> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp.

1-10 1

Alocação Ótima de Banco de Capacitores em

Redes de Distribuição Radiais para
Minimização das Perdas Elétricas
A. C. Neto, Marco Aurélio C. Pacheco

Abstract—Este trabalho propõe uma metodologia, baseada em algoritmos evolutivos, para o problema de alocação de capacitores
em redes de distribuição radiais. A instalação de bancos de capacitores em redes de distribuição visa reduzir as perdas elétricas
resultantes da potência reativa presente no sistema. Esta metodologia foi validada e aplicada em uma subestação de grande porte da
rede de distribuição da Companhia Energética do Maranhão – CEMAR. Os resultados obtidos com o algoritmo de alocação de
capacitores reduziu as perdas elétricas e melhorou o perfil mínimo de tensão.

Palavras Chaves—Alocação de Capacitores, Fluxo de Carga, Algoritmo Genéticos, Redes de Distribuição

> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 2

n
n ( cap )
i (1 + i )
INTRODUÇÃO CI = ∑ Cj n
(2)
Capacitores são fontes de energia reativa. Os objetivos de j =1 (1 + i ) −1
sua aplicação em sistemas de potência é a compensação de
energias reativas produzidas por cargas indutivas ou n(cap) é o número de capacitores instalados;
reatâncias de linhas. Quando adequadamente utilizados, i representa a taxa de juro de mercado disponível para o
permitem a obtenção de um conjunto de benefícios investidor;
correlatos que incluem a redução de perdas de energia, n é a vida útil dos banco de capacitores;
correção dos perfis de tensões, controle dos fluxos de C é o custo de compra para cada capacitor;
j
potência, melhoria do fator de potência e aumento da
capacidade dos sistemas [1]. No contexto desse trabalho, a CM é o custo de manutenção dos capacitores;
instalação de capacitores é avaliada conjuntamente sob a
ótica de redução de perdas e do conseqüente aumento do Por outro lado, o benefício resultante da instalação dos
lucro na distribuição de energia. Aspectos operacionais capacitores é dado por:
também são levados em conta, pois geram restrições que não
podem ser desprezadas quando se planeja instalar Beneficio = ∆PE (3)
capacitores em uma rede elétrica real.
As perdas técnicas podem ser reduzidas pela instalação de Onde:
capacitores em pontos adequados da rede, proporcionando
“geração” de energia reativa nas proximidades das cargas.
∆PE = PE ( S base ) − PE ( S ger )
Dessa forma, diminui-se a componente associada ao fluxo de
corrente reativa nas linhas. Sbase é o cenário do caso base (sem a instalação de
Os benefícios reais obtidos com a instalação de capacitores);
capacitores em sistemas de distribuição dependem das Sger é o cenário com a instalação de capacitores;
características dos equipamentos e da forma como é feita PE(Sbase) e PE(Sger) são os custos de perdas elétricas
essa instalação. Especificamente, dependem do número e associados com os cenários Sbase e Sger, respectivamente. O
tamanho dos capacitores, de sua localização, do tipo (fixos custo de perdas de energia é obtido multiplicando-se as
ou chaveados) e do esquema de controle utilizado. Neste perdas anuais de energia pela tarifa cobrada nas empresas de
trabalho, o problema de alocação de capacitores restringe-se distribuição.
ao problema de encontrar a localização e a dimensão dos Usando os custos e benefícios definidos nas eqs. (1) e (3),
capacitores a serem instalados. pode-se expressar a função objetivo do problema de
alocação de capacitores da seguinte forma:
I. FORMULAÇÃO DO PROBLEMA DE LOCALIZAÇÃO DE
CAPACITORES Custo CI + CM
Minimizar = (4)
Considera-se o problema geral de localização de Beneficio ∆PE
capacitores como sendo a determinação dos lugares (número
e localizações), tipos, e ajustes (capacidades e tempos de
Analisando-se a função objetivo expressa na eq. (4),
chaveamentos) ótimos dos bancos de capacitores a serem
pode-se observar que um cenário de planejamento será
alocados em um sistema de distribuição radial. Os objetivos
economicamente viável apenas se a relação custo/benefício
são a redução das perdas de potência e energia no sistema e
for menor do que a unidade.
a manutenção da regulação de tensão enquanto se mantém o
A minimização da função objetivo acima exige que sejam
custo da adição dos bancos de capacitores em um mínimo.
inicialmente identificados os locais candidatos para a
Desta forma, uma alternativa para resolver este problema é
instalação de capacitores. Neste trabalho, esta identificação
considerar a minimização da relação custo/benefício como
foi realizada calculando-se as seguintes relações de
função objetivo do problema de alocação de banco de
sensibilidade [3]:
capacitores. O custo associado com a inserção de
capacitores em um alimentador é dado por:
∂Perdas ∆Perdas Perdas f − Perdas i
≈ = (5)
Custo = CI + CM (1) ∂Qlk ∆Qlk Qlkf − Qlki

