Dissertação de Mestrado Acadêmico

Programa de Pós-graduação em Engenharia Elétrica

SISTEMAS DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO

31/05/2019

ESTUDO COMPARATIVO ENTRE TÉCNICAS NEURO-FUZZY E ALGORITMO BASEADO EM POPULAÇÃO APLICADAS À RECONFIGURAÇÃO DE SISTEMA DE DISTRIBUIÇÃO

A energia elétrica produzida no Brasil percorre um longo processo antes de chegar aos consumidores finais. Tal processo consiste na geração, transmissão e distribuição de energia. As perdas em potência são inerentes ao processo de geração, transmissão e distribuição. Elas devem ser minimizadas para se garantir maior eficiência do sistema. Na distribuição, as concessionárias adotam diversas ações para minimizar as perdas, dentre as quais, a reconfiguração das redes tem se tornado bastante atrativa. As redes têm sido automatizadas com a progressiva incorporação de dispositivos conhecidos como Intelligent Eletronic Devices (IEDs). Estes possibilitam manobras à distância. A natureza do problema de reconfiguração de redes é combinatória, não-diferenciável e não-linear. Neste trabalho, a abordagem para a solução desse problema baseou-se no uso de redes neurais nebulosas e algoritmo genético. Fundamentalmente buscou-se minimizar as perdas de potência reais e o carregamento dos alimentadores. Considerou-se restrições técnicooperacionais do sistema, tais como radialidade, conectividade da rede e nível de tensão dentro de um intervalo permitido. Para realizar os testes com os algoritmos foram utilizadas as redes de distribuição do IEEE de 14, 33 e 70 barras. Para o cálculo de fluxo de potência foi escolhido o pacote MATPOWER no MATLAB (ZIMMERMAN; MURILO-SANCHEZ; THOMAS, 2011). Este utiliza o método Newton Raphson, que consiste na expansão da série de Taylor para múltiplas variáveis. O primeiro método utilizado foi para selecionar as melhores configurações da rede considerando cada função objetivo, foi escolhido um procedimento de busca heurística, a qual é baseada na estratégia Branch Exchange. Uma configuração radial é assumida inicialmente e vários procedimentos de comutação são seguidos na tentativa de produzir configurações novas e promissoras, observando a radialidade da rede. Em seguida estabeleceram-se quais configurações detêm os melhores resultados utilizando os métodos de Bellman Zadeh, unineuron e nullneuron. Após aplicar os métodos, foi utilizado um método metaheurístico, algoritmo genético, para comparação dos resultados.

COMPARATIVE STUDY BETWEEN NEURO-FUZZY TECHNIQUES AND GENETIC ALGORITHM APPLIED TO THE RECONFIGURATION OF THE DISTRIBUTION SYSTEM

The electric energy produced in Brazil goes through a long process before reaching the final consumers. This process consists of the generation, transmission and distribution of energy. Power losses are inherent to the generation, transmission and distribution process. They must be minimized to ensure greater system efficiency. In the distribution, the concessionaires adopt several actions to minimize the losses, among which, the reconfiguration of the networks has become quite attractive. The networks automated with the progressive incorporation of devices known as In-telligent Electronic Devices (IEDs). These enable maneuvers from a distance. The problem of reconfiguration of networks is combinatorial, non-differentiable and non-linear. In this work, the approach to the solution of this problem was based on the use of neural networks and genetic algorithm. Fundamentally, it was sought to minimize actual power losses and feeder loading.Technical-operational constraints of the system were considered, such as network radiality, connectivity and allowable voltage level. To perform the tests with the algorithms the IEEE network of 14, 33 and 70 bus were used. For the power flow calculation, the MATPOWER (ZIMMERMAN; MURILOSANCHEZ; THOMAS, 2011). This uses the Newton Raphson method, which consists of the expansion of the Taylor series to multiple variables.The first method was used to select the best configurations of the network considering each objective function, a heuristic search procedure was chosen, which is based on the strategy branch exchange. A radial configuration is assumed initially and several switching procedures are followed in an attempt to produce new and promising configurations, always observing the radiality of the network. After defining the best configurations considering each objective function separately, it was necessary to define which configurations hold the best results using the Bellman Zadeh, unineuron and nullneuron methods. After applying the methods, a metaheuristic method, genetic algorithm, was used to compare the results.