o impacto da geração eólica na determinação da reserva ... · para abordar este tema, é...

O Impacto da Geração Eólica na determinação da reservagirante e parada

Filipe Brito Ribeiro Martins Francisco

Dissertação para a obtenção de Grau de Mestre em

Engenharia Eletrotécnica e de Computadores

Orientador: Prof. José Manuel Dias Ferreira de Jesus

Júri

Presidente: Prof. Rui Manuel Gameiro de Castro

Orientador: Prof. José Manuel Dias Ferreira de Jesus

Vogal: Prof. Luís António Fialho Marcelino Ferreira

Outubro 2015

Agradecimentos

Ao longo do meu percurso universitário, assim como no desenvolvimento deste trabalho muitas foram

as pessoas que me apoiaram e a quem muito devo pela orientação que me forneceram e que resultou

no meu desenvolvimento pessoal e intelectual.

Queria agradecer ao meu orientador, o Professor José Ferreira de Jesus, por todo o apoio e empenho

disponibilizado durante todo período em que o trabalho foi desenvolvido.

Queria igualmente agradecer a todos os colegas com quem colaborei nesta fase da minha vida, em

especial ao Artur Gonçalves e João Mendes, que me acompanharam ao longo deste cinco anos e com

os quais trabalhei frequentemente, compartilhando com eles parte do meu sucesso académico.

Por último, deixo o meu agradecimento mais especial, ao meu pai, avô e irmãos, Inês e Miguel, por

ao longo da minha vida académica terem sido os meus principais pilares de apoio e aos quais muito

devo por grande parte daquilo que hoje sou e alcancei.

iii

Resumo

A geração eólica tem ganho maior relevância com o passar dos anos, devido ao aumento da sua

produção. Contudo, com aumento do seu consumo advém um acréscimo de desafios associados à

variabilidade de energia produzida, pondo em causa a fiabilidade necessária para o bom funcionamento

da rede de energia. Tem por isso grande importância a existência de reserva, girante e parada, para

assegurar que a satisfação da carga na rede não é comprometida e assim garantir um fornecimento de

energia com fiabilidade adequada.

Para abordar este tema, é apresentado primeiramente o método a ser utilizado neste estudo, o

método de Monte Carlo, para a avaliação da fiabilidade de um sistema de energia a longo prazo. São

igualmente expostos os modelos que possibilitam obter as séries temporais de geração e carga, que

serão posteriormente usados para aplicar o método referido. O sistema simulado corresponde ao grupo

gerador de energia da ilha Terceira nos Açores, o qual, através do método apresentado, permitiu aferir

sobre a impossibilidade da manutenção de certos requisitos de fiabilidade com a introdução de geração

eólica em detrimento de geração termoelétrica, verificando-se a existência de um nível de penetração

eólica máximo a partir do qual a fiabilidade de um sistema de energia não consegue ser mantida.

Numa segunda fase é introduzido no sistema em análise uma unidade de armazenamento de energia,

por forma a averiguar o papel desta na estabilização da energia fornecida à rede pelas unidades de

geração eólica, como também apurar os seus benefícios na redução de energia eólica produzida em

excesso. Foi possível apurar que a introdução de uma bateria permite uma redução, embora ligeira,

da energia eólica desperdiçada num ano e reserva girante, mas uma clara redução da reserva parada

utilizada.

Palavras-Chave: Energia Eólica, Fiabilidade, Método de Monte Carlo, Reserva Girante e Parada,

Unidades de armazenamento de energia

v

Abstract

Wind turbine generation has been gaining more relevance over the years with his growth in the energy

mix. However, the increase of production of wind energy leads to an increase in the number of situations

in which the load is not fulfilled, due to the lack of generation that results from the variability of wind

energy production, putting in question the reliability necessary for the good performance of the energy

grid. This fact leads to the great importance in the use of reserve power, spinning and/or stopped, in

order to assure the satisfaction of the load and with ensuring an energy supply with satisfactory reliability.

To approach this subject, first the method used in this study, the Monte Carlo Method, for the reliability

evaluation of an energy system in long term, is presented. The models for the determination of generation

and load temporal series that will later be used to apply the mentioned method are also presented.

The energy system to be simulated corresponds to the one existing in the island of Terceira in the

Açores islands that, through the presented method, allowed to conclude about the impossibility of

maintaining certain reliability requirements with the introduction of wind power generation at the expense

of conventional generation. It was verified the existence of a maximum penetration level of wind power

starting from which the desired reliability for a power system can’t be maintained.

In a second step, a storage energy unit will be included in the system analysis, in order to analyze the

role of this device in the stabilization of the wind turbine generation supplied to the grid, as well as their

benefits in mitigating excess of wind energy production. It was possible to ascertain that the introduction

of a battery allows a reduction, althought slight, of wind energy wasted and spinning reserve, but a clear

reduction of the stop reserve required.

Key-Words: Wind Energy, Grid Reliability, Monte Carlo Method, Spinning and Stopped Reserve,

Storage Energy Units

vii

Conteúdo

Agradecimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii

Resumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v

Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii

Lista de Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x

Lista de Figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii

Lista de Acrónimos e Símbolos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiv

Lista de Acrónimos e Símbolos xv

1 Introdução 1

1.1 Estado da Arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.2 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.3 Objectivos da Dissertação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.4 Estrutura da Tese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Revisão do Método de Monte Carlo 6

2.1 Método de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.2 Simulação e Fiabilidade do Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3 Modelos a Aplicar 11

3.1 Modelo de Carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.2 Modelos de Geração . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.2.1 Modelo de Geração Convencional . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.2.1.1 Princípio de Modelação para Geração Convencional . . . . . . . . . . . . 18

3.2.1.2 Determinação dos Tempos de Residência de Estado . . . . . . . . . . . 18

3.2.1.3 Unidades de Geração de Reserva . . . . . . . . . . . . . . . . . . . . . . 21

3.2.2 Modelação de Geração Eólica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.2.2.1 Previsão da Velocidade do Vento . . . . . . . . . . . . . . . . . . . . . . 22

3.2.2.2 Potência de Saída de uma Turbina Eólica . . . . . . . . . . . . . . . . . . 27

4 Aplicação dos Modelos Estudados 31

4.1 Aplicação dos Modelos Estudados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

4.1.1 Geração Convencional vs Eólica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

ix

4.1.2 Impacto do aumento da geração Termoelétrica na redução do LOLE . . . . . . . . 36

4.1.3 Impacto do FOR na determinação de Reserva . . . . . . . . . . . . . . . . . . . . 37

5 Modelação de Unidades de Armazenamento de Energia 39

5.1 Baterias de Iões Lítio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

5.2 Modelo da Bateria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

5.2.1 Modelação do processo de Carga e Descarga da Bateria . . . . . . . . . . . . . . 42

5.2.2 Deterioração das Baterias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

5.2.3 Simulação da Bateria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

5.3 Impacto das Baterias no Armazenamento de Energia Eólica . . . . . . . . . . . . . . . . . 50

5.3.1 Caracterização das Unidades a simular . . . . . . . . . . . . . . . . . . . . . . . . 50

5.3.2 Funcionamento da Bateria como Carga . . . . . . . . . . . . . . . . . . . . . . . . 50

5.3.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

5.3.3.1 Comportamento do sistema com e sem introdução de uma bateria . . . 51

5.3.3.2 Estudo da capacidade de uma bateria substituir uma unidade Termoelétrica 55

5.3.3.3 Impacto da alteração da capacidade de armazenamento da bateria na

redução do excesso de produção de energia eólica . . . . . . . . . . . . 57

5.3.3.4 Análise da geração em excesso e desligada . . . . . . . . . . . . . . . . 59

6 Conclusões 61

Referências ii

x

Lista de Tabelas

3.1 Resultados do teste F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3.2 Resultados do teste Statistic Q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3.3 Exemplificação de tabela com tempos de Falha e Recuperação . . . . . . . . . . . . . . . 22

3.4 Resultado do teste F para o modelo ARMA referentes a ambas as torres eólicas . . . . . 23

3.5 Resultado do Teste F para o modelo ARMA referentes a ambas as torres eólicas . . . . . 24

3.6 Características das Turbinas Eólicas da Enercon . . . . . . . . . . . . . . . . . . . . . . . 27

4.1 Dados de Simulação do conjunto de unidades de geração da ilha Terceira . . . . . . . . . 32

4.2 Dados de Simulação para testes a realizar . . . . . . . . . . . . . . . . . . . . . . . . . . 32

4.3 Resultados dos testes efetuados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4.4 Resultados obtidos para o teste 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4.5 Resultados obtidos para o teste 3 (Caso 6) variando o índice FOR das unidades de

geração convencionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

4.6 Resultados obtidos para o teste 3 (Caso 6) variando o índice FOR das unidades de

geração eólica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

5.1 Valores característicos de uma bateria de iões lítio da SAFT . . . . . . . . . . . . . . . . 50

5.2 Valores de rendimento para bateria e conversor considerados na simulação . . . . . . . . 50

5.3 Conjunto testes realizados e as unidades consideradas em cada um deles . . . . . . . . 50

5.4 Resultados das Simulações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

5.5 Potencia total de reserva retirada para cada um dos estudos realizados . . . . . . . . . . 55

5.6 Resultados de simulação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

5.7 Resultados do aumento progressivo de capacidade da Bateria . . . . . . . . . . . . . . . 57

5.8 Valores médios de potência eólica desligada e reserva girante existente . . . . . . . . . . 60

xi

Lista de Figuras

1.1 Peso das diferentes fontes no consumo de eletricidade em Portugal Continental [1] . . . . 1

1.2 Índices de fiabilidade base projetados para Portugal, com a evolução anual(Verde) e

mensal(Azul) do índice LOLE [2] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2.1 Resultados de potência gerada em função da velocidade do vento exterior, do número

de saídas forçadas da unidade geradora e a evolução de potência gerada resultante do

cruzamento desses dois resultados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.2 Procedimento para obtenção de índices de Fiabilidade . . . . . . . . . . . . . . . . . . . . 9

3.1 Diagrama de Carga Diário: Simulado e Real . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.2 Diagrama de Carga Semanal: Simulado e Real . . . . . . . . . . . . . . . . . . . . . . . . 15

3.3 Diagrama de Carga Mensal: Simulado e Real . . . . . . . . . . . . . . . . . . . . . . . . . 16

3.4 Diagrama de Carga Anual: Simulado e Real . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.5 Simulação de Estados de uma Unidade (com três Níveis) . . . . . . . . . . . . . . . . . . 20

3.6 Procedimento para obtenção de uma série cronológica de Geração Convencional . . . . 21

3.7 Evolução da velocidade do vento diária média, da Torre 1 e Torre 2 . . . . . . . . . . . . . 25

3.8 Evolução da velocidade do vento semanal média, da Torre 1 e Torre 2 . . . . . . . . . . . 25

3.9 Evolução da velocidade do vento Mensal média, da Torre 1 e Torre 2 . . . . . . . . . . . . 26

3.10 Evolução da velocidade do vento Anual média, da Torre 1 e Torre 2 . . . . . . . . . . . . 26

3.11 Curva de potência da turbina eólica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3.12 Potência semanal produzida por uma turbina eólica . . . . . . . . . . . . . . . . . . . . . 28

3.13 Potência mensal produzida por turbina eólica . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.14 Potência anual produzida por turbina eólica . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4.1 Evolução do LOLE com o número de simulações efetuadas . . . . . . . . . . . . . . . . . 34

4.2 Evolução da reserva girante média existente ao longo de um ano . . . . . . . . . . . . . . 35

4.3 Evolução da reserva parada média usada ao longo de um ano . . . . . . . . . . . . . . . 35

5.1 Diferentes usos de unidades de armazenamento de energia na rede dependendo da

frequência e duração de uso(Adaptação de [11]) . . . . . . . . . . . . . . . . . . . . . . . 40

5.2 Classificação das unidades de armazenamento de energia com forma de energia usada 40

xiii

5.3 Comparação da densidade de potência e energia para diversos tipos de unidades de

armazenamento(Adaptação de [12]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

5.4 Evolução da corrente de descarga, tensão e potência para os três regimes de descarga

mencionados (Adaptação de [14]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

