Академический Документы
Профессиональный Документы
Культура Документы
2017
PROGRAMAO DIRIA DA OPERAO DE SISTEMAS TERMELTRICOS
UTILIZANDO ALGORITMO GENTICO ADAPTATIVO E
MTODO DE PONTOS INTERIORES
Examinada por:
O crescimento do consumo de energia eltrica nos ltimos anos vem gerando a necessidade de um
aumento na quantidade de fontes geradoras, fazendo com que o setor eltrico passe por grandes
mudanas. Isso tem proporcionado a busca por ferramentas que ofeream maior eficincia
e segurana aos sistemas de potncia. Um problema considerado de extrema importncia na
operao diria dos sistemas eltricos o planejamento da Alocao das Unidades Geradoras,
onde define-se a programao horria das unidades do sistema, determinando quais mquinas
devero estar ligadas ou desligadas, e quais sero seus respectivos pontos de operao. Essas
unidades geradoras devem operar de forma eficaz, mediante a variao da carga, respeitando
restries operativas e de segurana do sistema. Este trabalho prope a resoluo do problema
para o planejamento de curto prazo, levando em considerao uma srie de restries relacionadas
a gerao trmica e ao sistema eltrico. Entre elas, podemos destacar as restries de variao de
potncia de sada das mquinas e as restries de segurana do sistema de transmisso, evitadas
na maioria dos estudos de Alocao de Unidades Geradoras. Este problema tem caracterstica
no-linear, inteiro-misto e de grande escala. A metodologia utilizada para resoluo do problema
envolve a utilizao de um Algoritmo Gentico Adaptativo, para Alocao das Unidades, e
o Mtodo de Pontos Interiores Primal-Dual Preditor-Corretor, para a resoluo do Fluxo de
Potncia timo DC no problema do Despacho Econmico. Alm disso, este trabalho prope
a implementao dos operadores de cross-over e mutao do Algoritmo Gentico com base
em uma metodologia anelar aplicada na matriz de alocao de unidades. Os resultados foram
obtidos atravs de simulaes em um software de simulao matemtica, utilizando os sistemas
testes do IEEE de 30 barras com 9 geradores e 24 barras com 26 geradores, e a validao do
algoritmo foi feita comparando os resultados obtidos com os outros trabalhos da literatura.
Palavras-chave: Operao Energtica, Alocao de Unidades Geradoras, Despacho Econmico,
Sistemas Termeltricos, Algoritmo Gentico, Mtodo de Pontos Interiores.
Abstract of Dissertation presented to PROEE/UFS as a partial fulfillment of the requirements for
the degree of Master
The growth of the electric energy consumption in the last years has generated the need of
the increase in the amount of power sources, making the electricity sector undergo some large
changes. This has provided the search for tools that promotes a better efficiency and security to the
electrical power systems. A planning problem that is considered important in the daily operation
of the power systems is the Unit Commitment, where the time schedule of the operation is
defined, determining which machines will be online or offline, and which are the operating points.
Those units must operate by load variation, respecting the operative and security constraints.
This research proposes the resolution of the problem for the short-term planning, taking a set
of constraints associated with the thermal generation and the power system. Among them, we
can highlight the output power variation constraints of the machines and the security restrictions
of the transmission system, avoided in most Unit Commitment studies. This problem is non-
linear, mixed-integer and has a large scale. The methodology used involves the utilization of an
Adaptive Genetic Algorithm, for the Unit Commitment problem, and the Interior-Point Primal-
Dual PredictorCorrector Method, for DC power flow resolution in economic dispatch problem.
Furthemore, this research proposes the implementation of cross-over and mutation operators of
Genetic Algorithm based on a ring methodology applied in Unit Commitment matrix. The results
were obtained through simulations in a mathematical simulation software, using the IEEE test
systems with 30 bus and 9 generators, and another with 24 bus and 26 generators. The validation
of the algorithm was done by comparing the results with other works in the literature.
Keywords:Energetic Operation, Unit Commitment, Economic Dispatch, Thermal Systems,
Genetic Algorithm, Interior-Point Method.
