Escolar Documentos
Profissional Documentos
Cultura Documentos
Erick Baleeiro da Silva¹, Thiago Lopes Alencar de Carvalho¹, Niraldo Roberto Ferreira¹.
1.
Departamento de Engenharia Elétrica
Universidade Federal da Bahia
Salvador, Brasil
erick_baleeiro@hotmail.com, thiagolacarvalho@gmail.com, niraldo@ufba.br
Resumo— Os sistemas de distribuição são muito susceptíveis com a quantidade de chaveamentos, uma vez que as chaves
à ocorrência de faltas que, por muitas vezes, provocam operadas, manualmente, necessitam de um determinado tempo
interrupções permanentes no fornecimento de energia elétrica em para comutação – deslocamento da equipe e tempo de manobra
parte do sistema. A restauração do sistema ocorre por meio de [4].
operações de chaveamento que definem uma nova configuração
Algoritmos bioinspirados têm sido aplicados para resolver
durante o restabelecimento de energia. Essa configuração deve
ser determinada de modo que se tenha o menor número de problemas de restauração, a fim de proporcionar esforços
cargas não atendidas, a fim de respeitar as restrições computacionais cada vez menores. Alguns métodos podem ser
operacionais e topologia radial da rede. Diversas técnicas foram citados, como por exemplo: colônia de formigas [4], busca de
desenvolvidas para sanar o problema como subsídio ao operador tabu reativa [5], nuvem de partículas [6] e algoritmos genéticos
do sistema, visto que a restauração é um procedimento complexo [7].
de decisão e controle o qual deve ser solucionado o mais breve Dentre os métodos já mencionados, o algoritmo colônia de
possível. Este artigo propõe um algoritmo baseado em otimização formigas destaca-se devido à sua eficiência na resolução de
por colônia de formigas – Ant Colony Optimization (ACO), para problemas de otimização de natureza combinatória [8]. Nas
restaurar redes elétricas de distribuição. O método
últimas décadas, modificações e novas versões têm sido
implementado foi testado em sistemas elétricos de 16 e 33 barras
encontrados na literatura. Os resultados obtidos são comparados propostas no intuito de melhorar o desempenho dos algoritmos
aos de outros autores. de formigas; tendo como principal desafio a busca de uma
melhor solução com o esforço computacional aceitável.
Palavras-chave—Otimização por colônia de formigas; Neste trabalho, um algoritmo de otimização por colônia de
restauração de redes de distribuição; computação bioinspirada; formigas (ACO), para solucionar um problema de minimização
métodos heurísticos; método da soma de potência; da potência não suprida (PNS) e quantidade de chaveamentos
I. INTRODUÇÃO (CH) durante o processo de restauração, é proposto. O
problema de minimização, já mencionado, é formulado em um
O objetivo de um sistema elétrico de potência (SEP) é quadro de programação o qual utiliza uma variante do ACO, a
gerar, transmitir e distribuir energia elétrica, de forma a atender Ant Colony System (ACS). Os algoritmos ACO, são técnicas
padrões que exigem confiabilidade, disponibilidade, qualidade, baseadas no comportamento de formigas reais durante a busca
segurança e custos, com o mínimo impacto ambiental. por alimentos [4]. A versão ACS, devido às suas características
Entretanto, diversos fatores dificultam alcançar tal objetivo, de construção, promove uma maior exploração do espaço de
tais como: oscilações na demanda, falhas na geração, busca, favorecendo a sua aplicação neste tipo de problema [9].
transmissão e distribuição, dentre outros fatores. O artigo está organizado da seguinte forma: a seção II
O problema de restauração possui natureza não linear, com apresenta a formulação matemática para o problema de
variáveis contínuas e binárias. Portanto, originalmente é um minimização da PNS e CH. Os detalhes deste algoritmo são
problema de programação não linear inteira mista (PNLIM). A descritos na terceira e quarta seção. Na seção V, as soluções
dimensão do problema tem relação direta com a quantidade de numéricas são explanadas para demonstrar o desempenho do
chaves manobráveis; desta forma, pode ser determinada pela método proposto. Por fim, são realizados comentários válidos
relação 2 , onde é o número de chaves. Logo, quanto maior do estudo a partir das relações e problematizações verificadas.
o número de chaves manobráveis, maior será a dimensão do
problema [1], [2], [3].
