gestão de recursos energéticos distribuídos para efeitos ... · gestão de recursos energéticos...

Faculdade de Engenharia da Universidade do Porto

Gestão de Recursos Energéticos Distribuídos para

Efeitos de Controlo de Tensão em Redes de

Distribuição de Baixa Tensão

Pedro Filipe Cardoso Olival

Dissertação realizada no âmbito do

Mestrado Integrado em Engenharia Electrotécnica e de Computadores

Major Energia

Orientador: Manuel António Cerqueira da Costa Matos (Dr.)

Co-orientador: André Guimarães Madureira (Dr.)

25 de junho de 2013

ii

© Pedro Filipe Cardoso Olival, 2013

iii

Resumo

A integração em larga escala de recursos distribuídos, particularmente de produção

distribuída nas redes de distribuição de Baixa Tensão (BT), apresenta um conjunto de desafios

para garantir a operação da rede com segurança, qualidade e continuidade de serviço aos

consumidores. Em particular, os perfis de tensão poderão ser severamente afetados com a

integração de recursos descentralizados.

O presente documento apresenta uma proposta para as funcionalidades de gestão e apoio

à operação das redes de distribuição com o objetivo de garantir um controlo coordenado e

otimizado dos perfis de tensão nas redes de distribuição de BT, utilizando diferentes recursos

energéticos distribuídos, designadamente sistemas de armazenamento, cargas controláveis e

unidades de microprodução. A ferramenta de gestão desenvolvida em ambiente MATLAB®

permite maximizar a integração de microprodução de origem renovável (especialmente solar

fotovoltaica), cumprindo os limites técnicos nas redes e garantindo o equilíbrio entre

produção e o consumo.

O anteriormente exposto resulta da exploração do conceito de rede inteligente como

alternativa ao atual modelo para as redes de distribuição de BT permitindo uma integração

dos recursos distribuídos aproveitando a sua flexibilidade na operação com recurso a sistemas

de controlo avançado. Desta forma, o trabalho desenvolvido aplica uma metodologia de

gestão de recursos para efeitos de controlo de tensão, no contexto de uma rede inteligente,

tendo sido testada para uma rede real Portuguesa de distribuição de BT. A metodologia

desenvolvida pressupõe a utilização da ferramenta de controlo gerida pelo operador da rede

de distribuição e instalada ao nível dos seus sistemas de gestão e controlo.

Deste modo, para a aplicação desta metodologia é essencial dotar as redes de

arquiteturas de controlo que permitam a gestão dos diferentes recursos energéticos

distribuídos. Os modelos desenvolvidos devem adequar-se ao contexto real, considerando

cenários reais de cargas, perfis de produção e condições técnicas de operação com o

cumprimento de todas as restrições associadas aos limites técnicos das redes de distribuição

de BT. A aplicação dos modelos desenvolvidos no presente documento nas redes de

distribuição de BT é essencial para a sua validação, conferindo-lhe um sentido prático num

futuro próximo.

Em conclusão, o contributo do trabalho desenvolvido no âmbito desta dissertação

proporciona ao operador novos modelos e ferramentas de gestão e controlo das redes de

distribuição de BT. A aplicação desta ferramenta numa rede real de BT garantiu o controlo

dos perfis de tensão em todos os seus barramentos para o período temporal considerado,

garantiu o equilíbrio entre a produção e o consumo e permitiu maximizar a integração de

fontes energéticas distribuídas, em especial com base em recursos renováveis.

v

Abstract

Large scale integration of Distributed Energy Resources, namely Distributed Generation at

the Low Voltage level (LV), poses several technical challenges for distribution network

operation in order to guarantee quality and interruptible service to the consumers. Especially

the voltage profiles are affected by the high dispersed production.

This paper presents a new application of electrical energy storage systems, demand side

response (DSR) and microgeneration shedding, operating in a coordinated way to enable

voltage control within LV distribution networks. A management tool developed in MATLAB®

allows to maximizing the integration of microgeneration , fulfilling the technical limits on the

networks as well as ensuring the balance between production and consumption.

Furthermore, the concept of smartgrid is an alternative to the current model for the LV

distribution networks, allowing an integration of the distributed energy resources with

increased flexibility in operation with the use of advanced control systems. This work applies

a methodology for managing resources for voltage control, in the context of the smartgrid, to

a real Portuguese LV distribution network. The methodology considers the control tool as one

functionality of the Distribution Management System (DMS).

Thus, for the application is essential to equip the network with control architectures that

enable the management of different distributed energy resources. The models here

developed should suit the real context, considering real scenarios, with loads, production

profiles and technical operation conditions, with the fulfillment of all constraints associated

with the technical limits of the LV distribution networks. The application of the models

developed in this paper to the LV distribution networks is essential for validation with a

practical application in the near future.

In conclusion, the contribution of the work within this dissertation provides the operator

with new models and management tools for the control of LV distribution networks. The

application of this tool in a real LV network secured the control of the voltage profiles in all

its buses for the considered time period, ensuring the balance between production and

consumption and maximizing the integration of distributed energy sources, in particular based

on renewable resources.

vii

Agradecimentos

Um agradecimento especial ao Dr. André Guimarães Madureira, investigador sénior no

Instituto de Engenharia de Sistemas e Computadores do Porto (INESC Porto), pela dedicação,

orientação, acompanhamento, a boa disposição e empatia com qual me recebeu.

Por fim, um agradecimento aos meus pais e à minha irmã por todo o apoio ao longo destes

meses de trabalho.

Agradecido, Pedro Filipe Cardoso Olival.

ix

Índice

Índice .............................................................................................. 9

Lista de figuras ................................................................................. 13

Lista de tabelas ................................................................................ 15

Abreviaturas e Símbolos ...................................................................... 17

........................................................................................ 1 Capítulo 1

Introdução ........................................................................................ 1

1.1 - Motivação .............................................................................................. 1 1.2 – Objetivos .............................................................................................. 4 1.3 – Estrutura do Documento ............................................................................ 4

........................................................................................ 6 Capítulo 2

Estado da Arte ................................................................................... 7

2.1 - Operação das Redes de Baixa Tensão ............................................................ 7

– Características das Redes de Baixa Tensão ................................................ 7 2.1.1

2.2 - Integração de Produção Renovável em Redes de Distribuição ............................. 10 2.3 - Redes Elétricas Inteligentes (SmartGrids) ..................................................... 11

- Conceito de microrede ...................................................................... 11 2.3.1

- Arquitetura de Gestão e Controlo das Microredes ...................................... 12 2.3.2

– Controlo da tensão - interfaces de eletrónica de potência nas redes de 2.3.3

distribuição ............................................................................................. 14

2.3.3.1 – Inversores VSI ............................................................................ 14 2.3.3.2 - Inversores PQ ............................................................................ 15

– Conceito de Rede Inteligente (SmartGrid) ............................................... 16 2.3.4

2.4 - Recursos Energéticos Distribuídos ............................................................... 16

– Microprodução ................................................................................ 16 2.4.1

2.4.1.1 – Painéis fotovoltaicos ................................................................... 17 2.4.1.2 – Micro-turbinas eólicas .................................................................. 18 2.4.1.3 - Células de combustível ................................................................ 19

– Sistemas de Armazenamento ............................................................... 20 2.4.2

2.4.2.1 - Baterias ................................................................................... 20 2.4.2.2 - Volantes de Inércia ..................................................................... 21 2.4.2.3 – Super - condensadores ................................................................. 21

– Comparação dos diferentes sistemas de armazenamento ............................ 21 2.4.3

– Cargas Controláveis .......................................................................... 22 2.4.4

x

2.4.4.1 – Programas de gestão de Consumos .................................................. 24

....................................................................................... 26 Capítulo 3

Controlo de Tensão em Redes de Distribuição de BT ................................... 27

3.1 - Controlo Coordenado de Recursos Energéticos Distribuídos ............................... 27

– Gestão dos Sistemas de armazenamento ................................................ 28 3.1.1

- Gestão de Consumos ......................................................................... 29 3.1.2

- Microprodução ................................................................................ 30 3.1.3

- Arquitetura de controlo ..................................................................... 31 3.1.4

3.2 - Formulação Matemática .......................................................................... 32

- Função Objetivo .............................................................................. 33 3.2.1

- Restrições de controlo dos sistemas de armazenamento ............................. 34 3.2.2

- Restrições de controlo de carga ........................................................... 35 3.2.3

- Restrições dos limites técnicos da Rede de BT ......................................... 36 3.2.4

3.3 - Algoritmo (EPSO + Trânsito de Potências Trifásico) ......................................... 37

- MATLAB – MATrix LABoratory ............................................................... 37 3.3.1

- Algoritmo de Otimização – EPSO ........................................................... 37 3.3.2

– Algoritmo de Trânsito de Potências Trifásico ........................................... 40 3.3.3

- Algoritmo multi-temporal e sequencial para o controlo de tensão ................. 41 3.3.4

....................................................................................... 43 Capítulo 4

Aplicação do algoritmo de controlo avançado de tensão .............................. 43

4.1 - Rede do Caso de Estudo .......................................................................... 43

- Características da Rede de BT ............................................................. 43 4.1.1

- Considerações Base e Legislativas ......................................................... 45 4.1.2

- Perfis de Consumo e de Microprodução .................................................. 45 4.1.3

4.2 - Cenário de Operação Base ....................................................................... 46 4.3 - Cenário 1 ............................................................................................ 50

- Objetivo ........................................................................................ 50 4.3.1

- Considerações Iniciais do EPSO ............................................................ 52 4.3.2

- Performance do algoritmo para um período de operação do algoritmo de 4.3.3

otimização .............................................................................................. 53 - Resultados obtidos para o período sequencial de 24 horas ........................... 55 4.3.4

4.3.4.1 – Ações de controlo da Fase 1 .......................................................... 58 4.3.4.2 – Ações de controlo na Fase 2 .......................................................... 60 4.3.4.3 - Ações de controlo na Fase 3 .......................................................... 62 4.3.4.4 – Impacto da gestão de consumos ..................................................... 62 4.3.4.5 - Análise Global das Ações de Controlo ............................................... 65

4.4 - Cenário 2 ............................................................................................ 69

- Resultados obtidos para o período multi-temporal de 24 horas ..................... 70 4.4.1

4.5 – Sumário .............................................................................................. 76

....................................................................................... 79 Capítulo 5

Conclusão ....................................................................................... 79

5.1 - Conclusões .......................................................................................... 79 5.2 - Perspetivas Futuras ................................................................................ 81

xi

Referências ..................................................................................... 83

Anexos ........................................................................................... 87

Anexo A - Algoritmo de Trânsito de Potências Trifásico ............................... 87

Anexo A.1 - Trânsito de Potências nas redes de Distribuição com 4 condutores .............. 88

Anexo B - Dados da rede do caso de estudo .............................................. 91

Anexo B.1 - Dados da Rede de BT...................................................................... 92

xiii

Lista de figuras

Figura 1.1 – Novo Paradigma dos Sistemas Elétricos de Energia [2] .................................. 2 Figura 1.2 – Evolução da potência instalada em energia renovável em Portugal, [3] ............. 2 Figura 1.3 – Evolução da potência instalada de tecnologia solar fotovoltaica em Portugal, [3] . 3 Figura 2.1 – Sistema exemplo, adaptado de [5] .......................................................... 7 Figura 2.2 – Exemplo de rede radial ........................................................................ 9 Figura 2.3 – Exemplo de rede emalhada ................................................................... 9 Figura 2.4 – Variação da tensão considerando cenários de penetração de microprodução,

adaptado de [2]. ............................................................................................... 9 Figura 2.5 – Arquitetura de Controlo de uma MicroRede, adaptado de [17]. ..................... 12 Figura 2.6 – Controlo proporcional P-V ................................................................... 15 Figura 2.7 – Sistema de gestão da energia com o recurso de inversores PQ ...................... 15 Figura 2.8 – Rendimentos dos sistemas de armazenamento .......................................... 21 Figura 2.9 – Repartição do consumo de energia elétrica final, por setor, 2009, [36] ........... 22 Figura 2.10 - Taxas de posse dos equipamentos (clientes domésticos), [36] ..................... 23 Figura 3.1 – Arquitetura de gestão dos Recursos Energéticos da microrede ...................... 32 Figura 3.2 – Algoritmo EPSO ................................................................................ 38 Figura 3.3 – Função de penalização quadrática ........................................................ 39 Figura 3.4 – Composição de uma linha de BT ........................................................... 40 Figura 3.5 – Algoritmo de controlo avançado de tensão .............................................. 42 Figura 4.1 - Rede do Caso de Estudo ..................................................................... 44 Figura 4.2 – Perfis de Microprodução e Consumo ...................................................... 46 Figura 4.3 – Trânsito de potência para o Cenário Base ............................................... 47 Figura 4.4 – Influência dos perfis de produção e consumo nos valores de tensão ................ 49 Figura 4.5 – Evolução da função Fitness para 4 simulações independentes ....................... 54 Figura 4.6 – Evolução da tensão no barramento 22 da Fase 1, período das 14 horas. ........... 54 Figura 4.7 - Evolução da tensão no barramento 22 da Fase 1, período das 22 horas. ........... 54 Figura 4.8 – Comparação dos valores de tensão antes e após a simulação do algoritmo de

otimização, Fase 1 – Barramento 32 ...................................................................... 56 Figura 4.9 - Valores de tensão obtidos após a simulação do algoritmo de otimização para as

fases.1,2 e 3 - Barramento 32. ............................................................................ 56 Figura 4.10 – Ações de controlo da fase 1 para um período sequencial de 24 horas ............ 58 Figura 4.11 – Períodos de carga e descarga dos sistemas de armazenamento da fase 1 ........ 59 Figura 4.12 – Estado de armazenamento de todas as baterias da Fase 1 .......................... 59 Figura 4.13 – Ações de controlo da fase 2 para um período sequencial de 24 h .................. 60 Figura 4.14 - Períodos de carga e descarga dos sistemas de armazenamento da fase 2 ........ 61 Figura 4.15 - Estado de armazenamento de todas as baterias da Fase 2 .......................... 61 Figura 4.16 - Ações de controlo da fase 3 para um período sequencial de 24 horas ............ 62 Figura 4.17 – Perfil de consumo antes e após a transferência de consumos ...................... 63 Figura 4.18 - Perfil de consumo antes e após o corte de carga ..................................... 64

xiv

Figura 4.19 - Perfil de consumo antes e após a simulação do algoritmo de otimização (Cenário

1) ............................................................................................................... 65 Figura 4.20 - Trânsito de potências na microrede do caso de estudo (cenário 1) ............... 65 Figura 4.21 – Perfil de perdas na microrede do caso de estudo (cenário 1) ...................... 66 Figura 4.22 – Quantificação da utilização de cada um dos recursos da energia total (Cenário 1)

.................................................................................................................. 68 Figura 4.23 - Comparação dos valores de tensão antes e após a simulação do algoritmo de

otimização (Cenário 2) ...................................................................................... 70 Figura 4.24 - Valores de tensão obtidos após a simulação do algoritmo de otimização para as

fases.1,2 e 3 (Cenário 2). .................................................................................. 71 Figura 4.25 – Plano de operação dos recursos distribuídos (Cenário 2) ............................ 72 Figura 4.26 - Perfil de microprodução total antes e após o corte de microprodução (cenário

2). .............................................................................................................. 73 Figura 4.27 - Perfil de consumo antes e após o corte de carga (cenário 2) ....................... 74 Figura 4.28 – Trânsito de potência da Microrede do caso de estudo (cenário 2) ................. 74 Figura 4.29 – Energia desperdiçada de microprodução e energia não fornecida (Cenário 2). . 76

Figura A. 1 – Modelo para os ramos de uma linha trifásico, adaptado de [42]. .................. 88 Figura A. 2 – Modelo das linhas das redes de distribuição de BT, adaptado de [42]. ............ 89 Figura A. 3 – Rede do caso de estudo. ................................................................... 92

xv

Lista de tabelas

Tabela 2.1 – Vantagens e desvantagens das diferentes infraestruturas de comunicação,

adaptado de [19],[20] e [21]............................................................................... 14 Tabela 2.2 – Tecnologias de microprodução ............................................................ 17 Tabela 2.3 – Tipos de pilhas de combustível, adaptado de [34] ..................................... 19 Tabela 2.4 – Comparação das principais características das tecnologias de armazenamento . 22 Tabela 2.5 – Ações de controlo no consumo residencial, [38] ....................................... 24 Tabela 3.1 – Características dos sistemas de armazenamento adaptado de [35] ................ 29 Tabela 3.2 – Ações de controlo de gestão de consumos consideradas no caso de estudo ...... 30 Tabela 3.3 – Potência média dos equipamentos residenciais classificados como ações de

controlo adaptado de [41] ................................................................................. 30 Tabela 3.4 – Composição da partícula.................................................................... 38 Tabela 4.1 – Potência total dos recursos distribuídos ................................................. 44 Tabela 4.2 – Valores de tensão para o período das 14:00 horas ..................................... 48 Tabela 4.3 - Valores de tensão para o período das 22:00 horas ..................................... 48 Tabela 4.4 – Barramentos em que ocorre violação dos limites técnicos admissíveis (Cenário

Base) ........................................................................................................... 50 Tabela 4.5 – Ações de Controlo na Rede do Caso de estudo ......................................... 51 Tabela 4.6 – Parâmetros de inicialização da simulação do EPSO .................................... 52 Tabela 4.7 – Valor dos Pesos ............................................................................... 53 Tabela 4.8 – Valores de tensão antes e após simulação do algoritmo de controlo de tensão

para o período das 14 horas ................................................................................ 55 Tabela 4.9 - Valores de tensão antes e após simulação do algoritmo de controlo de tensão

para o período das 22 horas. ............................................................................... 55 Tabela 4.10 – Plano de operação ótimo das ações de controlo para as condições do cenário 1

.................................................................................................................. 57 Tabela 4.11 – Valores de tensão nos barramentos da rede após simulação do algoritmo de

controlo ........................................................................................................ 57 Tabela 4.12 – Balanço energético da transferência de consumos ................................... 63 Tabela 4.13 - Balanço energético do corte de carga classificado ................................... 64 Tabela 4.14 – Resumo dos resultados obtidos (Cenário 1) ............................................ 67 Tabela 4.15 – Recursos utilizados para a simulação do Cenário 2 ................................... 70 Tabela 4.16 - Plano de operação ótimo das ações de controlo para as condições do cenário 2

.................................................................................................................. 72 Tabela 4.17 – Valores de tensão nos barramentos da rede após simulação do algoritmo de

controlo (Cenário 2) ......................................................................................... 73 Tabela 4.18 – Resumo dos resultados obtidos (Cenário 2) ............................................ 75

Tabela A. 1 – Características das linhas da rede do caso de estudo. ............................... 93 Tabela A. 2 – Potência contratada dos consumidores na rede do caso de estudo ................ 94

xvi

Tabela A. 3 - Potência instalada da microprodução dos consumidores na rede do caso de

estudo.......................................................................................................... 95

xvii

Abreviaturas e Símbolos

Lista de abreviaturas

AFC Alcaline Fuel Cells

AT Alta Tensão

BT Baixa Tensão

CA Corrente Alternada

CC Corrente Contínua

CHP Combined Heat and Power

CO2 Dióxido de Carbono

DMS Distribution Management System

EDM Energia Desperdiçada da Microprodução

EDP Energias de Portugal

ENF Energia Não Fornecida

EPSO Evolutionary Particle Swarm Optimization

ES Evolutionary Strategies

G Produção de energia elétrica

GPRS General Packet Radio Service

LC Load Controller

LV Low Voltage

MC Microsource Controller

MCFC Molten Carbonate Fuel Cells

MGCC MicroGrid Central Controller

MPP Maximum Power Point

MPPT Maximum Power Point Tracker

MT Média Tensão

p.u. Sistema por unidade

PAFC Phosforic Fuel Cells

PD Produção Distribuída

PEFC Proton Exchange Membrane Fuel Cells

PLC Power Line Carrier

PSO Particle Swarm Optimization

PV Photovoltaics;

SEE Sistema Elétrico de Energia

SOFC Solid Oxide Fuel Cells

UE União Europeia

V2G Vehicle to Grid

VSI Voltage Source Inverter

xviii

Lista de símbolos

Potência de carga ou descarga da bateria no barramento k na fase α

Potência da carga no barramento k na fase α que pode ser cortada

Potência fotovoltaica que pode ser cortada no barramento k na fase α

Potência da carga no barramento k na fase α que pode ser transferida

Tensão nominal

Tensão no barramento k na fase α

Tensão medida na rede

Melhor ótimo global

Parâmetro estratégico de cooperação das partículas

Parâmetro estratégico de velocidade das partículas

Parâmetro estratégico de inércia das partículas

Parâmetro estratégico de memória das partículas

Desvio de potência ativa

Desvio de tensão

Função objetivo

Potência ativa

Potência reativa

Parâmetro estratégico de velocidade das partículas

Parâmetro objeto da partícula

Energia produzida da rede a montante do posto de transformação MT/BT

Energia da microprodução

Energia descarregada dos sistemas de armazenamento

Consumo

Energia consumida no sistema

Energia das perdas (kWh);

Energia cortada de carga não prioritária

Energia transferida

1

Capítulo 1

Introdução

1.1 - Motivação

Os Sistemas Elétricos de Energia (SEE) encontram-se em constante evolução nos últimos

anos com o objetivo de acompanhar a crescente procura de energia elétrica, devido ao

aumento da população mundial e o crescente desenvolvimento tecnológico das sociedades.

Durante longos anos, o desenvolvimento dos sistemas elétricos de energia seguiu um

desenvolvimento baseado numa estrutura hierarquizada. O paradigma de produção de

energia, consistia apenas na utilização de grandes centrais de elevada potência

(nomeadamente centrais térmicas, hidroelétricas), que injetavam a energia produzida nas

linhas de transporte, percorrendo longas distâncias a fim de garantir o fornecimento de

energia elétrica aos clientes das redes de Distribuição. O problema que daqui surge é a

potencial grande distância geográfica entre os centros de produção e o consumo, que

compromete a qualidade e continuidade do serviço de fornecimento de energia elétrica aos

consumidores. A elevada dependência de recursos exógenos como o carvão e em especial o

petróleo contribuem para elevadas emissões de dióxido de carbono (CO2) e

consequentemente provocam o agravamento do aquecimento global.

Contextualizando no panorama geral, a União Europeia (UE) delineou estratégias que

permitam evitar o crescimento na utilização destas grandes centrais e a utilização contínua

de fontes energéticas não renováveis que contribuam para o fenómeno das alterações

climáticas. Deste modo, estabelece a política dos 20-20-20 para ser aplicada até 2020 para os

países da comunidade europeia. Estas políticas consistem, [1]:

Redução em 20 % das emissões com gases de efeito de estufa;

Redução em 20 % do consumo de energia elétrica;

Aumento da utilização de energias renováveis em 20 % da energia total produzida.

Do anteriormente exposto, resulta o interesse crescente na ligação de unidades de

produção de energia elétrica nas redes de distribuição, através de programas governamentais,

como uma potencial solução que permita cumprir os objetivos definidos pela UE, com a

exploração de fontes de energia renovável, aumento da eficiência energética e redução da

emissão dos agentes poluentes. A crescente integração de recursos energéticos distribuídos

nas redes de distribuição permitirá definir um novo paradigma, dotando as redes de pequenas

unidades de produção geograficamente distribuídas (Produção Dispersa) e mais próximas dos

locais de consumo, de acordo com o apresentado na Figura 1.1.

2 Introdução

Figura 1.1 – Novo Paradigma dos Sistemas Elétricos de Energia [2]

Neste contexto, os recursos energéticos distribuídos (PD) incluem não apenas unidades de

produção distribuída (tais como painéis fotovoltaicos, turbinas eólicas, pilhas de combustível)

mas também sistemas de armazenamento de energia e cargas controláveis. Estas mudanças

estão a afetar a forma como os SEE, em particular as redes de distribuição são geridas em

termos de questões técnicas no âmbito da operação e planeamento.

Face aos importantes objetivos a atingir definidos pela UE, o gráfico da Figura 1.2

apresenta a evolução do contributo das energias renováveis para a produção de energia

elétrica em Portugal nos últimos oito anos, [3].

Figura 1.2 – Evolução da potência instalada em energia renovável em Portugal, [3]

Recursos como a energia fotovoltaica e a produção eólica caracterizam-se como produção

descentralizada, orientada para alimentar consumidores locais. As metas fixadas pela União

Europeia poderão trazer novos desafios, designadamente o aumento significativo da utilização

de recursos renováveis descentralizados, como se pode verificar da observação da Figura 1.2,

com o aumento crescente do volume de potência instalada recorrendo a sistemas

fotovoltaicos bem como geradores eólicos. Em particular, a integração em larga escala de

recursos renováveis (microprodução) nas redes de distribuição de BT, é extremamente

desafiadora, devido ao facto da integração de volumes consideráveis de fontes variáveis e

(V > 110 kV)

(45 kV < V ≤ 110 kV)

(1 kV < V ≤ 45 kV)

(V ≤ 1 kV)

G G G G G

Pro

du

çã

oT

ran

sp

ort

eD

istr

ibu

içã

o

PD

PD

PD

? ?

? ?

? ?

Carga

Carga

Carga

Carga

P, Q

P, Q

P, Q

P, Q

P, Q

P, Q

P, Q

2005 2006 2007 2008 2009 2010 2011 2012 2013

Fotovoltacia 31 33 55 67 80 97 152 201 210

PCH 265 702 504 478 618 1045 622 393 762

Eólica 1741 2892 4007 5720 7506 9078 9003 10011 11419

Hídrica 5000 11323 10351 7102 8717 16249 11827 6447 10443

Biomassa 1286 1302 1381 1381 1390 1579 1669 1689 1720

0

5000

10000

15000

20000

25000

30000

MW

h

ano

- Motivação 3

intermitentes poderem comprometer seriamente as condições de operação nestas redes. Nos

últimos oito anos em Portugal verifica-se uma tendência crescente na integração da produção

solar fotovoltaica nas redes de distribuição, particularmente entre 2007 e março de 2013,

conforme se apresenta no gráfico da Figura 1.3. Em 2007 entra em vigor o Decreto-Lei

n.º363/2007, [4], que estabelece o regime jurídico aplicável à produção de eletricidade por

intermedio de unidades de microprodução, o que coincide com o período da crescente

penetração destas unidades.

Figura 1.3 – Evolução da potência instalada de tecnologia solar fotovoltaica em Portugal, [3]

Do anteriormente exposto, compreende-se a importância de dotar os atuais sistemas de

energia de meios que permitam uma gestão eficiente dos recursos energéticos disponíveis e

distribuídos na rede, o que poderá constituir uma solução para resolver os problemas

resultantes de uma elevada integração de fontes renováveis. O conceito de smartgrid1 surge

como alternativa ao atual modelo para as redes de distribuição de BT permitindo uma

integração dos recursos distribuídos com uma enorme flexibilidade na operação com o recurso

a sistemas de controlo avançados. Assim sendo, a integração de unidades de microprodução

nas redes de BT, no futuro desempenhará um papel importante, pois estes sistemas

descentralizados de produção de energia próximos do consumo garantem, [2]:

Aumento da qualidade e continuidade de serviço aos consumidores (Produção

geograficamente próxima do consumo) admitindo uma exploração dos recursos

existentes no âmbito do conceito de microrede;

Redução a dependência energética de sistemas de produção centralizados, como

as centrais de grande potência, que utilizam recursos não renováveis como os

combustíveis fósseis para a produção de energia elétrica;

Em algumas situações pode ser gerida ou desligada da rede elétrica;

Produção elétrica destinada a captar recursos energéticos renováveis (sol, vento,

água, biomassa).

No entanto, o principal problema que daqui surge é a possibilidade da elevada penetração

de unidades de microprodução distribuídas nas redes de BT poder provocar dificuldades

técnicas, designadamente a elevação dos perfis de tensão e eventualmente poderá provocar a

inversão de fluxos de potência nas linhas das redes de distribuição. Num futuro próximo, caso

as tendências crescentes na utilização de energias renováveis dispersas pelas redes de

1 Rede inteligente, dotada de tecnologias de informação e de controlo integrada nos sistemas de

comunicação e infraestruturas automatizadas.