5.5 Representação do parâmetro c por uma regressão polinomial de 3a ordem . . . . . . . . 45

5.6 Representação do parâmetro kp por uma regressão polinomial de 1a ordem . . . . . . . . 46

5.7 Representação do parâmetro kl por uma regressão polinomial de 1a ordem . . . . . . . . 46

5.8 Comparação entre valores reais de parâmetro σ e de uma regressão polinomial de 3a ordem 47

5.9 Evolução do número de ciclos realizado pela bateria com o tempo . . . . . . . . . . . . . 48

5.10 Evolução da capacidade nominal da bateria com o tempo . . . . . . . . . . . . . . . . . . 49

5.11 Evolução da energia armazenada ao longo de um ano na bateria . . . . . . . . . . . . . . 49

5.12 Evolução da média de potência de reserva girante existente num ano . . . . . . . . . . . 53

5.13 Evolução da média de potência de reserva parada alocada num ano . . . . . . . . . . . . 53

5.14 Evolução do índice LOLE com o número de iterações . . . . . . . . . . . . . . . . . . . . 54

5.15 Evolução da média de potência de reserva girante requeridas anualmente . . . . . . . . 56


5.17 Evolução da média de potência de reserva girante existente num ano . . . . . . . . . . . 58


5.19 Evolução da capacidade da bateria num ano . . . . . . . . . . . . . . . . . . . . . . . . . 59

xiv

Lista de Acrónimos e Símbolos

∆Pe Diferencial de potência correspondente à potência gerada em excesso

∆Pl Diferencial de potência não fornecida à carga

ε Margem de erro

ηbat Rendimento de carga e descarga

ηinv Rendimento do inversor

λ Taxa de falha

µ Taxa de reparo

µv Velocidade média do vento

σ Desvio padrão

σd Coeficiente de auto descarregamento

σv Desvio padrão da velocidade do vento

Cbat Capacidade de armazenamento de uma bateria

Cd Decaimento da capacidade nominal da bateria

CO Carga Observada

CR Carga Residual

CS Carga Simulada

e Ruído Branco

Ea Energia de ativação

EL Energia de carga

EC Energia de geração convencional

EW Energia eólica

EES Expectation of Energy Spillage

xv

FOR Forced Outage Rate

Nc Número de ciclos da bateria

P Potência de saída

Pn Potência nominal de saída

SGE Spillage of Generation Expectation

Ta Temperatura ambiente

te Tempo durante o qual ocorre um excesso de geração eólica

tl Tempo durante o qual a carga não é satisfeita

top Tempo operacional da bateria

Va Velocidade de arranque

Vn Velocidade nominal

Vp Velocidade de paragem

V S Velocidade do vento simulada

CE Carga Esperada

EENS Expected Energy Not Supplied

LOEE Loss of Energy Expectation

LOLE Loss of Load Expectation

MTTF Mean Times to Failure

MTTR Mean Times to Repair

NH Nível Hierárquico

NID Normal e Independentemente Distribuído

PJM Pennsylvania-New Jersey-Maryland

R Constante de Boltzmann

RSS Residual Square Sum

T Tempo de residência de estado

xvi

Capítulo 1

Introdução

Com o passar dos anos tem-se vindo a registar um intensificar da utilização de formas de energia

alternativas, tendo no horizonte aspetos do foro ambiental e económico. A contínua introdução destas

novas formas de energia na rede, embora as mesmas já estejam presentes na rede de energia nacional

há já um longo período de tempo, colocam sempre novos desafios, existindo ainda muito espaço para o

sistema ser otimizado. Destas, uma tem tido maior presença e importância no panorama energético

português – a energia eólica.

A energia eólica apresenta características próprias que lhe permite que tenha um grande impacto na

geração de energia, sendo de momento a fonte de energia alternativa com maior peso na satisfação

do consumo, perfazendo quase 30% da total produção de energia elétrica, como se pode observar na

Figura 1.1.

Figura 1.1 – Peso das diferentes fontes no consumo de eletricidade em Portugal Continental [1]

A Rede de energia nacional prevê o cumprimento de certos índices de fiabilidade que garantam, até

ao nível especificado, o abastecimento da carga existente no sistema. Os mesmos têm vindo a diminuir

1

com o passar dos anos, podendo observar-se essa evolução na Figura 1.2. Esses índices permitem

avaliar a probabilidade do não fornecimento de carga, sendo que no planeamento de um sistema de

energia tem de ser dimensionadas e selecionadas um conjunto de unidades de geração suficientes

por forma a garantir que a probabilidade de não fornecimento da carga seja controlada para um valor

predefinido.

Figura 1.2 – Índices de fiabilidade base projetados para Portugal, com a evolução anual(Verde) emensal(Azul) do índice LOLE [2]

Este planeamento é facilmente executado se forem somente tidos em conta unidades de geração

convencionais visto terem um modo de funcionamento característico, cujo único fator de instabilidade

associado deve-se ao facto destas unidades poderem ser forçadas a parar devido a avarias, sem

existirem outros fatores externos que levem a tal.

Contudo, o aumento progressivo energia eólica gerada leva à alteração deste panorama. Para ser

possível produzir energia eólica têm de estar reunidas determinadas condições de funcionamento, sendo

a mais relevante a existência de vento com um valor de velocidade suficiente para fazer rodar as pás das

turbinas eólicas. Se a velocidade do vento não satisfizer essas condições de funcionamento, como é

exemplo os casos onde esta apresenta uma velocidade demasiado baixa ou elevada, não será gerada

energia. A variação da velocidade do vento é um fenómeno de difícil previsibilidade e ao qual está

associada a intermitência de geração de energia eólica, assim como da sua previsão. Por isso, quanto

maior for a proporção de energia eólica gerada face à restante energia produzida, acresce o nível de

dificuldade em prever se a potência de geração disponível pode ou não satisfazer a carga.

Estas unidades vão por isso ter um impacto na manutenção do valor de probabilidade de não

satisfação de carga, visto que associado ao aumento de dificuldade de prever a geração existente, há

um aumento de probabilidade do número de ocorrências em que a carga não é satisfeita se dilatar.

2

1.1 Estado da Arte

O estudo do impacto da geração eólica na determinação da probabilidade de a carga não ser satisfeita

tem grande interesse, pelas razões já mencionadas, existindo um conjunto de abordagens possíveis de

ser aplicadas para averiguar este fenómeno.

Uma das mais comuns e mais simples recorre a técnicas analíticas [3], as quais permitem repre-

sentar o sistema de energia em análise através de equações matemáticas, aferindo posteriormente o

risco inerente ao sistema. Nesta, a geração é geralmente representada na forma de uma tabela de

probabilidades de saída de serviço de capacidades de geração e a carga do sistema por uma carga de

pico diária ou por um modelo de duração de carga horária. Contudo os resultados provenientes desta

técnica podem, em alguns casos, não produzir resultados satisfatórios, principalmente se envolverem

fontes de energia renováveis como é o caso da geração eólica, por estas serem dependentes do tempo.

Outra abordagem pode ser aplicada ao problema, envolvendo desta vez modelos que apliquem

técnicas estocásticas. Os modelos que se baseiam nestas técnicas representam o sistema de uma

forma aleatória ao longo do período em análise, de acordo com leis probabilísticas. Estes permitem a

inclusão de um número elevado de variáveis aleatórias, dependentes do tempo e correlacionadas entre

si, com o senão destes modelos serem morosos, do ponto de vista de simulação. Associado a esta

técnica encontra-se o método de PJM [4], que permite associar estados de funcionamento às unidades

de geração e representar esses estados através de probabilidades de ocorrência de saídas forçadas de

serviço das unidades de geração. Juntamente com este é usado o método de Markov, o qual permite

representar diferentes níveis de geração de um parque eólico, associando aos mesmos probabilidades

de transição entre esses mesmos níveis. Através das probabilidades de ocorrência de saídas de serviço

das unidades de geração, é possível determinar os índices de fiabilidade de um sistema, tendo em conta

a probabilidade de avaria das unidades.

Pode ainda utilizar-se o método de Monte Carlo [3]. De uma forma semelhante ao método PJM,

também neste se recorre ao uso de probabilidades para a obtenção, de forma aleatória, dos períodos em

que a unidade de geração estará ou não em funcionamento. Neste método estabelece-se um período de

análise bem definido, para o qual se simulam séries cronológicas de geração e carga, sobrepostas numa

fase posterior para análise dos instantes em que a carga do sistema não é correspondida, permitindo

obter informação sobre a fiabilidade do sistema.

Ambas as metodologias permitem a obtenção de um estudo pormenorizado sobre tema em questão.

Ao longo desta Tese, por opção, irá recorrer-se ao método de Monte Carlo.

As metodologias acima descritas permitem no fim aferir se o sistema é fiável, recorrendo á análise

de certos índices de fiabilidade. Existem diversos índices que permitem avaliar a fiabilidade de um

sistema, dependendo a sua escolha do que é pretendido ser analisado no sistema em estudo . Os

índices geralmente utilizados são os seguintes:

• LOLE [h/Ano] – medida da duração média anual em que a capacidade de geração disponível não

é suficiente para satisfazer a carga.

• LOEE [kWh/ano] – medida da energia anual média de carga não satisfeita.

3

Estes índices permitem analisar o estado do sistema e verificar se o nível de fiabilidade pretendido

está a ser ou não cumprido. A análise da fiabilidade da capacidade de geração para satisfazer a carga de

um sistema pode ser dividida em três zonas funcionais: as instalações de geração, a rede de transmissão

e instalações de distribuição. A combinação destas três zonas funcionais permite definir três níveis

hierárquicos:

• NH I – Avaliação da adequação da capacidade de geração.

• NH II – Avaliação da adequação da capacidade de geração e transmissão.

• NH III – Avaliação da adequação da capacidade de geração, transmissão e distribuição.

Para a implementação do método escolhido, será aplicado uma avaliação baseada no nível hierárquico

I, onde a análise da capacidade do sistema para satisfazer a carga é feita tendo em conta apenas as

instalações de geração, desprezando as redes de transmissão e instalações de distribuição.

1.2 Motivação

Como já fora abordado no início do capítulo 1, a principal preocupação com o aumento de penetração

da geração eólica na rede é de como a fiabilidade da rede será afetada, preocupação justificável pela

variabilidade e imprevisibilidade associada à produção de energia eólica, a qual pode levar ao aumento

do número de períodos em que a carga do sistema não é satisfeita.

Estas circunstâncias levam a que seja importante a análise de como o sistema pode lidar com a

imprevisibilidade associada a este tipo de geração, avaliando até que ponto as unidades de reserva

conseguem colmatar essas falhas no fornecimento de energia. Torna-se por isso interessante averiguar

a longo prazo se a reserva existente é suficiente para responder às necessidades do sistema e como a

alocação de reserva varia com a análise do período em estudo.

1.3 Objectivos da Dissertação

O objetivo desta dissertação passará numa primeira instância pelo estudo a longo prazo de um

sistema de energia, verificando o impacto que a inserção de geração eólica no sistema tem nos índices

de fiabilidade predefinidos. Numa segunda instância, será abordada a importância das unidades de

armazenamento na satisfação dos índices de fiabilidade do sistema e na redução da quantidade de

geração eólica produzida em excesso para a rede.

4

1.4 Estrutura da Tese

Assim será introduzido no capítulo 2 o método a ser implementado neste estudo, especificando ainda

como será avaliada a fiabilidade do sistema em análise.

No capítulo 3 serão abordados os modelos que permitem obter as séries temporais de geração,

convencional e eólica, como ainda a série temporal de carga.

No capítulo 4 são apresentadas um conjunto de experiências, baseadas nos conteúdos expostos

nos capítulos 2 e 3, as quais permitiram averiguar a capacidade das unidades geração conseguirem

satisfazer ou não a carga de uma rede de energia a simular, como ainda averiguar as diferenças mais

significativas verificadas com a inclusão ou não de geração eólica.

No capítulo 5 será introduzido um novo elemento no estudo, as unidades de armazenamento de

energia, não só com intuito de verificar o impacto destas na determinação de reserva, como ainda na

mitigação dos períodos onde existe produção de energia em excesso.

5

Capítulo 2

Revisão do Método de Monte Carlo

Neste capítulo introduz-se o método de Monte Carlo. Numa primeira fase são abordadas as carac-

terísticas que regem este método e a sua estrutura. Posteriormente irá ser descrito como a utilização

deste método permite o cálculo dos índices de fiabilidade relevantes ao estudo a ser realizado.

2.1 Método de Monte Carlo

O método de Monte Carlo é a designação genérica para uma simulação estocástica utilizando núme-

ros aleatórios, consistindo um processo estocástico numa família de funções aleatórias, dependentes do

tempo.

O método em questão permite, independentemente da complexidade do sistema em análise, simular

sucessivamente situações de carácter aleatório, precisando de um número apreciável de iterações para

obter uma estimativa concreta dos valores dos índices de fiabilidade. Associado ao elevado número

de simulações necessárias, está um gasto temporal significativo no que diz respeito à obtenção de

resultados viáveis.

O método de simulação de Monte Carlo pode ainda subdividir-se em duas categorias [5]:

• Simulação Sequencial – simulação realizada numa forma cronológica, estando o estado do sistema

num determinado ponto no tempo correlacionada com instantes anteriores.

• Simulação Não Sequencial – simulação não realizada numa forma cronológica, sendo o comporta-

mento do sistema em cada ponto no tempo independente de todos os outros.

Como será percetível mais adiante, tanto para se obter as séries de capacidade de geração e carga,

necessárias à aplicação deste método, estas terão de ser representadas por séries com um padrão

cronológico, aplicando-se por isso ao longo desta tese o método sequencial de simulação de Monte

Carlo.

