Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Niterói, 12 de Maio de 2018
Minicurso Inteligência Artificial Aplicada a Sistemas Elétricos
Ivo Junior, Leonardo Willer, Bruno Dias, Vitor Hugo Ferreira e Flavio de Mello
Histórico
Frank Heppner, biólogo, década de 80: iniciou um estudo sobre o comportamento de bandos de pássaros.
O PSO - técnica de otimização baseada no comportamento estocástico de aves e peixes. Introduzido inicialmente por Kennedy e Eberhart em 1995
J. Kennedy R. Eberhart
Inspiração Biológica
Mecanismo de otimização = modelagem
baseada na interação de uma determinada
população de pássaros durante o vôo na busca por
alimento.
Tabela I – Identificação dos Termos do PSO
Termo Significado
Partícula Pássaro
Enxame Bando de Pássaros
Espaço de busca Área sobrevoada pelos pássaros
Posição Localização de cada pássaro durante o vôo
Solução Ótima Localização do pássaro onde ele encontrou o alimento ou ninho
Fitness Função de avaliação
Pbest Melhor posição conhecida pelo pássaro
Gbest Melhor posição conhecida pelo enxame
Algoritmo
Algoritmo
A técnica de otimização por enxame de
partículas é um algoritmo que possui uma população de partículas. Cada partícula representa uma possível solução para o problema de otimização.
Cada partícula possui associada a ela um vetor posição e um vetor velocidade.
Algoritmo
A idéia é que as partículas voem pelo espaço de busca tendo suas velocidades atualizadas dinamicamente de acordo com as das experiências (conhecidas anteriormente) individuais e coletiva de todo o enxame.
A evolução do algoritmo está ligada à trajetória percorrida pelo enxame e ao tempo gasto para encontrar a melhor solução do problema.
Formulação Matemática
No PSO a atualização da velocidade e da posição
seguem as seguinte equações, respectivamente.
Formulação Matemática
Representa a experiência individual da partícula (comportamento cognitivo)
Representa experiência do enxame (comportamento social)
Formulação Matemática
Limites a serem obedecidos
Limite de Posição do Espaço de Busca:
Limite de Velocidade:
Velocidade
Metodologias Propostas
Posição da Partícula
1 1 , 2 2( 1) ( ) . ( ) . ( )i i best i i best iv t v t r p x r g x
( 1) ( ) ( 1)i i ix t x t v t
Aplicações
Gerenciamento Ótimo da Produção de Petróleo;
Problemas de Planejamento de Sistemas de Transmissão
de Energia Elétrica;
Verificação da Qualidade da Energia Elétrica;
Guerra Eletrônica;
Unit Commitment Térmico.
Funções benchmark padrão
nn
i
i xxxf 5,5,1
2
1
1
222
1 10,10,1100n
i
n
iii xxxxxf
1)Sphere Function
2)Rosenbrock Function
D
i
ii xxxf1
2 102cos10
3)Rastrigin Function
4)Ackley Function
nn
i
i
n
i
xxn
xn
exf 32,32,2cos1
exp1
2.0exp202011
2
Definições de Geração Distribuída (GD)
Introdução
28
ANEEL
EPRI
IEEE
- ONS, ou não
- Diretamente no SDEE, ou isolada
- Qualquer potência
- Benefícios
- Diretamente no SDEE
- Até 5 MW
- Qualquer ponto do SEP
- Menor que geração centralizada
SDEE – Sistema de Distribuição de Energia Elétrica
SEP – Sistema Elétrico de Potência
Por que a alocação de GD é um problema relevante?
Introdução
29
GD
SE
GD GD
- Perdas de potência ativa
- Perfil de tensão
- Aspectos financeiros
- Meio ambiente
- Operação e manutenção do SDEE
GD
L
V Com GD
Sem GD
- Incentivos à GD no Brasil e no mundo
Caracterização do problema
Introdução
30
GD
SE
GD
GD GD
GD
GD
- Em quais barras alocar GD?
