2020 IEEE PES Transmission & Distribution Conference and Exhibition - Latin America (T&D LA)
Avaliação Probabilística dos Impactos Técnicos da
Inserção de Microgeradores Fotovoltaicos e
Veículos Elétricos em uma Rede de Distribuição
2020 IEEE PES Transmission & Distribution Conference and Exhibition - Latin America (T&D LA) | 978-1-7281-4155-8/20/$31.00 ©2020 IEEE | DOI: 10.1109/TDLA47668.2020.9326236
Luiz Eduardo Sales e Silva∗† , João Paulo Abreu Vieira∗ , Heitor Alves Barata∗ , Vanderson Carvalho de Souza∗ ,
Wesley Rodrigues Heringer∗
Email: eduardosales@ufam.edu.br, jpavieira@ufpa.br, heitorbarata@itec.ufpa.br, vandersoneng@hotmail.com,
wesheringer@gmail.com
∗ Programa de Pós Graduação em Engenharia Elétrica, Universidade Federal do Pará, Brasil
† Universidade Federal do Amazonas, Brasil
Abstract—This paper presents a probabilistic technical impacts
assessment with photovoltaic microgenerators and electric ve-
hicles connection on low voltage networks. The Monte Carlo
method is applied to generate randomly: residential load vari-
ables, electric vehicles recharge demand, photovoltaic generators
installed capacity and frequency inverter and battery charger
phases connection. In this, CA 746 circuit is subjected 6000
daily simulations divided into 6 solar radiation scenarios. The
experiments show that the proposed evaluation is robust, and
electric vehicle and photovoltaic generation massive connection
is problematic for secondary distribution networks.
Index Terms—secondary distribution networks; residential
photovoltaic microgeneration; electric vehicle; Monte Carlo
method; technical impacts; probabilistic assessment.
I. I NTRODUÇÃO
Atualmente, a transição da rede elétrica de distribuição
convencional para Rede Elétrica Inteligente (REI) é notável no
mundo. A caracterização desta mudança encontra-se vinculada
com a Geração Distribuída (GD), uso de fontes renováveis
para conversão em energia elétrica, automação, participação
ativa do consumidor na geração, denominado por prossumidor,
e aumento da demanda por energia elétrica. No Brasil, por
exemplo, a Agência Nacional de Energia Elétrica (ANEEL)
tem permitido a inserção de prossumidores qualificando-os em
micro e minigeração distribuída e desde então tem modificado
a estrutura e os paradigmas do setor elétrico nacional [1].
Em 2020, a micro e minigeração distribuída ultrapassaram
2,226 GW de capacidade instalada [2] e possui potencial
para atingir 11,4 GW em 2029 dependendo das mudanças
discutidas atualmente na legislação. Deste valor projetado,
86% da capacidade instalada será devido à geração foto-
voltaica [3]. Atualmente, 91,19% da potência instalada de
geração distribuída é de procedência solar fotovoltaica e
destes, 84,58% são provenientes de microgeração, ou seja,
com capacidade instalada de até 75 kW e conectados em baixa
tensão, denominada por Microgeração Fotovoltaica Conectada
Agradecemos o apoio financeiro da Fundação de Amparo à Pesquisa do
Estado do Amazonas (FAPEAM) e Coordenação de Aperfeiçoamento de
Pessoal de Nível Superior (CAPES).
Authorized licensed use limited to: UNIVERSIDADE ESTADUAL DE SANTA CRUZ. Downloaded on January 30,2024 at 17:33:07 UTC from IEEE Xplore. Restrictions apply.
978-1-7281-4155-8/20/$31.00 ©2020 IEEE
à Rede (MFCR) [2]. Assim, a penetração massiva é um fato
irreversível a médio prazo.
Neste contexto de REI, economia e meio ambiente, o
Veículo Elétrico (VE) surge como opção para a redução da
dependência do setor automotivo por combustíveis fósseis
devido à utilização do motor elétrico para sua propulsão e a
fonte de energia armazenada em baterias. Atualmente, o Brasil
possui uma frota de 21976 VEs [4], a EPE projeta para 2026
uma frota de 360 mil veículos, ou seja 2,5% do total [5].
Independente do local onde realiza-se a recarga da bateria,
em caso de penetração massiva haverá o aumento da demanda
no horário de conexão do VE e a possibilidade de problemas
na rede elétrica. Deste modo, pesquisadores têm se dedicado a
investigar os impactos técnicos da penetração de microgeração
fotovoltaica e VE em redes elétricas de distribuição.
Em [6] e [7] simulações determinísticas são realizadas em
redes reais americanas e europeias para identificar os impactos
técnicos da recarga de VEs. Em [8] e [9] avaliam a capacidade
de hospedagem de MFCR e VE separadamente em redes elé-
tricas europeias sob cenário fixo de radiação solar. [10] utiliza
o Método de Monte Carlo (MMC) para avaliar o carregamento
do transformador e cabos, nível de tensão e perdas técnicas
mediante a distribuição aleatória dos VEs e seus respectivos
níveis de carregamento e penetração. Em [11], o MMC é
considerado no comportamento estocástico da demanda resi-
dencial, geração fotovoltaica, temperatura ambiente e VE para
estudar o envelhecimento do transformador de distribuição.
Em [12], seleciona-se de forma aleatória o perfil de carga das
residências e recarga do VE. Neste, por intermédio do MMC
avalia-se o uso do transformador, condutores e problemas de
tensão em redes secundárias do Reino Unido sob a penetração
gradativa de VE.
A partir dos trabalhos citados nota-se uma tendência em
modelar as incertezas da rede elétrica de maneira probabilística
ou aleatória e utilizar o MMC para avaliar os parâmetros
técnicos em consequência da variação dos dados de entrada.
Neste sentido, um aspecto importante de contribuição da
presente pesquisa é avaliar probabilisticamente uma rede de
 2020 IEEE PES Transmission & Distribution Conference and Exhibition - Latin America (T&D LA)
distribuição secundária nacional quanto à inserção massiva de
MFCR e VE nas unidades consumidoras. A proposta é dividida
em duas etapas principais após a criação probabilística das
curvas de carga do carregador do VE e a modelagem da rede
elétrica. Na primeira, modela-se as incertezas relacionadas