A aplicação do método de Monte Carlo para a avaliação e planeamento da capacidade de geração

envolve o desenvolvimento de três modelos independentes:

6

• Modelo de Geração

• Modelo de Carga

• Modelo de Risco

O modelo de geração é utilizado para a obtenção de duas séries temporais: a de geração convencional

e a de geração eólica. Para ambas as séries a serem geradas por este modelo, dois aspetos têm de ser

tidos em consideração: a potência de funcionamento das unidades geradoras e as suas saídas forçadas

de serviço.

As considerações tomadas relativamente à potência de funcionamento das unidades convencionais

e eólicas são diferentes. Para as unidades de geração convencionais considera-se o funcionamento de

todas as unidades à potência nominal, sem serem considerados níveis intermédios de potência gerada,

facto que será abordado em maior pormenor no capítulo 3. Ao invés, para as unidades de geração

eólica consideram-se vários níveis de potência gerada , indo do estado parado até ao estado de potência

nominal. A existência de diversos de estados de geração deve-se à variação da velocidade do vento da

qual depende o valor de potência a ser gerado por cada uma destas unidades.

As saídas forçadas de serviço das unidades geradoras de energia tem em conta os períodos em que

as unidades param por a existência de uma avaria ou por necessidade de manutenção. Este fenómeno

é caracterizado pelo índice FOR (Taxa de interrupções forçada ou Forced Outage Rate), sendo este

representado pela equação 2.1.

FOR =∑

TF alha∑TF alha+

∑TNominal

(2.1)

Onde:

• TFalha - Tempo durante o qual a unidade não se encontra a funcionar por avaria ou manutenção

• TNominal - Tempo durante o qual a unidade se encontra em funcionamento à sua potência nominal.

O índice FOR permite estabelecer qual a percentagem de tempo durante o qual uma unidade é

forçada a ser parada.

Para cada um dos pontos referidos são criadas duas séries temporais que permitem evidenciar as

características referidas, sendo estas depois cruzadas para dar origem à serie temporal de geração. Um

exemplo de como esta é obtida encontra-se na Figura 2.1.

O segundo modelo, pelo qual será obtida a série temporal de carga, permitirá gerar uma série com

um padrão cronológico, de duração correspondente a um ano civil. Esta série é determinada através da

utilização dos valores de carga médios registados ao longo de um ano e dos respetivos valores de carga

residuais.

O modelo de Risco consiste na combinação das séries provenientes dos modelos de geração e carga

para a obtenção de uma série temporal de margem. Esta série consiste na diferença entre os valores de

carga e geração existentes. Com base nesta série, são estimados os índices de fiabilidade pretendidos.

7

Figu

ra2.

1–

Res

ulta

dos

depo

tênc

iage

rada

emfu

nção

dave

loci

dade

dove

nto

exte

rior,

donú

mer

ode

saíd

asfo

rçad

asda

unid

ade

gera

dora

ea

evol

ução

depo

tênc

iage

rada

resu

ltant

edo

cruz

amen

tode

sses

dois

resu

ltado

s.

8

2.2 Simulação e Fiabilidade do Sistema

Para ser possível utilizar o método de Monte Carlo com o objetivo de determinar os índices de

fiabilidade mencionados no capítulo 1, de forma a poder analisar um sistema quanto à sua capacidade

de satisfazer ou não a carga, é seguido um determinado conjunto de passos, como se encontra

exemplificado na Figura 2.2.

Figura 2.2 – Procedimento para obtenção de índices de Fiabilidade

A análise de fiabilidade de um sistema é feita com base na determinação dos períodos em que a

carga não é satisfeita pela geração existente, sendo com base na duração desses mesmos períodos e

pela energia em falta que é determinada a geração de reserva necessária para garantir a satisfação

da carga. Como esta tese tem como principal objetivo o planeamento da capacidade de geração para

satisfazer a carga, serão utilizados dois índices de risco convencionais, que permitem uma avaliação

geral sobre a fiabilidade da rede:

• LOLE (Loss of Load Expectation) [h/ano]

LOLE = 1N

∑ni=1 tl,i (2.2)

9

• LOEE (Loss of Energy Expectation) [kWh/ano]

LOEE = 1N

∑ni=1 tl,i∆Pl,i (2.3)

Onde:

• tl,i – Tempo durante o qual a carga não é satisfeita.

• N – Número total de anos simulados.

• n - Número de interrupções registadas.

• ∆Pl - Diferencial de potência correspondente à potência não fornecida à carga.

A simulação associada à obtenção dos índices descritos acima é um processo moroso, que precisa de

um largo período de simulação de modo a que haja uma convergência dos valores dos índices medidos

e que o erro associado a estes seja suficientemente pequeno para os resultados serem considerados

válidos.

O critério de paragem escolhido para aplicar baseia-se na taxa do desvio padrão do valor esperado

E(X), onde X é o índice de fiabilidade que se pretende impor [3]. Este valor esperado é calculado à

medida que a simulação decorre, através da equação 2.4.

E(X) = 1N

∑ni=1 Xi (2.4)

Onde Xi é o valor de X observado no ano i e N o número de anos simulados. Por sua vez, é

necessário obter a média do desvio padrão do valor esperado, σ(E(X)), obtido pela equação 2.6. O

valor de σ(X) corresponde ao desvio padrão do índice X, obtido através da equação 2.5.

σ(X) = ( 1N−1

∑ni=1(X2

i − E(X)2)) 12 (2.5)

σ(E(X)) = σ(X)√N

(2.6)

Têm-se assim que a condição na equação 2.7 é o critério de paragem da simulação, onde ε é o erro

máximo permitido e que define o momento em que a simulação deverá ser terminada. Por opção e

porque os valores obtidos apresentam um bom grau de convergência, foi tomado o valor de ε = 0, 1.

σ(E(X))E(X) < ε (2.7)

10

Capítulo 3

Modelos a Aplicar

Ao longo deste capítulo é dado sequência ao abordado no capítulo 2, aprofundando os modelos de

carga e geração. Por isso é inicialmente abordado o modo de implementação do modelo de carga e por

último o dos dois modelos de geração, o de geração convencional e o de geração eólica.

3.1 Modelo de Carga

A carga de um sistema pode ser obtida por um conjunto variado de modelos. No caso em estudo,

irá ser tido em conta a carga alimentada pela central de Belo Jardim, nos Açores, sendo conhecidos

os dados de carga para um ano civil. Tendo o conhecimento desta informação, é aplicado um modelo

dinâmico para a simulação dos valores de carga anual [6].

A modelação dinâmica de carga para um dado instante t é efetuada recorrendo à equação 3.1.

CSt = COt + CRt (3.1)

Onde:

• CS - Carga simulada

• CO - Carga média observada

• CR - Incerteza ou resíduo da carga

Os valores de CO são obtidos com base nos dados de carga conhecidos, correspondendo aos

valores médios de carga para cada instante de tempo t. Os valores de CR são dependentes dos valores

de carga residual de instantes precedentes, sendo por isso usado um modelo ARMA (Autoregressive

Moving Average) para a sua determinação. A carga residual é representada de uma forma simplificada

pela equação 3.2.

CRt =∑ni=1 φiCRt−i + et +

∑mj=1 θjet−j (3.2)

11

Os símbolos φi e θj representam os coeficientes do modelo ARMA e et ruído branco gaussiano

com média nula e variância σ2e (et ∼ NID(0, σ2

e)). Para ser possível utilizar a equação 3.1 torna-se

necessário determinar a equação que melhor permite representar os valores de carga residual. Para tal

são seguidos os seguintes passos [7]:

1. Obtenção dos valores reais de carga residual.

2. Estimação dos parâmetros do modelo ARMA

3. Determinação da ordem do modelo ARMA(n,m).

4. Verificação da adequação do modelo.

5. Verificação da manutenção dos padrões característicos dos valores de carga real.

No primeiro ponto, obtém-se para o período em análise os valores médios de carga assim como os

desvios padrões respetivos. O uso da equação 3.2 baseia-se no conhecimento dos valores de carga

residual reais. Os valores de carga residual reais são obtidos recorrendo a equação 3.3, onde CE

corresponde aos valores de carga esperada. Os valores de CO são conhecidos, enquanto os valores de

CE são estimados recorrendo à função normrnd do Matlab.

CR = CE − CO (3.3)

Para estimação dos parâmetros do modelo ARMA, todos eles variáveis desconhecidas, recorre-

se à utilização da função armax do Matlab para a resolução deste problema não linear. Um dos

aspetos relevantes num modelo ARMA é a escolha dos valores de n e m, correspondente ao número de

coeficientes φ e θ que o modelo irá apresentar. A determinação dos valores de n e m não é simples,

considerando-se a aproximação, com pequena margem de erro, por um ARMA(n, n− 1), ficando por

determinar apenas o valor de n. Recorre-se à aplicação do teste F para determinar qual o valor de n que

permite obter valores mais adequados para a carga residual. O teste F consiste numa avaliação que

permite comparar modelos estatísticos, verificando qual destes é mais adequado para representar um

certo conjunto de dados. Considerando um modelo ARMA 1, onde n = z, e um modelo ARMA 2, onde

n = z + 1, para z ∈ IN , este teste irá testar duas hipóteses:

• Hipótese H0 - Modelo ARMA 2 não oferece um ajuste significativamente melhor que modelo ARMA

1.

• Hipótese H1 - Modelo ARMA 2 oferece um ajuste com melhorias significativas face ao modelo

ARMA 1.

Para testar a hipótese H0 são seguidos os passos:

1. Para n = 2, obtém-se os valores dos coeficientes do modelo ARMA(n, n− 1) - Modelo ARMA 1 -

determinando também a soma dos resíduos quadráticos (RSS) para esse modelo.

12

2. Determinação do modelo ARMA(n+ 1, n) – Modelo ARMA 2 - e o respetivo RSS.

3. Cálculo do valor de F, com base na equação 3.4, onde N corresponde ao número total de dados

conhecidos.

F = RSS(n,n−1)−RSS(n+1,n)2 + RSS(n+1,n)

N−r (3.4)

r = 2n+ 2 (3.5)

4. Se F > Fp(2, N − r), rejeita-se a hipótese H0 em detrimento da hipótese H1. Torna-se necessário

repetir o ponto 2.

5. Se F ≤ Fp(2, N − r), não se rejeita a hipótese H0 em detrimento de H1, considerando-se o valor

de n para o modelo ARMA adequado.

De notar que Fp(2, N − r) corresponde a uma distribuição F com 2 e N − r graus de liberdade com

um valor de probabilidade p. Executando os passos acima descritos foi possível obter os valores da

tabela 3.1.

Tabela 3.1 – Resultados do teste F

Modelo ARMA F F0,95(2, N − r)(2,1) 2,87 3

Pela análise dos dados obtidos, a hipótese H0 não é rejeitada, tendo por isso o modelo ARMA(2, 1)

uma representação dos dados suficientemente boa face ao modelo ARMA(3, 2). No seguimento da

escolha da ordem dos índices n e m, é necessário verificar a adequação do modelo aos dados existentes.

Um dos aspetos na avaliação da adequação do modelo é a análise do ruído branco gerado, o qual tem

de ser descorrelacionado e normalmente distribuído. Recorre-se ao teste Statistic Q para fazer essa

verificação. Consideram-se as seguintes duas hipóteses:

• Hipótese H0: Modelo ARMA gera ruído branco normalmente distribuído e descorrelacionado

• Hipótese H1: Modelo ARMA não gera ruído branco normalmente distribuído e descorrelacionado

Se Q < χ2(j) para um determinado nível de probabilidade, então não se rejeita a hipótese H0. Caso

contrário, aceita-se a hipótese H1. Q apresenta uma distribuição qui-quadrado, onde j = k − n−m é o

número de graus de liberdade e k um valor elevado, comparativamente a n e m. Para efetuar este teste

recorreu-se à ferramenta lbqtest do Matlab, cujos resultados obtidos se encontram na Tabela 3.2

Tabela 3.2 – Resultados do teste Statistic Q

k 15 45 75 105 135Q 13,43 37,04 66,90 99,75 140,73

χ2(k − n−m) 25,00 61,65 96,21 129,92 163,11

13

Verifica-se, para qualquer um dos valores de k, que a condição Q < χ2(j) é cumprida, não se

rejeitando por isso a hipótese H0. Embora através dos passos anteriores tenha sido possível verificar a

adequação do modelo, tal não garante a preservação dos principais padrões característicos da carga

do sistema. Com base no modelo ARMA(2, 1), obteve-se os valores de carga simulados para um dia,

uma semana, um mês e um ano, sobrepondo aos valores de carga real registados, cujas evoluções se

encontram das Figuras 3.1 à 3.4.

