Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Otimização da Expansão de um Sistema Elétrico Utilizando Programação Linear Inteira Mista Kamila Cassol Stromm Pós-Graduação em Engenharia Elétrica – Universidade Federal de Santa Maria E-mail: kamilastromm@hotmail.com Resumo- O objetivo do trabalho é por meio da programação Linear Inteira Mista buscar o menor custo para o atendimento da expansão de cargas de um sistema elétrico, em um horizonte de 10 anos. Através da utilização do software ANAREDE foram testadas diferentes opções para resolver os problemas oriundos da expansão. O software OTIMIZA permitiu a otimização das alternativas propostas, escolhendo a que tem o menor custo e respeitando as restrições impostas. Palavras-Chave: Programação Linear Inteira Mista, simulação, menor custo. I. INTRODUCÃO O planejamento da expansão de uma rede elétrica de distribuição tem por objetivo realizar o diagnóstico do desempenho sob os critérios básicos (queda de tensão, carregamentos de equipamentos e redes de distribuição, perdas elétricas nos elementos da rede, etc.). Isto é necessário para assegurar boas condições técnico-econômicas das instalações e a qualidade do serviço de energia elétrica através de investimentos adequados, atendendo aos critérios e padrões estabelecidos pelo órgão regulador [1]. De acordo com o exposto acima, no planejamento é avaliada a necessidade de construção/reforço de redes de distribuição, substituição ou instalação de novos transformadores, construção de novas subestações, instalação de equipamentos especiais, instalação de geração distribuída, etc [1]. Com as condições técnicas aceitas, há necessidade de uma avaliação econômica dos investimentos a serem realizados através de alternativas viáveis. Para estudos de expansão do sistema elétrico, a maioria das concessionárias de energia elétrica utiliza análises de prazo envolvendo empreendimentos com menor custo. Neste trabalho, será demonstrado um modelo para escolha da melhor opção de investimento no planejamento de expansão do sistema elétrico através da utilização de programação Linear Inteira Mista, em um horizonte de 10 anos. Assim, foi utilizado o software ANAREDE para a modelagem e os cálculos de fluxo de potência das diferentes topologias da rede propostas. Os resultados obtidos no software ANAREDE foram utilizados para a modelagem da função objetivo e suas restrições, com o intuito de maximizar os benefícios considerando critérios de baixos custos de realização das obras e baixos custos com as perdas de energia. O cálculo para a tomada de decisão foi realizado usando o software OTIMIZA, onde foram inseridas a função objetivo e restrições do problema proposto. II. REFERENCIAL TEÓRICO Nesta seção são apresentados conceitos referentes à Programação Linear Inteira Mista. A. Programação Linear (PL) A programação Linear (também conhecida como PL) consiste na representação das características de um problema em forma de um conjunto de equações lineares. Usa-se apenas a matemática básica na etapa de elaboração dessas equações. A esta etapa chamamos de modelagem do problema [2]. A modelagem é a construção de um modelo que represente a situação que se quer estudar ou resolver. Podemos dizer que o modelo nesse caso da PL nada mais é do que a tradução das características do problema para uma linguagem matemática. Geralmente os problemas de otimização com o uso de Programação Linear tem como objetivo minimizar custos ou maximizar lucros ou faturamento, pois esses são objetivos comuns das organizações. No entanto, devemos enfatizar que a PL não serve apenas para minimizar ou maximizar esses itens. Podemos encontrar um problema, por exemplo, de