Onde: Onde:

CI é o custo de compra anualizado de capacitores (custo de
instalação). Este custo é calculado da seguinte forma [2]:
∆Qlk é uma variação da injeção de potência reativa em uma
barra k (as injeções adicionais de potência reativa são
resultante dos capacitores conectados na rede);
Perdasf são as perdas elétricas com injeções adicionais de
potência reativa;
> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10
Perdasi são as perdas elétricas sem injeções adicionais de
potência ativa;
Qlkf é a injeção de potência reativa final em uma barra k;
Qlki é a injeção de potência reativa inicial em uma barra k;
Este tipo de aproximação é conhecido como Método das
Diferenças Finitas [4]. Após a análise de sensibilidade, foi
selecionada 10% das barras que tem maior impacto na
análise de sensibilidade.
II. METODOLOGIA DE SOLUÇÃO: ALGORITMO GENÉTICO
Os algoritmos genéticos são algoritmos de busca
estocástica, combinando sobrevivência artificial através do
princípio da adaptabilidade com operadores genéticos
abstraídos dos sistemas biológicos. Estes algoritmos formam
um mecanismo surpreendentemente robusto e muito
eficiente para encontrar soluções otimizadas para problemas
complexos do mundo real [5].
A terminologia utilizada no desenvolvimento dos
algoritmo genéticos se baseia na teoria da evolução natural e
da genética. Inicialmente, é proposta uma população de
indivíduos, e cada indivíduo é representado por um
cromossomo que possui uma codificação (genótipo) de uma
suposta solução do problema (fenótipo). De uma forma
geral, os cromossomos são implementados através de
vetores ou listas de atributos, onde cada componente do
vetor ou atributo representa um gene. Os genes, por sua vez,
podem assumir diversos valores de acordo com o tipo de
codificação.
Os algoritmos genéticos implementados para a maioria
dos problemas nos quais são aplicados, devem ter os
seguintes componentes:
• Escolha de uma representação genética para soluções
candidatas, ou seja, processo de codificação;
• Uma forma de gerar uma população inicial de soluções
candidatas;
• Uma função de adaptabilidade que corresponde à
pressão ambiental, tendo a função de avaliar as
soluções e classifica-las de acordo com a sua
adaptação ao meio;
• Operadores genéticos;
• Identificação dos valores para os vários parâmetros
usados pelo algoritmo genético tais como: tamanho da
população, probabilidades de aplicação dos operadores
genéticos, números de gerações, etc.
A seguir, uma descrição mais detalhada das partes
constituintes de um algoritmo genético aplicado ao problema
de alocação ótima de banco de capacitores.
A. Processo de Codificação
A codificação é uma das etapas mais críticas na definição
de um algoritmo genético, por isso deve ser um dos
primeiros aspectos a serem considerados durante a fase de
implementação. Neste trabalho, a codificação dos indivíduos
foi através de números inteiros. Estes números representa os
índices associados com os valores nominais de capacitores
3
disponível em uma tabela. Por exemplo, a partir da Tabela 1,
os número 2 e 5 representam respectivamente, que serão
instalados 0,0 e 300 KVAr em um sistema.
TABELA I
EXEMPLO DE VALORES DE CAPACITORES DISPONÍVEIS
Índice Capacidade (KVAr)
1 0,0
2 0,0
3 0,0
4 150,00
5 300,00
6 450,00
Portanto, o indivíduo será constituído de números inteiros,
que por sua vez indicará que capacitor será alocado.
B. População Inicial
A população de um algoritmo genético é um conjunto de
possíveis soluções para um determinado problema. Cada
indivíduo na população é representado por um cromossomo
composto por uma seqüência de números, que assumem
valores dependendo de tipo de codificação usada. Neste
trabalho, a população inicial foi gerada de maneira aleatória.
A população foi realizada utilizando números aleatórios no
intervalo [1,num_list], onde num_list é o tamanho da lista de
capacitores disponíveis para alocação, para definir o
capacitor que será selecionada a partir de uma lista de
capacitores disponíveis. Esta seleção de capacitores indicará
quais capacitores serão alocados no sistema de distribuição.
Por exemplo, a partir da Tabela I, um indivíduo foi gerado a
partir dos seguintes números aleatórios: Xrand=2; Xrand=6;
Xrand=5; Xrand=1; Xrand=2; Xrand=4.
2 6 5 1 2 4
Fig. 1. Exemplo de um individuo de uma população
C. Operadores Genéticos
Indivíduos selecionados são recombinados sexualmente
através do operador de crossover. O operador de crossover é
considerada a característica fundamental dos algoritmos
genéticos. Pares de genitores são escolhidos aleatoriamente
e novos indivíduos são criados a partir da troca de material
genético. Os descendentes serão diferentes de seus pais, mas
com características genéticas de ambos os genitores. Neste
trabalho, foi utilizado o crossover de um ponto. Por
exemplo:
Fig. 2. Exemplo de crossover de um ponto.
Na sua forma mais simples o crossover de um ponto de
corte, corta os dois genitores em uma posição aleatoriamente
escolhida (vê Fig. 2), criando dois novos descendentes.
> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 4