Figura 3.1 – Diagrama de Carga Diário: Simulado e Real

14

Figura 3.2 – Diagrama de Carga Semanal: Simulado e Real

15

Figura 3.3 – Diagrama de Carga Mensal: Simulado e Real

16

Figura 3.4 – Diagrama de Carga Anual: Simulado e Real

17

Da Figura 3.1 à Figura 3.4 é possível verificar que as principais características da carga do sistema

são preservadas após simulação de dados pelo modelo ARMA. Verificando todos os requisitos, considera-

se o modelo ARMA(2, 1) adequado para simular os valores de carga residual, cuja expressão obtida é

dada pela equação 3.6.

CRt = 0, 9357CRt−1 − 0, 00485CRt−2 + et − 0, 9324et−1

et ∼ NID(0, 0, 38732))(3.6)

3.2 Modelos de Geração

3.2.1 Modelo de Geração Convencional

3.2.1.1 Princípio de Modelação para Geração Convencional

A modelação de um sistema de Geração Convencional, como é o caso das unidades termoelétricas

presentes na central de Belo Jardim, envolve uma amostragem aleatória e probabilística dos momentos

em que uma unidade se encontra ou não em funcionamento. Os instantes em que uma unidade pode-se

encontrar ou não em funcionamento obtêm-se a partir da taxa de interrupção forçada das unidades de

geração (FOR).

O índice FOR permite estabelecer qual a percentagem de tempo durante o qual uma unidade é

forçada a ser parada. Este índice encontra-se por sua vez diretamente relacionado com dois parâmetros

que permitem, através de processos aleatórios, simular os períodos em que uma dada unidade está ou

não a funcionar. Esses parâmetros são:

• MTTF [h] – Tempo médio até a unidade Falhar

• MTTR [h] – Tempo médio até a unidade estar reparada

FOR = MTTRMTTF+MTTR

(3.7)

Estes parâmetros dão uma estimativa do tempo durante o qual uma unidade poderá estar num

determinado estado, denominando-se esse período de tempo de residência de estado.

3.2.1.2 Determinação dos Tempos de Residência de Estado

Os tempos de residência de estado são amostrados recorrendo ao uso de uma distribuição exponen-

cial. Considerando o tempo de residência de estado uma variável aleatória com distribuição exponencial

T e valor médio da distribuição x, têm-se que a sua função de densidade de probabilidade é dada por:

f(t) = x · e−xt (3.8)

A função de distribuição de probabilidade cumulativa é obtida através da integração da função de

18

densidade de probabilidade:

F (t) =∫ +∞

0 f(t) · dt = 1− e−xt, t ≥ 0 (3.9)

A obtenção do valor T é conseguido aplicando o método da transformada inversa [8], considerando-

se F (T ) ∼ uniforme(0, 1) e invertível. Assim a expressão que permite gerar uma variável aleatória

contínua T através de um processo pseudoaleatório de distribuição uniforme u, confinado ao intervalo

[0,1], é dada pela equação 3.10.

T = − 1x ln(1− u) (3.10)

O valor aleatório u é facilmente obtido através da utilização da função rnd do Matlab. Como a expressão

1-u é uniformemente distribuída, é possível simplificar a equação 3.10 para a equação 3.11.

T = − 1x ln(u) (3.11)

Nesta equação, x é um valor fixo, variando consoante o estado de residência da máquina. Supondo

que a unidade apresenta apenas dois estados de residência (Nominal e Falha), esta incógnita pode

apresentar dois significados:

• x = λ [h−1] (Taxa de falha) caso a unidade se encontra no estado nominal.

• x = µ [h−1] (Taxa de reparação) caso a unidade se encontra no estado de falha.

Os parâmetros µ e λ são obtidos através dos seus valores recíprocos, os parâmetros MTTF e MTTR,

respetivamente. Do ponto de vista de simulação, as unidades em estudo podem apresentar um dos

seguintes ciclos de operação:

• Estado Nominal-Falha-Nominal

• Estado Nominal-Intermédio-Falha-Nominal

• Multiderated State Case [7]

19

Figura 3.5 – Simulação de Estados de uma Unidade (com três Níveis)

Nos dois primeiros casos, obtém-se a evolução da geração de uma unidade com um ciclo de operação

fixo, cuja única diferença corresponde ao número de níveis de funcionamento considerado. O terceiro

caso consiste na simulação aleatória do estado de residência seguinte, sendo o número de estados

de residência possíveis três. Contudo, devido à impossibilidade de simulação ou para simplificação da

mesma, alguns destes casos são postos de parte.

No segundo ciclo de operação apresentado, o estado intermédio costuma apresentar tempos de

residência geralmente muito reduzidos. Por essa mesma razão não existe uma grande diferença na

aplicação entre o primeiro e segundo ciclo de operação apresentados. No terceiro ciclo de operação

exposto existe a incompatibilidade de utilização do índice FOR, parâmetro só aplicável a unidades com

dois estados de geração. Como se pretende igualmente verificar ao longo do estudo a importância

do índice FOR na fiabilidade do sistema, torna-se pouco viável a aplicação deste ciclo de operação

aleatório.

Do ponto de vista da simulação, o procedimento a seguir é o apresentado na Figura 3.6.

20

Figura 3.6 – Procedimento para obtenção de uma série cronológica de Geração Convencional

3.2.1.3 Unidades de Geração de Reserva

Tal como fora mencionado na secção antecedente, existe uma probabilidade associada à saída

de serviço das unidades de geração, sejam elas unidades convencionais ou eólicas. Para que haja

geração suficiente de modo a que a carga prevista seja satisfeita, é previamente determinado o conjunto

de unidades que se devem encontrar em funcionamento para satisfazer essa exigência. Contudo, a

possível saída de uma ou mais unidades de serviço, pode originar uma situação onde a geração total

não é suficiente para corresponder às necessidades da carga do sistema. Neste contexto torna-se

extremamente importante a existência de potência de reserva, a qual se pode dividir em dois conjuntos:

• Reserva Girante – Consiste na diferença entre a potência ativa fornecida pelas unidades girantes e

aquela que estas podem efetivamente fornecer.

• Reserva Parada – Consiste na potência ativa que pode ser fornecida à rede por unidades de

geração de arranque rápido, caso a reserva girante existente não seja suficiente para satisfazer a

carga.

No estudo a ser realizado consideram-se unidades com apenas dois estados de funcionamento,

Parado e Nominal. Por essa mesma razão, a potência girante, que constitui reserva, consiste na potência

21

fornecida em excesso pelas unidades girantes à carga, situação que não acontece na realidade, mas

que tem de ser tida em conta por causa das considerações tomadas para o processo de simulação. A

potência de reserva parada é toda aquela fornecida por unidades que tenham de ser iniciadas para

cobrir um determinado instante, durante a qual a potência girante não seja suficiente para satisfazer a

carga.

No que à simulação diz respeito, existem unidades de geração convencionais que se encontram em

funcionamento ininterrupto, por o seu valor de potência ser o suficiente e necessário para satisfazer a

carga, e as restantes unidades, que só são postas em funcionamento no caso de haver potência girante

em falta por saídas de serviço repentinas das unidades de geração girantes. Para poder simular os

períodos de funcionamento das últimas unidades referidas é elaborado uma tabela onde ficam registados

os tempos de residência de estado, quer o tempo para a ocorrência de uma falha ou para a recuperação

da unidade, como é exemplo a Tabela 3.3.

Tabela 3.3 – Exemplificação de tabela com tempos de Falha e Recuperação

Unidade de Reserva TFalha [h] TFalha [h]1 567,95 29,892 4374,91 230,25...

......

n 870,47 45,81

Os valores presentes na primeira coluna diminuem à medida que as unidades convencionais vão

sendo utilizadas. Chegando os valores dessa coluna a zero, a(s) unidade(s) consideram-se como estando

em avaria, momento a partir do qual os valores da segunda coluna começam a decrescer, começando a

ser contabilizado o tempo até a(s) unidade(s) estarem prontas a funcionar novamente. Após os valores

nesta segunda coluna chegarem a zero, são gerados novos valores de TFalha e Trecuperação, voltando a

repetir-se o mesmo processo.

3.2.2 Modelação de Geração Eólica

É descrito nesta secção a sequência de procedimentos que permitem obter valores simulados de

geração eólica. É abordado em primeiro lugar a modelação da velocidade do vento, sendo posteriormente

exposto o conjunto de equações que permite, através dos dados simulados de velocidade do vento, obter

a potência gerada pelas turbinas eólicas.

3.2.2.1 Previsão da Velocidade do Vento

A velocidade do vento é um parâmetro chave na determinação da potência gerada pelas unidades

eólicas. Contudo esta apresenta um padrão extremamente irregular, que varia com local e com o instante

no tempo em que este é registado. Com isto torna-se acrescida a dificuldade em modelar estes mesmos

valores. Existem um conjunto diverso de processos para modelar a velocidade do vento, tendo sido

22

adotado um em tudo semelhante ao aplicado para a modelação de carga, exposto no secção 3.1.

De modo obter o valor de velocidade do vento simulada V St num determinado instante de tempo t

[7], recorre-se à equação 3.12.

V St = µv,t + σv,tyt (3.12)

Onde:

• µv - Velocidade do vento média

• σv – Desvio padrão da velocidade do vento

• y - Série de dados gerados para obtenção de valores de velocidade do vento simulado

Tendo por base os dados de velocidade do vento registadas de duas torres eólicas da Serra do Cume

nos Açores referentes ao ano de 2012, obteve-se a série de valores µv e σv. A série de valores y pode

ser representado por um modelo ARMA, cuja expressão genérica é dada pela equação 3.13.

yt =∑ni=1 φiyt−i + et +

∑mj=1 θjet−j (3.13)

Na equação 3.13, φi e θj são os coeficientes do modelo ARMA e et ruído branco gaussiano com

média nula e variância σ2e (et ∼ NID(0, σ2

e)).

Para a obtenção do conjunto de equações que melhor represente a serie y para os dados das duas

torres eólicas em estudo, foram aplicados os mesmos passos especificados na secção 3.1, tendo-se

sido realizado em primeiro lugar o teste F, com as seguintes hipóteses a ser testadas:

• Hipótese H0: Modelo ARMA 2 não oferece um melhor ajuste significativamente melhor que modelo

ARMA 1.

• Hipótese H1: Modelo ARMA 2 oferece um ajuste com melhorias significativas face ao modelo 1.

Onde modelo ARMA 1 consiste num modelo com n = z e o modelo ARMA 2 com n = z + 1, para

z ∈ IN . Os resultados do teste encontram-se presentes na Tabela 3.4.

Tabela 3.4 – Resultado do teste F para o modelo ARMA referentes a ambas as torres eólicas

Torre ARMA(n,m) F F0,95(2, N − r)

1(2,1) 3,23 3(3,2) 2,76 3

2 (2,1) 1.10 3

Como é possível observar-se, para a torre 1 rejeita-se a hipótese H0 para n = 2 mas já se aceita H0

para n = 3. Para a torre 2, a hipótese H0 para n = 2 não é rejeitada.

Ao realizar-se o teste Statistic Q, testam-se as seguintes hipóteses:

• Hipótese H0: Modelo ARMA gera ruído branco normalmente distribuído e descorrelacionado.

• Hipótese H1: Modelo ARMA não gera ruído branco normalmente distribuído e descorrelacionado.

23

Observando os resultados presentes na tabela 3.5, confirma-se para os dois casos testados que não

se rejeita H0, considerando-se que o modelo ARMA para cada caso gera ruído branco normalmente

distribuído e descorrelacionado.

Tabela 3.5 – Resultado do Teste F para o modelo ARMA referentes a ambas as torres eólicas

Torre k 15 45 75 105 135

1Q 24,02 60,98 90,74 123,59 161,52

χ2(k − n−m) 24,99 61,65 96,21 129,92 163,11

2Q 12,24 62,81 85,01 119,94 139,31

χ2(k − n−m) 25,00 61,65 96,21 129,92 163,11

Tendo sido aceites as hipóteses H0 para cada um dos testes, constata-se que o modelo ARMA

mais adequado para a torre 1 é um ARMA (3,2) e para a torre 2 um ARMA (2,1),representadas pelas

equações 5.10 e 5.11.

Torre 1 - ARMA(3,2):

yt = −1, 462yt−1 − 0, 6606yt−2 − 0, 0104yt−3 + et + 1, 478et−1 + 0, 6632et−1

et ∼ NID(0, 0, 40432)

(3.14)

Torre 2 - ARMA(2,1):

yt = −0, 2223yt−1 − 0, 01372yt−2 + et − 0, 2227et−1

et ∼ NID(0, 0, 41202)(3.15)

Devido à semelhança entre os valores de velocidade do vento simulados para ambas as torres, os

valores usados para simulação irão basear-se na média dos valores de velocidade do vento obtidos para

as duas torres.