à conexão dos dois sistemas, hábitos dos consumidores e a
capacidade da GD. Na segunda etapa, avalia-se a extrapolação
dos limites regulatórios, térmicos e as perdas técnicas na rede.
A análise é concretizada através de 6 cenários distintos de
radiação solar com a aplicação do MMC para quantificar os
impactos. Os resultados demonstram a importância e eficácia
da análise probabilística em redes de distribuição.
O presente artigo encontra-se estruturado em cinco seções
dos quais, a primeira é composta por esta introdução. A Seção
II apresenta uma breve revisão a respeito de microgerador
fotovoltaico conectado à rede, veículo elétrico e simulação
de Monte Carlo. Na Seção III a metodologia proposta é
descrita. A Seção IV aborda os procedimentos experimentais.
Na sequência, a Seção V avalia os resultados. Por fim, na
Seção VI apresenta-se as principais conclusões acerca do
estudo.
II. F UNDAMENTAÇÃO T EÓRICA
A. Microgerador Fotovoltaico Conectado à Rede
O aproveitamento da radiação solar para a produção de
eletricidade em telhados de casas, prédios e estacionamentos
cresce devido aos incentivos fiscais e à redução dos custos
de equipamentos. No Brasil, por exemplo, as instalações
de pequeno porte conectam-se à distribuição pelo ramal de
ligação existente [1].
A MFCR é composta por módulos fotovoltaicos e inversor
de frequência. Um módulo fotovoltaico é formado por um
conjunto de células de materiais semicondutores conectados
em série e/ou paralelo e são responsáveis pela conversão
da energia fotovoltaica em energia elétrica do tipo corrente
contínua (CC). O inversor de frequência, por sua vez, efetua
a conversão do sinal dos módulos em corrente alternada (CA)
com amplitude, frequência e conteúdo harmônico adequados
às normas vigentes além de realizar o sincronismo com a rede
[13].
Em um sistema de MFCR convencional, arranjos de mó-
dulos em série (denominados por strings) são conectados
em paralelo para fornecer as grandezas elétricas em corrente
contínua aos inversores de frequência e atender a demanda da
carga. Nos inversores em geral, há dois conversores e duas
etapas de filtragem. O conversor CC-CC eleva o nível da
tensão no link CC via busca pelo Ponto de Máxima Potência
(PMP). Na sequência, o capacitor realiza a filtragem do sinal.
A seguir, o conversor CC-CA adequa o sinal de saída com
características de tensão e frequência iguais a da rede elétrica
conectada. Por fim, o indutor na saída atua como filtro de
corrente e acoplamento com a rede CA [14].
B. Veículo Elétrico
O VE é caracterizado pela presença de dois elementos
principais: o motor elétrico e a bateria. O motor elétrico é
Authorized licensed use limited to: UNIVERSIDADE ESTADUAL DE SANTA CRUZ. Downloaded on January 30,2024 at 17:33:07 UTC from IEEE Xplore. Restrictions apply.
o responsável pela propulsão. A bateria possui a finalidade de
armazenar a energia elétrica fornecida ao motor para conversão
em energia cinética.
Atualmente, três tipos de tecnologias de VE são notáveis
no mercado: Veículos Elétricos Híbridos (VEHs), Veículos
Elétricos Híbridos plug-in (VEHPs) e os Veículos Elétricos
a Bateria (VEBs) [6]. Os VEHs e VEHPs possuem um
motor interno a combustão convencional, um motor elétrico
complementar e uma bateria para armazenar a energia elétrica.
O segundo difere-se do primeiro pela possibilidade da bateria
ser carregada pela conexão direta a rede elétrica. Por último,
os VEBs são similares aos VEHPs e não dispõem do sistema
a combustão.
No VEHP e VEB, ou Veículo Elétrico Plug-in (VEP), as
baterias utilizadas são projetadas para dispor do menor peso,
tamanho e com capacidade de energia de dezenas de kW h.
Duas tecnologias de bateria se notabilizam, Níquel-Hidreto
Metálico (NiMH) e Íon de Lítio (Li-íon) [6]. Entretanto, Li-íon
é a mais empregada devido à vida útil, segurança, temperatura
e capacidade de armazenamento em espaço reduzido.
A recarga das baterias é feita por estações classificadas
conforme o tempo de recarga: lenta, semirrápida e rápida.
Quanto menor o tempo de recarga, maior deve ser a potência
elétrica fornecida, sendo a rápida comum em eletropostos
públicos e as demais em locais comerciais e residenciais.
C. Simulação de Monte Carlo
A Simulação de Monte Carlo (SMC) é uma metodologia
aplicada a problemas com elevada quantidade de incertezas e
restrições. Ou seja, modelos matemáticos convencionais não
são eficientes para analisar e resolver os problemas devido à
multidimensionalidade dos dados de entrada [15].
Em geral, inicialmente distribui-se e seleciona-se de ma-
neira aleatória ou probabilística as variáveis de entrada. Na
sequência, realiza-se a simulação no sistema avaliado. Depois,
os procedimentos anteriores são repetidos pré-definidas vezes.
Os resultados das saídas de cada SMC são processados. Por
fim, é possível descrever propriedades probabilísticas para
compreender o comportamento do sistema mediante os dados
de entrada [15].
III. A BORDAGEM P ROPOSTA
A. Impactos Técnicos Avaliados
a) Nível de Tensão: No Brasil, a tensão fornecida em
nível normal, sobretensão e subtensão é classificada em três
faixas independente do valor nominal da região atendida pela
concessionária [16]. Na faixa adequada, os valores de tensão
estão dentre os limites de 92% e 105% do valor nominal. A
faixa precária compreende valores entre a faixa adequada e a
crítica. Por fim, a faixa crítica consiste nas subtensões menores
que 87% e sobretensões maiores que 106%. A operação nas
faixas precária e crítica são indesejadas em longos períodos
do dia.
b) Carregamento dos Condutores: O limite térmico possui
destaque na avaliação operacional dos condutores quanto à
existência de sobrecargas. Além da demanda de carga, as
 2020 IEEE PES Transmission & Distribution Conference and Exhibition - Latin America (T&D LA)

