Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
81
CAPÍTULO 5
APLICAÇÃO DE UM MÉTODO EVOLUCIONÁRIO METAHEURÍSTICO
5.1 INTRODUÇÃO
Neste capítulo é apresentada a aplicação de um Método Evolucionário Metaheurístico,
definido no Capítulo 4. Um caso ilustrativo será desenvolvido e comentado, e a aplicação de
um caso real será apontada.
O primeiro é um caso ilustrativo, baseado numa rede reduzida hipotética, e visa ilustrar a
sistemática adotada, bem como caracterizar a metodologia desenvolvida e o procedimento
necessário para a elaboração de uma estimação do desempenho elétrico.
O aplicativo foi desenvolvido na linguagem C++ e utiliza um programa de fluxo de potência
desenvolvido no Departamento de Energia e Automação Elétricas da Escola Politécnica da
USP (28). As simulações foram processadas em um computador dotado de um processador
AMD Athlon® XP 2200+ e 192 Mb de memória RAM.
5.2 CASO ILUSTRATIVO
A Rede Reduzida que compõe este primeiro caso está apresentada na Figura 5.1, que
apresenta 7 barras, 6 trechos e 4 cargas. O modelo de carga adotado é de corrente constante
com relação à tensão.
82
Figura 5.1 Rede reduzida utilizada como caso ilustrativo da estimação do desempenho elétrico.
Tabela 5.1 Topologia da rede reduzida do caso ilustrativo.
��������� � ��� �� �� �� � �� � ��� �� � ������ � � �� �� �� � � � �
3535 3542 3541 3000 336
3536 3543 3542 3000 336
3537 3544 3543 3000 336
3539 3546 3543 3000 1/0
3538 3545 3544 3000 336
3549 3547 3544 3000 1/0
����� ����� �����
���� �
�����
�����
���� �
��
��
��
��
Ponto medido
83
Tabela 5.2 Cargas constantes da rede reduzida do caso ilustrativo (média e desvio padrão).
� ��� � � � �� � �
3542 SA=(600 ± 120) kW + j (100 ± 20,0) kVAr SB=(700 ± 140) kW + j (110 ± 22,0) kVAr SC=(600 ± 120) kW + j (90 ± 18,0) kVAr
3546 SA=(400 ± 160) kW + j (55 ± 22,0) kVAr SB=(450 ± 180) kW + j (56 ± 22,4) kVAr SC=(450 ± 180) kW + j (58 ± 23,2) kVAr
3545 SA=(300 ± 90) kW + j (19 ± 5,7) kVAr SB=(350 ± 105) kW + j (20 ± 6,0) kVAr SC=(350 ± 105) kW + j (28 ± 8,4) kVAr
3547 SA=(250 ± 175) kW + j (25 ± 17,5) kVAr SB=(300 ± 210) kW + j (25 ± 17,5) kVAr SC=(250 ± 175) kW + j (30 ± 21,0) kVAr
����
�
�
����
�
�
++++++++++++++++
=
827,0j451,0399,0j058,0403,0j058,0405,0j058,0399,0j058,0800,0j249,0533,0j058,0483,0j058,0403,0j058,0533,0j058,0800,0j249,0537,0j058,0405,0j058,0483,0j058,0537,0j058,0800,0j249,0
336ZΩ/km
����
�
�
����
�
�
++++++++++++++++
=
844,0j663,0399,0j058,0403,0j058,0405,0j058,0399,0j058,0845,0j0662533,0j058,0483,0j058,0403,0j058,0533,0j058,0845,0j662,0537,0j058,0405,0j058,0483,0j058,0537,0j058,0845,0j662,0
0/1ZΩ/km
5.2.1 Enumeração Parcial
Seguem simulações referentes à Enumeração Parcial, uma vez que a Enumeração Completa é
intratável computacionalmente. Para este caso, seriam necessários (NintNcargas)6 = (Nint4)6 .
Para uma discretização de 5 intervalos, o Espaço de Decisões teria a dimensão de
aproximadamente 6,0 x 1016 casos. A Enumeração Parcial ilustrada neste subitem refere-se à
combinação inter-cargas e não intra-cargas, ou seja, não são combinados os intervalos de
potência ativa e reativa das fases de uma mesma carga. Por conseqüência, o número de casos
simulados diminui para NintNcargas, assim, para 5 intervalos e 4 cargas, o número de casos será
625.
84
Neste primeiro grupo de simulações, propõe-se três casos distintos, discretizando as 4 cargas
em 5, 10 e 15 intervalos, distribuídos entre o valor médio menos 3 vezes o desvio padrão e o
valor médio mais 3 vezes o desvio padrão. Para potência ativa, o valor mínimo fica limitado a
zero. A discretização será aplicada para todas as cargas, fases e para os valores de potência
ativa e reativa.
Para estes casos, primeiramente serão aplicadas a Formulação 4.8, sem restrição de tensão no
ponto medido e sem restrição da potência na saída do circuito.
O processamento para discretização em 5 intervalos compõe um conjunto de 625 vetores de
decisão, para a discretização em 10 intervalos, 10.000 casos e para 15 intervalos, são 50.625
casos a serem simulados.