Na resolução do problema de restauração de redes elétricas II. DESCRIÇÃO DO PROBLEMA
de distribuição, além de se encontrar uma configuração que
restaure grande quantidade de cargas, é interessante que este A. Formulação matemática do problema de restauração de
processo seja realizado com o menor número de manobras. redes elétricas de distribuição
Cabe enaltecer que o período restaurativo tem relação direta
Em (1) é visto o problema de minimização, de forma a
ponderar a quantidade de cargas não supridas e a relação da Os fluxos, no final do trecho m, expressam-se do seguinte
quantidade de chaveamentos. modo:
vetor restauração={S7 , S8 }
vetor radialidade={S1 , S2 , S3 , S5 , S }
Na construção de uma solução, cada chave é assumida para O ACS foi proposto em [15], [16] para solucionar o
ser operada apenas uma vez [4]. A partir desse pressuposto, o problema do caixeiro viajante, Traveling Salesman Problem –
TSP [8]. Este algoritmo caracteriza-se por atualizar o onde, m a quantidade de formigas, Q a constante de peso para
feromônio ao final da solução de cada formiga. o depósito do feromônios e Lk o comprimento da rota k-ésima
formiga.
1) Regra de Transição de Estados: Durante o problema de O ACS, devido ao incremento da atualização local,
restauração de redes elétricas de distribuição, a regra de incentiva as formigas a percorrerem todo o espaço de busca, a
transição de estado determina qual será a próxima chave se ser fim de obter a solução ótima, isto é interessante, com objetivo
comutada pela formiga. Essa escolha deve ser probabilística. de evitar a estagnação precoce do algoritmo.
Com isso, um agente k, que se encontra em uma determinada
ligação, possui a probabilidade PkZ de visitar de uma ligação z, 3) Informação Heurística: A informação heurística tem
conforme a equação abaixo: papel fundamental na escolha da decisão de qual barra será a
próxima a ser visitada pela formiga. Na fase inicial do
algoritmo, os feromônios, definidos com valores aleatórios,
β não orientam as formigas que, por sua vez, acabam
ταz ηβz ταl ηl , se z∈Ψ
PkZ =f(x)= , construindo soluções de má qualidade. No problema clássico
l∈Ψ (10)
0, se z∉Ψ do caixeiro viajante, a informação heurística é definida como
o inverso da distância entre as cidades. Este trabalho dispõe de
dois vetores de feromônio e dois vetores de informação
tendo Ψ como conjunto de chaves que podem ser visitadas heurística, justificando o fato de que os critérios para ativar e
pelo agente k. Portanto o conjunto mecionado é constituído desativar uma ligação são distintos.
pela união entre os vetores restauração e radialidade. τz é a O vetor de informação heurística, a ser utilizado no
quantidade de feromônio relacionada à abertura/fechamento cálculo de probabilidade para ativar uma ligação, considera a
da chave z; já ηz corresponde à informação heurística que será quantidade de cargas que serão restauradas na barra a jusante
desta ligação, auxiliando, assim, na problematização de
detalhada mais a frente; α e β são os pesos atribuídos ao
minimização da função objetivo. Já o vetor de informação
feromônio e a informação heurística [17].
heurística que será utilizado para desativar uma ligação, utiliza
o critério do nível de tensão, justificando o fato de que as
2) Distribuição do Feromônio: A atualização do
barras terminais são candidatas aos piores níveis de tensão e,
feromônio tem como objetivo concentrar a pesquisa em
dessa forma, não atende as restrições. Portanto, estas barras
regiões do espaço de busca com distâncias reduzidas. O ACS
devem ser alimentadas a partir de outro trecho.
[15], [16] dispõe de duas formas de atualização, a local e
global. A atualização local do feromônio é realizada assim que IV. RESULTADOS
uma formiga realiza a ação de abertura/fechamento de uma
chave. Dessa forma a formiga remove certa quantidade de Os algoritmos foram implementados em Matlab® R2015a,
feromônio, de acordo com a fórmula explanada (11): computador Intel (R), Core (TM) i5-4200 CPU @ 2.30 GHz e
4 GB de memória RAM. O algoritmo é testado para um
τz ←(1-φ)τz + φτ0 (11) sistema do IEEE de 16 barras [18], composto por 13 barras de
carga e 3 alimentadores de 23 KV, carga total de 28,7 MW e
onde, φ ϵ (0,1 é o coeficiente de decaimento de feromônio, e 17,3 MVAr e possui um total de 13 chaves normalmente
τ a quantidade inicial de feromônio. fechadas e 3 chaves de interconexão. Como exemplo
A regra de atualização global do feromônio, é efetuada ilustrativo, adotou-se, da mesma forma que em [19] [20], com
assim que uma formiga encontra uma solução, e pode ser ocorrência da falta no ramo S5 . Após a atuação do sistema de
descrita por: proteção, as barras 6,7 e 10 ficam desenergizadas, conforme
mostra a Fig. 4. Os limites de tensão nas barras foram
(1 − ) + Δ , ( ) ℎ ; (12) considerados entre 0,95 p.u. e 1,05 p.u..
