Projeto de redes de distribuição de energia com incertezas na evolução da carga utilizando algoritmos meméticos

• Main Author: Bruno Baeta e Souza
• Other Authors: Oriane Magela Neto
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Minas Gerais 2007
• Online Access: http://hdl.handle.net/1843/RHCT-7AUS6D

=== Electric power distribution systems have highlighted economic and social importance since they are responsible for suplying 85% of the country population. This unquestionable importance, together with the high budget usually required for installing those systems, justify the use of optimisation techniques in the distribution system design. Optimised distribution networks provide better allocation of the financial resources, reducing total installation costs and power losses. The distribution network design is intrinsically complex due to the discrete characteristic of the search space and the nonlinearities involved. Therefore the traditional optimisation algorithms such as deterministic continuous methods become unviable. An optimisation algorithm class that has been recently used in the optimisation of such systems is the evolutionary algorithms due to their flexibility, robustness and capacity of adaptation. Memetic Algorithms, which are a hybridization from an evolutionary algorithm and a local search method, emerge as an interesting option since they are a powerful tool for obtaining and refining global and local optima. Memetic algorithms proposed here are the hybridization from a Clonal Selection Algorithm, which is able to find a set of optimal and sub-optima solutions, and a local search method, which is based on the the T-norm network metric, that generates random networks at pre-defined random distances. The set of optimal solutions mapped by the memetic algorithms are very useful for dealing with an important aspect of the eletric distribution network design - the load evolution uncertainties. They are treated by means of a multiobjective sensitity analysis. Monte Carlo Simulation is used to provide random possible load scenarios. The set of non-dominated solutions found by the sensitivity analysis helps the designer in his choice of the best network. Possible changes in load conditions are taken into account and robust networks, which can handle with design uncertainties, are obtained. An important result gained here is the possibility of using a highly robust networks spending just a few money more than that which would be used for the construction of a network designed for the medium load scenario.   === Redes de distribuição de energia elétrica têm uma importância econômica e social muito destacada uma vez que elas possibilitam o fornecimento de energia elétrica para cerca de 85% da população do país. Esta inquestionável importância, associada ao alto volume de dinheiro requerido para a instalação desses sistemas, justificam amplamente a aplicação de técnicas de otimização no planejamento dessas redes. Sistemas de distribuição eficientes tendem a fazer melhor uso dos recursos disponíveis, reduzindo os desperdícios de energia e os custos necessários à sua instalação. O problema de projeto ótimo de redes é de natureza altamente complexa, devido à característica discreta do espaço onde as soluções são definidas e aos funcionais não lineares inerentes ao problema. Essas razões tornam inviável o emprego de técnicas tradicionais de otimização, como métodos determinísticos contínuos. Uma classe de algoritmos de otimização que vem sendo utilizada na otimização dessas redes são os algoritmos evolucionários, devido às suas flexibilidade, robustez e capacidade de adaptação. Os Algoritmos Meméticos, que são a hibridização entre um algoritmo evolucionário e um método de busca local, também têm se tornado uma alternativa importante de otimização de redes Eles são ferramentas reconhecidamente poderosas para a obtenção e refinamento de ótimos locais e globais. Os algoritmos meméticos desenvolvidos neste trabalho são decorrentes da hibridização entre o Algoritmo de Seleção Clonal, que é capaz de retornar como resposta do problema de otimização um conjunto de soluções formado pela solução ótima e por soluções sub-ótimas e métodos de busca local desenvolvidos a partir da utilização da métrica T-norm, que propicia a geração aleatória de redes à distâncias pré-definidas. Com a obtenção do conjunto de soluções ótimas por meio dos algoritmos meméticos, é possível tratar uma questão muito importante do projeto de redes que são as incertezas associadas à evolução da carga do sistema. As incertezas são tratadas por meio de uma análise de sensibilidade multiobjetivo, onde cenários diversos são obtidos por Simulação de Monte Carlo e cada uma das soluções do conjunto são avaliadas segundo quatro critérios considerados relevantes. Uma vez obtido o conjunto de soluções não-dominadas pela análise de sensibilidade, torna-se possível ao projetista escolher qual rede melhor se adapta aos requisitos específicos do projeto, levando em consideração que a rede escolhida deve ser robusta quanto a possíveis variações nas condições de carga. Com a aplicação dos algoritmos meméticos desenvolvidos neste trabalho foi possível obter um conjunto de redes bem robustas às incertezas do projeto, provendo o projetista de um conjunto de alternativas viáveis. Um resultado importante é a possibilidade de se obter redes altamente robustas com um pequeno aumento no capital que seria investido na instalação de uma rede projetada para o cenário médio de variação da carga.