O resultado do processamento destes três casos iniciais foram ordenados segundo o Método
de Ordenação das Soluções Não Dominadas (Figura 3.3). As cinco primeiras fronteiras de
dominância estão ilustradas na Figura 5.2 a 5.4.
Figura 5.2 Fronteiras de Dominância por Enumeração Parcial, 5 intervalos por carga, sem restrições e ƒ1(x) = ( Vm - Vmed )2 e ƒ2(x) = (1 - Pc )2.
0.E+00
1.E-04
2.E-04
3.E-04
4.E-04
5.E-04
84.0% 86.0% 88.0% 90.0% 92.0% 94.0% 96.0% 98.0% 100.0%
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � �� �� ���
85
Figura 5.3 Fronteiras de Dominância por Enumeração Parcial, 10 intervalos por carga, sem restrições e ƒ1(x) = ( Vm - Vmed )2 e ƒ2(x) = (1 - Pc )2.
Figura 5.4 Fronteiras de Dominância por Enumeração Parcial, 15 intervalos por carga, sem restrições e ƒ1(x) = ( Vm - Vmed )2 e ƒ2(x) = (1 - Pc )2.
� �� � � � �
��� � � � �
� �� � � � �
���� � � �
��� � � � �
��� � � � �
99.35% 99.45% 99.55% 99.65% 99.75% 99.85% 99.95%
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � �� �� ���
� �� � � � �
��� � � � �
��� � � � �
� �� � � � �
� �� � � � �
��� � � � �
���� � � �
���� � � �
��� � � � �
��� � � � �
��� � � � �
99.88% 99.90% 99.92% 99.94% 99.96% 99.98% 100.00%
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � �� �� ���
� � � � � � � ����� ���
� � � � � � � ����� ���
� � � � � � � ����� ���
86
Os resultados obtidos denotam o ganho qualitativo na formação das fronteiras de dominância.
A utilização do conceito de ordenação das soluções não dominadas apresenta uma
importância adicional, uma vez que, o objetivo proposto neste trabalho não é,
primordialmente, obter a fronteira eficiente, mas fazer uso das técnicas de otimização
combinatória multiobjetivo para estimação do desempenho elétrico.
Pode-se observar também que a discretização da carga resulta em um benefício adicional à
capacidade de efetuar uma estimação probabilística, que é o problema da Diversificação da
busca dos problemas de otimização combinatória multiobjetivo. Em geral, é necessário criar
algoritmos específicos para diversificação da busca, que podem constituir uma exigência que
insere uma grande complexidade ao problema. Na formulação proposta neste trabalho, a
diversificação fica definida a-priori, ao definir critérios para discretização das cargas (neste
caso, eqüidistante).
Outro aspecto importante na avaliação dos problemas de otimização combinatória
multiobjetivo é o problema de Intensificação da busca. Na formulação proposta, a
intensificação se traduz no número de intervalos a serem aplicados para cada carga. Quanto
maior a discretização, maior a capacidade de intensificar a busca da fronteira ótima.
As Figuras 5.2 a 5.4 ilustram a metodologia utilizada neste trabalho para resolver o problema
de compromisso entre funções objetivo de natureza diversa e, na maioria dos casos,
contraditórios.
Nas Figuras 5.5 a 5.8 são apresentados os parâmetros elétricos (tensão, corrente, fluxo, carga)
conforme a probabilidade de ocorrência de cada vetor de decisão, para o caso de 5 intervalos
por carga. Nas Figuras 5.9 a 5.12 para 10 intervalos e nas Figuras 5.13 a 5.16 para 15
intervalos. Os resultados apresentados constituem a estimação do desempenho elétrico, que é
o objetivo final da formulação proposta.
87
Figura 5.5 Estimação probabilística do nível de tensão para discretização segundo 5 intervalos de cargas (nós 3542, 3543 e 3547).
Figura 5.6 Estimação probabilística da corrente para discretização segundo 5 intervalos de cargas (trechos 3535, 3537 e 3540).
Figura 5.7 Estimação probabilística do fluxo de potência ativa para discretização segundo 5 intervalos de cargas (trechos 3535, 3537 e 3540).
Figura 5.8 Estimação probabilística da carga ativa para discretização segundo 5 intervalos de cargas (cargas nos nós 3542, 3546, 3545 e 3547).
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
� �� � � �� � � �� � � �� � ��� �
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
� �� � � ��� � �� � � �� �
�� ����� �� ����� �� ����� �� �����
�� ����� �� ����� �� ����� �� �����
�� ����� �� ����� �� ����� �� �����
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
0.03 0.33 0.63 0.93
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
� �� � � �� � ���� ����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
88
Figura 5.9 Estimação probabilística do nível de tensão para discretização segundo 10 intervalos de cargas (nós 3542, 3543 e 3547).
Figura 5.10 Estimação probabilística da corrente para discretização segundo 10 intervalos de cargas (trechos 3535, 3537 e 3540).
Figura 5.11 Estimação probabilística do fluxo de potência ativa para discretização segundo 10 intervalos de cargas (trechos 3535, 3537 e 3540).
