
Irradiância solar (Recarga lenta) Capacidade nominal
Seleção do consumidor
Distância diária
percorrida
Instante inicial de
Aleatória Seleção do consumidor Seleção do consumidor
carregamento
Estado de carga da
bateria
Duração do carregamento
Estabelecer
parâmetros iniciais
Alocar FV e/ou VE
Não
Caso Base? Alocar SAE
Sim
Fluxo de Carga
(OpenDSS)
Critério de
Amostragem de dados Não
convergência
atingido?
Sim
FIM
Figura 3.2 – Fluxograma do algoritmo de Monte Carlo.
geração fotovoltaica significa que 10% dos consumidores possuem esta tecnologia.
Posteriormente à definição da penetração das tecnologias emergentes no sistema, determina-se
a quantidade de consumidores que possuirão um sistema de armazenamento de energia, sendo
que estes serão alocados exclusivamente em consumidores que apresentam uma ou mais
tecnologias emergentes.
(a) Tensão nominal (MT/BT em kV) (b) Capacidade Nominal (em kVA)
Figura 3.5 – Características dos transformadores conectados ao alimentador.
Figura 3.7 – Curva de irradiância normalizada para um típico dia de céu limpo.
Em que:
𝐸𝑈 = ∫ 𝐷𝑚é𝑑 ∙ 𝑓 𝑇 (𝑡 ∙ 𝑑𝑡 (3.2)
0
Em que:
Por sua vez, a energia produzida pelo gerador fotovoltaico é calculada através da
relação entre a curva de irradiância solar para o dia em estudo e a potência nominal instalada
do gerador FV, conforme apresentado em (3.3).
t
𝐸FV = ∫ Pmpp ∙ f𝐼𝑟𝑟𝑎𝑑 (t ∙ dt (3.3)
0
Em que:
(a) (b)
Figura 3.8 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os casos sem e
com inserção de gerador fotovoltaico.
Figura 3.9 – Histograma de potência nominal para os possíveis geradores fotovoltaicos a serem inseridos no
sistema teste.
3.4 Veículos elétricos
Os veículos elétricos (VE) são modelados como injeção de potência constante de
fator de potência unitário, apresentando como variáveis aleatórias para determinação do
consumo destes veículos a distância percorrida, o estado atual de carga da bateria e o instante e
duração de carregamento da bateria, conforme proposto em [57]. Contudo, antes de detalhar as
variáveis estocásticas que definem o consumo dos veículos elétricos, definem-se as
características classificadas como determinísticas. Dentre as características determinísticas,
44
(ln(𝑛 − 𝜇 ²
−
𝑑(𝑛 = 𝑒 2𝜎² ,𝑚 >0 (3.5)
𝑛𝜎√ 𝜋
45
𝑉𝑎𝑟[𝑀]
𝜇 = ln 𝐸[𝑀] ln( (3.6)
𝐸[𝑀]2
𝑉𝑎𝑟[𝑀]
𝜎² = ln( (3.7)
𝐸[𝑀]2
𝑅 𝑛
𝑆𝑜𝐶 = { 𝑅 ∙ 00%, 0≤𝑛<𝑅 (3.8)
0, 𝑛=𝑅
Figura 3.10 – Perfil de Carregamento do veículo elétrico dependente do estado de carga da bateria.
Em que:
𝐷: duração do carregamento (h);
𝐶 𝐸: capacidade total da bateria (kWh);
𝐸: potência nominal de carregamento (kW);
𝑆𝑜𝐶: estado de carregamento atual da bateria (%).
𝑡0 : instante inicial de carregamento da bateria (h);
𝑡2 : instante final de carregamento da bateria (h).
(a) (b)
Figura 3.11 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os casos sem e
com carregamento de veículo elétrico.
Figura 3.12 – Histograma de potência nominal de carregamento para os veículos elétricos a serem inseridos no
sistema teste.
𝑝𝑖𝑐𝑜
1
𝐶𝑆𝐴𝐸 = 𝐷𝑚é𝑑 ∙ ∫ 𝑓 𝑇 (𝑡 ∙ 𝑑𝑡 (3.11)
𝑝𝑖𝑐𝑜
0
Em que:
49
sendo necessário que o consumidor possua pelo menos uma tecnologia emergente. A
probabilidade de escolha de um consumidor é definida como uniforme, assim como definida
para os veículos elétricos e geradores fotovoltaicos. Para cada consumidor escolhido, utilizam-
se as seguintes características deste para definir os parâmetros do sistema de armazenamento
de energia:
(a) (b)
Figura 3.13 – Perfil de demanda (a) e estado de carga (b) para o sistema de armazenamento alocado em um
consumidor que apresenta gerador fotovoltaico e veículo elétrico.
