Trabalho final - Distribuição

----- OBJETIVOS ------

Problema:
Sistema de distribuição com injeção FV presenta desequilíbrio.

Solução:
1. Desenvolver um algoritmo para alocar SFVs para eliminar o desequilíbrio
respeitando os limites de tensão em regime permanente de acordo ao estabelecido
no módulo 8 de PRODIST.

2. Quantificar a capacidade de hospedagem logo da inserção de SFVs á rede.

Softwares:
OpenDSS usando DLL com Python

----- METODOLOGÍA -----

Step 1. Seleção do sistema de distribuição - Rede teste IEEE-123 barras.

Step 2. Modelagem do sistema em OpenDSS.

Step 3. Criar três cénarios de desequilíbrio na rede.

Step 4. Desenvolver o algoritmo de alocação de SFVs.

Step 5. Validação dos impactos.

Step 6. Quantificação da capacidade de hospedagem.

----- CONDICÕES INICIAIS -----

Alocação inicial: SFVs_1_Ph em 20% das barras trifásicas (14 nós aleatórios)

Fluxo de potência: Mode Snapshot

Fator de potência: 1,0
Demanda mínima: 30%
Capacidade do inversor: 1,0
Incremento dos SFVs por iterção: 5 kW
Percentagem dos nós onde serão alocados os SFVs: 20%

---- CENÁRIOS -----

### nodes_percent.py ### Pode se definir a percentagem de cada fase
Node_1 10%, Node_2 70%, Node_3 20%
C1: Location 100
['44.1', '450.2', '61s.2', '50.2', '87.2', '78.2', '98.2', '61.2', '89.2', '18.2',
'63.2', '101.3', '8.3', '81.3']
Desequilíbrio YES
Overvoltage NO
Overload NO
Nível de penetração 770 kW

# aleatory_nodes_p.py # Busca de cenários que apresentam desequilíbrio de tensão

### Run_aleatory_nos.py ### final: Adiciona novos SFVs monofásicos na rede

C2.png
Node_1 29%, Node_2 29%, Node_3 42%
C2: Location 1
selected_tribuses =
['63.1', '8.3', '152.3', '98.3', '40.1', '152.1', '56.1', '99.2', '95.3', '79.2',
'87.2', '53.3', '54.2', '105.3']
Desequilíbrio YES
Overvoltage NO
Overload NO
Nível de penetração 2450 kW (quando apresenta desequilíbrio)

Haverá mais de uma solução o que poderia ser mais eficiente desenvolver funções de
otimização
que maximizem a capacidade de hospedagem da rede.

Sol 1. Location 1
Sol1_C2.png
['66.1', '250.3', '300_open.3', '42.1', '300_open.1', '61.1', '135.2', '61s.3',
'91.2', '450.2', '65.3', '61.2', '99.1', '52.1']
Desequilíbrio NO
Overvoltage YES
Overload NO
Nível de penetração nuevo 1680 kW (do conjunto de novos SFVs)
Nível de penetração total 4130 kW

Sol 2. Location 2
Sol2_C2.png
['250.1', '151.1', '50.1', '53.2', '80.1', '101.3', '76.3', '29.2', '61s.1',
'151.3', '100.1', '23.1', '42.3', '78.3']
Desequilíbrio NO
Overvoltage YES
Overload NO
Nível de penetração nuevo 1260 kW
Nível de penetração total 3710 kW

---- DÚVIDAS ----

Excluir os nós dos switches e reguladores?
Seria um pouco demorado tirar um por um
Sol: Ignorar soluções que tenham aqueles nós

---- DATAFRAME ----

Avaliação de múltiplas locações para achar a melhor solução
Compilar #analysis_aleatory_nodes.py
Resultados alojados no arquivo “results1_100.csv” em C:HC/

(02) Sol, 10%, Locs[23, 72], HC=6300

(05) Sol, 20%, Locs[8, 36, 54, 86, 90], HC=6510
(10) Sol, 30%, Locs[8, 21, 35, 38, 42, 44, 47, 58, 65, 82], HC=6510
(22) Sol, 40%, Locs[1, 8, 9, 17, 19, 21, 27, 30, 33, 42, 43, 49, 60, 61, 65, 75,
80, 82, 88, 93, 95, 99], HC=6510
---- RESULTADOS ----
cor azul -> Desequilíbrio Des_C2.png
cor verde -> No Desequilíbrio

---- IDEA ----

A partir del dataframe imprimir la mejor solução
Des_Violation == False & HC_max == max(HC_total)
### Best_Sol.py ###

:)
------