características operacionais de temperatura ambiente, indu-
ção eletromagnética pelo desequilíbrio das fases, chuvas e
descargas atmosféricas na qual este elemento é submetido
influenciam no envelhecimento dos cabos [17].
Nesta pesquisa, o Carregamento Instantâneo do Condutor
em Percentual (CCP) é calculado consoante (1) e usado como
referência de análise.
A geração do perfil de recarga do tipo lenta é ilustrada pelo
diagrama da Fig. 1. Em cada variável, criou-se um intervalo
de números para corresponder às estratificações dos dados
probabilísticos. Logo, repetidamente números aleatórios são
gerados e enquadrados na função distribuição acumulada da
variável. Nesta pesquisa, as informações probabilísticas são
obtidas em [22].

Icondutor (t)
CCP (t) = · 100% (1) Início

Inom
Selecionar o
Sendo Icondutor (t) a corrente instantânea no condutor e horário de
conexão da
SIM
Nova recarga no
mesmo dia?
NÃO
Gerar o perfil de
recarga do VE
Inom o limite térmico de condução do cabo, ambos em recarga

Ampère (A). Identificar o

Salvar no
estado inicial de
c) Carregamento do Transformador: O carregamento má- carga da bateria
(SOCi)
banco de
dados

ximo admissível do transformador depende de aspectos cons-

trutivos e operativos do equipamento, temperatura ambiente, Selecionar o
estado final de
FIM
curva diária e histórico de carregamento, perdas e o período carga de carga da
bateria (SOCf)