51
(a) (b)
Figura 3.14 – Perfis de demanda (a) e tensão (b) para um consumidor bifásico considerando os casos sem e
com sistema de armazenamento de energia.
(a) (b)
Figura 3.15 – Histogramas de potência nominal (a) e capacidade (b) dos sistemas de armazenamento que
podem ser inseridos nos consumidores presentes no sistema teste.
1
Os critérios de desempenho técnico-operacional são adaptados do PRODIST (Seção 2.2) e não correspondem
exatamente ao que é estabelecido pela ANEEL.
53
foram detalhados no Capítulo 2. Os resultados são apresentados por meio de gráficos de barras,
em que a barra corresponde ao valor médio e a haste superior refere-se ao percentil 95 da
distribuição de resultados das repetidas simulações do método de Monte Carlo.
(a) (b)
Figura 3.16 – Consumidores afetados por violação de tensão precária máxima (a) e tensão crítica máxima (b).
(a) (b)
Figura 3.17 – Consumidores afetados por violação de tensão precária mínima (a) e tensão crítica mínima (b).
Para o sistema teste estudado, o comprimento dos condutores que operam acima do
limite imposto na Subseção 2.2.3 está ilustrado na Figura 3.19 em porcentual. Verifica-se que
nenhum nível de penetração de geradores fotovoltaicos e veículos elétricos afetaram os
condutores presentes no circuito primário. Já para o circuito secundário, tem-se que o
porcentual do comprimento dos condutores afetados pela penetração destas tecnologias
emergentes é baixo, pois as violações ocorrem principalmente em ramais de conexão com os
consumidores (ramais de serviço), sendo que estes ramais tipicamente são de pequeno
comprimento.
Ainda que o impacto nos condutores afete uma pequena parcela do comprimento
total da rede secundária, verifica-se que o aumento da inserção de sistemas de armazenamento
de energia reduz proporcionalmente a porcentagem do comprimento dos condutores afetados,
em que este efeito se acentua para os níveis mais altos de penetração.
56
(a) (b)
Figura 3.19 – Comprimento de condutores primários (a) e secundários (b) que apresentam sobrecarga.
Dada a importância das perdas técnicas, a Figura 3.21 apresenta as perdas presentes
nos circuitos primários e nos circuitos secundários além das perdas operacionais dos
transformadores (i.e, perdas no cobre). As perdas de energização dos transformadores (i.e.,
perdas no núcleo) não são consideradas visto que estas são inerentes ao processo de utilização
destes equipamentos.
(a) (b)
(c)
Figura 3.21 – Perdas técnicas no circuito primário (a), no circuito secundário (b) e no transformador (c).
tensão causada pela injeção de potência na rede por geradores fotovoltaicos pode ser o
suficiente para violar os limites máximos de tensão.
Tabela 3.3 – Mitigação de impactos técnicos para o caso de 50% de penetração de tecnologias emergentes.
30% de 50% de 100% de
Critério
aquisição (%) aquisição (%) aquisição (%)
Tensão precária máxima 22,81 34,49 67,87
Tensão crítica máxima 44,49 65,75 85,56
Tensão precária mínima 67,70 85,27 89,33
Tensão crítica mínima 100,00 100,00 100,00
Desequilíbrio de tensão 11,56 19,27 27,44
Sobrecorrente condutores secundários 39,36 60,08 69,22
Sobrecarga transformadores 63,64 90,91 90,91
Perdas técnicas - circuitos primários 9,97 14,54 14,77
Perdas técnicas - circuitos secundários 17,62 25,49 36,46
Perdas técnicas - transformadores 20,10 29,95 35,00
Alocar FV
Incrementa potência
FV total Fluxo de Carga (OpenDSS) e
amostragem de dados
Não
Máxima Convergiu
potência FV Sim consumidores Não Iniciar nova iteração
determinada? - afetados (Percentil Monte Carlo
casos com e sem 90)?
SAE
Sim
FIM
Figura 4.1 – Algoritmo baseado na técnica de Monte Carlo para estudo de aplicação de sistemas de
armazenamento de energia em circuitos secundários de distribuição sob penetração de geração fotovoltaica.
longo de um ano a fim de avaliar a evolução de desempenho das estratégias propostas à medida
que a demanda dos consumidores e a geração dos sistemas fotovoltaicos variassem. Desta
forma, foi possível avaliar a flutuação de desempenho do sistema de armazenamento de energia
ao longo do ano quanto à melhora do fator de carga, à redução do pico de demanda no
transformador e ao aumento do limite de potência máxima de geração fotovoltaica na rede
secundária.