Problema combinatório!
Variáveis de decisão inteiras
- Quanto de potência despachar?
Problema não linear!
Variáveis de decisão contínuas
(Visando um ou mais objetivos)
Problema de otimização multimodal
01
23
45
6
0
2
4
6
-3
-2
-1
0
1
2
3
eixo xeixo y
f(x,y
)
- Desenvolvimento de algoritmos específicos para determinados problemas
GD
SE
GD GD
Estado da arte sobre alocação de GD
Introdução
31
- Desacoplamento do problema em: Localização e Dimensionamento
- Hibridização entre algoritmos de otimização
- Metaheurísticas presentes na maior parte das publicações
2015 2016
Todas as fontes 16,5 MW 72,4 MW
Solar fotovoltaica
13,3 MW 56,9 MW
GD no Brasil – Potência Instalada
Fonte: Balanço Energético Nacional 2017 – MME - EPE
Motivações:
Objetivos e Motivações
32
GD é uma modalidade de produção de energia elétrica em plena expansão.
Alocação e Dimensionamento ótimo de geração distribuída usando otimização heurística híbrida
Exemplo de Aplicação
Objetivos
Determinação de alocação e dimensionamento de unidades de GD, visando minimizar perdas ativas.
Uso de PSO e OPF para busca de .
Additionally use a sensitivity index in order to improve the convergence of the method.
Metodologia Proposta
Processo Duplo.
Part 1 – algortimo PSO gera candidatos ao problema.
Part 2 – OPF determina o dimensionamento da GD como objetivo de mínimas perdas.
Índice de sensibilidade ajuda a melhorar a escolha do PSO.
Metodologia Proposta
Particle Swarm Optimization (PSO)
Índices Sensibilidade.
;Lij j ij j
DGi j i
Lij i ij i
DGj i j
PA P B Q
P
PA P B Q
P
;
nL
ij j ij jDGi j i
nL
ij i ij iDGj i j
PA Q B P
Q
PA Q B P
Q
Metodologia Proposta
Algoritmo Proposto
• Parâmetros do PSO
• 50 Particulas
• 1 = 2 = 2
• Inércia de 0.9 a 0.4
•# Max Iterações = 50
• Max GD:
2000 kW and 2000 kVAR
Initialize particle
population (1)
Check the stopping
criterion (6)
Determine the size of DG
Using OPF (3)
End
Yes
Calculate values of Pbest
and Gbest (4)
Update particles
positions and velocities
(5)
Sensitivity Analysis (2)
Resultados
• 12.66 kV
• Carga total:
3,802.2 kW and 2,694.0
kVar
• perdar: 225.0 kW
Sistema de Distribuição 69 barras
Resultados
Caso 1: Alocação de potência ativa
1 GD Barra Dimensão
(kW)
perdas
(kW)
Proposta 61 1872.7 83.22
[26] 61 1500.0 88.21
[27] 56 1807.4 84.98
2 GDs Barra Dimensão
(kW)
perdas
(kW)
Proposta 17/ 61 531.5 / 1781.5 71.68
[26] 62/ 61 861.0/ 886.0 83.91
[27] 56/ 53 1724.1/ 519.4 73.19
3 GDs Barra Dimensão
(kW)
perdas
(kW)
Proposta 11/ 18/ 61 526.8/ 380.4 / 1719 69.43
[26] 62/ 18/ 61 736.0/ 519.0/ 809.0 73.76
[27] 56/ 55/ 33 1666.7/ 375.9/ 508.4 70.88
Resultados
Caso 2: Alocação de Potência Reativa 1 DG Barra
dimensão
(kVar)
perdas
(kW)
Proposed 61 1330.0 152
[27] 56 1326.6 155.29
2 GDs Barras dimensão
(kW)
perdas
(kW)
Proposed 17/ 61 361.1 / 1275.0 146.44
[27] 53/ 56 367.9/ 1247.8 149.63
3 GDs Barras dimensão
(kW)
perdas
(kW)
Proposed 11/ 21/ 61 413.1/ 230.6/ 1232.4 145.12
[27] 56/ 61/ 33 1202.5/ 233.2/ 303.7 148.31
Caso 3: Alocação de ativa e reativa
1 GD Barra dimensão P
(kW)
dimensão Q
(kVar)
Perdas
(kW)
Proposed 61 1828.7 1300.6 23.17
[27] 61 1870.0 1159.0 23.92
Resultados
Caso 4: Alocação de ativa usando sensibilidade
Barras
59, 60, 65, 50, 13, 63, 12, 62, 11, 48, 68, 43, 64, 27, 15, 49, 10, 20, 33,
34, 58, 66, 35, 9, 25, 16, 19, 41, 17, 6, 52, 32, 53, 23, 30, 8, 14, 51, 7, 54,
55, 56, 47, 21, 44, 38, 61, 26, 2, 29, 37, 28, 36, 22, 5, 40, 42, 18, 3, 69,
67, 39, 46, 45, 57, 31, 24, 4, 1
Barras Top Ranked– Indice de potência ativa
Barras Top Ranked – Indice de potência reativa
Barras
59, 60, 65, 50, 13, 63, 12, 62, 11, 48, 68, 43, 64, 27, 15, 49, 10, 20, 33,
34, 58, 66, 35, 9, 25, 16, 41, 19, 17, 6, 52, 32, 53, 23, 30, 8, 51, 7, 14, 54,
55, 56, 47, 21, 44, 38, 61, 26, 2, 28, 29, 36, 37, 22, 5, 40, 42, 18, 3, 69,
67, 39, 45, 46, 57, 31, 24, 4, 1
População Inicial PSO – Indices de Sensibilidade
Barras 59, 60, 61, 62, 63, 64, 65, 50,13, 14, 15, 16, 17, 18, 19, 20, 21,
22, 23, 24, 25, 26, 27, 68, 69, 43, 44, 45, 46, 33, 34, 35, 66, 52
Resultados
Uso de métodos derivados sozinho não auxilia muito no problema.
Indices de sensibilidade auxiliam o PSO na redução do esforço computacional.
44
Dimensionamento das GDs
ANEEL Recomenda!
Perdas de
potência ativa
Barras
escolhidas
PSO
MATLAB
FPO
LINGO
Sistemas Equivalentes Monofásicos
45
Dimensionamento das GDs
Perdas
ativas
+
Perfil de
tensão
Despacho
das GDs Barras
escolhidas Fluxo de
Potência
Trifásico
(FPT)
OpenDSS
Gradiente
Descendente
MATLAB
Perdas finais de
cada indivíduo
MED
MATLAB
Minimizar 𝑃𝐿 + λ 𝑉𝑗 − 𝑉𝑙𝑖𝑚 2
𝑛𝑏𝑢𝑠
𝑗=1
Fator de penalização
Limite extrapolado
Sistemas Trifásicos Equilibrados
ANEEL
Recomenda!