Os cromossomos criados a partir do operador crossover

são então submetidos a operação de mutação. Mutação é um
operador exploratório que tem por objetivo aumentar a
diversidade na população. O operador de mutação altera o
conteúdo de uma posição do cromossomo, com uma
determinada probabilidade, em geral menor que 1%. A Fig.
3 apresenta um exemplo do operador mutação.

Fig. 3. Exemplo do operador mutação.

III. FLUXO DE POTÊNCIA PARA REDES DE DISTRIBUIÇÃO

RADIAIS
Nesta seção apresenta-se o método de fluxo de potência
para redes de distribuição radiais. Este método em sua
implementação utiliza uma abordagem orientada a ramos
para melhorar o desempenho número. Neste contexto, o
Método Soma de Potência também é chamada fluxo de
potência orientado a ramos. Este método estima as tensões
nodais e fluxos de potências nos ramos, de forma iterativa, Fig. 4. Estrutura pai-filho para um sistema de distribuição
usando o procedimento de Varredura Progressiva Regressiva
(VPR). Este procedimento significa basicamente em dois O cálculo dos fluxos nos ramos se baseia nas seguintes
passos: Inicialmente, os fluxos de corrente ou potência nos equações recursivas [6], [7]:
ramos são calculados partindo-se dos nós extremos em
direção ao nó raiz (subestação), e usando uma estimativa 1) Varredura Regressiva
2 2

inicial de tensões nodais, este primeiro procedimento é P eq + Qkeq

Pi ,k = Pkeq + ri ,k × k (6)
chamado de Varredura Regressiva (VR). A partir do Vk2
resultado da injeção de corrente ou potência do nó raiz e do 2 2
Pkeq + Qkeq
valor conhecido da tensão nessa barra, recalculam-se os Qi ,k = Qkeq + xi ,k × (7)
valores de tensão das barras da rede partindo-se do nó raiz Vk2
em direção aos nós extremos. Este procedimento é
denominado Varredura Progressiva (VP). A VPR é repetida 2) Varredura Progressiva
até que não hajam variações significativas nas magnitudes
Vk2 = Vi 2 − 2 ( Pi ,k × ri ,k + Qi ,k × xi ,k ) + ( Pi ,2k + Qi2,k )
(r 2
i ,k + xi2,k )
(8)
das tensões nodais entre duas iterações consecutivas. Vk2
As VPR são realizadas usando-se a informação pai-filho
associada com uma dada configuração do sistema. Esta Onde as variáveis usadas acima nas equações são mostradas
informação é ilustrada na Fig. 4, onde as linhas sólidas estão na Fig. 5:
associadas com os pais dos componentes e as linhas
tracejadas com os filhos. Nesta figura, o parente de um (9)
componente é definido como o primeiro componente à
Pkeq = ∑P
l∈Ω k
k ,l + Pkd
jusante do componente em questão, considerando-se o fluxo
no sentido fonte-carga. Por outro lado, os filhos de um
componente são definidos como os primeiros componentes à
Pkeq = ∑P k ,l + Pkd − Yshunt × Vk2 (10)
l∈Ω k
jusante do componente em questão, considerando-se também
o fluo no sentido da fonte-carga.