Sendo assim, definiu-se a lista inicial de potência total de geração fotovoltaica como
sendo os números inteiros contidos no intervalo entre 0 kW e a somatória de potência dos
geradores fotovoltaicos, conforme calculado em (3.4) considerando K igual a 100%, para todos
os consumidores que possuírem esta tecnologia. A análise considerada para escolher o
subconjunto da próxima iteração da busca binária se baseou na violação do limite superior de
tensão para os casos com e sem sistema de armazenamento de energia. Caso houvesse violação,
escolher-se-ia o subconjunto que apresentara potências totais de geração fotovoltaica menores
63
Limites violados
Limites violados
sem SAE
com SAE
Limites violados
com SAE
Limites
Limites não violados não
Solução Solução
sem SAE violados
com SAE
1 kW 2 kW 3 kW 4 kW 5 kW 6 kW 7 kW 8 kW 9 kW 10 kW 11 kW
Figura 4.2 – Exemplo do processo de convergência utilizando busca binária para potência total de geração
fotovoltaica em um circuito secundário.
𝐼 𝐼
𝑉
𝑆𝐸 𝑆𝐸
𝑆𝐴𝐸 𝑆𝐴𝐸
MT/BT
Figura 4.3 – Representação do equivalente do sistema conectado a um transformador a qual possui um sistema
de armazenamento alocado no barramento secundário.
A ideia central para o qual esta estratégia se aplica consiste em operar os ciclos de
carregamento e descarregamento do sistema de armazenamento de modo a manter a curva de
carga do transformador dentro de dois patamares de potência, um limiar superior, 𝑑𝑒𝑠𝑐 , e um
limiar inferior, 𝑐𝑎𝑟 . Desta forma, a flexibilidade propiciada pelo sistema de armazenamento é
explorada para que a carga equivalente da rede secundária aumente quando há excesso de
65
geração (i.e., a bateria é carregada, tipicamente em torno do meio dia solar, com potência
variável 𝑆𝐴𝐸 (𝑡 > 0) e para que a geração equivalente da rede secundária aumente quando há
elevada demanda (i.e., a bateria é descarregada, tipicamente no horário de pico de demanda da
rede secundária no final da tarde/início da noite, com potência variável 𝑆𝐴𝐸 (𝑡 < 0). Uma
ilustração desse modo de operação é apresentada na Figura 4.4 a seguir:
Figura 4.4 – Ilustração do modo de operação do sistema de armazenamento de energia pela estratégia do
movimento dos limiares.
Portanto, para que o objetivo de garantir a operação entre dois patamares de carga
seja atingido, o sistema deve carregar com potência 𝑆𝐴𝐸 (𝑡 enquanto a demanda agregada
𝑆𝐸 (𝑡 do circuito secundário a jusante do ponto de armazenamento for menor do que o
patamar inferior do ajuste e descarregar com potência 𝑆𝐴𝐸 (𝑡 enquanto a demanda agregada
no mesmo ponto for maior do que o patamar superior do ajuste, conforme apresentado em (4.1).
incertezas na demanda e na geração da rede secundária. Para resolver este problema, a estratégia
de movimento dos limiares de operação propõe que estes ajustes que engatilharão o
carregamento e o descarregamento do sistema de armazenamento de energia sejam feitos
gradualmente, de modo iterativo, ao longo dos dias após o início da operação do sistema. Neste
processo iterativo, os valores 𝑐𝑎𝑟 e 𝑑𝑒𝑠𝑐 variam ao longo dos dias de acordo com o índice i e
vão continuamente adaptando os ajustes de acordo com as condições de operação:
𝑖 𝑖+ 𝑖+2 𝑖 𝑖+ 𝑖+2
𝑐𝑎𝑟 , 𝑐𝑎𝑟 , 𝑐𝑎𝑟 , … e 𝑑𝑒𝑠𝑐 , 𝑑𝑒𝑠𝑐 , 𝑑𝑒𝑠𝑐 , …
Em que:
𝑖
𝑆𝑜𝐶𝑚𝑎𝑥 : maior valor de estado de carga para o sistema de armazenamento de
energia durante o dia i (%);
𝑙𝑖𝑚
𝑆𝑜𝐶𝑚𝑎𝑥 : estado máximo de carga do sistema de armazenamento de energia (%);
𝑖+
𝑐𝑎𝑟 : limiar de potência para o carregamento no dia seguinte i+1 (kW);
67
𝑖
𝑚𝑖𝑛 : demanda mínima de potência do transformador ao longo do dia i (kW).
𝐾: fator restritivo (%);
𝑆𝐴𝐸 : potência nominal do sistema de armazenamento de energia (kW).
Em que:
𝑖
𝑆𝑜𝐶𝑚𝑖𝑛 : menor valor de estado de carga para o sistema de armazenamento de
energia durante o dia i (%);
𝑙𝑖𝑚
𝑆𝑜𝐶𝑚𝑖𝑛 : estado mínimo de carga do sistema de armazenamento de energia (%);
𝑖+
𝑑𝑒𝑠 : limiar de potência para o descarregamento no dia seguinte i+1 (kW);
𝑖
𝑚𝑎𝑥 : demanda máxima de potência do transformador ao longo do dia i (kW).
