Reconfiguração de sistemas de distribuição considerando incertezas através de fluxo de potência intervalar e sistemas imunológicos artificiais

• Main Author: Seta, Felipe da Silva
• Other Authors: Oliveira, Leonardo Willer de
• Language: Portuguese
• Published: Universidade Federal de Juiz de Fora 2016
• Subjects: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Reconfiguração Ótima; Sistema Imunológico Artificial; Fluxo de Potência Intervalar; Níveis de Carregamento; Incertezas; Optimal Reconfiguration; Artificial Immune System; Interval Load Flow; Load Levels; Uncertainties
• Online Access: https://repositorio.ufjf.br/jspui/handle/ufjf/427

Submitted by Renata Lopes ([e-mail]) on 2016-01-19T10:47:34Z No. of bitstreams: 1 felipedasilvaseta.pdf: 1053075 bytes, checksum: 8a24a576cad55e9b46efe4bde9405104 (MD5) === Approved for entry into archive by Adriana Oliveira ([e-mail]) on 2016-01-25T17:44:56Z (GMT) No. of bitstreams: 1 felipedasilvaseta.pdf: 1053075 bytes, checksum: 8a24a576cad55e9b46efe4bde9405104 (MD5) === Made available in DSpace on 2016-01-25T17:44:56Z (GMT). No. of bitstreams: 1 felipedasilvaseta.pdf: 1053075 bytes, checksum: 8a24a576cad55e9b46efe4bde9405104 (MD5) Previous issue date: 2015-08-10 === CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior === O presente trabalho propõe uma metodologia para a resolução do problema de reconfiguração ótima de sistemas de distribuição de energia elétrica utilizando uma representação mais realista de parâmetros com incertezas. O objetivo é avaliar o impacto de se representar incertezas dos sistemas no problema de reconfiguração em relação a modelos tradicionais determinísticos. O modelo de reconfiguração probabilística proposto visa minimizar as perdas totais de energia considerando incertezas sobre a demanda e sobre a geração distribuída a partir da energia eólica, além de diferentes níveis de carregamento dos sistemas. A metodologia proposta é baseada na técnica meta-heurística Sistema Imunológico Artificial. Os fundamentos da matemática intervalar são incorporados em um fluxo de potência intervalar que modela as incertezas da demanda provenientes principalmente de erros de previsão e medição, bem como incertezas na geração por fontes eólicas devido a intermitências nos regimes de ventos. Desta forma, as variáveis de entrada intervalares são as demandas ativas e reativas das barras do sistema e os valores de velocidade de vento nas regiões das usinas eólicas. As incertezas da entrada são propagadas para as variáveis de saída do fluxo de potência, como as tensões nodais. Como resultado, as perdas totais de energia a serem minimizadas também são determinadas na forma intervalar. Uma metodologia para comparação de intervalos baseada na média e no raio dos intervalos é utilizada para determinar a topologia ótima. Restrições de tensão, radialidade e conectividade da rede são consideradas. O algoritmo proposto é testado em sistemas conhecidos da literatura. === The present work proposes a methodology to solve the problem of optimal reconfiguration of power distribution systems by using a more realistic representation of uncertain parameters. The objective is to evaluate the impact of representing uncertainties in the reconfiguration problem in relation to traditional deterministic models. The proposed probabilistic reconfiguration model aims at minimizing the total energy loss considering uncertainties on the load demand and the distributed generation from wind energy, as well as different load levels. The proposed methodology is based on the meta-heuristic technique Artificial Immune System. The interval mathematics fundamentals are embedded in an interval power flow that models the uncertainties of load forecast and measurements, as well as uncertainties due to the intermittences of the wind. Therefore, the input interval variables are the active and reactive loads at the network nodes and the wind speed in the regions where the wind farms are installed. The input uncertainties are thus propagated to the output power flow variables as the nodal voltages. As a result, the total energy losses to be minimized are also given in interval form. A methodology for comparing intervals that is based on the interval average and size is used to determine the best topology. Voltage constraints, radial configuration and network connectivity are considered. The proposed algorithm is tested in systems known in the literature.