Fig. 5. Circuito usado para VPR

Pkd é a carga ativa conectada à barra k;

> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 5

Qkd é a carga reativa conectada à barra k;
Pi ,k é o fluxo de potência ativa no ramo entre a barra i e k;
Qi ,k é o fluxo de potência reativa no ramo entre a barra i e k;
Ω k é o conjunto de nós à jusante do nó k;
ri ,k e xi ,k é a resistência e a reatância associada com o
ramo entre os nós i e k, respectivamente;
Yshunt é a reatância capacitiva instalada em uma barra;
instalar e para manter os capacitores em operação.
Adicionalmente aos custos de operação/instalação de
capacitores, é também necessário se conhecer os custo de
venda de energia elétrica para se definir a função objetivo
mostrada na equação (4). Neste trabalho, o custo de venda
de energia é 0,202 R$/kWh [8]. Os parâmetros do algoritmo
genético utilizado para a otimização estão apresentados na
Tabela III.
TABELA III
PARÂMETRO DO ALGORITMO GENÉTICO

IV. RESULTADOS Número de gerações 100

O algoritmo proposto para a alocação ótima de banco de Probabilidade de Cruzamento (Pc) 0,85
capacitores foi testado em um sistema constituído por quatro Probabilidade de Mutação (Pm) 0,08
alimentadores da rede de distribuição da Companhia Tamanho da População 50
Energética do Maranhão – CEMAR. Estes alimentadores
pertencem a uma subestação denominada Maiobão. As
A análise dos resultados obtidos com alocação de
principais características do sistema teste são apresentadas
capacitores em redes de distribuição foi realizada
na Tabela I e o diagrama unifilar em coordenadas
considerando-se os seguintes cenários de planejamento:
georeferenciadas é mostrado na Figura 6.

TABELA I Cenário 0: Rede de distribuição sem a instalação de

CARACTERÍSTICA DO SISTEMA TESTE banco de capacitores;
Cenário 1: Rede de distribuição após a alocação ótima
No. de Consumidores 19106 de capacitores;
Pico de Carga 7768,37 kW
No. de Chaves NA 1 Os custos associados com estes dois Cenários são
No. de Pontos de Carga 201 apresentados na Tabela IV. A partir desta tabela, nota-se que
No. de Componentes 1717 os custos das perdas elétricas foram reduzidos de R$
Comprimento total 75,5927 km 61412,5. Esta redução nos custos é devido à instalação de
capacitores na rede distribuição em estudo. Estes resultados
já eram esperados, pois os capacitores são fontes de energia
reativa. Em outras palavras, a inserção de capacitores na
rede distribuição há uma compensação de energias reativas
produzidas por cargas indutivas ou reatâncias de linhas. Por
outro lado, para esta redução nota-se a partir da tabela, que
houve um custo associado com a instalação de capacitores, o
valor em R$ foi de 3000,17.

