Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica

Detalhes bibliográficos
Autor(a) principal: Finck, Eduardo Santos
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/258321
Resumo: Este trabalho tem por objetivo desenvolver uma metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica (SDEE). Neste Estudo, aplica-se a Simulação Monte Carlo (SMC) ao Sistema de 23 Barras, no qual são considerados dispositivos de controle volt-var, tal como bancos de capacitores fixos e automáticos, e reguladores de tensão. Para realizar a SMC, são modelados dois sistemas: um sistema determinístico e um estocástico. O sistema determinístico é o Sistema 23 Barras, o qual recebe curvas de carga e geração nodais de um dia para realizar cálculos de fluxo de potência e obter valores de saída (indicadores operacionais de interesse da rede). O sistema estocástico é modelado para que sejam sintetizadas curvas de carga e de geração nodais para cada dia da semana de maneira correlacionada e aleatória. O conjunto de curvas de carga e geração nodais dos 7 dias configura uma amostra da SMC (uma semana sintética) e é utilizado como entrada do sistema determinístico. A partir de uma amostra, fluxos de potência são calculados por meio do software OpenDSS a fim de obter, para cada dia, os indicadores de interesse em base diária. Os indicadores de interesse escolhidos são perdas de energia anual e violações de tensão nodais anual. Dessa forma, uma vez obtidos os indicadores para os 7 dias da amostra, eles são integralizados em base anual de acordo com a ocorrência dos dias no ano de 2017. Os dados de consumo são sintetizados com a ferramenta Load Profile e dados de geração são sintetizados a partir da ferramenta Renewable Ninja. Cada iteração da SMC corresponde a obter os indicadores de interesse em base anual para uma amostra, bem como os estados horários dos dispositivos volt-var e os valores horários de tensão e corrente para todos os dias. Esse processo é realizado até se atingir a convergência da SMC. Uma vez atingida a convergência, obtém-se valores estatísticos de tensão, violação de tensão, tap do regulador de tensão, corrente e perdas. Esses valores são analisados comparando com os valores de estudos passados, os quais foram obtidos utilizando cenários de carga e geração médios criados através do algoritmo K-means clustering aplicado aos mesmos dados de consumo e geração sintetizados. Os valores estatísticos são analisados também de modo a avaliar como os dispositivos reguladores operam quando submetidos a diferentes níveis de estresse de carga/geração sintetizados.
id UFRGS-2_4acd81a5a63529434881ced3f4fbcafb
oai_identifier_str oai:www.lume.ufrgs.br:10183/258321
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Finck, Eduardo SantosHaffner, Sérgio LuísFerraz, Bibiana Maitê Petry2023-05-19T03:39:02Z2023http://hdl.handle.net/10183/258321001168573Este trabalho tem por objetivo desenvolver uma metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica (SDEE). Neste Estudo, aplica-se a Simulação Monte Carlo (SMC) ao Sistema de 23 Barras, no qual são considerados dispositivos de controle volt-var, tal como bancos de capacitores fixos e automáticos, e reguladores de tensão. Para realizar a SMC, são modelados dois sistemas: um sistema determinístico e um estocástico. O sistema determinístico é o Sistema 23 Barras, o qual recebe curvas de carga e geração nodais de um dia para realizar cálculos de fluxo de potência e obter valores de saída (indicadores operacionais de interesse da rede). O sistema estocástico é modelado para que sejam sintetizadas curvas de carga e de geração nodais para cada dia da semana de maneira correlacionada e aleatória. O conjunto de curvas de carga e geração nodais dos 7 dias configura uma amostra da SMC (uma semana sintética) e é utilizado como entrada do sistema determinístico. A partir de uma amostra, fluxos de potência são calculados por meio do software OpenDSS a fim de obter, para cada dia, os indicadores de interesse em base diária. Os indicadores de interesse escolhidos são perdas de energia anual e violações de tensão nodais anual. Dessa forma, uma vez obtidos os indicadores para os 7 dias da amostra, eles são integralizados em base anual de acordo com a ocorrência dos dias no ano de 2017. Os dados de consumo são sintetizados com a ferramenta Load Profile e dados de geração são sintetizados a partir da ferramenta Renewable Ninja. Cada iteração da SMC corresponde a obter os indicadores de interesse em base anual para uma amostra, bem como os estados horários dos dispositivos volt-var e os valores horários de tensão e corrente para todos os dias. Esse processo é realizado até se atingir a convergência da SMC. Uma vez atingida a convergência, obtém-se valores estatísticos de tensão, violação de tensão, tap do regulador de tensão, corrente e perdas. Esses valores são analisados comparando com os valores de estudos passados, os quais foram obtidos utilizando cenários de carga e geração médios criados através do algoritmo K-means clustering aplicado aos mesmos dados de consumo e geração sintetizados. Os valores estatísticos são analisados também de modo a avaliar como os dispositivos reguladores operam quando submetidos a diferentes níveis de estresse de carga/geração sintetizados.This work aims to develop a stochastic methodology for evaluating the operation of electrical power distribution systems (EPDS). In this Study, Monte Carlo Simulation (MCS) is applied to the 23-Bus System, in which volt-voltage control devices, such as fixed and automatic capacitor banks and voltage regulators, are considered. To perform the MCS, two systems are modeled: a deterministic and a stochastic system. The deterministic system is the 23-Bar System, which receives nodal load and generation curves from a day to perform power flow calculations and obtain output values (operational indicators of interest to the grid). The stochastic system is modeled to synthesize nodal load and generation curves for each day of the week in a correlated and random manner. The set of nodal load and generation curves for the 7 days configures a sample of the SMC (a synthetic week) and is used as input to the deterministic system. From a sample, power flows are calculated using the OpenDSS software in order to obtain, for each day, the indicators of interest on a daily basis. The indicators of interest chosen are