| Summary: | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. === Made available in DSpace on 2012-10-24T10:12:29Z (GMT). No. of bitstreams: 1
267102.pdf: 2004349 bytes, checksum: 36afe7af8d8630a348e073181be7203f (MD5) === Este trabalho propõe uma metodologia e um modelo computacional aplicado ao problema de planejamento de sistemas de distribuição de energia elétrica, envolvendo a priorização de obras para a determinação de um plano indicativo otimizado de investimentos em redes de Média Tensão (MT). Este plano é gerado a partir de uma relação geral de obras, que leva em conta algumas características de cada um dos alimentadores em estudo. Para a modelagem deste problema, foi utilizado um método heurístico para otimização multiobjetivo (MO), envolvendo a técnica de algoritmos genéticos e a teoria da fronteira ótima de Pareto. A metodologia para priorização de obras é composta, basicamente, de três estágios: o primeiro realiza a verificação de dominância da população corrente; o segundo cria um nicho para indivíduos não-dominados; e o terceiro realiza a manutenção deste nicho para indivíduos não-dominados. Por meio de uma implementação computacional, foram executados testes de validação com informações de uma concessionária real, demonstrando a eficácia da metodologia desenvolvida.
This work proposes a methodology and computational model applied to the problem of planning of electrical energy distribution networks, involving the works prioritization for the determination of an optimized indicative plan of investment in medium voltage networks . This plan is generated from a general list of work, which takes into account some characteristics of each feeder under study. For the modeling of this problem, a heuristic method was used for multiobjective optimization, involving the technique of genetic algorithms and the theory of the Pareto optimal frontier. The methodology for works priorization consists basically of three stages: the first checks the dominance of the current population, the second creates a niche for non-dominated individuals, and the third performs the maintenance of this niche for non-dominated individuals. With this computational implementation, validation tests were performed with information from a real distribution utility, demonstrating the effectiveness of the developed methodology.
|
|---|
