Aplicação de conceitos de Smart Grids para otimização através de reconfiguração de sistemas radiais seletivos subterrâneos
Carregando...
Arquivos
Data
Autores
França, Ronei Eloi Ody
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
A introdução de Smart Grids em sistemas de distribuição subterrâneos tem sido viabilizada pela
tecnologia de informação e comunicação de dados, sensoriamento e controle inteligentes. Devido
à alta densidade de carga e ao aumento progressivo da demanda de energia elétrica, dada complexidade do sistema duplo radial, é necessário aprimorar técnicas que incorporam as necessidades
operacionais emergentes para melhorar a qualidade de energia e garantir operabilidade. O estudo
foca na rede da Companhia Estadual de Energia Elétrica – Distribuição (CEEE-D), destacando a
necessidade de inovação e a transição de redes tradicionais para Smart Grids. As reconfiguração
de redes de distribuição são extremamente necessárias para evitar contingências e atribuir uma
condição ótima entre unidades geradoras, cargas do sistema de distribuição e sistema de proteção.
Neste projeto é proposto o desenvolvimento de uma modelagem computacional em que RNA
analisam os consumos e as demandas pontuais do sistema de distribuição de energia elétrica
através de dados acumulados, analisadores de sinal e sensores em tempo real condicionados
nas chaves telecomandadas. O objetivo é aplicar técnicas de IA por redes neurais artificias
para reduzir o tempo de reconfiguração de sistemas de distribuição, através da reconfiguração
dinâmica. A RNA é utilizada para enfrentar a complexidade dos sistemas elétricos de distribuição
subterrâneos, utilizando funções de ativação não-lineares e arquiteturas para reconfigurações.
Os resultados obtidos pela RNA com a função de ativação sigmoide na camada oculta e da
função linear na camada de saída, em conjunto com o algoritmo Backpropagation e a otimização
pelo método de Levenberg-Marquardt, apresentam as configurações de chaveamento, as quais
serão aplicadas às chaves de transferência automáticas. A técnica adotada provou ser eficiente,
resultando em previsões confiáveis que contribuem para a redução de perdas, respeitando os
limites de capacidade de corrente e magnitude de tensão. Os resultados dos testes em três
cenários evidenciam a robustez do modelo, que conseguiu capturar variações nas potências
de carga e prever configurações de chaveamento, mantendo desempenho elevado mesmo em
condições não vistas durante o treinamento. A aplicação de RNA em Smart Grids destaca-se
pela precisão e adaptabilidade, mostrando-se promissora para otimizações futuras em sistemas
mais complexos.
Descrição
104 f.