gestão de recursos energéticos distribuídos para efeitos ... · gestão de recursos energéticos...
TRANSCRIPT
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
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
- Redes Elétricas Inteligentes (SmartGrids) 13
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).
- Redes Elétricas Inteligentes (SmartGrids) 15
(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.
- Recursos Energéticos Distribuídos 19
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.
- Recursos Energéticos Distribuídos 21
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 %
- Recursos Energéticos Distribuídos 23
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
Arrefecimento 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
- Recursos Energéticos Distribuídos 25
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.
30 Controlo de Tensão em Redes de Distribuição de BT
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
Arrefecimento ambiente
≥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.
32 Controlo de Tensão em Redes de Distribuição de BT
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
Contador Inteligente
Contador Inteligente
- 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
34 Controlo de Tensão em Redes de Distribuição de BT
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 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
36 Controlo de Tensão em Redes de Distribuição de BT
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 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);
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.
38 Controlo de Tensão em Redes de Distribuição de BT
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
- Algoritmo (EPSO + Trânsito de Potências Trifásico) 39
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
40 Controlo de Tensão em Redes de Distribuição de BT
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 (EPSO + Trânsito de Potências Trifásico) 41
- 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
42 Controlo de Tensão em Redes de Distribuição de BT
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
46 Aplicação do algoritmo de controlo avançado de tensão
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 e 32 na Fase 1
Barramentos 22, 28 na Fase 2
Barramentos 19, 26 e 30 na Fase 3
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
48 Aplicação do algoritmo de controlo avançado de tensão
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.)
50 Aplicação do algoritmo de controlo avançado de tensão
Tabela 4.4 – Barramentos em que ocorre violação dos limites técnicos admissíveis (Cenário Base)
Período (h)
Barramentos da Fase 1 (p.u.)
Barramentos da Fase 2 (p.u.)
Barramentos da Fase 3 (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.
52 Aplicação do algoritmo 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
54 Aplicação do algoritmo de controlo avançado de tensão
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
56 Aplicação do algoritmo de controlo avançado de tensão
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 - - -
58 Aplicação do algoritmo de controlo avançado de tensão
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
Carga e Descarga da Bateria B28 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)
60 Aplicação do algoritmo de controlo avançado de tensão
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)
Carregamento das baterias (kW)
Move - Aumento de Carga (kW)
Descarga das baterias (kW)
Move - Diminuição de Carga (kW)
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)
Carga e Descarga da Bateria B14 da Fase 2
Carga e Descarga da Bateria B28 da Fase 2
Carga e Descarga da Bateria B32 da Fase 2
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)
62 Aplicação do algoritmo de controlo avançado de tensão
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
)
Carregamento das baterias (kW)
Move - Aumento de Carga (kW)
Descarga das baterias (kW)
Move - Diminuição de Carga (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
64 Aplicação do algoritmo de controlo avançado de tensão
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
)
Perfil inicial, Cenário Base
Perfil final, Cenário 1
- 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
)
Perfil inicial, Cenário Base
Perfil final, 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
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
66 Aplicação do algoritmo de controlo avançado de tensão
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
68 Aplicação do algoritmo de controlo avançado de tensão
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;
70 Aplicação do algoritmo de controlo avançado de tensão
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
72 Aplicação do algoritmo de controlo avançado de tensão
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
74 Aplicação do algoritmo de controlo avançado de tensão
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).
76 Aplicação do algoritmo de controlo avançado de tensão
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.
78 Aplicação do algoritmo de controlo avançado de tensão
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.
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.
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
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.
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