0

50

100

150

200

250

2005 2006 2007 2008 2009 2010 2011 2012 2013

MW

h

Miniprodução e microprodução solar fotovoltaica (MWh)

4 Introdução

distribuição se mantenham, será necessário desenvolver soluções eficientes que permitam

integrar a microprodução renovável em larga escala. Particularmente nas redes de BT, o

controlo da tensão é essencial, visto que os perfis dos valores de tensão são influenciados

pela microprodução local, podendo comprometer a qualidade de serviço. No presente

trabalho estas soluções dependem do desenvolvimento de algoritmos de gestão e controlo que

possam ser integrados como módulos de software nos sistemas de controlo das redes de

distribuição no contexto das smartgrids.

1.2 – Objetivos

Em relação à operação das redes de distribuição, o presente trabalho pretende contribuir

para o desenvolvimento de novas funcionalidades que permitam maximizar a integração de

fontes de energia renovável nas redes de BT. Esta abordagem permitirá ao operador da rede

de distribuição as seguintes funcionalidades:

Gestão da rede de forma a maximizar a integração de microprodução distribuída

com base renovável sem comprometer as restrições técnicas operacionais;

Fornecimento de serviços de sistema locais por parte dos recursos distribuídos de

forma a aliviar as restrições impostas ao sistema de distribuição devido a

desequilíbrios súbitos entre a produção e o consumo;

Deste modo, o trabalho desenvolvido consistiu no desenvolvimento de um algoritmo de

controlo coordenado e avançado de tensão em MATLAB®, explorando os sistemas

microprodução, cargas controláveis e sistemas de armazenamento (ações de controlo). A

ferramenta de controlo de tensão desenvolvida, considera um conjunto de algoritmos tais

como:

Trânsito de Potências trifásico;

Algoritmo de Otimização com base numa meta-heurística (EPSO);

Algoritmo sequencial e temporal de controlo avançado de tensão.

A gestão coordenada destas ações de controlo, considerando as suas características

específicas bem como as das redes de distribuição de BT, constitui uma abordagem inovadora

com o desenvolvimento do conceito de rede inteligente (smartgrid).

1.3 – Estrutura do Documento

O trabalho desenvolvido no âmbito desta dissertação é composto por cinco capítulos e

dois anexos, incluindo o presente capítulo com a introdução do trabalho proposto,

contextualizando a motivação para o seu desenvolvimento e os seus objetivos.

O 0 consiste numa análise do Estado da Arte, apresentando o novo paradigma da

integração de recursos energéticos distribuídos, em particular a microprodução distribuída

nas redes de distribuição de BT devido às suas características de operação muito particulares.

O conceito de SmartGrid permitirá a integração de forma inteligente dos recursos

distribuídos, sendo que neste capítulo apresenta-se os seus modos de operação, os sistemas

de controlo e interfaces de comunicação bem como uma descrição de todos os recursos

distribuídos nas redes de distribuição de BT, evidenciando a sua integração e as vantagens e

desvantagens destas tecnologias.

O 0 contempla as estratégias consideradas para o controlo avançado de tensão nas redes

de distribuição de BT, identificando as ações de controlo (explorando os recursos energéticos

distribuídos) e a arquitetura e equipamentos que possibilitam estas funcionalidades no

– Estrutura do Documento 5

contexto das Smartgrids. Ainda neste capítulo é descrita a formulação matemática associada

ao algoritmo de otimização desenvolvido para o controlo coordenado dos valores de tensão,

bem como a metodologia proposta e uma descrição pormenorizada dos algoritmos

desenvolvidos.

No Capítulo 4 apresentam-se os resultados obtidos através dos testes do algoritmo de

controlo avançado de tensão desenvolvido em MATLAB® para uma rede real de distribuição

Portuguesa em BT. Apresentam-se os principais cenários de operação para esta rede,

definindo 3 cenários de operação distintos com o objetivo de avaliar o comportamento

algoritmo desenvolvido para diferentes situações de operação e validar as metodologias

consideradas. Além da consideração dos diferentes cenários dedica-se uma secção a testes de

performance e robustez do algoritmo de otimização desenvolvido.

Por fim, no Capítulo 5 são apresentadas as principais conclusões referentes ao trabalho,

com o registo das principais metas alcançadas. Apresenta-se ainda neste capítulo as

perspetivas de trabalho futuro que pode ser desenvolvido nesta área.

7

Capítulo 2

Estado da Arte

De acordo com o novo paradigma dos Sistemas Elétricos de Energia apresentado na secção

1.1 do Capítulo 1, o presente Capítulo apresenta uma revisão dos principais conceitos

associados à operação das redes de BT, tais como as suas características, modos de controlo e

tecnologias associadas. São também apresentados os diferentes recursos energéticos

distribuídos que podem ser encontrados nestas redes e a forma como podem ser explorados

para suporte à operação do sistema de distribuição.

2.1 - Operação das Redes de Baixa Tensão

– Características das Redes de Baixa Tensão 2.1.1

No futuro, o operador da rede de distribuição de Baixa-Tensão (BT) poderá encontrar

dificuldades acrescidas para uma gestão eficiente e segura das redes de BT devido a uma

elevada penetração de microprodução, em particular a de origem renovável. De facto, níveis

elevados de microprodução poderão provocar uma elevação da tensão nos barramentos do

sistema, comprometendo desta forma a qualidade de serviço no fornecimento de energia

elétrica aos clientes nas redes de distribuição de BT.

Expondo mais pormenorizadamente a influência da microprodução renovável nas redes

BT, atente-se na rede da Figura 2.1.

Figura 2.1 – Sistema exemplo, adaptado de [5]

Neste caso, as características das linhas de distribuição das redes de BT influenciam

bastante as possíveis estratégias de controlo de tensão, uma vez que estas são extremamente

resistivas (ao contrário do que se verifica para a linhas de transmissão), pelo que o controlo

baseado na gestão da potência reativa não é eficaz, devido ao baixo fator X/R, [6].

MT BT

Z=R+jX

V1=|V1| ∟Θ1 V2=|V2| ∟Θ2

S12=P12+jQ12Rede

8 Estado da Arte

As expressões que permitem determinar o trânsito de potências ativa e reativa na linha da

Figura 2.1, são respetivamente (2.1) e (2.2).

(2.1)

(2.2)

Com:

Trânsito de potência ativa no ramo entre os barramentos i e j;

Trânsito de potência reativa no ramo entre os barramentos i e j;

Módulo de tensão no barramento i; Ângulo de tensão no barramento i; Trânsito de potência aparente no ramo entre os barramentos i e j;

Resistência do ramo entre os barramentos 1 e 2; Reatância do ramo entre os barramentos 1 e 2;

Nas linhas de BT a resistência da linha é geralmente muito superior à reatância (R>>X),

pelo que as expressões apresentadas podem ser simplificadas considerando que a reatância X

é desprezável (X=0), obtendo deste modo as seguintes expressões, (2.3) e (2.4).

(2.3)

(2.4)

De acordo com a expressão (2.3), para alterar o sentido do trânsito de potência (P12

assume valores negativos) será necessário que V2>V1, sendo que esta situação pode conduzir

frequentemente a casos em que o valor de V2 seja superior ao limite técnico regulamentar

(Vmáx). Na ausência de consumo local suficiente para absorver a potência gerada localmente,

a integração de produção renovável no barramento 2 poderá provocar inversão no sentido do

fluxo de potência, passando a circular do barramento 2 para o 1, injetando potência na rede

de MT a montante. Numa situação sem produção renovável, o sentido do fluxo de potência

para alimentar a carga seria do barramento 1 (posto de transformação MT/BT) para o

barramento 2 (carga).

Compreende-se então que a elevada penetração de unidades de microprodução renovável

altera significativamente a operação das redes de distribuição de BT, podendo conduzir a

situações de elevação dos valores de tensão, que não depende só das características da rede

(topologia radial, Figura 2.2, ou emalhada, Figura 2.3, condutores com elevado efeito

resistivo), mas também da localização das microfontes bem como da sua potência nominal.

- Operação das Redes de Baixa Tensão 9

Figura 2.2 – Exemplo de rede radial

Figura 2.3 – Exemplo de rede emalhada

As redes de BT são predominantemente redes radiais, compostas por linhas extensas com

o objetivo de fornecer energia elétrica a clientes de zonas mais isoladas, por exemplo em

zonas rurais. Os problemas de tensão surgem normalmente nos barramentos mais afastados do

posto de transformação MT/BT, caso existam clientes com unidades de microprodução

renovável de potência considerável, como se pode verificar pela análise da Figura 2.4.

Figura 2.4 – Variação da tensão considerando cenários de penetração de microprodução, adaptado de [2].

O valor de tensão é mantido constante devido ao ajuste automático da tomada na subestação de AT/MT;

O valor de tensão decresce devido às cargas distribuídas na rede de MT;

O valor de tensão aumenta subitamente devido à regulação das tomadas do transformador de MT/BT;

O valor da tensão decresce ligeiramente no transformador de MT/BT;

O valor de tensão decresce devido às cargas distribuídas na rede de BT.

MT

BT

Carga

Microprodução

MT

BT

Microprodução

Carga

Microprodução

Rede BTRede MT

Variação de tensão

permitida

A

B

D

C

E

1 p.u.

Penetração elevada de microprodução

Penetração moderada de microprodução

10 Estado da Arte

Numa situação sem penetração de microprodução, não se verifica elevação dos valores de

tensão da rede de BT, podendo observar-se que o valor de tensão decresce devido às cargas

distribuídas e mais afastadas do posto de transformação MT/BT, (D-E).

No caso de existir uma penetração elevada de microprodução, o valor de tensão aumenta

significativamente, podendo inclusivamente ultrapassar o limite máximo admissível.

Do anteriormente exposto, conclui-se que controlar os níveis de tensão com a gestão da

potência reativa não é eficaz nas redes de BT devido às suas características, pelo que

medidas que controlem a potência ativa estão a ser consideradas, existindo diversos estudos

realizados nesta matéria, que consideram soluções tais como:

Corte de produção proveniente da microprodução [5], [7];

Armazenamento da energia proveniente da microprodução [8];

Gestão dos consumos, com um controlo das cargas no sistema [9], [10];

O potencial do controlo destes recursos encontra-se neste momento numa fase de

inovação e crescimento, mas atualmente é possível utilizar as funcionalidades de controlo

para as microfontes e os sistemas de armazenamento através de interfaces de eletrónica de

potência, [11]. No caso da gestão dos consumos estão a ser testadas infraestruturas de

contagem remota inteligente utilizando (contadores inteligentes) para realizar o controlo das

cargas dos clientes, o estudo realizado segundo a referência [12] evidencia os desafios da

integração desta tecnologia nas microredes, onde se abordam conceitos como cargas

controláveis.

A eletrónica de potência permitirá controlar a potência ativa das microfontes e dos

sistemas de armazenamento de forma continua e precisa (controlo dos inversores) conforme

será apresentado na secção seguinte. Por outro lado, os contadores inteligentes permitirão o

controlo das cargas do cliente com a monitorização e descriminação de todo o consumo nos

diferentes períodos temporais.

Uma última característica das redes de distribuição de BT importante para a sua

operação, é o facto de grande parte das cargas e das unidades de microprodução serem

frequentemente monofásicas e distribuídas pelas diferentes fases do sistema, por

consequência estas redes classificam-se como redes trifásicas desequilibradas. Do

anteriormente exposto, pode concluir-se que o controlo de tensão deverá ser baseado então

em algoritmos para o trânsito de potências que permitam determinar as variáveis necessárias

para a análise do fluxo de potência nas linhas das redes de BT, considerando os desequilíbrios

entre as fases do sistema.

2.2 - Integração de Produção Renovável em Redes de

Distribuição

Diversos estudos acerca da integração de produção renovável nas redes de BT estão a ser

realizados, alguns já publicados e com resultados interessantes.

A integração da produção renovável não deverá comprometer os níveis de tensão das

redes, por exemplo o estudo [13], considera a utilização de heurísticas para a minimização da

energia cortada da microprodução e das perdas de forma a controlar os valores de tensão. De

facto esta metodologia permitiu controlar a tensão, mas à custa de algum corte de

microprodução distribuída nas redes de BT.

Outros estudos, tais como [8], [14]e [15] tentaram ultrapassar esta limitação de controlo,

incluindo sistemas de armazenamento na rede, de forma a armazenar a energia excedente2da

microprodução e evitar o corte de microprodução necessário para controlar os valores de

2 A energia excedente da microprodução é a energia que se encontra nas linhas e que provoca níveis

de tensão acima do limite técnico admissível.

- Redes Elétricas Inteligentes (SmartGrids) 11

tensão. Os resultados obtidos são encorajadores para o operador da rede de distribuição, pois

uma adequada distribuição destes sistemas de armazenamento nas redes permite controlar os

níveis de tensão, evitando sobretensões devido à microprodução e simultaneamente evita

problemas de subtensão, caso descarreguem a energia armazenada nos períodos de ponta em

que o consumo é elevado e os perfis de tensão são baixos.

Medidas alternativas que evitem a instalação de sistemas de armazenamento e estudos

sobre a localização ótima destes recursos, consistem no controlo dos consumos do cliente,

pelo que diversos investigadores já apresentaram alguns estudos nesta matéria, [9] e [10].

Segundo as referências bibliográficas consultadas, ainda não existe um consenso e maturidade

na aplicação destas medidas para controlo de tensão, sendo que diferentes investigadores

apresentam variadas alternativas e tecnologias para o controlo dos consumos dos clientes.

Na prática, algumas destas tecnologias ainda em fase de testes, já se encontram

implementadas, ainda que em pequena escala através de projetos-piloto. Por exemplo, a

InovGrid projeto da EDP Distribuição, [16], é uma SmartGrid instalada em Évora utilizada

para a realização de testes das novas tecnologias a implementar.

Do anteriormente exposto, compreende-se que existem diferentes alternativas de forma a

integrar a crescente penetração da microprodução, mas ainda não se encontra muito trabalho

desenvolvido na combinação e utilização conjunta de todos estes recursos energéticos

distribuídos. Assim sendo, um sistema de controlo que considere a operação coordenada de

sistemas de armazenamento, gestão de consumos e por fim o corte de microprodução, caso os

recursos anteriores sejam insuficientes, poderá ser uma realidade para o controlo avançado

de tensão nas redes de distribuição de BT, num futuro próximo.

2.3 - Redes Elétricas Inteligentes (SmartGrids)

As novas exigências impostas às redes elétricas têm originado diferentes abordagens,

conceitos e perspetivas de evolução das mesmas. Neste âmbito são de destacar os conceitos

de microrede e de redes elétricas inteligentes (SmartGrids).

- Conceito de microrede 2.3.1

O conceito de microrede foi desenvolvido no âmbito do projeto Europeu “MICROGRIDS –

Large Scale Integration of Microgeneration to Low Voltage Grids”, posteriormente

denominado de “Microgrids project” [17].

Deste modo, uma microrede pode ser definida como uma rede de distribuição de energia

elétrica de BT onde pequenos recursos energéticos distribuídos são ligados. Uma vez que a

produção se encontra geograficamente próxima das cargas, uma microrede pode

corresponder, por exemplo, a uma rede de uma pequena zona urbana, uma zona industrial ou

até mesmo um grande complexo comercial.

Uma microrede pode também incluir sistemas de armazenamento de energia elétrica,

equipamentos de controlo local e gestão do sistema bem como sistemas de recuperação de

calor (CHP - cogeração).

Uma microrede pode funcionar em duas condições de operação distintas:

Modo Normal Interligado – A microrede encontra-se ligada à rede de distribuição de

MT a montante, podendo ser totalmente ou parcialmente alimentada por esta. Poderá

ser necessário auxiliar a rede de MT, com a injeção de potência por parte da

microrede no barramento de MT.

Modo de Emergência – No caso de uma falha/avaria na rede MT que iniba o

abastecimento de energia, a microrede terá de ter a capacidade de operar em regime

isolado de forma autónoma, semelhante a um sistema de uma ilha física.

12 Estado da Arte

Do ponto de vista do operador da rede, a microprodução pode ser vista como um

potencial de controlo dos sistemas de energia que permitirá aumentar a qualidade de

abastecimento, bem como o aumento da eficiência e suporte de controlo local dos perfis de

tensão.

As microredes são geridas por um controlador central, o MicroGrid Central Controller

(MGCC), que possui funções implementadas de gestão económica e funcionalidades de

controlo, de onde surge o conceito de SmartGrid.

- Arquitetura de Gestão e Controlo das Microredes 2.3.2

Na Figura 2.5 apresentam-se a arquitetura de uma microrede de acordo com o

“MicroGrides Project”.

Figura 2.5 – Arquitetura de Controlo de uma MicroRede, adaptado de [17].

As microredes incluem vários equipamentos e componentes, tais como microfontes,

cargas elétricas, sistemas de controlo local e centralizado bem como sistemas de eletrónica

de potência. O controlo centralizado da microrede é efetuado pelo MGCC, instalado do lado

de BT do transformador MT/BT, como pode ser observado na Figura 2.5. O MGCC apresenta

uma série de funções importantes que estabelecem a interface da rede de distribuição MT

com a microrede, as funções do MGCC incluem ainda a monitorização em tempo real da

potência ativa e reativa de todos os recursos distribuídos, bem como a capacidade de enviar

sinais de controlo através de set-points para o MC e LC. Assim sendo, cada microfonte e

sistema de armazenamento pode ser controlado localmente pelo “Microsource-Controller”

(MC) enquanto a carga pode ser controlada localmente pelo “Load Controller”(LC), [17].

O MC aproveita as funcionalidades das interfaces de eletrónica de potência que

estabelecem a ligação das microfontes e utiliza a informação local para controlar a tensão e a

frequência da microrede de forma automática ou através de set-points de valores de potência

ativa ou reativa enviados pelo MGCC. Esta tecnologia tem que ser adaptada ao tipo de

microfonte (painéis fotovoltaicos, células de combustível, micro turbinas, baterias, etc.).

A plataforma de comunicação necessária para suportar a arquitetura de controlo das

microredes, permite uma interação entre o MGCC, o controlo local das microfontes (MC), o

controlo local das cargas (LC), bem como estabelecer protocolos de comunicação com o

sistema de gestão das redes de distribuição (através dos sistemas Distribution Management

MT

Microturbina

BT

MGCC

MC

LC

Células de

combustivel

MC

MC

Microturbina

eólica

Paineis

fotovoltaicos

Cogeração

MC

MC

LCLC

LC

MC

AC

AC

AC

AC

AC

DC

AC

DC

DC

AC

Sistema de

armazenamento

DMS

carga

carga

carga

carga

LC

carga


System – DMS). A necessidade da gestão técnica das redes de distribuição (DMS) conduziu ao

desenvolvimento de um conjunto de funcionalidades, entre as quais, [18]:

Processador de topologia;

Alocação de cargas;

Previsão de consumos e correntes nos ramos;

Trânsito de Potências;

Cálculo de curto-circuitos

Controlo de tensão;

Localização de defeitos;

Estimação de estados;

Análise de viabilidade de manobras;

Algoritmos de otimização.

De forma a possibilitar a troca de informação entre os diferentes sistemas de

monitorização e controlo e componentes, os protocolos de comunicação TCP/IP3 apresentam-

se como uma boa solução:

Sistemas de comunicação dedicados4;

Possibilidade de utilizar estes protocolos para outros serviços ou aplicações;

Enorme variedade de tecnologias disponíveis com diferentes características

(Wireless, cabo, Ethernet);

Deste modo, diferentes infraestruturas de telecomunicação dedicada são uma opção para

estabelecer a comunicação entre os diferentes equipamentos de controlo. Destacam-se as

tecnologias Wireless, GPRS e a fibra ótica, evidenciando as vantagens e desvantagens de cada

tecnologia, de acordo com as referências bibliográficas [19],[20]e [21], apresentadas na

Tabela 2.1.

Em alternativa, comunicações não dedicadas explorando tecnologias que utilizam as

linhas de distribuição de energia como o “Power Line Carrier” (PLC) podem também ser

adequadas para a transmissão de dados entre as diferentes unidades de controlo das

microredes, [22].

3 Conjunto de protocolos de comunicação entre computadores em rede, protocolos de internet. 4 Os canais de comunicação dedicados consistem em protocolos de comunicação específicos para a

transmissão de dados e independentes dos sistemas de fornecimento de energia elétrica da microrede.

14 Estado da Arte

Tabela 2.1 – Vantagens e desvantagens das diferentes infraestruturas de comunicação, adaptado de [19],[20] e [21].

Tecnologia Vantagens Desvantagens

Wireless

Custos de implementação reduzidos

A simplicidade e robustez do equipamento repercutem-se numa redução do custo da manutenção

Solução flexível, a rede alcança locais sem a necessidade de meios físicos, uso mais eficiente do espaço físico

A qualidade de serviço pode ser facilmente comprometida, devido às limitações de radiotransmissão e à interferência de outros sinais

A velocidade na transferência de dados ainda é reduzida em comparação com as fibras óticas

Fibra Ótica

Taxas de transmissão da informação elevadas

Capacidade de transportar grandes quantidades de informação

Dimensões reduzidas

Imunidade às interferências eletromagnéticas

Atenuação reduzida

Custo de venda e manutenção elevado

Dificuldade de conexão entre várias fibras

Fragilidade das fibras óticas

GPRS

Ampla cobertura de todos os equipamentos

Acesso à internet em áreas remotas

Implementação de baixo custo

Velocidade de transmissão de dados reduzida

PLC

Utilizam as infraestruturas já existentes nas microredes como meio de comunicação;

Adequados para pequenas áreas geográficas, que é o caso das microredes.

Velocidade de transmissão de dados reduzida

A alteração das condições de operação da rede, influência os meios de comunicação (interferência eletromagnética, ruídos, etc)

– Controlo da tensão - interfaces de eletrónica de potência nas redes de 2.3.3

distribuição

2.3.3.1 – Inversores VSI

As interfaces de eletrónica de potência permitem a conexão das várias tecnologias de

microprodução com as redes de distribuição. Atualmente existem várias abordagens para o

controlo das unidades de microprodução, utilizando as capacidades e funcionalidades das

interfaces de eletróncia de potência. De acordo com [23], uma abordagem para o controlo

consiste na utilização de um controlo linear e proporcional da tensão através da potência

ativa. O princípio de funcionamento consiste em utilizar o inversor em modo fonte controlada

de tensão (Voltage Source Inverter –VSI) com o objetivo de medir a tensão entre fases no

ponto de ligação e comparar o valor medido (Urede) com o valor nominal pretendido (U0), o

erro resultante dessa comparação aplica-se à ação do controlador (kp) de forma a determinar

o valor de potência ativa a injetar ou absorver na rede, segundo a expressão (2.5).

(2.5)

O VSI é um inversor controlado com valores pré-definidos de tensão e frequência.

Dependendo do valor de carga o VSI define o valor de potência ativa a injetar ou a absorver

na rede, autonomamente o VSI simula o comportamento de uma máquina síncrona,

permitindo o controlo da tensão através de controlo do parâmetro inclinação ( ), de acordo

com a seguinte expressão, (2.6).


(2.6)

Da análise da expressão (2.5) e do gráfico da Figura 2.6 verifica-se que se tensão diminuir,

é injetada potência ativa para a rede, se a tensão aumenta é absorvida potência ativa.

Resumindo, o VSI permite um controlo proporcional da tensão com o ajuste do valor de

potência ativa, contudo é um controlo efetuado localmente, por exemplo num caso em que

se verifiquem desvios de tensão num determinado barramento da rede, apenas o VSI

associado à microprodução nesse local exercerá uma ação de controlo com o objetivo de

corrigir os desvios de tensão.

Figura 2.6 – Controlo proporcional P-V

2.3.3.2 - Inversores PQ

Os sistemas de gestão de recursos permitem um controlo descentralizado,

independentemente do local onde possam ocorrer desvios de tensão, estes sistemas permitem

uma gestão da potência ativa de qualquer unidade de microprodução disponível na rede.

Empresas como a Fraunhofer, desenvolveram um inversor PQ, [24], que permite ao operador

da rede de distribuição mediante uma mensagem de alarme enviar set-points de valores de

potência ativa e reativa às unidades de microprodução, Figura 2.7. A mensagem de alarme

pode ser indicativa de algum problema que possa existir na rede, por exemplo valores de

tensão acima do limite máximo admissível ou desvios do valor de frequência (em sistemas

isolados).

Figura 2.7 – Sistema de gestão da energia com o recurso de inversores PQ

O inversor PQ opera injetando na rede a energia especificada para o controlo. A potência

ativa injetada corresponde a um valor pré-determinado, definido localmente (usando uma

malha de controlo local) ou definido pelo centro de controlo da microrede (MGCC).

U

U0

ΔU

-4%

P

ΔP

É necessário injetar

potência para a rede

Urede

PredeP0

Mensagem de Alarme Set-points para os valores

de P e Q

Sistema de gestão do

operador

Sistema de

microprodução

16 Estado da Arte

– Conceito de Rede Inteligente (SmartGrid) 2.3.4

A Comissão Europeia define SmartGrid como ,[25], "A SmartGrid is an electricity network

that can intelligently integrate the actions of all users connected to it - generators,

consumers and those that do both – in order to efficiently deliver sustainable, economic and

secure electricity supplies".

Da citação anteriormente exposta, compreende-se que as SmartGrids consistem em

integrar os diversos recursos elétricos distribuídos; devem ser flexíveis, permitindo a

operação com diversas configurações de rede, incluindo a operação em rede isolada; fiáveis,

com elevados índices de continuidade de serviço e, por fim, devem ser sustentáveis, ou seja,

devem ter custos de operação baixos, apresentando elevada eficiência e baixos níveis de

emissões de gases nocivos para o ambiente. As SmartGrids são constituídas por meios físicos

(redes elétricas) e por infraestruturas de comunicação, sendo que os primeiros têm por

função permitir o fornecimento/abastecimento de energia elétrica, e os segundos, com

elevada largura de banda, têm como função disponibilizar informação fidedigna a todos os

agentes em simultâneo permitindo a tomada de decisão em tempo real, [26].

2.4 - Recursos Energéticos Distribuídos

A gestão coordenada dos principais recursos energéticos distribuídos nas redes de

distribuição é um dos principais objetivos para os futuros sistemas elétricos de energia. De

acordo com o estudo apresentado em [27], além da microprodução e das cargas, podem ser

considerados equipamentos tais como os sistemas de armazenamento bem como interfaces de

controlo dos consumos devido aos seguintes aspetos:

Podem ser utilizados para efeitos de estabilização de frequência ou controlo de

tensão;

Os sistemas de armazenamento permitem fornecer energia em períodos em que a

microprodução é insuficiente, e armazenar energia em períodos em que a

microprodução é elevada;

A gestão das cargas controláveis permite transferir consumo de períodos de ponta

para períodos em que este consumo pode ser necessário, por exemplo para o

controlo dos níveis de sobretensão nas redes, ou reduzir consumos em períodos de

ponta o que permite controlar os níveis de subtensão.

Existe uma vasta variedade de tecnologias com potencial para efeitos de controlo de

tensão, associada aos diferentes recursos distribuídos anteriormente mencionados. Estas

tecnologias diferem em certos parâmetros, tais como potência nominal, eficiência na

conversão de energia, controlabilidade, investimento/custos de operação, emissões de

dióxido de carbono (CO2), etc. Deste modo, para efeitos de controlo de tensão, podem ser

consideradas ações de controlo ao nível dos seguintes sistemas:

Unidades de Microprodução;

Dispositivos de Armazenamento;

Cargas controláveis.