24

Figura 3.7 – Evolução da velocidade do vento diária média, da Torre 1 e Torre 2

Figura 3.8 – Evolução da velocidade do vento semanal média, da Torre 1 e Torre 2

25

Figura 3.9 – Evolução da velocidade do vento Mensal média, da Torre 1 e Torre 2

Figura 3.10 – Evolução da velocidade do vento Anual média, da Torre 1 e Torre 2

26

3.2.2.2 Potência de Saída de uma Turbina Eólica

A potência de saída de uma turbina eólica vai depender de dois parâmetros: da relação da potência

de saída e a velocidade do vento e do índice FOR do gerador. Torna-se necessário definir inicialmente

as características que permitem relacionar estes parâmetros com a potência a ser gerada por estas

unidades.

Para a contabilização das avarias forçadas das unidades eólicas, o procedimento é em tudo idêntico

ao aplicado às unidades geradoras convencionais, sendo aqui também adotado o esquema de uma

máquina com dois estados de funcionamento.

Para relacionar a velocidade do vento com a potência da máquina recorre-se aos parâmetros

característicos de funcionamento da máquina, fornecidos pelo construtor, que permite relacionar a

potência de saída com a velocidade do vento [9], através do conjunto de equações em 3.16.

P =

(A+B · V Si + C · V S2

i ) · Pn Va ≤ V Si < Vn

Pn Vn ≤ V Si < Vp

0 c.c

(3.16)

Nestas, Pn é a potência nominal de saída e A, B e C constantes que são obtidas através dos valores

de Va, Vn e Vp , que são respetivamente a velocidade de arranque, nominal e de paragem. As torres

eólicas em análise, da Enercon [10], apresentam os valores característicos presentes na Tabela 3.6.

Tabela 3.6 – Características das Turbinas Eólicas da Enercon

Va[m/s] Vn[m/s] Vp[m/s] PN [kW]2 17 25 910

Por sua vez os valores constantes A, B e C são obtidos através do conjunto de equações em 3.17.

A = 1

(Va−Vn)2 (Va(Va + Vn)− 4VaVn[ (Va+Vn)(2Vn) ]3

B = 1(Va−Vn)2 (4VaVn[ (Va+Vn)

(2Vn) ]3 − (3Va + Vn))

C = 1(Va−Vn)2 (2− 4[ (Va+Vn)

(2Vn) ]3))

(3.17)

Os parâmetros característicos da máquina permitem obter a de curva de potência presente na Figura

3.11. Conjugando os resultados provenientes da geração de estados de avaria de uma unidade e os

valores de potência eólica gerada em função da velocidade do vento, obtém-se uma série cronológica de

valores de potência como os apresentados da Figura 3.12 à Figura 3.14.

27

Figura 3.11 – Curva de potência da turbina eólica

Figura 3.12 – Potência semanal produzida por uma turbina eólica

28

Figura 3.13 – Potência mensal produzida por turbina eólica

Figura 3.14 – Potência anual produzida por turbina eólica

29

É possível identificar padrões muito idênticos ao apresentado pela curva de potência da turbina

eólica. Outro aspeto interessante de salientar é o facto de ser complicado identificar os instantes, num

período anual, em que a turbina deixa de funcionar devido a uma falha de uma unidade, devendo-se este

à existência de diversos instantes em que a máquina pára, por falta ou por excesso de vento. Ambos os

pontos aqui salientados vão ter impacto nos resultados a ser analisados em capítulos posteriores.

30

Capítulo 4

Aplicação dos Modelos Estudados

Tendo em conta os modelos apresentados e discutidos nos capítulos anteriores, são neste capítulo

apresentados um conjunto de resultados provenientes de testes onde os modelos anteriormente expostos

são aplicados, com vista à análise do impacto da penetração da geração eólica na rede como também a

sua influência na determinação de reserva parada e girante.

Inicialmente apresentar-se-ão os resultados de um conjunto de testes realizados com o intuito de

verificar como a introdução de geração eólica no sistema irá ou não afetar os valores de certos índices

de fiabilidade, como ainda averiguar quais os parâmetros onde impacto é mais notório.

Posteriormente são analisados padrões registados na utilização de reserva e que relevância a

penetração de eólica tem nesses resultados.

4.1 Aplicação dos Modelos Estudados

De forma a estudar o impacto de geração eólica na fiabilidade de um sistema, foi considerado o

sistema de geração da central de Belo Jardim, na ilha Terceira nos Açores, de que fazem parte os

seguintes tipos de unidades:

• Unidades de geração convencional termoelétrica

• Unidades de geração eólica

• Unidades de geração hídrica

Ao invés das unidades de geração convencional e eólica, cujas séries temporais são obtidas com

base nas técnicas abordadas no capítulo 3, as séries temporais de geração hídrica a ser consideradas

para a ilha Terceira seguem os valores reais destas unidades geradoras para o ano de 2012.

O conjunto de unidades geradoras de energia na ilha Terceira são as apresentadas na tabela 4.1,

assim como as características de simulação das mesmas.

31

Tabela 4.1 – Dados de Simulação do conjunto de unidades de geração da ilha Terceira

Unidade No Máquinas Potência Nominal [kW] MTTF [h] MTTR [h] FOR [%]

Convencional 10

12000

950 50 5

1210023002500250042005600590060006300

Hídrica271 - - -

3 443 - - -640 - - -

Eólica 10 900 1920 101 5

A geração total disponível na ilha é de 69.75 MW. Com vista a analisar o contraste entre a introdução

ou não de geração eólica na rede e sobre que circunstâncias estão garantidas as condições de fiabilidade

necessária, foram realizados dois conjuntos de testes. O conjunto de unidades utilizados para cada um

desses testes encontra-se presente na tabela 4.2.

Tabela 4.2 – Dados de Simulação para testes a realizar

Teste Tipo Unidade Capacidade [MW] No Máquinas Potência Disponível

1Convencional 59,40 10

60,75Hidráulica 1,35 3

2Convencional 50,40 7

60,75Hidráulica 1,35 3Eólica 9 10

No teste 1, recorre-se apenas à geração fornecida pelas unidades termoelétricas e hidráulicas. No

teste 2, acrescenta-se o conjunto de 10 unidades de geração eólica, retirando-se contudo 3 unidades de

geração termoelétrica, por forma à geração disponível nos dois testes ser idêntica, a ponto de se poder

comparar os resultados nos dois casos.

Ambos os testes a serem realizados têm como objetivo que sistema atinja um certo valor de índice

LOLE. De acordo com [2], o índice LOLE em Portugal situa-se sempre entre os 0 e 3,8 h/ano. Por opção,

decidiu-se por considerar o valor de LOLE igual a 0,09 h/ano como alvo a ser alcançado pelo sistema

em análise. Além deste índice, é ainda determinado o LOEE do sistema, embora para este índice não é

imposto um valor a ser atingido.

32

4.1.1 Geração Convencional vs Eólica

Para os dois testes apresentados, obteve-se os resultados presentes na tabela 4.3.

Tabela 4.3 – Resultados dos testes efetuados

Teste 1 Teste 2No Iterações 937 417LOLE [h/ano] 0,09 5,81

LOEE [kWh/ano] 177 15803

Para os dois testes realizados, obteve-se resultados completamente distintos. No teste 1, o sistema

simulado consegue atingir o valor de LOLE pretendido, sendo evidente que mesmo sem a geração eólica,

as restantes unidades geradoras têm capacidade suficiente para garantir uma rede com fiabilidade

adequada. No teste 2, o resultado obtido é completamente oposto ao do teste 1, tendo sido obtido

um valor de LOLE bastante distante do pretendido. Através deste índice é possível identificar logo a

diferença entre a inclusão ou não das unidades eólicas na rede, sendo que no teste 1, o número de horas

em que a carga foi superior à geração é bastante inferior ao teste 2. Este facto deve-se à variabilidade

da geração eólica, a qual leva a que haja bastantes períodos onde a produção de energia seja bastante

baixa, ao contrário das unidades termoelétricas, que têm uma produção de energia mais constante,

sendo pouco comum a ocorrência de períodos com geração em falta devido a avarias. Por essa mesma

razão o efeito de perda de carga torna-se mais pronunciado.

Outro índice que foi possível analisar foi o LOEE, o qual também apresenta uma discrepância

acentuada do teste 1 para o 2. Por este índice permitir analisar a perda de energia expectável face á

carga num ano, é possível confirmar pelos resultados que a perda de energia é mais evidente no teste

2, facto justificável pela constante variação na produção de energia eólica, como já fora referido. Este

facto não só contribui para o aumento do número de horas em que a carga pode não ser satisfeita,

como ainda para que a diferença entre a potência gerada e a carga existente seja mais pronunciada por

os geradores eólicos não conseguirem gerar mais energia. Torna-se aqui evidente a dependência da

produção de energia por estas unidades das condições atmosféricas locais.

Cada um dos testes realizados apresenta características diferentes, sendo que a evolução do índice

LOLE ou a variação de reserva girante e parada em cada um dos casos terá valores distintos. Essas

encontram-se presentes das Figuras 4.1 à Figura 4.3.

A Figura 4.1, na qual é possível observar a evolução para os dois casos do índice LOLE ao longo de

ambos os testes, ajuda a perceber mais facilmente a grande diferença que existe de um caso para outro,

mais em concreto a diferença para o valor de LOLE pretendido.

A Figura 4.2 e Figura 4.3 permitem observar a evolução da reserva girante existente e da reserva

parada usada ao longo de um ano, cujos valores foram obtidos com base na média dos valores de

reserva do conjunto total de iterações em cada um dos testes realizados. No caso da Figura 4.2, nota-se

uma redução da reserva girante existente do teste 1 para o 2. Esta diferença encontra-se relacionada

com dois aspetos: a redução da potência termoelétrica disponível e a variabilidade da geração eólica. O

33

Figura 4.1 – Evolução do LOLE com o número de simulações efetuadas

34

Figura 4.2 – Evolução da reserva girante média existente ao longo de um ano

Figura 4.3 – Evolução da reserva parada média usada ao longo de um ano

35

primeiro aspeto é relevante pelo facto de, ao se ter substituído, do teste 1 para o 2, 9 MW de potência

termoelétrica por potência eólica, o total de potência termoelétrica gerada irá se reduzir substancialmente

como também a reserva girante. O segundo aspeto é relevante por levar ao aumento do número de

períodos em que a carga supera a geração no teste 2, facto que faz com que a reserva girante existente

seja usada para tentar cobrir esses períodos, devendo-se a isto a sua diminuição do teste 1 para o 2.

Contudo a reserva girante pode não ser suficiente, como demonstra a Figura 4.3. Mesmo com o

aproveitamento de reserva girante para cobrir os períodos em que a geração eólica é reduzida, esta

pode não ser suficiente, caso juntamente com esta haja saídas de serviço de unidades de geração.

No teste 1 o único fator responsável pelas interrupções de fornecimento de geração são as saídas de

serviço das unidades termoelétricas, sendo que o valor de reserva parada usada ao longo de um ano

não é muito elevado. No teste 2, com a introdução de unidades eólicas, o número de situações em

que ocorre perda de carga acentua-se, sendo necessário recorrer a reserva parada para cobrir essas

situações. Como é possível notar, existe um aumento notório do consumo de reserva parada do teste 1

para o teste 2, fazendo-se notar a importância desta na mitigação de interrupções de fornecimento de

energia. Contudo, as unidades Termoelétricas, cuja potência gerada serve de reserva parada, também

têm saídas de serviço forçadas devido a avarias. Nessas situações não é possível garantir, caso haja

falta de geração por parte das diversas unidades girantes, que a reserva parada consiga cobrir a geração

em falta. Esta situação ocorre no teste 2, onde pese embora haja um aumento da utilização de reserva

parada, esta não é suficiente para dotar o sistema da fiabilidade pretendida.

4.1.2 Impacto do aumento da geração Termoelétrica na redução do LOLE

Como foi possível ver pelos resultados do segundo teste na secção anterior, a fiabilidade pretendida

para o sistema não foi obtida, apresentando um valor de LOLE mais elevado do que o pretendido. Por

forma a averiguar o impacto do aumento de geração termoelétrica no índice LOLE, foi realizado um

terceiro teste:

• Teste 3 - Para o mesmo conjunto de unidades geradores de energia do teste 2, introduz-se

progressivamente os 9 MW de geração termoelétrica não utilizada.

Os resultados para estes testes encontram-se presentes na Tabela 4.4.

