Planejamento multiestágio da expansão de sistemas de distribuição considerando confiabilidade e geração distribuída no contexto de smart grids

Abstract

Resumo: O sistema de distribuição de energia elétrica está sofrendo mudanças significativas na sua infraestrutura e consequentemente na sua operação e planejamento. Neste contexto, um dos temas mais abordados recentemente é o das redes inteligentes. O conceito de redes inteligentes reside em proporcionar habilidades ao sistema para torná-lo mais sustentável, seguro, confiável, eficiente e econômico. Dentro desse amplo contexto destacam-se a geração distribuída e capacidade de self-healing da rede. A inserção desses novos componentes no sistema elétrico impacta tanto em seu custo de operação, quanto em seus índices de confiabilidade. Então, é desejável que a geração distribuída, capacidade de self-healing da rede e a análise de confiabilidade estejam presentes no planejamento da expansão do sistema de distribuição de energia elétrica, mesmo que esses fatores aumentem sua complexidade. Sendo assim, este trabalho propõe o desenvolvimento de uma metodologia computacional para o planejamento da expansão multiestágio e multiobjetivo do sistema de distribuição de energia elétrica considerando critérios de confiabilidade, geração distribuída, assim como instalação de linhas, alocação de chaves e de capacitores, em cenários que a rede elétrica está operando no contexto das redes inteligentes. O objetivo é encontrar uma solução que reduza o custo total (investimento, operação e relacionado à confiabilidade) e o tempo médio de interrupção de energia elétrica. Para tanto, neste trabalho, o planejamento da expansão proposto é formulado como um problema de otimização não-linear inteiro misto, solucionado através da combinação de metaheurísticas (NSGA-II), técnicas de simulação de processos estocásticos (Simulação de Monte Carlo) e fluxo de potência ótimo com corte de carga (método dos pontos interiores). Sendo o NSGA-II responsável por alocar os componentes do plano de expansão, gerando indivíduos, enquanto a Simulação de Monte Carlo, em conjunto ao fluxo de potência ótimo, são responsáveis por calcular a confiabilidade e as funções objetivos de cada indivíduo. A metodologia proposta foi testada em uma versão modificada do sistema teste IEEE-RBTS BUS 2 e em um sistema teste de 90 barras. Os resultados obtidos apresentaram uma redução de mais de 20% no custo da operação do sistema e uma redução de mais de 70% no tempo médio de interrupção, para os dois sistemas testes. Também foram testados cenários desconsiderando ora geração distribuída, ora self-healing e ora a análise de confiabilidade, ficando evidente o quanto a inserção dessas variáveis no planejamento impacta o resultado, chegando a aumentar em 50% o valor da função fitness nos testes realizados. Ademais, foi realizada uma análise dos resultados no planejamento da expansão utilizando os métodos Minimal Cut Set e Minimal Cut Set with Load Shedding, além da Simulação de Monte Carlo, para se estimar os índices de confiabilidade. Sendo que a Simulação de Monte Carlo se apresentou a mais indicada para o sistema de 90 barras, porém, para sistemas menores as outras técnicas podem ser mais vantajosas. Por fim, foi realizada uma análise de repetidos testes com a metodologia proposta, apresentando uma variação pequena entre os resultados, 18 resultados iguais em 30 testes realizados e desvio padrão de 1% no valor da função fitness de todos os testes, demonstrando a robustez do método proposto. Ficou evidente que os temas abordados não podem mais estar fora do planejamento da expansão do sistema de distribuição.

Abstract: The electrical power distribution system has been changing significantly in its infrastructure and in its way of operating and planning. In this context, one of the most discussed topics is the Smart Grids. Smart Grids lies in providing the system skills to make it smarter, safer, more reliable, more efficient and economical. Among the many topics related to Smart Grids, the distributed generation and self-healing are the most discussed topics. The insertion of these new components into the electrical system impacts both its operating cost and its reliability indexes. Therefore, distributed generation, self-healing and reliability analysis should be present in the distribution expansion planning, even if these subjects increase its complexity. Thus, this work proposes a computational methodology to solve the multi-period and multi-objective distribution expansion planning considering reliability indexes, distributed generation, as well as branches, switches and capacitor placement, where the power grid is operating in the smart grids context. The objective is find a solution which decreases the total cost (investment, operation and reliability) and the average time of electrical energy interruption. So, in this work, the proposed expansion planning is formulated as a mixed integer nonlinear optimization problem, solved through the combination of metaheuristics (NSGA-II), stochastic simulation techniques (Monte Carlo simulation) and optimum power flow with load shedding. The NSGA-II is responsible for placing the components of the expansion planning, generating new individuals, while the Monte Carlo Simulation, along with the optimum power flow, is responsible for calculating the reliability indexes and the objective functions of each individual. The proposed method was applied in a modified version of the IEEE-RBTS BUS 2 test system and a 90-BUS test system. The obtained results showed a reduction of more than 20% in the operating cost and more than 70% in the average interruption time, for both test system. In addition, it was performed scenarios not including distributed generation, self-healing and the reliability analysis, individually. It was evident the impact in the results by including a new variable in the expansion planning, increasing up to 50% in the value of the fitness function for the performed tests. Furthermore, it was performed an analysis using other methods to estimate the reliability indexes, the Minimal Cut Set and Minimal Cut Set with Load Shedding methods. Showing that the Monte Carlo Simulation is recommended for the 90-bus test system, however, for smaller systems, such as IEEE-RBTS BUS 2, other techniques may be more useful. Finally, an analysis of repeated tests was performed with the proposed methodology, presenting a small variation between the results, 18 equal results in 30 tests performed within 1% of standard deviation in the value of the fitness function of all tests, showing the robustness of the proposed method. It became evident that the covered topics can no longer be outside the distribution expansion planning.