Minimizar 𝑃𝐿 + λ 𝑉𝑗 − 𝑉𝑙𝑖𝑚 2
𝑛𝑏𝑢𝑠
𝑗=1
Abordagens tradicionais
Programação matemática
Sistemas naturais
Princípios que governam sistemas naturais
Agentes operando em conjunto com comportamentos complexos
Robustez
Introdução
46
Aprendizado de Máquinas
Reconhecimento de Padrões
Otimização
Rede Neural Booleana (AntiBody NETwork - ABNET)
Aplicações
47
Sistema imune natural inato
Resposta rápida e efetiva
Imediatamente disponíveis
Sistema imune natural adaptativo
Resposta mais lenta e duradoura
Reação a um agente específico
SIA
Sistema Imunológico
Artificial
Introdução
48
Antígeno-Ag (invasor)
Célula B x Receptor (anticorpo)
Plasmócito x Anticorpo-Ab
Especificidade
Complementaridade x Afinidade
Ativação da célula B (limiar de afinidade)
Seleção Clonal
Maturação de afinidade
Sistema Imune Adaptativo
49
Castro e Zuben (2000): Aprendizagem de máquinas e reconhecimento de
padrões
Castro e Zuben (2002): Otimização
Mecanismos modelados:
Geração do repertório inicial de anticorpos
Afinidade da ligação dos anticorpos ao antígeno
Seleção Clonal
Maturação de afinidade
Clonagem, Hipermutação Somática e Edição de Receptores.
Algoritmo
de Seleção Clonal - CLONALG
50
Afinidade mútua mínima x Região de reconhecimento Vε
Forma generalizada de uma molécula
Conjunto L de parâmetros
Ponto no espaço L dimensional, Espaço de Formas S, forma
generalizada da região de ligação ao antígeno
Reflexão
Lugares geométricos
ESPAÇO DE FORMAS
RECONHECIMENTO VIA PORÇÕES DE REGIÕES COMPLEMENTARES
Espaço de Formas (Shape-Space)
51
Distância Euclidiana
Distância de Manhattan
Distância de Hamming
Medida de afinidade de Hunt ( l = comp. de cada porção de ligação com mais de 2 bits
complementares)
Medida de similaridade de Rogers & Tanimoto
Medição de Afinidade
52
- Limiar de afinidade Ab-Ag
FUNÇÃO SIGMÓIDE
Determina se ocorre ou não a ligação
Função de ativação degrau x função de ativação sigmoidal
Valor de ligação: vl ϵ [0,1]
FUNÇÃO DEGRAU
Limiar de Afinidade
“Apenas aquela célula capaz de reconhecer um determinado estímulo antigênico irá se
proliferar, sendo, portanto, selecionada em detrimento das outras”.
Princípio da Seleção Clonal
54
Hipermutação Somática + Seleção Clonal → exploração local do espaço de regiões
Edição de Receptores → resposta imunológica sai de ótimos locais insatisfatórios
Maturação de Afinidade
55
Hipermutação Somática
Edição de Receptores
57
Avaliação de Afinidades
**( ) 1/ 1 exp ( ) /
f i f i f
Normalização de afinidades
Oliveira et al. (2014)
: valor máximo de afinidade
: desvio padrão das afinidades *
f
58
Clonagem
1
( )
n
i
NNc round
i
Castro e Zuben (2002)
Reconhecimento de Padrões
n : anticorpos selecionados
N: número total de anticorpos do repertório
β: fator multiplicativo
Anticorpos ordenados da maior para a menor afinidade
0 0.2 0.4 0.6 0.8 10
0.2
0.4
0.6
0.8
1
f*
p r = 10
r = 20
r = 5
60
Hipermutação
fe
Castro e Zuben (2002)
Alves et al. (2004)
Gerações de alta e baixa mutação intercaladas
α : taxa de mutação
ρ: parâmetro de controle
f: afinidade
Probabilidade de mutação inversamente proporcional à afinidade do anticorpo
Pesquisa no espaço de busca;
Geração de variações genéticas aleatórias
Taxa de hipermutação inversamente proporcional a afinidade.
Hipermutação
61
63
Aplicação: O Caixeiro Viajante
A
B
C
E
D
Problema do Caixeiro Viajante
Soluções Possíveis:
Todos os percursos fechados passando por cada
cidade uma única vez.
Objetivo:
Minimizar a distância total do percurso.