Figura 5.12 Estimação probabilística da carga ativa para discretização segundo 10 intervalos de cargas (cargas nos nós 3542, 3546, 3545 e 3547).
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
� �� � � �� � � �� � � �� � ��� �
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
� �� � � ��� � �� � � �� �
�� ����� �� ����� �� ����� �� �����
�� ����� �� ����� �� ����� �� �����
�� ����� �� ����� �� ����� �� �����
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
0.03 0.33 0.63 0.93
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
� �� � � �� � ���� ����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
89
Figura 5.13 Estimação probabilística do nível de tensão para discretização segundo 15 intervalos de cargas (nós 3542, 3543 e 3547).
Figura 5.14 Estimação probabilística da corrente para discretização segundo 15 intervalos de cargas (trechos 3535, 3537 e 3540).
Figura 5.15 Estimação probabilística do fluxo de potência ativa para discretização segundo 15 intervalos de cargas (trechos 3535, 3537 e 3540).
Figura 5.16 Estimação probabilística da carga ativa para discretização segundo 15 intervalos de cargas (cargas nos nós 3542, 3546, 3545 e 3547).
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
� �� � � �� � � �� � � �� � ��� �
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
� �� � � ��� � �� � � �� �
�� ����� �� ����� �� ����� �� �����
�� ����� �� ����� �� ����� �� �����
�� ����� �� ����� �� ����� �� �����
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
0.03 0.33 0.63 0.93
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
� �� � � �� � ���� ����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
90
Figura 5.17 Estimação das perdas totais por Enumeração Parcial, sem restrições (5, 10 e 15 intervalos de carga).
Os resultados apresentados evidenciam que o aumento do número de intervalos das cargas
incorre em uma suavização maior das curvas resultantes, em especial, daquelas que não
agregam combinações de várias cargas. Por exemplo, a corrente do trecho 3540, que compõe
a corrente da carga conectada à barra 3547 apenas, apresentou uma suavização significativa
ao passar a estimação de 10 (Figura 5.10) para 15 intervalos (Figura 5.14). No entanto, o
ganho foi pequeno de 5 (Figura 5.6) para 10 intervalos (Figura 5.10). Para o trecho 3535, que
agrega as correntes de todas as 4 cargas da rede, a alteração da curva já é substancial para 10
intervalos. Evidentemente, a forma da curva depende também dos intervalos adotados para a
construção dos histogramas de probabilidade, mas as observações anteriores denotam a
capacidade de diversificação que a discretização promove nos resultados.
Os processamentos realizados anteriormente constituem uma variação do Método
Probabilístico proposto na referência [30]. A seguir são apresentados os resultados da
estimação probabilística, segundo o Método de Enumeração Parcial, inserindo na formulação
uma restrição do nível de tensão no ponto 3543 de 0,925 p.u. ± 1% e ± 0,1%. As cargas foram
discretizadas segundo 15 intervalos. A tensão de saída do circuito é equilibrada no valor
1,0000 p.u., fase zero.
0%
5%
10%
15%
20%
25%
30%
35%
0.5% 2.0% 3.5% 5.0% 6.5% 8.0% 9.5%
5 intervalos
10 intervalos
15 intervalos
91
Figura 5.18 Estimação probabilística do nível de tensão da fase A nos nós 3542, 3543 e 3547 para discretização segundo 15 intervalos de cargas (sem restrição, restrição faixa 1% e 0,1%).
Figura 5.19 Estimação probabilística da corrente na fase A nos trechos 3535, 3537 e 3540 para discretização segundo 15 intervalos de cargas (sem restrição, restrição faixa 1% e 0,1%).
Figura 5.20 Estimação probabilística do fluxo de potência ativa na fase A nos trechos 3535, 3537 e 3540 para discretização segundo 15 intervalos de cargas (sem restrição, restrição faixa 1% e 0,1%).
Figura 5.21 Estimação probabilística da carga ativa fase A das cargas nos nós 3542, 3546 e 3547 para discretização segundo 15 intervalos de cargas (sem restrição, restrição faixa 1% e 0,1%).
Va 3542
0%
20%
40%
60%
80%
100%
� �� � � �� � � �� � � �� � � �� �
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Va 3543
0%
20%
40%
60%
80%
100%
� �� � � �� � � �� � � �� � � �� �
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Va 3547
0%
5%
10%
15%
20%
25%
30%
� �� � � �� � � �� � � �� � � �� �
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Ia 3535
0%
10%
20%
30%
40%
50%
� �� � � ��� � ��� � ��� � �� �
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Ia 3537
0%
5%
10%
15%
20%
25%
30%
35%
40%
� �� � � ��� � ��� � ��� � �� �
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Ia 3540
0%
5%
10%
15%
20%
� �� � � ��� � ��� � ��� � �� �
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Pa 3535
0%
15%
30%
45%
60%
0.03 0.15 0.27 0.39
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Pa 3537
0%
15%
30%
45%
60%
0.03 0.15 0.27 0.39
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Pa 3540
0%
10%
20%
30%
0.03 0.15 0.27 0.39
� � ��� � �! " �
# � � �! " � �$� % � ��&
# � � �! " � �$� % � �� '�&
Pa 3542
0%
10%
20%
30%
40%
� �� � � ��� � ��� � ��� � �� � � �� � � �� �
� � ��� � �! " �
# � � �! " � ��&
# � � �! " � �� '�&
Pa 3547
0%
5%
10%
15%
20%
� �� � � ��� � ��� � ��� � �� � � �� � � �� �
� � ��� � �! " �
# � � �! " � ��&
# � � �! " � �� '�&
Pa 3546
0%
10%
20%
30%
� �� � � ��� � ��� � ��� � �� � � �� � � �� �
� � ��� � �! " �
# � � �! " � ��&
# � � �! " � �� '�&
92
As restrições de tensão no ponto medido eliminam uma grande quantidade de Vetores de
Decisão, cujos parâmetros elétricos resultantes são inviáveis. Nas simulações anteriores, a
restrição de tensão de 0,925 p.u. ± 1% (0,9158 ≤ VAN3543 ≤ 0,9343), impôs 29.093 soluções
factíveis (57,5%). Para restrição de 0,925 p.u. ± 0,1% (0,9241 ≤ VAN3543 ≤ 0,9259), apenas
3.186 Vetores de Decisão geraram soluções factíveis (0,06%).
As 29.093 soluções factíveis que atenderam a restrição de tensão, com uma variação
permitida de 1%, correspondem a 51,2% da probabilidade de ocorrência, obtida pela soma das
probabilidades de ocorrência calculadas segundo a Equação 4.7. Para uma variação de 0,1%, a
probabilidade cai para 4,3%. Estes valores podem ser interpretados como a probabilidade da
tensão medida estar no intervalo 0,925 p.u. ± 1% ou 0,925 p.u. ± 0,1%. Caso seja considerado
que a tensão no ponto medido está, com 100% de probabilidade, dentro destes intervalos, a
probabilidade de ocorrência Pc de cada caso factível pode ser divido por 51,2% ou 4,3%, nos
casos anteriores, o que significa normalizar o histograma de probabilidades (Figuras 5.18 a
5.21).
Figura 5.22 Estimação probabilística das perdas totais para discretização segundo 15 intervalos de cargas (sem restrição, restrição faixa 1% e 0,1%).
0%
10%
20%
30%
40%
50%
60%
70%
0.5% 2.0% 3.5% 5.0% 6.5% 8.0% 9.5%
Ser restrição
Restrição faixa 1%
Restrição faixa 0,1%
93
Como se pode depreender dos resultados obtidos, em geral, a restrição melhora
qualitativamente a estimação do desempenho elétrico. Por exemplo, a estimação da tensão
VAN3547 (Figura 5.18), sem considerar a restrição de tensão, apresentava uma probabilidade de
ocorrência de 99,4% no intervalo de 0,916 p.u. a 0,984 p.u.. Com a restrição de 1%, a
probabilidade de ocorrência é de 99,2% para o intervalo de 0,916 p.u. a 0,964 p.u.. Para a
restrição de 0,1%, a probabilidade é de 99,2% para o intervalo de 0,920 p.u. a 0,948
p.u..Assim, a probabilidade de ocorrência de cerca de 99% nos três casos ocorre num
intervalo de 0,068 p.u., 0,048 p.u. e 0,028 p.u., respectivamente. Na estimação das perdas
totais, a restrição de 0,1% impõe uma probabilidade de 99,7% das perdas totais estarem entre
4% e 5% (Figura 5.21).
Outro efeito observado sobre a estimação do desempenho é o de deslocamento das curvas de
ocorrência. Este efeito pode ser observado na estimação da potência ativa na Fase A, carga
conectada à barra 3547 (Figura 5.21). Neste caso, observa-se que a estimação da potência na
Fase A efetivamente necessária para o atendimento à restrição de tensão imposta, seja maior
que o valor originalmente previsto. Isto pode parecer um rompimento das premissas do
cálculo adotado na formulação do problema. Entretanto, na prática, pode significar que os
valores médios e de desvio padrão aplicados para esta carga, se baseados em medições típicas,
seja por categoria de consumo ou por atividade comercial/econômica (referências [15], [16] e
[17]) não sejam representativos para este consumidor em particular. Outro fator pode incorrer
neste efeito de deslocamento da curvas de ocorrência é a existência de fraudes e furtos na
rede, que compõem cargas adicionais não previstas na composição do fluxo de potência.
Um aspecto importante que diz respeito à tratabilidade do método é o tempo de
processamento (Figura 5.23). No caso da Enumeração Parcial, o processamento é fortemente
dependente do número de soluções factíveis a serem ordenadas segundo seu grau de
dominância. Na Figura 5.23b, observa-se que o tempo de processamento de 50.625 fluxos de
94
potência dispendeu cerca de 15 segundos de processamento, no entanto, para ordená-los até
15 graus de dominância, foram necessários mais 156 segundos.
(a) (b)
Figura 5.23 Tempo de processamento para estimação probabilística por Estimação Parcial para 15 intervalos de carga (ranking máximo de 1, 5, 10 e 15 graus de dominância, sem restrição, restrição
faixa 1% e 0,1%).
5.2.2 Método Evolucionário Metaheurístico
Neste item são apresentados e comentados os resultados obtidos das simulações de um
Método Evolucionário Metaheurístico (item 4.6), onde o número de intervalos das cargas é
calculado segundo um valor de passo de tensão definido pelo formulador do problema,
aplicando o Controle da Discretização descrito no item 4.5.2.
A Rede Reduzida é a mesma dos casos anteriores e o passo de tensão estipulado é 0,002 p.u..
A restrição da tensão no ponto medido é de 0,965 p.u. ± 1,0%. A Primeira Solução Direta
ajustada resultou numa correção de 1,1370 sobre os valores das cargas. A partir desta primeira
solução são calculados os valores discretos das cargas, segundo o passo de tensão dado,
utilizando a Equação 4.21. Os limites da discretização é o valor médio ± 3 vezes o desvio
padrão. No caso de potência ativa, deve-se limitar também a valores positivos, apenas. Na
Figura 5.24 estão ilustrados os resultados da discretização controlada.
151051
100%1%
0,1%
0,01% 0
60
120
180
��
�
����
��
����
��
���
��
0 30 60 90 120 150 180
1
5
10
15
Ran
king
máx
imo
Tempo de Processamento (s)
Fluxo de Potência
Ordenação
95
Figura 5.24 Discretização controlada das cargas para passo de tensão de 0,002 p.u. e VAN3543 =
0,965 p.u..
O processamento evolucionário com controle da discretização difere do caso apresentado no
item 4.6 apenas na heurística Soluções Diversificadas. Uma vez que a discretização
controlada foi construída de forma a promover a mesma variação da tensão no ponto medido,
ao aumentar um intervalo (ativa e reativa, todas as fases) de uma certa carga, deve-se diminuir
um intervalo de uma outra carga qualquer. Sendo assim, a heurística constitui uma lógica
mais simples. Dado um limite de variação que, neste caso foi estipulado em 3, é sorteado uma
variação de intervalos de 0 a 3. Sorteia-se uma dupla de cargas para fazer o intercâmbio de
cargas. Por exemplo, seja a dupla sorteada as cargas conectadas aos nós 3542 e 3546, e a
variação do intervalo de carga igual a 1. Partindo-se da Primeira Solução Direta, onde os
intervalos das cargas são os seguintes: S1 = {3;3;3;3;3;3} e S2 = {4;4;4;4;4;4}. Os novos
intervalos, segundo o sorteio acima, resultam em S1’ = {2;2;2;2;2;2} e S2’ = {5;5;5;5;5;5}.
Estas duas novas cargas alteradas, juntamente com as outras cargas em seus valores originais
0%
5%
10%
15%
20%
25%
30%
0 0.5 1 1.5 2 2.5 3
0%
10%
20%
30%
40%
50%
60%
0 0.5 1 1.5 2 2.5 30%
5%
10%
15%
20%
25%
30%
35%
0 0.5 1 1.5 2 2.5 3
0%
10%
20%
30%
40%
50%
60%
0 0.5 1 1.5 2 2.5 3
�'��� � �'��� �
�'��� � �'��� �
��� ���
��� ���
96
e inalterados, produziram a tensão no ponto medido VAN3543 = 0,9655 p.u.., ou seja, 0,05%
maior que o valor medido. Além de ser mais simples e mais rápido que a heurística de
diversificação sem controle da discretização, os valores de carga não sofrem a aproximação
para o intervalo de carga mais próximo.
Na Figura 5.25 são apresentados os gráficos da evolução do processamento deste caso.
(a) (b)
(c) (d)
Figura 5.25 Evolução do processamento do Método Evolucionário Metaheurístico com controle da discretização e restrição faixa 1,0% (operador de Diversificação, Desequilíbrio e Estocástico).
O processamento adotou o critério de parada de 20.000 soluções factíveis, o que ocorreu na
125a geração. Na Figura 5.25a são apresentadas as proporções das soluções não factíveis e das
soluções factíveis conforme a sua origem: heurística de diversificação, desequilíbrio ou
estocástica. A Figura 5.25b mostra a evolução da eficiência na pesquisa de soluções factíveis,
que iniciou com um valor
97
momento que foram criadas mais soluções factíveis além da inicial para gerar novas soluções.
A partir da décima geração, a eficiência inicia um processo de declínio mais suave,
alcançando no final o valor de 78,8%. Na Figura 5.25c são apresentadas as evoluções das
probabilidades acumuladas de ocorrência das soluções não factíveis e factíveis. Neste caso,
constatou-se a presença de alguns “saltos” das curvas, decorrentes da geração de soluções
mais prováveis concentradas numa determinada geração. Após a 125a geração, o método
evolucionário metaheurístico varreu 0,000012% da probabilidade total de ocorrência. Na
Figura 5.25d pode-se observar a pequena degradação na eficiência das heurísticas de
diversificação e de desequilíbrio, o que não ocorre com o operador estocástico. No início do
processamento, eram acrescentadas cerca de 75 soluções factíveis provenientes da heurística
de diversificação. Após a 120a geração, este índice caiu para cerca de 55 soluções por
geração. Já o operador estocástico acrescentou, em média, 15 soluções ao conjunto factível ao
longo de todas as gerações.
A ordenação das soluções não dominadas (Figura 5.26) encontrou 11 Vetores de Decisão na
1a fronteira de dominância, 15 soluções com grau de dominância 2 e 23 soluções com grau de
dominância 3.
Figura 5.26 Fronteiras de dominância do Método Evolucionário Metaheurístico com controle da discretização e restrição faixa 1,0% (operador de Diversificação, Desequilíbrio e Estocástico).
� �� � � � �
��� � � � �
��� � � � �
��� � � � �
��� � � � �
��� � � � �
� �� � � � �
� �� � � � �
� � �� � � � � � �
&
� � �� � � � � � �
&
� � �� � � � � � �
&
� � �� � � � � � �
&
� � �� � � � � � �
&
� � �� � � � � � �
&
� � �� � � � � � �
&
� � �� � � � � � �
&
�� � �� � � � � � �
&
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � �� �� ��� �
98
Figura 5.27 Estimação probabilística do nível de tensão pelo Método Evolucionário Metaheurístico com controle da discretização e restrição faixa 1,0% (nós 3542, 3543 e 3547).
Figura 5.28 Estimação probabilística da corrente pelo Método Evolucionário Metaheurístico com controle da discretização e restrição faixa 1,0% (trechos 3535, 3537 e 3540).
Figura 5.29 Estimação probabilística do fluxo de potência ativa pelo Método Evolucionário Metaheurístico com controle da discretização e restrição faixa 1,0% (trechos 3535, 3537 e 3540).
Figura 5.30 Estimação probabilística da carga ativa pelo Método Evolucionário Metaheurístico com controle da discretização e restrição faixa 1,0% (cargas nos nós 3542, 3546, 3545 e 3547).
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
� �� � � �� � � �� � � �� � ��� �
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
� �� � � ��� � �� � � �� �
�� ����� �� ����� �� ����� �� �����
�� ����� �� ����� �� ����� �� �����
�� ����� �� ����� �� ����� �� �����
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.03 0.33 0.63 0.93
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
� �� � � �� � ���� ����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
� � ����� � � ����� � � �����
99
Figura 5.31 Estimação das perdas totais pelo Método Evolucionário Metaheurístico com controle da discretização e restrição faixa 1,0%.
As Figura 5.27 a 5.31 ilustram a estimação do desempenho elétrico da Rede Reduzida para
restrição de tensão de 1%. Segue adiante, o mesmo caso, inserindo a restrição de potência da
saída do circuito, no caso S0 = (5.700 + j900) kVA e fator de potência mínimo de 0,85.
(a) (b)
(c) (d)
Figura 5.32 Evolução do processamento do Método Evolucionário Metaheurístico com controle da discretização e restrição tensão 1,0%, potência do circuito (5700+j900)kVA e cosφ>0.85.
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
1% 2% 3% 4% 5% 6% 7% 8% 9% 10%
0
5000
10000
15000
20000
25000
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191
Geração
Nú
mer
o d
e so
luçõ
es
Estocásticas
Desequilibradas
Diversificadas
1a solução direta
Não factíveis
78%
79%
80%
81%
82%
83%
84%
85%
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191
Geração
% F
actí
veis
19,0%
19,0%
56,3%
5,7%
0
10
20
30
40
50
60
70
80
90
100
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191
Geração
Núm
ero
de s
oluç
ões
acre
scen
tada
s
Não factíveis1a solução diretaDiversif icadasDesequilibradasEstocásticas
0.000000%
0.000002%
0.000004%
0.000006%
0.000008%
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191
Geração
Pro
bab
ilid
ade
Acu
mu
lad
a
( � � )* � �
+ " � �( � � )* � �
100
Esta simulação encontrou 20.000 soluções factíveis após 195 gerações, para as quais foi
necessária a criação de 24.694 soluções pelas heurísticas. Os parâmetros da busca alteraram
sensivelmente a composição das soluções factíveis, de acordo com a heurística que as
originou. As soluções originárias da heurística de diversificação constituíram uma parcela de
19,0% (Figura 5.32a), contra 31,3% do caso anterior (Figura 5.25a), sendo compensada
parcialmente pelas soluções originárias da heurística de desequilíbrio, que passou de 40,1%
para 56,3%.
A eficiência da busca, se considerada a porcentagem de soluções factíveis encontradas (Figura
5.32b), se estabilizou num valor maior, passando de 78,8% para 81,0%.
Neste caso, a restrição adicional imposta, resultou na constituição de um conjunto de soluções
factíveis mais provável (Figura 5.32c), onde a probabilidade de ocorrência acumulada passou
de 0,000008% para 0,000011%. Este resultado é esperado quanto mais próxima a restrição de
potência do barramento de saída estiver da soma dos valores médios das cargas.
Se por um lado, a porcentagem de soluções factíveis encontradas foi maior que no caso
anterior, o número de soluções acrescentadas à população factível, por geração, ficou em
patamares inferiores (Figura 3.32d). Como conseqüência, foram necessárias 70 gerações a
mais para constituir as 20.000 soluções factíveis. Como comentado anteriormente, as soluções
originárias da heurística de diversificação foram as que sofreram maior alteração.
