trânsito de energia optimizado com inclusão de produção eólica
TRANSCRIPT
Trânsito de Energia Optimizado
com inclusão de Produção Eólica
Pedro Miguel Prudêncio Martins Domingos
Dissertação para obtenção do Grau de Mestre em
Engenharia Electrotécnica e de Computadores
Júri
Presidente: Professor Doutor Paulo José da Costa Branco
Orientador: Professor Doutor José Manuel Dias Ferreira de Jesus
Vogal: Professor Doutor Pedro Alexandre Flores Correia
Novembro de 2012
i
Agradecimentos
Agradeço em primeiro lugar ao meu orientador por todo o conhecimento transmitido, paciência, e
disponibilidade que sempre demostrou durante a realização deste trabalho.
Muito obrigado aos meus pais e ao meu irmão por todo apoio e incentivo que me deram durante todo
o meu percurso académico.
Não posso deixar de agradecer a todos os meus grandes amigos que me acompanharam ao longo de
todo o curso, pois sem eles teria sido tudo mais difícil.
Um agradecimento especial à Maria Barradas, Ricardo Lucas e Ana João por todo o apoio e
companhia que me concederam ao longo deste trabalho.
ii
Abstract
The Electrical Energy Systems (EES) are characterized by their dynamism and for being subject to
frequent changes. Over time, networks and interconnections are expanded and the demand also
increases.
Over the past years the inclusion of renewable energy sources in EES has increased, with special
emphasis on intermittent renewable energy sources, such as wind, which launches a new challenge in
the system operation optimization.
Thus, the EES are gradually complex, requiring the development of tools to solve the Power Flow
(PF), minimizing operating costs and maximizing the renewable energy benefits.
This study purposes to develop software that performs the Optimal Power Flow (OPF) with inclusion of
wind generation, while applying several operational constraints, and to study the impact of it in the
system and in the operating costs.
Two different algorithms have been developed for solving the OPF (Newton and Interior Point
Algorithm). They have been analyzed in order to pick up the one with best performance.
In order to study several scenarios of generation and wind load distribution, the software has been
tested using real cases from data provided by Redes Energéticas Nacionais (REN).
Keywords: Optimal Power Flow, wind Energy, Newton, Interior Point, cost minimization, constrains.
iii
Resumo
Os Sistemas Eléctricos de Energia (SEE) são caracterizados pelo seu dinamismo e por serem alvo de
alterações frequentes. Com o passar do tempo as redes e interligações são expandidas, e o consumo
aumenta.
Nos últimos anos tem existido um aumento da inclusão de fontes de energia de origem renovável nos
SEE, com especial destaque para as fontes de energia renovável intermitentes, como é o caso do
vento, que lançam um novo desafio na optimização do funcionamento do sistema.
Assim os SEE são cada vez mais complexos, sendo necessário desenvolver ferramentas que
permitam resolver o Trânsito de Energia (TE), minimizando os custos de operação e maximizando o
proveito das energias renováveis.
O presente trabalho visa desenvolver uma ferramenta computacional que realize o Trânsito de
Energia Optimizado (TEO) com inclusão de geração eólica e aplicando diversas restrições
operacionais, estudando assim o impacto da mesma no sistema e nos custos de operação.
São desenvolvidos dois Algoritmos distintos para a resolução do TEO (Método de Newton e Algoritmo
de Ponto Interior), sendo analisado o desempenho de cada um por forma a escolher-se o que obtiver
melhores resultados.
Com o objectivo de estudar vários cenários possíveis de geração, carga e distribuição do vento, o
programa desenvolvido será testado recorrendo a casos reais partindo de dados fornecidos pela
Redes Energéticas Nacionais (REN).
Palavras-chave: Trânsito de Energia Optimizado, Energia Eólica, Newton, Ponto Interior,
minimização do custo, restrições operacionais.
iv
v
Nomenclatura
Número total de geradores
Número de geradores térmicos
Número de geradores eólicos
Número de barramentos da rede
Número de variáveis do sistema (não contabilizando restrições)
Número de variáveis do sistema (contabilizando restrições)
Número de restrições de desigualdade
Função objectivo
Conjunto das restrições de igualdade
Conjunto das restrições de desigualdade
Lagrangeano / Função de custo aumentada (sem restrições de desigualdade)
Função de custo aumentada com restrições de desigualdade
Variáveis de estado (ou conjunto de todas as variáveis no método de Newton)
Variáveis de controlo
Variáveis fixas
Multiplicadores de Lagrange referentes às restrições de igualdade
Multiplicadores de Lagrange referentes às restrições de desigualdade (Ponto interior)
Coeficientes de Kuhn-Tucker
Jacobiano (Método de Newton)
Limite superior da variável x
Limite inferior da variável x
Função barreira
Linearização da função objectivo (Programação Linear)
Variável de folga – limite superior
Variável de folga – limite inferior
Erro de previsão da potência eólica disponível
Desvio da previsão
Função de distribuição acumulada (fda) da variável aleatória X
Função de densidade de probabilidade (fdp) da variável aleatória X
Factor de penetração do vento
Probabilidade de não satisfação da carga
Potência activa gerada pelos geradores térmicos convencionais
Potência activa gerada
Potência gerada pelos geradores eólicos
Potência disponível prevista para os geradores eólicos
Função de custo dos geradores térmicos convencionais
Função de custo dos geradores eólicos
Função de penalidade referente à não utilização de toda a potência eólica disponível
vi
Função de reserva requerida referente à subestimação da potência eólica
Coeficiente de custo de penalidade (subestimação da potência eólica)
Coeficiente de custo de reserva (sobrestimação da potência eólica)
Função de custo marginal do gerador i
vii
Índice
Agradecimentos ................................................................................................................................... i
Abstract .............................................................................................................................................. ii
Resumo ............................................................................................................................................. iii
Nomenclatura ..................................................................................................................................... v
Lista de Figuras ................................................................................................................................. ix
Lista de Tabelas ................................................................................................................................ xi
1. Introdução ....................................................................................................................................1
1.1. Motivação e Formulação do Problema .................................................................................1
1.2. Objectivos............................................................................................................................2
1.3. Organização da Dissertação ................................................................................................2
2. Estado da Arte .............................................................................................................................3
2.1. Trânsito de Energia Optimizado (TEO) ................................................................................3
2.1.1. Método do Gradiente ...................................................................................................3
2.1.2. Método de Newton .......................................................................................................5
2.1.3. Tratamento das restrições de desigualdade .................................................................7
2.1.4. Programação Linear .....................................................................................................8
2.1.5. Algoritmo de Ponto Interior ......................................................................................... 10
2.1.6. Comparação dos Métodos ......................................................................................... 12
2.2. Inclusão de Geração Eólica no TEO .................................................................................. 13
2.2.1. Variabilidade e Previsibilidade da Energia Eólica........................................................ 13
2.2.2. Caracterização do Vento ............................................................................................ 14
2.2.3. Probabilidade de satisfação do consumo.................................................................... 15
2.2.4. Subestimação e Sobrestimação Eólica ....................................................................... 16
3. Implementação do TEO ............................................................................................................. 19
3.1. Modelo e Formulação Matemática ..................................................................................... 19
3.1.1. Método de Newton ..................................................................................................... 19
3.1.2. Alterações na implementação do Algoritmo de Ponto Interior ..................................... 27
3.2. Fluxogramas dos Algoritmos Desenvolvidos ...................................................................... 31
3.3. Newton Vs Ponto Interior ................................................................................................... 34
3.3.1. TEO – Rede de 12 barramentos ................................................................................. 34
3.3.2. TEO – Rede de 57 barramentos ................................................................................. 45
3.3.3. Conclusões ................................................................................................................ 51
4. Simulação e Resultados ............................................................................................................. 53
4.1. Resultados Computacionais .............................................................................................. 55
4.2. Resultados Finais .............................................................................................................. 65
5. Conclusões e Trabalho Futuro ................................................................................................... 67
viii
5.1. Sumário e Principais Conclusões ....................................................................................... 67
5.2. Trabalho Futuro ................................................................................................................. 68
6. Referências Bibliográficas .......................................................................................................... 69
ix
Lista de Figuras
Figura 2.1 – Fluxograma de uma estratégia para a solução do TEO pelo método de Newton ..............6
Figura 2.2 – Função de custo com característica não linear ................................................................9
Figura 2.3 – Linearização da função de custo não linear .....................................................................9
Figura 2.4 – Fluxograma de uma estratégia para a solução do TEO com LP ..................................... 10
Figura 3.1 – Fluxograma da estratégia utilizada na resolução do TEO utilizando o Método de Newton
......................................................................................................................................................... 32
Figura 3.2 – Fluxograma da estratégia utilizada na resolução do TEO utilizando o Método de Ponto
Interior .............................................................................................................................................. 33
Figura 3.3 – Topologia da rede ......................................................................................................... 34
Figura 3.4 – Evolução da potência activa e reactiva e dos módulos das tensões ao longo das
iterações – Método de Newton .......................................................................................................... 36
Figura 3.5 – Evolução da potência activa e reactiva e dos módulos das tensões ao longo das
iterações – Ponto Interior .................................................................................................................. 38
Figura 3.6 – Evolução da potência activa e reactiva e dos módulos das tensões ao longo das
iterações – Método de Newton .......................................................................................................... 40
Figura 3.7 – Esquema unifilar da rede de 57 barramentos ................................................................. 46
Figura 3.8 – Evolução da potência activa e reactiva ao longo das iterações – Método de Newton ..... 47
Figura 3.9 – Evolução da potência activa e reactiva ao longo das iterações – Ponto Interior .............. 48
Figura 3.10 – Evolução da potência activa e reactiva ao longo das iterações – Ponto Interior ............ 50
Figura 4.1 – Curvas de custo e custo marginal referentes ao caso 1 ................................................. 54
Figura 4.2 – Curvas de custo e custo marginal referentes aos casos 2 e 4. ....................................... 54
Figura 4.3 – Curvas de custo e custo marginal referentes aos casos 3 e 5. ....................................... 55
Figura 4.4 – Evolução das potências activa e reactiva geradas: (a) caso 1; (b) caso 2; (c) caso 3. .... 56
Figura 4.5 – Evolução temporal das potências activa e reactiva total geradas e da carga global: (a)
caso 1; (b) caso 2; (c) caso 3. ........................................................................................................... 57
Figura 4.6 – Evolução temporal do custo total de operação: (a) caso 1; (b) caso 2; (c) caso 3. .......... 58
Figura 4.7 – Evolução temporal da potência eólica prevista (rosa), disponível (azul) e útil (verde): (a)
caso 2; (b) caso 3. ............................................................................................................................ 58
Figura 4.8 – Evolução das potências activa e reactiva geradas: (a) caso 1; (b) caso 2; (c) caso 3. .... 59
Figura 4.9 – Evolução temporal das potências activa e reactiva total geradas e da carga global: (a)
caso 1; (b) caso 2; (c) caso 3. ........................................................................................................... 60
Figura 4.10 – Evolução temporal do custo total de operação: (a) caso 1; (b) caso 2; (c) caso 3. ........ 61
Figura 4.11 – Evolução temporal da potência eólica prevista (rosa) disponível (azul) e útil (verde): (a)
caso 2; (b) caso 3. ............................................................................................................................ 61
Figura 4.12 – Evolução das potências activa e reactiva geradas: (a) caso 1; (b) caso 2; (c) caso 3. .. 62
Figura 4.13 – Evolução temporal das potências activa e reactiva total geradas e da carga global: (a)
caso 1; (b) caso 2; (c) caso 3. ........................................................................................................... 63
Figura 4.14 – Evolução temporal do custo total de operação: (a) caso 1; (b) caso 2; (c) caso 3. ........ 64
x
Figura 4.15 – Evolução temporal da potência eólica prevista (rosa) disponível (azul) e útil (verde) : (a)
caso 2; (b) caso 3. ............................................................................................................................ 65
Figura 4.16 – Evolução temporal da potência eólica prevista (rosa) disponível (azul) e útil (verde) com
penalidades ((a)) e sem penalidades ((b)): (a) caso 3; (b) caso 5. ..................................................... 65
xi
Lista de Tabelas
Tabela 2.1 – Vantagens e Desvantagens dos métodos propostos para a resolução do TEO ............. 12
Tabela 3.1 – Dados da rede de 12 barramentos ................................................................................ 35
Tabela 3.2 – Dados dos geradores ................................................................................................... 35
Tabela 3.3 – Dados das Tensões nos barramentos ........................................................................... 36
Tabela 3.4 – Resultados da simulação do exemplo 1 (Newton) ......................................................... 37
Tabela 3.5 – Resultados da simulação do exemplo 1 (Ponto Interior) ................................................ 38
Tabela 3.6 – Resultados da simulação do exemplo 3 (Newton) ......................................................... 40
Tabela 3.7 – Coeficientes de Kuhn-Tucker referentes à simulação do exemplo 3 .............................. 40
Tabela 3.8 – Resultados da simulação do exemplo 4 (Newton) ......................................................... 41
Tabela 3.9 – Coeficientes de Kuhn-Tucker e factores de penalização do vento referentes à simulação
do exemplo 4 .................................................................................................................................... 42
Tabela 3.10 – Resultados da simulação do exemplo 4 (Ponto Interior) .............................................. 42
Tabela 3.11 – Resultados da simulação do exemplo 5 (Newton) ....................................................... 44
Tabela 3.12 – Coeficientes de Kuhn-Tucker e factores de penalização do vento referentes à
simulação do exemplo 5.................................................................................................................... 44
Tabela 3.13 – Resultados da simulação do exemplo 5 (Ponto Interior) .............................................. 45
Tabela 3.14 – Resultados da simulação do exemplo 6 – barramentos de geração (Newton) ............. 47
Tabela 3.15 – Resultados da simulação do exemplo 6 – barramentos de geração (Ponto Interior) .... 48
Tabela 3.14 – Resultados da simulação do exemplo 6 – barramentos de geração (Newton) ............. 50
Tabela 3.15 – Resultados da simulação do exemplo 6 – barramentos de geração (Ponto Interior) .... 51
Tabela 4.1 – Custos médios de operação (mensais e totais) [ ...................................................... 66
Tabela 4.2 – Desvios médios da potência eólica útil em relação à prevista em pu ............................. 66
xii
1
1. Introdução
1.1. Motivação e Formulação do Problema
Anteriormente ao Trânsito de Energia Optimizado (TEO), a optimização dos Sistemas de Energia
Eléctrica (SEE) era feito através do Despacho Economico (DE), no entanto o DE apresenta um
modelo grosseiro no tratamento dos SEE, pois restringe-se apenas a
, (1.1)
onde se despreza a influência da potência reactiva e se consideram as tensões constantes em todos
os barramentos, não sendo consideradas restrições operacionais que condicionam o funcionamento
do sistema.
