Algoritmo evolutivo computacionalmente eficiente para reconfiguração de sistemas de distribuição

Abstract

Tese de Doutorado apresentada à Escola de Engenharia de São Carlos da Universidade de São Paulo como parte dos requisitos para obtenção do título de Doutor em Engenharia Elétrica. À minha esposa, Kelly Martins Salvatierra dos Santos, pelo apoio, companheirismo, incentivo e por toda ajuda que me concedeu nesses longos anos. Augusto Cesar dos SantosOrientadorAos meus pais, Geraldo Clemente dos Santos e Teresa Ortega dos Santos, que mesmo à distância, sempre apoiaram o trabalho e não mediram esforços para conceder-me uma educação de qualidade.Ao professor Alexandre Cláudio Botazzo Delbem, pela competência com que me orientou no desenvolvimento desta tese e pelo tempo generosamente dedicado, transmitindo-me os melhores e mais úteis ensinamentos com paciência, lucidez e confiança, além das críticas construtivas. Agradeço também pelo incentivo e motivação à pesquisa e pela revisão de inúmeros textos científicos.Ao meu orientador, professor Newton Geraldo Bretas, pela visão acadêmica em geral e orientações. Pelas críticas construtivas e revisão de artigos científicos, sempre sugerindo uma nova maneira de apresentá-los. E por acreditar em mim no desenvolvimento desta tese. Energy Restoration in radial distribution systems usually involves the network reconfiguration to restore the electricity to the out-of-service areas. The main approaches for energy restoration in large-scale distribution systems have been the Evolutionary Algorithms (EAs). After a fault has been identified and isolated, the algorithm must find solutions that: 1) supply energy to the larger number of consumers, 2) reduce the number of switching operations, 3) respect operational constraints of the system, 4) reduce the amount of power losses, 5) generate exclusively radial configurations and 6) find solutions in real time. This work uses a new data structure, called Node-Depth Encoding (NDE), to manipulate graphs producing exclusively radial and connected configurations, and guaranteeing that all potential solutions generated by the algorithm satisfy items (1) and (5). Moreover, wepropose an EA using the NDE that is capable of finding adequate restoration plans in real time for large-scale distribution systems, with thousands of switches and buses.

Restabelecimento de energia por reconfiguração de redes em sistemas de distribuição de grande porte com priorização de chaves, consumidores e definição de sequência de chaveamento

“…. 5 3.1 Ordenação por não dominância (Deb, 2001) 6.1 Alimentador 23 do Sistema 1, com destaque para o setor 504 sob falta (Santos, 2009 As atividades dos engenheiros e operadores de sistemas de distribuição de energia têm necessitado cada vez mais de ferramentas computacionais que garantam agilidade e flexibilidade no projeto e operação dessas redes (Ferreira, 2010). No contexto da operação de sistemas de distribuição, um dos problemas mais críticos com os quais esses profissionais lidam constantementeé o de restabelecimento do fornecimento de energia elétrica em situações de contingência.…”

“…Um plano adequado de restabelecimento de energia, via reconfiguração de redes, envolve os seguintes objetivos (Santos, 2009 Tendo em vista essas necessidades, observa-se que a obtenção de planos de restabelecimento de energia, via reconfiguração de redes, pode ser classificada como um problema de otimização multi-objetivo com múltiplas restrições, sendo alguns destes objetivos conflitantes entre si. Contudo, um plano adequado de restabelecimento de energia deve possuir também uma lista das chaves que devem ser operadas e a sequência de operação das mesmas, a fim de que o operador tenha condições de executar o plano de restabelecimento obtido.…”

“…Inicializar randomicamente a população Avaliar cada indivíduo da população enquanto Critério de parada nãoé atingido faça Selecionar indivíduos para reprodução Cruzamento dos indivíduos selecionados Mutação dos descendentes resultante do cruzamento Selecionar indivíduos para a nova população Os AEs apresentam algumas vantagens em relação a outras técnicas de busca e otimização, a saber (Santos, 2009): (i) trabalham em paralelo com um conjunto de soluções, em contraste com vários outros métodos de busca e otimização que analisam apenas uma solução para o problema a cada iteração; (ii) não requerem o conhecimento prévio das características do problema e não dependem de certas propriedades da função objetivo tais como convexidade ou diferenciabilidade; (iii) são guiados pela aptidão dos indivíduos, avaliados por uma função adequação; (iv) a estrutura do AE possui certa independência do tipo de problema que está sendo resolvido; (v) possuem maior capacidade de escapar deótimos locais; (vi) resolvem problemas com modelos matemáticos complexos de modo simples; (vii) apresentam fácil acoplamento com outras técnicas (hibridização) ou aplicações. Por esses motivos, os AEs são aptos a resolver um amplo campo de problemas, dentre estes, não lineares, descontínuos, discretos, multivariáveis e de otimização combinatorial de grande escala, comoé o caso dos problemas de reconfiguração de redes (Santos, 2009).…”

“…Por esses motivos, os AEs são aptos a resolver um amplo campo de problemas, dentre estes, não lineares, descontínuos, discretos, multivariáveis e de otimização combinatorial de grande escala, comoé o caso dos problemas de reconfiguração de redes (Santos, 2009). …”

“…Já a RNP de setor denotar-se-á por B sr , onde s representa o setor em análise (setor filho) e r refere-se ao setor pelo qual a energia elétrica chega ao setor s (setor pai) (Santos, 2009). Por exemplo, considere o setor E do SDR apresentado na Figura 4.1, separado pelas chaves 4, 7 e 8 e constituído pelas barras E1, E2, E3 e pelos trechos de linha entre essas barras.…”