5
3 4
3 2
4
4 5
5 6
64
Aplicação: O Caixeiro Viajante
Representação das Soluções:
Seqüência de cidades do percurso.
s=[B,D,E,C,A]
A
B
C
E
D5
3 4
3 2
4
4 5
5 6
Função Objetivo:
Distância total do percurso.
custo(s) = 6 + 4 + 5 + 4 + 2 = 21
Parâmetros do SIA:
N = 10
n = 2
β = 0,2
ρ = 0,3
d = 1
No. máximo de gerações: 1
Repertório Inicial
Aplicação: O Caixeiro Viajante
Anticorpo Distância
s1 = [B,D,E,C,A] 21
s2 = [A,D,E,B,C] 20
s3 = [E,B,D,C,A] 22
s4 = [A,B,D,E,C] 21
s5 = [B,E,C,D,A] 21
s6 = [A,D,B,E,C] 24
s7 = [A,D,C,B,E] 20
s8 = [B,E,D,A,C] 20
s9 = [B,E,D,C,A] 19
s10 = [E,A,D,C,B] 20
A
B
C
E
D5
4
4
4 2
s9
Seleção
65
Clonagem
Afinidade (f) é o inverso da função objetivo (fob) (problema de minimização)
f(1) = f [s2] = 1 / fob*[s2] = 1 / 20 = 0,0500
f(2) = f [s9] = 1 / fob*[s9] = 1 / 19 = 0,0526
Afinidade normalizada dos anticorpos selecionados
(f* = f / fmax, em que fmax é a máxima afinidade entre os selecionados)
f*[s2] = f [s2] / fmax = 0,0500 / 0,0526 = 0,95
f*[s9] = f [s9] / fmax = 0,0526 / 0,0526 = 1,00
Aplicação: O Caixeiro Viajante
66
Hipermutação somática
Clones de s2:
Clones de s9:
* 0,3 0,95
2 0,75f
s e e
* 0,31,00
9 0,74f
s e e
Hipermutação somática
Número de clones para cada selecionado
Sorteio de um número aleatório (a) para cada clone
Aplicação: O Caixeiro Viajante
67
s2(clone1) [A,D,E,B,C]: a = 0,81 > 2 0,75s
s2(clone1) não muta
s2(clone2) [A,D,E,B,C]: a = 0,54 < 2 0,75s
s2(clone2) muta
s9(clone1) [B,E,D,C,A]: a = 0,12 < 9 0,74s
s9(clone1) muta
s9(clone2) [B,E,D,C,A]: a = 0,92 > 9 0,74s
s9(clone2) não muta
[s2] round( )= 2
[s9] round( )= 2
Nc = β.N
Nc = β.N
Aplicação do Operador de Mutação
Troca entre duas posições aleatórias
Aplicação: O Caixeiro Viajante
68
s2(clone2) [A,D,E,B,C]
s9(clone1) [B,E,D,C,A]
s2(clone2 mutante) [A,B,E,D,C]
s9(clone1 mutante) [A,E,D,C,B]
Avaliação da população de clones após a mutação
s2(clone1) [A,D,E,B,C] → distância = 20
s2(clone2 mutante) [A,B,E,D,C] → distância = 19
s9(clone1 mutante) [A,E,D,C,B] → distância = 17
s9(clone2) [B,E,D,C,A] → distância = 19
Substituição dos n melhores clones após a mutação no repertório de anticorpos
Aplicação: O Caixeiro Viajante
Anticorpo Distância
s1 = [B,D,E,C,A] 21
s2 = [A,D,E,B,C] 20
s3 = [E,B,D,C,A] 22
s4 = [A,B,D,E,C] 21
s5 = [B,E,C,D,A] 21
s6 = [A,D,B,E,C] 24
s7 = [A,D,C,B,E] 20
s8 = [B,E,D,A,C] 20
s9 = [B,E,D,C,A] 19
s10 = [E,A,D,C,B] 20 69
Anticorpo Distância
s1 = [B,D,E,C,A] 21
s2 = [A,D,E,B,C] 20
s3’ = [A,B,E,D,C] 19
s4 = [A,B,D,E,C] 21
s5 = [B,E,C,D,A] 21
s6’ = [A,E,D,C,B] 17
