Modelo robusto orientado a dados para programação diária de operação de microrredes considerando recursos energéticos distribuídos sob incertezas

Abstract

Resumo: Nos últimos anos, existe uma tendência no Brasil e no mundo para a expansão dos recursos energéticos distribuídos (REDs), como geradores fotovoltaicos, baterias, entre outros. Também se observa grande desenvolvimento de tecnologias inteligentes para a rede elétrica, como a possibilidade de alocação de cargas controláveis no tempo (resposta da demanda). As novas tecnologias, combinadas à demanda por maior confiabilidade dos sistemas elétricos têm levado a implementação das microrredes nas redes de distribuição de energia elétrica de maneira cada vez mais acelerada. Porém, existem uma série de novos desafios na operação de microrredes considerando os REDs e resposta da demanda (RD), principalmente a presença de incertezas presentes em fontes de energia intermitentes, como a fotovoltaica e a eólica, e na demanda. Assim, este trabalho propõe um modelo computacional para a programação de operação diária de microrredes sob incertezas considerando os REDs e RD utilizando otimização robusta adaptativa (ARO) e robusta orientada a dados (DDARO). Na formulação proposta, uma microrrede é modelada de forma análoga a uma rede ativa de distribuição em pequena escala, ou seja, é considerada uma modelagem multinós para possibilitar a consideração de restrições de capacidade nos alimentadores e linhas e tensão nos nós da microrrede. Desta maneira, nos nós da microrrede podem estar conectados microgeração distribuída fotovoltaica, microturbina a gás natural, bateria e carga controlável e não controlável. Nas metodologias propostas, a programação da operação diária de microrredes é formulada como um problema de otimização linear inteira-mista (MILP) de três níveis e resolvida usando uma decomposição de dois estágios através do algoritmo de geração de colunas e restrições (C&CG), uma técnica popular na literatura. Esta metodologia foi implementada considerando quatro diferentes microrredes como sistemas-teste, assim como duas simulações de casos reais. Os resultados obtidos indicam primeiramente a viabilidade dos modelos robusto e robusto orientado a dados de otimização e a importância da consideração das incertezas nos modelos computacionais, visto que os custos operacionais nas simulações com os sistemas teste aumentaram entre 32 e 61% utilizando a metodologia ARO e entre 1,74 e 6,12% utilizando a metodologia DDARO. Além disso, estes resultados indicam as vantagens de uso da otimização orientada a dados, pois o aumento de custo operacional após a inserção das incertezas foi menor neste em comparação ao modelo ARO.

Abstract: In recent years, there has been a trend in Brazil and in the world for the expansion of distributed energy resources (DERs), such as photovoltaic generators, batteries, among others. There has also been a great development of intelligent technologies for the electric grid, such as the possibility of allocating controllable loads over time (demand response). These technologies, combined with the demand for better reliability in the electric grid, have led to the increasingly accelerated implementation of microgrids in electricity distribution networks. However, there are several new challenges in the operation of microgrids considering the DERs and demand response (DR), mainly the presence of uncertainties that are present in the intermittent energy sources, such as photovoltaics and wind, and in load demand. Thus, this work proposes a computational model for the programming of daily operation of microgrids under uncertainty considering DERs and DR using adaptive robust optimization (ARO) and data-driven adaptive robust optimization (DDARO). In the proposed formulation, the microgrid is modeled in an analogous manner to a small-scale active distribution network, meaning that it is modeled as a multi-node network to enable considerations such as capacity restrictions in lines and feeders and node voltages. Thus, in each microgrid node, there may be a photovoltaic generator, a battery energy storage system, a standard thermal natural gas generator and both controllable and non-controllable loads. In the proposed methodology, the programming of the daily operation of microgrids is formulated as a two-stage, three-level mixed-integer linear optimization (MILP) problem and solved by the column and constraint generation algorithm (C&CG), a popular technique in the literature. This methodology was implemented considering four different microgrids as test systems, as well as two real world microgrids. The results obtained indicate firstly the viability of the robust and data-driven robust optimization models and the importance of considering the uncertainties in the computational models, since the operational costs in simulations using test systems increased by between 32% and 61% in the ARO optimization and by between 1,74% and 6,12% in the DDARO optimization. In addition, these results indicate de advantages of using a DDARO model, since the increase in operational costs was diminished in the DDARO optimization when compared to ARO.