Dissertação de Mestrado Acadêmico

Programa de Pós-graduação em Engenharia Elétrica

SISTEMAS DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO

31/07/2020

ALOCAÇÃO ÓTIMA DE PMUs E PDCs EM SISTEMA ELÉTRICO DE POTÊNCIA COM ALGORITMO EVOLUCIONÁRIO ADAPTATIVO

Nos últimos anos, o monitoramento do sistema elétrico em tempo real tem se tornado mais viável pelo desenvolvimento de novos dispositivos, tais como sensores, sistema de comunicação e técnicas de processamento mais aprimoradas. Esse cenário possibilita uma maior reunião de dados que auxiliam a redução de incertezas em relação a segurança e a confiabilidade do sistema elétrico. Atualmente, o monitoramento da rede elétrica é feito com medidores convencionais, que transmitem as medidas para o sistema SCADA (do inglês, Supervisory Control and Data Acquisition). No entanto, esses medidores convenci- onais não conseguem medir a fase diretamente e precisam de dados adicionais fornecidos nas subestações para acompanhar fenômenos transientes. Por outro lado, as PMUs (do inglês, Phasor Measurement Unit) são capazes de coletar e transmitir medidas de mag- nitude e fase de corrente e tensão ao PDC (do inglês, Phasor Data Concentrator). Ao utilizar esses medidores, depara-se com o problema da alocação ótima de PMUs e PDCs do ponto de vista técnico e econômico, pois o custo desses dispositivos é mais elevado que dos medidores convencionais. Este trabalho propõe um método que utiliza um algoritmo evolucionário adaptativo baseado no controle da diversidade para alocação otimizada de PMUs e PDCs. A convergência prematura em algoritmos baseados em população, sinô- nimo de baixa diversidade, limita a busca a regiões específicas do espaço de soluções. Em problemas complexos, como o da alocação otimizada de PMUs e PDCs, a convergência prematura torna-se um problema importante, pois a probabilidade de a busca limitar-se a ótimos locais é maior. A utilização de um algoritmo evolucionário adaptativo tende a evitar a convergência prematura, mantendo sua característica de busca global. Para este trabalho foram considerados alguns aspectos importantes no custo total da instalação desse sistema de medição, a saber, quantidade de PMUs e de canais por PMU, distância entre PMUs e PDCs (do inglês, Phasor Data Concentrator) e critério de contingência para manter o sistema monitorado mesmo com a perda de um desses equipamentos. O método proposto foi testado nos sistemas IEEE de 14 e 30 barras. Os resultados mostraram que o método proposto teve desempenho superior ao algoritmo evolucionário padrão e a outros algoritmos recentes de alocação ótima de PMUs encontrados na literatura.

OPTIMUM ALLOCATION OF PMUs AND PDCs IN ELECTRIC POWER SYSTEM WITH ADAPTIVE EVOLUTIONARY ALGORITHM

In last years, the monitoring of power systems in real time has become more viable due to the development of new devices, such as sensors, communication system and im- proved processing techniques. This scenario allows data gathering that helps to reduce uncertainties with respect to the safety and reliability of power systems. Currently, the monitoring of power systems is performed with measurement units which transmit the measures to SCADA (Supervision Control and Data Acquisition). However, these units cannot measure a direct phase, and they need additional data from substations to monitor transient phenomena. On the other hand, PMUs (Phasor Measurement Unit) are able to collect and transmit measures of current and voltage magnitude and phase to SCADA. When these units are used, the problem of the optimal allocation of PMUs in technical and economic point of view arises. This work proposes a method for optimal alloca- tion of PMUs and PDCs (Phasor Data Concentrator) by using an adaptive evolutionary algorithm based on diversity control. The premature convergence in population-based algorithms, that means lack of diversity, limits the search into a specific region of the solution space. In complex problems, such as the optimal allocation of PMUs and PDCs in power systems, premature convergence becomes an important problem, since the pro- bability that the search is limited to optimal local is greater. The use of an adaptive evolutionary algorithm tends to avoid premature convergence, thus maintaining its global search characteristic. For this work, important aspects with respect to the total instal- lation cost are regarded, as follows, number of PMUs and channels per PMU, distance between PMUs and PDCs, and contingencies in order to maintain the monitoring of the system even when one of those measurement devices is lost. The proposed method was tested in experimental studies by using the IEEE 14 and 30 bus systems. The results showed that the proposed method presented results superior to the standard evolutionary algorithm and other recent methods of optimal allocation of PMUs in the literature.