annual power losses and annual nodal voltage violations. Thus, once the indicators are obtained for the 7 days of the sample, they are integrated on an annual basis according to the occurrence of the days in the year 2017. Consumption data is synthesized with the Load Profile tool and generation data is synthesized from the Renewable Ninja tool. Each iteration of the SMC corresponds to obtaining the indicators of interest on an annual basis for a sample, as well as the hourly states of the volt-var devices and the hourly values of voltage and current for all days. This process is carried out until convergence of the MCS is achieved. Once convergence is achieved, statistical values of voltage, voltage violation, voltage regulator tap, current and losses are obtained. These values are analyzed by comparing them with values from past studies, which were obtained using average load and generation scenarios created through the K-means clustering algorithm applied to the same synthesized consumption and generation data. The statistical values are also analyzed in order to evaluate how the regulator devices operate when subjected to different synthesized load/generation stress levels.application/pdfporEnergia elétrica : DistribuiçãoModelos estocásticosMonte Carlo simulationProbabilistic power flowVoltage regulationVolt-var ControlMetodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétricainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2023Engenharia de Energiagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001168573.pdf.txt001168573.pdf.txtExtracted Texttext/plain70154http://www.lume.ufrgs.br/bitstream/10183/258321/2/001168573.pdf.txt3790a98e30d5b1b22f9941a886ebb0f0MD52ORIGINAL001168573.pdfTexto completoapplication/pdf2233423http://www.lume.ufrgs.br/bitstream/10183/258321/1/001168573.pdfa206382f139826fa6412af8719190429MD5110183/2583212023-05-20 03:41:37.263807oai:www.lume.ufrgs.br:10183/258321Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2023-05-20T06:41:37Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica
title Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica
spellingShingle Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica
Finck, Eduardo Santos
Energia elétrica : Distribuição
Modelos estocásticos
Monte Carlo simulation
Probabilistic power flow
Voltage regulation
Volt-var Control
title_short Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica
title_full Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica
title_fullStr Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica
title_full_unstemmed Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica
title_sort Metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica
author Finck, Eduardo Santos
author_facet Finck, Eduardo Santos
author_role author
dc.contributor.author.fl_str_mv Finck, Eduardo Santos
dc.contributor.advisor1.fl_str_mv Haffner, Sérgio Luís
dc.contributor.advisor-co1.fl_str_mv Ferraz, Bibiana Maitê Petry
contributor_str_mv Haffner, Sérgio Luís
Ferraz, Bibiana Maitê Petry
dc.subject.por.fl_str_mv Energia elétrica : Distribuição
Modelos estocásticos
topic Energia elétrica : Distribuição
Modelos estocásticos
Monte Carlo simulation
Probabilistic power flow
Voltage regulation
Volt-var Control
dc.subject.eng.fl_str_mv Monte Carlo simulation
Probabilistic power flow
Voltage regulation
Volt-var Control
description Este trabalho tem por objetivo desenvolver uma metodologia estocástica para avaliação da operação de sistemas de distribuição de energia elétrica (SDEE). Neste Estudo, aplica-se a Simulação Monte Carlo (SMC) ao Sistema de 23 Barras, no qual são considerados dispositivos de controle volt-var, tal como bancos de capacitores fixos e automáticos, e reguladores de tensão. Para realizar a SMC, são modelados dois sistemas: um sistema determinístico e um estocástico. O sistema determinístico é o Sistema 23 Barras, o qual recebe curvas de carga e geração nodais de um dia para realizar cálculos de fluxo de potência e obter valores de saída (indicadores operacionais de interesse da rede). O sistema estocástico é modelado para que sejam sintetizadas curvas de carga e de geração nodais para cada dia da semana de maneira correlacionada e aleatória. O conjunto de curvas de carga e geração nodais dos 7 dias configura uma amostra da SMC (uma semana sintética) e é utilizado como entrada do sistema determinístico. A partir de uma amostra, fluxos de potência são calculados por meio do software OpenDSS a fim de obter, para cada dia, os indicadores de interesse em base diária. Os indicadores de interesse escolhidos são perdas de energia anual e violações de tensão nodais anual. Dessa forma, uma vez obtidos os indicadores para os 7 dias da amostra, eles são integralizados em base anual de acordo com a ocorrência dos dias no ano de 2017. Os dados de consumo são sintetizados com a ferramenta Load Profile e dados de geração são sintetizados a partir da ferramenta Renewable Ninja. Cada iteração da SMC corresponde a obter os indicadores de interesse em base anual para uma amostra, bem como os estados horários dos dispositivos volt-var e os valores horários de tensão e corrente para todos os dias. Esse processo é realizado até se atingir a convergência da SMC. Uma vez atingida a convergência, obtém-se valores estatísticos de tensão, violação de tensão, tap do regulador de tensão, corrente e perdas. Esses valores são analisados comparando com os valores de estudos passados, os quais foram obtidos utilizando cenários de carga e geração médios criados através do algoritmo K-means clustering aplicado aos mesmos dados de consumo e geração sintetizados. Os valores estatísticos são analisados também de modo a avaliar como os dispositivos reguladores operam quando submetidos a diferentes níveis de estresse de carga/geração sintetizados.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-05-19T03:39:02Z
dc.date.issued.fl_str_mv 2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/258321
dc.identifier.nrb.pt_BR.fl_str_mv 001168573
url http://hdl.handle.net/10183/258321
identifier_str_mv 001168573
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/258321/2/001168573.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/258321/1/001168573.pdf
bitstream.checksum.fl_str_mv 3790a98e30d5b1b22f9941a886ebb0f0
a206382f139826fa6412af8719190429
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447338725933056