Tabela 4.4 – Resultados obtidos para o teste 3

Caso Geração Disponível Geração Termoelétrica LOLE LOEE Penetração Eólica[MW] Acrescentada [MW] [h/ano] [kWh/ano] [%]

1 60,75 0 5,81 15803 14,82 62,55 1,8 3,78 8727 14,43 64,35 3,6 1,41 2444 14,04 66,15 5,4 0,56 972 13,65 67,95 7,2 0,18 304 13,26 69,75 9,0 0,09 111 12,9

36

Acrescentando mais 1,8 MW à geração total em cada caso, reduz-se a percentagem de geração

eólica face à geração total. Como tal a variabilidade da energia total produzida vai ser menor do que

se não tivesse essa potência acrescentada. Por essa mesma razão o índice LOLE e LOEE começam

a decrescer à medida que a potência termoelétrica gerada aumenta. Outro aspeto relevante é o facto

de, para se obter o índice LOLE pretendido, ter sido necessário acrescentar a totalidade da geração

termoelétrica não utilizada no teste 2, ou seja, a totalidade dos 9 MW. Pode-se por isso concluir que,

caso se queira que a rede da ilha Terceira tenha um índice LOLE do mesmo valor aqui utilizado, é

necessário que a penetração de eólica no sistema seja menor ou igual a 12,9%. Caso contrário o valor

de LOLE e LOEE tenderão a ser bastante elevados.

4.1.3 Impacto do FOR na determinação de Reserva

Como foi possível observar nos resultados até agora, a variabilidade de geração eólica tem um grande

impacto na fiabilidade do sistema, como também nos valores de reserva girante e parada. Contudo, este

fator não é o único que afeta a determinação de reserva, sendo que a variação de certas características

das unidades de geração também podem ter grande influência.

Um dessas características é o índice FOR, cuja variação pode levar à redução ou aumento do número

de ocorrências em que as unidades se encontram fora de serviço, como ainda a duração dessas mesmas

falhas. Como a geração para os dois tipos de unidades modeladas, convencional e eólica, é obtida por

processos distintos, o efeito da variação deste índice irá igualmente ter consequências diferentes.

Como tal são apresentados dois conjuntos de testes. Num desses é variado o valor de FOR para as

unidades termoelétricas, cujos resultados se encontram na tabela 4.5. No segundo conjunto de testes é

igualmente alterado o valor do índice FOR mas desta vez para as unidades eólicas, com os resultados

presentes na tabela 4.6.

Tabela 4.5 – Resultados obtidos para o teste 3 (Caso 6) variando o índice FOR das unidades de geraçãoconvencionais

FOR [%] 5 10 15 20No Iterações 2828 1531 856 416LOLE [h/ano] 0,09 0,54 1,38 3,13

LOEE [kWh/ano] 112 850 2187 6355

Tabela 4.6 – Resultados obtidos para o teste 3 (Caso 6) variando o índice FOR das unidades de geraçãoeólica

FOR [%] 5 10 15 20No Iterações 2828 3473 2984 3287LOLE [h/ano] 0,09 0,09 0,09 0,09

LOEE [kWh/ano] 112 120 128 133

Pela análise das tabelas, verifica-se que a variação do índice FOR tem um impacto diferente nos

37

dois casos na fiabilidade do sistema. Pela leitura dos dados da tabela 4.5, é possível verificar que o

aumento da probabilidade da saída de serviço das unidades de geração convencional tem um impacto

bastante negativo nos índices de fiabilidade, verificando-se um aumento significativo no índice LOLE,

correspondendo a um aumento dos períodos em que existe perda de carga. Por outro lado e de acordo

com a tabela 4.6 o aumento do índice FOR nas unidades de geração eólica tem um impacto bastante

reduzido, desviando por pouco o valor de LOLE do valor pretendido. Estes resultados são facilmente

explicados pelas características de produção de energia de cada uma destas unidades. A potência

gerada pelas unidades convencionais simuladas não varia, sendo que o aumento da probabilidade da

sua saída de serviço aumenta o numero de ocorrências em que a geração não consegue satisfazer a

carga.

Este fenómeno é menos gravoso nas unidades eólicas por a potência gerada ser variável, podendo

ocorrer estas falhas em períodos em que a energia produzida por estas seja reduzida, não sendo notado

a saída de serviço destas unidades. Outro aspeto que contribui para o baixo impacto da variação do

FOR é facto de, durante muitos períodos, as unidades eólicas se encontrarem paradas por não haver

vento ou por a velocidade deste ser bastante elevada. Este fenómeno é muito mais frequente do que as

saídas de serviço forçadas, sendo também por isso menos notadas as saídas de serviço dos geradores.

38

Capítulo 5

Modelação de Unidades de

Armazenamento de Energia

Na sequência dos resultados analisados no capítulo 4, é introduzido neste capítulo um novo elemento,

de forma a aferir a sua relevância para a fiabilidade da rede e para a determinação de reserva – as

unidades de armazenamento de energia.

Inicialmente é abordada a importância das unidades de armazenamento de energia como elemento

da rede de energia e a razão da escolha das baterias de Lítio para este estudo. Consequentemente é

apresentado um modelo que permite de uma forma simples regular o mecanismo de carga e descarga

de uma bateria, como ainda a sua deterioração com o decorrer do tempo e sua utilização.

Por fim, o modelo apresentado será aplicado para a obtenção de resultados e analisado o impacto

da introdução de uma destas unidades no sistema em estudo.

5.1 Baterias de Iões Lítio

À medida que a geração eólica alcança valores elevados de penetração na rede, torna-se mais

preponderante a gestão da variabilidade de geração associada às turbinas eólicas. Se a geração

eólica for insignificante face à geração convencional existente, essa variabilidade de geração é pouco

sentida. Contudo, se a geração de potência termoelétrica se manter a mesma e a geração eólica for

progressivamente aumentando, a variação da velocidade do vento, que condiciona a energia produzida

pelas unidades eólicas, vai condicionar cada vez mais a fiabilidade pretendida para a rede de energia.

As unidades de armazenamento de energia podem permitir gerir melhor essa situação, armazenando

a energia elétrica em excesso, a qual pode ser novamente usada em períodos de ponta do diagrama de

carga. As unidades de armazenamento podem desempenhar um conjunto variado de funções, desde a

gestão da qualidade de fornecimento e potência, regulação primária, alocação de energia para as horas

de ponta de carga ou fornecimento de reserva de eletricidade, como exemplificado na Figura 5.1.

39

Figura 5.1 – Diferentes usos de unidades de armazenamento de energia na rede dependendo dafrequência e duração de uso(Adaptação de [11])

No caso em estudo, o sistema é simulado com intervalos de tempo de 30 minutos, sendo por isso a

unidade de armazenamento a ser considerada classificada como uma unidade de reserva, segundo a

Figura 5.1. As unidades de armazenamento de energia podem ainda ser classificadas de acordo com o

modo de armazenamento de energia, cujos alguns exemplos se encontram expostos na Figura 5.2.

Figura 5.2 – Classificação das unidades de armazenamento de energia com forma de energia usada

As unidades de armazenamento de energia devem também ser analisadas pela sua capacidade de

armazenar energia, como é evidenciado na Figura 5.3.

40

Figura 5.3 – Comparação da densidade de potência e energia para diversos tipos de unidades dearmazenamento(Adaptação de [12])

Das diversas unidades expostas na Figura 5.3, as baterias de iões de lítio destacam-se relativamente

às restantes por apresentarem uma gama de valores de densidade energia e potência superior a todos

os outros. A energia produzida pelas unidades de geração eólica é de grandes proporções, sendo

normalmente necessário a escolha de uma bateria com grande capacidade de armazenamento. Por

outro lado, quando maior for energia necessária a armazenar, maior tende a ser o volume ocupado por

uma bateria ou um conjunto delas. Torna-se por isso adequada a escolha das baterias de iões de lítio

para o estudo em causa.

Outro aspeto importante ao falar das baterias de iões lítio é a gama de temperaturas para a qual a

bateria deve operar, funcionando esta para um intervalo de temperaturas entre os -20oC e 60oC. Este

ponto é importante por estes intervalos indicarem a gama de valores de temperatura de funcionamento da

bateria para as quais as suas características se mantêm estabilizadas, não afetando o seu desempenho.

Outro aspeto importante é a durabilidade da bateria, a qual depende do decaimento da capacidade

de armazenamento da bateria ao longo do tempo e da sua utilização. As baterias em geral são utilizadas

até a sua capacidade de armazenamento decair até um certo valor mínimo, valor a partir do qual

a bateria já não consegue corresponder às exigências de funcionamento para a qual ela tinha sido

escolhida. Dependendo de quais forem as características da bateria, como também a sua utilização ao

longo do tempo, o tempo de vida da mesma pode ser mais longo ou curto. As baterias de iões lítio são

interessantes nesse aspeto em particular por o decaimento das suas propriedades ser lento, permitindo

que estas tenham por isso um período de vida mais longo.

41

5.2 Modelo da Bateria

A modelação de uma bateria rege-se pelo princípio simples da mesma armazenar energia caso

a carga existente seja menor que a geração ou fornecer energia à rede caso a carga existente seja

demasiado elevada. Contudo a bateria não consegue manter as suas propriedades indefinidamente,

existindo certas condicionantes que afetam o seu rendimento.

Assim torna-se necessário abordar como é considerado o processo de carga e descarga da bateria e

suas limitações, como ainda a deterioração das mesmas com a sua utilização sucessiva.

5.2.1 Modelação do processo de Carga e Descarga da Bateria

De modo a puder simular o comportamento de carga e descarga da bateria recorre-se a um conjunto

de equações que permitem traduzir o processo de descarga ou um carregamento. Assim a bateria irá se

reger por duas equações [13], representando a equação 5.1 o processo de carga e a equação 5.2 o de

descarga.

Cbat(t) = Cbat(t− 1) · (1− σd) + (EWG(t) + EC(t)− EL(t)) · ηinv · ηbatin(5.1)

Cbat(t) = Cbat(t− 1) · (1− σd) + (EWG(t) + EC(t)− EL(t)) · ηinv · ηbatin (5.2)

Onde:

• Cbat(t) e Cbat(t− 1) [kWh] – Capacidade disponível na unidade de armazenamento nos instantes t

e t− 1

• σd – Coeficiente de auto descarregamento da unidade de armazenamento

• ηbatine ηbatout

- Rendimento da bateria ao carregar e descarregar

• ηinv – Rendimento do inversor

• EL(t), EConv(t) e EWG(t) [kWh] – Energia de carga, de geração convencional e de geração eólica,

respetivamente.

A carga e descarga de uma bateria pode ocorrer através de processos distintos, entre os quais

a resistência constante (a relação V/I entre a tensão e corrente no processo de carga e descarga

é mantida constante), a corrente constante ou ainda a potência constante [14]. Para este estudo

considerou-se a transferência de energia de e para a bateria a potência constante. Para a potência

transferida se manter constante, a relação V · I necessita de se manter constante, relação essa difícil de

manter.

O valor de tensão a que uma carga ou descarga se realiza varia ao longo do tempo, tendo o valor da

corrente de variar para o valor de potência a transferir se manter constante, como é possível verificar pela

Figura 5.4. Contudo os valores para os quais a corrente pode variar encontra-se limitado pela existência

42

Figura 5.4 – Evolução da corrente de descarga, tensão e potência para os três regimes de descargamencionados (Adaptação de [14])

43

de um conversor de energia ao qual a bateria está ligada. No caso de a tensão baixar muito e por sua

vez o valor de corrente tender a aumentar na mesma proporção, o conversor irá limitar esse aumento.

Nas simulações a ser realizadas, as variações nos valores de tensão e corrente são desprezados,

considerando-se que o processo é realizado sempre a potência constante embora tal esteja longe de ser

o que acontece na realidade.

As equações 5.1 e 5.2 estão restringidas pelos limites característicos da bateria, como são os limites

de capacidade mínima e máxima de armazenamento e potência máxima de carga e descarga. Estas

restrições podem ser representadas pelas seguintes equações:

Cbat(t) =

CbatMax

Cbat(t− 1) + ∆Cbat ≥ CbatMax

Cbat(t− 1) + ∆Cbat Cbatmin≤ Cbat(t− 1) + ∆Cbat ≤ CbatMax

CbatminCbat(t− 1) + ∆Cbat ≤ Cbatmin

(5.3)

∆Cbat ≤ Ccharge∆Cbat ≤ Cdischarge

(5.4)

Onde:

• CbatMax- Limite máximo de armazenamento da bateria

• Cbatmin – Limite mínimo para armazenamento de energia

• ∆Cbat - Variação da energia armazenada do instante t− 1 para t

5.2.2 Deterioração das Baterias

O uso repetitivo de uma bateria, através de sequências sucessivas de carga e descarga, pode causar

o decaimento da sua capacidade nominal de armazenamento como também de carga e descarga de

energia. O decaimento de algumas propriedades da bateria depende de diversos fatores, entre os quais

o tempo operacional da bateria top, o número de ciclos realizado Nc e a temperatura ambiente Ta. Assim

este fenómeno pode ser descrito abreviadamente pela expressão seguinte:

Cd(top, Nc, Ta) = 1− (f1(top, Ta) + f2(Nc, Ta))[p.u] (5.5)

A equação 5.5 apresenta duas parcelas dependentes dos parâmetros mencionados. De acordo com

[15], f1(top, Ta) pode ser descrito pela expressão seguinte, a qual tem um componente dependente

do inverso da temperatura, caracterizado pela equação de Arhenius e uma componente parabólica,

dependente do tempo:

f1(top, Ta) = A · e−Ea

RTa√top (5.6)

Onde:

• Ea [J/mol] - Energia de ativação

44

• R – Constante de Boltzmann

• top – Número de anos

• Ta [K] – Temperatura ambiente

• A – Constante pré- exponencial

Os valores das constantes da equação dependem das características químicas da bateria. Devido

à falta de dados para dedução dessas constantes, obteve-se uma estimativa gráfica para o valor de

decréscimo de capacidade devido ao tempo operacional [15], para a temperatura média anual do local

em análise. Desta forma a equação 5.5 é substituída pela equação 5.7.

