Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa
Autor(a) principal: | |
---|---|
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 |