s7 = [A,D,C,B,E] 20
s8 = [B,E,D,A,C] 20
s9 = [B,E,D,C,A] 19
s10 = [E,A,D,C,B] 20
s9 (clone1 mutante)
s2 (clone2 mutante)
Edição de receptores
Geração aleatória de 1 solução (d = 1) → [A,D,B,C,E]
Inserção do „d’ novo anticorpo na população
Aplicação: O Caixeiro Viajante
70
Anticorpo Distância
s1 = [B,D,E,C,A] 21
s2 = [A,D,E,B,C] 20
s3’ = [A,D,E,B,C] 19
s4 = [A,B,D,E,C] 21
s5 = [B,E,C,D,A] 21
s6’ = [A,E,D,C,B] 17
s7 = [A,D,C,B,E] 20
s8 = [B,E,D,A,C] 20
s9 = [B,E,D,C,A] 19
s10 = [E,A,D,C,B] 20
d
Anticorpo Distância
s1 = [A,D,B,C,E] 22
s2 = [A,D,E,B,C] 20
s3’ = [A,B,E,D,C] 19
s4 = [A,B,D,E,C] 21
s5 = [B,E,C,D,A] 21
s6’ = [A,E,D,C,B] 17
s7 = [A,D,C,B,E] 20
s8 = [B,E,D,A,C] 20
s9 = [B,E,D,C,A] 19
s10 = [E,A,D,C,B] 20
Convergência? 1 geração → SIM
População final de anticorpos
Aplicação: O Caixeiro Viajante
71
Anticorpo Distância
s1 = [A,D,B,C,E] 22
s2 = [A,D,E,B,C] 20
s3’ = [A,B,E,D,C] 19
s4 = [A,B,D,E,C] 21
s5 = [B,E,C,D,A] 21
s6’ = [A,E,D,C,B] 17
s7 = [A,D,C,B,E] 20
s8 = [B,E,D,A,C] 20
s9 = [B,E,D,C,A] 19
s10 = [E,A,D,C,B] 20
Solução Ótima Encontrada
A
B
C
E
D
4
2
3
5
3
73
subestação
1
2
34
67
5
Facilita coordenação da proteção
Atenuação da corrente
de curto-circuito
Menor confiabilidade
Dispositivos de chaveamento NF NA
Aplicação: Reconfiguração
74
Eficiência
Maximizar a relação entre a saída e a entrada do sistema
Energia entregue ao consumidor final
Energia adquirida SDE
Minimizar as perdas de energia ao longo da cadeia produção - transporte - consumo.
Aplicação: Reconfiguração
75
Impacto nas tarifárias (US$/kWh) Decreto 4.562 (2002), §1º art. 1º
Questões ambientais
Perdas no Brasil (2014)
Aplicação: Reconfiguração
76
subestação
1
2
34
67
5
Otimização do SDE
Redução das perdas técnicas
ABERTO FECHADO ABERTO
FECHADO 7
Aplicação: Reconfiguração
77
Perdas Ativas (W)
2 2
km mk kmPerdas P P f ( I ,V )
k mPkm
Pmk
Não Linearidade
Natureza inteira mista
Características do Problema
k m
“0” “1”
78
Natureza combinatória e elevada dimensão
Reconfiguração
Cada chave possui duas opções (0-1)
Sistema com 10 chaves: 210 soluções = 1024
subestação
1
2
34
67
5
Requisito: eficiência computacional
Qualidade das soluções (eficácia)
Tempo de Processamento
Características do Problema
80
63
4 7
8
A
B
C
D
E
2
F
G
Perda Total = Perda Total + 4 + 8 = Perda Total + 12 Perda Total = Perda Total + 4 + 7 = Perda Total + 11
Perda Total = Perda Total + 4
Perda Total = Perda Total + 6
Perda Total = Perda Total + 6 + 2 = Perda Total + 8
Percurso percorrido Ótimo Local