TABELA IV
VALORES DOS CUSTOS ESTIMADOS

Custos (R$) Cenário 0 Cenário 1

Custos das Perdas (*1000) 1.346,51 1.285,1
Custo de Instalação e
Manutenção de 0,0 3000,17
Fig. 6 . Diagrama unifilar da subestação do Maiobão - CEMAR
Capacitores
A Tabela II mostra os valores de capacitores disponíveis Custo Total 1.346,51 1.288,10017
para a instalação nas barras candidatas. Além disso, esta
tabela apresenta os valores nominais dos capacitores com Os resultados obtidos com a metodologia aplicada,
seus respectivos custos. apresentada na Tabela IV, mostraram que o custo total do
Cenário 1 com relação ao Cenário 0 teve uma redução de R$
TABELA II 58409,83. Em outras palavras, a razão da relação
CAPACITORES DISPONÍVEIS PARA ALOCAÇÃO
custo/benefício é menor do que 1, ou seja, os benefícios da
Capacidade (KVAr) Custo (R$) instalação de capacitores são maiores que os custos de
150 3595,00 instalação dos capacitores na rede de distribuição. Estes
300 3850,00 resultados mostram a importância da metodologia aplicada,
450 3889,00 visto que são obtidos melhores níveis de perdas elétricas,
redução no perfil de tensão, carregamento máximo dos
O custo mostrado na tabela acima, é a soma do custo de alimentadores e um aumento nas receitas das empresas de
> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 6

distribuição. Desta forma, a instalação de bancos capacitores

pode ser uma alternativa para adiar investimentos associados
com a expansão da rede elétrica.
Na Tabela V, apresenta-se os valores obtidos para tensão
mínima, carregamento máximo e das perdas elétricas após a
instalação ótima de capacitores.
TABELA V
DADOS OPERAÇÃO DO SISTEMA APÓS A INSTALAÇÃO DE CAPACITORES
Dados Operacionais Cenário 0
Tensão Mínima (kV) 12,6371
Carregamento Máx. (A) 667,625
Perdas Elétricas (kW) 760,946
Na Figura 7 apresenta à análise do desempenho do
algoritmo genético utilizado para o problema de alocação de
capacitores. Este desempenho foi realizado calculando a
média dos melhores indivíduos por geração em vários
experimentos (20 experimentos). A partir desta análise, foi
possível medir o desempenho do AG em encontrar uma
solução melhor na geração seguinte.
REFERENCES
[1] A. Mendes, C. Pissarra, P. França, C. Lyra, C. Cavellucci.
“Instala;’ao de capacitores para redução de perdas em redes de
distribuição de energia elétrica”, CBA, 2002.
[2] Roy Billinton, Wenyan Li . “Reliability Assessment of Electric Power
System Using Monte Carlo Methods”. 1994, Plenum Press - New
York.
[3] R. Raineri, S. Ríos and R. Vásquez . “Business opportunities and
dynamic competition through distributed generation in primary
Cenário 1 electricity distribution networks”. Energy Policy, Vol 33, Issue 17,
November 2005, pp. 2191-2201.
12,7455 [4] W. Y. Yang, W. Cao, Tae-Sang Chung, “Applied Numerical Methods
Using Matlab”, Wiley-Interscience, 2005, New jersey
653,203 [5] J. H. HOLLAND. A, “Adaptation in Natural and Artificial Systems”,
726,24 1992, ,2a edi¸c˜ao, MIT Press, Massachusetts;
[6] M. H. Haque, “A General Load Flow method for Distribution
Systems”, Electric Power System Research, 2000, Vol.54(1), pp:47-
54.
[7] M. E. Baran, F. F. Wu, “Network Reconfiguration in Distribution
Systems for Loss Reduction and Load Balancing”, IEEE Trans.
Power Delivery 4(2), 1989, 1401-1407.
[8] L. H. Willis, “Power Distribution Planning Reference Book”, Marcel
Dekker, 2004, New York.

Desempenho do AG

0.075000

0.070000

0.065000
Fitness

0.060000

0.055000

0.050000

0.045000

0.040000
1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97

Gerações

Fig. 7 . Média dos melhores indivíduos de vários experimentos

V. CONCLUSÕES
Neste trabalho, um algoritmo de otimização, algoritmo
genéticos, tem sido desenvolvido para resolver o problema
de alocação de banco de capacitores em redes de
distribuição radiais. Além disso, foi implementado um fluxo
de carga para redes de distribuição (Soma de Potência).
Os resultados obtidos com a metodologia reduziram
significativamente os seguintes variáveis de operação: perfil
de tensão, carregamento dos alimentadores e as perdas
elétricas. Além disso, os resultados mostram que a
abordagem via algoritmos genéticos é válida para o
problema. O método mostrou ser estável ao se adaptar
facilmente às varias configurações dos parâmetros.