(a) (b)
Figura 4.5 – Exemplo de três dias de operação em modo de avanço dos limiares para o carregamento e
descarregamento (a) e o estado de carga (b) do sistema de armazenamento de energia.
4.2.1.3 Recuo dos limiares de operação
𝑖 𝑖+ 𝑖 𝑖 𝑖 𝑖 𝑖
Δ 𝑐𝑎𝑟 = 𝑐𝑎𝑟 𝑐𝑎𝑟 = 𝐾⋅( 𝑐𝑎𝑟 𝑚𝑖𝑛 ), 𝑠𝑒 𝑐𝑎𝑟 > 𝑚𝑖𝑛 (4.4)
𝑖
para o dia i ( 𝑑𝑖𝑠𝑐 ) fosse menor do que a máxima demanda do transformador para o mesmo dia
𝑖
( 𝑚𝑎𝑥 ). Logo, o recuo dos limiares de operação calcularia o incremento do limiar de
𝑖+
descarregamento relacionado ao dia i+1 ( 𝑑𝑖𝑠𝑐 ), conforme apresentado em (4.5).
𝑖 𝑖+ 𝑖 𝑖 𝑖 𝑖 𝑖
Δ 𝑑𝑒𝑠𝑐 = 𝑑𝑒𝑠𝑐 𝑑𝑒𝑠𝑐 = 𝐾( 𝑚𝑎𝑥 𝑑𝑒𝑠𝑐 ), 𝑠𝑒 𝑑𝑒𝑠𝑐 < 𝑚𝑎𝑥 (4.5)
(a) (b)
Figura 4.6 – Exemplo de três dias de operação em modo de recuo dos limiares para o carregamento e
descarregamento (a) e o estado de carga (b) do sistema de armazenamento de energia.
definido pelo avanço dos limiares enquanto o modo de descarregamento seja definido pelo
recuo dos limiares, ou vice e versa. Adotou-se que tanto o carregamento quanto o
descarregamento apresentassem o mesmo modo de operação apenas para facilitar a explicação
da estratégia de movimento dos limiares de operação.
Sim
Não Não
Primeiro
Não 𝑖 𝑙𝑖𝑚 𝑖 𝑙𝑖𝑚 FIM
dia de 𝑆𝑜𝐶𝑚𝑎𝑥 < 𝑆𝑜𝐶𝑚𝑎𝑥 𝑆𝑜𝐶𝑚𝑖𝑛 > 𝑆𝑜𝐶𝑚𝑖𝑛
operação?
Sim Sim Sim
∙𝑅 ∙𝑋
∆𝑉 ≈ (4.6)
𝑉
Assim, para determinar a potência reativa necessária para variar a tensão conforme
desejado, adotou-se uma abordagem baseada no método proposto em [65]. Para explicar a
estratégia de controle de tensão proposta, modificou-se a Figura 4.3 para o diagrama
apresentado na Figura 4.8. A impedância equivalente 𝑒𝑞 corresponde à soma da impedância
de curto-circuito trifásico e a impedância equivalente do transformador 𝑇 .
𝑉 0 𝑉2 2
𝑉
𝑆𝐸 𝑆𝐸
𝑒𝑞= 𝑇 𝑆𝐴𝐸
= 𝑅𝑒𝑞 𝑋𝑒𝑞 𝑆𝐴𝐸
Figura 4.8 – Diagrama monofásico representando a conexão do sistema de armazenamento de energia no
secundário do transformador.
Pode-se relacionar a potência reativa necessária para variar a tensão da barra 2 para
um nível desejado com a tensão medida da barra 2 através de (4.8), cuja demonstração foi
detalhada no Apêndice A.
𝜕 𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜
Q𝑐𝑎𝑙𝑐
𝑆𝐴𝐸 ≈ (𝑉2 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 ) 𝑆𝐸 (4.8)
𝜕𝑉2
72
Em que:
∂Q ∂A
= ∙ ( 8V2 Xeq ± A−2 ∙
∂V2 4 ∙ (Xeq 2 R eq ) 2 ∂V2
𝑟𝑎𝑛𝑠𝑓 𝑚𝑖𝑛
𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜 𝑉 , 𝑠𝑒 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 < 𝑉ref
𝑉2 ={ 0 𝑚𝑎𝑥
(4.9)
𝑉𝑛𝑜𝑚𝑖𝑛𝑎𝑙 , 𝑠𝑒 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 > 𝑉ref
Em que:
𝑟𝑎𝑛𝑠𝑓
𝑉0 : tensão em vazio do transformador (tensão de Thévenin) (pu);
𝑚𝑖𝑛
𝑉ref : tensão mínima de referência (pu);
𝑚𝑎𝑥
𝑉ref : tensão máxima de referência (pu);
𝑉𝑛𝑜𝑚𝑖𝑛𝑎𝑙 : tensão nominal de fase do sistema (pu).
