Controle de frequência em microrredes utilizando baterias baseado no aprendizado emocional do cérebro

• Autor(a) principal: MARQUES, Davidson da Costa
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/001300000wsgd
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/51652
• topic: Engenharia elétrica; Geração distribuída; Microrredes; Controle de hierárquico de MR; Sistemas de armazenamento de energia em baterias; BELBIC; PSO

O desenvolvimento atual das fontes de energia elétrica é impulsionado principalmente diante do uso dos Recursos Energéticos Distribuídos (RED), os quais abrangem a Geração Distribuída (GD) e os Sistemas de Armazenamento de Energia (SAE). As microrredes (MR) surgem como uma alternativa atraente para superar os desafios na integração dos RED ao sistema elétrico tradicional, com isso garantir confiabilidade e aproveitamento expressivo dos recursos energéticos. Em MR é necessário dispor de um sistema gerenciador para coordenar a operação de seus componentes, estando ela conectada ou desconectada da rede principal. No modo ilhado, o gerenciador da MR deve estabelecer os setpoints de operação dos RED de forma a não violar as restrições de operação, como despacho econômico, utilização de fontes renováveis e priorização de cargas. Além dos inúmeros benefícios, há desafios na integração deste conceito em sistemas de energia – como a exemplo o controle da estabilidade. Um dos requisitos mais importantes da operação da MR é manter a frequência dentro dos valores permitidos em um eventual desbalanço no caso Brasil 60Hz que está diretamente relacionada ao equilíbrio de carga e geração. Dessa forma, o uso de sistemas armazenadores de energia em baterias (BESS), os quais possuem tempo de resposta rápido e podem injetar ou absorver potência de forma a garantir a estabilidade da frequência na MR. Entretanto, a ação de controle possui tarefa fundamental para maior aproveitamento dos recursos. Como complemento do controle droop, o conceito de MR controlada através de controle secundária tem sido amplamente estudado para restabelecer tensão e frequência. No entanto, na literatura discutisse diversas alternativas de melhorias na implementação do droop convencional. O objetivo geral desta tese é propor um controlador inteligente baseado no processo de aprendizagem emocional do cérebro (Brain Emotional Learning Based Intelligent Controller – BELBIC) que seja capaz de minimizar, dentro dos valores permitidos, os desvios de frequência em MR. Os controladores biologicamente inspirados têm demonstrado êxito em diversas aplicações, principalmente em situações que apresentam perturbações e incertezas nas dinâmicas do sistema se comparado com outros controladores. Além disso, os parâmetros desse controlador são otimizados através da técnica baseada em enxame de partículas (PSO), resultando assim os parâmetros ótimos do controlador. Por fim, a partir dos resultados de simulação, demonstra-se um ganho expressivo também ao se utilizar o BELBIC, considerando que os SAE possuem limitações nas suas capacidades e com isso garantir a preservação da vida útil da bateria. As estratégias de controle propostas são simuladas em uma MR através da ferramenta Simulink, da plataforma computacional Matlab e os resultados serão comparados aos controladores droop e PI, sejam eles atuando como controles primários e/ou secundários.