Sumrio
1 INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1 Objetivo da Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2 Publicaes Decorrentes da Pesquisa . . . . . . . . . . . . . . . . . . . . 23
1.3 Organizao do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4 REVISO BIBLIOGRFICA . . . . . . . . . . . . . . . . . . . . . . . . 61
5 ALGORITMOS GENTICOS . . . . . . . . . . . . . . . . . . . . . . . 64
5.1 Codificao dos Indivduos . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.2 Populao Inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.3 Funo de Avaliao ou Fitness . . . . . . . . . . . . . . . . . . . . . . . 66
5.4 Elitismo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.5 Seleo dos Pais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.6 Operador Cross-Over . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.7 Operador Mutao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.8 Parmetros dos Algoritmos Genticos . . . . . . . . . . . . . . . . . . . 70
5.9 Critrios de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.10 Adaptabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.11 Algoritmos Memticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.12 Consideraes Finais do Captulo . . . . . . . . . . . . . . . . . . . . . . 72
7 ANLISE DE RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . 83
7.1 Sistemas Testes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
7.1.1 Sistema Teste 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
7.1.2 Sistema Teste 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
7.1.3 Sistema Teste 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
7.2 Resultados Obtidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
7.3 Validao do Algoritmo Proposto . . . . . . . . . . . . . . . . . . . . . . 88
7.4 Anlise da Incluso do Sistema Transmisso ao Problema . . . . . . . . 91
7.5 Consideraes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
8 CONCLUSES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
8.1 Perspectivas de Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . 96
REFERNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
AG Algoritmo Gentico.
DE Despacho Econmico.
GW Gigawatt.
KKT Karush-Kuhn-Tucker.
MN Mtodo de Newton.
MW Megawatt.
PL Programao Linear.
UG Unidade Geradora.
FC Funo custo.
19
Captulo 1. Introduo 20
Balano de potncia;
Reserva girante;
Implementar o MPI para a resoluo do DE, quando as restries de segurana das linhas
de transmisso forem negligenciadas, e para a resoluo do FPO, caso a rede eltrica seja
levada em conta no problema;
Desenvolver, a partir dos estudos dos itens anteriores, um AG com tcnicas de adaptao e
busca local para resolver o problema de AUGT para a PDO;
Propor uma metodologia que possa ser usada para auxiliar um agente de gerao a deter-
minar a programao tima e nveis de gerao para as usinas termeltricas, considerando
uma modelagem mais detalhada do problema.
Captulo 1. Introduo 23
24
Captulo 2. O Problema da Programao Diria da Operao Energtica em Sistemas Termeltricos 25
Essa curva pode ser segmentada em trs faixas distintas. A primeira faixa representaria o
consumo no incio do dia, apresentando um consumo baixo, a segunda faixa seria um consumo
de nvel mdio, e a terceira faixa compreenderia o perodo de consumo de energia mais elevado.
Essa curva ser essencial para a definio do nmero de UGs que estaro em operao e quais
sero as potncias fornecidas pelas mesmas.
de unidades que compe o parque gerador dos sistemas eltricos. Alm do custo de gerao,
tambm preciso representar o custo de ligamento e desligamento das mquinas, que depende
do estado das mesmas no perodo analisado. A medida que uma UG varia de estado (online ou
offline), durante determinado perodo, preciso adicionar o custo de ligamento e desligamento
ao custo final de operao.
Outro ponto importante se refere ao tempo que cada UG permanece em operao, onde
cada uma tem um tempo mnimo para ficar online que deve ser respeitado e, da mesma forma,
quando a UG estiver fora de operao, a unidade tem um tempo mnimo para ficar offline. Essas
caractersticas so relacionadas as questes operativas das mquinas, e so mais notrias em
sistemas termeltricos, devido a problemas de aquecimento e resfriamento. Tais caractersticas
introduzem interdependncia entre os perodos de tempo no horizonte de estudo, pois decises
futuras de alocao das UGs dependem de decises tomadas no passado.
Poluio ambiental.
Figura 2.3 Fluxograma resumido de uma usina termeltrica que utiliza combusto externa.
No Brasil, mais de 90% das usinas utilizam esse tipo de combusto (2). Entre os com-
bustveis mais utilizados esto o leo combustvel, leo diesel, carvo mineral e biomassa, e,
dependendo do combustvel utilizado, as taxas de emisso de poluentes podem se tornar relevan-
tes, sendo necessrio a instalao de equipamentos para diminuir esse efeito, encarecendo ainda
mais os custos de gerao. Alm disso, na maioria dos casos, o leo combustvel sujeito s
variaes do preo do barril de petrleo.
Um importante parmetro de caracterizao operativa de uma termeltrica com combus-
to externa o seu custo incremental. Esse parmetro representa a taxa de aumento do custo de
operao em funo de um incremento no seu nvel de gerao. Seu modelo dado por uma
funo quadrtica convexa como descrito na Equao (2.1):
FC (P) = a0 P2 + a1 P + a2 (2.1)
em que:
O nvel mnimo de potncia, mostrado no grfico da Figura 2.4, pode estar relacionado
aos seguintes fatores (18):
A relao entre o custo de partida e o tempo que a mquina ficou desligada tem a ver
com a temperatura da caldeira, pois a quantidade de combustvel necessria para elevar a sua
temperatura at o patamar de operao proporcional ao tempo que a unidade foi resfriada,
ou seja, quanto maior o tempo de desligamento maior ser o custo para promover a partida da
unidade. Na prtica assume-se que a caldeira se resfria a uma taxa inversamente proporcional
respectiva constante relacionada com a velocidade de resfriamento (18). Matematicamente, o
custo de partida da unidade termeltrica pode ser descrito pela Equao (2.2):
X o f f
CP = + (1 exp ) (2.2)
em que:
Portanto, conforme se pode notar nas Equaes (2.1) e (2.2), o custo total de operao de
uma termeltrica com combusto externa inclui custos de combustveis associados aos processos
de partida e de operao nominal da usina. Alm disso, importante destacar que em alguns
sistemas o custo de desligamento pode ser includo no problema.
Outras caractersticas operativas das termeltricas com combusto externa tornam a
sua operao uma tarefa um tanto complexa. As caldeiras dessas usinas devem ser submetidas
sempre a variaes graduais de temperaturas. Esse detalhe se traduz nas restries operativas
modeladas matematicamente como restries de Tempo Mnimo de Permanncia em Operao
(TML ), Tempo Mnimo de Sada da Operao (TMD ) e Rampa (RP ).
Cabe mencionar que, em alguns estudos, o custo de partida das unidades geradoras
depende do tempo que a unidade esteve parada anteriormente e do fato de se manter ou no
as caldeiras quentes durante o perodo de parada. O custo de partida dado pelas seguintes
condies descritas na Equao (2.3):
C = Cq , T X o f f T +
P P MD MD
(2.3)
f
C = C , X o f f
P P > TMD +
em que:
q
CP : Custo de partida a quente da UGT;
Captulo 2. O Problema da Programao Diria da Operao Energtica em Sistemas Termeltricos 31
f
CP :Custo de partida a frio da UGT.
Figura 2.5 Fluxograma resumido de uma usina termeltrica que utiliza combusto interna.
Despacho Econmico: determina a potncia que ser gerada ao sistema eltrico por cada
uma das unidades colocadas em servio pelo subproblema de alocao.
Por conta dessas dificuldades, a obteno da soluo exata para este tipo de problema
pode no ser simples. Desta forma conveniente a utilizao de mtodos de busca para a sua
Captulo 2. O Problema da Programao Diria da Operao Energtica em Sistemas Termeltricos 34
No de Geradores No de Combinaes *
10 1, 7272
20 3, 12144
40 9, 74288
100
Valor aproximado. Fonte: Wood e Wollenberg (7)
soluo, como por exemplo o AG, que tem sido aplicado com sucesso em diversos trabalhos,
como descrito anteriormente.
em que:
Nessa restrio so definidos os limites operativos para as UGs, modelados por meio de
seus limites mximos e mnimos de fornecimento de potncia ativa. Essa restrio de desigual-
dade mostrada na Inequao (2.5):
em que:
Essa restrio prev uma folga entre a demanda prevista e a potncia total disponvel entre
as UGs em operao. Essa folga permite suprir o sistema mesmo com um aumento inesperado
de carga ou com a perda da UG de maior capacidade, ou dos circuitos de transmisso. Esta folga
representada pela restrio de desigualdade representada na Inequao (2.6):
em que:
O motivo de utilizao dessa restrio est relacionado com questes de ordem tcnica,
fadiga do material e gradientes trmicos inerentes s unidades geradoras, como descrito na Seo
2.4.1. Ela evita que as UGs sejam ligadas e desligadas frequentemente ao longo do horizonte de
planejamento. Essa restrio podem ser escrita como mostrado nas Inequaes (2.7):
X on T
ML
(2.7)
X o f f T
MD
em que:
em que:
Figura 3.1 Busca de soluo pelo (a) Mtodo Simplex e (b) MPI.
38
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 39
O DE pode ser formulado como um modelo matemtico de FPO com restries adicionais,
onde ser realizada a minimizao de uma funo objetivo quadrtica, correspondente aos custos
de gerao e perdas na transmisso do sistema de potncia, considerando os limites de gerao
das unidades e a capacidade de transmisso do sistema eltrico (10, 11).