2
√𝑆 2 2
, 𝑖𝑓 √ 2
Q𝑐𝑎𝑙𝑐
𝑆𝐴𝐸 > 𝑆𝑆𝐴𝐸
2
𝑆𝐴𝐸 = { 𝑆𝐴𝐸 𝑆𝐴𝐸 𝑆𝐴𝐸 (4.10)
Q𝑐𝑎𝑙𝑐
𝑆𝐴𝐸 , 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
8 9 12 13 14 15 16
10 11
1 Δ Y 2
6 7
3
4 5
(a) (b)
Figura 4.10 – Média e desvio padrão das curvas de potência ativa (a) e potência reativa (b) utilizadas para
definir a demanda dos consumidores.
O primeiro estudo de caso tem por objetivo avaliar as contribuições para mitigação
de impactos técnicos da aplicação de um sistema de armazenamento de energia instalado junto
ao transformador de média/baixa tensão. Para tanto, realizou-se uma análise determinística de
um cenário criado através do método de Monte Carlo, cuja penetração de geração fotovoltaica
correspondeu a 15% do total de consumidores do circuito secundário descrito na Seção 4.3.
Neste caso, inseriu-se 15 kW de geração fotovoltaica dividida entre os consumidores de forma
proporcional ao consumo de cada um.
Para o dia 6, verificou-se que a etapa de recuo dos limiares, ocorrida em razão do
completo descarregamento do sistema de armazenamento no dia 5, foi adequada ajustando um
novo patamar para o limiar de descarregamento, o que evitou que no dia 6 o sistema de
armazenamento atingisse o estado mínimo de carga. Por outro lado, notou-se que o sistema de
armazenamento atingiu o estado máximo de carga, o que desencadeou a etapa de recuo para o
limiar de carregamento do dia seguinte.
Finalmente no dia 7, nenhum limite de estado de carga foi atingido pela operação
do sistema de armazenamento de energia. Assim, aplicou-se o modo de avanço dos limiares
para ambos pontos de operação de carregamento e descarregamento.
77
(a)
(b)
Figura 4.11 – Perfil de carregamento do transformador (a) e estado de carga do sistema de armazenamento de
energia (b) para operação ao longo de uma semana.
Essa análise pormenorizada não é viável de ser feita ao longo de um ano inteiro de
operação simulada. Para tanto, a fim de avaliar o desempenho do sistema de armazenamento de
energia ao longo do ano, substituiu-se a análise visual realizada anteriormente pela análise dos
histogramas apresentados na Figura 4.12.
78
(a) (b)
Figura 4.12 – Histogramas contendo as frequências de redução do pico de demanda (a) e do aumento
absoluto do fator de carga (b) devido à utilização do sistema de armazenamento de energia.
Figura 4.13 – Perfil de tensão de uma fase de um consumidor durante uma semana.
O perfil de tensão foi obtido com simulações de fluxo de carga série temporal com
resolução de 1 minuto, de acordo com as curvas de cargas e geração adotadas nestes estudos,
sendo posteriormente subamostrados para resolução de 10 minutos a fim de avaliar a qualidade
da tensão de atendimento em regime permanente, conforme regulamentado pela ANEEL [8].
Utilizou-se o valor médio da tensão em cada janela de 10 minutos para conversão da resolução
de 1 minuto para 10 minutos.
4.14 o perfil de carregamento do transformador ao longo de uma semana, sendo esta a mesma
semana apresentada na Figura 4.11, para os casos com sistema de armazenamento de energia
operando por meio da estratégia de movimento de limiares ou pela estratégia ótima.
Figura 4.14 – Perfil de carregamento do transformador ao longo de uma semana para os casos com sistema de
armazenamento de energia operando de acordo com as estratégias de movimento dos limiares e ótima.
(a) (b)
Figura 4.15 – Flutuação dos limiares de carregamento (a) e descarregamento (b) para as estratégias de
movimento dos limiares e ótima.
Tabela 4.2 – Comparação entre os casos sem sistema de armazenamento de energia, na presença destes sistemas
operando através da estratégia de movimento dos limiares e operação destes sistemas através da estratégia ótima.