roteirização (ex.: ir até um estádio de futebol e voltar para a sua casa) no qual se deseja minimizar o tempo de deslocamento, permitindo assim terminar o quanto antes o percurso. Outra opção seria minimizar o deslocamento total em quilômetros a ser percorrido, ou ainda o custo de transporte. Sendo assim, pode-se minimizar ou maximizar segundo uma variedade de critérios em uma modelagem de Programação Linear, desde que a modelagem esteja coerente. Um problema de PL é composto por: 1) Uma função linear formada com as variáveis de decisão chamada de função objetivo, cujo valor deve ser otimizado; 2) Relações de interdependência entre as variáveis de decisão que se expressam por um conjunto de equações ou inequações lineares, chamadas de restrições do modelo; 3) Variáveis de decisão que devem ser positivas ou nulas. A equação (1) mostra a formulação para um problema de PL: maximize (ou minimize) z= 𝑗ϵ𝑁 ∑ 𝑐 𝑗 𝑥 𝑗 , 𝑁 = {1,..., 𝑛} sujeito a (1) 𝑗ϵ𝑁 ∑ 𝑎 𝑖𝑗 𝑥 𝑗 (≤, = 𝑜𝑢 ≥)𝑏 𝑖 , 𝑖 ϵ 𝑀 = {1, 2,..., 𝑚} 2 0, j N𝑥 𝑗 ≥ no qual , e são constantes conhecidas para todo i e j;𝑐 𝑗 𝑎 𝑖𝑗 𝑏 𝑖 são variáveis não negativas.𝑥 𝑗 As restrições do problema podem ser transformadas em equações adicionando-se uma variável de folga (não negativa) , se a i-ésima desigualdade é do tipo e subtraindo uma𝑥 𝑛+𝑗 ≤ variável de folga (não negativa), se a k-ésima𝑥 𝑛+𝑘 desigualdade é do tipo. Considerando que ao serem acrescentadas as variáveis de folga, obtém-se um total de m + n variáveis, pode-se escrever o problema na forma matricial como mostra a equação (2): maximize (ou minimize) z=cx sujeito a (2) Ax=b x 0≥ no qual, c é um vetor linha de ordem (n + m), A é uma matriz m x (m + n), x é um vetor coluna de ordem (m + n) e b é um vetor coluna de ordem m. B. Programação Inteira (PI) e Programação Inteira Mista (PIM) Alguns problemas reais requerem o uso de variáveis que assumem somente valores inteiros. Quando isto acontece tem-se um problema de Programação Inteira (PI). Este problema está definido na equação (3) a seguir: maximize (ou minimize) z=𝑔 0 (𝑥 1 , 𝑥 2 ,..., 𝑥 𝑛 ) sujeito a (3) ou=ou ) ,𝑔 𝑖 (𝑥 1 , 𝑥 2 ,..., 𝑥 𝑛 )(≤ ≥ 𝑏 𝑖 𝑖 ϵ 𝑀 = {1, 2,..., 𝑚} 𝑥 𝑗 ≥ 0, 𝑗 ϵ 𝑁 = {1, 2,..., 𝑛} inteira, j I N𝑥 𝑗 ⊆ no qual, , j são as variáveis, ,i {0} são funções𝑥 𝑗 ϵ 𝑁 𝑔 𝑖 ϵ 𝑀 𝑈 das variáveis , e ,i são constantes𝑥 1 , 𝑥 2 ,..., 𝑥 𝑛 𝑏 𝑖 ϵ 𝑀 conhecidas. Se I=N, isto é, todas as variáveis são inteiras, então o problema é dito PI. Caso contrário, se I N, então⊂ chama-se de problema de Programação Inteira Mista (PIM). C. Programação Linear Inteira (PLI) e Programação Linear Inteira Mista (PLIM) Em muitos dos problemas abordados em PI, as funções ,i𝑔 𝑖 {0} M na equação (3) são lineares e o modelo pode entãoϵ 𝑈 ser descrito como mostra a equação (4): maximize (ou minimize) z= 𝑗ϵ𝑁 ∑ 𝑐 𝑗 𝑥 𝑗 , 𝑁 = {1,..., 𝑛} sujeito a (4) 𝑗ϵ𝑁 ∑ 𝑎 𝑖𝑗 𝑥 𝑖 (≤, ≥ 𝑜𝑢 =)𝑏 𝑖 , 𝑖 ϵ 𝑀 = {1,..., 𝑚} 𝑥 𝑗 ≥ 0, 𝑗 ϵ 𝑁 inteira, j I N𝑥 𝑗 ⊆ onde, e são constantes conhecidas para todo i e j, e𝑐 𝑗 , 𝑎 𝑖𝑗 𝑏 𝑖 xj são variáveis não negativas. Se I = N, isto é, todas as variáveis são inteiras, então temos um problema Programação Linear Inteira (PLI). Se I N, então, o problema é de⊂ Programação Linear Inteira Mista (PLIM). As restrições do problema podem ser transformadas em equações. Os problemas de programação inteira podem ser classificados em problemas de programação inteira puros e programação inteira mista. A primeira classe consiste em problemas em que todas as variáveis do problema assumem valores inteiros. Nesta classe podemos destacar os problemas de programação binária em que as variáveis correspondem a “não ou sim” ou (0,1). A programação inteira mista trata de problemas nos quais algumas variáveis