Seleção ótima de baterias armazenadoras de energia em redes de distribuição com geração distribuída considerando modelagem da operação por redes neurais
Resumo
Esta tese apresenta uma metodologia para a determinação ótima do tipo, barra e capacidade
dos sistemas de armazenamento de energia por baterias (Battery Energy Storage Systems,
BESS) em sistemas de distribuição com geração distribuída (GD) . Os resultados da operação
ótima da bateria são aproximados por meio de uma relação entrada/saída, formada por redes
neurais. A seleção do armazenador é dada por um algoritmo genético, cuja função de aptidão é
determinada pelo custo anual de operação do sistema de distribuição, limites de tensão e os
custos associados às baterias. O modelo permite comparar diferentes tipos de baterias,
observando suas características técnicas e econômicas. O tempo de vida das baterias é
determinado baseado no impacto da profundidade de descarga (Depth of Discharge, DOD)
dentro do ciclo de falha. A base de dados da rede neural é obtida por meio de uma simulação
de Monte Carlo da operação ótima diária da bateria para uma amostra representativa de dados
reais durante um ano. Com esta abordagem, é possível considerar o comportamento estocástico
da geração distribuída, da carga e dos preços da energia. A operação diária da bateria é
otimizada empregando um modelo de otimização não linear baseado num fluxo de carga
determinado pelo programa OpenDSS da Electric Power System Research Institute (EPRI). A
rede neural foi desenvolvida com a abordagem do Group Method of Data Handling (GDMH).
A implementação do modelo entrada/saída permite reduzir o tempo de simulação onde as
possíveis alternativas de seleção da bateria são determinadas por meio do algoritmo genético.
Esta metodologia é testada num sistema de distribuição teste de 33 barras e as curvas de geração,
demanda e preços são tomados de dados reais do Indepent Electricity System Operator (IESO)
pertencente ao sistema de distribuição canadense, usando como fontes renováveis de geração
de energia solar e eólica. O estudo de caso mostra uma boa aproximação da rede neural com
os dados obtidos pelo fluxo de carga diário e permite identificar os casos críticos no sistema,
como barras não recomendáveis e probabilidades de riscos nos resultados. Os resultados obtidos
comparam o uso de baterias na rede de distribuição, diminuindo os custos totais e das perdas
para cada dia, permitindo selecionar o melhor tipo. Além disto, os armazenadores conseguem
reduzir o custo final de energia do sistema (sujeito a penalidades propostas) e as perdas, sendo
possível determinar a melhor alternativa.
Coleções
Os arquivos de licença a seguir estão associados a este item: