dc.creator | Rangel, Camilo Alberto Sepúlveda | |
dc.date.accessioned | 2019-10-08T15:04:30Z | |
dc.date.available | 2019-10-08T15:04:30Z | |
dc.date.issued | 2019-05-27 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/18509 | |
dc.description.abstract | This thesis presents a methodology for optimal determination of type, bar, and capacity of
Battery Energy Storage Systems (BESS) in distribution systems with distributed generation
(DG) where the battery optimal operation is approximated by an input/output model created
with neural networks. A genetic algorithm selects the storage by a fitness function defined with
the annual operation costs of the distribution system, the voltage limits, and batteries costs. The
model allows to compare different types of batteries technologies, considering its technical and
economical characteristics. Lifetime of the battery is based on the depth of discharge (DOD)
impact to the life cycle. The database for the input/output model is obtained by a Monte Carlo
simulation of the optimal daily operation of the battery for a representative sample from a yearly
real data. This approach allows to consider the stochastic behavior of the distributed generation,
the load and the energy prices. The daily operation of the battery is optimized by a nonlinear
optimization model, considering a load flow by OpenDSS proprietary software from the
Electric Power System Research Institute (EPRI). The neural network was based on the Group
Method of Data Handling (GMDH). The neural network implementation allows to reduce the
yearly simulation time, where the possible selection alternatives are chosen by the genetic
algorithm. This methodology is tested in a distribution system of 33 nodes, and the generation,
demand, and prices curves are taken from data of the Independent Electricity System Operator
IESO relative to the Canadian distribution system, considering solar and wind as renewable
sources. The studied case shows a good approximation of the neural network with the obtained
data for the daily load flow and allows to identify the critic cases of the systems, as bar location
not allowed and probability of risk of the results. The results compare the use of the batteries in
the distribution network, reducing losses and operational costs along the day in the system and
selecting the best type. Also, the storage systems can reduce the final energy cost of the system
(limited by the proposed constraints) and the loses, with the possibility to determine the best
alternative. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Sistemas de baterias de armazenamento de energia | por |
dc.subject | Sistemas de distribuição | por |
dc.subject | Geração distribuída | por |
dc.subject | Redes neurais | por |
dc.subject | Simulação de Monte Carlo | por |
dc.subject | Perdas de energia | por |
dc.subject | Custos de energia | por |
dc.subject | Battery energy storage systems | eng |
dc.subject | Distribution systems | por |
dc.subject | Distributed generation | eng |
dc.subject | Neural networks | eng |
dc.subject | Monte Carlo simulation | eng |
dc.subject | Energy losses | eng |
dc.subject | Energy cost | eng |
dc.title | Seleção ótima de baterias armazenadoras de energia em redes de distribuição com geração distribuída considerando modelagem da operação por redes neurais | por |
dc.title.alternative | Optimal selection of energy storage system in distribution networks with distributed generation considering operation model by neural networks | eng |
dc.type | Tese | por |
dc.description.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. | por |
dc.contributor.advisor1 | Canha, Luciane Neves | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6991878627141193 | por |
dc.contributor.advisor-co1 | Sperandio, Mauricio | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/8051956713222836 | por |
dc.contributor.referee1 | Leborgne, Roberto Chouhy | |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/3938003534716565 | por |
dc.contributor.referee2 | Miranda, Vladimiro Henrique Barrosa Pinto de | |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/5824178098755298 | por |
dc.contributor.referee3 | Abaide, Alzenira da Rosa | |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/2427825596072142 | por |
dc.contributor.referee4 | Garcia, Vinícius Jacques | |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/5496717370740068 | por |
dc.creator.Lattes | http://lattes.cnpq.br/4919921234846738 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Engenharia Elétrica | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | por |
dc.publisher.unidade | Centro de Tecnologia | por |