=
, á .
Fechar S8
Método Proposto Fechar S7 0,954 p.u. 100%
Abrir S6
Parâmetros Símbolos
16 barras 33 barras Fechar S7 0,842 p.u. 100%
Lin e Chin [19] Fechar S9 (Barra 31)
Quantidade de formigas m 5 10
Peso do feromônio α 1 1 Zidan e Elsaadany Fechar S37 0,928 p.u. 100%
Peso da inf. heurística β 2 3 [22] Fechar S (barra 6)
Taxa de evaporação ρ 0,2 0,1
Taxa de decaimento ϕ 0,1 0,1
Tolerância do MSP ε 10-3 10-3 Borges [20] Fechar S37 0,928 p.u 100%
Fechar S9 (barra 6).
Feromônio inicial τ0 1 1
Nº de ciclos ciclos 30 100
Método Proposto Fechar S37 0,928 p.u. 100%
Fechar S9
Na Tabela II, é possível verificar a solução encontrada pelo
algoritmo para o sistema de 16 barras. Os resultados obtidos
foram comparados a de outros autores.
A metodologia proposta, assim como os trabalhos [20] e REFERÊNCIAS
[23], indica o restabelecimento ótimo para esse sistema nas [1] A. J. Monticelli, “Fluxo de carga em redes de energia elétrica”. São
condições consideradas. Embora as metodologias restaurem Paulo: Edgard Blucher, 1983.
100% da carga final, a metodologia proposta, assim como [2] C.C Liu, S.J. Lee, S.S, Venkata, “An expert system operational aid for
trabalhos mencionados, resolvem a problematização, com a restoration and loss reduction of distribution systems.” IEEE
Transactions on Power Systems, v.3, n.2 (May), pp. 619 – 626, 1988.
ressalva de que o sistema resultante tem um quantitativo
[3] R. Karn. Y. Kumar, G. Agnihotri, “Development of ACO Algorithm for
menor de perdas. A tabela IV realiza a comparação dos Service Restoration in Distribution system.” International Journal on
algoritmos propostos para o problema já mencionado; Emerging Technologies, Bhopal, p. 71-77, 2011.
entretanto, dispõe de um limite de tensão mais rigoroso, no [4] I. Watanabe, “An ACO Algorithm for Service Restoration in Power
valor de 0,95 p.u. Distribution Systems”. Evolutionary Compatation, Congress IEEE,
Japão, vol. 3, p. 2864-2871, 2005.
TABELA IV. COMPARAÇÃO DO RESULTADO FINAL DO [5] L. Silva, R. A. F. Pereira, J. Abbad, J.R.S, Mantovani. “Optimised
RESTABELECIMENTO DO SISTEMA IEEE 33 BARRAS –LIMITE INFERIOR DE Placement of Control And Protective Devices in Electric Distribution
TENSÃO DE 0,95P.U. Systems Trhough Reactive Tabu Search Algorithm”. Electric Power
Systems Research, Elsevier, vol 78, p. 372-381, 2008.
Experimentos Chaveamento Tensão Carga final
mínima restabelecida [6] L. Zhigang, D. Yuxiang. “Distribution System Restoration Based on
Improved Binary Particle Swarm Optimization [J].” Automation of
Electric Power Systems 24, 2006.
Lin e Chin [19] Fechar S7 0,951 p.u. 8%
Fechar S9 (Barra 32) [7] X. C. Xiaoping. “Determination of the Load Restoration Plans Based on
Genetic Simulated Annealing Algorithms [J].” Transactions of China
Electrotechnical Society 1, 2009.
Zidan e Elsaadany Fechar S37 0,950 p.u. 55% [8] M. Dorigo, Marco, M. Birattari, T. Stutzle. “Ant colony
[22] Fechar S (barra 6) optimization.” IEEE computational intelligence magazine 1.4, 2006.
[9] M. Dorigo, T. Stutzle, “Ant colony optimization”. MIT Press, 2004
[10] R. G. Cespedes. “New method for the analysis of distribution
Fechar S37 networks.”IEEE Transactions on Power Delivery 5.1, 1990.
Fechar S
[11] B. A. Souza, J. P. S. Silva, N. R, Ferreira. “Configuração Ótima de
Borges [20] Fechar S 0,928 p.u 64% Redes de Distribuição Aplicando um Algoritmo Colônia de Formigas”.
Abrir S (barra 6). IEEE PES Transmission and Distribution Latin America Conference and
Fechar S Exposition, São Paulo, 2010.
Abrir S
[12] B. A. Souza, J. P. S. Silva, N. R, Ferreira. “Aplicação de Algoritmo
Colônia de Formigas na Reconfiguração de Redes Elétricas de
Distribuição”. Simpósio Brasileiro de Automação Inteligente. São João
Fechar S37
Del Rei – MG, p. 1-6, 2011.
Fechar S
Método Proposto Fechar S 0,928 p.u 64% [13] H. S. Sanca, R. F. Niraldo. “Reconfiguração ótima de sistemas de
Abrir S (barra 6). distribuição de energia elétrica aplicando o algoritmo MAX-MIN Ant
Fechar S System”. Dissertação de Mestrado, UFBA, 2013.
Abrir S [14] Dorigo, Marco, et al. “Positive feedback as a search strategy.” 1991.
[15] M. Dorigo, L. M. Gambardella. “Ant colonies for the traveling salesman
problem”. BioSystems, v.43, n.2, p.73–81, 1997a.
A partir da Tabela IV, é possível verificar que o método [16] M. Dorigo, L. M. Gambardella. “Ant Colony System: A Cooperative
proposto em [19] restabeleceu apenas 8% da carga do sistema; Learning Approach to the Traveling Salesman Problem”. IEEE
Transactions on Evolutionary computation, v.1 n.1, p.53-66, 1997b.
enquanto que a metodologia em [22] restaurou 55%.
[17] F. S. Pereira, “Reconfiguração Ótima de Sistemas de Distribuição de
Continuando a análise, percebe-se que a metodologia Energia Elétrica Baseado no Comportamento de Colônia de Formigas”.
proposta, assim como visto em [20], restabeleceu 64% com Tese de Doutorado. São Paulo, Brasil, Universidade de São Paulo, 2010.
uma perda de 97 kW. [18] Civanlar, Seyhan, et al. “Distribution feeder reconfiguration for loss
reduction.” IEEE Trans. Power Del.;(United States) 3.3, 1988.
V. CONCLUSÃO [19] Lin, Whei-Min, Hong-Chan Chin. “A new approach for distribution
Neste artigo foi realizado um estudo do desempenho do feeder reconfiguration for loss reduction and service restoration.” IEEE
Transactions on Power Delivery 13.3, 1998).
algoritmo colônia de formigas aplicado à solução do problema
[20] T. T. Borges, “Restabelecimento de Sistemas de Distribuição Utilizando
de restauração de redes elétricas de distribuição. O algoritmo Fluxo de Potência Ótimo”. Rio de Janeiro: Tese de Doutorado,
implementado foi a ACS, uma variante do ACO, devido às Universidade Federal do Rio de Janeiro, 2012.
suas características serem mais apropriadas para este [21] Baran, E. Mesut., F.W. Felix. “Network reconfiguration in distribution
problema. A fim de verificar o desempenho do algoritmo systems for loss reduction and load balancing.” IEEE Transactions on
Power Delivery 4.2, 1989.
proposto, o trabalho foi aplicado em dois sistemas (16 e 33
[22] Zidan, Aboelsood, E. F. El-Saadany. “Service restoration in balanced
barras), e apresentou respostas coerentes com as expostas por and unbalanced distribution systems with high DG penetration.” 2011
outros trabalhos científicos. IEEE power and energy society general meeting. IEEE, 2011.
[23] D.N. Arcanjo. “Metodologia multi-estágio para restabelecimento de
AGRADECIMENTOS sistemas elétricos de distribuição utilizando algoritmos bio-inspirados”.
Os autores agradecem ao Conselho Nacional de Dissertação de mestrado, UFJV, 2014.
Desenvolvimento Científico e Tecnológico (CNPQ) pelo apoio
financeiro prestado mediante concessão da bolsa de Mestrado.