Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2006 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFEI (RIUNIFEI) |
Texto Completo: | https://repositorio.unifei.edu.br/jspui/handle/123456789/3256 |
Resumo: | A avaliação de índices de confiabilidade preventiva ou de bem-estar (well-being) foi proposta, recentemente, como uma nova ferramenta para se determinar o grau de adequação dos sistemas de potência, tendo como principal objetivo a incorporação de critérios determinísticos ao processo de análise da confiabilidade. A base conceitual para esta técnica é obtida através da classificação dos estados operativos do sistema em três grupos: saudável, marginal e de falha. Para a identificação destes estados, o sistema é submetido a um critério determinístico. Em relação aos sistemas compostos de geração e transmissão, a identificação de um estado saudável ou marginal se torna bem mais complexa que aquela utilizada, por exemplo, em sistemas de geração. Qualquer critério determinístico a ser empregado deve considerar uma lista de contingências. Em princípio, para cada estado operativo considerado, é necessário realizar um número de análises adicionais de desempenho igual ao número de elementos da lista. Acrescenta-se, ainda, a necessidade de análises de adequação dos estados utilizando algoritmos de fluxo de potência, com otimização de medidas corretivas. Portanto, a grande dificuldade encontrada na avaliação de índices de bem-estar consiste em conciliar o critério determinístico e a natureza combinatorial do problema. Esta tese trata da avaliação de índices de bem-estar de sistemas elétricos de potência de grande porte, compostos de geração e transmissão. Para este fim, é proposta a utilização de técnicas como: simulação Monte Carlo não seqüencial com uma nova função teste; modelo de fluxo de potência ótimo baseado em pontos interiores com restrições reduzidas; equivalente probabilístico de rede; e a incorporação de redes neurais artificiais na classificação dos estados operativos. Tais técnicas podem propiciar reduções significativas no custo computacional exigido durante a classificação dos estados. Para a verificação dos conceitos e modelos propostos, a metodologia desenvolvida é aplicada em vários sistemas testes incluindo uma configuração da rede elétrica brasileira. |
id |
UFEI_0b2f3ff78eb4e5a4b62a847604e8dcde |
---|---|
oai_identifier_str |
oai:repositorio.unifei.edu.br:123456789/3256 |
network_acronym_str |
UFEI |
network_name_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
repository_id_str |
7044 |
spelling |
2006-10-162022-04-072022-04-07T13:19:09Z2022-04-07T13:19:09Zhttps://repositorio.unifei.edu.br/jspui/handle/123456789/3256A avaliação de índices de confiabilidade preventiva ou de bem-estar (well-being) foi proposta, recentemente, como uma nova ferramenta para se determinar o grau de adequação dos sistemas de potência, tendo como principal objetivo a incorporação de critérios determinísticos ao processo de análise da confiabilidade. A base conceitual para esta técnica é obtida através da classificação dos estados operativos do sistema em três grupos: saudável, marginal e de falha. Para a identificação destes estados, o sistema é submetido a um critério determinístico. Em relação aos sistemas compostos de geração e transmissão, a identificação de um estado saudável ou marginal se torna bem mais complexa que aquela utilizada, por exemplo, em sistemas de geração. Qualquer critério determinístico a ser empregado deve considerar uma lista de contingências. Em princípio, para cada estado operativo considerado, é necessário realizar um número de análises adicionais de desempenho igual ao número de elementos da lista. Acrescenta-se, ainda, a necessidade de análises de adequação dos estados utilizando algoritmos de fluxo de potência, com otimização de medidas corretivas. Portanto, a grande dificuldade encontrada na avaliação de índices de bem-estar consiste em conciliar o critério determinístico e a natureza combinatorial do problema. Esta tese trata da avaliação de índices de bem-estar de sistemas elétricos de potência de grande porte, compostos de geração e transmissão. Para este fim, é proposta a utilização de técnicas como: simulação Monte Carlo não seqüencial com uma nova função teste; modelo de fluxo de potência ótimo baseado em pontos interiores com restrições reduzidas; equivalente probabilístico de rede; e a incorporação de redes neurais artificiais na classificação dos estados operativos. Tais técnicas podem propiciar reduções significativas no custo computacional exigido durante a classificação dos estados. Para a verificação dos conceitos e modelos propostos, a metodologia desenvolvida é aplicada em vários sistemas testes incluindo uma configuração da rede elétrica brasileira.The well-being analysis was recently proposed as a new framework to measure the degree of adequacy of power systems, which has as the main objective the incorporation of deterministic criteria into the reliability analysis process. The conceptual basis for this framework is obtained through the classification of the system states into three groups: healthy, marginal and at risk. For the identification of these operation states, the system is submitted to a deterministic criterion. In composite generation and transmission systems, the identification of a healthy or marginal state becomes much more complex than that one used, for example, in generation systems. Any deterministic criterion to be used must consider a list of contingencies. In principle, for each considered operation state, it is necessary to carry out a number of additional performance analyses equal to the number of elements in the list. Moreover, these adequacy analyses involve load flow runs with corrective measure optimizations. Therefore, the major difficulty found in assessing well-being indices consists of conciliating the deterministic criterion and the combinatorial nature of the problem. In this thesis, the evaluation of well-being indices for bulk composite generation and transmission power systems is focused. For this purpose, the following techniques are considered: non-sequential Monte Carlo simulation with a new test function; interior point method for optimal power flow with reduced constraints; probabilistic equivalent network; and incorporation of artificial neural nets in the classification of the operation states. These techniques can provide considerable reductions in the computational cost demanded during the classification of states. In order to verify the proposed concepts and models, the developed methodology is applied to several test systems, including a configuration of the Brazilian power network.porUniversidade Federal de ItajubáPrograma de Pós-Graduação: Doutorado - Engenharia ElétricaUNIFEIBrasilIESTI - Instituto de Engenharia de Sistemas e Tecnologia da InformaçãoCNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIAPlanejamento de sistemas elétricosConfiabilidade compostaRedes neuraisReconhecimento de padrõesConfiabilidade preventivaSimulação Monte CarloModelagem de incertezasAvaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neuraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisSILVA, Armando Martins Leite dahttp://lattes.cnpq.br/6871556145533245MANSO, Luiz Antônio da Fonsecahttp://lattes.cnpq.br/9650179794608517http://lattes.cnpq.br/7342383170952914RESENDE, Leonidas Chaves deRESENDE, Leonidas Chaves de. Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais. 2006. 149 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2006.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEILICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3256/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALTese_200630546.pdfTese_200630546.pdfapplication/pdf1315734https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3256/1/Tese_200630546.pdfa2003c6441dd4c54a3a17733d144ae89MD51123456789/32562022-06-01 14:31:31.345oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442022-06-01T17:31:31Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false |
dc.title.pt_BR.fl_str_mv |
Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais |
title |
Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais |
spellingShingle |
Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais RESENDE, Leonidas Chaves de CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA Planejamento de sistemas elétricos Confiabilidade composta Redes neurais Reconhecimento de padrões Confiabilidade preventiva Simulação Monte Carlo Modelagem de incertezas |
title_short |
Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais |
title_full |
Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais |
title_fullStr |
Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais |
title_full_unstemmed |
Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais |
title_sort |
Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais |
author |
RESENDE, Leonidas Chaves de |
author_facet |
RESENDE, Leonidas Chaves de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
SILVA, Armando Martins Leite da |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/6871556145533245 |
dc.contributor.advisor-co1.fl_str_mv |
MANSO, Luiz Antônio da Fonseca |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/9650179794608517 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/7342383170952914 |
dc.contributor.author.fl_str_mv |
RESENDE, Leonidas Chaves de |
contributor_str_mv |
SILVA, Armando Martins Leite da MANSO, Luiz Antônio da Fonseca |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA Planejamento de sistemas elétricos Confiabilidade composta Redes neurais Reconhecimento de padrões Confiabilidade preventiva Simulação Monte Carlo Modelagem de incertezas |
dc.subject.por.fl_str_mv |
Planejamento de sistemas elétricos Confiabilidade composta Redes neurais Reconhecimento de padrões Confiabilidade preventiva Simulação Monte Carlo Modelagem de incertezas |
description |
A avaliação de índices de confiabilidade preventiva ou de bem-estar (well-being) foi proposta, recentemente, como uma nova ferramenta para se determinar o grau de adequação dos sistemas de potência, tendo como principal objetivo a incorporação de critérios determinísticos ao processo de análise da confiabilidade. A base conceitual para esta técnica é obtida através da classificação dos estados operativos do sistema em três grupos: saudável, marginal e de falha. Para a identificação destes estados, o sistema é submetido a um critério determinístico. Em relação aos sistemas compostos de geração e transmissão, a identificação de um estado saudável ou marginal se torna bem mais complexa que aquela utilizada, por exemplo, em sistemas de geração. Qualquer critério determinístico a ser empregado deve considerar uma lista de contingências. Em princípio, para cada estado operativo considerado, é necessário realizar um número de análises adicionais de desempenho igual ao número de elementos da lista. Acrescenta-se, ainda, a necessidade de análises de adequação dos estados utilizando algoritmos de fluxo de potência, com otimização de medidas corretivas. Portanto, a grande dificuldade encontrada na avaliação de índices de bem-estar consiste em conciliar o critério determinístico e a natureza combinatorial do problema. Esta tese trata da avaliação de índices de bem-estar de sistemas elétricos de potência de grande porte, compostos de geração e transmissão. Para este fim, é proposta a utilização de técnicas como: simulação Monte Carlo não seqüencial com uma nova função teste; modelo de fluxo de potência ótimo baseado em pontos interiores com restrições reduzidas; equivalente probabilístico de rede; e a incorporação de redes neurais artificiais na classificação dos estados operativos. Tais técnicas podem propiciar reduções significativas no custo computacional exigido durante a classificação dos estados. Para a verificação dos conceitos e modelos propostos, a metodologia desenvolvida é aplicada em vários sistemas testes incluindo uma configuração da rede elétrica brasileira. |
publishDate |
2006 |
dc.date.issued.fl_str_mv |
2006-10-16 |
dc.date.available.fl_str_mv |
2022-04-07 2022-04-07T13:19:09Z |
dc.date.accessioned.fl_str_mv |
2022-04-07T13:19:09Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3256 |
url |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3256 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.references.pt_BR.fl_str_mv |
RESENDE, Leonidas Chaves de. Avaliação da confiabilidade preventiva de sistemas elétricos de grande porte utilizando redes neurais. 2006. 149 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2006. |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Itajubá |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação: Doutorado - Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UNIFEI |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
publisher.none.fl_str_mv |
Universidade Federal de Itajubá |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFEI (RIUNIFEI) instname:Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
instname_str |
Universidade Federal de Itajubá (UNIFEI) |
instacron_str |
UNIFEI |
institution |
UNIFEI |
reponame_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
collection |
Repositório Institucional da UNIFEI (RIUNIFEI) |
bitstream.url.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3256/2/license.txt https://repositorio.unifei.edu.br/jspui/bitstream/123456789/3256/1/Tese_200630546.pdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 a2003c6441dd4c54a3a17733d144ae89 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI) |
repository.mail.fl_str_mv |
repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br |
_version_ |
1801863230083039232 |