Dimensionamento e alocação de reserva girante via fluxo de potência ótimo multiperíodo e multicontingência intervalar

Abstract

Resumo: Mundialmente, tem havido um crescimento expressivo de fontes renováveis (eólica e solar) devido aos seus baixos impactos ambientais e custos decrescentes. Como elas apresentam uma variabilidade e intermitência de geração e para se garantir o fornecimento de energia de uma forma segura, deve-se prever a disponibilidade de reserva girante como solução para diminuir o risco de déficit nos momentos de interrupção na geração e em situações usuais de contingências, como saída de linhas e geração. Assim, é preciso o desenvolvimento de técnicas específicas para despacho e agendamento de energia, potência e reserva, a fim de encontrar um ponto ótimo entre a penetração de energia eólica, atendimento a emergências, gargalos de transmissão e reserva girante. Neste sentido, o presente trabalho propõe o desenvolvimento de um Fluxo de Potência Ótimo linear multiperíodo e multicontingência, que além de realizar o despacho de potência de um sistema hidrotérmico (incluindo restrições elétricas e energéticas) para um horizonte de um dia a frente seja capaz também de fazer dimensionamento do montante de reserva girante necessário para suprir diferentes situações de saída de linhas, de geradores e níveis de energia renovável não suprida, assim como também realizar alocação ótima de reserva girante entre as unidades de geração. Além disto, como estratégia para se incorporar as incertezas inerentes ao problema, pretende-se utilizar a Matemática Intervalar como um problema de pós-otimização, ou seja, após a otimização determinística obtida pelo Fluxo de Potência Ótimo Multiperíodo e Multicontingência (FPOMM), acrescentam-se faixas de incertezas em alguns parâmetros da rede para que assim se possa determinar faixas ótimas de operação da rede, obtendo-se um Fluxo de Potência Ótimo Multiperíodo e Multicontingência Intervalar (FPOMMI). Os resultados são apresentados para dois sistemas de 33 barras e 291 barras que representam a rede Sul do Brasil. Foram comparados os resultados obtidos por um Fluxo de Potência Ótimo Multiperíodo - FPOMP (que incorpora a regra do ONS) e o FPOMM proposto. Ambos os métodos apresentaram pouca divergência entre os valores referentes aos despachos individuais de cada máquina por período. No entanto, no cômputo final, para o sistema de 291 barras, por exemplo, método proposto obteve um valor total de reserva alocada 9,8% menor que o do FPOMP e ainda reduziu o total de corte de carga diário. Na validação do FPOMMI os resultados mostraram boa precisão e uniformidade, baixa dispersão e desempenho cerca de 12 vezes mais rápido que o método de validação (FPOMM determinístico). Assim, algumas das contribuições do método proposto, como a consideração de todas as contingências nas simulações para alocação das reservas e minimização de corte de carga, é garantir disponibilidade de potência em situações de emergência em estudos de um dia a frente e que aliada à Matemática Intervalar oferece ao operador um leque de mais opções para decisões mais seguras e adaptáveis a diferentes cenários e com pouco esforço computacional.

Abstract: Globally, there has been a significant growth in renewable energy sources (wind and solar) due to their low environmental impacts and decreasing costs. However, because these sources exhibit variability and intermittency in generation, and to ensure a secure energy supply, it is necessary to plan for the availability of spinning reserves as a solution to mitigate the risk of deficits during generation interruptions and in typical contingency situations, such as line and generation outages. Therefore, it is necessary to develop specific techniques for dispatching and scheduling energy, power, and reserves in order to find an optimal balance between wind energy penetration, emergency response, transmission bottlenecks, and spinning reserves. In this sense, the present work proposes the development of a linear multi-period and multi-contingency Optimal Power Flow, which, in addition to performing the power dispatch of a hydro-thermal system (including electrical and energy constraints) for a one-day horizon, is also capable of sizing the amount of spinning reserve needed to supply different line and generator output situations and levels of unsupplied renewable energy, as well as performing optimal allocation of spinning reserve among generation units. Furthermore, as a strategy to incorporate the uncertainties inherent in the problem, it is intended to use Interval Mathematics as a post-optimization problem; that is, after the deterministic optimization obtained by the Multi-period and Multi-contingency Optimal Power Flow (MMOPF), uncertainty bands are added to some network parameters so that optimal network operating ranges can be determined, obtaining an Interval Multi- period and Multi-contingency Optimal Power Flow (IMMOPF). The results are presented for two systems, one with 33-bus and the other with 291-bus, representing the Southern Brazilian grid. The results obtained by a Multi-Period Optimal Power Flow - MPOPF (which incorporates the ONS rule) and the proposed MMOPF were compared. Both methods showed little divergence between the values referring to the individual dispatches of each machine per period. However, in the final calculation, for the 291-bus system, for example, the proposed method obtained a total allocated reserve value 9.8% lower than that of the MPOPF and also reduced the total daily load shedding. In the validation of the IMMOPF, the results showed good precision and uniformity, low dispersion, and performance approximately 12 times faster than the validation method (deterministic MMOPF). Thus, some of the main contributions of the proposed method—such as the consideration of all contingencies in the simulations for reserve allocation and load-shedding minimization—include ensuring power availability in emergency situations in day-ahead studies. When combined with Interval Mathematics, the method provides the system operator with a broader set of options for safer and more adaptable decision-making across different scenarios, with low computational effort