são inteiras e as demais são contínuas reais [3]. III. ESTUDO DE CADO O estudo foi desenvolvido tendo como base o sistema elétrico apresentado na Figura 1. Inicialmente em seu primeiro ano de operação, o sistema opera de forma adequada, não apresentando violações nas barras e nos transformadores. Fig. 1. Sistema elétrico ano de referência. A partir do ano de referência é realizada uma projeção de carga considerando um período de dez anos à frente, o sistema sofrerá aumentos progressivos de carga ao longo de cadaano, conforme mostra a Tabela I. 3 TABELA I Os percentuais de crescimento são de 3,79%, 3,96%, 3,05% e 4,76% para as subestações SE-1, SE-2, SE-3 e SE-4, considerando o histórico de demandas referente a sete anos. Os dados referentes ao crescimento de carga no horizonte decenal foram aplicados no software ANAREDE, Figura 2. Fig. 2. Sistema elétrico ano 10. Com o crescimento estimado de carga no sistema em dez anos, foi ocasionando o surgimento de problemas, tais como os listados a seguir: I. Problema 1: a linha de transmissão entre as barras 1 e 4 está sobrecarregada ; II. Problema 2: extrapolação do limite de carregamento do transformador da barra 4; III. Problema 3: extrapolação do limite de carregamento do transformador da barra 7; IV. Problema 4: extrapolação do limite de tensão na barra 8. A. Estudo de Caso: Rede Elétrica ano 10 Através dos problemas de sobrecarga e sobretensão, marcados na Figura 2, é necessário projetar algumas soluções para que o sistema volte a operar normalmente, após o crescimento da demanda. Estas soluções serão posteriormente selecionadas pelo método (PLIM). Dessa forma, foi simulado no software ANAREDE, um conjunto de obras a fim de expandir o sistema de acordo com a lista abaixo: I. Acrescentar uma nova linha de transmissão entre as barras 1 e 4, soluciona os problemas 1 e 4 ; II. Acrescentar um transformador de 25 MVA em paralelo entre as barras 4 e 5, soluciona o problema 2; III. Acrescentar um transformador de 25 MVA em paralelo entre as barras 7 e 8, soluciona os problemas 3 e 4; IV. Acrescentar uma GD de 30 MVA na barra 5, solucionando os problemas 1,2 e 4; V. Acrescentar uma GD de 30 MVA na barra 8, soluciona os problemas 1,3 e 4. Fig. 3. Nova LT entre as barras 1 e 4. Fig. 4. Transformador paralelo entre as barras 4 e 5. 4 Fig. 5. Transformador paralelo entre as barras 7 e 8. Fig. 6. Geração distribuída na barra 5. Fig. 7. Geração distribuída na barra 8. IV. OTIMIZAÇÃO DE OBRA E INVESTIMENTO O problema de otimização deve selecionar as obras que ofereçam menor investimento, através da função objetivo. As modificações (X1, X2, X3, X4, e X5) apresentam soluções factíveis para os problemas identificados com o aumento da carga no horizonte dos 10 anos (Figura 2). Buscou-se encontrar a solução ótima que minimiza os custos oriundos das modificações sugeridas utilizando o software OTIMIZA. O conjunto de restrições, que são funções variáveis de decisão do problema, devem abranger variáveis inteiras e reais contínuas relativas aos limites de carregamento das linhas de transmissão, transformadores e níveis de tensão, que dependem do inter-relacionamento entre as demais soluções [3]. Deste modo, existe a possibilidade de uma obra só ser viável se a outra também for selecionada. Para utilizar a PLIM, é necessário realizar um levantamento dos investimentos utilizados para a implementação de cada obra. Em relação às obras de geração distribuída foi considerado o valor de usinas a óleo diesel, pois geração fotovoltaica e eólica são fontes intermitentes não garantindo o fornecimento ininterrupto de energia. O resultado deste levantamento pode ser visualizado na Tabela II, com