A seguir, foram processados nove casos, considerando as mesmas restrições (VAN3543 = 0,965
p.u. ± 1,0%, S0 = (5.700 + j900) kVA e fator de potência mínimo de 0,85), e variando o
número de soluções factíveis a serem encontrados para os valores de 5.000, 10.000 e 15.000.
A ordenação máxima das soluções não dominadas (rank máximo), são fixados em 10, 30 e
100. Na Figura 5.33 são apresentados os tempos de processamento total de cada caso,
evidenciando o tempo necessário para a ordenação das soluções factíveis de elite.
101
(a) (b)
Figura 5.33 Tempo de processamento para estimação probabilística pelo Método Evolucionário Metaheurístico com controle da discretização e restrição tensão 1,0%, potência do circuito
(5700+j900)kVA e cosφ>0.85.
Uma constatação semelhante ao processamento por Enumeração Parcial é obtida nestes casos.
O tempo de processamento fica prejudicado ao ordenar um número mais elevado de fronteiras
de eficiência. Para o caso mais crítico, ou seja, para 15.000 soluções factíveis e rank máximo
= 100, cerca de 80% do tempo de processamento deveu-se à ordenação das soluções factíveis
de elite.
Figura 5.34 Fronteiras de dominância do Método Evolucionário Metaheurístico com controle da discretização e restrição tensão 1,0%, potência do circuito (5700+j900)kVA e cosφ>0.85.
0 10 20 30 40 50
10
30
100
Ran
king
máx
imo
Tempo de Processamento (min)
Fluxo de Potência
Ordenação
Número de soluções factíveis = 15.000
1003010
15000
10000
5000 0
10
20
30
40
50
��
�
����
��
����
��
���
��
�
� �� � � � �
��� � � � �
��� � � � �
��� � � � �
��� � � � �
��� � � � �
� �� � � � �
� �� � � � �
� �� � � � �
� �� � � � �
� � �� � � � � � � � & � � �� � � � � � � � & � � �� � � � � � � � & �� � �� � � � � � � � &
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � ��
� � � � � � � �� �� ���
� � � � � � � ����� ���
� � � � � � � ����� ���
� � � � � � � ����� ���
� � � � � � � ����� ��� �
102
(a) (b)
15.000 soluções factíveis ranking máximo = 100
Figura 5.35 Estimação probabilística da tensão VAN3547 pelo Método Evolucionário Metaheurístico
com controle da discretização e restrição tensão 1,0%, potência do circuito (5700+j900)kVA e cosφ>0.85.
Entretanto, conforme mostra a Figura 5.35, não houve um ganho qualitativo de estimação da
tensão VAN3547, seja em função do ranking máximo (Figura 5.35a), ou em função do número
de soluções factíveis (Figura 5.35b). Portanto, neste caso ilustrativo, não se justifica dispender
47,5 minutos para encontrar 15.000 soluções factíveis e ordená-las em 100 fronteiras de
eficiência. Talvez fosse muito mais interessante dispender 1,8 minutos para encontrar 5.000
soluções factíveis e ordená-las em 30 fronteiras. Os resultados da estimação do desempenho
elétrico não vão sofrer grandes alterações.
5.3 CASO REAL
A rede real que compõe este primeiro caso está apresentada na Figura 5.36, que apresenta 265
barras, 264 trechos e 44 cargas. O comprimento total da rede é de 3.268 m.
Va 3547
0%
5%
10%
15%
20%
� �� � � �� � � �� � � �� � � �� �
# � � , �� - % �. ��� �
# � � , �� - % �. ���
# � � , �� - % �. ���
Va 3547
0%
5%
10%
15%
20%
� �� � � �� � � �� � � �� � � �� �
���� � � �� � /0 ! 1 � � �$� � )* � �
�� �� � � �� � /0 ! 1 � � �$� � )* � �
��� � � �� � /0 ! 1 � � �$� � )* � �
103
Figura 5.36 Rede utilizada como caso real da estimação do desempenho elétrico.
A fim de promover a Redução de Redes, calculou-se o número de intervalos, conforme o
procedimento para discretização controlada da carga, item 4.5.2, para um passo de tensão de
0,0005 p.u. (Tabela 5.3). As cargas que apresentaram o número de intervalos igual a 1, ou
seja, que não foram discretizadas, não necessitam agregar sua carga até a rede tronco, para
diminuir o Espaço de Decisões. No entanto, a agregação resultaria em uma diminuição do
tempo de processamento, uma vez que diminui a dimensão do processamento do fluxo de
Transformador
Chave NF
Barra
Ponto medido
104
potência e outras rotinas do método. Alternativamente, dependendo da localização destas
cargas, pode-se agregá-las a uma outra carga a montante, considerando simplesmente o seu
valor médio. Para as cargas com número de intervalos maior que um, que constituem aquelas
que mais contribuem na variação da queda de tensão da saída do circuito até o ponto medido,
serão agregadas tanto menos quanto maior o número de intervalos calculado.