de sobrecarga [18] e [19]. Dentre estes fatores, o último

possui relevância significativa no contexto deste trabalho em
virtude das redes secundárias atuais terem sido projetadas para
operação sem MFCR e VEP.
Neste artigo, o Carregamento Instantâneo do Transformador
em percentual (CT) é calculado consoante (2).
Straf o (t)
CT (t) = · 100%
Snom
Sendo Straf o (t) a potência aparente instantânea no trans-
formador e Snom a nominal, ambos em Volt-Ampère (VA).
d) Perdas Técnicas: As perdas técnicas dependem direta-
mente da demanda da carga e configuração da Rede de Distri-
buição Secundária (RDS). Essas perdas de energia relacionam-
se à dissipação natural dos materiais e componentes pelo uso
do transformador de distribuição, condutores, ramal de ligação
e medidor. Em geral, o cálculo é realizado pela aplicação
do fluxo de potência sem cargas para obtenção da solução
inicial e na sequência adiciona-se os elementos ativos. Após
a convergência final obtém-se as perdas técnicas em Wh para
o período analisado [20].
Fig. 1. Diagrama em blocos do procedimento de criação de
perfis para recarga de bateria dos VEPs.
Inicialmente, seleciona-se o horário de conexão do VEP
na RDS com resolução de 15 minutos. A seguir, define-se
o estado inicial de carga da bateria. Na sequência, seleciona-
se o estado final de carga da bateria visando o horário de
(2)
desconexão.
A etapa seguinte consiste em identificar se o motorista
realizará outras recargas. Em caso positivo, as etapas anteriores
são repetidas, caso contrário gera-se a curva de carga. Por fim,
ressalta-se que este perfil de carga é normalizado, ou seja,
pode ser aplicado a qualquer tipo de potência do carregador e
adaptado à capacidade da bateria. A Fig. 2 ilustra o nível de
potência normalizado do consumo de recarga diário de dois
usuários com VEPs sob recarga lenta, sendo a linha tracejada
representando uma única conexão durante o dia e a linha cheia
um exemplo com duas conexões diárias.
1.2
Amplitude Normalizada do Perfil de Recarga

1
B. Criação dos Perfis de Carga dos Veículos Elétricos
O perfil de recarga da bateria dos VEPs é formado de 0.8

acordo com incertezas associadas ao comportamento do usuá-

0.6
rio. Dentre as principais indefinições, cita-se a quilometragem
percorrida, horário de conexão do VE para recarga, estado de
0.4
carga da bateria e horário de desconexão do carregador. Essas
informações definem se a carga demandada no procedimento 0.2
de recarga da bateria do VE contribui de forma positiva ou
negativa aos parâmetros técnicos operativos da RDS consoante 0
0 5 10 15 20
ao período do dia em que ocorre a conexão com a rede elétrica. Tempo [h]

Além disso, outra contribuição desta pesquisa é a criação de

forma probabilística de 2500 perfis de carregamento de VEPs
em modo de recarga lenta. Esta escolha justifica-se por ser o
tipo comum em residências. Considera-se cada bateria dividida
em 12 partes iguais, na qual cada parte carrega-se em 33,33
minutos [21].
Fig. 2. Exemplos de curva de recarga para modo lento.
C. Metodologia de Avaliação
A metodologia empregada nesta pesquisa é dividida em três
etapas. A primeira etapa consiste na modelagem da rede de

Authorized licensed use limited to: UNIVERSIDADE ESTADUAL DE SANTA CRUZ. Downloaded on January 30,2024 at 17:33:07 UTC from IEEE Xplore. Restrictions apply.
 2020 IEEE PES Transmission & Distribution Conference and Exhibition - Latin America (T&D LA)

CHAMADA DE PROJETOS 2019

Pesquisa e Desenvolvimento
distribuição secundária. A seguir, a cada SMC seleciona-se o consumos faturados disponíveis não indicam individualmente
valor para cada incerteza e realiza-se o fluxo de potência na a qual residência pertencem.
rede de distribuição secundária conforme a Fig. 3.
24 25 26
0648 4012 4015
4013 4014
Início 23
22
4011
21 20

SMC=1 4010
19
17
0095
4009 18
16
4007
Definição das fases
Definição das fases Definição da curva Seleção do 15
de conexão do
de conexão do de recarga da consumo para cada 4008 6
inversor de 4
carregador bateria residência
frequência 0410
0413 0411 0412 0414
0408 0409
0403 0404
9 5
12 11 10 8 7 2 3
14 13 1
Seleção da curva de
Extração de Inserção de
SMC = SMC+1 Fluxo de potência carga de cada 0407
resultados monitores 0405
residência GR
5754