base no banco de preços da Agência Nacional de Energia Elétrica (ANEEL), tendo como referência o ano de 2015. TABELA II Em relação a nova LT entre as barras 1 e 4, adotou-se que tem uma distância de 100km a possível e deverá ser de 55 MVA. Com os custos de cada obra foi possível encontrar a função objetivo, equação que pretende minimizar os custos com a construção das obras. As relações excludentes têm a função de garantir que se uma obra é escolhida para ser executada, a outra deve ser descartada e as restrições de interdependências é quando uma obra depende da outra para ser executada. Com o objetivo de criar uma situação de interdependência para demonstração de modelagem para o trabalho foi considerado que a obra da linha de transmissão só pode ocorrer se for inserida uma GD na barra 5 ou 8. De posse das alternativas, com seus custos de implementação, fez-se a análise de custo-benefício no software OTIMIZA. A modelagem para a programação linear inteira mista (PLIM) utilizada neste estudo é a que segue na Figura 8. 5 Fig. 8. Modelagem do problema e solução do problema. V. RESULTADOS Como resultado se obteve uma solução ótima utilizando as opções de obra 3 e 4, referentes a inserção de uma geração distribuída a óleo diesel de 30 MVA e um transformador paralelo nas barras 7 e 8 de 25 MVA, conforme a Figura 9. O menor custo total foi de R$ 25.322.741,00. Fig. 9. Solução após otimização. Se as obras necessárias para o ano 10 forem feitas no ano 1, os custos das obras devem ser trazidos para este ano. Para isso, pode-se usar algumas técnicas de engenharia econômica, dentre elas destaca-se o Valor Presente Líquido. Aplicando-se o VPL e supondo que a taxa anual de juros será de 8 % a.a, pode-se presumir o valor do investimento na data atual. Na Tabela III é mostrado o resultado. TABELA III Com os resultados do VPL conclui-se que é bastante vantajoso realizar o investimento no ano 1, para solucionar os futuros problemas, pois o custo é aproximadamente a metade da obra no ano 10. VI. CONCLUSÃO Com o crescente aumento do consumo de energia elétrica no Brasil, torna-se muito importante o desenvolvimento de técnicas que minimizem os custos com expansões futuras do sistema elétrico. Alinhado a isso as empresas distribuidoras de energia elétrica defrontam de um orçamento limitado para as adequações de suas obras, tornando-se esse tipo de análise indispensável. Neste estudo de caso, foi realizada uma projeção de um acréscimo de carga em um horizonte decenal, considerando parte de um sistema de transmissão. A partir deste crescimento foram encontrados problemas relacionados ao suprimento da demanda futura, os quais foram solucionados através de um planejamento para elaboração de obras. A utilização dos softwares ANAREDE e OTIMIZA, foi fundamental para a interpretação do funcionamento de sistemas elétricos de potência e aplicação da programação Linear Inteira Mista, demonstrando sua eficácia para a solução desse tipo de problema. REFERÊNCIAS [1] GONEN, T. “Electric power distribution system engineering”. 2. ed. Boca Raton FL EUA: CRC Press, 2008. [2] RODRIGUES, Luís Henrique. “Pesquisa Operacional: Programação Linear Passo a Passo”: Unisinus, 2014. [3] KAGAN, N.; SCHMIDT, H.P.; OLIVEIRA, C.C.B; KAGAN, H. Métodos de otimização aplicados a sistemas elétricos de potência. São Paulo: Blucher, 2009. [4] A. A. Bonato. Sistema inteligente para previsão de carga multinodal em sistemas elétricos de potência. Tese de doutorado. Ilha Solteira. [s.n.], 2010. 86 f. : il [5] Perfectum Serviços de Engenharia. Diesel ou gás natural. Setembro de 2016. Disponível em (https://www.joseclaudio.eng.br/geradores/Diesel_versus_gas.html)
Compartilhar