Cd(Nc, Ta) = 0, 982− f2(Nc, Ta) [p.u] (5.7)

O termo f2(N,Ta) evidencia uma dependência linear e parabólica com número de ciclos [16]:

f2(Nc, Ta) = c(Ta) + kp(Ta)√Nc + kl(Ta)Nc (5.8)

Os coeficientes c, kp e kl da equação 5.8 apresentam uma dependência da temperatura Ta. Como

ao longo do ano a temperatura do ambiente no qual uma bateria se encontra inserida varia, também irão

ter que variar os valores destas constantes. Com base nos dados de Zhang et all (2009) [16], foi possível

determinar um conjunto de equações, através de interpolações polinomiais, que permitissem determinar

os valores destes coeficientes em função da temperatura ambiente. Estas interpolações encontram-se

expostas das Figuras 5.5 à Figura 5.7.

Figura 5.5 – Representação do parâmetro c por uma regressão polinomial de 3a ordem

45

Figura 5.6 – Representação do parâmetro kp por uma regressão polinomial de 1a ordem

Figura 5.7 – Representação do parâmetro kl por uma regressão polinomial de 1a ordem

46

Para além da capacidade nominal da bateria, são igualmente afetados pelo número de ciclos

realizados, tempo operacional da bateria e temperatura ambiente, as seguintes características da

bateria:

• Capacidade de descarga

• Capacidade de carga

• Coeficiente de auto descarregamento

Os dois primeiros encontram-se diretamente relacionados com o decréscimo de capacidade nominal

da bateria, seguindo por isso o mesmo padrão de decaimento.

Relativamente ao coeficiente de auto descarregamento, o mesmo apresenta uma dependência

do valor de temperatura ambiente [17]. Com base em dados de T. Bandhauer, S. Garimella e T. F.

Fuller (2011), obteve-se uma expressão que permite representar esse conjunto de dados, os quais são

apresentados na Figura 5.8 e que seguem a equação 5.9.

CoeficienteDescarga(Ta) = 6 · 10−10T 3a − 2 · 10−8T 2

a + 3 · 10−7Ta + 8 · 10−6 (5.9)

Figura 5.8 – Comparação entre valores reais de parâmetro σ e de uma regressão polinomial de 3a ordem

Como é possível observar pela Figura 5.8, para 0oC ≤ Ta ≤ 20oC o valor do coeficiente apresenta

uma ligeira variação linear, sendo praticamente constante. Como as temperaturas na ilha Terceira se

47

encontram compreendidos entre os 5oC e os 15oC, as variações no valor coeficiente nas simulações a

ser realizadas serão muito pouco percetíveis.

5.2.3 Simulação da Bateria

A partir do conjunto de equações apresentados e que permitem a modelação de uma unidade de

armazenamento, foram obtidos a evolução temporal de alguns parâmetros da bateria ao longo do tempo.

Verifica-se pela Figura 5.9 uma evolução linear do número de ciclos realizado pela bateria, que

permite concluir que a utilização da mesma é feita a um ritmo constante. Na Figura 5.10 observa-se o

deterioramento da capacidade nominal da bateria ao longo do tempo, com uma redução linear relacionada

tanto com o aumento do número de ciclos realizado quer pelo tempo de utilização, como ainda uma

componente ondulatória resultante da variação da temperatura, que faz aumentar a capacidade da

bateria nos meses mais quentes e reduzi-la nos mais frios. Na Figura 5.11 é possível observar a evolução

da energia armazenada na bateria num ano. São observáveis as diversas ocasiões em que a bateria

carrega e descarrega, sendo que na maior parte dos casos esta descarrega até ao seu limite mínimo. É

possível observar ainda a variação do valor máximo da bateria ao longo do período de um ano, o qual

tende a aumentar ligeiramente a meio do ano e a decrescer posteriormente. Esta evolução é explicada

pelo aumento de temperatura no período do Verão e posteriormente pela sua diminuição no final do ano,

estando de acordo com o observado na Figura 5.10.

Figura 5.9 – Evolução do número de ciclos realizado pela bateria com o tempo

48

Figura 5.10 – Evolução da capacidade nominal da bateria com o tempo

Figura 5.11 – Evolução da energia armazenada ao longo de um ano na bateria

49

5.3 Impacto das Baterias no Armazenamento de Energia Eólica

5.3.1 Caracterização das Unidades a simular

Com o intuito de averiguar o impacto da geração eólica, com a inclusão de uma unidade de arma-

zenamento, na determinação de reserva, foram efetuados alguns testes, onde as características de

funcionamento da bateria escolhidas foram as de uma bateria da SAFT [18]:

Tabela 5.1 – Valores característicos de uma bateria de iões lítio da SAFT

Modelo Energia [kWh] Potência Descarga [kW] Potência Carga [kW]IM + 20eHighEnergyP lus 1000 500 500

Foram ainda considerados os seguintes valores para os rendimentos da bateria e inversor [13].

Tabela 5.2 – Valores de rendimento para bateria e conversor considerados na simulação

ηbatinηbatout

ηinv

85% 100% 92%

Foram realizados o conjunto de testes exposto na Tabela 5.3.

Tabela 5.3 – Conjunto testes realizados e as unidades consideradas em cada um deles

Testes Tipo Unidade Capacidade [MW] No UnidadesTermoelétrica 59,40 7

1 Hidráulica 1,35 3Eólica 9 10

2

Termoelétrica 58,9 7Hidráulica 1,35 3

Eólica 9 10Bateria 0,5 1

No teste 1 quer-se analisar o comportamento da rede somente com as unidades já existentes na ilha

Terceira. No teste 2 quer-se analisar o comportamento da rede com a introdução de uma unidade de

armazenamento de energia. Como a bateria a introduzir tem uma capacidade de 0,5 MW, e de modo

a geração total existente em ambos os testes ser idêntica, é limitada em menos 0,5 MW a potência

termoelétrica no teste 2.

5.3.2 Funcionamento da Bateria como Carga

Da mesma maneira que os índices de fiabilidade apresentados no capítulo 2 permitem aferir se um

sistema cumpre os requisitos mínimos de qualidade de fornecimento de energia, com a introdução da

uma unidade de armazenamento surge uma nova situação.

50

Estas unidades funcionam tanto como unidades fornecedoras de energia, no período durante o qual

propiciam potência à rede, como também carga, quando existe geração em excesso. Na ocorrência

de ser produzida energia em excesso, as unidades de geração eólica podem ser forçadas a parar

para reduzir ou até mesmo anular essa diferença. Contudo existem ocasiões em que, embora haja

energia a ser produzida em demasia, o corte de energia eólica pode levar a que a geração total fique em

défice face à carga a satisfazer. Neste último caso torna-se especialmente importante a utilização das

unidades de armazenamento de energia, que possam eventualmente armazenar o excesso de energia

produzida. Para avaliar esta situação nos casos em estudo são introduzidos dois novos índices a serem

considerados:

• EES (Expectation of energy spillage) [MWh/ano]

EES[MWh/ano] = 1N

∑ni=1 te,i∆Pe,i (5.10)

• SGE (Spillage of Generation Expectation) [h/ano]

SGE[h/ano] = 1N

∑ni=1 tei (5.11)

Onde:

• te,i – Tempo durante o qual ocorre um excesso de geração eólica no ano i

• N – Número total de anos simulados

• n – Número de ocorrências

• ∆Pe - Diferencial de potência correspondente à potencia gerada em excesso

A utilização destes índices permite uma análise mais detalhada da energia desperdiçada e que não é

utilizada com o intuito de fornecer a carga existente. Estes índices irão igualmente permitir averiguar o

impacto da bateria na redução da quantidade de energia desaproveitada

5.3.3 Resultados

5.3.3.1 Comportamento do sistema com e sem introdução de uma bateria

Para os dois testes realizados, cujas condições de simulação foram apresentadas em 5.3.1, foram

obtidos os resultados presentes na Tabela 5.4.

De acordo com os resultados presentes na Tabela 5.4, verifica-se a convergência do índice LOLE

nos dois testes para o valor pré especificado de 0,09 h/ano, podendo-se concluir que a inclusão de uma

unidade de armazenamento de energia em detrimento da potência termoelétrica do mesmo valor não

afeta a fiabilidade do sistema.

51

Tabela 5.4 – Resultados das Simulações

Teste 1 Teste 2No Iterações 2828 4330LOLE [h/ano] 0,09 0,09

LOEE [kWh/ano] 111 118EES [MWh/ano] 320 313

Para o índice LOEE, é possível notar uma diferença do teste 1 para o 2, verificando-se um aumento do

valor deste índice do primeiro para o segundo caso. Enquanto no teste 1 toda a potência termoelétrica se

encontra disponível para ser utilizada, no teste 2 é limitada a potência termoelétrica em menos 0,5 MW,

em troca da introdução de uma bateria com a mesma capacidade nominal. Se uma unidade termoelétrica

de 0,5 MW estiver a funcionar na sua capacidade máxima, irá a cada instante fornecer à rede 0,5 MW de

potência. Isso não acontece com uma bateria de 0,5 MW. Uma bateria dessa capacidade só consegue

fornecer parte dessa potência de cada vez até a unidade não ter mais energia armazenada. Por essa

razão, no caso de a carga exceder a geração, o fornecimento de 0,5 MW de potência termoelétrica com

o valor de capacidade especificado é mais eficiente em cobrir o excesso de carga do que ao usar uma

unidade de armazenamento, podendo dever-se a esta diferença entre ambas as unidades a razão pela

qual se verificou um aumento do índice LOEE.

Para o índice EES, obteve-se uma redução deste parâmetro do teste 1 para o teste 2. Essa diferença

deve-se à introdução da bateria, a qual funciona como carga nos períodos em que a geração é superior

à carga total da rede. Embora sem grande impacto, pela sua reduzida capacidade de armazenamento, a

utilização de uma bateria permite reduzir a quantidade de energia eólica produzida em excesso para

rede. Por essa razão a utilização de uma unidade de armazenamento é uma via adequada para reduzir

a existência de geração eólica em excesso, embora limitada pela capacidade nominal de uma bateria.

Para cada um dos testes obtiveram-se ainda os resultados visíveis nas figuras abaixo.

Da Figura 5.12 à Figura 5.14 torna-se mais evidente o impacto da bateria com a sua introdução no

sistema. Do teste 1 para o 2 nota-se uma diferença no consumo de reserva. No teste 2, com a introdução

da unidade de armazenamento de energia, embora não haja um impacto visível na reserva girante

existente, verifica-se contudo uma redução evidente na reserva parada utilizada. Isto permite concluir

que, além das vantagens já mencionadas e verificadas por este teste com a utilização da unidade de

armazenamento, esta permite também a redução de potência de reserva parada termoelétrica utilizada.

52

Figura 5.12 – Evolução da média de potência de reserva girante existente num ano

Figura 5.13 – Evolução da média de potência de reserva parada alocada num ano

53

Figura 5.14 – Evolução do índice LOLE com o número de iterações

54

5.3.3.2 Estudo da capacidade de uma bateria substituir uma unidade Termoelétrica

Outro aspeto interessante de analisar é até que ponto se torna possível a retirada de potência

termoelétrica disponível sem que tal afete a fiabilidade pretendida para o sistema. Desta forma, foram

realizados alguns testes, tendo sido retirado progressivamente mais geração termoelétrica. Os valores

de potência termoelétrica retirada e o conjunto de resultados obtidos encontram-se nas Tabela 5.5 e

Tabela 5.6. O primeiro dos quatro casos testados é idêntico ao teste 2 realizado na secção anterior.

Tabela 5.5 – Potencia total de reserva retirada para cada um dos estudos realizados

Caso Potência Retirada [kW] Potência Convencional [kW]1 - 350002 500 345003 1000 340004 1500 33500

Tabela 5.6 – Resultados de simulação

Caso LOLE [h/ano] LOEE [kWh/ano] EES [MWh/ano] SGE [h/ano]1 0,09 117,83 312,96 14522 0,13 197,10 318,89 14623 0,15 248,45 316,98 14454 0,17 273,22 311,55 1422

Pelo conjunto de testes realizados, é possível concluir que com a redução da capacidade de geração

termoelétrica, mesmo com o auxílio da bateria, a fiabilidade do sistema se deteriora, tornando-se a

capacidade de armazenamento da bateria bastante limitada face a redução de geração imposta. Teriam

por isso de ser utilizadas baterias com uma capacidade de armazenamento e resposta bastante superior

para se obter um sistema com o índice de fiabilidade LOLE pretendido.