– Microprodução 2.4.1

No contexto da legislação Portuguesa, [4], a microprodução, consiste na produção de

eletricidade para venda à operadora de rede de distribuição (no caso português, a EDP)

através de instalações de baixa tensão ou de pequena potência contratada. No Decreto-Lei

- Recursos Energéticos Distribuídos 17

n.º 363/2007, a legislação portuguesa referente à microprodução permite o exercício da

atividade de produção mediante um conjunto de requisitos definidos. Da citação do Artigo 4.º

do mesmo documento constata-se que, “Podem ser produtores de eletricidade por

intermédio de unidades de microprodução as entidades que preencham os seguintes

requisitos”:

Disponham de uma instalação de utilização de energia elétrica com consumo

efetivo de energia e que sejam titulares de contrato de compra e venda de

eletricidade em baixa tensão celebrado com um comercializador;

A unidade se destine a ser instalada no local servido pela instalação elétrica de

utilização;

A potência da unidade de microprodução não seja superior a 50 % da potência

contratada no contrato do cliente com o comercializador;

Possuam unidades de produção monofásica ou trifásica, em baixa tensão, com

potência de ligação até 5,75 kW.

Existem diversas tecnologias de microprodução, destacando-se as mais importantes e com

potencial de serem utilizadas em Portugal, tais como a solar fotovoltaica (PV) e as

microturbinas eólicas, mas também outras tecnologias mais avançadas tais como as células de

combustível. Todas esta tecnologias possuem diferentes características destaca-se a sua

controlabilidade, podendo dividir a sua classificação em três categorias de acordo com [28]

ou tipo de recurso, dividindo a sua classificação em duas categorias de acordo com [29].

Apresenta-se na Tabela 2.2 uma lista das tecnologias de microprodução distribuída de

acordo com a sua classificação.

Tabela 2.2 – Tecnologias de microprodução

Tecnologia Controlabilidade Recurso

Solar Fotovoltaica (PV) Não controlável Renovável

Micro-turbinas eólicas Parcialmente controlável Renovável

Células de combustível Controlável Não renovável

As restantes características bem como uma descrição mais detalhada destas tecnologias

será efetuada com maior detalhe nos subcapítulos que se seguem.

2.4.1.1 – Painéis fotovoltaicos

A tecnologia solar fotovoltaica consiste na conversão da radiação solar em energia

elétrica. Apesar de existirem várias aplicações desta tecnologia, o principal interesse no

contexto da microprodução, é a aplicação de pequenos módulos ligados às infraestruturas de

BT.

O processo da transformação da energia solar em elétrica é realizado através de células

fotovoltaicas conectadas habitualmente em série, formando um módulo ou painel fotovoltaico

com a potência nominal desejada. A eficiência na conversão energética destes painéis é de 15

a 20 %, dependendo da tecnologia de células fotovoltaicas (PV) utilizada [30].

O local preferencial para a instalação fotovoltaica é o topo dos telhados dos edifícios,

podendo também ser instalados em diferentes tipos de prédios (apartamentos, escolas,

centros comerciais).

Os modos de operação desta tecnologia no contexto das microredes consistem em:

Operação em regime isolado, alimentado diretamente as cargas;

Conectados à rede elétrica, entregando toda a energia produzida.

18 Estado da Arte

Dependendo do modo de operação deste sistema nas microredes, é necessário enumerar

os seguintes equipamentos que constituem o sistema fotovoltaico:

1. Gerador fotovoltaico - Consiste em vários módulos fotovoltaicos dispostos em

série e em paralelo, com estruturas de suporte e de montagem;

2. Inversor – Estabelece a ligação entre o gerador fotovoltaico e a rede de corrente

alternada (CA) ou a carga CA. A sua principal tarefa consiste em converter o sinal

elétrico de corrente contínua (CC) do gerador fotovoltaico num sinal elétrico CA e

ajustá-lo para a frequência e o nível de tensão da rede a que está ligado;

3. Baterias – A produção e consumo podem não coincidir ao longo do dia, as baterias

são a solução para este problema, pois é possível armazenar a energia produzida

quando a produção é superior ao consumo, e a energia armazenada permite um

fornecimento de energia quando não existe produção por parte da microprodução

fotovoltaica;

4. Aparelho de medida – Contador de energia elétrica.

A utilização de sistemas de eletrónica de potência (inversores) é de extrema importância,

porque além de permitirem uma interface de ligação entre este equipamento e a rede,

estabelecem um controlo da potência ativa a fornecer à rede, por exemplo através de set-

points exteriores. Os atuais inversores são ainda capazes de realizar as seguintes funções:

Ajuste do ponto operacional do inversor ao MPP5 do gerador fotovoltaico, esta

operação designa-se por rastreio do ponto MPP (Maximum Power Point Tracker –

MPPT);

Dispositivos de proteção, por exemplo proteção contra sobrecargas e

sobretensões;

Em Portugal esta tecnologia apresenta um nível de penetração elevado face às outra

tecnologias de microprodução, não só pelo facto do nosso país apresentar bons níveis de

radiação solar em comparação com outros países da europa, [31], mas também às suas

inúmeras vantagens, [30], tais como longevidade (20 a 25 anos de tempo de vida), custos de

operação reduzidos, funcionamento sem ruídos e uma autonomia razoável, sendo que, por

exemplo, com o sistema de baterias é possível fornecer energia mesmo na ausência de

radiação solar.

2.4.1.2 – Micro-turbinas eólicas

A energia eólica é a energia que o vento possui e que pode ser aproveitada para a

produção de energia elétrica. A energia do vento (energia cinética) faz girar as pás de uma

micro-turbina que por sua vez faz rodar um eixo (energia mecânica). Este eixo põe em

funcionamento o gerador elétrico, no qual os campos magnéticos convertem a energia

rotacional em eletricidade. A instalação de micro-turbinas de energia eólica encontra-se mais

facilitada em espaço aberto, mas também podem ser instaladas no topo dos edifícios, desde

que existam condições favoráveis à sua aplicação. Existem várias tecnologias que permitem

um funcionamento a velocidade constante ou velocidade variável, daqui retiram-se diversas

vantagens, [32], tais como:

Não é necessário combustível para o processo de produção;

Não poluente;

5 Do anglo-saxónico Maximum Power Point, é o ponto da curva característica onde a célula solar

funciona à máxima potência.


Fonte energética com um potencial de funcionamento de 24 horas diárias, ao

contrário da tecnologia solar fotovoltaica.

2.4.1.3 - Células de combustível

As células de combustível são uma tecnologia composta por equipamentos eletroquímicos,

que convertem a energia química do combustível em energia elétrica.

Uma das grandes vantagens desta tecnologia é a capacidade de associar diversas células

de combustível em série, o que permite formar pilhas de combustível com o nível de potência

pretendido. Quanto à sua classificação, esta depende da temperatura a que opera, o tipo de

combustível e as diferentes reações químicas que ocorrem no seu interior. Assim sendo,

apresenta-se na Tabela 2.3 as principais características associadas a cada tecnologia.

Do anteriormente exposto, existem cinco tecnologias principais de células de combustível,

[33]:

Células de combustível alcalinas (AFC – Alcaline Fuel Cells);

Células de combustível de ácido fosfórico (PAFC – Phosforic Fuel Cells);

Células de combustível de carbonato fundido (MCFC – Molten Carbonate Fuel

Cells);

Células de combustível de óxido sólido (SOFC – Solid Oxide Fuel Cells);

Células de combustível com membrana de permuta protónica (PEFC – Proton

Exchange Membrane Fuel Cells).

Tabela 2.3 – Tipos de pilhas de combustível, adaptado de [34]

Pilha de combustível Combustível Temperatura de

funcionamento (ºC) Rendimento

(%)

AFC Hidrogénico molecular (H2) 60-90 55-60

PAFC Hidrogénico molecular (H2) 200 35-45

MCFC CH4H2CO 600-650 45-55

SOFC CH4H2CO 800-1000 45-55

PEFC Hidrogénico molecular (H2) 70-90 35-45

Estas características permitem diferentes aplicações para as pilhas de combustível, assim

sendo a sua utilização como microfonte depende do seu modo de operação nas microredes.

Operação em paralelo com a microrede para alimentar um consumidor;

A sua energia é injetada diretamente na rede elétrica.

As células de combustível produzem energia elétrica em corrente contínua, e uma vez

que se pretende fornecer energia em corrente alternada é necessário um inversor CC/CA

como interface de ligação deste equipamento à microrede. Desta forma, garante-se:

Sincronismo com rede e consequentemente estabilidade de operação;

Injeção de potência reativa com o controlo do fator de potência;

Eficiência e fiabilidade elevada;

Controlo de tensão.

Apresentam ainda vantagens face a outras tecnologias tais como, [33]:

Não possuem partes móveis, comparativamente com as microturbinas, esta

tecnologia evita perdas por atrito e falhas das partes móveis na sua operação;

20 Estado da Arte

Tecnologia modular, conferindo flexibilidade conforme as necessidades dos

sistemas de potência.

– Sistemas de Armazenamento 2.4.2

A utilização de sistemas de armazenamento nas redes de distribuição, e em particular no

contexto das SmartGrids, permite compensar a incapacidade de a microprodução não

satisfazer o consumo devido à sua variabilidade e à impossibilidade de transferência desta

energia para outros períodos em que pode ser mais necessária.

As fontes de energia renovável são normalmente recursos de produção descentralizada

nas redes de BT que podem causar diversos problemas de estabilidade do sistema e dos níveis

de tensão. Uma boa gestão dos sistemas de armazenamento geograficamente distribuídos nas

redes permitem resolver estes problemas.

Existem várias tecnologias de armazenamento de energia elétrica, destacando-se as

seguintes soluções para o armazenamento de energia nas redes de BT:

Baterias;

Volantes de Inércia;

Super-condensadores.

2.4.2.1- Baterias

As baterias têm a capacidade de armazenar energia elétrica sob a forma de energia

química. Uma das grandes utilidades na utilização das baterias para o armazenamento de

energia nas redes de BT é a rápida resposta por parte destes recursos face a situações de

contingência, classificando-se como ideais para o despacho de energia para períodos a curto

prazo (horas ou dias), permitindo garantir a estabilidade do sistema (igualar a produção ao

consumo) e manter níveis adequados da tensão nos barramentos das redes de distribuição.

As baterias apresentam rendimentos consideravelmente elevados, na ordem dos 60 a 95 %

e o seu custo de aquisição e instalação é relativamente reduzido face a outras tecnologias de

armazenamento, [35].

Apesar das enormes vantagens das baterias, a utilização em larga escala desta tecnologia

ainda não é uma realidade devido à pequena capacidade de armazenamento, densidade

energética reduzida, custos elevados de manutenção, ciclo de vida reduzido, limitações da

capacidade de descarga.

Do anteriormente exposto e destacando a utilidade dos sistemas de armazenamento,

existem várias tecnologias de baterias, as mais interessantes do ponto de vista das microredes

são [35]:

Chumbo-Ácido – Tecnologia madura com um rendimento de conversão energética

situado entre os 70-90 %, ciclo de vida reduzido (500-1000 ciclos) e reduzida

densidade energética (30-50 Wh/Kg);

Níquel–Cádmio – Tecnologia madura (cerca de 100 anos de existência),

necessidade de pouca manutenção, densidade energética relativamente elevada

(50-75 Wh/Kg), ciclo de vida relativamente reduzido (2000-2500 ciclos) e

rendimento situado entre os 60-70 %;

Iões de Lítio – Tecnologia com o rendimento mais elevado (90-95 %), ciclo de vida

longo (cerca de 10000 ciclos) e densidade energética elevada (75-

200 Wh/Kg).Ainda em fase de crescente desenvolvimento, esta tecnologia possui

custo de aquisição e instalação mais elevados.


2.4.2.2 - Volantes de Inércia

Os volantes de Inércia são acumuladores de energia cinética acoplados a um

motor/gerador elétrico, sendo que durante o ciclo de carga são acionados pelo motor,

acumulando energia cinética, e durante a descarga o motor passa a funcionar como gerador

produzindo energia elétrica da energia rotacional do volante de inércia.

A grande vantagem dos volantes de inércia em comparação com os outros acumuladores

de energia, é o seu ciclo de vida elevado, capaz de providenciar milhares de ciclos de carga e

descarga, quanto à eficiência na conversão energética, é elevada, cerca de 90-95 %, [35].

Devido à elevada inércia do rotor dos motores, é necessário bastante energia para o

arranque, atingindo a potência nominal de forma lenta e progressiva, pelo que a utilização

desta tecnologia é mais adequada para aplicações de reserva girante6, do que propriamente

de reserva estática7.

2.4.2.3 – Super - condensadores

Os super–condensadores armazenam a energia elétrica sob a forma de campo elétrico,

com um princípio de funcionamento similar ao de um condensador. Esta tecnologia apresenta

rendimentos que rondam os 95-97 % e uma elevada resposta às súbitas alterações dos

consumos (na ordem dos milissegundos), com taxas da carga e descarga praticamente

instantâneas,[35].

Esta tecnologia ainda está em fase de crescimento e possui densidade energética muito

reduzida apesar de apresentar ainda custos de aquisição elevados.

– Comparação dos diferentes sistemas de armazenamento 2.4.3

O gráfico apresentado na Figura 2.8 apresenta os rendimentos de cada uma das

tecnologias de armazenamento mencionadas anteriormente.

Figura 2.8 – Rendimentos dos sistemas de armazenamento

Na Tabela 2.4 apresenta-se a comparação das principais características dos sistemas de

armazenamento considerados.

6 A reserva girante é a diferença entre a potência ativa que é possível solicitar a um grupo produtor

e a potência que ele está a fornecer. 7 A reserva estática é a reserva constituída pelos grupos geradores prontos a arrancar para serem

ligados à rede, fornecendo potência ativa.

100%

90%

60%

80%

70%

Volantes de Inércia

Super condensadores

Iões de Lítio

Níquel-Cádmio

Chumbo-ÁcidoRe

nd

ime

nto

22 Estado da Arte

Tabela 2.4 – Comparação das principais características das tecnologias de armazenamento

Sistema Densidade Energética (Wh/kg) Ciclo de Vida (ciclos)

Chumbo-Ácido 30-50 500-1000

Níquel – cádmio 50-75 2000-2500

Iões de Lítio 75-200 >10000

Volantes de Inércia 10-30 20000>

Super Condensadores 0,05-5 50000>

– Cargas Controláveis 2.4.4

O consumo de energia elétrica no setor residencial em Portugal tem apresentado um

crescimento acentuado nos últimos anos representando cerca de 17,7 % do consumo nacional

em energia final por sector em 2009, segundo o estudo realizado pela Direção Geral de

Energia e Geologia, conforme pode ser observado na figura seguinte, [36].

Figura 2.9 – Repartição do consumo de energia elétrica final, por setor, 2009, [36]

O consumo do setor Doméstico e de Serviços é assegurado pelas redes de BT, pelo que um

controlo eficaz dos consumos poderá ser uma ferramenta adicional ao operador para resolver

os problemas nas redes de distribuição de BT, nomeadamente:

Controlo de tensão;

Equilíbrio da produção/consumo.

Diversos estudos, [37] e [38] concentram-se no controlo das aplicações domésticas devido

à diversidade de diferentes equipamentos de consumo e à complacência dos clientes, Figura

2.10.

Doméstico 17,7 %

Indústrias 30,5 %

Transportes 37,5 %

Serviços 12 %

Agricultura/Pescas 2,3 %


Figura 2.10 - Taxas de posse dos equipamentos (clientes domésticos), [36]

Uma boa gestão destas aplicações permite otimizar a utilização da eletricidade,

reduzindo os custos dos clientes, bem como do operador do sistema de distribuição.

De acordo com [38] são estabelecidas várias categorias para classificar o controlo das

diversas aplicações domésticas, sendo que esta classificação divide-se em:

Cargas não controláveis – consumo do cliente classificado como não controlável,

em que a alteração destes consumos poderá apresentar dificuldades técnicas,

mudança drástica dos hábitos de consumo ou causar desconforto aos clientes;

Carga cortada – Consiste em equipamentos que podem ser desligados por

pequenos períodos de tempo sem comprometer a qualidade de serviço ao cliente

ou hábitos de consumo;

Carga transferida – Consiste na transferência de consumos, por exemplo dos

períodos de ponta em que o custo da tarifa energética é mais elevado para horas

de vazio;

Carga reduzida – Medidas de eficiência energética cujos resultados a longo prazo

permitem uma redução do consumo residencial dos clientes, apenas com boas

práticas na utilização dos diversos equipamentos realizadas por estes.

Estas ações devem ser implementadas respeitando algumas restrições com o objetivo de

evitar uma mudança drástica dos hábitos de consumo, garantindo que não existe desconforto

por parte dos clientes. Por exemplo, equipamentos como o frigorífico podem ser

interrompidos apenas por pequenos períodos de tempo que não comprometam a qualidade de

serviço. Na Tabela 2.5 apresenta-se a classificação das principais cargas domésticas.

0% 10% 20% 30% 40% 50% 60% 70% 90%80% 100%

Frigorífico

Congelador

Máquina Lavar Roupa

Máquina Secar Roupa

Audiovisuais

Informática

Iluminação

AQS Elétrico

Aquecimento ambiente

Arrefecimento ambiente

Máquina Lavar Louça

Forno Elétrico

24 Estado da Arte

Tabela 2.5 – Ações de controlo no consumo residencial, [38]

Carga Não Controlável Cortada Reduzida Transferida

Máq.Lavar Roupa

Máq.Secar Roupa

Máq.Lavar Loiça

Iluminação

Informática

Frigorifico

Congelador

Audiovisuais

Aquecimento ambiente


Forno

AQS Elétrico

Outros

2.4.4.1 – Programas de gestão de Consumos

A energia elétrica é um recurso que apresenta elevadas dificuldades de armazenamento

em grande escala e como resultado tem de existir um equilíbrio entre a produção e o

consumo em tempo real. Tradicionalmente, a forma de satisfazer a ponta é aumentar a

produção, investindo em novas unidades produtoras.

A gestão dos consumos permite evitar tais investimentos, compensando ao operador dar

incentivos monetários ao consumidor para alterar os seus perfis de consumo.

Assim sendo, os programas para gestão de consumos podem ser divididos em duas

categorias, [39]:

1. Programas baseados em incentivos ao consumidor, que participam em tais

programas (cargas controláveis), de forma a reduzirem os seus consumos ou

desloca-los para outros períodos do dia.

2. Programas baseados na alteração da tarifa de energia elétrica para horas

críticas, tais como horas de ponta, deste modo os consumidores tendem a

reduzir os seus consumos quando o preço da eletricidade é elevado,

deslocando-os para outros períodos onde o preço é mais reduzido.

Os benefícios da aplicação destes programas para o operador da rede são vários,

destacando-se os seguintes, [39]:

Benefícios económicos;

Redução de Custos;

Apoio a situações de contingência, controlo de tensão e frequência.

Reduzir o valor de ponta de consumo nas redes de distribuição, o que permite evitar

investimentos em novas unidades produtoras para satisfazer o consumo neste período;

Contextualizando o anteriormente exposto ao problema em questão, a elevada

penetração de microprodução nos SEE eleva a tensão nos respetivos barramentos, podendo

provocar uma violação dos limites técnicos admissíveis. Os programas de gestão de consumos

podem ser uma solução flexível para o controlo de tensão, evitando o corte da


microprodução, maximizando a sua integração da rede cumprindo os limites técnicos da rede,

tais como os limites de tensão nos barramentos e os limites admissíveis para o trânsito de

potência nos ramos.

Deste modo, o interesse nos programas de gestão de consumos é elevado, e já existem

vários estudos, que tentam desenvolver arquiteturas de controlo, tecnologias e algoritmos

que permitam utilizar estes recursos como ações de controlo nas redes de distribuição.

27

Capítulo 3

Controlo de Tensão em Redes de

Distribuição de BT

O presente capítulo apresenta uma estratégia para o controlo da tensão nas microredes.

Cenários com elevada penetração de microprodução (potência ativa) provocam uma elevação

da tensão nos barramentos do sistema, comprometendo a qualidade de serviço no

fornecimento de energia elétrica aos clientes da rede.

Deste modo, o desenvolvimento de novas e avançadas ferramentas de gestão,

arquiteturas e algoritmos de controlo de tensão ou a adaptação de novas ferramentas às

existentes é do interesse do operador a fim de resolver os problemas de elevada integração

de produção renovável nas redes de distribuição de BT. O algoritmo desenvolvido consiste

numa ferramenta de gestão dos recursos distribuídos disponíveis para efeitos de controlo de

tensão nas microredes, integrada nos sistemas de gestão das redes de distribuição (DMS) ou

no controlador ao nível do posto de transformação MT/BT (MGCC) com o objetivo de auxiliar a

operação da rede em situações de contingência8, designadamente desvios de tensão.

3.1 - Controlo Coordenado de Recursos Energéticos Distribuídos

O contributo fundamental deste trabalho é a análise da aplicabilidade de uma

metodologia de gestão de recursos para o controlo de tensão, no contexto de uma SmartGrid,

para uma rede real de distribuição de BT. A metodologia considera uma ferramenta de

controlo gerida pelo operador da rede de distribuição e instalada nos seus sistemas de DMS ou

no MGCC. Deste modo, para a obtenção de resultados credíveis e realistas necessitam na sua

base de dados uma grande quantidade de informação, designadamente:

Características das cargas;

Características da microprodução;

Informações relativas aos programas de gestão de consumos, designadamente a

carga passível de ser cortada ou transferida;

Limites técnicos das redes de distribuição (níveis de tensão, fluxos de potência);

8 Situações que comprometem a segurança e a qualidade na operação das redes de distribuição de

BT.

28 Controlo de Tensão em Redes de Distribuição de BT

Informações relativas aos sistemas de armazenamento, potência de carga e

descarga máxima, limite da capacidade de armazenamento, estado de

armazenamento;

Características das linhas e cabos elétricos (tipo de condutores e suas

características).

Do anteriormente exposto, para a aplicação desta metodologia é essencial que os sistemas

de gestão possuam moderados requisitos computacionais que permitam a simulação destes

algoritmos com eficiência e que as microredes possuam uma arquitetura de controlo que

permita a gestão dos diferentes recursos energéticos distribuídos, nomeadamente uma

infraestrutura de comunicações adequada.

Neste trabalho admite-se que o sistema analisado é completamente observável. No

entanto, num contexto real, poderá não ser necessário uma observabilidade completa

recorrendo a algoritmos de estimação de estados, onde a disponibilidade de um conjunto de

medidas com suficiente redundância permitirá conhecer o estado atual do sistema. Já

existem na literatura publicações de novas metodologias de estimação de estados, [40], que

evidenciam bons resultados na determinação de grandezas não observáveis em tempo real,

que poderão ser aplicadas ao contexto das microredes, pelo que a inclusão destes algoritmos

poderia suportar a ferramenta de controlo de tensão aqui desenvolvida.

Deste modo, os modelos desenvolvidos devem adequar-se ao contexto real. A sua

aplicação nas microredes é essencial para a sua validação, conferindo-lhe um sentido prático

num futuro próximo.

– Gestão dos Sistemas de armazenamento 3.1.1

O objetivo do algoritmo desenvolvido para o controlo de tensão é a gestão dos recursos

distribuídos para um período temporal a curto prazo.

De acordo com as tecnologias de armazenamento apresentadas na secção 2.4.3 do 0 é

necessário selecionar a que possui as características desejadas para o controlo avançado de

tensão nas redes de distribuição de BT. A instalação destes sistemas na microrede tem como

propósito armazenar energia nos períodos em que se verifica sobretensões e utilizar esta

energia em períodos de ponta, onde o consumo elevado poderá provocar subtensões nos

barramentos das microredes. Os sistemas de armazenamento devem ter capacidade para

armazenar energia durante algumas horas e com elevada eficiência.

Na Tabela 3.1 estão identificadas as tecnologias de armazenamento mais utilizadas nas

instalações de BT. As baterias possuem as características mais adequadas ao problema em

questão devido à rápida resposta por parte destes recursos face a situações de contingência,

classificando-se como ideais para manter níveis adequados da tensão nos barramentos das

redes de distribuição. Possuem rendimentos aceitáveis, uma razoável densidade energética e

apresentam custos de aquisição reduzidos. As baterias de iões de lítio apresentam-se como a

tecnologia potencialmente mais vantajosa no contexto do problema, com o objetivo de

modelizar os sistemas de armazenamento como ação de um sistema de controlo de tensão.

Esta tecnologia apresenta um rendimento e densidade energética elevada, características que

permitem armazenar uma moderada quantidade de energia com razoáveis rendimentos de

ciclo de carga e descarga por longos períodos de tempo.

- Controlo Coordenado de Recursos Energéticos Distribuídos 29

Tabela 3.1 – Características dos sistemas de armazenamento adaptado de [35]

Sistema Densidade Energética

(Wh/kg) Ciclo de Vida

(ciclos) Rendimento

(%)

Chumbo-Ácido 30-50 500-1000 70-90

Níquel – cádmio 50-75 2000-2500 60-70

Iões de Lítio 75-200 >10000 95

Volantes de Inércia 10-30 20000> 90-95

Super-Condensadores 0,05-5 50000> 95-97

Os sistemas de armazenamento apresentam-se como um recurso a utilizar pela

ferramenta de controlo de avançado de tensão desenvolvida, sendo que as características

fundamentais não só permitiram estabelecer critérios de comparação para a seleção da

tecnologia mais adequada como também para uma correta modelização destes sistemas.

As características fundamentais para modelizar os sistemas de armazenamento como ação

de controlo avançado de tensão são:

Capacidade de armazenamento – Quantidade de energia que é possível

armazenar no período temporal considerado;

Potência disponível – Consiste na potência máxima de carga ou descarga;

Taxas de carga e descarga – Consiste na potência que pode fornecer à rede ou a

potência que pode armazenar durante o período de uma hora.

A conexão das baterias com a rede é realizada através de sistemas de eletrónica de

potência, designadamente os inversores do tipo VSI já apresentados. Estes equipamentos

permitem utilizar a energia armazenada nas baterias, comportando-se como uma máquina

síncrona, permitindo o controlo da tensão ou da frequência das microredes [41].

- Gestão de Consumos 3.1.2

As técnicas de gestão de consumos nas redes de Baixa Tensão, em particular no setor

residencial consistem nas seguintes ações de controlo:

Corte classificado de carga - As aplicações domésticas de um único consumidor

(ou um grupo de consumidores com os mesmos perfis) são classificados pela sua

controlabilidade. Esta classificação permitirá ao operador selecionar as aplicações

que serão desligadas da rede de forma a obedecer a uma classificação específica,

esta ação permite controlar os níveis de subtensão nos períodos de ponta;

Transferência de cargas - Consiste na transferência de consumo dos clientes nos

períodos de ponta, onde o elevado consumo provoca níveis de tensão reduzidos

nos barramentos das microredes para períodos onde se verificam problemas de

sobretensão devido à microprodução elevada.

De acordo com o estudo demonstrado na Figura 2.10 da secção 2.4.4 do 0, a taxa de posse

dos diferentes equipamentos pode variar de cliente para cliente. Da análise da figura conclui-

se que todos os clientes possuem um frigorífico e um congelador, sendo que se considera que

estes equipamentos são potenciais alvos de controlo (corte classificado de carga) para

clientes com potência contratada igual ou superior a 3,45 kW. Para clientes com potência

contratada igual ou superior a 6,9 kW, estão disponíveis para qualquer uma das ações de

controlo evidenciadas na Tabela 3.2.


Tabela 3.2 – Ações de controlo de gestão de consumos consideradas no caso de estudo

Carga Cortada Transferida Potência

contratada (kVA)

Máq.Lavar Roupa ≥6,9

Máq.Secar Roupa ≥6,9

Máq.Lavar Loiça ≥6,9

Frigorifico ≥3,45

Congelador ≥3,45

Aquecimento ambiente ≥6,9


≥6,9

Ainda da análise da Tabela 3.2 é possível verificar que as técnicas de redução de

consumo, evidenciadas na secção 2.4.4 do 0 não foram aplicadas, pois são ações de eficiência

energética, cujo impacto na alteração dos perfis de consumo é reduzido para um horizonte

temporal a curto prazo, neste caso de algumas horas.