A representao linearizada do FPO tem sido utilizada, pois obtm-se maior simplicidade
com grau de preciso dos resultados satisfatrio. Nessa representao, o sistema de gerao
composto por um conjunto de unidades geradoras, enquanto que o sistema de transmisso
representado por um modelo de fluxo de potncia de corrente contnua (DC). Neste modelo, as
leis de Kirchhoff so representadas independentemente (11).
Este captulo traz os conceitos de Programao Linear (PL) e Programao No-Linear
Quadrtica (PNLQ), atravs de uma viso geral sobre o assunto, e apresenta o MPI, que ser a
ferramenta utilizada para a resoluo do problema do FPO e, consequentemente, do DE. Alm
disso, apresentado no captulo o modelo matemtico linearizado a ser utilizado pelo FPO e
o MPIPD que adequado para a resoluo desse problema. A abordagem utilizada combina as
vantagens da formulao do modelo linear do fluxo de potncia com eficincia e robustez do
MPI. O texto apresentado neste captulo tem como referncia os trabalhos (11), (24), (25), (26) e
(27).
Min cT x
s.a: Ax = b (3.1)
x0
em que c Rn1 ; x Rn1 ; A Rmn ; b Rm1 ; T o prefixo indicando transposta.
Os problemas de PL em geral no esto na forma padro, podendo envolver tambm
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 40
Min cT x
s.a: Ax b
(3.2)
Ax b
x0
a j1 x1 + a j2 x2 + + a jn xn b j , j = 1, 2, ..., m (3.3)
a j1 x1 + a j2 x2 + + a jn xn b j , j = 1, 2, ..., m (3.4)
Essa substituio pode ser feita introduzindo uma varivel adicional s, no-negativa,
conhecida como varivel de excesso quando a desigualdade do tipo , e varivel de folga
quando a desigualdade do tipo . Assim, as restries de desigualdade (3.3) e (3.4) se
transformam nas restries de igualdade (3.5) e (3.6), respectivamente:
a j1 x1 + a j2 x2 + + a jn xn s = b j , j = 1, 2, ..., m (3.5)
a j1 x1 + a j2 x2 + + a jn xn + s = b j , j = 1, 2, ..., m (3.6)
Min cT x
s.a: Ax I s = b
(3.7)
Ax + Is = b
x0
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 41
Max bT
s.a: AT c = AT + s = c
(3.8)
s0
livre
em que Rm1 ; s Rn1 .
Por definio, x 0 um ponto interior para o problema primal e s 0 um ponto
interior para o problema dual. Por estarem dentro dos limites impostos pelas restries, ambos
os pontos so factveis.
Outro conceito importante a definio gap (). Esse elemento encontrado atravs do
resultado da diferena entre os valores das funes objetivo do problema primal e do problema
dual (28). A formulao do gap pode ser vista em (3.9):
= cT x bT = xT s (3.9)
Por meio da manipulao de variveis, o valor do gap tambm pode ser definido por
= xT s.
Factibilidade Primal: Ax b = 0 , x 0
F1 (x) x1
F2 (x)
x2
F(x) = .. , x= ..
. .
Fn (x) xn
de F : Rn Rn , onde deseja-se encontrar um ponto x Rn tal que F(x ) = 0, ou seja,
encontrar uma raz de F. O MN um mtodo iterativo para resolver este problema. Dado
qualquer x Rn , o objetivo encontrar uma direo de busca d tal que F(x + d) = 0. Assim,
busca-se aproximar o valor desta direo pelos dois primeiros termos da expanso da Srie de
Taylor, como definido na Equao (3.10):
em que:
F1 F1 F1
x1 x2 xn
F 0 (x) = x12
F F2
F2
. x2 xn
.. .. .. .
. . ..
Fn Fn Fn
x1 x2 xn
Esta ideia leva ao MPIPD e suas variaes, descritos nas prximas sees.
XSe XSe r3
sendo X = diag(x) e S = diag(s). Aplica-se o MN considerando um ponto inicial (x0 , 0 , s0 ):
(x1 , 1 , s1 ) = (x0 , 0 , s0 ) [J(x0 , 0 , s0 )]1 F(x0 , 0 , s0 )
em que:
A 0 0
J(x0 , 0 , s0 ) = 0 AT I
S0 0 X 0
assim, d 0 ser dado por:
1 0 0
A 0 0 r1 dx
0
I r2 = d0
T 0
d = 0 A
S0 0 X 0 r30 ds0
Sk 0 X k r3k dsk
O tamanho do passo dado deve assegurar que os pontos nunca deixem de ser interiores.