Com o desenvolvimento computacional, o TEO veio solucionar estes problemas, pois através de um
número muito elevado de equações consegue ultrapassar as limitações do DE.
Simplificando, é possível atribuir ao TEO a seguinte relação:
Ou seja, ao DE convencional serão adicionadas as equações to trânsito de energia e as restrições
operacionais necessárias por forma a se obter um modelo rigoroso da operação de sistema.
Matematicamente, o problema do TEO pode ser formulado da seguinte forma:
(1.2)
Em que é a função objectivo a ser minimizada (função de custo dos geradores), representa as
restrições de igualdade (equações do TE) e as restrições de desigualdade (limites de operação do
sistema).
As variáveis representam, respectivamente, o conjunto das variáveis de estado, controlo
e fixas respectivamente.
Os limites de operação do sistema poderão ser de vários tipos, tais como:
Potências activas ou reactivas geradas;
Módulos das tensões nos barramentos;
Potências transitadas nas linhas e transformadores;
Relações de transformação.
TEO = Despacho económico + Trânsito de Energia
2
A integração de geração eólica no TEO constitui um desafio interessante devido ao facto deste tipo
de produção de energia se comportar de uma forma diferente da geração convencional. A sua
intermitência e imprevisibilidade são factores a ter em conta, pois irão influenciar a alocação de
unidades da rede. Assim sendo, será ponderada a introdução de penalidades, por forma a mensurar
os custos adicionais provenientes desses mesmos factores e, assim, estudar os efeitos reflectidos
nos custos globais do sistema.
1.2. Objectivos
O grande crescimento da energia eólica tem criado um desafio no que diz respeito à inserção deste
tipo de energia renovável nos SEE’s. Isto deve-se ao facto de o vento ser uma fonte de energia
intermitente e de elevada imprevisibilidade. Estes factores limitam a operação, pois há que ter em
conta a reserva necessária quando se tem bastante potência eólica instalada, sendo necessário um
estudo de afectação de unidades por forma a concluir se a inserção de energia eólica na rede é ou
não economicamente viável.
O objectivo desta dissertação é desenvolver uma ferramenta computacional que realize o TEO de
uma rede constituída por geradores térmicos convencionais e geradores eólicos, assim como estudar
a influência dos últimos no custo de operação do sistema perante casos distintos.
Serão desenvolvidos dois algoritmos distintos, sendo feita uma comparação entre os mesmos, onde
serão analisadas vantagens e desvantagens a nível do desempenho, tendo em conta factores como a
minimização de custo e de perdas, aproveitamento da energia eólica, viabilidade, optimalidade e
velocidade de convergência de cada algoritmo.
1.3. Organização da Dissertação
A presente dissertação é dividida em 5 capítulos
No primeiro capítulo, Introdução, é identificado o problema a ser estudado e são definidos os
principais objectivos desta dissertação.
No segundo capítulo, Estado da Arte, é feita uma análise dos principais métodos utilizados até hoje
na resolução do problema do Transito de Energia Optimizado, assim como os métodos utilizados na
modelação do vento e na integração da energia eólica no TEO.
No terceiro capítulo, Implementação do TEO, são apresentados os modelos e formulação matemática
de ambos os algoritmos, assim como a descrição do funcionamento dos mesmos.
No quarto capítulo, Simulação e Resultados, será descrito o funcionamento do software criado,
apresentadas simulações com a respectiva análise de resultados e apresentadas as devidas
conclusões.
No quinto capítulo, Conclusões e Trabalho Futuro, serão inferidas as considerações finais sobre esta
tese e apresentadas ideias para a continuação do trabalho aqui apresentado.
3
2. Estado da Arte
2.1. Trânsito de Energia Optimizado (TEO)
O TEO foi pela primeira vez discutido em 1962 por Carpentier [14], tendo percorrido um longo
caminho até à implementação de um algoritmo que resolvesse o problema com sucesso.
Sendo um problema que pode atingir dimensões consideráveis e tendo uma elevada complexidade
matemática, as ferramentas computacionais são essenciais para a resolução do TEO, estando assim
o sucesso dos algoritmos dependente da tecnologia à disposição
Vários métodos foram desenvolvidos, entre os quais se destacam:
Métodos do Gradiente: Apresenta uma convergência lenta e torna-se um método inadequado
no que toca à resolução de restrições de desigualdade [3].
Método de Newton: Tem uma convergência rápida e custos computacionais reduzidos, no
entanto pode apresentar alguns problemas ao lidar com restrições de desigualdade [3].
Programação Linear (LP): Consiste numa linearização de todas as funções não lineares,
lidando bem com todo o tipo de restrições [3].
Algoritmo de Ponto Interior (IP): Algoritmo bastante rápido que lida muito bem com restrições
de desigualdade [3].
2.1.1. Método do Gradiente
Neste método o mínimo da função objectivo é determinado através de uma série de passos que
apontam na direcção da descida mais ingreme [1]. Esse mínimo pode ser obtido pelo método dos
multiplicadores de Lagrange, sendo o Lagrangeano dado por
, (2.1)
onde representam o conjunto das variáveis de estado, controlo e fixas respectivamente.
Aqui estão apenas incluídas as restrições de igualdade, sendo o conjunto dos multiplicadores de
Lagrange referentes às mesmas.
O mínimo é então obtido igualando a zero as derivadas parciais do Lagrangeano em ordem a
:
[
] [
] [
] (2.2)
[
] [
] [
] (2.3)
[
] (2.4)
4
O gradiente do Lagrangeano, que será nulo no ponto óptimo, é dado pelo vector correspondente à
derivada em ordem às variáveis de controlo:
(2.5)
Este conjunto de equações não linear pode ser resolvido pelo seguinte método iterativo [1]:
(2.6)
É neste último passo que reside o maior problema deste método. A convergência é fortemente
afectada pelo parâmetro cuja escolha é feita por tentativa e erro. Enquanto um valor muito baixo
deste parâmetro leva a um elevado número de iterações, um valor demasiado alto dá lugar a
oscilações em torno do mínimo, podendo assim levar à divergência.
As restrições de desigualdade podem ser resolvidas pelo teorema de Kuhn-Tucker, utilizado também
no método Newton que será posteriormente estudado em detalhe.
Estimar variáveis de controlo
Resolver transito de energia pelo método de Newton-Raphson (eq 2.4)
Resolver (2.2) em ordem a [λ]
Utilizando o [λ] obtido calcular o gradiente [ L] a partir de (2.3)
Se [ L] for inferior à tolerancia especificada o minimo foi encontrado, caso contrário calcular o novo vector das variáveis de controlo através da equação (2.6) e voltar ao
2º passo.
5
2.1.2. Método de Newton
Será um dos métodos utilizado na dissertação. Devido à sua robustez, rápida convergência,
facilidade de implementação e por ter um bom grau de precisão, torna-se um método eficaz.
Neste método não existe distinção entre as variáveis de controlo (potências activa e reactiva
geradas) e as de estado (modulo e argumento das tensões), assim é possível definir:
Generalizando o problema, este consiste em
, (2.7)
em que representa o conjunto de restrições de igualdade (Trânsito de Energia) e o
conjunto das restrições de desigualdade (limites das variáveis).
Considerando que não são impostos limites às variáveis, o Lagrangeano ou função de custo
aumentada escreve-se [1]:
(2.8)
A solução óptima é obtida através do método iterativo dado por
, (2.9)
sendo k o número da iteração.
Tal como no método do gradiente, a convergência é obtida quando for menor que a tolerância
especificada.
Se forem infringidos limites das variáveis, a respectiva restrição de desigualdade poderá ser tratada,
por exemplo, pelas condições de Kuhn-Tucker, descritas no subcapítulo 2.1.3, ficando assim a função
de custo aumentada descrita por:
[ ] , (2.10)
onde representa os coeficientes de Kuhn-Tucker aplicados às restrições de desigualdade
referentes aos limites infringidos.
6
O parâmetro na equação (2.9) representa o Jacobiano da função de custo aumentada,
esta mesma equação pode ser escrita da seguinte forma
[
] [
] , (2.11)
em que representa agora o conjunto de todas as variáveis do sistema e [ ] .
Na figura (2.1) é apresentado um fluxograma que mostra de forma simplificada a aplicação do método
de Newton [1]:
Figura 2.1 – Fluxograma de uma estratégia para a solução do TEO pelo método de Newton
Em problemas de grande dimensão, a matriz com as equações referentes à infração de limites
incluídas, pode ficar mal condicionada devido à sua elevada esparsidade (elevado numero de zeros),
o que poderá levar a erros no calculo das soluções e a flutuações em torno dos limites das variáveis,
7
causando situações de divergência. Outro problema que este método pode apresentar, é o facto de a
solução poder convergir para pontos de sela, obtendo-se assim resultados errados.
2.1.3. Tratamento das restrições de desigualdade
Abordagem por Kuhn-Tucker [1]
É o método referido no tratamento das restrições activas nos 2 métodos apresentados até este ponto.
Ao ser infringido o limite superior ou inferior de uma variável (apenas de controlo no caso do método
do gradiente, podendo ser de estado no método de Newton), tem-se:
(2.12)
Então a variável em questão é fixada no seu limite inferior ou superior na iteração seguinte, deixando
de ser uma variável de controlo ou de estado, ou seja, passa a ser uma variável fixa (vector p o
método do gradiente), sendo adicionado ao Lagrangeano penalidades referentes às correspondentes
restrições de desigualdade
, (2.13)
em que e são os coeficientes (ou multiplicadores) de Kunh-Tucker referentes aos limites
superior e inferior respectivamente.
Se for obtido um valor negativo para os coeficientes, então a variável em questão pode ser “libertada”
pois a restrição deixará de ser activa.
Contudo, esta metodologia não é trivial, pois ao se fixarem grande parte das variáveis quando
ocorrem infracções (superiores ou inferiores) poderá levar à divergência do método ou até à obtenção
de uma solução não óptima.
Abordagem por Funções de Penalidade [9]
Esta abordagem não consiste em fixar as variáveis mas sim tornar mais “doloroso” violar as
respectivas restrições, adicionando funções de penalidade à função de custo aumentada
, (2.14)
em que são constantes (coeficientes de penalidade) que definem com que
intensidade a respectiva restrição deve ser satisfeita.
A função de penalidade pode ser baseada nas condições de Kuhn-Tucker, assumindo na
relação (2.14), as seguintes formas:
8
(2.15)
Abordagem por Funções de Barreira [9]
Num método de barreira, dado um ponto que reside no interior da região viável Ω (dentro dos
limites), há que impor um custo tão grande quanto maior for a aproximação à zona limite de Ω,
criando assim uma "barreira" para impedir que se saia dessa região viável.
Ou seja, uma função de barreira é qualquer função que satisfaça:
para qualquer que satisfaça
se
Utilizando funções de barreira na função de custo aumentada que tem vindo a servir de exemplo, a
mesma fica da seguinte forma
, (2.16)
sendo denominado parâmetro de barreira e b(x) uma função barreira não negativa e continua
no interior da região viável.
A referida função barreira, tal como as funções de penalidade podem assumir diversas formas, tais
como:
(2.17)
(2.18)
As funções (2.16) e (2.17) são denominadas barreira clássica ou inversa e barreira logarítmica
respectivamente.
2.1.4. Programação Linear
A programação linear foi um método que ganhou muitos adeptos desde que foi pela primeira vez
implementado, não só por ser simples, robusto e fiável, mas também por requerer um reduzido
armazenamento computacional.
Na formulação do TEO com LP apenas são utilizadas as variáveis de controlo, não sendo realizada a
optimização do trânsito de potência reactiva, o que constitui uma limitação deste método.
As funções de custo dos geradores têm uma grande influência neste método, pois terão de ser
linearizadas no caso de não serem lineares. Nas centrais térmicas, por exemplo, estas funções são
por vezes modeladas como sendo quadráticas, como a apresentada na figura seguinte:
∑
∑
9
Figura 2.2 – Função de custo com característica não linear
Uma forma de ultrapassar este problema é efectuando uma linearização por troços de forma a
aproximar a curva original utilizando segmentos de recta:
Figura 2.3 – Linearização da função de custo não linear
As restrições de igualdade (equações do TE) podem ser linearizadas, por exemplo, recorrendo ao
desenvolvimento em serie de Taylor (1ª ordem), ou usando coeficientes de sensibilidade. No entanto,
outra limitação deste método reside no facto de as linearizações serem aproximações, levando
inevitavelmente a erros nos resultados obtidos [12].
Uma formulação matemática para um problema generalizado de programação linear pode ser dado
por
, (2.19)
em que corresponde à linearização da função objectivo e às linearizações das
restrições de desigualdade e igualdade.
Na figura (2.4) é apresentado um fluxograma com um possível processo de resolução do TEO
utilizando Programação Linear [3].
Fi
Pi
Fi
Pi
10
Figura 2.4 – Fluxograma de uma estratégia para a solução do TEO com LP
2.1.5. Algoritmo de Ponto Interior
Designa-se por ponto interior aquele em que todas as variáveis se encontram dentro dos seus limites.
O método de ponto interior pode ser aplicado tanto em problemas de programação linear como em
problemas de programação não linear (Newton por exemplo), apresentando resultados promissores
em ambos os casos [3].
A aplicação directa deste método num problema não linear (Método de Ponto Interior Directo)
consiste em transformar restrições de desigualdade em restrições de igualdade, por meio da
introdução de variáveis de folga (baseadas nas condições de Kuhn-Tucker) e na adição de uma
função logarítmica à função objectivo, para garantir a não negatividade das variáveis de folga, ou
seja, utilizando uma barreira logarítmica, tal como foi apresentado na secção 2.1.3.
Usando a mesma formulação matemática feita no capítulo introdutório:
11
(2.20)
As variáveis de folgas são variáveis sempre positivas, sendo inicializadas da seguinte forma [8]:
(2.21)
(2.22)
em que e
são as variáveis de folga referentes ao limite inferior e superior respectivamente
da restrição de desigualdade .
Utilizando a função barreira definida em (2.16) e (2.18), e inserindo as variáveis de folga, a
modificação do problema conduz à seguinte formulação [11]:
(2.23)
Com as novas restrições de igualdade, terão que ser introduzidos multiplicadores para as mesmas,
ficando assim a função da seguinte forma [11]:
[ ] (2.24)
em que [ ] representa o conjunto dos multiplicadores de Lagrange referentes às
novas restrições de igualdade (limites das variáveis).
Actualmente a maioria dos problemas de optimização com restrições de desigualdades são
resolvidos por métodos de ponto interior [3], pois além da robustez do método, este reduz o número
de iterações necessárias e tem uma elevada probabilidade de convergência. No entanto a
inicialização de e e as respectivas actualizações ao longo das iterações condicionam bastante a
eficácia e velocidade deste método. Existem várias técnicas eficientes de actualização das variáveis e
de inicialização dos multiplicadores de Lagrange . No entanto a inicialização do parâmetro de
barreira ainda é um desafio, sendo feita usualmente por tentativa-erro [8].
Sendo este o outro método utilizado neste trabalho, no subcapítulo 3.1.2 serão apresentadas técnicas
de inicialização e actualização das variáveis identificadas como sendo as mais indicadas para o
problema estudado.
∑ ( )
12
2.1.6. Comparação dos Métodos
De seguida é apresentada uma tabela comparativa dos 4 métodos apresentados nesta secção onde
serão atribuídas pontuações (de 1 a 5) às características mais importantes no desempenho dos
algoritmos, assim como principais pontos críticos dos mesmos. [1] [3] [8] [10]
Tabela 2.1 – Vantagens e Desvantagens dos métodos propostos para a resolução do TEO
Convergência Precisão Velocidade Complexidade Notas
Gradiente
Convergência fortemente dependente da escolha de . Torna-se difícil de lidar com as restrições de igualdade.
Newton
O elevado número de limites infringidos aumenta a complexidade do problema e a esparsidade da matriz , podendo levar à divergência.
Programação Linear
Os pontos escolhidos para a linearização assim como a aproximação efectuada na mesma podem condicionar tanto a convergência como a precisão do método.
Ponto Interior
A única e grande desvantagem deste método é a forte dependência das condições iniciais, principalmente da inicialização do parâmetro de barreira.
13
2.2. Inclusão de Geração Eólica no TEO
A energia eólica, devido à sua previsibilidade limitada e intermitência, é considerada problemática
para a operação dos sistemas de energia. A possibilidade de indisponibilidade do vento leva à
necessidade de existir energia de reserva suficiente, sendo que no caso de ocorrerem variações
súbitas de velocidade, a falta de energia eólica terá que ser rapidamente compensada pelas unidades
convencionais, caso contrário poderão ocorrer:
Grandes variações de tensão;
Grandes variações de frequência;
Colapso do sistema.
É então importante existir uma boa exactidão na previsão do vento.
O impacto da energia eólica no TE torna-se assim uma questão cada vez mais importante com a
crescente integração deste tipo de tecnologia nos sistemas de energia. Alguns dos factores
essenciais para esta análise são os custos de operação, custos de reserva e emissões.
Na análise dos modelos apresentados nesta secção, serão apenas referidas as alterações nas
funções objectivo e/ou restrições a serem efectuadas nos modelos do TEO apresentados no
subcapítulo anterior.
2.2.1. Variabilidade e Previsibilidade da Energia Eólica
Para uma análise da energia eólica em grande escala é usual modelar a sua produção através de
dados meteorológicos e curvas agregadas velocidade-potência.
Para manter o equilíbrio entre a geração e o consumo ao longo do tempo as variações na carga e na
geração eólica têm que ser combinadas por uma energia reguladora suficiente. As variações na
potência podem contrabalançar ou amplificar as variações da carga, sendo necessário analisar as
variações agregadas de modo a determinar a energia reguladora. Uma abordagem possível para esta
situação é considerar a energia eólica uma carga negativa [6], no entanto esta situação não será
abordada, pois trata-se de um caso em que toda a energia eólica necessária é despachada, ou seja,
esta não teria um custo associado, o que não se verifica na realidade.
Análise da previsão de dados [7]:
Erro de previsão:
(2.25)
Desvio numa determinada hora:
(2.26)
em que representa a média de todos os medidos, a potência instalada e o numero de
horas analisadas.
√∑
( )
14
Em termos de simulação, tanto na previsão do consumo como na previsão da energia eólica, poderão
ser usados 3 horizontes temporais [7]:
Anual: Calendarização da manutenção
Semanal: Produção e optimização do custo
Horário (ou outro curto espaço de tempo): Despacho
2.2.2. Caracterização do Vento
A função de probabilidade considerada a mais adequada para descrever o comportamento do regime
de ventos é a distribuição de Weibull.
A caracterização aqui usada foi adaptada de [2] e [6].
As expressões matemáticas da função de distribuição acumulada (fda) e de densidade de
probabilidade (fdp) de Weibull são dadas respectivamente por (2.27) e (2.28):
(
)
(2.27)
(
)
(
)
(2.28)
em que é a velocidade do vento, um factor de escala [m/s] e um factor de forma [sem
dimensão].
Em (2.29) estão as relações entre a potência eólica gerada e a velocidade do vento:
(2.29)
Sendo e as velocidade de “cut in” e “cut out” respectivamente e a potência nominal do
gerador.
Aplicando à referida distribuição tem-se:
[(
) ]
(
)
(2.30)
[(
) ]
[(
) ]
(2.31)
onde
para simplificar.
De seguida serão apresentadas duas abordagens distintas de inclusão da energia eólica no TEO.
15
2.2.3. Probabilidade de satisfação do consumo
Nesta abordagem [6] há que definir a variável aleatória . Este parâmetro aqui introduzido trata-se
de uma tolerância especificada que representa a não satisfação da carga, ou seja, é a probabilidade
de a geração total não satisfazer o consumo.
Assim, este modelo consiste em adicionar à formulação do DE ou do TEO a seguinte restrição:
∑
, (2.32)
em que W representa o despacho de toda a energia eólica, a carga a ser satisfeita e as perdas
globais do sistema.
Como é necessário garantir que o consumo seja satisfeito, terá que tomar valores relativamente
baixos, sendo aceitável que esta probabilidade assuma valores inferiores a 10% [6].
Definindo , a relação (2.31) pode ser escrita da seguinte forma:
∑ ∑
, (2.33)
sendo a função de distribuição acumulada da variável aleatória W.
Substituindo em (2.30) tem-se:
∑
( )
∑
(2.34)
De onde se pode tirar:
∑
[
]
| [
]|
(2.35)
| [
]|
(2.36)
em que representa o factor de penetração do vento.
Esta variável caracteriza a contribuição da variação estocástica da energia eólica no sistema, tendo
as seguintes propriedades:
∑
Ou seja, um aumento da tolerância leva a que se assuma um factor de penetração do vento mais
elevado, sendo assim necessária uma menor geração de potência referente aos geradores térmicos
convencionais.
16
Neste método apesar de a energia eólica produzida poder ter um custo associado, o mesmo não
entrará na optimização, pois toda a potência disponível é utilizada a não ser que esta ultrapasse o
valor do consumo.
Assim este tipo de abordagem poderá ser útil em estudos de viabilidade de projectos de parques
eólicos, usando para isso as distribuições de probabilidade referidas no capítulo 2.2.2.
2.2.4. Subestimação e Sobrestimação Eólica
No DE e no TEO há que ter em conta a satisfação da potência eólica prevista, havendo assim a
necessidade de existirem reservas para o caso dessa potência ser menor que a agendada. O caso
contrário, ou seja, a sobrestimação da potência eólica também tem que ser tida em conta, pois nesse
caso poderá haver geradores alocados desnecessariamente. Serão assim introduzidas funções de
custo para a subestimação e sobrestimação da potência gerada por cada gerador eólico [5].
Este modelo consiste em adicionar às funções de custo dos geradores térmicos convencionais e
eólicos as duas funções referidas no parágrafo anterior.
Assim a função objectivo, a ser utilizada pelo operador do sistema, é dada por
(2.37)
onde:
– Número de geradores convencionais
– Número de geradores eólicos
– Potência gerada pelo gerador convencional i
– Potência gerada pelo gerador eólico i
– Potência disponível prevista do gerador i
– Função de custo do gerador convencional
– Função de custo do gerador eólico
– Função de penalidade referente à não utilização de toda a potência disponível no
gerador eólico.
– Função de reserva requerida referente à subestimação da potência disponível no
gerador eólico
Usualmente as funções de custo dos geradores térmicos são modeladas como quadráticas (2.38),
assumindo-se, no caso dos geradores eólicos, funções de custo lineares (2.39) [5].
(2.38)
(2.39)
As funções de custo referentes à subestimação e sobrestimação são dadas por (2.40) e (2.41)
respectivamente [5], sendo o segundo termo de cada expressão valido no caso de se estar a utilizar a
fdp da distribuição de Weibull (equação 2.30) na estimação da energia eólica:
( ) ∑ ( )
∑
∑
∑
17
(2.40)
(2.41)
em que e são os coeficientes do custo de penalidade (subestimação) e de reserva
(sobrestimação) respectivamente.
Como esta metodologia aborda a previsão de dados, sendo introduzidas penalizações aos erros de
estimação, assim como à não utilização da totalidade da energia eólica disponível, torna-se uma
abordagem mais robusta do que a proposta no ponto anterior que apenas se foca na probabilidade de
satisfação do consumo. Assim será esta a abordagem utilizada para inclusão da energia eólica no
TEO.
( ) ( ) ∫ ( )
( ) ( ) ∫ ( )
18
19
( ) ∑ ( )
∑
∑ ( )
∑
∑ ( )
∑
( ) ( )
( )
3. Implementação do TEO
3.1. Modelo e Formulação Matemática
Devido às vantagens já referidas no ponto (2.1.6) os dois métodos utilizados nesta dissertação serão
o Método de Newton e o Método do Ponto Interior, métodos cuja principal diferença reside no
tratamento feito às restrições de desigualdade, como já foi referido.
Primariamente será apresentada a formulação referente ao Método de Newton com as restrições de
desigualdade resolvidas através das condições de Kuhn-Tucker, sendo posteriormente
apresentadas as alterações que permitem a aplicação do algoritmo de Ponto Interior.
A inclusão de Energia Eólica será feita através do modelo apresentado em (2.2.4) intitulado
“Subestimação e Sobrestimação Eólica”.
3.1.1. Método de Newton
Rescrevendo a formulação do problema do TEO feita em (2.7) para o Método de Newton, tem-se
, (3.1)
onde serão impostos limites superiores e inferiores para as seguintes variáveis (restrições de
desigualdade):
Potências activas geradas
Potências reactivas geradas
Tensões em todos os barramentos
As restrições de igualdade serão as equações do Transito de Energia.
Assim, desenvolvendo a formulação feita em (3.1), conclui-se que o objectivo é minimizar a função de
custo :
(3.2)
Sujeito a [1]:
Balanço de potência activa e reactiva na rede:
20
∑ ( ) ( )
∑ ( ) ( )
(3.3)
(3.4)
Limite de Potência activa e reactiva gerada:
(3.5)
(3.6)
Limites de tensão em cada barramento:
(3.7)
Onde as Potências injectadas nos barramentos são dadas por:
(3.8)
(3.9)
Recorrendo aos Multiplicadores de Lagrange, a função de custo sujeita às restrições de igualdade
definidas em (3.3) e (3.4) transforma-se na seguinte Função de Custo Aumentada:
(3.10)
Se os limites referentes às restrições de desigualdade forem infringidos então, terá que se adicionar
ao Lagrangeano as equações de Kuhn-Tucker referentes a essas restrições, tal como foi feito em
(2.13):
(3.11)
Relembrando a equação definida no subcapítulo 2.1.2, onde este método foi definido, o nosso
problema fica reduzido à equação matricial representada em (3.12), sendo esta expandida em (3.13)
[4].
[
] [
] (3.12)
Em que representa o Jacobiano da função de custo aumentada, o vector das variáveis a
calcular e o desvio das mesmas, que terá que ser calculado a cada iteração até
que o valor dos seus elementos chegue perto de 0 (convergência).
∑
∑ ( ) ( )
∑
∑ ( ) ( )
∑ ( )
∑ ( )
∑ ( )
∑ ( )
∑ ( )
∑ ( )
21
[
]
[
]
[
]
(3.13)
22
De seguida [
] serão expandidas e divididas em funções, de modo a se obter uma melhor
apresentação de todas as derivadas em jogo.
É importante referir que nas derivadas seguintes representa o conjunto de todos os
geradores, sem haver diferenciação entre térmicos e eólicos.
O conjunto de todas as variáveis é então dado por:
[
] (3.14)
Por forma a simplificar as expressões (3.27) a (3.33) será utilizada a seguinte notação:
Com esta notação, são assim apresentadas as Condições de Optimalidade [4]:
(3.15)
(3.16)
∑| || |( ( ) ( ))
(3.17)
∑| || |( ( ) ( ))
(3.18)
∑| || |( ( ) ( ))
∑ | || |( ( ) ( ))
∑| || |( ( ) ( ))
∑ | || |( ( ) ( ))
(3.19)
23
∑| |( ( ) ( ))
∑ | |( ( ) ( ))
∑| |( ( ) ( ))
∑ | |( ( ) ( ))
(3.20)
(3.21)
(3.22)
(3.23)
(3.24)
(3.25)
(3.26)
(3.27)
(3.28)
24
De seguida, fazendo uso das funções deduzidas acima, serão calculados os elementos não nulos
do Jacobiano [4]:
(3.29)
(3.30)
(3.31)
(3.32)
(3.33)
∑
( )
∑
( )
∑
( )
∑
( )
∑
( )
∑
( )
∑
∑
∑
∑
( ) ( )
∑
∑
∑
∑
( ) ( )
( )
25
(3.34)
(3.35)
(3.36)
(3.37)
Estando agora definidos todos os elementos da equação (3.13), é possivel representar a mesma na
forma (2.38), ou seja, com o cálculo de , que é feito a cada iteração deste algoritmo.
∑
( )
∑
( )
( ) ( )
( )
∑
∑
∑
∑
( ) ( )
( )
26
[
]
[
]
[
]
(3.38)
A matriz acima representada, além de apresentar dimensões bastante elevadas para redes de grandes dimensões, é esparsa, pois apresenta diversos
elementos nulos. Esta esparsidade aumenta significativamente com o número de restrições infringidas, pois sem restrições e usando o método de Newton
com as restrições de desigualdade resolvidas por aplicação directa das condições de Kuhn-Tucker, esta equação matricial fica na forma (3.39). No caso de
serem usadas funções barreira (ou pelo método de ponto interior) todas as restrições permanecem na matriz, ou seja, a dimensão será sempre fixa.
27
(3.39)
3.1.2. Alterações na implementação do Algoritmo de Ponto Interior
Neste subcapítulo serão apresentadas as alterações a serem realizadas na formulação feita para o
Método de Newton, introduzindo variáveis de folga e funções barreira para o tratamento das
restrições de desigualdade tal como foi feito na secção 2.1.5.
(3.40)
Como as restrições de igualdade serão tratadas através de funções de barreira logarítmicas, tal como
foi referido na secção 2.1.5, introduzindo as variáveis de folga, assim como os respectivos
multiplicadores de Lagrange, a Função de Custo Aumentada (3.1.1) fica da seguinte forma:
(3.41)
Desenvolvendo os dois últimos termos da equação (3.41) deduz-se a expansão representada em
(3.42):
[ ]
[
]
[ ]
∑ ( )
∑[ ( )
]
∑
∑ (
)
28
(3.42)
O conjunto de variáveis é agora dado por
[ ] (3.43)
em que:
[
] (3.44)
[
] (3.45)
De seguida serão apresentadas as alterações nas Condições de Optimalidade:
Nas equações (3.15), (3.16) e (3.20), referentes às derivadas do Lagrangeano em ordem a
, e apenas terão que se substituir os coeficientes de Kuhn-Tucker análogos aos
multiplicadores de Lagrange:
As equações (3.21) à (3.26) deixam de existir dando lugar às derivadas em ordem às variáveis de
folga e aos novos multiplicadores de Lagrange:
(3.46)
(3.47)
(3.48)
∑[ ( )
]
∑ (
)
∑ (
)
∑ (
)
∑ (
)
∑ (
)
∑ (
)
29
(3.49)
(3.50)
(3.51)
(3.52)
Quanto aos elementos não nulos do Jacobiano, nas equações (3.29) à (3.36) todos os resultados se
mantêm, lembrando que as derivadas em ordem aos coeficientes de Kuhn-Tucker serão agora em
ordem aos multiplicadores de Lagrange
Assim, apenas serão adicionadas as equações seguintes:
(3.53)
(3.54)
(3.55)
Ao contrário do que acontece com o Método de Newton a dimensão do Jacobiano, aparte das
equações referentes à subestimação e sobrestimação da energia eólica, tem uma dimensão fixa e
com mais elementos (restrições de desigualdade) devido à inserção das variáveis de folga.
Uma grande vantagem deste método é o facto de o mau condicionamento da matriz deixar de ser
um problema. Assim a inversão da matriz terá um resultado exacto sem nenhum erro induzido. Para
contornar este problema, no Método de Newton foi utilizada a função que calcula a inversa
generalizada de uma matriz, contornando assim o facto de esta ser mal condicionada.
A equação (3.38) fica agora com a forma representada em (3.56).
30
(3.56)
Quanto à inicialização das variáveis, ponto crucial neste algoritmo, devido aos bons resultados
obtidos nas simulações, foi sugerido o seguinte método [8]:
Inicialização das variáveis de folga feita através das do valor inicial das restrições de
desigualdade multiplicado por um factor correctivo:
(3.57)
Escolhendo foram obtidos bons resultados.
Escolhendo um valor de , uma forma eficiente de inicializar os multiplicadores de
Lagrange referentes às restrições abrangidas pela barreira é dada pela equação
, (3.58)
em que é uma matriz diagonal constituída pelas variáveis de folga e é vector de
dimensão preenchida por elementos unitários.
Não existe nenhuma forma universal de inicializar , no entanto, de uma forma grosseira é
possível definir uma inicialização compreendida no intervalo .
A redução do parâmetro de barreira, sendo o número o número da iteração, é dada pela seguinte
fórmula [8]:
(3.59)
em que é denominada lacuna de complementaridade, sendo calculada através da equação
(3.60), e é chamado parâmetro de centragem, factor que representa o compromisso entre
a viabilidade e a optimalidade do algoritmo, sendo que para valores próximos de 0 (1) é dada ênfase
à optimalidade (viabilidade). No estudo realizado foram obtidos melhores desempenhos com valores
de compreendidos entre 0.1 e 0.2. Como a viabilidade pode ser garantida em algumas iterações é
aconselhável começar com um valor mais alto e ir reduzindo progressivamente, por exemplo,
começar em 0.2 e acabar em 0.1.
(3.60)
[ ]
[
]
[ ]
31
No que diz respeito á actualização das variáveis terá que se realizar distinção entre variáveis primais
(variáveis de controlo, estado e folga) e duais (multiplicadores de Lagrange), sendo a actualização
feita em primeira instância pelas equações [8]
(3.61)
, (3.62)
em que e
são parâmetros que definem a dimensão do passo realizado na iteração, sendo
definidos por [8]
(3.63)
(3.64)
em que
Como existe dependência entre as variáveis primais e duais não é viável a utilização as equações
(3.61) e (3.62), sendo necessário definir um parâmetro comum , dado por [8]:
(3.65)
A actualização das variáveis é então feita através da equação (3.66) [8].
(3.66)
3.2. Fluxogramas dos Algoritmos Desenvolvidos
O funcionamento dos modelos apresentados nos subcapítulos anteriores podem ser descritos pelos
fluxogramas das figuras 3.1 e 3.2. Os algoritmos foram implementados em Matlab® sem recurso a
qualquer toolbox de optimização.
O programa que implementa o algoritmo recebe como input o ficheiro com a configuração da rede
onde estão presentes os seguintes dados:
Número de barramentos.
Valores das bases de potência, tensão e impedância.
Números e posições de geradores, cargas, condensadores (compensação do factor de
potência) e transformadores (com as respectivas relações de transformação definidas).
Matriz das admitâncias, condutâncias e susceptâncias nodais.
Valores dos coeficientes das funções de custo.
No ponto 1 de ambos os fluxogramas é feita a inicialização das variáveis através das previsões de
carga e da potência eólica esperada. Estas previsões poderão ser feitas através da distribuição de
Weibull, no entanto, na simulação serão utilizados os dados fornecidos pela Rede Energética
Nacional (REN).
As equações referentes à sobrestimação e subestimação da energia eólica não se encontram
presentes na primeira iteração, sendo posteriormente adicionadas se a potência eólica real for
diferente da prevista ou se existir excedente de potência eólica disponível.
| |
| |
32
Não
Sim
Sim
Método de Newton:
Figura 3.1 – Fluxograma da estratégia utilizada na resolução do TEO utilizando o Método de Newton
No ponto 8 do algoritmo referente ao método de Newton o teste efectuado consiste em verificar se os
coeficientes de Kuhn-Tucker referentes aos limites infringidos são negativos. Se tal acontecer a
variável fixa é reintegrada no sistema, ou seja:
(3.67)
sendo o vector das variáveis fixas.
9.
?
1. Inicialização
das variáveis
2. Se necessário ordenar a matriz das admitâncias para
que os barramentos com geradores sejam os primeiros
na mesma, respeitando assim a nomenclatura.
[ ]
[ ]
6.
4. Calculo dos
desvios
3. Construção das
matrizes e [
]
5.
10.FIM
7. Reconstruir e [
] adicionando as
equações necessárias referentes às
condições de Kuhn-Tucker no caso dos
limites das potências e/ou tensão serem
infringidos.
8. Se existirem variáveis fixas
provenientes de iterações anteriores é
testada a viabilidade da reentrada das
mesmas no Jacobiano.
33
Não Sim
Ainda no ponto 8, todas as variáveis anteriormente fixadas (já não se encontravam presentes no
Jacobiano), incluindo os respectivos coeficientes de Kuhn-Tucker, são reintegrados nas condições
atuais através de uma função externa, sendo de seguida calculados os vectores auxiliares e
. Se uma variável anteriormente fixada já não infringe os limites impostos esta é reintegrada no
Jacobiano. Este passo é feito por forma a evitar realizar todas as combinações possíveis de
integração das variáveis, pois isso acarretaria um peso computacional elevado tornando o processo
muito demorado.
Método de Ponto Interior
Figura 3.2 – Fluxograma da estratégia utilizada na resolução do TEO utilizando o Método de Ponto Interior
1. Inicialização das variáveis segundo a
metodologia apresentada na secção 3.1.2
2. Se necessário ordenar a matriz das admitâncias para
que os barramentos com geradores sejam os primeiros
na mesma, respeitando assim a nomenclatura.
4. Calculo dos
desvios
3. Construção das
matrizes e [
]
5.
7. FIM 6.
?
34
3.3. Newton Vs Ponto Interior
Neste ponto, a análise destes dois métodos será realizada aplicando-os primariamente a uma rede de
doze barramentos, onde estão presentes três geradores e cinco cargas. Posteriormente será utilizada
uma rede de cinquenta e sete barramentos do IEEE.
Serão estudados cenários distintos de limites nas variáveis e o efeito causado pela existência de
geradores eólicos na rede, assim como variações nas funções de custo dos geradores.
3.3.1. TEO – Rede de 12 barramentos
Por simplificação de análise, pois trata-se de uma rede com apenas três geradores, a maior parte das
simulações irá ser realizada com a rede de 12 barramentos representada na Figura 3.3. Os dados
referentes à mesma estão presentes na tabela 3.1.
Figura 3.3 – Topologia da rede [1]
Nesta secção não será analisada a influência do vento no TEO, mas sim o desempenho dos dois
algoritmos em estudo no que toca á velocidade de convergência, custo total de operação e perdas
totais do sistema.
35
Tabela 3.1 – Dados da rede de 12 barramentos [1]
Dados dos barramentos
Bar Tensão Carga Compens. Transv.
nº (graus)
1 1,0 220 0,0 0,0 0,0
_______
__________
2 1,0 220 0,0 0,0 0,0
3 1,0 220 0,0 0,0 0,0
4 1,0 220 0,0 25,0 10,0
5 1,0 220 0,0 0,0 0,0
6 1,0 220 0,0 30,0 12,0
7 1,0 220 0,0 0,0 0,0
8 1,0 220 0,0 100,0 40,0
9 1,0 220 0,0 0,0 0,0
10 1,0 60 0,0 90,0 40,0 10,0
11 1,0 60 0,0 125,0 65,0 15,0
12 1,0 60 0,0 100,0 50,0 15,0
Dados dos Ramos
De Para Tipo
Impedância Longitudinal
Admitância Transversal
Potência Nominal
Relação de Transformação
nº nº
1 4 Linha 0,0000 0,0576 0,0000 250
___________
4 5 Linha 0,0170 0,0920 0,1580 250
5 6 Linha 0,0390 0,1700 0,3580 150
3 6 Linha 0,0058 0,0586 0,0000 300
6 7 Linha 0,0119 0,1008 0,2090 150
7 8 Linha 0,0085 0,0720 0,1490 250
8 2 Linha 0,0063 0,0625 0,0000 250
8 9 Linha 0,0120 0,1610 0,3060 250
9 4 Linha 0,0100 0,0850 0,1760 250
5 10 Transf. 0,0000 0,0800 0,0000 150 0,95
7 12 Transf. 0,0000 0,0800 0,0000 150 0,95
9 11 Transf. 0,0000 0,0800 0,0000 150 0,90
Base de Potência:
Nas Tabelas 3.2 e 3.3 estão os dados padrão dos geradores e das Tensões nos barramentos (rede
de 12 barramentos).
Tabela 3.2 – Dados dos geradores
Gerador
1 3,0 0,2 2,0 -1,0 750 20 0.055
2 3,0 0,2 2,0 -1,0 3000 12 0.0425
3 3,0 0,2 2,0 -1,0 1600 10 0.060
36
O valor inicial da potência gerada em cada gerador é calculado dividindo a carga total pelo número de
geradores, sendo que no caso de existirem geradores eólicos o valor inicial destes é igual à potência
eólica prevista (dado introduzido pelo utilizador).
Tabela 3.3 – Dados das Tensões nos barramentos
Tipo de Barramento
Geração 1,1 0,9
Sem geração 1,05 0,95
O despacho de unidades é feito de uma maneira simplificada. Existindo geradores, se a carga
total multiplicada por um factor definido pelo utilizador (1,2 por exemplo significa um incremento de
20% do valor total da carga) for satisfeita pelos ( ) geradores mais baratos, o mais caro é
desactivado.
Nos exemplos apresentados nesta secção, além de alterações no tipo (térmico ou eólico) e custo dos
geradores será alterado o valor da carga. Para isso é definida uma nova variável, o factor de carga
( ). Este parâmetro é multiplicado pela carga (activa ou reactiva) de referência, presente na tabela
3.1 ( ). Por exemplo, com , todos os valores de e presentes na referida tabela
ficam reduzidos a metade.
Exemplo 1
Rede: 12 barramentos
Dados padrão das tabelas 3.2 e 3.3.
Método de Newton:
Figura 3.4 – Evolução da potência activa e reactiva e dos módulos das tensões ao longo das iterações – Método de Newton
37
Como se pode verificar na tabela 3.4, apenas os níveis de tensão nos barramentos 6, 10 e 12
atingiram o seu limite (1,05 pu), accionando assim as condições de Kuhn-Tucker referentes aos
respectivos limites superiores das tensões.
De realçar que na 1ª iteração todos os níveis de tensão ultrapassaram os seus limites superiores. Aí
todas as condições de Kuhn-Tucker foram activadas sendo seguido o procedimento apresentado nos
pontos 7 e 8 da figura 3.1, onde é descrito o funcionamento do algoritmo.
Tabela 3.4 – Resultados da simulação do exemplo 1 (Newton)
Barr. Custos
Horários
Custos Marginais
1 (GT) 3365,23 31,23 102,10 43,12 1,06 0,00 31,23 0,00
2 (GT) 7429,29 29,95 211,17 67,20 1,08 7,19 29,95 0,00
3 (GT) 4861,01 29,71 164,24 20,76 1,07 7,20 29,71 0,00
4 1,03 -3,09 31,23 0,00
5 1,02 -4,01 31,56 0,03
6 1,05 2,33 30,22 0,02
7 1,02 -0,88 30,77 0,04
8 1,03 0,59 30,69 0,14
9 1,00 -5,54 31,47 0,26
10 1,05 -7,67 31,55 -0,09
11 1,01 -10,92 31,52 0,29
12 1,05 -4,93 30,76 -0,19
Custo Total
15655,53
Carga Total
470,00
Perdas 7,51
Método de Ponto Interior:
38
Figura 3.5 – Evolução da potência activa e reactiva e dos módulos das tensões ao longo das
iterações – Ponto Interior
É bem visível na Figura 3.6 uma diferença de funcionamento dos dois métodos. Além de a barreira
logarítmica utilizada não permitir que os níveis de tensão subam para níveis elevados, também faz
com que estabilizem mais rapidamente (3 iterações).
Tabela 3.5 – Resultados da simulação do exemplo 1 (Ponto Interior)
Barr. Custos
Horários
Custos Marginais
1 (GT) 3423,06 31,43 103,94 40,06 1,00 0,00 30,72 -0,22
2 (GT) 7345,55 29,71 208,36 62,89 1,03 7,50 29,52 -0,21
3 (GT) 4843,30 29,64 163,65 24,08 1,02 7,43 29,29 -0,22
4 0,98 -3,27 30,71 -0,21
5 0,97 -4,25 31,04 -0,10
6 1,00 2,36 29,77 -0,17
7 0,98 -0,99 30,30 -0,05
8 0,98 0,55 30,21 -0,05
9 0,95 -5,86 30,92 -0,02
10 0,99 -8,15 31,05 -0,12
11 0,95 -11,56 30,93 0,04
12 1,00 -5,27 30,31 -0,07
Custo Total
15611,91
Carga Total
470,00
Perdas 5,95
Neste primeiro exemplo nota-se um desempenho ligeiramente melhor do algoritmo de Ponto Interior.
A nível de velocidade não existe uma diference significativa. No entanto, quanto ao custo total de
operação, o algoritmo de Ponto Interior tem um melhor desempenho. Isto deve-se ao facto de os
níveis de tensão e consequentemente da potência reactiva serem mais reduzidos, o que dá origem a
uma redução das perdas totais do sistema em relação ao método de Newton.
Exemplo 2
Rede: 12 barramentos
A única alteração em relação aos dados padrão é o facto de todos os geradores terem os
coeficientes de custo iguais aos definidos para o gerador 3.
Com este exemplo pretende-se analisar a influência de se ter geradores com funções de custo iguais,
contrastando com os resultados obtidos no exemplo anterior.
39
Como seria de esperar, quando as funções de custo são iguais para todos os geradores, as potências
geradas pelos mesmos são muito semelhantes, tratando-se de um problema de minimização das
perdas. Assim, em relação ao exemplo 1, são deduzidas as mesmas conclusões, no entanto as
diferenças entre o custo e as perdas nos dois métodos não são tão acentuadas.
Método de Newton:
Custo Total de Operação 14085,20
Perdas 5,73
Método de Ponto Interior:
Custo Total de Operação 14051,57
Perdas 4,57
Exemplo 3
Rede: 12 barramentos
Alterações em relação aos dados padrão:
Aqui apenas serão apresentados os resultados referentes ao método de Newton, já que no caso do
algoritmo de Ponto Interior os resultados foram próximos dos obtidos no exemplo 1.
Método de Newton:
Aqui é importante analisar os coeficientes de Kuhn-Tucker referentes às potências activa e reactiva
que no presente caso deixam de ser nulos, pois estes representam o quanto se paga a mais devido
às imposições dos respectivos limites. Como seria de esperar tanto a potência reactiva como a activa
do gerador 2 (o mais barato) atingem os respectivos limites obrigando os restantes geradores a
produzir mais, levando inclusive a que a potência reactiva do gerador 2 viole o seu limite superior.
É fácil de observar que também aqui o algoritmo de Ponto Interior leva vantagem, pois este manteve
sensivelmente o mesmo custo, enquanto que com o Método de Newton existe um aumento
considerável do mesmo.
40
Figura 3.6 – Evolução da potência activa e reactiva e dos módulos das tensões ao longo das
iterações – Método de Newton
Tabela 3.6 – Resultados da simulação do exemplo 3 (Newton)
Barr. Custos
Horários
Custos Marginais
1 (GT) 3555,05 31,89 108,11 50,00 1,06 0,00 31,89 0,02
2 (GT) 7098,62 28,99 199,95 49,96 1,05 6,43 30,58 0,44
3 (GT) 5015,64 30,32 169,40 33,63 1,07 6,97 30,33 0,00
4 1,03 -3,27 31,90 0,03
5 1,02 -4,23 32,19 -0,08
6 1,05 2,02 30,86 0,06
7 1,01 -1,45 31,51 0,46
8 1,02 -0,12 31,42 0,55
9 1,00 -5,95 32,21 0,45
10 1,05 -7,89 32,17 -0,37
11 1,00 -11,42 32,30 0,51
12 1,04 -5,59 31,58 0,50
Custo Total
15669,30
Carga Total
470,00
Perdas 7,46
Tabela 3.7 – Coeficientes de Kuhn-Tucker referentes à simulação do exemplo 3
Barr.
1 (Ger) 0,00 0,00 0,10 0,00
2 (Ger) 1,65 0,00 10,57 0,00
3 (Ger) 0,00 0,00 0,00 0,00
41
Exemplo 4
Rede: 12 barramentos
Alterações em relação aos dados padrão:
Gerador 3 – Eólico com uma geração prevista de e uma potência disponível de
. Não há produção de reactiva. Coeficiente de custo
No presente exemplo, além de uma carga significativamente inferior aos casos anteriores, verifica-se
a presença de uma geração eólica elevada. Com isto está garantida a satisfação da carga apenas
com duas unidades de geração (1 térmica + 1 eólica), sendo despachada a unidade mais cara
(gerador 1).
Nesta situação não será possível usar toda a potência eólica disponível, pois o gerador térmico tem
uma potência mínima de funcionamento igual a 0,2 pu, sendo assim desperdiçada parte da potência
eólica, o que leva ao aparecimento do coeficiente de penalidade (referente há não utilização de
toda a potência eólica disponível).
Método de Newton:
Tabela 3.8 – Resultados da simulação do exemplo 4 (Newton)
Barr. Custos
Horários
Custos Marginais
1 (GT) 750,00 20,00 0,00 0,00 1,01 0,00 10,77 0,00
2 (GT) 3257,00 13,70 20,00 -8,44 0,99 2,30 10,60 0,15
3 (GE) 1928,84 -18,37 172,99 -0,01 1,03 14,01 10,00 0,16
4 1,01 0,00 10,77 0,00
5 1,01 1,69 10,68 -0,03
6 1,02 8,46 10,22 0,14
7 1,00 3,52 10,51 0,16
8 1,00 1,55 10,63 0,14
9 1,00 -1,04 10,78 0,06
10 1,05 0,21 10,68 -0,13
11 1,03 -3,15 10,79 0,06
12 1,04 1,85 10,52 0,17
Custo Total
5935,84
Carga Total
188,00
Perdas 4,99
42
Tabela 3.9 – Coeficientes de Kuhn-Tucker e factores de penalização do vento referentes à simulação do exemplo 4
Barr.
1 (GT) 0,00 0,00 0,00 0,00
2 (GT) 0,00 0,89 0,00 0,00
3 (GE) 0,00 0,00 0,29 0,00 28,36 0
O aparecimento de um custo marginal negativo para o gerador eólico é justificável pelo facto do valor
de ser superior ao do coeficiente de custo do gerador eólico, como se pode verificar em (3.68). Isto
significa que ao se produzir mais 1 unidade no gerador eólico referido o custo total de
operação diminui.
(3.68)
O coeficiente representa a penalidade associada à não utilização de toda a energia eólica
disponível.
Método de Ponto Interior:
Tabela 3.10 – Resultados da simulação do exemplo 4 (Ponto Interior)
Barr. Custos
Horários
Custos Marginais
1 (GT) 750,00 20,00 0,00 0,00 0,96 0,00 10,06 -5,19
2 (GT) 3266,04 13,76 20,66 -3,66 0,95 1,88 10,23 -3,51
3 (GE) 1859,71 -11,08 174,61 0,00 0,98 13,14 10,47 -5,52
4 0,96 0,01 10,07 -4,99
5 0,96 1,61 10,06 -5,40
6 0,98 7,91 10,18 -5,32
7 0,96 3,23 10,11 -4,42
8 0,95 1,33 10,22 -3,30
9 0,95 -0,97 10,10 -4,06
10 0,99 0,24 9,93 -5,88
11 0,97 -2,92 9,93 -4,63
12 0,99 1,70 9,96 -4,95
Custo Total
5875,75
Carga Total
188,00
Perdas 7,27
( ( ))
43
Comparando os resultados de ambos os métodos, facilmente se conclui que, embora o método de
Ponto Interior tenha convergido bastante mais rapidamente, os resultados são muito semelhantes.
Não tendo em conta os coeficientes o método de Newton teria um custo total de operação
ligeiramente mais reduzido, no entanto como o valor de é ligeiramente superior no método de
Newton este apresenta um custo também superior. Assim sendo, deduz-se que o calculo desta
variável afecta de forma significativa o custo final de operação no caso de haver também um desvio
razoável entre a potência gerada e a disponível na geração eólica.
Exemplo 5
Rede: 12 barramentos
Alterações em relação aos dados padrão:
Gerador 3 – Eólico com uma geração prevista de e uma potência disponível de
. Não há produção de reactiva. Coeficiente de custo
Neste exemplo é possível analisar o comportamento dos algoritmos perante uma situação em que se
tem um consumo superior ao padrão e também o facto de se ter uma potência disponível prevista no
gerador eólico superior à real (Potência máxima do gerador eólico).
Em ambos os algoritmos foi utilizada toda a potência eólica disponível no gerador 3, sendo assim o
coeficiente é nulo. Por outro lado o coeficiente (penalização referente há sobrestimação do
vento) toma um valor negativo.
Assim, analogamente ao que foi deduzido em (3.68), é obtido o custo marginal da equação (3.69),
que ao contrario do exemplo 5 já não é negativo, pois agora , o dobro do valor
introduzido no exemplo anterior, e superior ao modulo de (em ambos os algoritmos).
(3.69)
( ( ))
44
Método de Newton:
Tabela 3.11 – Resultados da simulação do exemplo 5 (Newton)
Barr. Custos
Horários
Custos Marginais
1 (GT) 5207,63 37,16 155,98 153,51 1,1 0,00 37,16 0,00
2 (GT) 9329,60 34,93 269,75 168,44 1,1 7,74 34,93 0,00
3 (GE) 4377,98 7,36 199,85 0,00 0,97 9,82 33,61 3,66
4 1,03 -4,52 37,22 0,77
5 0,97 -6,06 38,14 2,25
6 0,96 2,60 35,35 3,44
7 0,96 -2,36 36,79 2,85
8 1,00 -0,44 36,34 1,56
9 0,96 -8,13 37,90 1,87
10 0,98 -11,43 38,59 2,50
11 0,94 -15,93 38,48 2,32
12 0,96 -8,56 37,45 3,28
Custo Total
18914,99
Carga Total
611,00
Perdas 14,57
Tabela 3.12 – Coeficientes de Kuhn-Tucker e factores de penalização do vento referentes à simulação do exemplo 5
Barr.
1 (GT) 0,00 0,00 0,00 0,00
2 (GT) 0,00 0,00 0,00 0,00
3 (GE) 14,38 0,00 3,10 0,00 0,00 -12,64
45
Método de Ponto Interior:
Tabela 3.13 – Resultados da simulação do exemplo 5 (Ponto Interior)
Barr. Custos
Horários
Custos Marginais
1 (GT) 4998,19 36,53 150,29 59,99 1,09 0,00 33,72 -0,06
2 (GT) 9183,65 34,57 265,55 64,22 1,09 7,60 32,92 -0,06
3 (GE) 4341,57 8,58 199,89 0,00 1,06 7,34 32,77 0,14
4 1,05 -3,97 33,72 -0,06
5 1,03 -5,30 33,97 0,04
6 1,05 1,66 33,14 0,12
7 1,03 -2,04 33,52 0,19
8 1,04 -0,25 33,43 0,11
9 1,02 -6,93 33,89 0,13
10 1,05 -9,60 33,98 0,00
11 1,01 -12,99 33,91 0,15
12 1,04 -6,84 33,55 0,22
Custo Total
18523,42
Carga Total
611,00
Perdas 4,74
Quanto à rapidez de convergência dos dois algoritmos, mantém-se o que já foi referido anteriormente,
ou seja, o algoritmo de Ponto Interior apresenta um melhor desempenho, tal como o que acontece
com o custo total de operação, pois o Método de Newton conduz a perdas mais elevadas.
É importante salientar que usando o algoritmo de Ponto Interior, devido à accionamento da função de
penalidade associada à sobrestimação da potência eólica, foi necessário ensaiar vários parâmetros
de barreira até se obter um que levasse à convergência do método respeitando os limites das
variáveis. Esta dificuldade é comum ocorrer em situações em que existem penalidades associadas ao
vento relativamente elevadas.
3.3.2. TEO – Rede de 57 barramentos
Na Figura 3.4 está representado o esquema unifilar da rede de 57 barramentos do IEEE cujos dados
estão presentes no Apêndice A. Nesta mesma rede os geradores encontram-se nos barramentos 1,
3, 8 e 12. Nos barramentos 2, 6 e 9 estamos na presença de condensadores síncronos (Produção e
consumo de Potência Reactiva), no entanto será realizada a substituição destes elementos por
geradores, por forma a ter-se um maior número destes elementos na rede.
Com a rede de 57 barramentos será analisado o comportamento dos algoritmos com uma rede de
maior dimensão. Os geradores térmicos terão funções de custo iguais com os respectivos
coeficientes presentes na Tabela 3.2 (Gerador 3).
46
Figura 3.7 – Esquema unifilar da rede de 57 barramentos
Exemplo 6
Rede: 57 barramentos
Dados padrão (Apêndice A) – Apenas Geradores Térmicos
No presente exemplo, tal como no exemplo 2, o desempenho do algoritmo depende da eficiência com
que as perdas são minimizadas, concluindo-se assim o mesmo, ou seja, o algoritmo de Ponto Interior
leva vantagem.
47
Método de Newton:
Figura 3.8 – Evolução da potência activa e reactiva ao longo das iterações – Método de Newton
Tabela 3.14 – Resultados da simulação do exemplo 6 – barramentos de geração (Newton)
Barr. Custos
Horários
Custos Marginais
1 (GT) 6096,53 34,34 202,83 10,53
2 (GT) 5896,79 33,63 196,95 5,28
3 (GT) 6204,96 34,72 205,97 11,17
6 (GT) 6762,80 36,59 221,61 38,64
8 (GT) 6796,43 36,70 222,53 62,74
9 (GT) 6736,76 36,51 220,90 13,16
12 (GT) 6890,14 37,01 225,07 37,01
Custo Total 45384.4
Carga Total 1468,80
Perdas 27,05
48
Método de Ponto Interior:
Figura 3.9 – Evolução da potência activa e reactiva ao longo das iterações – Ponto Interior
Tabela 3.15 – Resultados da simulação do exemplo 6 – barramentos de geração (Ponto Interior)
Barr. Custos
Horários
Custos Marginais
1 (GT) 6169.92 34,59 204,95 -28.11
2 (GT) 6043,79 34,15 201,29 27,86
3 (GT) 6239,51 34,84 216,67 1,86
6 (GT) 2583,52 36,00 217,13 18,34
8 (GT) 6600,02 36,06 217,13 45,26
9 (GT) 6561,38 35,92 216,06 -13,43
12 (GT) 4454,35 36,24 218,63 95,49
Custo Total 44852,5
Carga Total 1468,80
Perdas 12,89
49
Exemplo 7
Rede: 57 barramentos
Alterações em relação aos dados padrão:
Gerador 2 – Eólico com uma geração prevista de e uma potência disponível de
. Não há produção de reactiva. Coeficiente de custo
Gerador 6 – Eólico com uma geração prevista de e uma potência disponível de
. Não há produção de reactiva. Coeficiente de custo
Gerador 9 – Eólico com uma geração prevista de e uma potência disponível de
. Não há produção de reactiva. Coeficiente de custo
Ao contrário do que foi observado nos exemplos anteriores, aqui o algoritmo de Newton tem um
desempenho ligeiramente superior, quer no número de iterações até à obtenção da convergência,
quer no custo total de operação. Este último resultado deve-se principalmente ao facto da
minimização de perdas ter ocorrido de uma forma mais eficiente no método referido.
Método de Newton:
Figura 3.15 – Evolução da potência activa e reactiva ao longo das iterações – Método de Newton
50
Tabela 3.14 – Resultados da simulação do exemplo 6 – barramentos de geração (Newton)
Barr. Custos
Horários
Custos Marginais
1 (GT) 6989,85 37,33 227,75 15,45 0,00 0,00 0,00 0,00
2 (GE) 3999.99 20,00 200,00 0,00 14,74 0,00 0,13 0,00
3 (GT) 7158.67 37,87 232,24 41,45 0,00 0,00 0,00 0,00
6 (GE) 2699.98 15,00 180,00 0,00 25,68 0,00 0,37 0,00
8 (GT) 8081.90 40,69 255,75 92,72 0,00 0,00 0,00 0,00
9 (GE) 1499.69 10,00 149,97 0,00 22,34 0,00 0,07 0,00
12 (GT) 8000.15 40,48 253,73 45,17 0,00 0,00 0,00 0,00
Custo Total
38430.2
Carga Total
1468,80
Perdas 30,65
Método de Ponto Interior:
Figura 3.10 – Evolução da potência activa e reactiva ao longo das iterações – Ponto Interior
51
Tabela 3.15 – Resultados da simulação do exemplo 6 – barramentos de geração (Ponto Interior)
Barr. Custos
Horários
Custos Marginais
1 (GT) 7003.40 37,37 228,12 -8.85
2 (GE) 3999.51 20,00 199,98 0,00
3 (GT) 7151.47 37,84 232,05 24,57
6 (GE) 2699.98 15,00 180,00 0,00
8 (GT) 8084.57 40,70 255,81 94,17
9 (GE) 1499.26 10,00 149,93 0,00
12 (GT) 8001.81 40,45 253,77 76,57
Custo Total 38440.0
Carga Total 1468,80
Perdas 30,85
Utilizando a rede de 57 barramentos verifica-se que o domínio em termos de desempenho por parte
do algoritmo de Ponto Interior já não é tão evidente, sendo que nos diversos testes realizados
utilizando esta rede ambos tiveram desempenhos bastante semelhantes.
3.3.3. Conclusões
Com todos os exemplos aqui apresentados e outros testes feitos no estudo e desenvolvimento destes
dois algoritmos, foi possível concluir que de um modo geral o algoritmo de Ponto Interior apresenta
resultados significativamente melhores para redes mais pequenas, sendo que essa superioridade
torna-se menos evidente com o crescimento da rede.
É importante referir que utilizando o modelo de geradores eólicos proposto nesta dissertação (função
de custo linear e funções de penalidade associada à estimação da potência eólica) a convergência no
método de ponto de interior fica bastante mais difícil, tendo que se testar diferentes parâmetros de
barreira e/ou aumentar o valor da variável até encontrar uma conjugação que leve ao sucesso do
método. Isto deve-se ao facto de este método funcionar melhor com funções objectivo convexas,
como é o caso das funções quadráticas propostas para os geradores térmicos e também devido às
funções de penalidade associadas ao vento poderem causar violações da barreira.
Outro factor que poderá dificultar a convergência em ambos os métodos ocorre quando existe uma
sobrestimação ou sobrestimação do vento, levando a que os coeficientes e/ou tomem valores
diferentes de zero. Quando ocorrer uma destas duas situações, tal como aconteceu nos exemplos 4 e
5 poderá existir uma flutuação em torno do resultado, não se obtendo a tolerância de convergência
proposta.
No que diz respeito à resolução das situações de insucesso dos algoritmos, enquanto que no método
de Ponto Interior é realizada a alteração dos parâmetros iniciais e , no Método de Newton apenas
é possível alterar as condições iniciais (quanto mais próximas estas forem do resultado final maior
será a probabilidade de sucesso), tornando o primeiro um método bastante mais versátil.
Por tudo o que foi dito nesta secção, e por ser utilizada a rede de 12 barramentos no capítulo
seguinte, Simulação e Resultados, será utilizado o método de Ponto Interior nas simulações
realizadas.
52
53
4. Simulação e Resultados
Neste capítulo o programa desenvolvido será utilizado em simulações diárias realizadas em intervalos
temporais de quinze minutos, ou seja, para cada dia o programa referido será executado das 00h às
23:45 de 15 em 15 minutos, fazendo um total de 96 execuções.
Por simplificação da análise dos dados, a rede utilizada será a de doze barramentos. Como foi visto
no capítulo anterior, o algoritmo de Ponto Interior obteve um desempenho mais satisfatório nesta
rede, logo será este o método utilizado na realização das simulações.
Os dados referentes ao consumo previsto, consumo real, energia eólica prevista e energia eólica real,
foram fornecidos pela Redes Energéticas Nacionais (REN) e adequadamente adaptados à rede em
estudo. A Informação cedida é referente ao ano de 2011, tendo sido seleccionados 4 meses deste
ano para alvo de estudo desta dissertação: Janeiro, Abril, Julho e Outubro, cada um correspondendo
a uma estação do ano diferente.
Serão estudados cinco casos distintos:
1. 3 Geradores Térmicos.
2. Geradores 1 e 2 – Térmicos.
Gerador 3 – Eólico com o custo de com penalidades de estimação.
3. Geradores 1 e 2 – Térmicos.
Gerador 3 – Eólico com o custo de com penalidades de estimação.
4. Geradores 1 e 2 – Térmicos.
Gerador 3 – Eólico com o custo de 15€/MW sem penalidades de estimação.
5. Geradores 1 e 2 – Térmicos.
Gerador 3 – Eólico com o custo de 25€/MW sem penalidades de estimação.
Os coeficientes de custo dos geradores térmicos estão presentes na tabela 3.2.
Nas Figuras 4.1 a 4.3 são representadas graficamente as curvas de custo e custo marginal referentes
às situações referidas. Nas mesmas não foram considerados os coeficientes de custo , e pois
não são relevantes para a optimização visto serem custos independentes da potência gerada pelo
respectivo gerador.
Assim existe um caso em que só existem geradores térmicos e quatro onde existe geração térmica e
eólica. Nos casos 2 e 4 o respectivo custo da geração eólica é baixo em relação ao custo da térmica,
por sua vez, nos cenários 3 e 5 o mesmo é mais elevado estando assim os restantes geradores com
custos competitivos em relação ao eólico.
Os casos 4 e 5 foram aqui introduzidos para medir o peso das penalizações de subestimação e
sobrestimação da energia eólica.
54
Figura 4.1 – Curvas de custo e custo marginal referentes ao caso 1
Figura 4.2 – Curvas de custo e custo marginal referentes aos casos 2 e 4.
55
Figura 4.3 – Curvas de custo e custo marginal referentes aos casos 3 e 5.
De seguida serão então feitas as comparações entre as situações referidas utilizando alguns dos dias
simulados.
4.1. Resultados Computacionais
Na primeira parte desta secção será feita uma análise de cenários distintos de distribuição de energia
eólica. Para este fim será feita a simulação do dia em questão aplicando os casos descritos no início
do presente capítulo.
As potências representadas graficamente têm os seus valores em [ ]. Já os custos de operação
estão representados em [ ].
As Figuras representadas nesta secção são constituídas por blocos de três imagens referentes aos
casos 1, 2 e 3. Os casos 4 e 5 não terão representação gráfica pois esta é muito semelhante aos
análogos casos 2 e 3.
1º Cenário
Na primeira situação aqui analisada há uma produção significativa do gerador eólico (gerador 3)
durante o período vazio, contrastando com o período de ponta em que a geração do mesmo é
bastante reduzida.
Analisando a Figura 4.4 (b) e (c), e seguindo o mesmo raciocínio do capítulo 3.3, como no período de
vazio a energia eólica prevista é elevada, a satisfação do consumo fica assegurada com um gerador
térmico e um eólico, sendo assim desligado o gerador mais caro (gerador 1).
56
(a)
(b) (c)
Figura 4.4 – Evolução das potências activa e reactiva geradas: (a) caso 1; (b) caso 2; (c) caso 3.
(a)
57
(b) (c)
Figura 4.5 – Evolução temporal das potências activa e reactiva total geradas e da carga global: (a) caso 1; (b) caso 2; (c) caso 3.
(a)
(b) (c)
58
Figura 4.6 – Evolução temporal do custo total de operação: (a) caso 1; (b) caso 2; (c) caso 3.
Da análise da Figura 4.6 verifica-se que a inclusão de um gerador eólico reduz o custo de operação
no período do vazio, no entanto fora do mesmo existem pontos em que o facto de existir geração
eólica aumenta o custo.
É então relevante analisar o custo médio diário nas três situações:
Caso 1: ;
Caso 2: ;
Caso 3: ;
Como podemos verificar, a diferença entre o custo médio dos casos 1 (sem gerador eólico) e 3
(gerador eólico com custo de ) é pouco significativa. Verifica-se que nas simulações
realizadas nas quais existem cenários de vento idênticos, por diversas ocasiões o custo médio de
produção é mais elevado quando se tem um gerador eólico com o custo referido (Caso 3).
(a) (b)
Figura 4.7 – Evolução temporal da potência eólica prevista (rosa), disponível (azul) e útil (verde): (a) caso 2; (b) caso 3.
Na Figura 4.7 é analisada a diferença entre a potência prevista, disponível e útil referente ao gerador
eólico (gerador 3). Na Figura 4.7 (a), correspondente à situação em que temos o referido gerador com
o custo mais reduzido, toda a potência disponível é despachada, o que não se verifica no situação em
que o custo é mais elevado (Figura 4.7 (b)), pois no período de vazio já não é economicamente viável
utilizar toda a potência eólica disponível.
59
2º Cenário
No segundo caso aqui exposto, por oposição ao que se verifica no primeiro cenário, existe mais
potência eólica disponível no período de ponta em relação ao vazio. Esta situação, considerando a
geração eólica mais barata que a térmica, é a ideal para os SEE, pois é possível desactivar
geradores mais caros se a satisfação do consumo for assegurada, tal como acontece no presente
exemplo em que o gerador 1 é desligado entre as 16h e as 21h.
(a)
(b) (c)
Figura 4.8 – Evolução das potências activa e reactiva geradas: (a) caso 1; (b) caso 2; (c) caso 3.
60
(a)
(b) (c)
Figura 4.9 – Evolução temporal das potências activa e reactiva total geradas e da carga global: (a) caso 1; (b) caso 2; (c) caso 3.
Como se pode verificar na Figura 4.10, ambas as imagens onde existe geração eólica apresentam
custos mais reduzidos em relação ao caso 1 (três geradores térmicos) em toda a gama de valores.
É importante realçar que quando se tem a produção eólica com o custo reduzido (Figura 4.9 (b)) e o
gerador mais caro desligado há uma redução significativa do custo.
No que diz respeito ao despacho da energia eólica, analisando as imagens da Figura 4.11 retiram-se
as mesmas conclusões do cenário anterior.
61
(a)
(b) (c)
Figura 4.10 – Evolução temporal do custo total de operação: (a) caso 1; (b) caso 2; (c) caso 3.
(b) (c)
Figura 4.11 – Evolução temporal da potência eólica prevista (rosa) disponível (azul) e útil (verde): (a) caso 2; (b) caso 3.
62
3º Cenário
Depois de serem apresentadas situações em que existiam níveis elevados de produção eólica ou na
ponta ou no vazio, é agora analisada uma situação em que durante todo o dia essa mesma produção
é predominante em relação aos restantes geradores e aproximadamente estável.
Como se pode verificar na Figura 4.12 o gerador mais caro é desactivado nos períodos em que o
consumo é mais elevado (Figura 4.13), sendo que no período de vazio aproximadamente 80% da
geração fica entregue ao gerador eólico.
(a)
(b) (c)
Figura 4.12 – Evolução das potências activa e reactiva geradas: (a) caso 1; (b) caso 2; (c) caso 3.
63
(a)
(b) (c)
Figura 4.13 – Evolução temporal das potências activa e reactiva total geradas e da carga global: (a) caso 1; (b) caso 2; (c) caso 3.
Analisando os custos totais de operação da Figura 4.14, e comparando as imagens correspondentes
aos casos 1 (só geração térmica) e 3 (gerador eólico com custo competitivo), verifica-se novamente
que no vazio a diferença do custo é pouco significativa. No entanto no período restante verificam-se
custos mais elevados na primeira situação. Isto deve-se ao facto de as curvas com que foram
modelados os geradores térmicos serem quadráticas, fazendo com que a partir de um determinado
ponto este tipo de tecnologia seja menos económica do que a eólica (custos lineares).
64
(a)
(b) (c)
Figura 4.14 – Evolução temporal do custo total de operação: (a) caso 1; (b) caso 2; (c) caso 3.
(b) (c)
65
Figura 4.15 – Evolução temporal da potência eólica prevista (rosa) disponível (azul) e útil (verde) : (a) caso 2; (b) caso 3.
Por fim, na Figura 4.16 analisa-se graficamente a alteração a nível da produção do gerador eólico
quando não são aplicadas penalizações de estimação do vento (casos 4 e 5).
Como se pode verificar na Figura 4.16, o facto de não existir a penalização referente ao não
aproveitamento de toda a potência eólica disponível (Figura 4.16 (b)), leva a um menor
aproveitamento da mesma. Este facto leva a que, na maioria das situações, haja um custo de
operação menor quando não são aplicadas penalizações associadas ao vento, como se poderá
constatar no capítulo seguinte.
(a) (b)
Figura 4.16 – Evolução temporal da potência eólica prevista (rosa) disponível (azul) e útil (verde) com penalidades ((a)) e sem penalidades ((b)): (a) caso 3; (b) caso 5.
4.2. Resultados Finais
Como foi referido no início do presente capítulo, foram simulados panoramas distintos de consumo e
de vento através de dados adaptados à rede em estudo. Os meses utilizados, Janeiro, Abril, Julho e
Outubro, além de disporem de inúmeros cenários distintos, representam estações do ano
diferenciadas fornecem uma larga gama de perfis de consumo.
No total foram realizadas 11808 execuções do programa desenvolvido correspondendo aos 123 dias
utilizados na simulação.
Na Tabela 4.1 estão representados os custos médios calculados para cada mês nos cinco casos
estudados neste capítulo, assim como os custos médios do conjunto dos mesmos meses.
66
Tabela 4.1 – Custos médios de operação (mensais e totais) [
Janeiro Abril Julho Outubro Total
Caso 1 14,9301 12,6034 13,1059 12,7180 13,3395
Caso 2 13,4074 11,2133 11,4461 11,3403 11,8518
Caso 3 14,6653 12,2145 12,6727 12,3859 12,9846
Caso 4 13,3978 11,2109 11,4411 11,3370 11,8469
Caso 5 14,6477 12,2089 12,6405 12,2498 12,9445
Como se pode verificar, através do caso 1 (sem geração eólica), o mês de Janeiro é o que apresenta
o custo médio mais elevado pois, sendo um mês de Inverno o consumo é mais elevado.
Como foi visto na Figura 4.16, o facto de existir a penalidade associada à não utilização de toda a
potência eólica disponível, conduz a um maior aproveitamento da mesma, sendo aplicados custos
adicionais quando esta não é utilizada na totalidade. No entanto, o peso destas penalizações não é
muito significativo tal como se verifica analisando a diferença entre os custos totais (presentes na
Tabela 4.1) nos casos 2 e 4 e nos casos 3 e 5:
;
Como se pode verificar, a diferença de custos é maior quando se tem a energia eólica com o preço
mais elevado (casos 3 e 5).
Por fim é importante verificar os desvios médios da potência eólica útil em relação à prevista. Visto
ser uma ampla gama de resultados, este estudo é importante na medida em que proporciona uma
referência em relação energia de reserva necessária. O desvio superior significa que a potência
eólica gerada é superior à prevista, tendo o desvio inferior o significado contrário.
Tabela 4.2 – Desvios médios da potência eólica útil em relação à prevista em pu
Caso 2 Caso 3 Caso 4 Caso 5
Desvio superior 0,0416 0,0333 0,0419 0,0381
Desvio inferior 0,0269 0,0195 0,0254 0,0418
Nos casos de 2 a 4 verifica-se que o desvio superior é maior que o inferior. Isto deve-se ao facto de
que em cerca de 80% dos dias (calculo efectuado a partir dos dados fornecidos pela REN) a potência
eólica disponível ser superior à prevista e também devido à existência das penalizações que
abrangem os casos 2 e 3. No caso 5 o mesmo já não se verifica pois, como não existe a penalização
de subestimação do vento e a energia eólica possui custos competitivos em relação à térmica o nível
de produção desce consideravelmente, invertendo-se assim o domínio do desvio superior.
67
5. Conclusões e Trabalho Futuro
5.1. Sumário e Principais Conclusões
Este último capítulo apresenta as principais conclusões deduzidas no estudo realizado nesta
dissertação assim como sugestões para trabalhos futuros no âmbito da mesma.
Os principais objectivos deste trabalho eram o desenvolvimento de uma ferramenta computacional
que resolvesse o Trânsito de Energia Optimizado com inclusão de produção eólica e estudar os
efeitos desta dessa mesma produção perante cenários distintos de carga e disponibilidade do vento.
Ambos os objectivos foram alcançados, sendo que foram desenvolvidos dois programas que
resolvem o problema citado recorrendo a dois algoritmos distintos (Método de Newton e Algoritmo de
Ponto Interior).
No início deste trabalho foi identificado o estudo a ser estudado tendo sido efectuado uma breve
descrição do mesmo.
No segundo capítulo, foram analisados alguns métodos utilizados para resolver o problema do TEO,
entre os quais os dois métodos utilizado, realizando-se assim a primeira abordagem dos mesmos.
Foram também analisados metodologias de caracterização do vento, assim como a sua integração no
problema do TEO.
O capítulo 3 forneceu a análise teórica do problema, onde foram analisados os dois métodos
escolhidos e feita a sua formulação e descrição do funcionamento dos algoritmos. Através das
comparações feitas entre os dois métodos, e utilizando para isso alguns exemplos propostos, conclui-
se que o método de Ponto Interior conduzia na generalidade a melhores resultados, tanto a nível de
optimização como do desempenho computacional, tendo sido escolhido este algoritmo para se
realizarem as simulações finais. A grande limitação do método de Ponto Interior reside no facto de ser
altamente dependente das condições iniciais, mais concretamente da inicialização do parâmetro de
barreira , o que por vezes cria um obstáculo na convergência do método.
No quarto capítulo foram realizadas simulações utilizando uma ampla gama de dados fornecidos pela
REN e adequadamente adaptados a uma rede de 12 barramentos utilizada no estudo deste capítulo.
Inicialmente foram analisados em detalhe alguns cenários de consumo e distribuição do vento
perante 5 casos distintos:
1. Apenas geradores térmicos
2. Dois geradores térmicos e um eólico com custo reduzido e com penalidades de
estimação.
3. Dois geradores térmicos e um eólico com o custo competitivo e com penalidades de
estimação.
4. Dois geradores térmicos e um eólico com o custo reduzido e sem penalidades de
estimação.
5. Dois geradores térmicos e um eólico com o custo competitivo e sem penalidades de
estimação.
Desta análise concluiu-se que, dependendo do custo da energia eólica e de se terem ou não
penalidades associadas, nem sempre é vantajoso ter este tipo geração, mais concretamente em
períodos de vazio onde o consumo é relativamente baixo. Nestes mesmos períodos, no caso em que
o custo de produção da energia eólica é competitivo em relação à térmica (casos 3 e 5), devido ao
facto de os primeiros serem modelados por funções de custo lineares, para potências reduzidas estes
poderão tornar-se menos económicos (ver Figura 4.3). Além deste facto também existem as
68
penalidades associadas à estimação do vento presentes no caso 3 que, sendo accionadas,
aumentam o custo de produção do gerador eólico. No entanto em situações de ponta, onde o
consumo é bastante mais elevado, o facto de se ter geradores eólicos pode tornar-se bastante
vantajoso pois nesse caso há uma redução ou mesmo eliminação nos geradores com custos
superiores.
Ainda no capítulo 4 foi realizada uma estimativa para os casos 2 a 5 do desvio da energia eólica útil
em relação à prevista, providenciando assim informação útil em relação à energia de reserva a ter em
conta.
É importante frisar que o estudo efectuado neste último capítulo foi feito com base nas funções de
custo atribuídas aos geradores aqui utilizados. Para um estudo mais eficiente e completo teriam de se
estudar mais combinações e utilizar diferentes funções de custo, baseadas em dados o mais próximo
possível da realidade.
5.2. Trabalho Futuro
O trabalho desenvolvido nesta dissertação atingiu com sucesso os objectivos propostos, no entanto
algumas melhorias podem ser realizadas no software desenvolvido, assim como efectuar um estudo
mais intensivo a nível simulações realizadas.
A nível do sofware, mais concretamente no algoritmo de Ponto Interior, poderão ser feitas as
seguintes melhorias:
Melhor a eficácia de estimação e actualização do parâmetro de barreira. Actualmente a
inicialização desta variável é feita testando sequencialmente valores compreendidos entre
0.01 e 100, sendo escolhido o primeiro valor que garanta a convergência, tornando o
procedimento demorado e não garantido sempre a melhor optimização possível;
O valor inicial das variáveis de controlo, mais concretamente as potências geradas influencia,
em conjugação com o parâmetro de barreira, a convergência do método. Uma inicialização
mais eficiente destas variáveis poderia melhorar a rapidez e probabilidade de convergência
do algoritmo.
Ainda a nível do programa desenvolvido, poderão ser incluídas as seguintes restrições operacionais:
Potências transitadas nas linhas e transformadores
Relações de transformação
Quanto às simulações efectuadas, num futuro dever-se-ão utilizar mais redes, assim como testar
mais cenários de vento e carga, e principalmente um maior número de combinações de funções de
custo. Deste modo será possível aproximar o modelo ainda mais à realidade, pelo que se obtém um
estudo mais completo que permitirá inferir novas conclusões.
69
6. Referências Bibliográficas
[1] Paiva, J. P. Sucena, “Redes de Energia Eléctrica, uma análise sistémica”, IST Press, 2ª Edição
[2] Castro, R., “Uma Introdução às Energias Renováveis: Eólica, Fotovoltaica e Mini-Hídrica”, IST
Press, 1ª Edição
[3] Wollenberg, B. F. e Wood, A. J., “Power Generation Operation and Control”, John Wiley & Sons,
Inc., 2ª Edição
[4] Jesus, J. F., “Folhas das aulas teóricas de Análise de Redes 1 – Trânsito de Energia Optimizado”
[5] John Hetzer, David C. Yu e Kalu Bhattarai, “An Economic Dispatch Model Incorporating Wind
Power”, IEEE Transactions on Power Conversion, vol. 23, no. 2, June 2008
[6] Xian Liu e Wilsun Xu, “Economic Load Dispatch Constrained by Wind Power Availability: A Here-
and-Now Approach”, IEEE Transactions on Sustainable Energy, vol. 1, no. 1, April 2010
[7] Bart C. Ummels, Madeleine Gibescu, Engbert Pelgrum, Wil L. Kling e Arno J. Brand, “Impacts of
Wind Power on Thermal Generation Unit Commitment and Dispach”, IEEE Transactions on Energy
Conversion, vol. 22, no. 1, March 2007
[8] Florin Capitanescu, Mevludin Glavic e Louis Wehenkel, “An interior-point method based optimal
power flow”, Department of Electrical Engineering and Computer Science – service of Stochastic
Methods, University of Liège, Belgium
[9] Robert M. Freund, “Penalty and Barrier Methods for Constrained Optimization”, Massachusetts
Institute of Technology, February 2004
[10] Pandya K. S. e Joshi S. K., “A Survey of Optimal Power Flow Methods”, Journal of Theoretical
and Applied Information Technology
[11] Richard H. Byrd, Mary E. Hribar e Jorge Nocedal, “An Interior Point Algorithm for Large Scale
NonLinear Programing”, December 1998
[12] Simões J. A. A. S., “OPF - Sequential Linear Programing”, FEUP, Setembro 2007
[13] Vide P. S. P. S. C., “Estimação de Estado em sistemas Eléctricos de Energia”, FEUP, 2005
[14] Weber J. D., “Implementation Of Newton-Based Optimal Power Flow Into A Power System
Simulation Environment”, B.S., University of Wisconsin – Platteville, 1995
70
71
Apêndice A Dados da rede de 57 barramentos [13]
Dados dos barramentos
Bar Tensão Carga Compens. Transv.
nº
1 1,0 220,0 0,0 0,6 0,2
______
______
2 1,0 220,0 0,0 0,0 0,9
3 1,0 220,0 0,0 0,4 0,2
4 1,0 220,0 0,0 0,0 0,0
5 1,0 220,0 0,0 0,1 0,0
6 1,0 220,0 0,0 0,8 0,0
7 1,0 220,0 0,0 0,0 0,0
8 1,0 220,0 0,0 1,5 0,2
9 1,0 220,0 0,0 1,2 0,3
10 1,0 220,0 0,0 0,1 0,0
11 1,0 220,0 0,0 0,0 0,0
12 1,0 220,0 0,0 3,4 0,2
13 1,0 220,0 0,0 0,2 0,0
14 1,0 220,0 0,0 0,1 0,1
15 1,0 220,0 0,0 0,2 0,1 10,0
16 1,0 220,0 0,0 0,4 0,0
______
17 1,0 220,0 0,0 0,4 0,1
18 1,0 220,0 0,0 0,3 0,1
19 1,0 220,0 0,0 0,0 0,0
20 1,0 220,0 0,0 0,0 0,0
21 1,0 220,0 0,0 0,0 0,0
22 1,0 220,0 0,0 0,0 0,0
23 1,0 220,0 0,0 0,1 0,0
24 1,0 220,0 0,0 0,0 0,0
25 1,0 220,0 0,0 0,1 0,0 5,9
26 1,0 220,0 0,0 0,0 0,0
______
27 1,0 220,0 0,0 0,1 0,0
28 1,0 220,0 0,0 0,0 0,0
29 1,0 220,0 0,0 0,2 0,0
30 1,0 220,0 0,0 0,0 0,0
31 1,0 220,0 0,0 0,1 0,0
32 1,0 220,0 0,0 0,0 0,0
33 1,0 220,0 0,0 0,0 0,0
34 1,0 220,0 0,0 0,0 0,0
35 1,0 220,0 0,0 0,1 0,0
36 1,0 220,0 0,0 0,0 0,0
72
37 1,0 220,0 0,0 0,0 0,0
38 1,0 220,0 0,0 0,1 0,1
39 1,0 220,0 0,0 0,0 0,0
40 1,0 220,0 0,0 0,0 0,0
41 1,0 220,0 0,0 0,1 0,0
42 1,0 220,0 0,0 0,1 0,0
43 1,0 220,0 0,0 0,0 0,0
44 1,0 220,0 0,0 0,1 0,0
45 1,0 220,0 0,0 0,0 0,0
46 1,0 220,0 0,0 0,0 0,0
47 1,0 220,0 0,0 0,3 0,1
48 1,0 220,0 0,0 0,0 0,0
49 1,0 220,0 0,0 0,2 0,0
50 1,0 220,0 0,0 0,2 0,1
51 1,0 220,0 0,0 0,2 0,1
52 1,0 220,0 0,0 0,0 0,0
53 1,0 220,0 0,0 0,2 0,1 6,3
54 1,0 220,0 0,0 0,0 0,0
______ 55 1,0 220,0 0,0 0,1 0,0
56 1,0 220,0 0,0 0,1 0,0
57 1,0 220,0 0,0 0,1 0,0
Dados dos Ramos
De Para Tipo
Impedância Longitudinal Admitância Transversal
Relação de Transformação
nº nº
2 1 Linha 0,0083 0,028 0,129
______
3 2 Linha 0,0298 0,085 0,0818
4 3 Linha 0,0112 0,0366 0,038
5 4 Linha 0,0625 0,132 0,0258
6 4 Linha 0,043 0,148 0,0348
6 5 Linha 0,0302 0,0641 0,0124
7 6 Linha 0,02 0,102 0,0276
8 6 Linha 0,0339 0,173 0,047
8 7 Linha 0,0139 0,0712 0,0194
9 8 Linha 0,0099 0,0505 0,0548
10 9 Linha 0,0369 0,1679 0,044
11 9 Linha 0,0258 0,0848 0,0218
12 9 Linha 0,0648 0,295 0,0772
12 10 Linha 0,0277 0,1262 0,0328
13 9 Linha 0,0481 0,046 0,0406
13 11 Linha 0,0223 0,0732 0,0188
13 12 Linha 0,0178 0,058 0,0604
14 13 Linha 0,0132 0,0434 0,011
15 1 Linha 0,0178 0,091 0,0988
15 3 Linha 0,0162 0,053 0,0544
73
15 13 Linha 0,0269 0,0869 0,023
15 14 Linha 0,0171 0,0547 0,0148
16 1 Linha 0,0454 0,206 0,0546
16 12 Linha 0,018 0,0813 0,0216
17 1 Linha 0,0238 0,108 0,0286
17 12 Linha 0,0397 0,179 0,0476
18 4 Linha 0 0,43 0
19 18 Linha 0,461 0,685 0
20 19 Linha 0,283 0,434 0
21 20 Transf. 0 0,7767 0 1,043
22 21 Linha 0,0736 0,117 0
______ 23 22 Linha 0,0099 0,0152 0
24 23 Linha 0,166 0,256 0,0084
25 24 Transf. 0 1,182 0 1,0
26 24 Transf. 0 0,0473 0 1,0
27 26 Linha 0,165 0,254 0 ______
28 27 Linha 0,0618 0,0954 0
29 7 Transf. 0 0,0648 0 0,967
29 28 Linha 0,0418 0,0587 0
______
30 25 Linha 0,135 0,202 0
31 30 Linha 0,326 0,497 0
32 31 Linha 0,507 0,755 0
33 32 Linha 0,0392 0,036 0
34 32 Transf. 0 0,953 0 0,975
35 34 Linha 0,052 0,078 0,0032
______
36 35 Linha 0,043 0,0537 0,0016
37 36 Linha 0,029 0,0366 0
38 22 Linha 0,0192 0,0295 0
38 37 Linha 0,0651 0,1009 0,002
39 37 Linha 0,0239 0,0379 0
40 36 Linha 0,03 0,0466 0
41 11 Transf. 0 0,749 0 0,955
42 41 Linha 0,207 0,352 0
43 11 Transf. 0 0,153 0 0,958
43 41 Linha 0 0,412 0 ______
44 38 Linha 0,0289 0,0585 0,002
45 15 Transf. 0 0,1042 0 0,955
45 44 Linha 0,0624 0,1242 0,004
46 14 Transf. 0 0,0735 0 0,9
47 46 Linha 0,023 0,068 0,0032
______ 48 38 Linha 0,0312 0,0482 0
48 47 Linha 0,0182 0,0233 0
49 13 Transf. 0 0,191 0 0,895
49 38 Linha 0,115 0,177 0,003
______ 49 48 Linha 0,0834 0,129 0
50 49 Linha 0,0801 0,128 0
51 10 Transf. 0 0,0712 0 0,93
74
51 50 Linha 0,1386 0,22 0
______ 52 29 Linha 0,1442 0,1879 0
53 52 Linha 0,0762 0,0984 0
54 53 Linha 0,1878 0,232 0
55 9 Transf. 0 0,1205 0 0,940
55 54 Linha 0,1732 0,2265 0
56 40 Transf. 0 1,195 0 0,958
56 41 Linha 0,553 0,549 0 ______
56 42 Linha 0,2125 0,354 0
57 39 Transf. 0 1,355 0 0,98
57 56 Linha 0,174 0,26 0