18.ago esmeralda 11.30_193_cpfl paulista

15
1 Metodologia de Otimização para Instalação de Sinalizadores de Faltas em Redes de Distribuição de Energia Elétrica

Transcript of 18.ago esmeralda 11.30_193_cpfl paulista

Page 1: 18.ago esmeralda 11.30_193_cpfl paulista

1

Metodologia de Otimização para Instalação de Sinalizadores de Faltas em Redes de Distribuição de Energia Elétrica

Page 2: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Objetivos

• Desenvolver metodologia de otimização da alocação de sinalizadoresmetodologia de otimização da alocação de sinalizadores de

faltas.

• Desenvolver sistema computacional de apoio à tomada de decisão da sistema computacional de apoio à tomada de decisão da

alocação de sinalizadoresalocação de sinalizadores de faltas:

Visualização gráfica do unifilar da rede;

Edição dos parâmetros da simulação;

Avaliação de soluções previamente elaboradas;

Seleção de alimentadores para a simulação;

Apresentação dos resultados na forma gráfica e em texto.

Page 3: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Melhorias para a Concessionária

• Auxílio às equipes de manutenção na localização rápida e segura de localização rápida e segura de

defeitosdefeitos.

• Obteve-se na literatura uma análise da influência da instalação de

sinalizadores de faltas nos indicadores de prestação do serviço:

Resultados animadores:

Distância percorrida pela equipe diminuiu Distância percorrida pela equipe diminuiu 46%46%,

DEC diminuiu DEC diminuiu 15%15% e o DIC e o DIC 26%26%, ,

(em comparação com a simulação sem sinalizadores instalados na rede)

Page 4: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Representação da Rede de Distr.

Representação em grafo do unifilar

Estados das chaves:

• Linha cheia = chave fechada

• Linha tracejada = chave aberta

Page 5: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

PASF

• Problema de Otimização para Alocação de Sinalizadores de Faltas (PASF).

Minimizar END’ + Custos

s.a Limite máximo do TMA

Limite de Investimento + Despesas

Limite do número de DSF instalados

Page 6: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Solução: Algoritmo Genético

Page 7: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Solução: Algoritmo Genético

Função de Avaliação

Page 8: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Sistema de Apoio à Decisão

Módulo Alocasin-Otimizador: Executa o Algoritmo Genético - PASF.

Módulo Alocasin-Desktop: Comunicação entre o usuário e o módulo de otimização.

Page 9: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Estudos de Casos

• Redes de Distribuição CPFL (Interior de SP):

Ferraz Sales;

Brotas;

Itacolomi.

• Parâmetros de Simulação:

Velocidade da equipe de manutenção: 5 km/h;

Percentual médio de da rede a ser examinada pela equipe de manutenção:

10%;

Taxa de falha do alimentador: 1%.

Page 10: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Estudos de Casos: Ferraz Sales

Rede Ganho (%) Sinalizadores Propostos Total de Sinalizadores Tempo de Processamento

Ferraz Salles 155 0:35:42,95FSA02 82,03 98FSA01 79,97 57

Ganho: percentual de redução da energia não distribuída obtida pela colocação dos Sinalizadores.

Page 11: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Estudos de Casos: Brotas

Rede Ganho (%) Sinalizadores Propostos Total de Sinalizadores Tempo de Processamento

Brotas 203 0:54:18,22BRN22 81,41 83

BRN23 76,97 67

BRN24 77,97 53

Ganho: percentual de redução da energia não distribuída obtida pela colocação dos Sinalizadores.

Page 12: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Estudos de Casos: Itacolomi

Rede Ganho (%) Sinalizadores Propostos Total de Sinalizadores Tempo de Processamento

Italocomi 350 0:54:18,22ITC03 79,57 62

ITC04 76,23 51

ITC05 55.84 57

ITC06 79.21 132

MT001 14,79 1

MT002 52,34 38

MT003 43,44 9

Ganho: percentual de redução da energia não distribuída obtida pela colocação dos Sinalizadores.

Page 13: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Estudos de Casos: Itacolomi

Page 14: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Conclusões

• O PASFPASF é caracterizado como um problema de programação linear inteira e

formulado para minimizar o custo da instalação de sinalizadores na rede minimizar o custo da instalação de sinalizadores na rede

somado à ENDsomado à END. Suas restrições incluem limites de TMD, investimentos e número de

sinalizadores a serem instalados.

• Algoritmos GenéticosAlgoritmos Genéticos foi a técnica aplicada para a solução do problema de

otimização formulado. As soluções do problema são codificadas em um cromossomo

binário indicando a existência ou não de sinalizadores nos locais candidatos a

receber os sinalizadores. A função de avaliação foi associada à função objetivo,

medindo o benefício obtido pela alocação dos DSF.

• A aplicação da metodologia desenvolvida no projeto foi avaliada e os resultados resultados

obtidos mostram claramente os benefícios da melhora da confiabilidade do obtidos mostram claramente os benefícios da melhora da confiabilidade do

sistemasistema.

Page 15: 18.ago esmeralda 11.30_193_cpfl paulista

00:00

Obrigado!