Alocação estocasticamente robusta de chaves automáticas em rede de distribuição de energia elétrica
Abstract
No planejamento de redes de distribuição, a seleção adequada de quantidade e
posição de chaves de manobra proporciona uma redução significativa nos índices de
confiabilidade e nos custos operacionais. Para tanto, são usados dados históricos de
falha. Porém, é um processo estocástico, e as falhas futuras podem divergir muito
do que já ocorreu, ocasionando índices fora do programado. Nesse sentido, a
simulação de Monte Carlo surge como uma ferramenta para tratar incertezas,
criando uma gama de possíveis cenários futuros. Apesar de problema e técnica
serem bem estabelecidos, poucos trabalhos têm se ocupado deles para problemas
de alocação de equipamentos. Dessa forma, esta dissertação propõe uma
metodologia robusta para a alocação de chaves automática em um sistema de
distribuição, considerando o efeito estocástico das falhas. A metodologia de
alocação das chaves foi baseada em um Algoritmo Genético que utilizou uma Matriz
Lógico-Estrutural associada a uma simulação de Monte Carlo não-sequencial para
difundir diferentes cenários avaliados em sua função objetivo. Os resultados são
apresentados em termos de custos considerando a atual regulamentação brasileira.
Foram utilizados dois sistemas testes. O primeiro é amplamente reconhecido nos
estudos sobre confiabilidade, o que permite a comparação dos resultados deste
trabalho com outras futuras metodologias aplicadas ao tema. Isso é importante para
o desenvolvimento do tema, considerando algumas características que não foram
abordadas neste trabalho, como faltas transitórias e geração distribuída. Já o
segundo compreende um sistema real da região metropolitana de Florianópolis,
suas características mostram a adequação da ferramenta a sistemas de grande
porte. Para entender o comportamento futuro do sistema foi incluída uma simulação
de Monte Carlo sequencial. Vários índices de confiabilidade são previstos em termos
de seu valor médio e intervalo de confiança.
Collections
The following license files are associated with this item: