Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa

Detalhes bibliográficos
Autor(a) principal: Luciana Balieiro Cosme
Data de Publicação: 2011
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/BUOS-8F6P5P
Resumo: O presente trabalho consiste em utilizar a otimização nebulosa para modelar as principais incertezas encontradas nos projetos de Sistemas de Distribuição de Energia Elétrica. A mais recente solução do problema, de acordo com a literatura, adota o caso médio para a evolução de carga e avalia o desempenho a posteriori por meio de uma análise de sensibilidade multiobjetivo na qual vários cenários são obtidos por meio de Simulação de Monte Carlo e cada uma das soluções encontradas é analisada conforme critérios pré-estabelecidos. O objetivo deste trabalho é usar os conjuntos nebulosos para incorporar as informações incertas no processo de otimização. Soluções mais flexíveis e robustas foram encontradas. Os algoritmos genéticos são adaptados para o problema de otimização nebulosa com base nas abordagens já disponíveis e uma nova implementação de atribuição de fitness é proposta para o NSGA-II. Para validação das soluções encontradas, estas também são avaliadas pela análise de sensibilidade multiobjetivo e comparadas com os resultados encontrados na literatura. A metodologia proposta se mostrou promissora uma vez que nos resultados obtidos pode ser notado um maior conjunto de soluções com taxa de factibilidade estabelecida como aceitável para o problema.
id UFMG_fb69d76140377089be606b3a453a1f80
oai_identifier_str oai:repositorio.ufmg.br:1843/BUOS-8F6P5P
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Walmir Matos CaminhasOriane Magela NetoOriane Magela NetoRicardo Hiroshi Caldeira TakahashiEduardo Gontijo CarranoLuciana Balieiro Cosme2019-08-09T20:33:16Z2019-08-09T20:33:16Z2011-02-04http://hdl.handle.net/1843/BUOS-8F6P5PO presente trabalho consiste em utilizar a otimização nebulosa para modelar as principais incertezas encontradas nos projetos de Sistemas de Distribuição de Energia Elétrica. A mais recente solução do problema, de acordo com a literatura, adota o caso médio para a evolução de carga e avalia o desempenho a posteriori por meio de uma análise de sensibilidade multiobjetivo na qual vários cenários são obtidos por meio de Simulação de Monte Carlo e cada uma das soluções encontradas é analisada conforme critérios pré-estabelecidos. O objetivo deste trabalho é usar os conjuntos nebulosos para incorporar as informações incertas no processo de otimização. Soluções mais flexíveis e robustas foram encontradas. Os algoritmos genéticos são adaptados para o problema de otimização nebulosa com base nas abordagens já disponíveis e uma nova implementação de atribuição de fitness é proposta para o NSGA-II. Para validação das soluções encontradas, estas também são avaliadas pela análise de sensibilidade multiobjetivo e comparadas com os resultados encontrados na literatura. A metodologia proposta se mostrou promissora uma vez que nos resultados obtidos pode ser notado um maior conjunto de soluções com taxa de factibilidade estabelecida como aceitável para o problema.The present work aims for modeling the uncertainties in the power distribution system design. According to the literature, this kind of problem has been tackled more recently as follows: the optimization process uses a 'most likely' scenario for the load expansion and then a Multiobjective Sensibility Analysis is performed for several load scenarios using Monte Carlo Simulations in which the uncertainties are modelled by using some probability distribution. In this present work the uncertainties have been incorporated inside the optimization process by using fuzzy techniques. More flexible and robust solutions have been found. The genetic algorithm has been adapted for fuzzy optimization using known approaches and a new 'fitness attribution' has been implemented in the NSGA II program. The results obtained by the fuzzy optimization methodology are submitted to the Multiobjective Sensitivity Analysis and they are