Fig.1 – Um
Fig. dos circuitos
4. Diagrama de BT
unifilar de um condomínio
do circuito CA 746. de Fig
NÃO Última SMC ?
casas da cidade de Belém. m
SIM B. Descrição e Objetivos dos Experimentos
Fim Os experimentos são divididos em 6 cenários distintos
de radiação solar e em todos há presença de um VEP por
Fig. 3. Diagrama em blocos da metodologia de simulação residência. Inicialmente a rede elétrica é avaliada sem a pre-
empregada. sença de MFCR nas residências. Na sequência, com geração
fotovoltaica em um dia chuvoso. A seguir, em um dia nublado.
Na Fig. 3, inicialmente ocorre a definição da primeira SMC. Posteriormente, um dia com variabilidade intensa do recurso
A seguir, para cada residência define-se de forma aleatória as solar. O quinto cenário consiste em um perfil com variabilidade
fases de conexão do inversor de frequência e a sua respectiva reduzida. Por fim, considera-se um dia totalmente ensolarado.
capacidade instalada. Na sequência, o procedimento anterior é Na Tabela I, a quantidade de Horas de Sol Pleno (HSP) por
realizado para a conexão do carregador da bateria do VEP. cenário é exibida.
Depois, para cada VEP o perfil de recarga da bateria é
Tabela I
selecionado. Posteriormente, a escolha da curva de carga das
Horas de sol pleno para cada cenário experimental
residências padrões para dias fixos [23]. A seguir, monitores de
grandezas elétricas são inseridos em cada residência, realiza- CENÁRIOS
se o fluxo de potência e a extração dos resultados. Caso esta Fig.3 – Tensões da residência com VE (e
1 2 3 4 5 6
SMC não seja a última, o procedimento é repetido até atingir eletricamente do transformador
Horas de Sol Pleno - 0,60 1,73 3,86 5,56 7,13
a quantidade máxima selecionada.
A última etapa é denominada por tratamento de dados. As A presença de VEs no sistema provoca eventos de su
informações coletadas na etapa anterior são compiladas por Os cenários descritos tem o objetivo de aproximar a diver-
três fases e em nível crítico em duas fases consoante os
parâmetro técnico avaliado. Na sequência, a cada parâmetro sidade do recurso solar da realidade local. A cada cenário,
identifica-se em cada SMC o percentual de ocorrência da o subtensão causados por VEs torna-se evidente nos horá
circuito é simulado em 1000 casos diários distintos de
dos mesmos (17:00 – instalada
1440 pontos. A capacidade 23:59 horas e 00:00
do MFCR – 07:00
inserido no horas
extrapolação dos limites regulatórios ou físicos e as perdas
técnicas. Por fim, os resultados são apresentados. estratégias
telhado de cada de controle
residência nos
varia de sistemas de selecionada
0,5 a 3,5 kW, recarga dos veícu
aleatoriamente
Na Figurae mantida constante em todos
2, sobretensões em os cenários
nível com são re
precário
IV. P ROCEDIMENTOS E O BJETIVOS E XPERIMENTAIS inversores
identificadas em níveis precários e críticos nas de
de frequência bifásicos operando com fator três fases
potência unitário, modelados na forma de potência constante.
A. Sistema Teste dos GFVs e as subtensões pela conexão dos VEs. Quan
O nível de penetração máximo é de 85%.
O alimentador teste empregado na pesquisa é o BI-05 (13,8 pelas violações
As residências de tensão
possuem a partirestrela
conexão trifásica de medições
aterrada, dos
kV) com o circuito CA 746, localizado na cidade de Belém, ressarcimento pela concessionária de até R$
tensão monofásica em 127 V e fator de potência 0,92 indutivo. 20.170,55 po
Estado do Pará. Este é selecionado pelo potencial de aquisição O carregador da bateria do VEP possui potência de 3,6 kW,
em massa de microgeradores fotovoltaicos e veículos elétricos. fator de potência 0,95 indutivo e conexão bifásica 220 V. O
O CA 746 possui um transformador abaixador 13,8 kV/220 V tempo de recarga completa é de 6,7 horas e a bateria é dividida
com capacidade de 75 kVA e supre 26 residências, a guarita em 12 estados de carga. Estes dados dos VEPs são do modelo
de segurança e a iluminação pública. Nissan Leaf comercializado no mercado mundial [21].
O transformador de distribuição está localizado de modo a A referida modelagem, simulação e análise elétrica é reali-
suprir dois ramos principais conforme ilustrado na Fig. 4. Os zada por intermédio do uso do software Open Distribution Sys-
dados de cabos, postes, planta elétrica e consumo das residên- tem Simulator (OpenDSS) desenvolvido pelo Electric Power
cias são informados pela concessionária. Vale ressaltar que os Research Institute (EPRI) [24]. O software Matrix Laboratory

Authorized licensed use limited to: UNIVERSIDADE ESTADUAL DE SANTA CRUZ. Downloaded on January 30,2024 at 17:33:07 UTC from IEEE Xplore. Restrictions apply.
 2020 IEEE PES Transmission & Distribution Conference and Exhibition - Latin America (T&D LA)