Movimento dos
Critério Sem SAE Estratégia ótima
limiares
Pico de demanda médio (kW) 46,1 33,5 26,1
Fator de carga médio (%) 18,1 25,8 32,6
A estratégia de movimento dos limiares proposta não é tão eficaz quanto a estratégia
ótima, contudo, destaca-se que a previsão de carga no transformador de média/baixa tensão é
um processo que acarreta erros significativos por causa da aleatoriedade de demanda dos
consumidores e de geração de energia por geradores fotovoltaicos devido às incertezas
meteorológicas. Consequentemente, as incertezas de previsão de carga reduzem a eficiência da
estratégia ótima.
Para tanto, avaliaram-se três casos quanto à penetração de geração fotovoltaica: 5%,
15% e 25%. A máxima potência de geração fotovoltaica permissível para estes casos foi
apresentada na Tabela 4.3, na qual os valores são obtidos de acordo com um critério
probabilístico que será apresentado posteriormente.
83
Tabela 4.3 – Máxima potência permissível para diferentes níveis de penetração para as situações sem e com
sistemas de armazenamento de energia.
5% de penetração 15% de penetração 25% de penetração
Potência limite
FV (kW) FV (kW) FV (kW)
Sem SAE 5 7 10
Com SAE 8 15 17
(a) (b)
Figura 4.16 – Processo de convergência do algoritmo de Monte Carlo para determinação do limite de
potência fotovoltaica permissível no circuito nos casos sem (a) e com (b) sistemas de armazenamento de
energia.
5. CONCLUSÕES
Os sistemas de armazenamento apresentam potencial para modificar sensivelmente
os paradigmas da distribuição de energia elétrica à medida que flexibilizam tanto os
consumidores – que poderão gerar sua própria energia consumida, sem alterar profundamente
seus hábitos de consumo e, para tanto, depender cada vez menos das distribuidoras – quanto as
concessionárias – que devem manter índices de qualidade e confiabilidade de suprimento em
patamares cada vez mais exigentes e elevados, com recursos para investimento cada vez mais
restritos, em sistemas que se tornam mais complexos, incertos e desafiadores de serem
planejados e operados. Deste modo, esta dissertação teve por objetivo analisar e investigar
modos pelos quais a adoção de sistemas de armazenamento de energia controlados pelos
consumidores ou pela concessionária pode contribuir para mitigação dos impactos técnicos
causados pela inserção de geradores fotovoltaicos e de veículos elétricos nas redes de
distribuição de energia elétrica. Os resultados dos estudos realizados procuram subsidiar
elementos que respondam aos dois grupos de perguntas propostos no escopo desta dissertação:
Por fim, os estudos propostos neste trabalho tiveram por finalidade quantificar os
impactos técnicos presentes na inserção de tecnologias emergentes nos sistemas de distribuição
assim como o benefício indireto das concessionárias referente à aquisição de sistemas de
armazenamento de energia pelos consumidores. Adicionalmente, foi proposto uma estratégia
relativamente de baixo custo e razoável eficiência o qual possui como principal vantagem a
flexibilidade de aplicação, característica a qual os sistemas de armazenamento de energia se
destacam.
REFERÊNCIAS BIBLIOGRÁFICAS
[1] M. Eremia, M. Shahidehpour, “Active Power and Frequency Control”, In: M. Eremia,
M. Shahidehpour, “Handbook of Electrical Power System Dynamics: Modeling,
Stability, and Control”, Wiley-IEEE Press, 2013. p. 291-339.
[2] CCEE, “Fontes de Energia”, Disponível em: https://www.ccee.org.br/portal/faces
/pages_publico/onde-atuamos/fontes?afrLoop=1296373792338039#%40%3F_afrLo
op%3D1296373792338039%26_adf.ctrl-state%3D144bds8l26_4, Acessado em: Jun.,
2017.
[3] J. Ekanayake, K. Liyanage, J. Wi, A. Yokoyama, N. Jenkins, “Smart Grid Technology
and Applications”, Wiley-IEEE Press, 2012.
[4] Forbes, “One expert’s view on the near-term future of energy storage”, Disponível em:
https://www.forbes.com/sites/peterdetwiler/2016/06/06/one-experts-view-on-the-
near-term-future-of-energy-storage/#5f49390e56f6, Acessado em: Jun., 2017.
[5] PVEUROPE, “Fenecon is reducing prices of its energy storage systems for distribution
partners in Europe up to 20%” Disponível em: http://www.pveurope.eu/News/Energy-
Storage/Fenecon-is-reducing-prices-of-its-energy-storage-systems-for-distribution-
partners-in-Europe-up-to-20, Acessado em: Ago., 2017.
[6] ROCKY MOUNTAIN INSTITUTE, “The Economics of grid defection”, Disponível
em: http://www.rmi.org/electricity_grid_defection, Acessado em: Set, 2016.
[7] Clean Techinica, “70% Decrease In Energy Storage Costs By 2030, Says Report”
Disponível em: https://cleantechnica.com/2016/01/25/70-decrease-energy-storage-
costs-2030-says-report/, Acessado em: Ago., 2017.