compared with the results found in the literature. The results gained here are very promising since they have shown a wider set of solutions for which the established feasibility rate is achieved.Universidade Federal de Minas GeraisUFMGEngenharia elétricaEngenharia ElétricaTratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINAL116m.pdfapplication/pdf1319518https://repositorio.ufmg.br/bitstream/1843/BUOS-8F6P5P/1/116m.pdf3505259c104cbdea11e9dbc0bd9f9b53MD51TEXT116m.pdf.txt116m.pdf.txtExtracted texttext/plain123593https://repositorio.ufmg.br/bitstream/1843/BUOS-8F6P5P/2/116m.pdf.txtaba4bcfc10a940e76bab236f6c067b94MD521843/BUOS-8F6P5P2019-11-14 03:03:12.916oai:repositorio.ufmg.br:1843/BUOS-8F6P5PRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T06:03:12Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
title Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
spellingShingle Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
Luciana Balieiro Cosme
Engenharia Elétrica
Engenharia elétrica
title_short Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
title_full Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
title_fullStr Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
title_full_unstemmed Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
title_sort Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
author Luciana Balieiro Cosme
author_facet Luciana Balieiro Cosme
author_role author
dc.contributor.advisor1.fl_str_mv Walmir Matos Caminhas
dc.contributor.advisor-co1.fl_str_mv Oriane Magela Neto
dc.contributor.referee1.fl_str_mv Oriane Magela Neto
dc.contributor.referee2.fl_str_mv Ricardo Hiroshi Caldeira Takahashi
dc.contributor.referee3.fl_str_mv Eduardo Gontijo Carrano
dc.contributor.author.fl_str_mv Luciana Balieiro Cosme
contributor_str_mv Walmir Matos Caminhas
Oriane Magela Neto
Oriane Magela Neto
Ricardo Hiroshi Caldeira Takahashi
Eduardo Gontijo Carrano
dc.subject.por.fl_str_mv Engenharia Elétrica
topic Engenharia Elétrica
Engenharia elétrica
dc.subject.other.pt_BR.fl_str_mv Engenharia elétrica
description O presente trabalho consiste em utilizar a otimização nebulosa para modelar as principais incertezas encontradas nos projetos de Sistemas de Distribuição de Energia Elétrica. A mais recente solução do problema, de acordo com a literatura, adota o caso médio para a evolução de carga e avalia o desempenho a posteriori por meio de uma análise de sensibilidade multiobjetivo na qual vários cenários são obtidos por meio de Simulação de Monte Carlo e cada uma das soluções encontradas é analisada conforme critérios pré-estabelecidos. O objetivo deste trabalho é usar os conjuntos nebulosos para incorporar as informações incertas no processo de otimização. Soluções mais flexíveis e robustas foram encontradas. Os algoritmos genéticos são adaptados para o problema de otimização nebulosa com base nas abordagens já disponíveis e uma nova implementação de atribuição de fitness é proposta para o NSGA-II. Para validação das soluções encontradas, estas também são avaliadas pela análise de sensibilidade multiobjetivo e comparadas com os resultados encontrados na literatura. A metodologia proposta se mostrou promissora uma vez que nos resultados obtidos pode ser notado um maior conjunto de soluções com taxa de factibilidade estabelecida como aceitável para o problema.
publishDate 2011
dc.date.issued.fl_str_mv 2011-02-04
dc.date.accessioned.fl_str_mv 2019-08-09T20:33:16Z
dc.date.available.fl_str_mv 2019-08-09T20:33:16Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/BUOS-8F6P5P
url http://hdl.handle.net/1843/BUOS-8F6P5P
dc.language.iso.fl_str_mv por
language por
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 Minas Gerais
dc.publisher.initials.fl_str_mv UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/BUOS-8F6P5P/1/116m.pdf
https://repositorio.ufmg.br/bitstream/1843/BUOS-8F6P5P/2/116m.pdf.txt
bitstream.checksum.fl_str_mv 3505259c104cbdea11e9dbc0bd9f9b53
aba4bcfc10a940e76bab236f6c067b94
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1803589296132718592