| Summary: | Submitted by repositorio repositorio (repositorio@unifei.edu.br) on 2018-03-21T15:01:17Z
No. of bitstreams: 1
tese_gonzalez_2012.pdf: 2690214 bytes, checksum: 1b223db16d0e58df17656b036127790f (MD5) === Made available in DSpace on 2018-03-21T15:01:17Z (GMT). No. of bitstreams: 1
tese_gonzalez_2012.pdf: 2690214 bytes, checksum: 1b223db16d0e58df17656b036127790f (MD5)
Previous issue date: 2012-10 === Metodologias baseadas em modelos probabilísticos são extremamente úteis na avaliação do desempenho de sistemas elétricos de potência. No caso específico dos estudos de confiabilidade, as ferramentas baseadas em Simulação Monte Carlo (SMC) são muito robustas e flexíveis, principalmente para sistemas complexos e de grande porte. Estes métodos, porém, podem encontrar dificuldades no que diz respeito a eventos raros: e.g., para avaliar valores muito pequenos do índice LOLP (Loss of Load Probability), i.e., 10⁻⁵.
Além disso, existe atualmente um interesse crescente por fontes de energia renováveis como, por exemplo, a geração eólica. O planejamento de um sistema com alta penetração de fontes renováveis é mais complexo devido ao grande número de variáveis aleatórias envolvidas e às flutuações nas capacidades destas fontes. Por outro lado, modelos de carga detalhados por área ou barramento têm sido uma preocupação para muitos planejadores, considerando o dimensionamento mais adequado para as redes de transmissão. As fontes de geração renováveis e os modelos cronológicos de carga são considerados dependentes do tempo devido a suas fortes correlações com variáveis climáticas e/ou temporais. Assim, novos modelos matemáticos e ferramentas computacionais precisam ser desenvolvidos a fim de tratar eficientemente estas novas tendências. Esta Tese apresenta alguns algoritmos novos e eficientes baseados em SMC e no método da Entropia Cruzada (CE – Cross-Entropy) para avaliar índices de confiabilidade em sistemas elétricos de potência. O procedimento comum em todas as metodologias é aplicar uma “distorção ótima” aos parâmetros probabilísticos dos componentes utilizando um processo de otimização estocástico baseado em CE. A amostragem dos eventos mais relevantes (i.e., eventos de falha do sistema) é assim incentivada e as propriedades de convergência dos algoritmos são melhoradas significativamente. Como resultado, as metodologias propostas podem aproveitar as características positivas de uma SMC, como a flexibilidade e a capacidade de avaliar sistemas de grande porte, mas sem sua principal limitação; o custo computacional em simulações de eventos raros. Os métodos propostos são testados em vários sistemas a fim de verificar seus desempenhos computacionais. Finalmente, sugestões de trabalhos futuros são também apresentadas e discutidas.
|
|---|