Percurso ótimo global
Características do Problema
Busca em Profundidade
81
subestação
1
2
34
67
5
subestação
1
2
34
67
5
Radialidade Conectividade
Características do Problema
82 Va
ria
çã
o P
eri
ód
ica
da
Ca
rga
1.0
0.8
0.6
0.4
0.2
1 2 3 4 5 6 7 8 9 10 14131211 1918171615 2120 2322hours
per unit - MW
Características do Problema
Residencial Comercial Industrial
83
Sujeito a:
Função Objetivo = Custo Perdas
Balanço de Potência Ativa
Balanço de Potência Reativa
FOB = Custo Perdas = ,
1 1
. . .NT NB
u u kmkm u
u k m k
km ce T LCH (x )
, , , ,. 0 ( )
kmk u k u km u kkm u
m k
CH (x )Pg Pl P p
, , , ,. 0 ( )
kmk u k u km u kkm u
m k
CH (x )Qg Ql Q q
Formulação do Problema
84
min max
,k k u kPg Pg Pg
Limites de Geração (MW) Limites de Geração (MVAr) min max
,k k u kQg Qg Qg
Limites de Tensão (V) min max
,k k u kV V V
Valores das chaves
[0,1]kmCH
Formulação do Problema
SIA
85
• Matriz de anticorpos x atributos (Nab x L);
• Inclui apenas topologias radiais e conexas;
• Configuração base como primeiro anticorpo.
Codificação via SIA
90
Sistema de 16 Barras
3 alimentadores de 23 kV 16 circuitos 3 chaves de interconexão 12 chaves de seccionamento VSE = 1,0 p.u. 0,9 p.u. ≤ Vi ≤ 1,1 p.u. Perdas Iniciais: 511,44 kW
S1
S2
S3
S4
S5
S6
S7
S8 S9
S10
S11
S12
S13
S14
S15
S16
ALIM 1 ALIM 2 ALIM 3
SE SESE
2
3
45
6
14
7
9 10
13
11
128
Exemplo
91
S1
S2
S3
S4
S5
S6
S7
S8 S9
S10
S11
S12
S13
S14
S15
S16
ALIM 1 ALIM 2 ALIM 3
SE SESE
2
3
45
6
14
7
9 10
13
11
128
Configuração Perda (kW) C. Interconexão
Atual 466,13 S7, S8, S16
Configuração Perda (kW) C. Interconexão
Atual 479,29 S7, S8, S4
Configuração Perda (kW) C. Interconexão
Atual 492,83 S7, S8, S13
Configuração Perda (kW) C. Interconexão
Atual 466,13 S7, S8, S16
Configuração Perda (kW) C. Interconexão
Atual 493,15 S15, S8, S16
Configuração Perda (kW) C. Interconexão
Atual 1.334,33 S5, S8, S16
Configuração Perda (kW) C. Interconexão
Atual 466,13 S7, S8, S16
Configuração Perda (kW) C. Interconexão
Atual 483,87 S7, S14, S16
Configuração Perda (kW) C. Interconexão
Atual 466,13 S7, S8, S16
Configuração Perda (kW) C. Interconexão
Atual 705,03 S7, S6, S16
Exemplo
Oliveira, L.W.O., Oliveira, E.J., Gomes, F.V., Silva Junior, I.C.,
Marcato, A.L.M., Resende, P.V.C., Artificial Immune Systems
applied to the reconfiguration of electrical power distribution
networks for energy loss minimization, Int J Electric Power Energy
Syst 2014; 56(1):64–74.
Referência
92
93
Nível de Tensão: 12,66 kV 37 circuitos 5 chaves de interconexão 0,85 p.u. ≤ Vi ≤ 1,10 p.u.
