Alocação ótima de bancos de capacitores e geração distribuída em sistemas de distribuição de energia elétrica

• Autor(a) principal: Oliveira, Victor Molieri de
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/214232
• topic: Engenharia Elétrica; Otimização de sistemas elétricos de potência; Meta heurística; Fluxo de potência

Os sistemas de distribuição de energia elétrica (SDEEs) devem operar dentro dos limites operacionais adequados, respeitando restrições de natureza física, técnica, ambiental ou econômica; ou seja, manter o perfil de tensão da rede dentro dos limites estabelecidos, reduzir as perdas do sistema, adequar a operação considerando os impactos para o meio ambiente e minimizando, o máximo possível, os custos de investimentos. Com o passar dos anos, a infraestrutura do SDEE é deteriorada devido ao crescimento da demanda. Para resolver esse problema, um planejamento de curto ou médio prazo faz-se importante. Atualmente, a realização desse planejamento é desafiadora, pois agrega novas tecnologias e adequação a regras ambientais dos órgãos reguladores. Neste trabalho, para realizar o planejamento, apresenta-se uma estratégia para a alocação ótima de bancos de capacitores (BCs) e unidades de geração distribuída (GDs) eólica em sistemas de distribuição de energia elétrica (SDEEs). O objetivo deste trabalho é, através de um modelo de otimização que possibilite a tomada de decisão para alocação de BCs e GDs, melhorar a operação do SDEE, minimizando perdas e a emissão de carbono, com o menor custo possível. Para determinar a solução, um algoritmo genético básico (AG) será implementado. Paravalidar a aplicabilidade e robustez do algoritmo proposto, um sistema de 135 barras é utilizado considerando diferentes condições de teste. A condição do sistema teste antes do planejamento é verificada mediante um algoritmo de fluxo de carga para obter o perfil de tensão, determinar as perdas totais anuais do sistema, e estimar as emissões de carbono. Em seguida, o AG é executado considerando mais de 100 iterações, para verificar a convergência da função objetivo (FO), contudo pode ser observado que com menos de 20 iterações o AG desenvolvido alcança a convergência. Os resultados mostram que é possível reduzir as perdas em 86,35% e nessas condições, também reduzir a emissão de carbono em 68,44%, mantendo o perfil de tensão dentro das restrições impostas. Os custos de investimento estão muito condicionados a instalação de unidades de GD, sendo fator importante na tomada de decisão