É importante quantificar a potência média de consumo de cada equipamento, desligar um

equipamento ou utiliza-lo num outro período do dia altera o perfil de consumo do cliente.

Atuar no consumo do cliente é uma boa estratégia para controlar os níveis de tensão nos

barramentos das microredes, sendo que o aumento de consumo provoca um decréscimo dos

níveis de tensão enquanto a diminuição do consumo provoca uma elevação dos níveis de

tensão.

A Tabela 3.3 evidencia o consumo médio de cada um dos equipamentos classificados como

disponíveis para ações de controlo. Considera-se ainda, que os clientes utilizam os referidos

equipamentos classificados como ações de controlo de tensão, apenas uma vez durante o dia.

Tabela 3.3 – Potência média dos equipamentos residenciais classificados como ações de controlo adaptado de [42]

Equipamento Potência média (W)

Máq.Lavar Roupa 900

Máq.Secar Roupa 1000

Máq.Lavar Loiça 1300

Frigorifico 200

Congelador 150

Aquecimento ambiente 1400

Arrefecimento ambiente 1400

A gestão de consumos apresenta-se como um recurso a utilizar pela ferramenta de

controlo de avançado de tensão desenvolvida, sendo que as características fundamentais

(Potência média) permitem modelizar estes recursos como ação de controlo.

- Microprodução 3.1.3

O corte de microprodução, na literatura anglo-saxónica “microgeneration shedding”, é

um método de controlo utilizado quando os outros métodos se encontrem indisponíveis para

controlar os valores de tensão dentro dos limites aceitáveis.

Com o objetivo de controlar os valores de tensão, caso os recursos anteriormente

mencionados se encontrem indisponíveis, torna-se necessário reduzir os valores de tensão

- Controlo Coordenado de Recursos Energéticos Distribuídos 31

com a redução da produção proveniente da microprodução. Assume-se o sistema de controlo

para a microprodução definido na secção 2.3.3.2 do 0, que consiste no envio de valores pré-

definidos de potência do MGCC para o MC, controlando os inversores PQ e consequentemente

a potência que a unidade de microprodução local deve injetar na rede.

Deste modo, o corte de microprodução apresenta-se como um recurso a ser utilizado pela

ferramenta de controlo de avançado de tensão desenvolvida.

- Arquitetura de controlo 3.1.4

As ações de controlo são definidas através de set-points enviados pelo operador,

através do MGCC para o LC, para controlar ou alterar os consumos, para o MC para controlar a

microprodução (corte de microprodução) e os sistemas de armazenamento (armazenar ou

descarregar uma certa quantidade de energia). A comunicação e a troca de informação entre

estas infraestruturas de controlo é bidirecional, sendo que os contadores inteligentes

permitem a obtenção de dados tais como o consumo dos clientes, a tarifa aplicada e enviar

esta informação para o MGCC.

Quanto às tecnologias a considerar, a utilização dos contadores inteligentes facilitará

a aplicação de programas de gestão de consumos em larga escala no setor residencial. Do

ponto de vista do operador das redes de distribuição de BT, um controlo inteligente dos

consumos neste setor predominante, permitirá reduzir a ponta de consumo das redes de

distribuição. Um exemplo da aplicação destes contadores nas redes de distribuição em

Portugal é o projeto InovGrid, projeto inovador que dota a rede elétrica de informação e

equipamentos inteligentes capazes de automatizar a gestão da energia. A implementação dos

contadores inteligentes permite analisar com detalhe os consumos dos clientes, aproximando

a oferta da procura da energia. Do ponto de vista do operador, garante-se uma maior

segurança no abastecimento, aumentando a capacidade de integração da produção

distribuída no sistema, com uma microprodução mais eficaz e mais fácil de controlar. Uma

das principais funções da gestão de consumos é a capacidade do controlo das decisões na

alteração do consumo doméstico, na microprodução do cliente, [37].

Na secção 2.3.3 do 0 foram apresentadas as interfaces de eletrónica de potência,

sendo que os inversores atuais permitem já controlar a potência da microprodução bem como

os sistemas de armazenamento através de set-points enviados pelo operador da rede,

designadamente do MGCC.


Figura 3.1 – Arquitetura de gestão dos Recursos Energéticos da microrede

A arquitetura da Figura 3.1 poderá ser aplicada utilizando um sistema de Wireless como

interface de comunicação. Assim sendo, para implementar estas funcionalidades é

estabelecida uma infraestrutura de comunicação entre o MGCC, MC e o LC. A importância de

interfaces de comunicação dedicados nos sistemas elétricos está relacionada com o facto de a

microrede poder operar em modo de emergência (regime isolado) comprometendo os meios

de comunicação não dedicados. Um meio de comunicação dedicado com alimentação

independente da rede permite manter os canais de comunicação e garantir o controlo de

todos os recursos distribuídos nas microredes.

3.2 - Formulação Matemática

Um controlo hierárquico e coordenado dos recursos distribuídos disponíveis na rede

poderá ser formulado como um problema de otimização.

As técnicas de otimização aqui aplicadas permitem obter uma melhor gestão de todos os

recursos da rede de forma a cumprir diferentes objetivos, tais como:

Minimizar as ações de controlo (minimizar a potência necessária dos recursos

distribuídos para controlar os desvio de tensão);

Minimizar os desvios de tensão;

Minimizar a energia desperdiçada da microprodução;

Minimizar a energia não fornecida.

Máquina de lavar roupa

Frigorifico

Máquina de secar roupa

Congelador

LC

Ar Condicionado

Carga não controlável

Máquina de lavar louça

REDE

Contador Inteligente

Microgeração solar fotovoltaica

PT – MT/BT

Armazenamento

MGCC

MCMC



- Formulação Matemática 33

- Função Objetivo 3.2.1

Neste trabalho a função objetivo formulada, consiste na minimização das ações de

controlo de tensão, de forma a utilizar o mínimo de potência possível destes recursos que

permita corrigir as tensões de acordo com os limites técnicos impostos bem como o

cumprimento de todas as restrições técnicas associadas ao problema. A hierarquia da

utilização dos recursos foi estabelecida recorrendo a penalizações nos diferentes termos da

função objetivo (3.1).

(3.1)

Com o objetivo de garantir uma hierarquia na utilização dos recursos distribuídos

anteriormente mencionados, os valores dos pesos foram selecionados de forma a que

. Desta forma os recursos são utilizados pela seguinte ordem:

1. Sistemas de armazenamento, f1;

2. Carga que pode ser transferida, f2;

3. Carga que pode ser cortada, f3 (carga controlável);

4. Microprodução que pode ser cortada e corte indiscriminado de carga, f4 (carga

classificada como não controlável).

A primeira ação para efeitos de controlo de tensão é a gestão dos sistemas de

armazenamento. Uma boa gestão destes recursos consiste na minimização da potência de

carga e descarga. Estes recursos são utilizados de forma a evitar o corte da microprodução,

armazenando a energia excedente e evitando o corte de carga, descarregando a energia

armazenada nos períodos em que os valores de tensão são reduzidos, elevando os valores de

tensão nos barramentos do sistema (nr) conforme se apresenta na expressão 3.2.

∑

(3.2)

No caso de indisponibilidade da utilização das baterias devido à sua capacidade de

armazenamento, segue-se a próxima ação de controlo, que consiste na transferência de

cargas das horas em que existe problemas de subtensão para períodos em que se verifica

sobretensões, conforme se apresenta na expressão (3.3).

∑(

)

(3.3)

A próxima medida de controlo a considerar é o corte de carga. De referir que este

controlo consiste no corte de carga classificada para tal (carga não-prioritária),

designadamente o consumo que o cliente está disposto a cortar por pequenos períodos de

tempo e que não provoquem impactos negativos, tais como desconforto ou qualquer tipo de

prejuízo na sua atividade, conforme se apresenta na expressão (3.4).

∑(

)

(3.4)

No caso da indisponibilidade das medidas de controlo anteriormente mencionadas, será

necessário cortar microprodução (ação de último recurso) para minimizar as sobretensões, ou


cortar carga não controlável para elevar os níveis de tensão e corrigir os problemas de

subtensão, conforme se apresenta na expressão (3.5).

∑

(3.5)

O período sequencial considerado é de 24 horas, sendo que a função objetivo (3.1) foi

aplicada hora a hora, obtendo o melhor plano de operação dos recursos considerados

cumprindo todas as restrições apresentadas nas secções seguintes.

Com:

Potência ativa cortada da microprodução do barramento i no período h (kW);

Potência não fornecida ao cliente do barramento i no período h (kW);

Potência de descarga da bateria i no período h (kW);

Potência cortada da carga i no período h (kW);

Potência transferida da carga i no período h (kW);

Potência de carga da bateria do barramento i no período h (kW);

Variável binária 1, existe transferência de carga0, não existe transferência de carga;

Variável binária 1, existe corte de carga0, não existe corte de carga;

Pesos;

Número de barramentos da rede.

- Restrições de controlo dos sistemas de armazenamento 3.2.2

Na gestão dos sistemas de armazenamento, é necessário limitar a capacidade máxima de

armazenamento de cada unidade que opera na rede, conforme se pode ver na expressão

(3.6).

(3.6)

Os limites de carga e descarga são considerados, conforme se apresenta nas expressões,

(3.7) e (3.8).

(3.7)

(3.8)

Os sistemas de armazenamento não podem operar com uma taxa de carga que ultrapasse

a sua capacidade máxima de armazenamento, segundo a expressão (3.9), e não operam com

uma taxa de descarga que ultrapasse a energia que se encontra armazenada nas baterias,

segundo a expressão (3.10).

(3.9)

(3.10)

Em cada período de tempo h, cada unidade de armazenamento só poderá carregar ou

descarregar, assim sendo a restrição (3.11) representa a inibição de carga e descarga em

simultâneo.

(3.11)

- Formulação Matemática 35

A equação (3.12) traduz a atualização do estado de armazenamento das baterias.

(3.12)

Com:

Energia armazenada da bateria i no período h (kWh);

Limite máximo de armazenamento da bateria i no período h (kWh);

Potência de carga da bateria i no período h (kW);

Potência de carga máxima da bateria i no período h (kW);


Potência de descarga máxima da bateria i no período h (kW);

Variável binária, se for 1 o sistema de armazenamento i está a carregar no período h

Variável binária, se for 1 o sistema de armazenamento i está a descarregar no período h;

Número de barramentos da rede;

Passo temporal , .

- Restrições de controlo de carga 3.2.3

O operador da rede de distribuição poderá controlar as cargas de duas formas distintas,

cortando consumo classificado como não-prioritário para o cliente, ou transferir o consumo de

certos períodos para outros. Estas medidas alteram os perfis de consumo e permitem ajudar a

controlar os níveis de tensão.

A deslocação de consumos consiste em utilizar ou desligar equipamentos domésticos (α)

da carga i em certos períodos de tempo h, pelo que esta medida de controlo é modelizada

através de um conjunto de variáveis discretas que representam a carga que pode ser

transferida, conforme se apresenta na expressão (3.13).

(3.13)

Se um equipamento α foi utilizado no período h, não será utilizado num outro período

, (3.14).

(3.14)

Durante todo o período de 24 horas, só pode ser transferido determinado consumo α de

cada carga i, uma única vez, conforme se apresenta na expressão (3.15).

∑

(3.15)

Potência ativa da carga i que pode ser transferida do período h;

Potência média do equipamento α da carga i que pode ser transferida do período h;

A Conjunto das variáveis discretas que representa a potência média dos equipamentos que pode ser transferida

Variável binária, se for 1 é transferido o consumo do equipamento α da carga i, se for 0 não existe transferência;

Potência média de uma máquina de lavar roupa (kW);

Potência média de uma máquina de secar roupa (kW);

Potência média de uma máquina de lavar louça (kW).

Outra medida possível para o controlo dos níveis de tensão, nomeadamente os níveis

de subtensão nos períodos de consumo elevado, é a redução de consumos por parte do

consumidor. Esta redução consiste no corte de carga por pequenos períodos de tempo, sendo


esta medida modelizada por um conjunto de variáveis discretas que representam a potência

que pode ser cortada por cada cliente i. A expressão (3.16) representa a potência que pode

ser cortada numa determinada hora h, como uma combinação das potências médias dos

equipamentos (B) do cliente i.

;

(3.16)

Durante todo o período de 24 horas, só pode ser cortado determinado consumo β de uma

carga i, uma única vez, (3.17).

∑

(3.17)

Conjunto de elementos definidos pelo algoritmo para o corte de carga;

Potência ativa da carga i que pode ser cortada no período h;

Potência média do equipamento β da carga i que pode ser cortada no período h;

Conjunto das variáveis discretas que representa a potência média dos equipamentos que

pode ser cortada (B=β1; β2; β3);

Variável binária 1, existe corte de carga0, não existe corte de carga

Potência média de um frigorífico (kW);

Potência média de um congelador (kW);

Potência média dos equipamentos de ar condicionado (kW).

- Restrições dos limites técnicos da Rede de BT 3.2.4

As equações do trânsito de potências ativa e reativa na rede tem que ser cumpridas,

(3.18) e (3.19), de acordo com o modelo de trânsito de potências trifásico implementado, que

é apresentado na secção seguinte, [43].

∑

(3.18)

∑

(3.19)

As restrições de desigualdade (3.20) e (3.21), representam a gama de tensões admissível

nos barramentos e o limite máximo do trânsito de potências nas linhas.

(3.20)

(3.21)

Potência ativa proveniente da rede de MT no barramento de referência no período h

(kW);

Potência ativa cortada da microprodução do barramento i no período h (kW);

Potência não fornecida ao cliente do barramento i no período h (kW);

- Algoritmo (EPSO + Trânsito de Potências Trifásico) 37


Potência cortada da carga i no período h (kW);

Potência transferida da carga i no período h (kW);

Potência de carga da bateria do barramento i no período h (kW);

Potência ativa consumida pela carga do barramento i na hora h (kW);

Potência reativa proveniente da rede de MT no barramento de referência mo período h

(kW);

Potência reativa consumida pela carga do barramento i na hora h (kW);

Módulo da tensão no barramento i (V);

Módulo da tensão no barramento k (V);

Condutância da linha entre os barramentos i e k (S);

Susceptância da linha entre os barramentos i e k (S);

Diferença do ângulo de tensão entre os barramentos i e k;

Número de barramentos k conectados ao barramento i;

Trânsito de potência aparente entre o barramento i e k;

Limite máximo de potência aparente que pode circular entre o barramento i e k;

3.3 - Algoritmo (EPSO + Trânsito de Potências Trifásico)

A formulação do problema de otimização anteriormente descrita foi implementada em

software MATLAB®, com o desenvolvimento dos algoritmos necessários para resolver um

problema de otimização não linear considerando variáveis continuas e discretas.

Os algoritmos desenvolvidos foram:

Enxame Evolucionário de Partículas (EPSO);

Trânsito de Potências Trifásico;

Algoritmo multi-temporal9 para o controlo avançado de tensão.

- MATLAB – MATrix LABoratory 3.3.1

MATLAB® é uma linguagem de alto nível de computação técnica assim como um ambiente

interativo para o desenvolvimento de algoritmos, visualização e análise de dados e

computação numérica, [44].

O MATLAB pode ser usado numa ampla gama de aplicações, incluindo processamento de

sinal e imagem, comunicação, design de controlo, teste e modelagem, medição e análise

financeira, e biologia computacional.

- Algoritmo de Otimização – EPSO 3.3.2

O EPSO é um método otimização que combina duas bem desenvolvidas meta-heurísticas,

as Evolutionary Strategies 10(ES) e a Particle Swarm Optimization 11(PSO).

O método consiste no movimento de um conjunto de partículas que exploram o espaço de

decisões ou soluções de dimensão n, de acordo com o número de variáveis do problema. Cada

partícula corresponde a uma alternativa de solução do problema de otimização com a

seguinte composição:

Um vetor posição, (parâmetros objeto);

9 O algoritmo multi-temporal consiste na simulação de um algoritmo de otimização para um período

sequencial de várias horas, no caso do trabalho desenvolvido num período sequencial de 24 horas. 10 Na língua portuguesa, Estratégias de Evolução. 11 Na língua portuguesa, Enxame de Partículas.


Um vetor velocidade, (parâmetros estratégicos);

Um vetor de memória da melhor posição encontrada;

Um valor de função objetivo relativo a cada partícula i.

O processo do EPSO pode ser descrito com recurso ao fluxograma da Figura 3.2.

Figura 3.2 – Algoritmo EPSO

Após a seleção das melhores partículas, é escolhido o melhor valor para a partícula da

população12( ) em análise e a melhor partícula de entre todas as populações , de acordo

com o critério de avaliação (valor da função-objetivo) definido na secção 3.2.1 do 0. Este

processo iterativo permite uma pesquisa da melhor solução, com a sua evolução no espaço de

alternativas, ao longo de várias gerações de partículas.

Exemplificando o anteriormente exposto, os parâmetros objeto são as variáveis do

problema, que neste caso consistem nos valores de potência média de cada um dos recursos

distribuídos, classificados como ações para efeitos de controlo da tensão. Os parâmetros

estratégicos são valores que definem a estratégia reprodutiva da partícula, responsáveis por

uma progressão eficiente do processo de otimização para o ótimo global.

Tabela 3.4 – Composição da partícula

Parâmetro objeto

Parâmetros estratégicos Ótimo global

Função objetivo

O processo de movimentação consiste na geração de uma nova partícula, expressão (3.22)

com base na regra do movimento da expressão (3.23).

(3.22)

(3.23)

12 Entende-se como população o conjunto de n partículas de uma dada geração/iteração.

Inicio

Inicializar Xi e Vi

Convergiu?

Fim

Inicializar bi e bG

Replicar as particulas

Mutar as particulas

Mover as particulas

Avaliar as particulas

Selecionar as particulas

Atualizar bi e bg

Sim

Não


Esta formulação é idêntica à PSO clássica. Combinando com as Estratégias de Evolução

(ES) os parâmetros estratégicos de cada partícula sofrem uma mutação, segundo as

expressões (3.24) e (3.25), garantindo uma estratégia auto-adaptativa dos parâmetros ao

longo do processo iterativo, visto que são os parâmetros estratégicos que condicionam a

eficiência do processo. Este mecanismo de seleção dos parâmetros estratégicos permite uma

melhor eficiência ao algoritmo na progressão para a solução ótima, sendo esta abordagem

uma das grandes vantagens do EPSO.

As mutações introduzidas possuem uma distribuição normal de valor médio zero e

variância um, multiplicada por um parâmetro de aprendizagem que controla a amplitude das

mutação, (3.24) e (3.25).

(3.24)

(3.25)

Após a replicação, mutação e movimentação, segue-se o processo de avaliação (cálculo da

função-objetivo) que consiste na simulação do algoritmo de trânsito de potências para cada

uma das partículas, com o objetivo de avaliar as tensões em todos os barramentos da rede,

caso este valor seja superior ou inferior aos limites técnicos admissíveis, é atribuído um valor

de peso com o objetivo de penalizar esta solução. Esta restrição foi modelizada através de

uma função de penalização quadrática, adicionada à função objetivo, evidenciada na Figura

3.3. Verifica-se assim que quanto maior for o desvio face aos limites admissíveis (mínimo e

máximo), maior será o valor de penalização.

Todo o processo é aplicado em cada geração/iteração e para cada partícula, com o

objetivo de obter a melhor e de preferência uma partícula que não esteja afetada de

penalização, visto que se trata de um problema de minimização.

Figura 3.3 – Função de penalização quadrática

Por fim segue-se o processo de seleção por torneio estocástico. Neste processo, um grupo

de n partículas é aleatoriamente selecionada da população progenitora13 e da descendente14.

Este grupo passa a fazer parte de um torneio, onde uma partícula vencedora é

determinada dependendo da sua avaliação e de uma dada probabilidade. O torneio

estocástico implementado consistiu na escolha, de forma aleatória, de pares de partículas

para comparação dos valores de adaptação, valor da função objetivo, de cada uma das

partículas e por fim à seleção da melhor, para sobreviver para a geração seguinte, com uma

probabilidade de 85 %.

13 Entende-se por população progenitora, o conjunto de n partículas inicial, que após a aplicação do

processo de mutação de movimento gera novas soluções 14 A população descendente resulta do processo de mutação e movimentação das partículas da

população progenitora.

minimo máximo

Wpen


A inclusão desta probabilidade tem como objetivo oferecer uma oportunidade para que

piores soluções venham a ser selecionadas (neste caso com 15 % de chance para as piores

soluções). Esta técnica permite evitar ótimos locais na progressão dos valores da função

objetivo para o ótimo global.

Após um número suficiente de gerações obtém-se a partícula que traduz a solução ótima

do problema. A solução obtida consiste no plano de operação ótimo de todos os recursos

distribuídos considerados para efeitos de controlo de tensão nas microredes. Deste modo, o

algoritmo determina o mínimo de potência média necessária por parte de cada recurso com o

objetivo de controlar os valores de tensão em todos os barramentos da microrede. No caso

dos sistemas de armazenamento a potência média de carga ou descarga, no caso das cargas

controláveis o valor do consumo que pode ser cortado ou transferido para outros períodos do

dia e no caso da microprodução a potência média cortada.

O algoritmo foi desenvolvido para períodos de 1 hora, sendo que a simulação é efetuada

para todas as horas num período sequencial de 24 horas para demonstrar a robustez do

algoritmo em lidar com problemas de tensão em todos os períodos de um dia.

De referir, que o EPSO permite a consideração de variáveis discretas, incluindo-as no

algoritmo de otimização como variáveis contínuas, sendo estas arredondadas ao valor discreto

mais próximo.

– Algoritmo de Trânsito de Potências Trifásico 3.3.3

O método utilizado para simular o trânsito de potências num sistema trifásico

desequilibrado foi desenvolvido de acordo com a referência bibliográfica [43].

Como foi visto anteriormente, as redes de distribuição de BT são trifásicas

desequilibradas, sendo que cada uma das fases possui cargas monofásicas e unidades de

microprodução monofásicas o que contribui para diferentes trânsitos de potências em cada

uma das fases e consequentemente diferentes valores de tensão, fator de potência e perdas.

A metodologia considera sistemas compostos por quatro condutores, três fases e o neutro,

Figura 3.4.

Figura 3.4 – Composição de uma linha de BT

O algoritmo consiste numa técnica de “backward-forward sweep”, descrita no Anexo A,

que permite uma rápida convergência. Este algoritmo é específico para redes de distribuição

radiais, podendo ser adaptado para redes emalhadas de acordo com a referência bibliográfica

[43].

[Zl]

a

b

c

n

a

b

c

n

i j

g

Yia Yib Yic Yin


- Algoritmo multi-temporal e sequencial para o controlo de tensão 3.3.4

O algoritmo para o controlo de tensão desenvolvido consiste num plano de operação ótimo

dos recursos distribuídos classificados como ações para efeitos de controlo de tensão, para

um período de 24 horas, Figura 3.5.

A utilização do algoritmo consistiu na obtenção de um cenário base, realizando uma

simulação hora a hora para um período de 24 horas, para um determinado perfil de carga e de

produção com o objetivo de identificar se os valores de tensão em todos os barramentos da

rede cumprem os limites técnicos regulamentares.

No processo iterativo do EPSO para cada partícula recorreu-se ao algoritmo de trânsito de

potências trifásico para avaliar os valores de tensão, para os diferentes valores dos elementos

das partículas, que constituem as ações de controlo de tensão, sistemas de armazenamento,

cargas controláveis e microprodução.

Inicio

Trânsito de potências para as condições do

cenário base

Identificação dos períodos em que existem violações dos valores de

tensão

Simulação Algoritmo de otimização (EPSO)

Importar dados da rede e das condições

de operação

Consideração de todas as restrições temporais

h=1

h=h+1

h=1

h=h+1

Plano de operação das ações de controlo

Fim

Cenário base

Cenário Ótimo


Figura 3.5 – Algoritmo de controlo avançado de tensão

Inicialmente todos os dados relativos às características da rede do caso de estudo, são

importados para o MATLAB®, nomeadamente:

Topologia da rede (nº de barramentos, linhas);

Potência injetada nos barramentos da rede;

Características das linhas (resistência, reatância);

Capacidade dos sistemas de armazenamento e sua localização;

Limites técnicos das redes;

Perfis de consumo e microprodução;

Identificação e quantificação das cargas controláveis.

Com estes dados é possível definir o cenário base que consiste na simulação do algoritmo

de trânsito de potências trifásico para a rede do caso de estudo sem a consideração das ações

de controlo de tensão. Assim sendo, foi possível identificar os barramentos onde existem

problemas de tensão e em que períodos do dia estes se verificam.

Em seguida foi realizada a simulação do algoritmo de otimização (EPSO) para cada um dos

períodos, no caso de se verificarem valores de tensão que não cumprem os limites técnicos

admissíveis.

De acordo com a formulação expressa na secção 3.2., num período sequencial de 24

horas, existem algumas restrições que estão dependentes das ações que ocorrem em períodos

antecedentes, por exemplo:

Gestão dos sistemas de armazenamento - A limitação da capacidade máxima de

armazenamento, depende da energia armazenada ao longo dos vários períodos de

simulação;

Gestão do consumo que pode ser cortado - Durante todo o período sequencial

de 24 horas, só pode ser cortado consumo de um equipamento de uma

determinada carga, uma única vez;

Gestão do consumo que pode ser transferido - Se um determinado equipamento

de consumo doméstico foi utilizado no período , não será utilizado no período

em que era previsto a sua utilização, .

No fim da simulação do algoritmo de otimização, determina-se um plano de operação

ótimo das ações de controlo. O plano de operação ótimo consiste nos valores mínimos de

potência necessários por cada recurso para controlar os níveis de tensão nos barramentos das

microredes para cada um dos períodos horários, caso se verifiquem problemas de tensão. Os

resultados principais obtidos da simulação do algoritmo temporal e sequencial de controlo

avançado de tensão consistem em:

Valores de tensão nos barramentos da rede;

Potência de carga e descarga dos sistemas de armazenamento;

Potência do consumo transferido;

Potência do consumo cortado;

Potência desperdiçada da microprodução;

Novos perfis de carga devido às ações de gestão de consumos;

Trânsitos de potência nas linhas;

Perdas nas linhas.

No Capítulo 4 apresentam-se os resultados mais relevantes do caso de estudo, obtidos dos

testes do algoritmo de controlo avançado de tensão desenvolvido em MATLAB®.

43

Capítulo 4

Aplicação do algoritmo de controlo

avançado de tensão

Neste capítulo, apresentam-se os resultados mais relevantes obtidos dos testes do

algoritmo de controlo avançado de tensão desenvolvido em MATLAB® e apresentado no

capítulo anterior.

Inicialmente será descrita a rede de distribuição de BT que permitiu a criação dos diversos

cenários de estudo, utilizados nas simulações efetuadas pelo algoritmo desenvolvido.

Apresentam-se os principais cenários de operação, considerando inicialmente um Cenário

Base sem a consideração dos recursos energéticos distribuídos na rede classificados como

ações para efeitos de controlo de tensão com o objetivo de avaliar os níveis de tensão nos

respetivos barramentos após a simulação do trânsito de potências trifásico para uma rede real

de BT.

Posteriormente apresentam-se dois cenários de operação com a consideração dos

diferentes recursos distribuídos para o controlo avançado de tensão. O Cenário 1 considera a

ação de todos os recursos disponíveis na rede, designadamente os sistemas de

armazenamento, as cargas controláveis e o corte de microprodução. O Cenário 2 considera o

corte de microprodução e o corte indiscriminado15de carga, com o objetivo de quantificar a

energia desperdiçada da microprodução (EDM) e a energia não fornecida aos clientes (ENF).

4.1 - Rede do Caso de Estudo

- Características da Rede de BT 4.1.1

A rede de distribuição de BT utilizada nas simulações é uma rede real Portuguesa,

composta por um transformador de distribuição de 100 kVA, com 3 saídas, 33 barramentos, 32

ramos. É uma rede trifásica desequilibrada, com uma tensão nominal de 400 V onde se

considerou a instalação de microprodução solar fotovoltaica num total de 17,25 kW, 17,83 kW

e 14,38 kW nas fases 1, 2 e 3 respetivamente.