Sistema de 33 Barras
S1
S2
S3
S4
S5
S6
S7
S8
S9
S10
S11
S18
S19
S20
S21S33
S35
S12 S13
S14
S34
S15
S16
S17
S25
S26
S27
S28 S29
S30
S31
S32
S36
S22
S23
S24
S37
SE
9
13
Aplicação 1
94
Resultado
Configuração Inicial GOMES et al. (2006) CLONR
RAJU e BIJWE (2008)
Chaves Abertas S33, S34, S35, S36, S37 S7, S10, S14, S32, S37 S7, S9, S14, S32, S37
Perdas (kW) 202,68 140,28 139,55
Aplicação 1
95 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
0
0.5
1
1.5
Hora
Fato
r de C
arg
a R
eativa
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240
0.2
0.4
0.6
0.8
1
1.2
1.4
Hora
Fato
r de C
arg
a A
tiva
Barra 1
Ativa
Reativa
Aplicação 1
97
Nível de Tensão: 11,4 kV 96 circuitos 13 chaves de interconexão 0,9 p.u. ≤ Vi ≤ 1,1 p.u.
Sistema de 94 Barras
Aplicação 2
98
Curvas de Carga
Grupo-1
Grupo-2
1.0
0.8
0.6
0.4
0.2
1 2 3 4 5 6 7 8 9 10 14131211 1918171615 2120 2322hours
L1
L2
L3
L4
per unit - MW
Nível
Custo de Perda
de Energia
(US$/kWh)
L1 0,06
L2 0,06
L3 0,108
L4 0,06
Aplicação 2
1 2 3 4 5 6 7 8 9 10 14131211 1918171615 2120 2322
0.2
1.0
0.8
0.7
0.5
0.3
hours
L1
L3
L2
L4
per unit - MW
99
Configuração Inicial (CHIOU et al., 2005,
RAJU e BIJWE, 2008) CLONR
Chaves Abertas S84 - S96
S7, S13, S34, S39, S42, S55,
S62, S72, S83, S86, S89,
S90, S92
S7, S34, S39, S42, S55,
S63, S72, S83, S86, S88,
S89, S90, S92
Perdas Grupo-1
(MWh) 1.364,7 983,0 1.060,1
Perdas Grupo-2
(MWh) 1.320,2 1.441,5 1.352,4
Custo Perdas
(US$) 173.640,10 155.773,80 155.260,14
Período de Operação: 1 ano
Aplicação 2
100
Nível de Tensão: 13,8 kV
2 Alimentadores
4 chaves de interconexão
22 chaves manobráveis
0,85 p.u. ≤ Vi ≤ 1,10 p.u.
Sistema de 476 Barras
Aplicação 3
101
Configuração Inicial RAJU e BIJWE (2008) CLONR
GOMES et al. (2006)
Chaves Abertas S10643, S5380, S1167,
S10647
S10667, S5380,
S1167, S10647
S2942, S10643,
S5380, S10647
Tensão Mínima
(p.u.) 0,946 (213) 0,943 (213) 0,955 (213)
Perdas (kW) 202,73 196,78 161,02
Aplicação 3
102
Nível de Tensão: 11,0 kV 133 circuitos 15 chaves de interconexão 0,85 p.u. ≤ Vi ≤ 1,10 p.u.
Sistema de 119 Barras (ZHANG et al., 2007)
Aplicação 4
103
Configuração Inicial RAJU e BIJWE
(2008) ARSD (2009)
Chaves Abertas S119 - S133
S24, S27, S35, S40, S43,
S52, S59, S72, S75, S96,
S99, S110, S123, S130, S131
S24, S26, S35, S40, S43,
S51, S61, S72, S75, S96,
S98, S110, S122, S130, S131
Tensão Mínima
(p.u.) 0,869 (77) 0,932 (111) 0,932 (111)
Perdas (kW) 1.296,6 870,3 857,7
Aplicação 4