(MATLAB) [25] comunica-se com o OpenDSS via interface b) Carregamento dos Condutores: Os ramais de ligação
COM. das residências não apresentaram sobrecarga. Os trechos entre
os postes próximos do transformador atuaram em sobrecarga
V. AVALIAÇÃO DOS R ESULTADOS
no máximo em 2% das SMCs. Assim, na Fig. 7 os maiores
Nesta seção, os resultados são avaliados para cada parâme- carregamentos para cada trecho com sobrecarga são ilustrados
tro técnico. Os dados obtidos nos 6 cenários são compilados para os cenários simulados.
com o objetivo de exibir o percentual de SMC com problemas
devido à inserção conjunta de MFCR e VEP. 140,00

a) Nível de tensão: A avaliação do nível de tensão sob os

Carregamento (%)
125,00

cenários experimentais é dividida em duas partes. A primeira

110,00
trata das sobretensões e a segunda da subtensões. Estes dados
são ilustrados na Fig. 5 e Fig. 6, respectivamente, onde as 95,00

medições foram realizadas em cada poste da RDS. 80,00

1743011
Fase A ‐ Cenário 01
35,00
Fase B ‐ Cenário 02
Simulações de Monte Carlo (%)
1743014 1743015
Trechos entre postes
Fase B ‐ Cenário 01 Fase C ‐ Cenário 01 Limite Fase A ‐ Cenário 02
Fase C ‐ Cenário 02 Fase A ‐ Cenário 03 Fase B ‐ Cenário 03 Fase C ‐ Cenário 03

Fase A ‐ Cenário 04 Fase B ‐ Cenário 04 Fase C ‐ Cenário 04 Fase A ‐ Cenário 05 Fase B ‐ Cenário 05
30,00
Fase C ‐ Cenário 05 Fase A ‐ Cenário 06 Fase B ‐ Cenário 06 Fase C ‐ Cenário 06
25,00

20,00 Fig. 7. Maiores níveis de carregamento para os condutores

15,00 com sobrecarga nas simulações.
10,00

5,00 De acordo com a Fig. 7, o maior nível de carregamento é

0,00 identificado no trecho 1743011 na fase B e cenário 03 com
Trafo

0412

0414

0411

0413

0409

0408

0407

5754

0405

0404

0403

4008

4007

0095

4009

4010

4011

4013

4014

4015

4012

0648

Postes 141,79%. Tal fato justifica-se pela quantidade de equipamentos

Fase A ‐ Cenário 06 Fase B ‐ Cenário 06 Fase C ‐ Cenário 06 Fase A ‐ Cenário 01 Fase B ‐ Cenário 01
Fase C ‐ Cenário 01 Fase A ‐ Cenário 02 Fase B ‐ Cenário 02 Fase C ‐ Cenário 02 Fase A ‐ Cenário 03 conectados nesta fase e por este trecho ser o responsável por
Fase B ‐ Cenário 03
Fase A ‐ Cenário 05
Fase C ‐ Cenário 03
Fase B ‐ Cenário 05
Fase A ‐ Cenário 04
Fase C ‐ Cenário 05
Fase B ‐ Cenário 04 Fase C ‐ Cenário 04
transportar maior parte da carga para as ramificações da rede.
c) Carregamento do transformador: Em todos os cenários e
Fig. 5. Resultados probabilísticos de sobretensão. simulações o transformador apresentou sobrecarga em distin-
tos horários do dia. Especificamente, durante o dia e a noite
A sobretensão destaca-se nos postes mais distantes do causados pela radiação solar incidente no MFCR e a demanda
transformador e com maior intensidade a partir do aumento dos VEPs, respectivamente. As Tabelas II e III exibem os
da quantidade de HSP, conforme a Fig. 5. Nos três cenários maiores percentuais de carregamento e ocorrência diária da
iniciais não registra-se sobretensão nas SMCs. Entretanto, a sobrecarga no transformador.
partir do poste 4009 o percentual de simulações com sobre-
tensão eleva-se consoante a irradiância, com destaque para os Tabela II
postes 4014 e 4015 atingindo 30,20% no último cenário. Por Maior nível de carregamento dentre os cenários simulados.
fim, nota-se a influência da variação da conexão do inversor
de frequência nos resultados por fase. CENÁRIOS
CARREGAMENTO (%) 1 2 3 4 5 6
105,00 162,80 165,36 161,93 173,01 164,28 154,43
Simulações de Monte Carlo (%)

90,00

75,00
Na Tabela II, os níveis de sobrecarga atingidos são elevados
60,00
e tendem a reduzir a vida útil do equiparamento. Além disso, a
45,00
inclusão do MFCR em cenários distintos de radiação solar não
30,00
influenciam significativamente nos maiores carregamentos do
15,00
transformador, pois os picos de carga acontecem em horários
0,00
sem recurso solar.
Trafo