Os tamanhos dos passos primais ( p ) e duais (d ) podem ser calculados como mostrado nas
Equaes (3.14) e (3.15), respectivamente:
n o
kp = min 1, kp (3.14)
n o
kd = min 1, kd (3.15)
em que:
xk
kp = min ik
dxik <0 dxi
sk
kd = min ik
dski <0 dsi
Para garantir que x e s continuem interiores utiliza-se (0, 1). Um valor tpico utilizado
na literatura = 0, 9995. O pseudocdigo que resume o MPIPD Afim-Escala aplicado a PL
apresentado no Algoritmo 1 (24, 25, 26, 27).
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 44
kd = min 1, kd ;
12
13 xk+1 = xk + kp dxk ;
14 k+1 = k + kd dk ;
15 sk+1 = sk + kd dsk ;
16 fim
r3k = k e X k Sk e
k
k = (3.16)
n
em que:
k = (xk )T sk
1
=
n
O pseudocdigo que resume o MPIPD Seguidor de Caminho aplicado a PL apresentado
no Algoritmo 2 (24, 25, 26, 27).
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 45
kd = min 1, kd ;
14
15 xk+1 = xk + kp dxk ;
16 k+1 = k + kd dk ;
17 sk+1 = sk + kd dsk ;
18 fim
d,
Calculando a direo de predio (dx, ds)
no ponto (x, , s), tem-se:
1
dx A 0 0 r1
d = 0 AT I r2
ds S 0 X r3
s):
Considerando = 1, encontra-se (x, ,
x x + dx
= + d
s
s + ds
d,
Calculando a direo de correo (dx, ds) s):
no ponto (x, ,
1
dx A 0 0 r1
d = 0 AT I r2
ds S 0 X r3
= r1 r1 = 0
r1 = b A(x + dx)
(s + ds)
r2 = c AT ( + d) = r2 r2 = 0
T (s + ds)
r3 = (x + dx) = r3 r3 + DxDse = DxDse
= xT s
= (x + p dx)(s
+ d ds)
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 47
+ dx
A 0 0 dx r1
0 AT I d + d = r2 (3.17)
S 0 X + ds
ds r3 + e DxDse
x0 = max{x, 2 } (3.18)
em que:
||b||1
2 = max min{x}, 1 ,
1 ||A||1
x = AT (AAT )1 b
1 > 0
O valor de 1 deve ser suficientemente grande para que x inicie longe da fronteira da
regio factvel. Geralmente utiliza-se 1 = 100. Os pontos iniciais duais e s so definidos como
nas Equaes (3.19) e (3.20), respectivamente:
0 = 0 (3.19)
c + 3 ,
c0
0
s = c , c 3 (3.20)
, 3 < c < 0
3
em que:
3 = 1 + ||c||1
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 48
13 k = (xk )T sk ;
14 k )(sk + k ds
k = (xk + kp dx k );
d
15 se k 1 ento
k 3
16 k = k ;
17 seno
k
18 k =
n
;
19 fim
k
20 k = n ;
21 r4k = r3k + k e Dxk Dsk e ;
22 dk = r3k + k e Dxk Dsk e;
23 dxk = (Dk )1 [AT dk + r2k + (X k )1 r4k ];
24 dsk = (X k )1 [r4k Sk dxk ];
xik
n o
25 p = min dxk , dxik < 0 ;
k
i o
ski
n
26 d = min dsk , dski < 0 ;
k
i
kp = min 1, kp ;
27
kd = min 1, kd ;
28
29 xk+1 = xk + kp dxk ;
30 k+1 = k + kd dk ;
31 sk+1 = sk + kd dsk ;
32 fim
Factibilidade Primal:
||b Ax||
||b|| + 1
Factibilidade Dual:
||c AT + s||
||c|| + 1
Complementaridade:
||cT x bT ||
||cT x|| + ||bT || + 1
1
Min cT x + xT Qx
2
s.a: Ax = b (3.21)
x0
em que Q Rnn e simtrica definida positiva. No problema de FPO a matriz Q diagonal e
essa hiptese ser assumida a partir de agora.