Esta é uma rede radial, conforme se apresenta na, Figura 4.1, típica de uma área rural ou

suburbana, sendo que estas redes podem apresentar problemas de tensão nos barramentos

15 Corte de carga classificada como não controlável (considerada como prioritária de ser abastecida),

cujo corte afeta a continuidade de fornecimento de energia elétrica aos consumidores.

44 Aplicação do algoritmo de controlo avançado de tensão

mais afastados do transformador de distribuição MT/BT, tais como sobretensões devido a uma

elevada penetração de microprodução ou problemas de subtensão devido a cargas de

potência elevada. As redes de BT são normalmente redes trifásicas desequilibradas, devido

aos consumidores maioritariamente monofásicos distribuídos pelas diferentes três fases, pelo

que deste modo foi realizado um trânsito de potências trifásico de forma a analisar as tensões

em cada uma das fases.

Figura 4.1 - Rede do Caso de Estudo

Na Tabela 4.1 estão apresentados os valores de potência total da microprodução, dos

sistemas de armazenamento e de todas as cargas distribuídas na rede. Como se verifica da

análise dos valores de potência da carga, foi realizada uma distribuição pelas três fases com o

objetivo de manter o sistema o mais equilibrado possível, contudo devido ao elevado número

de cargas monofásicas, verifica-se um pequeno desequilíbrio nas diferentes fases.

Os dados da rede são apresentados no Anexo B, onde estão descritos os dados das linhas,

a potência contratada de cada uma das cargas existentes na rede, a potência instalada em

microprodução fotovoltaica de cada um dos clientes, bem como a localização de todos os

recursos anteriormente mencionados.

Tabela 4.1 – Potência total dos recursos distribuídos

Fase Nº de Geradores

Fotovoltaicos Potência

total (kVA) Nº de cargas

Potência total (kVA)

Nº de baterias

Baterias (kW)

1 4 17,25 16 115 2 12

2 5 17,83 18 110,4 4 12

3 4 14,38 14 103,5 1 4

21 22 23

24 25 26 27 28

1

2 3 4

5 6 7 8

9 10 11 12 13 14 15

16 17 18 19 20

29 30 31 32

33

f1,f2

f2,f3

f2,f3

f1

f1f1,f2,f3

f1,f2,f3f1,f2

f1,f2,f3 f1,f2

f2f1,f2

f1,f3

f3 f2

f1,f2,f3

f1

f1,f2,f3 f1,f2,f3 f1,f2,f3

f2

f2

f1

f2,f3f3

f3

f1,f2

f1

f2,f3

f2,f3

f1

f1

f3

f2

f1 – fase 1

f2 – fase 2

f3 – fase 3

Carga

Baterias

Microprodução

f3

f2

f1

f1,f2

f2

Carga controlável

f2

- Rede do Caso de Estudo 45

- Considerações Base e Legislativas 4.1.2

Os cenários do caso de estudo foram baseados na corrente legislação para a

microprodução em Portugal nos seguintes tópicos:

A capacidade instalada em microprodução não deve exceder 50 % da potência

contratada de cada cliente;

A capacidade instalada em microprodução é limitada a 5,75 kVA por cliente.

A regulação Portuguesa também limita a capacidade total instalada em microprodução na

rede em 25 % da potência nominal do transformador de distribuição de MT/BT. Esta limitação

não foi considerada no estudo em questão, visto que é uma medida demasiado restritiva para

o estudo de cenários futuros com elevada integração de microprodução. Considerando ainda o

caso das redes Portuguesas, admite-se que a tecnologia de microprodução predominante nas

redes de BT será a solar fotovoltaica, sendo que toda a potência proveniente da

microprodução considerada no caso de estudo é desta tecnologia. Admite-se que todas as

unidades de microprodução solar fotovoltaica fornecem potência à rede com um fator de

potência unitário, não produzindo potência reativa (Smicro=Pmicro).

As cargas presentes na rede são cargas monofásicas e trifásicas, com potência contratada

até 20,7 kVA, distribuídas pelas três fases com o objetivo de obter um sistema o mais

equilibrado possível e com fator de potência unitário.

- Perfis de Consumo e de Microprodução 4.1.3

De acordo com as informações recolhidas em [45], relativas ao consumo verificado em

Portugal Continental, foi criado o perfil de consumo para o presente caso de estudo. O perfil

de consumo foi obtido para cada uma das cargas da rede do caso de estudo a partir do

coeficiente de variação da carga ao longo das 24 horas do dia, obtido das previsões

disponibilizadas no portal da ERSE para o dia 31 de maio de 2013, e aplicado segundo a

equação (4.1).

(4.1)

Valor da carga i para a hora h;

Fator de variação de carga para a hora h;

Potência contratada do cliente i;

Ainda no seguimento da criação do cenário do caso de estudo, foram recolhidas

informações para os perfis de produção solar fotovoltaica e foi baseada uma vez mais nos

dados existentes, [45]. O perfil de microprodução foi obtido para a potência instalada em

painéis fotovoltaicos pertencente aos respetivos clientes, a partir de um coeficiente de

variação da produção ao longo das 24 horas do dia, obtido das previsões disponibilizadas no

portal da ERSE para o dia 31 de maio de 2013, e aplicado segundo a equação (4.2).

(4.2)

Valor de produção fotovoltaica do cliente i para a hora h;

Fator de variação de produção para a hora h;

Potência instalada em painéis fotovoltaicos do cliente i;

O gráfico da Figura 4.2 apresenta os perfis de consumo e microprodução utilizados. Os

dados recolhidos datam de 30 de maio de 2013, de acordo com a previsão disponibilizada pela

ERSE. A escolha deste dia foi propositada, pois trata-se de um dia com elevada produção


fotovoltaica e consumo moderado o que permite criar um cenário severo que contribua para

desvios de tensão elevados nos barramentos da rede do caso de estudo, como se comprovará

na secção 4.2 do presente Capítulo, com a definição do Cenário Base.

Figura 4.2 – Perfis de Microprodução e Consumo

O operador poderá simular um trânsito de potência para a rede considerada, com o

objetivo de obter resultados que permitam uma análise prévia do valor da tensão em cada um

dos barramentos da microrede, Cenário Base da secção 4.2 do presente Capitulo. A

determinação destes resultados torna-se possível com o recurso a estudos de previsões dos

perfis de consumo e dos perfis de microprodução dos clientes das redes de distribuição. Esta

simulação permite ao operador além de identificar os possíveis problemas na rede, definir as

ações de controlo locais mais adequadas para manter os níveis de tensão dentro dos limites

admissíveis, designadamente as que estão mais próximas dos barramentos onde se verifica

tais problemas.

4.2 - Cenário de Operação Base

De acordo com a metodologia desenvolvida no 0, o objetivo principal do algoritmo de

otimização é minimizar ações de controlo de forma a corrigir os desvios de tensão e

simultaneamente minimizar a energia desperdiçada da microprodução solar fotovoltaica. De

forma a analisar os valores de tensão nos barramentos da microrede, é necessário recorrer ao

trânsito de potências para um Cenário Base. O Cenário Base consiste na execução do

algoritmo de trânsito de potências desenvolvido em software MATLAB® para a rede

apresentada na secção 4.1.1 do presente Capítulo, considerando apenas o cenário de cargas e

microprodução, sem recorrer às ações de controlo de tensão identificadas (recursos

distribuídos tais como os sistemas de armazenamento, cargas flexíveis ou o corte de

microprodução). Do resultado da simulação do trânsito de potências verifica-se pela análise

do gráfico da Figura 4.3, que as equações do trânsito de potências são cumpridas, visto que a

potência total produzida é igual à potência total da carga mais as perdas no sistema. Ainda da

observação da figura, conclui-se que a penetração de microprodução solar fotovoltaica é

elevada nos períodos coincidentes com a elevada incidência solar, o que poderá revelar-se

problemático para os níveis de tensão na rede. Nas horas de ponta, períodos de consumo mais

elevado e produção fotovoltaica reduzida ou nula, a alimentação de todas as cargas é

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Hora

Fato

r d

e vari

açã

o

Perfil de produção fotovoltaica (p.u.) Perfil de consumo (p.u.)

- Cenário de Operação Base 47

garantida com a produção proveniente da rede a montante a partir do transformador de

distribuição MT/BT.

Figura 4.3 – Trânsito de potência para o Cenário Base

A expressão (4.3) evidencia o equilíbrio entre a produção e o consumo para o período

sequencial de 24 horas mantem-se.

(4.3)

Assim sendo, o próximo objetivo é identificar se existem problemas de tensão para este

cenário, e se tal se verificar, em que barramentos é que ocorre e qual a sua magnitude. O

resultado obtido para o caso mais desfavorável relativamente aos níveis de sobretensão, foi às

14 horas, que consiste numa hora de elevada produção solar fotovoltaica (conforme se pode

observar na Figura 4.3), verificando-se sobretensões nos barramentos.

Barramentos 22, 28 e 32 na Fase 1

Barramentos 22, 28 na Fase 2

Às 22 horas verifica-se um consumo elevado (ponta) e não existe qualquer produção

distribuída proveniente da tecnologia solar fotovoltaica (Figura 4.3) devido à ausência de

incidência solar, verificando-se subtensões nos barramentos.


Barramentos 22, 28 na Fase 2


Na Tabela 4.2 apresentam-se os resultados relativos aos níveis de tensão para as 14:00

horas e na Tabela 4.3 apresentam-se os resultados relativos aos níveis de tensão para as 22

horas, com os valores fora dos limites considerados admissíveis representados a negrito.

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 250

10

20

30

40

50

60

70

80

90

100

110

Tempo(h)

Po

tên

cia

(k

W)

Potência transformador MT/BT

Potência da microprodução

Perfil de carga + perdas, caso base

Perfil de carga, caso base


Tabela 4.2 – Valores de tensão para o período das 14:00 horas

Tensão em módulo nos Barramentos (p.u.)

Barramento F1 F2 F3 NEUTRO

1 1,000 1,000 1,000 0,000

2 0,993 1,000 0,991 0,008

3 0,998 0,998 1,001 0,003

4 1,005 1,003 1,001 0,003

5 0,989 1,000 0,988 0,011

6 0,997 0,995 1,003 0,007

7 0,997 0,994 1,005 0,009

8 1,012 1,009 1,004 0,007

9 0,988 1,003 0,988 0,015

10 0,988 0,996 0,984 0,010

11 0,987 0,995 0,979 0,014

12 0,990 0,989 1,012 0,022

13 0,998 0,993 1,006 0,011

14 1,022 1,012 1,007 0,013

15 1,018 1,015 1,004 0,013

16 0,988 1,005 0,988 0,017

17 0,987 0,995 0,976 0,017

18 0,987 0,994 0,977 0,015

19 0,990 0,989 1,014 0,025

20 1,003 0,988 1,014 0,023

21 0,998 0,993 1,006 0,011

22 1,083 1,012 1,007 0,073

23 1,031 1,028 1,004 0,026

24 0,987 1,007 0,988 0,020

25 0,987 0,994 0,975 0,017

26 0,990 0,989 1,015 0,026

27 1,010 0,984 1,024 0,035

28 1,078 1,075 1,004 0,073

29 0,985 1,007 0,988 0,021

30 0,990 0,989 1,018 0,029

31 1,010 0,980 1,024 0,039

32 1,094 1,091 1,004 0,089

33 1,010 0,980 1,024 0,039

Tabela 4.3 - Valores de tensão para o período das 22:00 horas

Tensão em módulo nos Barramentos (p.u.)

Barramento F1 F2 F3 NEUTRO

1 1,000 1,000 1,000 0,000

2 0,986 0,982 0,982 0,004

3 0,995 0,995 0,995 0,001

4 0,993 0,996 0,999 0,004

5 0,979 0,973 0,977 0,005

6 0,991 0,991 0,983 0,008

7 0,985 0,988 0,990 0,005

8 0,984 0,989 0,996 0,010

9 0,976 0,965 0,976 0,011

10 0,977 0,964 0,968 0,011

11 0,974 0,964 0,958 0,014

12 0,979 0,979 0,946 0,033

13 0,983 0,986 0,989 0,005

14 0,971 0,985 0,992 0,018

15 0,976 0,980 0,996 0,018

16 0,976 0,962 0,976 0,014

17 0,974 0,964 0,953 0,019

18 0,974 0,962 0,954 0,018

19 0,978 0,978 0,943 0,036

20 0,976 0,977 0,979 0,003

21 0,983 0,986 0,989 0,005

22 0,888 0,985 0,992 0,100

23 0,957 0,962 0,996 0,037

24 0,975 0,957 0,976 0,018

25 0,974 0,962 0,951 0,021

26 0,978 0,978 0,941 0,038

27 0,969 0,969 0,968 0,001

28 0,892 0,897 0,996 0,101

29 0,971 0,957 0,976 0,017

30 0,978 0,978 0,936 0,042

31 0,969 0,960 0,968 0,009

32 0,870 0,875 0,996 0,124

33 0,969 0,960 0,968 0,009

Cenário de Operação Base 49

No gráfico da Figura 4.4 apresentam-se os valores de tensão para a simulação de um

período sequencial de 24 horas nos barramentos que apresentam os desvios mais elevados nos

valores de tensão, designadamente:

Fase 1: Barramento 32;

Fase 2:Barramento 32;

Fase 3: Barramento 26

Conclui-se que os problemas de sobretensão nos barramentos da rede de distribuição BT,

surgem nos períodos em que se verifica elevada produção fotovoltaica, períodos de elevada

incidência solar, entre a 11:00 e 17:00 horas e nos barramentos mais afastados do

transformador de distribuição MT/BT, onde o caracter resistivo é destas linha é mais elevado,

contribuindo para o agravamento da sobretensão.

Figura 4.4 – Influência dos perfis de produção e consumo nos valores de tensão

Anteriormente, na secção 4.1.3 do presente Capitulo, classificou-se este caso de estudo

como o mais desfavorável, com a escolha dos perfis de produção e consumo do dia 31 de maio

de 2013. É um dia problemático para os níveis de sobretensão dos barramentos devido à

existência de elevada incidência solar e simultaneamente carga reduzida, segundo a previsão

dos perfis de consumo e produção fotovoltaica para este dia.

Com a simulação do algoritmo de trânsito de potências para o dia 31 de maio de 2013,

conclui-se que que o caso de estudo apresenta elevados problemas nos níveis de tensão nos

barramentos da rede, identificados na Tabela 4.4 e em diferentes períodos temporais.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240.8

0.85

0.9

0.95

1

1.05

1.1

Tempo(h)

Ten

são

(p

.u.)

Fase 1(p.u.) Fase 2(p.u.) Fase 3(p.u.) Limites Técnicos

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240

0.10.20.30.40.50.60.70.80.9

1

Tempo(h)

Per

fil

Perfil de produção fovoltaica(p.u.) Perfil de consumo (p.u.)


Tabela 4.4 – Barramentos em que ocorre violação dos limites técnicos admissíveis (Cenário Base)

Período (h)

Barramentos da Fase 1 (p.u.)



22 28 32 28 32 19 26 30

12 1,066 1,062 1,075 1,062 1,075 - - -

13 1,074 1,070 1,084 1,070 1,084 - - -

14 1,083 1,078 1,094 1,078 1,094 - - -

15 1,082 1,077 1,093 1,077 1,093 - - -

16 1,076 1,071 1,086 1,071 1,086 - - -

17 1,058 1,054 1,066 1,054 1,066 - - -

20 0,921 0,924 0,908 0,927 0,912 - - -

21 0,897 0,900 0,880 0,905 0,884 0,947 0,945 0,940

22 0,888 0,892 0,870 0,897 0,875 0,943 0,941 0936

23 0,911 0,914 0,896 0,918 0,900 - - 0,948 24 0,941 0,943 0,932 0,946 0,934 - - -

O objetivo do algoritmo de controlo avançado de tensão será repor os valores

identificados na Tabela 4.4, de acordo com os limites técnicos evidenciados na expressão

(4.4).

(4.4)

Deste modo, a simulação do algoritmo permite definir um plano de operação de todas as

ações de controlo consideradas, secção 4.1.1 do presente Capítulo, para um período

sequencial de 24 horas.

4.3 - Cenário 1

- Objetivo 4.3.1

Identificados os problemas de tensão e estabelecido o Cenário Base com a simulação do

trânsito de potências trifásico, é necessário eliminar os problemas de tensão nos barramentos

da rede para o período temporal considerado de 24 horas. O cenário apresentado neste

subcapítulo consiste na simulação do algoritmo de otimização desenvolvido para a rede do

caso de estudo, de forma a utilizar os recursos distribuídos que permitem o controlo eficaz de

tensão de forma otimizada16. A posição da tomada no transformador de distribuição MT/BT no

barramento de referência assume o valor de 1 p.u. De facto a posição da tomada do

transformador é importante para os perfis de tensão da microrede, contudo este controlo é

local, efetuado manualmente e provoca uma alteração dos perfis de tensão em todos os

barramentos da microrede. Do anteriormente exposto, compreende-se que controlar os perfis

de tensão através da posição da tomada do transformador pode não ser uma medida eficaz

para resolver problemas locais. Independentemente da posição da tomada do transformador o

algoritmo desenvolvido permite minimizar os desvios de tensão com uma boa gestão da

potência ativa dos recursos energéticos distribuídos na rede.

Assim sendo, no cenário apresentado, o operador tem ao seu dispor todas as ações de

controlo, designadamente:

Potência ativa de carga e descarga dos sistemas de armazenamento;

16 Controlar os valores de tensão utilizando o mínimo de recursos possíveis, classificados como ações

de controlo.

- Cenário 1 51

Transferência de carga de períodos em que existe problemas de subtensão ou

períodos de ponta de consumo para períodos onde existem problemas de

sobretensão;

Redução no consumo dos clientes, corte de carga não prioritária para efeitos de

controlo de tensão com a permissão dos clientes, por pequenos períodos de

tempo;

Corte de microprodução nos períodos em que se verificam sobretensões nos

barramentos da rede.

A estrutura da partícula17 que representa as ações de controlo de controlo consideradas

para este cenário é a seguinte:

Com:

Potência de carga ou descarga da bateria no barramento k da fase α;

Potência da carga no barramento k da fase α que pode ser transferida;

Potência da carga no barramento k da fase α que pode ser cortada;

Potência fotovoltaica que pode ser cortada no barramento k da fase α;

A Tabela 4.5 apresenta todos os recursos e o seu potencial de controlo. Usufruindo das

vantagens dos sistemas de eletrónica de potência os valores de potência que as baterias

podem carregar ou descarregar assumem-se como variáveis contínuas bem como a potência

que pode ser cortada da microprodução. Os valores obtidos devem cumprir os intervalos

definidos na Tabela 4.5. Os valores de potência da carga que pode ser transferida ou cortada,

assumem um carácter discreto de acordo com os valores apresentados na mesma tabela.

Tabela 4.5 – Ações de Controlo na Rede do Caso de estudo

Recurso Potência Disponível (kW)

Baterias

[0-2,6]

[0-2,6]

[0-2,6]

[0-2,6]

[0-2,6]

[0-2,6]

Transferência

0;0,9; 1; 1,3

0;0,9; 1; 1,3

0;0,9; 1; 1,3

0;0,9; 1; 1,3

0;0,9; 1; 1,3

0;0,9; 1; 1,3

Corte

0;0,15; 0,2; 0,35

0;0,15; 0,2; 0,35

0;0,15; 0,2; 0,35

0;0,15; 0,2; 0,35

0;0,15; 0,2; 0,35

0;0,15; 0,2; 0,35

0;0,15; 0,2; 0,35

0;0,15; 0,2; 0,35

0;0,15; 0,2; 0,35

Microprodução

[0-2,97]

[0-4,46]

[0-4,46]

[0-1,49]

[0-1,49]

[0-4,46]

17 Representa a solução do problema de otimização, neste caso a gestão da potência dos recursos

energéticos classificados como ações de controlo avançado de tensão.


O objetivo do algoritmo consiste em encontrar um plano de operação ótimo para os

recursos apresentados na Tabela 4.5. O algoritmo encontra o valor de potência necessária de

cada ação de controlo com o objetivo de garantir a operação do sistema sem qualquer

violação dos limites de tensão nos barramentos e simultaneamente minimizando o desperdício

de energia renovável (EDM), que ocorreria se os limites de tensão fossem ultrapassados e as

restantes ações de controlo se encontrassem indisponíveis (corte de microprodução). O

algoritmo também minimiza a energia não fornecida (ENF), que ocorre no caso de se verificar

subtensões nos barramentos da rede e indisponibilidade de recursos, sendo necessário o corte

de carga.

Deste modo, para encontrar a solução ótima do problema recorre-se a uma meta-

heurística, o EPSO, metodologia descrita na secção 3.3 do 0. O EPSO seleciona os valores de

potência adequados dos recursos classificados como ações de controlo em sucessivas iterações

que minimizam os desvios de tensão, a energia desperdiçada da produção renovável e a

energia não fornecida para períodos sequenciais de uma hora.

- Considerações Iniciais do EPSO 4.3.2

Em primeiro lugar, é necessário uma escolha adequada para os valores dos parâmetros de

simulação do algoritmo de otimização (EPSO). A seleção destes parâmetros foi efetuada

essencialmente através de múltiplos testes do algoritmo para diferentes valores, avaliando a

eficiência na convergência, bem como os valores obtidos para as variáveis de controlo,

anteriormente definidas. Na Tabela 4.6 apresentam-se os valores de todos parâmetros para a

simulação do EPSO para o presente caso de estudo.

Tabela 4.6 – Parâmetros de inicialização da simulação do EPSO

Parâmetro Valor

Número de Partículas 30

Replicações das Partículas 1

Número de Gerações 1000

Taxa de mutação 0,5

Inércia 0,5

Cooperação 0,5

Memória 0,5

Probabilidade de seleção da melhor partícula 0,85

Os parâmetros estratégicos como a Inércia, a Cooperação e a Memória são inicializados

com os valores apresentados na Tabela 4.6, contudo não dependem desta escolha, pois são

objeto de mutação e vão sendo selecionados em conjunto com os elementos das partículas ao

longo do número de gerações/iterações.

De forma a incluir a restrição, relativa aos valores de tensão e permitir um controlo que

minimize as ações de controlo recorre-se a uma política de penalizações nos termos da função

objetivo. A formulação expressa em (4.5), é a penalização no caso de ocorrer a violação dos

limites de tensão regulamentares. Corresponde ao quadrado da diferença entre o valor de

tensão e o limite violado, multiplicado por k, o peso da penalização. O valor do peso

selecionado foi de 100’000, valor elevado pois os valores de tensão utilizados encontram-se

em p.u. e pequenos desvios de tensão devem ser devidamente penalizados.

(4.5)

Assim sendo, as partículas incluídas no trânsito de potências que não cumpram os limites

de tensão, vão assumir valores elevados e visto que a função objetivo é de minimização, vão

- Cenário 1 53

sendo progressivamente eliminadas geração após geração, obtendo a melhor partícula que

cumpra os limites de tensão.

Ainda cumprindo a formulação da secção 3.2.1 do 0, a hierarquia na utilização dos

recursos distribuídos foi estabelecida através da introdução de pesos na função objetivo,

expressão (4.6).

(4.6)

Com:

Termo que resulta da soma de todos os termos da função objetivo mais as penalizações

existentes;

Potência de carga ou descarga dos sistemas de armazenamento (p.u.);

Potência da carga transferida (p.u.);

Potência da carga cortada (p.u.).

Potência da microprodução cortada (p.u.);

Penalização caso se verifiquem desvios de tensão;

Peso da penalização;

Módulo da Tensão (p.u.);

Limite máximo de tensão admissível (p.u.)

Peso;

Os valores atribuídos aos pesos foram obtidos por tentativa e erro, através de várias

simulações do algoritmo para diferentes valores, analisando se os resultados obtidos eram

viáveis, se as restrições dos limites de tensão eram cumpridas e posteriormente se a

hierarquia na utilização dos recursos era igualmente cumprida.

Apresentam-se na Tabela 4.7 os valores dos pesos escolhidos para cada termo da função

fitness da formulação (4.6). Verifica-se que os valores estabelecem uma hierarquia na gestão

dos recursos, não existindo qualquer penalização para a utilização das baterias e definindo

uma penalização elevada para os desvios de tensão de forma a utilizar as ações de controlo

disponíveis para corrigir tais problemas.

Tabela 4.7 – Valor dos Pesos

Pesos

100’000

400

5000

10000

- Performance do algoritmo para um período de operação do algoritmo 4.3.3

de otimização

O tempo de simulação necessário para a simulação do algoritmo é cerca de 4200

segundos, utilizando um computador pessoal equipado com um processador de quatro núcleos

de 3,4 GHz cada e 4 GB de memória RAM. O elevado esforço computacional deve-se

essencialmente ao tempo de simulação do algoritmo de otimização para cada uma das 24

horas. A simulação do algoritmo para períodos de 1 hora tem uma duração de cerca de 420 a

600 segundos, contudo é necessário executar o algoritmo para todas as horas do dia em que

se verifiquem problemas de tensão nos barramentos do sistema do caso de estudo.

Com o objetivo de avaliar a performance do algoritmo de otimização desenvolvido para o

controlo avançado de tensão, foram efetuadas várias simulações do EPSO. Inicialmente,

foram realizadas quatro simulações independentes, para as mesmas condições iniciais e o

mesmo cenário de cargas e produção considerado no Cenário 1. Este procedimento permite


analisar o comportamento da meta heurística utilizada na convergência para a melhor

solução. A Figura 4.5 demonstra a evolução dos valores da função objetivo (fitness),

considerando que a melhor solução é obtida ao fim de 1000 gerações.

Figura 4.5 – Evolução da função Fitness para 4 simulações independentes

Verifica-se que as simulações exibem um padrão semelhante e uma convergência similar.

Ao fim de cerca de 700 iterações verifica-se a estabilização da função num valor que garante

o mínimo que cumpre todas as restrições do problema (solução ótima).A Figura 4.6 e Figura

4.7 exibem uma simulação típica para o controlo avançado de tensão. Do anteriormente

exposto, é interessante detalhar o comportamento do algoritmo no cumprimento dos

objetivos definidos, nomeadamente a evolução dos valores de tensão ao longo das várias

gerações de soluções. Deste modo, pode observar-se que os valores de tensão ao longo das

iterações/gerações vão se aproximando dos limites técnicos definidos, de 0,95 p.u. e 1,05

p.u, devido às ações de controlo definidas pelo algoritmo.

Figura 4.6 – Evolução da tensão no barramento

22 da Fase 1, período das 14 horas.

Figura 4.7 - Evolução da tensão no

barramento 22 da Fase 1, período das 22 horas.

Na Tabela 4.8 apresentam-se os valores máximos de tensão obtidos antes e após a

simulação do algoritmo para o período das 14 horas, verifica-se que os valores iniciais de

tensão são elevados e com a simulação do algoritmo de otimização foi possível alterar estes

valores para valores próximos ou contidos nos limites técnicos admissíveis (0,95 p.u. a

1,05 p.u.).

0 100 200 300 400 500 600 700 800 900 10000

50

100

150

200

250

300

350

400

Iterações

Fit

nes

s

simulação 1

simulação 2

simulação 3

simulação 4

100 200 300 400 500 600 700 800 900 10000.9

0.91

0.92

0.93

0.94

0.95

0.96

0.97

0.98

0.99

1

1.01

1.02

1.03

1.04

1.05

1.06

Iterações

Ten

são(p

.u.)

Valor Tensão máximo (p.u.)

100 200 300 400 500 600 700 800 900 10000.9

0.91

0.92

0.93

0.94

0.95

0.96

0.97

0.98

0.99

1

1.01

1.02

1.03

1.04

1.05

1.06

Iterações

Ten

são(p

.u.)