Tabela 5.3 Número de intervalos resultante da aplicação do Controle de Discretização das cargas constantes da rede real, para passo de tensão = 0,0005 p.u..
Carga Número de Intervalos Carga
Número de Intervalos
3177 1 3060 1
3149 2 3054 7
3135 1 3026 1
3147 1 3014 2
3132 1 3035 3
3119 1 3024 1
3118 1 3055 2
3111 1 3038 1
3121 6 3037 1
3122 1 3046 4
3104 2 3057 7
3101 2 3062 2
3096 1 3251 1
3108 1 3213 2
3090 1 3210 2
3081 2 3246 1
3092 3 3208 1
3080 1 3238 2
3059 1 3205 3
5.4 COMENTÁRIOS
Para a aplicação do Método Evolucionário Metaheurístico proposto neste trabalho, vale
acrescentar alguns comentários adicionais.
Em geral, para o padrão de redes aéreos mais comum nas concessionárias distribuidoras no
Brasil, é significativa a contribuição das impedâncias mútuas na avaliação da queda de tensão.
Portanto, apesar da formulação heurística ficar mais complexa, é importante que sejam
consideradas as impedâncias mútuas na avaliação do desempenho elétrico.
105
Os casos ilustrados consideraram apenas a rede de média tensão. Como a campanha de
medições de tensão compulsória, definida pela Aneel, abrange também as unidades
consumidoras atendidas na baixa tensão, é necessário investigar a melhor formulação para
aplicação do método proposto. Pode-se considerar a rede secundária como uma sub-rede e o
transformador que a atende, o ponto de agregação de carga. Neste caso, aplica-se o
procedimento de Redução de Redes. Alternativamente, pode-se considerar a rede secundária
uma extensão da rede primária, executando-se o fluxo de potência estendido à rede de baixa
tensão.
O Gerador de Soluções desenvolvido criava novas soluções candidatas, utilizando os
operadores de diversificação, desequilíbrio e estocástico em paralelo. Neste trabalho, não foi
explorada a opção de processamento em série ou paralelo-série. Como o tempo de
processamento para a ordenação das soluções não dominadas é elevado, a constituição de sub-
populações Sub-Popn maiores, melhoram o desempenho do método. Entretanto, quando os
operadores estão dispostos em paralelo, há uma tendência de aumentar o número de soluções
repetidas geradas. Esta ineficiência pode ser mitigada pela utilização dos operadores em série
ou em paralelo-série.
Para os circuitos que têm um regulador automático de tensão exclusivo, o valor da tensão na
saída do circuito, utilizado para processamento do fluxo de potência, é função da potência
consumida pelo circuito. Tal função deve ser estabelecida em função do ajuste do regulador
para este circuito. É evidente que, se estiverem disponíveis as medições de tensão e de
potência na saída do circuito, não é necessário calcular a tensão a partir da potência ou vice-
versa. Não obstante, para os circuitos que têm um regulador automático compartilhado no
barramento de saída, a regulagem da tensão é função da soma das potências de todos os
circuitos regulados. Neste caso, para calcular a tensão do barramento é necessário ter à
disposição as medições de potência de todos os circuitos a ele conectado. A formulação de
106
otimização deverá processar todas as redes ao mesmo tempo, o que aumenta
significativamente a dimensão do Espaço de Decisão.
O processamento evolucionário desenvolvido ao longo deste trabalho pressupõe a obtenção
do valor médio e de desvio padrão de cada carga, e a composição das restrições (tensão,
potência do circuito, fator de potência). O processamento deverá ser efetuado para cada
período estabelecido pelo Tomador de Decisão. Este período pode ser de 15 minutos, 1 hora,
3 horas, 6 horas, 1 dia, etc.. A melhor escolha dependerá da dispersão dos valores medidos
para cada posto horário. Se, de um lado, espera-se que a dispersão seja menor para intervalos
de tempo menores, o processamento deverá ser efetuado um número maior de vezes. Por
exemplo, para um período de 30 minutos, será necessário processar a estimação do
desempenho 48 vezes. Mas se a dispersão para 30 minutos for menor que a dispersão para 3
horas, o resultado da estimação terá melhor qualidade (menor dispersão) e, provavelmente,
um processamento mais rápido.
Um outro aspecto que merece investigação é a existência de mais de um ponto de medição na
mesma rede. Todos os casos ilustrativos deste trabalho consideraram a existência de apenas
um ponto de medição de tensão. Para resolver o problema com mais de uma medição, a
arquitetura do Método Evolucionário Metaheurístico poderia ser desenvolvida de modo a
processar mais de uma população em paralelo, cada uma atendendo uma restrição de tensão.
O atendimento às duas restrições se obtém da intersecção dos casos obtidos. Segundo esta
estratégia, ter-se-ia dois problemas tratados ao mesmo tempo, onde o tempo de processamento
provavelmente se constituiria na soma de cada um, se processado em separado. É possível que
exista uma forma de sinergizar a busca das soluções factíveis, gerenciando a aplicação das
heurísticas para as duas restrições ao mesmo tempo e, conseqüentemente, diminuir o tempo de
processamento.