0412

0414

0411

0413

0409

0408

0407

5754

0405

0404

0403

4008

4007

0095

4009

4010

4011

4013

4014

4015

4012

0648

Postes
Fase A ‐ Cenário 06 Fase B ‐ Cenário 06 Fase C ‐ Cenário 06 Fase A ‐ Cenário 01 Fase B ‐ Cenário 01
Tabela III
Fase C ‐ Cenário 01
Fase B ‐ Cenário 03
Fase A ‐ Cenário 02
Fase C ‐ Cenário 03
Fase B ‐ Cenário 02
Fase A ‐ Cenário 04
Fase C ‐ Cenário 02
Fase B ‐ Cenário 04
Fase A ‐ Cenário 03
Fase C ‐ Cenário 04
Maior período de ocorrência de sobrecarga no transformador.
Fase A ‐ Cenário 05 Fase B ‐ Cenário 05 Fase C ‐ Cenário 05

Fig. 6. Resultados probabilísticos de subtensão. CENÁRIOS

OCORRÊNCIA DIÁRIA (%) 1 2 3 4 5 6
A Fig. 6 ilustra subtensão independente dos cenários simu- 16,88 17,80 16,87 17,64 17,01 17,68

lados devido ao consumo residencial e ao carregamento dos

VEPs. Quanto mais distante a localização dos postes, maior Na Tabela III, a maior ocorrência de sobrecarga para cada
a ocorrência de subtensão. A partir do poste 4009 quase a cenário possui valores similares. Nota-se que a conexão do
totalidade das SMCs demonstraram subtensão em todos os MFCR não é preponderante para os resultados pois a maior
cenários. dependência está relacionada ao perfil de recarga dos VEPs.