Valor Tensão mínimo (p.u.)

- Cenário 1 55

Tabela 4.8 – Valores de tensão antes e após simulação do algoritmo de controlo de tensão para o período das 14 horas

Barramento Valor de tensão Inicial (p.u.) Valor de tensão Final (p.u.)

22 da Fase 1 1,083 1,050

28 da Fase 1 1,078 1,033

32 da Fase 1 1,094 1,050

28 da Fase 2 1,075 1,042

32 da Fase 2 1,091 1,050

Na Tabela 4.9 apresentam-se os valores mínimos de tensão obtidos antes e após a

simulação do algoritmo para o período das 22 horas (ponta de consumo), verifica-se que os

valores iniciais de tensão são reduzidos. Com a simulação do algoritmo de otimização foi

possível alterar estes valores para valores próximos ou contidos nos limites técnicos

admissíveis (0,95 p.u. a 1,05 p.u.).

Tabela 4.9 - Valores de tensão antes e após simulação do algoritmo de controlo de tensão para o período das 22 horas.

Barramento Valor de tensão Inicial (p.u.) Valor de tensão Final (p.u.)

22 da Fase 1 0,888 0,952

28 da Fase 1 0,892 0,996

32 da Fase 1 0,870 0,982

28 da Fase 2 0,897 0,958

32 da Fase 2 0,875 0,950

19 da Fase 3 0,943 0,956

26 da Fase 3 0,941 0,954

30 da Fase 3 0,936 0,950

De forma a aumentar a velocidade de convergência do programa, e portanto diminuir o

seu tempo de execução, foi implementado um critério de paragem. Em detrimento do

programa ser executado para um número pré-definido de gerações/iterações, valor este que

poderia ser de tal forma elevado e consequentemente o tempo de execução seria igualmente

elevado. O critério de paragem irá testar o valor resultante de cada geração e da geração

seguinte, caso este valor seja inferior a uma dada tolerância, 0,0001 durante 40

gerações/iterações consecutivas, assume-se que o processo terminou.

De referir que, caso o critério de paragem não seja satisfeito o programa irá terminar ao

fim de 1000 iterações evitando assim ciclos de execução infinitos.

- Resultados obtidos para o período sequencial de 24 horas 4.3.4

Nesta secção do capítulo apresentam-se os resultados da ferramenta desenvolvida para

controlo avançado de tensão. Nas simulações efetuadas admite-se que todos os dados

necessários estão sempre disponíveis para a próxima hora, bem como informações sobre a

previsão para a produção da energia solar fotovoltaica e para os valores de consumo,

considerando um cenário de operação com um horizonte temporal de 24 horas.

De acordo com o objetivo do algoritmo de otimização desenvolvido, minimizar os desvios

de tensão rede apresentada na secção 4.1.1 do presente Capítulo é a principal meta a

alcançar. O gráfico da Figura 4.8 compara os valores de tensão do cenário base (sem qualquer

tipo de controlo) e o resultado obtido para os valores de tensão utilizando o algoritmo de

controlo avançado de tensão, para o barramento 32 na fase 2. O barramento 32 apresenta o

maior desvio de tensão, devido à elevada produção renovável neste ponto da rede de 5,75 kW

e à resistência elevada dos condutores neste ponto afastado do posto de transformação

MT/BT, o que provoca uma elevação da tensão durante os elevados períodos de incidência


solar, das 11 às 17 horas, e durante os períodos de elevado consumo, das 20 às 24 horas os

desvios de tensão devem-se ao elevado consumo neste barramento.

Observa-se no gráfico da Figura 4.8, que sem o controlo de tensão, os valores obtidos

apenas com o trânsito de potências não cumprem os limites técnicos de 0,95 p.u. e 1,05 p.u

(Cenário Base). Utilizando o algoritmo de controlo de tensão foi possível regular estes valores

para um valor próximo dos limites técnicos admissíveis de 0,95 p.u. e 1,05 p.u, com uma

gestão ótima dos recursos distribuídos que evite a energia cortada da microprodução e a

carga cortada. Verifica-se que os desvios de tensão foram eliminados, e que todos os valores

de tensão cumprem os limites técnicos.

Figura 4.8 – Comparação dos valores de tensão antes e após a simulação do algoritmo de otimização, Fase 1 – Barramento 32

A Figura 4.9 demonstra que o algoritmo utiliza os recursos disponíveis nas três fases do

sistema para corrigir os problemas de tensão que podem existir, os valores de potência

utilizados por estes recursos no período das 12 às 17 horas são nulos. Verifica-se para todas as

fases que os desvios de tensão foram eliminados, e que todos os valores de tensão cumprem

agora os limites técnicos.

Figura 4.9 - Valores de tensão obtidos após a simulação do algoritmo de otimização para as fases.1,2 e 3 - Barramento 32.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240.850.860.870.880.890.9

0.910.920.930.940.950.960.970.980.99

11.011.021.031.041.051.061.071.081.091.1

Tempo(h)

Ten

são (

p.u

.)

Tensão Inicial(p.u.)

Tensão Final(p.u.)

Limites Técnicos

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240.9

0.91

0.92

0.93

0.94

0.95

0.96

0.97

0.98

0.99

1

1.01

1.02

1.03

1.04

1.05

1.06

1.07

1.08

1.09

1.1

Tempo(h)

Ten

são

(p

.u.)

Fase 1(p.u.)

Fase 2(p.u.)

Fase 3(p.u.)

Limites Técnicos

- Cenário 1 57

Do anteriormente exposto, é importante identificar e quantificar os recursos que foram

utilizados para o controlo avançado de tensão A Tabela 4.10 evidencia os valores de potência

determinados para cada um dos recursos distribuídos utilizados após a simulação do algoritmo

temporal de controlo avançado de tensão (Plano de operação ótimo). Verifica-se ainda uma

gestão coordenada e hierarquizada de todos os recursos num período sequencial de 24 horas,

de acordo com a formulação (4.6) da secção 4.3.2 do presente Capítulo, utilizando

inicialmente os sistemas de armazenamento, seguindo-se a transferência de cargas e por fim

o corte de carga. De referir que na Tabela 4.10 não se apresentam as horas em que não

existem problemas de tensão, pois como seria de esperar não existe qualquer ação de

controlo por parte dos recursos disponíveis.

Tabela 4.10 – Plano de operação ótimo das ações de controlo para as condições do cenário 1

Recurso (kW) Período de sobretensão (hora) Período de subtensão (h)

12 h 13 h 14 h 15 h 16 h 17 h 20 h 21 h 22 h 23 h 24 h

0,549 0,868 1,185 1,165 2,233 - -0,805 -1,445 -1,657 -2,092 -

0,980 1,368 1,754 1,729 0,169 - -1,302 -2,119 -2,391 -0,188 -

- - - - - - - - - - -

0,002 1,113 - 0,002 1,356 0,328 -1,248 -1,084 - -0,125 -0,344

0,766 0,178 1,429 1,406 0,028 0,192 -0,008 -0,804 -1,896 -1,193 -0,099

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - 0,900 - - - - -0,900

- - - - 1,000 0,900 - - -0,900 -1,000 -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - -0,200 -1,450

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -0,150

- - - - - - - - - - -

- - - - - - - - -1,300 -0,350 -

- - - - - - - -1,300 -0,350 - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

A ferramenta de controlo avançado de tensão permitiu, eliminar os desvios de tensão nos

barramentos da rede do caso de estudo, Tabela 4.11, de acordo com o plano de operação

evidenciado na Tabela 4.10.

Tabela 4.11 – Valores de tensão nos barramentos da rede após simulação do algoritmo de controlo

Período (h)

Barramentos da Fase 1 (p.u.) Barramentos da Fase 2 (p.u.) Barramentos da Fase 3 (p.u.)

B22 B28 B32 B28 B32 B19 B26 B30

12 1,050 1,037 1,050 1,041 1,050 - - -

13 1,050 1,035 1,050 1,036 1,050 - - -

14 1,050 1,033 1,050 1,415 1,050 - - -

15 1,050 1,033 1,050 1,415 1,050 - - -

16 1,015 1,040 1,049 1,035 1,050 - - -

17 1,033 1,031 1,037 1,039 1,050 - - -

20 0,950 0,965 0,950 0,965 0,950 - - -

21 0,950 0,969 0,950 0,964 0,950 0,958 0,957 0,954

22 0,952 0,996 0,982 0,958 0,950 0.956 0,954 0,950

23 0,980 0,962 0,952 0,959 0,950 - - 0,997

24 0,972 0,987 0,976 0,963 0,953 - - -


Com o objetivo de analisar os valores das tensões com a utilização dos diferentes recursos

distribuídos na microrede, realiza-se um estudo para cada uma das três fases.

4.3.4.1 – Ações de controlo da Fase 1

Na Figura 4.10 apresentam-se todas as ações de controlo da fase 1, num período

sequencial de 24 horas. Verifica-se que das 12 às 16 horas o algoritmo recomenda utilizar os

sistemas de armazenamento do operador para armazenar energia. No período das 16 às 17

horas o algoritmo define as cargas controláveis como opção para o controlo dos níveis de

tensão, designadamente o aumento do consumo com a transferência de cargas das 22, 23 e 24

horas para estes períodos, visto que as baterias atingem a sua capacidade máxima de

armazenamento. Ainda da análise da Figura 4.10, para controlar os níveis de subtensão nos

períodos das 20 às 24 horas, as baterias descarregam a energia armazenada. Quando a energia

armazenada é insuficiente para controlar os níveis de tensão, o algoritmo define as cargas

controláveis como opção, com a diminuição do consumo nos períodos das 22, 23 e 24 horas

pois esta carga já foi transferida para o período das 15 e das 16 horas. Por fim verifica-se que

as ações anteriormente mencionadas ainda se revelam insuficientes para controlar os níveis

de tensão, pelo que o algoritmo define o corte de cargas classificadas como não prioritárias,

diminuindo o consumo nestes períodos e consequentemente aumentando os níveis de tensão

para o cumprimento do limite mínimo admissível de 0,95 p.u.

Figura 4.10 – Ações de controlo da fase 1 para um período sequencial de 24 horas

Evidenciando com maior detalhe as ações de controlo anteriormente descritas, o gráfico

da Figura 4.11 apresenta a gestão dos sistemas de armazenamento instalados no barramento

22 e 28 da fase 1, com os ciclos de carga e descarga para as 24 horas do dia cumprindo os

limites técnicos admissíveis. Da análise do gráfico da Figura 4.11, para o período das 12 às 15

horas e das 20 às 22 horas, verifica-se que a bateria no barramento 28 apresenta taxas de

carga e descarga mais elevadas nos períodos iniciais em comparação com a bateria do

barramento 22. De facto os valores de sobretensão mais elevados são no barramento 28 e 32,

bastante próximo do local onde a bateria B28 está instalada. Assim sendo, o algoritmo

apresenta um plano de operação que utiliza os sistemas de armazenamento mais próximos,

para uma gestão ótima que minimiza a potência necessária para controlar os níveis de tensão.

A exceção é o período das 16 horas. O plano de operação para este período apresenta um

valor de potência de carga consideravelmente elevado para a bateria instalada no barramento

22, pois a bateria no barramento 28 atinge a sua capacidade máxima de armazenamento,

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25-6

-5

-4

-3

-2

-1

0

1

2

3

4

5

6

Tempo (h)

Po

tên

cia

(k

W)

Carregamento das baterias (kW)

Move - Aumento de Carga (kW)

Descarga das baterias (kW)

Move - Diminuição de Carga (kW)

Corte de Carga (kW)

- Cenário 1 59

pelo que o controlo fica assegurado pela bateria instalada no barramento 22, que atinge a sua

capacidade máxima de armazenamento no mesmo período, conforme se pode observar na

Figura 4.12. Compreende-se que a gestão destes recursos requer capacidade disponível para

armazenar energia nas horas em que se verificam sobretensões e energia armazenada para

descarregar esta energia nos períodos em que se verifica problemas de subtensão.

Figura 4.11 – Períodos de carga e descarga dos sistemas de armazenamento da fase 1

O gráfico da Figura 4.12 evidencia o estado de armazenamento de energia em todas as

baterias instaladas, com o cumprimento dos limites técnicos admissíveis. O período temporal

em que se verifica problemas de sobretensão é das 12 às 17 horas. Conclui-se, pela

observação do gráfico da Figura 4.12 que a energia disponível dos sistemas de

armazenamento é insuficiente para o controlo de tensão em todos os períodos temporais,

dado que atinge a sua capacidade máxima de armazenamento no período das 16 horas (total

de 12 kWh), não podendo armazenar mais energia nas horas subsequentes, sendo que às 23

horas as baterias já se encontram sem armazenamento de energia (0 kWh), tendo a energia

sido descarregada às 20, 21, 22 e 23 horas.

Figura 4.12 – Estado de armazenamento de todas as baterias da fase 1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24-3

-2.5

-2

-1.5

-1

-0.5

0

0.5

1

1.5

2

2.5

3

Tempo(h)

Potê

nci

a (

kW

)

Carga e Descarga da Bateria B22 da Fase 1


Taxa de carga e descarga máxima

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24-13-12-11-10-9-8-7-6-5-4-3-2-10123456789

10111213

Tempo(h)

En

erg

ia (

kW

h)

Energia Armazenada (kWh)

Capacidade disponivel (kWh)


Quando as ações dos sistemas de armazenamento se revelam insuficientes devido à sua

capacidade de armazenamento, utiliza-se a próxima ação de controlo, aumentando a carga

com a transferência de cargas para os períodos das 16 e 17 horas. No período das 16 horas o

armazenamento de energia das baterias revela-se insuficiente para corrigir os valores de

tensão para os limites impostos, devido à sua limitada capacidade de armazenamento. Deste

modo, o algoritmo definiu a ação de controlo de transferir carga para este período. Do plano

de operação para as ações de controlo da fase 1, evidenciado na Tabela 4.10, verifica-se que

ainda existe carga por parte das baterias para o período das 16 horas. As baterias no

barramento 28 e 32 da fase 1 armazenam 2,233 e 0,169 kW respetivamente sendo ainda

necessário transferir 0,9 kW de carga de um outro período no barramento 22.

Quanto ao controlo para o período das 17 horas, verificou-se que não existe capacidade

de armazenamento das baterias na fase 1, deste modo, o algoritmo define os valores de

0,9 kW de consumo que tem que ser transferido para este período da carga do barramento 22

e 32, de referir que estes recursos assumem um conjunto de valores discretos, e 0,9 kW é o

valor mínimo que garante que os limites técnicos são cumpridos.

4.3.4.2 – Ações de controlo na Fase 2

Na Figura 4.13 apresentam-se todas as ações de controlo da fase 2, num período

sequencial de 24 horas. Da observação do gráfico constata-se que para o período das 12 às 17

horas a utilização das baterias da fase 2 para o armazenamento de energia é suficiente para

controlar os níveis de sobretensão nos barramentos da rede do caso de estudo. No período das

20 às 24 horas as baterias descarregam toda a energia armazenada com o objetivo de

aumentar os valores de tensão nos barramentos que não cumprem o limite mínimo admissível

de 0,95 p.u, esta ação revela-se insuficiente para corrigir os valores de sobretensão no

período das 24 horas, pelo que o algoritmo define um ligeiro corte de carga.

.

Figura 4.13 – Ações de controlo da fase 2 para um período sequencial de 24 h

O gráfico da Figura 4.14 apresenta a gestão dos sistemas de armazenamento da fase 2,

com os ciclos de carga e descarga para as 24 horas do dia cumprindo os limites técnicos

admissíveis. Da análise do gráfico verifica-se que o algoritmo apresenta um plano de operação

(carregamento e descarga) para baterias instaladas nos barramentos 28 e 32, precisamente os

sistemas de armazenamento mais próximos dos locais onde existem os problemas de tensão.

Ainda da análise da mesma figura, observa-se que não existe qualquer plano de operação para

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25-2

-1.5

-1

-0.5

0

0.5

1

1.5

Tempo (h)

Po

tên

cia

(k

W)





Corte de Carga (kW)

- Cenário 1 61

as baterias instaladas no barramento 14, de facto a gestão das baterias instaladas no

barramento 22 e 28 é suficiente para garantir o controlo de tensão nos barramentos 22 e 28,

pelo que não é necessário utilizar um recurso muito afastado desses locais, garantindo uma

gestão ótima que minimize a potência necessária para controlar tais os níveis de tensão.

Figura 4.14 - Períodos de carga e descarga dos sistemas de armazenamento da fase 2

O gráfico da Figura 4.15 evidencia o estado de armazenamento das baterias da fase 2,

com o cumprimento dos limites técnicos admissíveis, sendo que só poderá armazenar uma

quantidade de energia equivalente à sua capacidade máxima (12 kWh) e descarregar a

energia armazenada (6,8 kWh).

No plano de operação evidenciado não se verifica a utilização da toda a capacidade de

armazenamento disponível para controlar os níveis de tensão, pelo que se comprova que os

sistemas de armazenamento da fase 2 são suficientes para garantir o controlo de tensão para

o período sequencial de 24 horas.

Figura 4.15 - Estado de armazenamento de todas as baterias da fase 2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24-4

-3.5

-3

-2.5

-2

-1.5

-1

-0.5

0

0.5

1

1.5

2

2.5

3

3.5

4

Tempo(h)

Po

tên

cia

(k

W)




Taxa de carga e descarga máxima

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25-13-12-11-10-9-8-7-6-5-4-3-2-10123456789

10111213

Tempo(h)

En

erg

ia (

kW

h)

Energia Armazenada (kWh)

Capacidade disponivel (kWh)


4.3.4.3 - Ações de controlo na Fase 3

Apresenta-se na Figura 4.16 o plano de operação para a fase 3, que apenas consiste no

corte de cargas classificadas como não prioritárias para aumentar os níveis de tensão dos

barramentos identificados na Tabela 4.11 no período das 21 às 24 horas. Na fase 3 não existe

problemas de sobretensão durante o período sequencial de 24 horas considerado, deste modo

o algoritmo não exibe nenhum plano de operação para os sistemas de armazenamento e para

a transferência de cargas, ações importantes caso fosse necessário reduzir os níveis de tensão

com o objetivo do cumprimento do limite máximo admissível de 1,05 p.u.

Figura 4.16 - Ações de controlo da fase 3 para um período sequencial de 24 horas

4.3.4.4– Impacto da gestão de consumos

Neste trabalho, admite-se que os sistemas de armazenamento são propriedade do

operador e a sua gestão é uma mais-valia para o controlo da tensão nas redes de distribuição.

No caso dos sistemas instalados se revelarem insuficientes para este controlo, a definição de

programas de gestão de consumos com os clientes permite desenvolver ações que permitem

minimizar os desvios de tensão. Esta ação deve evitar uma mudança drástica dos hábitos de

consumo, garantindo que não existe desconforto por parte dos clientes.

Transferência de cargas

Com o objetivo de avaliar o impacto da transferência de consumo no perfil do diagrama

de cargas, apresenta-se o gráfico da Figura 4.17. O diagrama apresentado reflete todas as

cargas que foram alvo das ações de controlo. O perfil a linha contínua evidencia o perfil de

carga original, sem qualquer ação de controlo, sendo que com a transferência de cargas o

perfil altera-se nos períodos evidenciados pela linha a tracejado. Esta medida permite corrigir

os valores de sobretensão em períodos de elevada produção da microprodução, aumentando o

consumo e corrigir os valores de subtensão nos períodos de consumo elevado, reduzindo este

consumo. Verifica-se que esta medida consiste em deslocar equipamentos que eram utilizados

essencialmente nas horas de ponta, designadamente máquinas de lavar/secar roupa e louça.

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25-1.8

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

Tempo (h)

Potê

nci

a (

kW

)





Corte de Carga (kW)

- Cenário 1 63

Figura 4.17 – Perfil de consumo antes e após a transferência de consumos

De referir que, como se pretende, o consumo que foi reduzido nos período das 20 às 24

horas é exatamente o mesmo que foi acrescentado para os períodos das 13 às 17 horas, como

se pode verificar pelos valores apresentados na Tabela 4.12.

Tabela 4.12 – Balanço energético da transferência de consumos

Período (h) (kW)

(kW)

16 0 1,0

17 0,9 0,9

22 0 -0,9

23 0 -1,0

24 -0,9 0

∑

0 0

Corte de carga

Outra possibilidade de controlo da tensão, nomeadamente para o controlo dos níveis de

subtensão nos períodos de elevado consumo, é a redução dos consumos com o corte de carga

não prioritária dos clientes nos respetivos barramentos. De referir que a carga disponível para

o corte, consiste em desligar equipamentos classificados para tal ação e disponíveis pelo

cliente sem causar grande impacto nos seus hábitos de consumo.

O gráfico da Figura 4.18 evidencia o impacto do corte de consumo no perfil do diagrama

de cargas. O diagrama apresentado reflete todas as cargas que foram alvo das ações de

controlo. O perfil a linha contínua evidencia o perfil de carga original (Cenário Base),

constatando-se que, com o corte classificado de carga, o perfil altera-se nos períodos

evidenciados pela linha a tracejado. Esta medida permite corrigir os valores de subtensão nos

períodos de consumo elevado, reduzindo este consumo excessivo.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 244

6

8

10

12

14

16

18

20

Tempo(h)

Po

tên

cia

(kW

)

Perfil inicial, Cenário Base

Perfil final, Cenário 1


Figura 4.18 - Perfil de consumo antes e após o corte de carga

O consumo foi reduzido de acordo com os valores da Tabela 4.13 nos períodos das 20 às 24

horas, de forma a controlar os valores de subtensão nas três fases. Verifica-se que os valores

selecionados cumprem as restrições associadas ao corte classificado de carga, que consistem

em desligar os equipamentos de uma dada carga, categorizados para o controlo por pequenos

períodos de uma hora, designadamente o frigorífico (potência média de 0,2 kW), arca

congeladora (potência média de 0,15 kW) e equipamentos de ar condicionado (potência

média de 1,3 kW). O algoritmo define a potência média do corte de carga, podendo ser

necessário desligar um ou mais equipamentos no mesmo período.

Tabela 4.13 - Balanço energético do corte de carga classificado

Período (h)

21 - - - -1,3

22 - - -1,3 -0,35

23 -0,2 - -0,35 -

24 -1,45 -0,15 - -

∑

-1,65 -0,15 -1,65 -1,65

A representação do gráfico da Figura 4.19 evidencia o perfil final de consumo, com a ação

conjunta de todos os recursos mencionados associados à gestão de consumos, nomeadamente

a transferência de cargas e o corte de carga. Apresenta-se o perfil do cenário base, sem

qualquer ação de controlo para comparação. Verifica-se que o impacto da gestão das cargas

controláveis altera o perfil do diagrama de consumo com o aumento de carga (transferência)

nos períodos das 16 e 17 horas para reduzir o valor das sobretensões verificadas nestes

períodos pois já não existe capacidade disponível nos sistemas de armazenamento para

controlar estes valores. No período das 20 às 24 horas verifica-se que o impacto é

considerável, sendo que existe problema de subtensão na fase 3 e a única forma de controlo

de tensão é o corte de cargas não prioritárias.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 244

6

8

10

12

14

16

18

20

Tempo(h)

Po

tên

cia

(kW

)



- Cenário 1 65

Figura 4.19 - Perfil de consumo antes e após a simulação do algoritmo de otimização (Cenário 1)

4.3.4.5 - Análise Global das Ações de Controlo

Do resultado da simulação do trânsito de potências para as três fases da microrede

verifica-se pela análise do gráfico da Figura 4.20, que considerando as ações de controlo as

equações do trânsito de potências são cumpridas (equilíbrio entre a produção e o consumo),

visto que a potência total produzida é igual à potência total da carga mais as perdas no

sistema. As ações de controlo permitiram controlar os níveis de tensão bem como integrar

toda a potência da microprodução com o aumento de carga proveniente dos sistemas de

armazenamento e da transferência de cargas dos períodos em que se verificam subtensões

para os períodos em que se verifica sobretensões. A descarga dos sistemas de

armazenamento, bem como a diminuição da carga no período das 20 às 24 horas permitiram

controlar os níveis de subtensão na rede do caso de estudo. O corte de cargas classificadas

como não prioritárias é uma das ações de controlo de tensão, que não influencia os hábitos de

consumo do cliente, pelo que o restante consumo do cliente é assegurado.

Figura 4.20 - Trânsito de potências na microrede do caso de estudo (cenário 1)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 244

6

8

10

12

14

16

18

20

Tempo(h)

Po

tên

cia

(kW

)



0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 250

10

20

30

40

50

60

70

80

90

100

110

Tempo(h)

Potê

nci

a (

kW

)

Potência transformador MT/BT

Potência da microprodução

Perfil de carga + perdas, após as ações de controlo

Perfil de carga+perdas, caso base


O gráfico da Figura 4.21 traduz as perdas resultantes do trânsito de potências no sistema

do caso de estudo. O objetivo de otimização não consistiu na minimização da potência de

perdas, porém a sua análise revela-se interessante. De facto, as perdas para o cenário base

são mais elevadas que as perdas para o cenário 1 nos períodos coincidentes com as ações de

controlo de tensão, o que permite concluir que a consideração de recursos distribuídos

próximos dos consumo tais como os sistemas de armazenamento ou até mesmo uma gestão

destes consumos com o objetivo de controlar os níveis de tensão de forma otimizada, permite

reduzir as perdas durante a operação da microrede.

Figura 4.21 – Perfil de perdas na microrede do caso de estudo (cenário 1)

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 250

0.5

1

1.5

2

2.5

3

Tempo(h)

Potê

nci

a (

kW

)

Perdas após as ações de controlo, Cenário 1 (kW)

Perdas, Cenário base (kW)

- Cenário 1 67

A Tabela 4.14 apresenta os principais resultados obtidos da simulação do algoritmo de

otimização para o cenário 1.

Tabela 4.14 – Resumo dos resultados obtidos (Cenário 1)

h Produção

total (kW)

Microprodução total (kW)

Carga Total (kW)

Carga Baterias

(kW)

Descarga Baterias

(kW)

Carga Transferida

(kW)

Carga Cortada

(kW)

Perdas (kW)

1 42,80 0,00 42,48 0,00 0,00 0,00 0,00 0,32

2 35,38 0,00 35,17 0,00 0,00 0,00 0,00 0,21

3 30,22 0,00 30,06 0,00 0,00 0,00 0,00 0,16

4 27,73 0,00 27,60 0,00 0,00 0,00 0,00 0,13

5 26,94 0,00 26,82 0,00 0,00 0,00 0,00 0,12

6 27,11 0,00 26,99 0,00 0,00 0,00 0,00 0,12

7 30,65 0,34 30,83 0,00 0,00 0,00 0,00 0,16

8 33,96 4,31 38,14 0,00 0,00 0,00 0,00 0,13

9 29,19 13,40 42,53 0,00 0,00 0,00 0,00 0,06

10 22,61 23,54 45,92 0,00 0,00 0,00 0,00 0,23

11 23,73 30,02 53,35 0,00 0,00 0,00 0,00 0,4

12 19,94 38,42 55,53 2,30 0,00 0,00 0,00 0,53

13 19,96 42,21 58,05 3,53 0,00 0,00 0,00 0,59

14 14,25 43,72 52,98 4,37 0,00 0,00 0,00 0,62

15 12,24 42,61 49,95 4,30 0,00 0,00 0,00 0,6

16 13,05 39,43 47,22 3,78 0,00 1,00 0,00 0,48

17 16,14 32,83 46,28 0,52 0,00 1,80 0,00 0,37

18 27,12 23,17 50,09 0,00 0,00 0,00 0,00 0,2

19 57,63 11,70 69,02 0,00 0,00 0,00 0,00 0,31

20 80,41 3,35 86,39 0,00 -3,35 0,00 0,00 0,74

21 89,03 0,13 96,03 0,00 -5,45 -0,90 -1,30 0,78

22 95,67 0,00 102,3 0,00 -5,94 0,00 -1,65 0,96

23 79,43 0,00 83,91 0,00 -3,60 -1,00 -0,55 0,67

24 54,99 0,00 57,57 0,00 -0,44 -0,90 -1,60 0,36

Total

Produção Total (kWh)

Microprodução total (kWh)

Carga Total (kWh)

Carga Baterias (kWh)

Descarga Baterias (kWh)

Carga Transferida

(kWh)

Carga Cortada (kWh)

Perdas (kWh)

910,2 349,2 1255,2 18,8 -18,8 0 -5,1 9,3

Dos resultados obtidos na Tabela 4.14 retiram-se conclusões interessantes. Como

facilmente se perceciona a maior parte da energia necessária para alimentar as cargas é

proveniente do transformador de MT/BT, cerca de 71,21 % sendo que os restantes 28,79 %

têm origem nos recursos distribuídos, nomeadamente da microprodução e dos sistemas de

armazenamento. A expressão (4.7), evidencia que com a gestão dos recursos distribuídos, o

equilíbrio entre a produção e o consumo somado das perdas mantem-se.