[8] ANEEL, “PRODIST - Módulo 8 – Qualidade de Energia Elétrica”, Disponível em:
http://www.aneel.gov.br/modulo-8, Acessado em: Junho, 2017.
[9] Forbes, “Solar energy storage about to take off in Germany and California”,
Disponível em: https://www.forbes.com/sites/justingerdes/2013/07/18/solar-energy-
storage-about-to-take-off-in-germany-and-california/#14e0360f5c29, Acessado em:
Jun., 2017.
[10] CATERVA, “Swarm Solutions for Energy Users”, Disponível em:
https://www.siemens.com/innovation/en/home/pictures-of-the-future/energy-and-
efficiency/smart-grids-and-energy-storage-caterva.html, Acessado em: Junho, 2017.
[11] SDG&E, “Energy Storage Implementation”, https://energy.gov/sites/prod/files/2014/
06/f17/EACJune2014-4Bialek.pdf, Acessado em: Junho, 2017.
90
[24] Independent, “ Germany pushes to ban petrol-fuelled cars within next 20 years”,
Disponível em: http://www.independent.co.uk/news/world/europe/germany-petrol-
car-ban-no-combustion-diesel-vehicles-2030-a7354281.html, Acessado em: Jun.,
2017.
[25] ANFAVEA, “Estatística”, Disponível em: http://www.anfavea.com.br/estatisticas.
html, Acessado em: Jun., 2017.
[26] Portal Trânsito, “Até 2020, Brasil deve ter frota de aproximadamente 40 mil veículos
elétricos”, Disponível em: http://portaldotransito.com.br/noticias/ate-2020-brasil-
deve-ter-frota-de-aproximadamente-40-mil-veiculos-eletricos/, Acessado em: Jun.
2017.
[27] F. Katiraei and J. R. Aguero, "Solar PV integration challenges," Power and Energy
Magazine, IEEE, vol. 9, pp. 62-71,2011.
[28] N. Jenkins, R. Allan, P. Crossley, D. Kirschen, and G. Strbac, “Embedded
Generation”, IEE Power and Energy Series 31, 2000.
[29] Y. P. Agalgaonkar, B.C. Pal and R.A. Jabr, “Distribution Voltage Control Considering
the Impact of PV Generation on Tap Changers and Autonomous Regulators,” IEEE
Transactions on Power Systems, vol. 29, no. 1, pp. 182-192, Jan. 2014.
[30] H. Turker, S. Bacha, and A. Hably, “Rule-based charging of plugin electric vehicles
(pevs): Impacts on the aging rate of low-voltage transformers,” IEEE Transactions on
Power Delivery, vol. PP, no. 99, pp. 1–1, 2014
[31] J. Quirós-Tortós, L. F. Ochoa, S. Alnaser and T. Butler, "Control of EV Charging
Points for Thermal and Voltage Management of LV Networks", IEEE Transactions on
Power Systems, 2015.
[32] K. Clement-Nyns, E. Haesen, and J. Driesen, “The impact of charging plug-in hybrid
electric vehicles on a residential distribution grid,” IEEE Transactions on Power
Systems, vol. 25, no. 1, pp. 371–380, Feb 2010.
[33] NBR 5416 “Aplicação de cargas em transformadores de potência – Procedimento”,
1997.
[34] H. Yifeng, B. Venkatesh, G. Ling, "Optimal scheduling for charging and discharging
of electric vehicles", IEEE Transactions on Smart Grid, vol. 3, no. 3, pp. 1095-1105,
Sep. 2012.
[35] X. Su, M. A. S. Masoum and P. J. Wolfs, "Optimal PV Inverter Reactive Power
Control and Real Power Curtailment to Improve Performance of Unbalanced Four-
92
[46] Lamberti Francesco, Calderaro Vito, Galdi Vincenzo, Piccolo Antonio, and Graditi
Giorgio “Impact Analysis of Distributed PV and Energy Storage Systems in
Unbalanced LV Networks,” PowerTech, 2015 IEEE Eindhoven, July 2015.
[47] V. Calderaro, V. Galdi, G. Graber, G. Graditi, F. Lamberti, "Impact assessment of
energy storage and electric vehicles on smart grids", in Proceedings of Electric Power
Quality and Supply Reliability Conference, 2014, pp. 15-18.
[48] ANEEL, “Tarifa Branca”, Disponível em: http://www.aneel.gov.br/tarifa-branca,
Acessado em: Junho, 2017.
[49] ANEEL, “Resolução normativa nº414, de 9 de setembro de 2010”, Disponível em:
http://www2.aneel.gov.br/cedoc/bren2010414.pdf, Acessado em: Maio, 2017.