Olhando em mais detalhe e de acordo com o exposto nas Figura 5.15 e Figura 5.16 é possível

verificar que para os quatro testes realizados, os valores médios de reserva girante existentes são

bastantes semelhantes.

Relativamente aos valores médios de reserva parada registados, verifica-se uma redução da quanti-

dade de reserva utilizada com a diminuição da potência termoelétrica existente.

Por a bateria usada nos quatros casos ter a mesma capacidade de armazenamento de energia,

pode-se notar através dos índices EES e SGE que a variação do número de horas e energia eólica

produzida em excesso para a rede se mantêm praticamente constantes. Caso a capacidade da bateria

aumentasse esperar-se-ia que os valores desses índices diminuíssem.

55

Figura 5.15 – Evolução da média de potência de reserva girante requeridas anualmente


56

5.3.3.3 Impacto da alteração da capacidade de armazenamento da bateria na redução do ex-

cesso de produção de energia eólica

Por forma a averiguar se a alteração da capacidade de armazenamento de uma bateria teria impacto

na mitigação dos índices EES e SGE, foram realizados outro conjunto de testes, cujos resultados se

encontram na Tabela 5.7. Para cada um destes, somente a capacidade de armazenamento da bateria

foi alterado.

Tabela 5.7 – Resultados do aumento progressivo de capacidade da Bateria

Capacidade de Armazenamento LOLE LOEE EES SGEda Bateria [kWh] [h/ano] [kWh/ano] [MWh/ano] [h/ano]

1000 0,09 117,83 312,96 14522000 0,09 128,66 309,88 14473000 0,09 123,82 310,26 14454000 0,09 133,88 310,02 1445

É visível o impacto que o aumento da capacidade da bateria tem, tanto na redução do número de

horas em que existe excesso de geração eólica como também na redução da quantidade de energia

produzida em excesso para a rede. À medida que a capacidade da bateria aumenta, os valores dos

índices EES e SGE decrescem. Por aí é possível concluir que através do aumento da capacidade

da bateria, se reduz ainda mais o excesso de geração eólica criado. Contudo a variação dos índices

EES e SGE é bastante ligeira por apenas se variar a capacidade de armazenamento da bateria. Se a

capacidade de carga e descarga fosse também ela superior, os valores dos índices apresentados seriam

ainda menores do que os obtidos, isto porque a bateria seria capaz de num mesmo período de tempo

armazenar uma maior quantidade de energia.

Por observação das Figura 5.17 à Figura 5.19, verifica-se que pelo aumento da capacidade da bateria

ocorre uma redução da quantidade de reserva girante existente. Note-se ainda uma redução no consumo

de reserva parada à medida que a capacidade da bateria aumenta, embora ligeira. Como é natural,

com uma maior capacidade de armazenamento de energia, maior a quantidade de energia possível de

armazenar. Como tal, está-se igualmente a reduzir o número de ocasiões em que é necessário recorrer

a reserva parada termoelétrica, visto que a bateria consegue durante um período de maior duração

fornecer energia à rede. Contudo, o valor de energia fornecida pela bateria continua a ser limitada

pela quantidade de energia que a bateria consegue transferir, continuando a ser necessário o uso de

unidades termoelétricas a funcionar como reserva parada, embora com menor frequência.

57

Figura 5.17 – Evolução da média de potência de reserva girante existente num ano


58

Figura 5.19 – Evolução da capacidade da bateria num ano

5.3.3.4 Análise da geração em excesso e desligada

Para além da importância que é manter um sistema de energia com uma fiabilidade adequada, sendo

necessário para tal que haja geração disponível suficiente para corresponder às necessidades da rede

elétrica, ao longo de um dia é por gerada por diversas ocasiões energia a mais do que a realmente

necessária.

A potência de carga ao longo de um dia varia. São diariamente postas em funcionamento unidades

geradoras de energia - termoelétrica, hidráulicas ou eólicas – por forma a satisfazer a carga máxima

diária. Contudo devido à carga existente não ser constante, vão existir diversos períodos em que a

energia produzida pode estar em excesso face à realmente necessária. Nesta situação pode acontecer

uma de duas coisas: ou existem unidades de armazenamento de energia que possam absorver a

energia produzida em excesso ou são desligadas unidades geradoras. Embora a primeira opção seja

mais útil, por permitir a utilização da energia eólica produzida excesso quando houver falta de geração, a

capacidade das unidades de armazenamento é bastante limitada, recaindo a escolha quase sempre

pelo encerramento de algumas unidades.

Para melhor avaliar excesso de energia produzida foram obtidos para os testes 1 e 2, cujos resultados

foram apresentados na secção 5.3.3.1, a potência média de geração eólica excedente, como ainda a

média de reserva girante existente a cada hora. Na Tabela 5.8 é possível observar os resultados obtidos.

59

Tabela 5.8 – Valores médios de potência eólica desligada e reserva girante existente

Teste 1 Teste 2Eólica Desligada [kW] 2644 2664Reserva Girante [MW] 10 9,92

Como é possível observar pelos resultados de ambos os testes, conclui-se que a potência gerada

em excesso a cada hora é considerável. O valor de potência de reserva girante é bastante superior face

à potência eólica excedente, não só porque a energia gerada pelas unidades termoelétricas é produzida

com maior consistência, como também pelo facto de um certo número de unidades termoelétricas ter de

estar em funcionamento diariamente para cobrir os períodos de maior carga, sendo que nos períodos em

que a energia fornecida é menor, a capacidade das unidades termoelétrica não é aproveitada ao máximo

das suas possibilidades. Embora a energia média eólica produzida em excesso seja menor, o seu valor

equivale quase ao desligar de três geradores eólicos a funcionar à sua potência nominal. Isto permite ter

noção que se existem mais unidades de geração eólica a funcionar do que as realmente necessárias

diariamente. Com a introdução da unidade de armazenamento no teste 2, verifica-se um aumento da

quantidade de energia eólica desligada da rede, ao passo que se verifica uma ligeira redução na reserva

girante existente. O aumento do valor médio de potência eólica desligada da rede deve-se a existência

da energia armazenada pela unidade de armazenamento que depois é aproveitada para fornecer á

rede nos períodos de ponta de carga. Isto permite a diminuição da necessidade de gerar mais potência

elétrica, levando ao aumento da média de potência eólica a desligar por excesso de produção. A redução

do valor de potência girante média deve-se principalmente a limitação de potência termoelétrica em

menos 500 kW, como já fora referido em secções anteriores.

60

Capítulo 6

Conclusões

No início deste trabalho foi apresentado um modelo que permite o estudo da fiabilidade de um

sistema de geração, constituído por unidades de geração convencionais e não convencionais, por forma

a cumprir o índice de fiabilidade LOLE.

Foram por isso estudados os princípios do método de Monte Carlo e a forma de representar a

geração e carga a serem simuladas, permitindo posteriormente o estudo do impacto da penetração da

geração eólica num sistema de energia. Chegou-se à conclusão que, para dois sistemas com a mesma

geração disponível mas com um onde a potência gerada provém somente por unidades termoelétricas e

outro onde é incluído unidades de geração eólica, só é possível preservar a fiabilidade do sistema para o

caso em que só existe a utilização de unidades de geração convencionais. Foi possível verificar que

para se obter um sistema de energia que incluía geração eólica mas que consiga igualmente alcançar

um valor de LOLE aceitável era necessário o acréscimo de potência termoelétrica existente, de modo

a compensar a variabilidade de geração eólica, concluindo-se que para tal acontecer, a penetração

de geração eólica na rede deve ficar abaixo dos 12,9 %. Verificou-se igualmente um impacto mais

negativo, decorrente da alteração do índice FOR, em unidades termoelétricas, na fiabilidade de um

sistema de energia do que se tal acontecesse para as unidades de geração eólica, pelo simples facto de

a variabilidade de produção de energia dos geradores eólicos não tornar tão notório as avarias nestas

unidades.

Com a introdução de um novo elemento no sistema – as unidades de armazenamento de energia –

foi possível estudar até que ponto estas unidades poderiam reduzir o maior uso de reserva parada. O

modelo utilizado permitiu a simulação de uma bateria de uma forma mais pormenorizada ao contabilizar

o processo de decaimento das suas propriedades, tornando os resultados obtidos mais realistas. Conclui-

se que com a introdução deste tipo de unidade, era possível uma redução do uso de reserva girante,

embora ligeira, mas principalmente um redução da reserva parada utilizada. Do mesmo modo, verificou-

se que com o aumento de capacidade de armazenamento destas unidades era possível uma maior

redução na reserva parada usada, confirmando a importância que é o seu bom dimensionamento.

Assim, verificou-se com o conjunto de resultados analisados que a introdução de geração eólica

acarreta um maior uso de unidades de reserva, necessária para compensar a falta de geração devida à

61

variabilidade de energia eólica produzida, efeito que pode ser mitigado com uso adequado de unidades

de armazenamento de energia. Da mesma forma foi possível constatar que um correto dimensionamento

de uma bateria permite uma menor ou maior redução da quantidade de reserva parada utilizada.

62

Bibliografia

[1] “Peso das fontes de produção de electricidade em portugal continental em 2015.” http://apren.

pt/pt/dadostecnicos/index.php?id=801$\&$cat=266, 2015.

[2] REN, “Relatório de monitorização da segurança de abastecimento do sistema elétrico nacional

2013-2030,” tech. rep., 2013.

[3] Bagen, Reliability and Cost/Worth Evaluation of Generating Systems Utilizing Wind and Solar Energy.

PhD thesis, University of Saskatchewan, Saskatoon, August 2005.

[4] E. M. Gouveia and M. A. Matos, “Evatuating operational risk in a power sustem with a large amount

of wind power,” Electric Power Systems Research, vol. 79, pp. 734–739, October 2009.

[5] A. Jonnavithula, Composite System Reliability Evaluation using Sequential Monte Carlo Simulation.

PhD thesis, University of Saskatchewan, Saskatoon, 1997.

[6] H. G. Park, J. K. Lyu, Y. C. Kang, and J. K. Park, “Unit commitment considering interruptible load for

power system operation with wind power,” Wind Turbines 2014, vol. 7, pp. 4281–4299, June 2014.

[7] H. Chen, Generating System Reliability Optimization. PhD thesis, University of Saskatchewan,

Saskatoon, 2000.

[8] M. C. Morais, “Notas de apoio de estatística computacional.” http://www.math.ist.utl.pt/

~mjmorais/notasECMCM-2.pdf, 2003.

[9] P. Giorsetto and K. Utsugori, “Development of a new procedure for reliability modeling of wind turbine

generators,” IEEE Transactions on Power Apparatus and Systems, vol. 102, no. 1, pp. 134–143,

1983.

[10] ENERCON, “Enercon product overview.” http://www.enercon.de/p/downloads/ENERCON_

Produkt_en_06_2015.pdf, 2012.

[11] I. E. Committion, “International electrotechnical commission white papers.” http://www.iec.ch/

whitepaper/pdf/iecWP-energystorage-LR-en.pdf, 2011.

[12] X. Luo, J. Wang, M. Dooner, and J. Clarke, “Overview of current developmet in electrical energy

storage technologies and the aplication potencial in power system operation,” Applied Energy,

vol. 137, pp. 511–536, 2015.

i

[13] S. Diad, D. Diaf, M. Belhamel, M. Haddadi, and A. Louche, “A methodology for optimal sizing of

autonomous hybrid pv/wind system,” Enegy Policy, vol. 35, no. 11, pp. 5708–5718, 2007.

[14] M. Hill, Handbook of Batteries. McGraw-Hill Education, 3 ed., 2001.

[15] M. Abe, K. Nishimura, E. Seki, H. Haruna, T. Hirasawa, S. Ito, and T. Yoshiura, “Lifetime prediction

for heavy-duty industril lithium-ion batteries that enables highly reliable system design,” Journal of

The Electrochemical Society, vol. 61, no. 6, pp. 259–263, 2012.

[16] Y. Zhang and C. W. Wang, “Cycle-life characterization of automotive lithium-ion batteries,” Journal of

The Electrochemical Society, vol. 156, no. 7, pp. 527–535, 2009.

[17] T. Bandhauer, S. Garimella, and T. F. Fuller, “A critical review of thermal issues in lithium-ion batteries,”

Journal of The Electrochemical Society, vol. 158, no. 3, pp. 1–25, 2011.

[18] SAFT, “Saft batteries solutions.” http://www.saftbatteries.com/battery-search/intensium\

%C2\%AE-max, 2013.

ii

o impacto da geração eólica na determinação da reserva ... · para abordar este tema, é...

Documents