(4.7)

Com:

Energia produzida da rede a montante do posto de transformação MT/BT (kWh);

Energia da microprodução (kWh);

Energia descarregada dos sistemas de armazenamento (kWh);

Consumo (kWh);

Energia consumida no sistema (kWh);

Energia das perdas (kWh);

Energia cortada de carga não prioritária (kWh);

Energia transferida (kWh).

Na Figura 4.22 apresenta-se o balanço energético da gestão dos recursos distribuídos

selecionados para as ações de controlo de tensão. Conclui-se que a energia armazenada e

descarregada é praticamente a mesma, visto que este recurso foi utilizado na sua totalidade.

A energia transferida (move) é exatamente a mesma, 6 % da energia foi transferida dos

períodos em que se verifica problemas de subtensão para os períodos em que se verifica


sobretensões nos barramentos da rede. Por fim, 11 % da energia utilizada é proveniente do

corte classificado de carga, necessária para controlar os valores de subtensão nos

barramentos.

Figura 4.22 – Quantificação da utilização de cada um dos recursos da energia total (Cenário 1)

O plano de operação ótimo definido pelo algoritmo de controlo avançado de tensão para

as condições do cenário 1 consistiu na gestão de todos os recursos distribuídos nas três fases

da microrede do caso de estudo com o objetivo de controlar os perfis de tensão nos seus

barramentos. Os problemas de tensão verificam-se nos barramentos na extremidade da

microrede (trânsito de potências reduzidos). Dos 33 barramentos da rede nas três fases,

verificam-se problemas de tensão:

Nos barramentos 22, 28 e 32 da fase 1;

Nos barramentos 28 e 32 da fase 2;

Nos barramentos 19, 26 e 30 da fase 3.

De facto, existem recursos classificados para o controlo nestes barramentos, pelo que se

justifica o armazenamento de apenas 18,8 kWh para o controlo dos valores de tensão. A

mesma análise se aplica para as cargas controláveis, sendo que as cargas selecionadas pelo

algoritmo para o controlo de tensão são as que estão mais próximas dos problemas existentes,

com a transferência de apenas 2,8 kWh de carga dos períodos onde ser verificam subtensões

para os períodos onde existem sobretensões. O corte mínimo é de 5,1 kWh e permite reduzir

os valores de tensão de forma a manter os níveis de acordo com o limite técnico

regulamentar de 0,95 p.u.

Neste cenário não foi necessário o corte de microprodução, cumprindo o objetivo de

minimizar a EDM, integrando toda a produção por parte deste recurso e também foi

cumprindo o objetivo de minimização da ENF, evitando o corte indiscriminado de carga (carga

prioritária) dos clientes para corrigir os valores de subtensão.

18,8 kWh (39%)

2,8 kWh (6%)

2,8 kWh (6%)

5,1 kWh (11%)

18,8 kWh (39%)

Baterias - Carga

Move - Aumento Carga

Baterias - Descarga

Move - Diminuição Carga

Carga cortada

- Cenário 2 69

4.4 - Cenário 2

O cenário apresentado neste subcapítulo consiste na simulação do algoritmo de

otimização desenvolvido para a rede do caso de estudo, com o auxílio das seguintes ações de

controlo avançado de tensão:

Corte de microprodução nos períodos em que se verificam sobretensões nos

barramentos da rede;

Corte indiscriminado de carga (incluindo carga prioritária) nos períodos em que se

verifica subtensões nos barramentos da rede.

O objetivo desta simulação é quantificar a energia desperdiçada da microprodução e a

energia não fornecida aos clientes, que é necessária para controlar os níveis de tensão, sem a

utilização dos sistemas de armazenamento e gestão das cargas controláveis, que permitiram

no cenário anterior integrar toda a energia proveniente da produção renovável e alimentar a

totalidade das cargas da rede, mantendo os níveis de tensão dentro dos limites

regulamentares. Assim sendo, a estrutura da partícula que representa as variáveis de controlo

consideradas para este cenário é a seguinte:

Potência fotovoltaica que pode ser cortada no barramento k da fase α;

Potência da carga no barramento k da fase α que pode ser cortada;

A Tabela 4.15 apresenta todos os recursos utilizados para o controlo avançado dos níveis

de tensão nos barramentos e respetivas fases da rede do caso de estudo. Os valores obtidos

devem cumprir os intervalos definidos na Tabela 4.15. A potência máxima admissível da

microprodução depende da aplicação do fator de variação da microprodução solar

fotovoltaica para o período sequencial de 24 horas, vmicro(h), sendo que a produção varia

dependendo da incidência solar em cada hora.

(4.8)

A potência da carga depende da variação do consumo durante o mesmo período.

(4.9)

Potência máxima de microprodução que pode ser cortada no barramento k da fase α;

Potência máxima de carga que pode ser cortada no barramento k da fase α;


Tabela 4.15 – Recursos utilizados para a simulação do Cenário 2 M

icro

gera

ção

Potência mínima admissível (kW)

Recurso

(kW)

Potência instalada em microprodução

0 ≤ ≤ 3,450.vmicro(h)

0 ≤ ≤ 5,175.vmicro(h)

0 ≤ ≤ 5,175.vmicro(h)

0 ≤ ≤ 1,725.vmicro(h)

0 ≤ ≤ 1,725.vmicro(h)

0 ≤ ≤ 5,175.vmicro(h)

0 ≤ ≤ 5,750.vmicro(h)

Consu

mo

0 ≤ ≤ 20,7.vcarga(h)

0 ≤ ≤ 10,35.vcarga(h)

0 ≤ ≤ 10,35.vcarga(h)

0 ≤ ≤ 3,45.vcarga(h)

0 ≤ ≤ 3,45.vcarga(h)

0 ≤ ≤ 10,35.vcarga(h)

0 ≤ ≤ 3,45.vcarga(h)

0 ≤ ≤ 6,9.vcarga(h)

0 ≤ ≤ 13,8.vcarga(h)

- Resultados obtidos para o período multi-temporal de 24 horas 4.4.1

O gráfico da Figura 4.23 evidencia os valores máximos de tensão, na fase 2 do barramento

32 para um período sequencial de 24 horas. Utilizando o algoritmo de controlo de tensão foi

possível regular estes valores para um valor próximo dos limites técnicos admissíveis de

0,95 p.u. e 1,05 p.u, apenas com o corte de carga e com o corte de microprodução.

Figura 4.23 - Comparação dos valores de tensão antes e após a simulação do algoritmo de otimização (Cenário 2)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240.850.860.870.880.890.9

0.910.920.930.940.950.960.970.980.99

11.011.021.031.041.051.061.071.081.091.1

Horas

Ten

são (

p.u

.)

Tensão Inicial(p.u.)

Tensão Final(p.u.)

Limites Técnicos

- Cenário 2 71

A Figura 4.24 demonstra que o algoritmo utiliza os recursos disponíveis nas três fases do

sistema para corrigir os problemas de tensão que podem existir. Com o corte da

microprodução é possível reduzir o valor de tensão nos barramentos do sistema de forma a

garantir o cumprimento dos limites técnicos admissíveis em períodos de excesso de

microprodução, enquanto que o corte de carga permite a elevação dos valores de tensão nos

barramentos em períodos de ponta de consumo e garante-se assim o cumprimento do valor

mínimo de tensão admissível. Apresentam-se os valores de tensão da figura correspondem aos

desvios mais elevados, designadamente:

Barramento 32 da fase 1;

Barramento 32 da fase 2;

Barramento 30 da fase 3.

Figura 4.24 - Valores de tensão obtidos após a simulação do algoritmo de otimização para as fases.1,2 e 3 (Cenário 2).

A ferramenta de controlo avançado de tensão permitiu eliminar os desvios de tensão nos

barramentos da rede do caso de estudo, de acordo com o plano de operação evidenciado na

Tabela 4.16 e no gráfico da Figura 4.25. A Tabela 4.16 evidencia os valores de potência

determinados para cada um dos recursos após a simulação do algoritmo temporal de controlo

avançado de tensão. O plano de operação ótimo consiste nos valores mínimos de potência de

microprodução cortada para controlar os níveis de sobretensão e potência de carga cortada

(incluindo carga prioritária) para controlar os níveis de subtensão nos barramentos da rede do

caso de estudo.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240.9

0.91

0.92

0.93

0.94

0.95

0.96

0.97

0.98

0.99

1

1.01

1.02

1.03

1.04

1.05

1.06

1.07

1.08

1.09

1.1

Horas

Ten

são (

p.u

.)

Fase 1(p.u.)

Fase 2(p.u.)

Fase 3(p.u.)

Limites Técnicos


Tabela 4.16 - Plano de operação ótimo das ações de controlo para as condições do cenário 2

Recurso (kW) Período de sobretensão (hora) Período de subtensão (hora)

12 h 13 h 14 h 15 h 16 h 17 h 20 h 21 h 22 h 23 h 24 h

- - - - - - - - - - -

0,562 0,885 1,208 1,187 0,935 0,264 0,822 1,472 1,687 1,098 0,257

0,809 1,131 1,453 1,432 1,181 0,511 - - - - -

- - - - - - - - - - -

- - - - - - - 0,361 0,252 0,238 -

0,768 1,099 1,430 1,408 1,150 0,462 - 0,644 1,137 - -

- - - - - - 1,045 1,693 1,908 1,321 0,482

- - - - - - 1,011 1,676 1,896 1,294 0,434

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

- - - - - - - - - - -

O gráfico da Figura 4.25 exibe o plano de operação ótimo para o período sequencial de 24

horas, evidenciando a potência total de recursos distribuídos mobilizados, necessária para

controlar os níveis de tensão em todos os barramentos das três fases. As ações de controlo

permitiram elevar os níveis de tensão de forma a cumprir o limite máximo admissível de

1,05 p.u. com o corte de microprodução no período das 12 às 17 horas bem como a redução

dos níveis de tensão no período das 20 às 14 horas com o corte indiscriminado de carga,

garantindo o objetivo de reduzir os níveis de tensão cumprindo o limite mínimo admissível de

0,95 p.u. Da análise do gráfico verifica-se que a potência máxima para o corte de

microprodução é às 14 horas, período coincidente com o regime de máxima incidência solar e

a potência máxima para o corte de carga às 22 horas coincidente com regime de carga mais

elevado.

Figura 4.25 – Plano de operação dos recursos distribuídos (Cenário 2)

Constata-se da observação da Tabela 4.17, que os valores de tensão apresentados em

todos os barramentos para cada hora são similares, pois as ações de controlo de corte de

microprodução e de corte de carga indiscriminado são exatamente as mesmas para cada uma

das horas, pelo que o algoritmo de otimização apresenta um plano de operação que utilize

estes mesmos recursos para controlar os níveis de tensão em todos os barramentos.

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 250

1

2

3

4

5

6

7

8

Tempo(h)

Po

tên

cia

(k

W)

Corte de Microgeração (kW)

Corte de Carga (kW)

- Cenário 2 73

Por exemplo na fase 1 existe microprodução no barramento 4, 22 e 32. Segundo o plano

de operação da Tabela 4.16 o corte de microprodução para controlar os valores de

sobretensão nos barramentos 22, 28 e 32 é efetuado nas unidades mais próximas dos locais

onde existem estes problemas, designadamente corte de produção nas unidades instaladas no

barramento 22 e 32, não existindo qualquer corte na unidade mais afastada (microprodução

no barramento 4). A mesma análise aplica para as restantes fases da microrede, o que

permite concluir que o algoritmo determina um plano de operação ótimo para cada hora,

cortando o mínimo de potência possível de microprodução e de consumo para controlar os

níveis de tensão, Figura 4.25.

Tabela 4.17 – Valores de tensão nos barramentos da rede após simulação do algoritmo de controlo (Cenário 2)

Período (h)

Barramentos da Fase 1 Barramentos da Fase 2 Barramentos da Fase 3

B22 B28 B32 B28 B32 B19 B26 B30

12 1,050 1,042 1,050 1,041 1,05 - - -

13 1,050 1,042 1,050 1,041 1,05 - - -

14 1,050 1,042 1,050 1,042 1,05 - - -

15 1,050 1,042 1,050 1,042 1,05 - - -

16 1,050 1,042 1,050 1,041 1,05 - - -

17 1,050 1,042 1,050 1,041 1,05 - - -

20 0,950 0,9584 0,950 0,959 0,950 0,956 0,954 0,951

21 0,950 0,9584 0,950 0,959 0,950 0,955 0,954 0,950

22 0,950 0,9584 0,950 0,958 0,950 0,955 0,953 0,950

23 0,950 0,9584 0,950 0,959 0,950 0,955 0,954 0,950

24 0,950 0,9585 0,950 0,959 0,950 - - -

Com o objetivo de avaliar o impacto do corte de microprodução no perfil do diagrama de

microprodução, apresenta-se o gráfico da Figura 4.26. O diagrama apresentado reflete todas

unidades de microprodução que foram alvo das ações de controlo. O perfil a linha continua

evidencia o perfil de carga original, sem qualquer ação de controlo, com o corte de

microprodução o perfil altera-se nos períodos evidenciados pela linha a tracejado.

Figura 4.26 - Perfil de microprodução total antes e após o corte de microprodução (cenário 2).

Apresenta-se no gráfico da Figura 4.27 O impacto do corte de carga no perfil de carga dos

consumidores. O diagrama apresentado reflete todas as cargas que foram alvo das ações de


controlo. O perfil a linha continua evidencia o perfil de carga original, sem qualquer ação de

controlo, com o corte de carga o perfil altera-se nos períodos evidenciados pela linha a

tracejado, constata-se que é preciso um corte considerável de carga para controlar os níveis

de tensão nos períodos das 20 às 24 horas.

Figura 4.27 - Perfil de consumo antes e após o corte de carga (cenário 2)

Do resultado da simulação do trânsito de potências para o plano de operação ótimo,

verifica-se pela análise do gráfico da Figura 4.28 que existe o ligeiro corte de microprodução

(mínimo possível) no período das 12 às 17 horas, deste modo o consumo é garantido pela

restante microprodução e pela potência proveniente da rede a montante através do

transformador de distribuição de MT/BT. No período das 20 às 24 horas verifica-se um

decréscimo do valor do consumo, visto que foi necessário cortar carga nestes períodos para

elevar os níveis de tensão nos barramentos de acordo com o limite mínimo admissível de

0.95 p.u.

Figura 4.28 – Trânsito de potência da Microrede do caso de estudo (cenário 2)

- Cenário 2 75

A Figura 4.18 apresenta os principais resultados, obtidos da simulação do algoritmo de

otimização para o cenário 2. Os valores evidenciados consistem nos valores totais (nas três

fases da microrede) de produção, consumo e perdas. Apresenta-se os valores de potência

desperdiçada da microprodução bem como a potência não fornecida aos consumidores,

resultantes das ações de controlo.

Tabela 4.18 – Resumo dos resultados obtidos (Cenário 2)

Período Produção total

(kW) Microprodução

total (kW)

Carga Total (kW)

PDM (kW)

PNF (kW)

Perdas (kW)

1 42,80 0,00 42,48 - - 0,32 2 35,38 0,00 35,17 - - 0,21 3 30,22 0,00 30,06 - - 0,16 4 27,73 0,00 27,60 - - 0,13 5 26,94 0,00 26,82 - - 0,12 6 27,11 0,00 26,99 - - 0,12 7 30,65 0,34 30,83 - - 0,16 8 33,96 4,31 38,14 - - 0,13 9 29,19 13,40 42,53 - - 0,06 10 22,61 23,54 45,92 - - 0,23 11 23,73 30,02 53,35 - - 0,4 12 19,78 38,42 55,53 2,14 - 0,53 13 19,54 42,21 58,05 3,12 - 0,58 14 13,96 43,72 52,98 4,09 - 0,61 15 11,96 42,61 49,95 4,03 - 0,59 16 11,61 39,43 47,22 3,27 - 0,55 17 15,14 32,83 46,28 1,24 - 0,45 18 27,12 23,17 50,09 - - 0,2 19 57,63 11,70 69,02 - - 0,31 20 80,87 3,35 86,39 - 2,88 0,71 21 90,89 0,13 96,03 - 5,85 0,84 22 96,35 0,00 102,34 - 6,88 0,89 23 80,70 0,00 83,91 - 3,95 0,74 24 56,85 0,00 57,57 - 1,17 0,45

Total (kWh)

Produção total (kWh)

Microprodução total (kWh)

Carga Total (kWh)

EDM (kWh)

ENF (kWh)

Perdas (kWh)

912,72 349,18 1255,25 17,89 20,73 9,49

A expressão (4.10), evidencia que com a gestão dos recursos distribuídos, o equilíbrio

entre a produção e o consumo mantem-se.

(4.10)

Energia proveniente da rede a montante através do posto de transformação MT/BT

(kWh);

Energia da microprodução (kWh);

Energia desperdiçada da microprodução (kWh);

Consumo (kWh);

Energia não fornecida à carga (kWh);

Energia das perdas (kWh).


O cenário apresentado revela-se interessante para determinar a energia desperdiçada da

microprodução (EDM) e a energia não fornecida (ENF). Neste caso, o algoritmo revela um

plano de operação que minimiza estas ações com o objetivo de integrar o máximo de

potência possível proveniente da microprodução e garantir a alimentação das cargas da

microrede do caso de estudo.

Na Figura 4.29 está quantificado o balanço energético para o período sequencial de 24

horas. Da análise da figura conclui-se que para controlar os níveis de sobretensão em todos os

barramentos das três fases seria necessário cortar 17,89 KWh de energia proveniente da

produção solar fotovoltaica e 20,73 kWh de consumo aos clientes.

Figura 4.29 – Energia desperdiçada de microprodução e energia não fornecida (Cenário 2).

4.5 – Sumário

Inicialmente neste Capitulo foi descrita a microrede utilizada para testar o algoritmo de

controlo avançado de tensão. Consiste numa rede real com topologia radial típica de uma

área rural ou suburbana.

Realizando um trânsito de potências baseado em previsões de perfis de consumo e de

microprodução, para um período temporal de 24 horas, por exemplo para o dia seguinte ou

para um dia específico, tal como o escolhido, o dia 31 de maio de 2013, permitiu definir um

cenário base.

O cenário base consistiu na simulação do algoritmo de trânsito de potências trifásico para

a rede de caso de estudo com o objetivo de alimentar as cargas a partir de um posto de

transformação de MT/BT de 100 kVA e de sistemas de microprodução distribuídos na rede com

o objetivo de fornecer energia elétrica aos consumidores distribuídos nos 33 barramentos

pelas três fases bem como de identificar os problemas de tensão nesses mesmos barramentos.

Os problemas de tensão verificam-se sobretudo nos barramentos na extremidade da

microrede. Dos 33 barramentos da rede nas três fases, verificam-se problemas de tensão:

Nos barramentos 22, 28 e 32 da fase 1;

Nos barramentos 28 e 32 da fase 2;

Nos barramentos 19, 26 e 30 da fase 3.

Os problemas de sobretensão que daqui surgem devem-se, à consideração de uma elevada

integração de microprodução. Os resultados obtidos no trânsito de potências para o Cenário

Base permitiram concluir que 27,48 % (349 kWh) da energia produzida é de origem de

microprodução solar fotovoltaica enquanto os restantes 75,52 % (921 kWh) são provenientes

da rede a montante do transformador de MT/BT. Quanto aos problemas de subtensão

verificados nos períodos de ponta (20 às 24 horas), em que o consumo é mais elevado e a

20,73 kWh

17,89 kWh

Energia - Corte de microprodução (kWh)

Energia - Corte de carga (kWh)

– Sumário 77

microprodução solar fotovoltaica é reduzida ou nula, deveram-se às cargas muito afastadas do

transformador de MT/BT.

Com o objetivo de resolver estes problemas aplica-se o algoritmo de otimização

desenvolvido no Capítulo anterior para a rede do caso de estudo, definindo o Cenário 1. O

Cenário 1 consistiu na minimização das ações de controlo de tensão, designadamente os

recursos energéticos distribuídos na microrede classificados para tal, tais como os sistemas de

armazenamento e as cargas controláveis. O algoritmo foi aplicado a um período sequencial de

24 horas para as mesmas condições do Cenário Base, com o objetivo de minimizar os desvios

de tensão identificados após a simulação do trânsito de potências.

Antes da análise dos resultados do algoritmo multi-temporal para um período de 24 horas,

foram realizados testes da ferramenta desenvolvida com a finalidade de avaliar a

performance do algoritmo e a viabilidade dos resultados. Os resultados de várias simulações

do algoritmo para um período tempo de uma hora para as mesmas condições iniciais

(parâmetros estratégicos do algoritmo) e o mesmo perfil de cargas e produção considerado

para o cenário 1, exibem um padrão semelhante e uma convergência para um mesmo valor

que garante mínimo da função objetivo. Quanto ao cumprimento dos objetivos definidos, com

a aplicação de penalizações na função objetivo os valores de tensão ao longo das iterações

aproximam-se ou estão contidos no intervalo que define os limites técnicos de mínimo de

tensão de 0,95 p.u e 1,05 p.u, o que permite concluir que a função objetivo tenta minimizar

a potência necessária por parte dos recursos distribuídos para minimizar os desvios de tensão.

Da análise do plano de operação ótimo para o período sequencial de 24 horas para o

cenário 1 cumprindo todas as restrições enumeradas na secção 3.2 do 0, resume-se o

seguinte:

Na fase 1 os sistemas de armazenamento revelam-se insuficientes para garantir o

controlo de tensão em todos os períodos temporais, designadamente às 16 e

17 horas, devido à utilização da capacidade disponível destes recursos. Nos

períodos das 23 e 24 horas com a inexistência de armazenamento de energia nas

baterias, utilizada nos períodos antecedentes, este recurso revela-se mais uma

vez insuficiente pelo que o algoritmo define as cargas controláveis como uma

possibilidade de controlo de tensão, designadamente a transferência de cargas

dos períodos das 22, 23 e 24 horas (existência subtensões) para os períodos das 16

e 17 horas (existência de sobretensões). Com a utilização de todos estes recursos

o algoritmo definiu o corte classificado de carga (carga não prioritária) para os

períodos das 23 e 24 horas;

Na Fase 2 os sistemas de armazenamento são suficientes para garantir o controlo

de tensão em todos os períodos temporais, à exceção da hora 24, sendo

necessário um ligeiro corte de carga não prioritária para o controlo;

Na fase 3 não se verifica a operação dos sistemas de armazenamento nem

transferência de cargas, visto que não existe ocorrência de sobretensões durante

todo o período temporal considerado, apenas se verifica subtensões nos períodos

de consumo elevado, corrigidos pelas ações de corte classificado de carga (carga

não prioritária).

Do anteriormente exposto, compreende-se que o plano de operação obtido permitiu uma

gestão ótima e coordenada das ações de controlo e garantiu o cumprimento dos limites

técnicos admissíveis para os valores de tensão em todos os barramentos no período temporal

de 24 horas. Neste cenário não foi necessário o corte de microprodução, cumprindo o objetivo

de minimizar a EDM, integrando toda a produção por parte deste recurso e também foi

cumprindo o objetivo de minimização da ENF, evitando o corte indiscriminado de carga dos

clientes para corrigir os valores de subtensão.


A partir do anteriormente exposto, foi construído mais um cenário com o objetivo de

quantificar a energia necessária para o corte de microprodução e para o corte de carga para

garantir o mesmo controlo dos valores de tensão para as mesmas condições descritas no

cenário base.

Verificou-se que, no Cenário 2, para controlar os níveis de sobretensão em todos os

barramentos das três fases seria necessário cortar 17,89 KWh de energia proveniente da

produção solar fotovoltaica e 20,73 kWh de consumo aos clientes. No cenário anterior apenas

foi necessário cortar 5,1 KWh de carga, que consistiu no corte de carga classificada para o

controlo de tensão.

Outro aspeto importante de salientar, encorajador para utilização dos recursos

distribuídos, é que a sua utilização não só permitiu controlar os valores de tensão com uma

gestão otimizada, como garantiu a redução das perdas ativas na microrede, sendo que as

perdas verificadas para o cenário base foram de 14,98 kWh enquanto que para os cenários 1 e

2 foram de 9,30 kWh e 9,49 kWh. Isto permite que a consideração de recursos distribuídos

próximos do consumo, quando devidamente exploradas as suas capacidades de controlo,

podem melhorar a qualidade e continuidade de serviço mesmo com cenários de elevada

integração destes recursos.

79

Capítulo 5

Conclusão

5.1 - Conclusões

A crescente penetração de recursos energéticos distribuídos nas redes de distribuição está

a alterar o velho paradigma da operação dos sistemas elétricos de energia. Em particular a

penetração em larga escala de unidades de microprodução nas redes de Baixa Tensão (BT),

particularmente a baseada em fontes de energia renovável (não controlável) poderão

comprometer as suas condições de operação com o não cumprimento das restrições técnicas

de segurança e a qualidade e continuidade de serviço das redes.

Deste modo, e de forma a encarar estes desafios, o trabalho desenvolvido permitiu

desenvolver algoritmos capazes de auxiliar o operador das redes de distribuição com uma

gestão coordenada e otimizada das redes de distribuição de BT com a consideração da

elevada integração de microprodução distribuída.

O algoritmo desenvolvido em MATLAB® consistiu numa ferramenta de gestão dos recursos

distribuídos disponíveis para efeitos de controlo de tensão nas microredes. A aplicação da

ferramenta foi testada numa rede real de BT Portuguesa, considerando previsões de consumo

e de microprodução solar fotovoltaica que permitiram a criação de diversos cenários. Os

principais resultados obtidos revelaram-se interessantes e encorajadores para a gestão dos

sistemas de energia no futuro.

A consideração de previsões a curto/médio prazo dos perfis de consumo ou de produção

(para a próxima hora ou horas posteriores), incluídas no algoritmo desenvolvido, permitiu

estabelecer o plano de operação ótimo dos recursos distribuídos classificados como ações

para efeitos de controlo de tensão para um período sequencial de 24 horas, designadamente

os sistemas de armazenamento de energia, as cargas controláveis e a microprodução (cenário

1). Para o operador da rede de distribuição esta funcionalidade será útil uma vez que permite

a definição prévia dos planos de ação que permitam a gestão ótima dos recursos para o

controlo de tensão.

A ferramenta desenvolvida poderá ser integrada nos sistemas de gestão das redes de

distribuição (DMS) ou no controlador ao nível do posto de transformação MT/BT (MGCC) e

permitirá ao operador uma gestão hierarquizada dos recursos distribuídos das suas

microredes.