[50] ANEEL, “Modalidades tarifárias”, Disponível em: http://www.aneel.gov.br/tarifas-
consumidores/-/asset_publisher/zNaRBjCLDgbE/content/modalidade/654800?inherit
Redirect=false, Acessado em: Jun., 2017.
[51] A. Doucet, N. de Freitas, and N. Gordon, “An Introduction to Sequential Monte Carlo
Methods,” in Sequential Monte Carlo Methods in Practice, Springer New York: New
York, NY, pp. 3-14.
[52] Open Distribution System Simulator (OpenDSS). Disponível em:
http://electricdss.source forge.net/. Acessado em: Mar., 2017.
[53] Python Programming Language. Disponível em: http://www.python.org/. Acessado
em: Mar., 2017.
[54] J. A. Jardini, C. M. V. Tahan, M. R. Gouvea, S. U. Ahn, F. M. Figueiredo, "Daily load
profiles for residential commercial and industrial low voltage consumers", IEEE
Transactions on Power Delivery, vol. 15, no. 1, pp. 375-380, Jan. 2000.
[55] ANEEL, “PRODIST - Módulo 2 – Planejamento da Expansão do Sistema de
Distribuição”, disponível em: http://www.aneel.gov.br/modulo-2, Acessado em:
Maio, 2017.
[56] A. Reinders, P. Verlinden, Wi. Sark, A. Freundlich, “Photovoltaic Solar Energy: From
Fundamentals to Applications,” Wiley, 2017.
[57] C. Jiang, R. Torquato, D. Salles, and W. Xu, “Method to Assess the Power-Quality
Impact of Plug-in Electric Vehicles,” IEEE Transactions on Power Delivery, vol. 29,
no. 2, pp. 958-965, Apr. 2014.
[58] Renault Zoe Brochure, Disponível em: https://www.cdn.renault.com/content/dam/
Renault/IE/Brochures/Vehicles/zoe-brochure.pdf, Acessado em: Maio, 2017.
94
𝑉 0 𝑉2 2
𝑉
𝑆𝐸 𝑆𝐸
𝑒𝑞= 𝑇 𝑆𝐴𝐸
= 𝑅𝑒𝑞 𝑋𝑒𝑞 𝑆𝐴𝐸
2
(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 ) 𝑉22 𝑋𝑒𝑞 2
(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 ) 𝑉22 𝑅𝑒𝑞 𝑉22 (𝑉22
(A.3)
𝑉2 = 0
Desta forma, obteve-se uma equação quadrática em que o fluxo de potência na barra
2 correspondia à incógnita do problema. Portanto, resolvendo a equação de segundo grau
apresentada, a solução encontrada foi apresentada em (A.4).
96
𝑉22 𝑋𝑒𝑞 ± √𝐴
= (A.4)
(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 )
Em que:
𝜕 𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜
∆ ≈ (𝑉 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 (A.5)
𝜕𝑉2 2
Em que:
𝜕 𝜕𝐴
= ( 8𝑉2 𝑋𝑒𝑞 ± 𝐴−2
𝜕𝑉2 4(𝑋𝑒𝑞 2 𝑅𝑒𝑞 ) 2 𝜕𝑉2
𝜕𝐴
= 6𝑉23 𝑋𝑒𝑞 2 4(𝑋𝑒𝑞 2 𝑅𝑒𝑞 2 )[4 𝑉2 𝑅𝑒𝑞 4𝑉23 𝑉2 𝑉 2 ]
𝜕𝑉2
𝜕 𝑑𝑒𝑠𝑒𝑗𝑎𝑑𝑜
𝑆𝐴𝐸 ≈ (𝑉2 𝑉2𝑚𝑒𝑑𝑖𝑑𝑜 ) 𝑆𝐸 (A.6)
𝜕𝑉2
97
(a) (b)
Figura B.1 – Processo de convergência do algoritmo de Monte Carlo para determinação do limite de potência
fotovoltaica permissível no circuito sob 25% de penetração nos casos sem (a) e com (b) sistemas de
armazenamento de energia.
Deste modo, verificou-se que na Figura B.1 que o valor calculado do percentil 90
para o caso de 25% de penetração de geração fotovoltaica variou conforme o avanço do
processo iterativo. Porém, o algoritmo foi finalizado visto que o número de consumidores
afetados convergiu a uma faixa constante por mais de 30 iterações, concluindo que estas
potências violaram os limites impostos de tensão em cenários suficientes para esta potência
total fosse considerada proibitiva.
(a) (b)
Figura B.2 – Processo de convergência do algoritmo de Monte Carlo para determinação do limite de potência
fotovoltaica permissível no circuito sob 5% de penetração nos casos sem (a) e com (b) sistemas de
armazenamento de energia.