Authorized licensed use limited to: UNIVERSIDADE ESTADUAL DE SANTA CRUZ. Downloaded on January 30,2024 at 17:33:07 UTC from IEEE Xplore. Restrictions apply.
 2020 IEEE PES Transmission & Distribution Conference and Exhibition - Latin America (T&D LA)
Entretanto, independente do cenário em mais de 4 horas por
dia o transformador opera em sobrecarga.
d) Perdas Técnicas: Este parâmetro é medido no alimenta-
dor a partir do transformador de distribuição. Na Tabela IV,
os dados dos maiores e menores percentuais para cada cenário
dentre as simulações de Monte Carlo são exibidos.
Tabela IV
Perdas Técnicas
PERDAS TÉCNICAS
CENÁRIO
Maior(%) Menor(%)
1 7,12 4,17
2 7,49 4,20
3 7,61 4,47
4 9,07 4,77
5 10,12 5,52
6 26,79 6,97
Na Tabela IV, o aumento do recurso do solar nos cenários
causa a elevação das perdas técnicas atingindo o patamar
de 26,79% como máximo identificado nas simulações. Esta
elevação está associada à penetração da geração fotovoltaica
em horários onde o consumo de carga é reduzido. Além disso,
essa perda técnica tende a representar prejuízos financeiros
para a distribuidora ao disponibilizar para o consumidor a
energia registrada no medidor residencial os créditos gerados.
VI. C ONCLUSÃO
Este artigo apresentou a avaliação probabilística dos im-
pactos técnicos da conexão de MFCR e VEP em uma rede
de baixa tensão real Brasileira utilizando o método de Monte
Carlo. As incertezas são geradas aleatoriamente para aproxi-
mar operação da rede elétrica do cotidiano.
A conexão de VEP e MFCR tem crescido recentemente
e a possibilidade de acontecer problemas na rede elétrica
secundária eleva-se. Deste modo, considerou-se 6 cenários
distintos de radiação solar para a avaliação conjunta através
de 1000 simulações de Monte Carlo. Os resultados obtidos
demonstraram que a conexão do VEP e MFCR prejudica a
operação da RDS principalmente nas residências localizadas
no final do circuito, mais distantes do transformador. A
subtensão dispõe dos eventos mais problemáticos, pois em
determinadas localizações a demanda de carga causa distúrbios
em todas as simulações. Na sequência, as sobretensões acon-
tecem em menor frequência. Os condutores mais carregados
são os mais próximos do transformador devido ao transporte
de carga para os ramos adjacentes. A seguir, o carregamento
do transformador é crítico durante distintos horários do dia,
contribuindo para a redução de sua vida útil. Por fim, as perdas
técnicas elevam-se conforme a elevação da radiação solar.
Desta forma, a abordagem de avaliação proposta é uma
importante ferramenta para as concessionárias aprimorarem
os procedimentos de análise das redes de baixa tensão, iden-
tificar os riscos associados, planejar estratégias de reforço e
controle na rede. Os trabalhos futuros devem incluir a análise
Authorized licensed use limited to: UNIVERSIDADE ESTADUAL DE SANTA CRUZ. Downloaded on January 30,2024 at 17:33:07 UTC from IEEE Xplore. Restrictions apply.
probabilística dos impactos financeiros, estratégias de controle
para minimização dos problemas e a consolidação de padrões
técnicos.
R EFERÊNCIAS
[1] ANEEL, “Resolução normativa nº 482, de 17 de abril de 2012.” 2012.
[2] ——. (2019) Unidades consumidoras com geração distribuída. [Online].
Available: https://www.aneel.gov.br/outorgas/geracao/-/asset_publisher
[3] EPE, “Plano decenal de expansão de energia (pde) 2029,” 2019. [On-
line]. Available: http://www.epe.gov.br/pt/publicacoes-dados-abertos/
publicacoes/plano-decenal-de-expansao-de-energia-pde
[4] DENATRAN. (2020) Estatística nacional de frota de veículos. [Online].
Available: http://www.infraestrutura.gov.br/component/content/article/
115-portal-denatran/8552-estat%C3%ADsticas-frota-de-ve%C3%
ADculos-denatran.html
[5] EPE, “Plano decenal de expansão de energia (pde) 2026,” 2016. [On-
line]. Available: http://www.epe.gov.br/pt/publicacoes-dados-abertos/
publicacoes/plano-decenal-de-expansao-de-energia-pde
[6] A. Dubey and S. Santoso, “Electric vehicle charging on residential
distribution systems: Impacts and mitigations,” IEEE Access, vol. 3, pp.
1871–1893, 2015.
[7] 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.
[8] M. H. J. Bollen and S. K. Rönnberg, “Hosting capacity of the power
grid for renewable electricity production and new large consumption
equipment,” Energies, vol. 10, no. 9, 2017.
[9] A. Rodriguez-Calvo, R. Cossent, and P. Frías, “Integration of pv and evs
in unbalanced residential lv networks and implications for the smart grid
and advanced metering infrastructure deployment,” IJEPES, vol. 91, pp.
121 – 134, 2017.
[10] N. Knak Neto and L. Piotrowski, “Methodology for analysis of the
impact of residential charging of electric vehicles,” IEEE Latin America
Transactions, vol. 17, no. 06, pp. 953–961, June 2019.
[11] C. M. Affonso and M. Kezunovic, “Technical and economic impact
of pv-bess charging station on transformer life: A case study,” IEEE
Transactions on Smart Grid, vol. 10, no. 4, pp. 4683–4692, July 2019.
[12] A. T. Procopiou, J. Quirós-Tortós, and L. F. Ochoa, “Hpc-based pro-
babilistic analysis of lv networks with evs: Impacts and control,” IEEE
Transactions on Smart Grid, vol. 8, no. 3, pp. 1479–1487, May 2017.
[13] A. Luque and S. Hegedus, Handbook of Photovoltaic Science and
Engineering, 2nd ed. United Kingdom: John Wiley and Sons, 2011.
[14] J. T. Pinho and M. A. Galdino, Manual de Engenharia para Sistemas
Fotovoltaicos, 2014.
[15] J. Gentle, W. K. Härdle, and Y. Mori, Handbook of Computational
Statistics. Springer Science and Business Media, 01 2004.
[16] ANEEL, “Módulo 8 - qualidade da energia elétrica,” 2017.
[17] W. Yuli, X. Cheng, X. Rong, O. Benhong, and L. Wenjie, “Life-cycle
management and interact evaluation of distribution cables devices,”
in 2018 China International Conference on Electricity Distribution
(CICED), Sep. 2018, pp. 244–247.
[18] C. C. B. d. O. Nelson Kagan and E. J. Robba, Introdução aos Sistemas
de Distribuição de Energia Elétrica, 2nd ed. Brasil: Edgar Blücher,
2010.
[19] C. R. T. Castro, S. R. Barbosa, H. L. Ferreira, L. E. Samico, I. J. S.
Lopes, and S. R. Silva, “Power transformer loading studies considering
overexcitation,” in 2004 IEEE/PES, Nov 2004, pp. 651–656.
[20] ANEEL, “Módulo 7 - cálculo de perdas na distribuição,” 2017.
[21] (2020) Electric vehicle database. [Online]. Available: https:
//ev-database.org/car/1019/Nissan-Leaf-24-kWh
[22] J. Quiros-Tortos, L. F. Ochoa, and T. Butler, “How electric vehicles and
the grid work together: Lessons learned from one of the largest electric
vehicle trials in the world,” IEEE Power and Energy Magazine, vol. 16,
no. 6, pp. 64–76, Nov 2018.
[23] D. A. Brodén, K. Paridari, and L. Nordström, “Matlab applications
to generate synthetic electricity load profiles of office buildings and
detached houses,” in 2017 IEEE Innovative Smart Grid Technologies -
Asia (ISGT-Asia), 2017, pp. 1–6.
[24] R. C. Dugan and T. E. McDermott, “An open source platform for
collaborating on smart grid research,” in 2011 IEEE PES General
Meeting, July 2011, pp. 1–7.
[25] MATLAB, version 9.5 (R2018b). Natick, Massachusetts: The
MathWorks Inc., 2018.