Alocação de sistemas de armazenamento de energia em sistemas hidro-termo-eólicos de alta tensão

Abstract

Resumo: Preocupações ambientais impulsionaram a evolução tecnológica de fontes transformação de energia elétrica não poluentes, como os parques eólicos e solares, fazendo, por exemplo, com que a capacidade instalada mundial de parques eólicos passasse de um valor inferior a 30 MW em 2021 para mais de 900 GW em 2023. No entanto, devido à variabilidade do vento, a geração de potência eólica não é controlada pelos operadores do sistema podendo levar a não satisfação da demanda em alguns momentos ou até mesmo à necessidade de corte de geração eólica em outros momentos. Este problema pode ser atenuado através de adequada alocação e dimensionamento de sistemas de armazenamento de energia (SAEs). Esta tese apresenta um modelo de otimização para a alocação de SAEs de alta potência utilizando Algoritmos Genéticos (AGs) e Fluxo de Potência Ótimo Linear Multiperíodo (FPOLM). Os AGs selecionam o melhor local para instalação dos SAEs, suas dimensões (seleção da potência e da energia do SAE) e os melhores tipos de tecnologias (bateria, hidrelétrica reversível, ar líquido ou gravitacional). O FPOLM é utilizado para fazer o despacho da produção hidrelétrica e termelétrica de um sistema Hidro-Termo-Eólico (tal como o do Brasil), realizando os processos de carga e descarga dos SAEs alocados pelos AGs e eventuais cortes de carga que venham a ser necessários, em um horizonte de 24 horas. Devido à grande dimensão do sistema e à complexidade da solução, optou-se por um modelo linear de rede monofásico, ou seja, o despacho de potência reativa não foi considerado. O modelo foi testado em dois sistemas: a) um sistema de 408 barras localizado no sul do Brasil e; b) um sistema de 4366 barras que abrange o Sistema Interligado Nacional do Brasil (SIN). Ambos os casos abrangem somente barras front-of-the-meter (frente do medidor). Os resultados mostram que a alocação ótima dos SAEs permite um deslocamento temporal da geração hidrelétrica e uma consequente redução dos custos de operação.

Abstract: Environmental concerns have driven the technological evolution of non-polluting energy sources, such as wind and solar farms, causing, for example, the global installed capacity of wind farms to rise from less than 30 MW in 2021 to more than 900 GW in 2023. However, due to the variability of the wind, wind power generation is not controlled by system operators, which can lead to demand not being satisfied at some times or even the need to cut wind generation at other times. This problem can be mitigated through adequate allocation and sizing of energy storage systems (SAEs). This thesis proposes an optimization model for allocation high-power SAEs using Genetic Algorithms (GA) and Multiperiod Linear Optimal Power Flow (MLOPF). The GA selects the best location to install the SAEs, their dimensions (selection power and energy of SAEs) and the best types of technology (battery, reversible hydroelectric, liquid air or gravitational). The MLOPF is used to plan the system for a daily horizon of 24 hours, dispatching the production of a Hydro-Thermo-Wind system (such as the one in Brazil), carrying out the loading and unloading processes of the SAEs allocated by the AG and any load cuts that may be necessary. Due to the large size of the system and the complexity of the solution, a linear single-phase network model was chosen, i.e., reactive power dispatch was not considered. The model was tested using two systems: a) 408 bus system located in southern Brazil and b) 4366 bus system that covers the National Interconnected System of Brazil. Both cases only cover "front-of-the-meter" buses. The results show that the optimal allocation of SAEs allows a "time-shift" of hydroelectric generation and a consequent reduction in operating costs.