De facto a gestão, coordenada e hierarquizada dos recursos revelou-se importante, uma

vez que o algoritmo permite inicialmente utilizar os recursos distribuídos propriedade do

operador (nomeadamente sistemas de armazenamento distribuído), não sendo necessário

ações de controlo de tensão que provoquem impactos no perfil de carga dos clientes ou nos

perfis de microprodução dos mesmos (por exemplo a utilização de programas de gestão de

80 Conclusão

consumos ou o corte de microprodução do cliente caso este recurso seja insuficiente). De

acordo com a hierarquia definida o algoritmo prioriza a utilização de todos os sistemas de

armazenamento distribuídos nas redes do operador, de forma utilizar toda a sua capacidade

de armazenamento para controlar os valores de tensão. Se os sistemas de armazenamento do

operador forem insuficientes devido às suas restrições técnicas tais como a capacidade de

armazenamento ou as taxas máximas de carga e descarga, o algoritmo define as cargas

controláveis mais próximas dos locais onde se verifica os problemas de tensão como a próxima

ação de controlo. De referir que a definição de programas de gestão de consumos com os

clientes, tem como base a possibilidade de incentivos monetários por parte do operador da

rede aos consumidores que participam em tais programas, de forma a reduzirem os seus

consumos ou deslocá-los para outros períodos do dia (daqui surge a definição de cargas

controláveis).

Do estudo realizado dos impactos dos consumos nos níveis de tensão nas microredes

(secção 4.3.4.4 do Capítulo 4) conclui-se que é possível considerar medidas que permitam

controlar os níveis de tensão (cargas controláveis) sem comprometer severamente os hábitos

de consumo dos clientes do setor residencial. As ferramentas desenvolvidas no presente

trabalho são úteis para o operador pois permitem classificar os equipamentos de consumo de

energia elétrica ao nível do setor residencial que possam ser utilizados noutros períodos ou

certos equipamentos que podem ser desligados de acordo com os programas estabelecidos

entre o operador e o cliente.

A transferência de cargas é uma ação de controlo que não influencia muito os perfis de

consumo pois um sistema de controlo tal como o desenvolvido no Capítulo 3 permite ao

operador enviar set-points de valores de potência de forma a transferir consumos para certos

períodos para controlar os níveis de sobretensão e simultaneamente os níveis de subtensão,

sendo que o aumento de consumo provoca um decréscimo dos níveis de tensão enquanto a

diminuição do consumo provoca uma elevação dos níveis de tensão.

Com a transferência de toda a carga disponível para controlar os valores de tensão, o

corte de carga classificada como não prioritária poderá ser necessário nos períodos de

elevado consumo e consiste uma vez mais numa medida que não afete severamente os

hábitos de consumo do cliente, tais como desligar certos equipamentos classificados como

controláveis, por pequenos períodos de tempo.

Esta estrutura hierarquizada revela se importante, sendo uma mais-valia para a gestão

nas redes de BT do operador, uma vez que a ferramenta utiliza esta variedade de recursos de

forma a evitar o corte de microprodução fotovoltaica do cliente, e evita-se assim a

remuneração da energia desperdiçada da produção do cliente.

A criação de dois cenários distintos permitiu concluir que este controlo depende muito

dos recursos que existem na rede e das suas restrições de operação, deste modo o algoritmo

de otimização desenvolvido permite ao operador da rede de distribuição um controlo

eficiente de tensão nas redes de BT dependendo dos recursos distribuídos existentes e da sua

localização.

É igualmente importante referir que antes da aplicação da ferramenta desenvolvida para

o período sequencial de 24 horas com o objetivo de corrigir os perfis de tensão em todos os

barramentos para este período foram realizados vários testes de performance do algoritmo de

otimização (EPSO) com inúmeras simulações do algoritmo para diferentes condições iniciais

(considerando distintos valores para os parâmetros estratégicos), com o objetivo de garantir

uma progressão eficiente do processo de otimização para o ótimo global e avaliar a

viabilidade dos resultados.

Para o mesmo cenário de operação os resultados obtidos de inúmeros testes evidenciaram

uma boa convergência da função objetivo para um valor mínimo que garanta um plano de

operação ótimo para todos os recursos energéticos distribuídos classificados como ações de

controlo de tensão, o que permite concluir que o algoritmo desenvolvido apresenta robustez

suficiente para ser aplicado em outras microredes do operador de distribuição.

- Perspetivas Futuras 81

O novo paradigma operacional considerado neste trabalho consistiu numa evolução das

atuais redes de BT, para um novo conceito de rede inteligente (SmartGrid), com a gestão dos

diversos recursos energéticos distribuídos considerados, tais como a microprodução solar

fotovoltaica, os sistemas de armazenamento e as cargas controláveis. Com o objetivo da

gestão coordenada e eficiente destes recursos, definiu-se uma infraestrutura de controlo com

sistemas de comunicação, infraestruturas de leitura de consumos e de produção inteligentes

(smart-metering) e sistemas de eletrónica de potência. Conclui-se que o desenvolvimento da

arquitetura de controlo nas redes de distribuição BT, tal como a proposta no Capitulo 3 é

essencial para a gestão eficiente dos recursos distribuídos e representa uma evolução do atual

controlo das redes de distribuição, com o objetivo de controlar a tensão e maximizar a

integração da microprodução de origem renovável. O contributo do trabalho desenvolvido no

âmbito desta dissertação proporciona ao operador novos modelos e ferramentas de gestão e

controlo das redes de distribuição de BT com o objetivo de controlar a tensão, garantir o

equilíbrio entre a produção e o consumo e maximizar a integração de fontes energéticas

distribuídas, em especial com base em recursos renováveis.

5.2 - Perspetivas Futuras

O trabalho desenvolvido consistiu no desenvolvimento de uma ferramenta de controlo de

tensão, com a gestão coordenada e hierarquizada das ações de controlo. Uma abordagem

alternativa interessante seria o desenvolvimento de uma gestão que considerasse soluções

mais económicas e eficientes onde, por exemplo, os recursos eram selecionados para

estabelecer as ações de controlo dependendo do preço na sua utilização e não de uma

hierarquia pré-definida. Aos sistemas de armazenamento estariam associados custos de

operação e manutenção, enquanto no caso das cargas controláveis seria necessário remunerar

o consumidor para efetuar as ações de corte de consumo ou de transferências de consumos

para outros períodos do dia. Por fim seria necessário remunerar o corte de microprodução

fotovoltaica por parte do operador de distribuição aos clientes. Desenvolvendo um algoritmo

de otimização que minimize o custo global das ações de controlo de tensão permitiria a

redução dos custos da operação das redes e simultaneamente controlar situações de

contingência.

No presente trabalho considerou-se que os sistemas de armazenamento já se encontravam

instalados e distribuídos pela rede. Verificou-se que a localização geográfica dos sistemas de

armazenamento na rede é de extrema importância. Caso este recurso se encontre próximo do

local onde se verifica problemas de tensão a sua ação é bastante mais eficaz, pelo que deste

modo são pertinentes vários estudos que tentam determinar a localização ótima para a

instalação dos sistemas de armazenamento. Do anteriormente exposto compreende-se que as

desvantagens dos sistemas de armazenamento estacionários é o facto de geograficamente

poderem estar muito afastados dos locais onde se verificam problemas de tensão.

No futuro, caso se verifique uma elevada penetração de veículos elétricos, a sua

mobilidade permitirá classificar estes sistemas como “cargas móveis” e altamente flexíveis.

No entanto a conexão dos veículos em diferentes pontos da rede com o objetivo de

carregarem as suas baterias ou até mesmo descarregar energia para a rede, permitem

classificá-los como “sistemas de armazenamento móveis”, segundo o conceito Vehicle to Grid

(V2G). Assim sendo, será possível mobilizar os “sistemas de armazenamento móveis”

localizados próximo dos problemas de tensão, permitindo controlar as contingências sem

recorrer a outros recursos que possam se encontrar indisponíveis na rede.

Outro complemento interessante ao estudo realizado, seria a consideração de outras

tecnologias de microprodução com diferentes características, particularmente as micro-

eólicas que dependendo do vento podem fornecer energia à rede elétrica nos diferentes

períodos do dia, enquanto que o carácter regular da microprodução solar fotovoltaica

82 Conclusão

depende de sistemas de baterias para armazenar energia excedente durante os períodos de

grande produção de energia (durante o dia) e descarregar esta energia nos períodos em que

não se dispõe de recurso primário (durante a noite).

Por fim a inclusão de medidas adicionais de controlo de nível superior para controlar os

níveis de tensão de uma forma coordenada com o nível das redes de BT, poderia constituir

mais uma abordagem interessante ao problema global, nomeadamente a possibilidade de

regulação em carga da posição das tomadas do transformador de MT/BT que impõe o valor de

tensão no barramento de referência e, consequentemente, em todos os barramentos da rede

de BT a jusante deste ponto.

83

Referências

[1] (junho de 2013). European Commision - Renewable energy Available: www.ec.europa.eu/energy/renewables/index_en.htm

[2] N. Jenkins, J. B. Ekanayake, and G. Strbac, Distributed Generation: Institution of Engineering and Technology, 2010.

[3] DGEG, "renováveis "estatisticas rápidas"," Direcção Geral de Energia e Geologia, vol. nº97.

[4] "Republicação do Decreto-Lei nº 363/2007, de 2 de Novembro," Diário da República nº 35 - 1ª série , 19 de Fevereiro 2013.

[5] A. G. Madureira, J. C. Pereira, N. J. Gil, J. A. P. Lopes, G. N. Korres, and N. D. Hatziargyriou, "Advanced control and management functionalities for multi-microgrids," European Transactions on Electrical Power, vol. 21, pp. 1159-1177, 2011.

[6] A. G. Madureira and J. A. Peças Lopes, "Coordinated voltage support in distribution networks with distributed generation and microgrids," Renewable Power Generation, IET, vol. 3, pp. 439-454, 2009.

[7] F. A. Viawan and D. Karlsson, "Coordinated voltage and reactive power control in the presence of distributed generation," in Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, 2008 IEEE, 2008, pp. 1-6.

[8] L. Xiaohu, A. Aichhorn, L. Liming, and L. Hui, "Coordinated Control of Distributed Energy Storage System With Tap Changer Transformers for Voltage Rise Mitigation Under High Photovoltaic Penetration," Smart Grid, IEEE Transactions on, vol. 3, pp. 897-906, 2012.

[9] N. Venkatesan, J. Solanki, and S. K. Solanki, "Demand response model and its effects on voltage profile of a distribution system," in Power and Energy Society General Meeting, 2011 IEEE, 2011, pp. 1-7.

[10] P. Kadurek, M. M. Sarab, J. F. G. Cobben, and W. L. Kling, "Assessment of demand response possibilities by means of voltage control with intelligent MV/LV distribution substation," in Power and Energy Society General Meeting, 2012 IEEE, 2012, pp. 1-6.

[11] P. Strauss and A. Engler, "AC coupled PV hybrid systems and microgrids-state of the art and future trends," in Photovoltaic Energy Conversion, 2003. Proceedings of 3rd World Conference on, 2003, pp. 2129-2134 Vol.3.

[12] S. S. S. R. Depuru, W. Lingfeng, V. Devabhaktuni, and N. Gudi, "Smart meters for power grid 2014; Challenges, issues, advantages and status," in Power Systems Conference and Exposition (PSCE), 2011 IEEE/PES, 2011, pp. 1-7.

[13] A. Madureira, "Coordinated Voltage Control in Multi-Microgrids," vol. PhD Thesis, Department of Electrical and Computer Engineering, Faculty of Engineering, University of Porto, 2009.

[14] P. Baptista, "Gestão integrada de microgeração e armazenamento distribuído em redes de distribuição BT," vol. Dissertação M.I.E.E.C, Departamento de Engenharia Eletrotecnica e Computadores , Faculdade de Engenharia da Universidade do Porto, 2010.

[15] P. Amaro, "Utilização de Soluções de Armazenamento Distribuído para Maximização de Integração de Produção Renovável," vol. Dissertação M.I.E.E.C, Departamento de Engenharia Eletrotecnica e Computadores , Faculdade de Engenharia da Universidade do Porto, 2012.

http://www.ec.europa.eu/energy/renewables/index_en.htm

84

[16] (maio de 2013). Projeto InovGrid. Available: http://www.edpdistribuicao.pt/pt/rede/InovGrid/Pages/InovGrid.aspx

[17] (maio de 2013). Microgrids - Large Scale Integration of Microgeneration to Low Voltage Grids Available: http://www.microgrids.eu/micro2000/presentations/33.pdf

[18] J. Pereira and B. G. Lucus, "Component technology for modeling power networks in an integrated DMS," in Power Tech, 2005 IEEE Russia, 2005, pp. 1-6.

[19] M. Rafiei, S. M. Elmi, and A. Zare, "Wireless communication protocols for smart metering applications in power distribution networks," in Electrical Power Distribution Networks (EPDC), 2012 Proceedings of 17th Conference on, 2012, pp. 1-5.

[20] D. E. Nordgard, K. Sand, R. H. Kyte, E. Bjerkan, T. B. Solvang, and K. Samdal, "Solutions from a national Smart grids demonstration site exploring a fiber-optic communication infrastructure," in Power and Energy Society General Meeting, 2012 IEEE, 2012, pp. 1-5.

[21] M. J. Madera and E. A. Canizales, "The GPRS Communication Platform and DNP Protocol as the Best Choices to Communicate the SCADA with IEDs in the EDC Distribution Network," in Transmission & Distribution Conference and Exposition: Latin America, 2006. TDC '06. IEEE/PES, 2006, pp. 1-4.

[22] H. Okuda, R. Shibata, and T. Kitamura, "Performance of PLC transmission under unfavorable conditions," in Consumer Electronics, 2009. ISCE '09. IEEE 13th International Symposium on, 2009, pp. 452-454.

[23] H. Laaksonen, P. Saari, and R. Komulainen, "Voltage and frequency control of inverter based weak LV network microgrid," in Future Power Systems, 2005 International Conference on, 2005, pp. 6 pp.-6.

[24] T. Stetz, "German Guidelines and Laws for PV Grid Integration," presented at the IEA Task 14 Meeting Beijing, 2012.

[25] (maio de 2013). The SmartGrids European Technology Platform. Available: http://www.smartgrids.eu/ETPSmartGrids

[26] E. Miller, "Renewables and the smart grid," Renewable Energy Focus, vol. 10, pp. 67-69, 3// 2009.

[27] J. Yi, P. Wang, P. C. Taylor, P. J. Davison, P. F. Lyons, D. Liang, et al., "Distribution network voltage control using energy storage and demand side response," in Innovative Smart Grid Technologies (ISGT Europe), 2012 3rd IEEE PES International Conference and Exhibition on, 2012, pp. 1-8.

[28] N. Jenkins, Embedded generation. London: Institution of Engineering and Technology, 2008.

[29] H. B. Puttgen, P. R. MacGregor, and F. C. Lambert, "Distributed generation: Semantic hype or the dawn of a new era?," Power and Energy Magazine, IEEE, vol. 1, pp. 22-29, 2003.

[30] D. G. f. Sonnenenergie, Planning and Installing Photovoltaic Systems: A Guide for Installers, Architects and Engineers: Taylor & Francis, 2008.

[31] (junho de 2013). Solar radiation and photovoltaic electricity potencial country and regional maps for Europe. Available: www.eusolarsystems.com/solar-maps-europe-countries

[32] W. El-Khattam and M. M. A. Salama, "Distributed generation technologies, definitions and benefits," Electric Power Systems Research, vol. 71, pp. 119-128, 10// 2004.

[33] F. S. Fernando Santos, "Células de combustível," Revista do ISPV, nº29, junho 2004. [34] (2008, maio de 2013). Hydrogen Fuel Cells – energy conversion and storage.

Available: http://greenecon.net/hydrogen-fuel-cells-%E2%80%93-energy-conversion-and-storage/energy_economics.html

[35] H. Chen, T. N. Cong, W. Yang, C. Tan, Y. Li, and Y. Ding, "Progress in electrical energy storage system: A critical review," Progress in Natural Science, vol. 19, pp. 291-312, 3/10/ 2009.

[36] I. P. Instituto Nacional de Estatística, "Inquérito ao Consumo de Energia no Sector Doméstico," 2010.

[37] Z. Ning, L. F. Ochoa, and D. S. Kirschen, "Investigating the impact of demand side management on residential customers," in Innovative Smart Grid Technologies (ISGT Europe), 2011 2nd IEEE PES International Conference and Exhibition on, 2011, pp. 1-6.

http://www.edpdistribuicao.pt/pt/rede/InovGrid/Pages/InovGrid.aspx

http://www.microgrids.eu/micro2000/presentations/33.pdf

http://www.smartgrids.eu/ETPSmartGrids

http://www.eusolarsystems.com/solar-maps-europe-countries

http://www.eusolarsystems.com/solar-maps-europe-countries

http://greenecon.net/hydrogen-fuel-cells-%E2%80%93-energy-conversion-and-storage/energy_economics.html

http://greenecon.net/hydrogen-fuel-cells-%E2%80%93-energy-conversion-and-storage/energy_economics.html

85

[38] A. Soares, A. Gomes, and C. H. Antunes, "Domestic load characterization for demand-responsive energy management systems," in Sustainable Systems and Technology (ISSST), 2012 IEEE International Symposium on, 2012, pp. 1-6.

[39] M. H. Albadi and E. F. El-Saadany, "Demand Response in Electricity Markets: An Overview," in Power Engineering Society General Meeting, 2007. IEEE, 2007, pp. 1-5.

[40] V. Miranda, J. Krstulovic, H. Keko, C. Moreira, and J. Pereira, "Reconstructing Missing Data in State Estimation With Autoencoders," Power Systems, IEEE Transactions on, vol. 27, pp. 604-611, 2012.

[41] J. A. Peças Lopes, C. L. Moreira, and A. G. Madureira, "Defining control strategies for MicroGrids islanded operation," Power Systems, IEEE Transactions on, vol. 21, pp. 916-924, 2006.

[42] (junho de 2013). Simulador de Potência de consumo. Available: http://www.edp.pt/pt/particulares/bemvindoaedp/Pages/SimuladordePotenciaeConsumo.aspx

[43] C. S. Cheng and D. Shirmohammadi, "A three-phase power flow method for real-time distribution system analysis," Power Systems, IEEE Transactions on, vol. 10, pp. 671-679, 1995.

[44] (junho de 2013). MATLAB "The Language of Technical Computing". Available: http://www.mathworks.com/products/matlab/

[45] (maio de 2013). ERSE, Perfis de perdas e perfis de consumo em MT, BTE, BTN e IP Available: http://www.erse.pt/pt/electricidade/regulamentos/acessoasredesaasinterligacoes/Paginas/PerfishorariosdeperdasedeconsumoemBTEBTNeIP.aspx?master=ErsePrint.master

http://www.edp.pt/pt/particulares/bemvindoaedp/Pages/SimuladordePotenciaeConsumo.aspx

http://www.edp.pt/pt/particulares/bemvindoaedp/Pages/SimuladordePotenciaeConsumo.aspx

http://www.mathworks.com/products/matlab/

http://www.erse.pt/pt/electricidade/regulamentos/acessoasredesaasinterligacoes/Paginas/PerfishorariosdeperdasedeconsumoemBTEBTNeIP.aspx?master=ErsePrint.master



87

Anexos

Anexo A - Algoritmo de Trânsito de

Potências Trifásico

88

Anexo A.1 - Trânsito de Potências nas redes de Distribuição com

4 condutores

De acordo com Figura A. 1, uma matriz de dimensão 5 x 5 can representa a impedância

de um dado ramo .

[

]

(A.1)

Figura A. 1 – Modelo para os ramos de uma linha trifásico, adaptado de [43].

Com

Condutores ativos (Fases)

Condutor Neutro

Condutor Terra

Se alguma fase, condutor neutro, ou o condutor terra de um determinado ramo não

existir, a coluna e linha correspondentes na matriz será preenchida com zeros. As

capacitâncias shunt das linhas de BT não são consideradas. O modelo das linhas redes de

Distribuição com 4 condutores apresenta-se na Figura A. 2

[Zl]

a

b

c

n

a

b

c

n

i j

g

Yia Yib Yic Yin

89

Figura A. 2 – Modelo das linhas das redes de distribuição de BT, adaptado de [43].

Assume-se que o nó de referência apresenta um valor para o módulo de tensão de 1 p.u. e

argumento de 0º. O processo iterativo consiste em três passos. Na iteração k:

Passo 1 – Cálculo das correntes nos nós

[ ]

[ (

)

(

)

(

)

(

)

(

)]

[

]

[

]

(A.2)

Com:

Correntes injetadas no nó ;

Potências injetadas no nó ;

Valores de tensão no nó i;

Admitâncias shunt no nó ;

Impedância da terra no nó ( ).

Passo 2 – Fase ascendente (Backward sweep) – Cálculo das correntes nos ramos

Começa-se o cálculo pelos ramos da rede localizados na última camada em direção ao nó

de referência, o valor de corrente no ramo é calculado com o recurso á expressão (3.3):

a

n

bc

Node i

a

n

bc

Node jJla

Jlb

Jlc

Jln

Jln

g g’

Zaa

Zbb

Zcc

Znn

Zgg

Zgr(i) Zgr(j)Vn(i) Vn(j)

Vg’

90

[ ]

[ ]

∑

[

]

(A.3)

Com:

Corrente no ramo

Conjunto de ramos conectadas ao nó

Passo 3 – Passo descendente (Forward sweep) – Cálculo do valor de tensão nos nós

Começa-se na primeira camada em direção à última, o valor de tensão no nó determina-

se com o recurso á expressão (3.4):

[

]

[

]

[

]

[ ]

(A.4)

A correção dos valores de tensão nos nós com a consideração do condutor neutro ligado á

terra deve ser realizada. O valor de tensão nos nós com o condutor neutro à terra na iteração

k determina-se com o recurso à expressão (3.5):

(A.5)

De acordo com o critério de convergência, após a execução destes passos em cada

iteração, os desvios de potência em cada nó para todas as fases são calculadas a partir das

expressões (3.6), (3.7), (3.8), (3.9) e (3.10):

(

)

|

| (A.6)

(

)

|

| (A.7)

(

)

|

| (A.8)

(

)

|

| (A.9)

(

) (A.10)

Se a componente real ou imaginária da potência for igual ou maior que uma determinada

tolerância, os passos 1-3 são repetidos com o objetivo de cumprir o critério de convergência.

O valor inicial da tensão em todos os nós é igual ao valor de tensão no barramento de

referência, de acordo com a expressão (3.11).

[

]

[

]

(A.11)

No trabalho desenvolvido as capacitâncias shunt das linhas foram desprezadas pois esta

metodologia foi aplicada a condutores de BT. O condutor terra também não foi considerado,

pelo que a linha e a coluna na matriz das impedâncias ( ) foi preenchida com zeros.

91

Anexo B - Dados da rede do caso de

estudo

92

Anexo B.1 - Dados da Rede de BT

Os dados da rede utilizada para os testes no Capítulo 4 apresentam-se neste secção, em

particular as características dos condutores, das cargas e da microprodução. A rede do caso

de estudo, Figura A. 3, consiste numa rede real Portuguesa com topologia radial, alimentada

a partir da rede a montante de um transformador de distribuição de MT/BT de 100 kVA.

Figura A. 3 – Rede do caso de estudo.

21 22 23

24 25 26 27 28

1

2 3 4

5 6 7 8

9 10 11 12 13 14 15

16 17 18 19 20

29 30 31 32

33

f1,f2

f2,f3

f2,f3

f1

f1f1,f2,f3

f1,f2,f3f1,f2

f1,f2,f3 f1,f2

f2f1,f2

f1,f3

f3 f2

f1,f2,f3

f1

f1,f2,f3 f1,f2,f3 f1,f2,f3

f2

f2

f1

f2,f3f3

f3

f1,f2

f1

f2,f3

f2,f3

f1

f1

f3

f2

f1 – fase 1

f2 – fase 2

f3 – fase 3

Carga

Microprodução

f2

93

Na Tabela A. 1 apresentam-se as características dos condutores da rede do caso de

estudo.

Tabela A. 1 – Características das linhas da rede do caso de estudo.

Ramo Do barramento Para o barramento Resistência

[Ω] Reatância

[Ω] Resistência do Neutro

[Ω]

1 1 2 0,0567 8,5E-03 5,7E-02

2 1 3 0,0190 4,0E-03 1,9E-02

3 1 4 0,0367 5,5E-03 3,7E-02

4 2 5 0,0310 6,5E-03 3,1E-02

5 3 6 0,0769 1,8E-02 7,7E-02

6 3 7 0,0700 1,1E-02 7,0E-02

7 4 8 0,0667 1,0E-02 6,7E-02

8 5 9 0,0467 7,0E-03 4,7E-02

9 5 10 0,1040 5,3E-03 1,0E-01

10 5 11 0,2187 1,1E-02 2,2E-01

11 6 12 0,2917 1,4E-02 2,9E-01

12 7 13 0,0233 3,5E-03 2,3E-02

13 8 14 0,1989 9,8E-03 2,0E-01

14 8 15 0,1242 9,8E-03 1,2E-01

15 9 16 0,0233 3,5E-03 2,3E-02

16 11 17 0,2496 5,3E-03 2,5E-01

17 11 18 0,0955 7,5E-03 9,6E-02

18 12 19 0,0381 8,0E-03 3,8E-02

19 13 20 0,1528 1,2E-02 1,5E-01

20 13 21 0,4841 1,6E-02 4,8E-01

21 14 22 1,2121 2,6E-02 1,2E+00

22 15 23 0,2674 2,1E-02 2,7E-01

23 16 24 0,0467 3,5E-03 4,7E-02

24 18 25 0,1614 5,3E-03 1,6E-01

25 19 26 0,0238 5,0E-03 2,4E-02

26 20 27 0,1875 9,0E-03 1,9E-01

27 23 28 0,9345 2,1E-02 9,3E-01

28 24 29 0,1844 6,0E-03 1,8E-01

29 26 30 0,0533 4,0E-03 5,3E-02

30 27 31 0,2142 1,1E-02 2,1E-01

31 28 32 0,3227 1,1E-02 3,2E-01

32 31 33 0,1614 5,3E-03 1,6E-01

94

Na Tabela A. 2 apresenta-se as potências contratadas dos consumidores de energia

elétrica na rede do caso de estudo. O fator de potência considerado para as cargas foi de,

.

Tabela A. 2 – Potência contratada dos consumidores na rede do caso de estudo

Barramento Potência contratada [kVA]

Fase A Fase B Fase C

1 0 0 0

2 3,45 3,45 20,7

3 13,8 13,8 10,35

4 6,9 0 0

5 20,7 0 0

6 1,15 3,45 3,45

7 10,35 3,45 0

8 0 3,45 3,45

9 6,9 3,45 3,45

10 3,45 13,8 13,8

11 3,45 3,45 3,45

12 3,45 3,45 6,9

13 6,9 3,45 0

14 0 3,45 3,45

15 0 0 0

16 0 6,9 0

17 0 0 3,45

18 0 3,45 3,45

19 3,45 3,45 0

20 0 3,45 0

21 0 0 0

22 10,35 0 0

23 0 0 0

24 0 17,25 0

25 0 0 3,45

26 0 0 0

27 6,9 0 10,35

28 0 0 0

29 3,45 0 0

30 0 0 13,8

31 0 6,9 0

32 10,35 10,35 0

33 0 0 0

95

Na Tabela A. 3 apresenta-se a potência instalada em microprodução dos consumidores de

energia elétrica na rede do caso de estudo. O fator de potência considerado para a produção

foi de, .

Tabela A. 3 - Potência instalada da microprodução dos consumidores na rede do caso de estudo

Barramento Capacidade instalada [kVA]

Fase A Fase B Fase C

1 0 0 0

2 0 0 0

3 0 0 0

4 3,45 0 0

5 0 0 0

6 0 0 0

7 0 0 0

8 0 1,725 1,725

9 0 0 0

10 0 0 0

11 0 0 0

12 0 0 0

13 0 0 0

14 0 1,725 1,725

15 0 0 0

16 0 3,45 0

17 0 0 0

18 0 0 0

19 0 0 0

20 0 0 0

21 0 0 0

22 5,175 0 0

23 0 0 0

24 0 5,75 0

25 0 0 0

26 0 0 0

27 3,45 0 5,175

28 0 0 0

29 0 0 0

30 0 0 5,75

31 0 0 0

32 5,175 5,175 0

33 0 0 0

gestão de recursos energéticos distribuídos para efeitos ... · gestão de recursos energéticos...

Documents