A partir da formulao primal dada em (3.21), possvel escrever o problema dual como
em (3.22):
1
Max bT xT Qx
2
T
s.a: A Qx + s = c (3.22)
(x, s) 0
De posse das formulaes primal (3.21) e dual (3.22) do problema, obtm-se as condies
de otimalidade de KKT:
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 50
Factibilidade Primal: Ax b = 0 , x 0
Complementaridade: XSe = 0
1 k k
A 0 0 r1 dx
k T I r2 = dk
k
d = Q A (3.23)
Sk 0 Xk r3k dsk
em que:
r1k = b Axk
r2k = c AT k + Qxk sk
r3k = k e X k Sk e
n o
k = min 1, kp , kd (3.24)
ou consumida. Ao aplicar essa lei no sistema da Figura 3.2, esta relao pode ser escrita como
descrito na Equao (3.25):
Df = Epl (3.25)
Tf =0 (3.26)
0 0 0 0 0 0 0 x8 x9 x10
em que f Min e f Max representam os vetores de limites da capacidade de transmisso das linhas,
e pMin e pMax representam os vetores de limites de gerao.
A funo-objetivo que fornecer o critrio para a determinao dos valores timos dos
fluxos de potncia f e dos valores de gerao p expressa como uma ponderao entre os dois
objetivos. A formulao dessa funo pode ser vista na Expresso (3.29):
f T R f + pT Qp + vT p
(3.29)
Min f T R f + pT Qp + vT p
s.a: Df = Epl
Tf =0 (3.30)
f Min f f Max
pMin p pMax
f = f f Min = f = f + f Min
p = p pMin = p = p + pMin
s.a: D f E p = l1
T f = l2
f + s f = fMax
p + s p = pMax
( f, p, s p , s f ) 0
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 55
em que:
cTf = 2( f Min )T R
cTp = 2(pMin )T Q + vT
l1 = E pMin D f Min l
l2 = T f Min
Eliminando os tils para simplificar a notao, o Problema Primal na forma padro fica
como mostrado na Formulao (3.31):
s.a: B f E p = l
f + s f = f Max (3.31)
p + s p = pMax
( f , p, s f , s p ) 0
f = w f p = w p
FZ f e = e
PZ e = e
p
Complementaridade:
S f W f e = e
S W e = e
p p
B f E p l
f + s f f Max
p + sp p Max
T
B w f + z f R f c f
T
E w p + z p Qp c p =
F( f , p, s f , s p , , z f , w f , z p , w p ) =
FZ f e e
PZ p e e
S f W f e e
S pWp e e
l B f + E p
r1
f Max f s f r2
pMax p s p
r3
c f BT + w f z f + R f r4
c p + E T + w p z p + Qp =
r5
e FZ f e r6
e PZ p e
r7
e S f W f e r8
e S pWp e r9
aplica-se o MN considerando um ponto inicial ( f 0 , p0 , s0f , s0p , 0 , z0f , w0f , z0p , w0p ):
( f 1 , p1 , s1f , s1p , 1 , z1f , w1f , z1p , w1p ) = ( f 0 , p0 , s0f , s0p , 0 , z0f , w0f , z0p , w0p )
[J( f 0 , p0 , s0f , s0p , 0 , z0f , w0f , z0p , w0p )]1 F( f 0 , p0 , s0f , s0p , 0 , z0f , w0f , z0p , w0p )
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 58
0 0 0 Wp 0 0 0 0 Sp
Assim, possvel descrever a frmula geral (3.34) para encontrar a direo de busca no
MPIPD aplicado ao problema de FPO:
1 k
d fk B E 0 0 0 0 0 0 0 r1
k 0 0 0 0 0 0 0 r2
k
dp I I
dsk 0 I 0 I 0 0 0 0 0 rk
f 3
BT
k
ds p R 0 0 0 I I 0 0 r4k
dk = 0 R 0 0 E T 0 0 I I rk (3.34)
5
k k 0 0 0 0 k k
0 0 0 r6
dz f Z f F
dwk 0 Z k 0 0 0 0 0 P k 0 rk
f p 7
k
0 0 W k 0 0 0 S k 0 0
k
dz p f f r8
dwkp 0 0 0 Wpk 0 0 0 0 Skp r9k
ser feita encontrando uma direo que contenha as componentes Direo Afim-Escala, Direo
de Centragem e Direo de Correo.
No prximo captulo ser apresentada a reviso bibliogrfica feita para o desenvolvimento
deste trabalho.
Captulo 3. Mtodos de Pontos Interiores e sua Aplicao no Problema de Fluxo de Potncia timo 60
k = min 1, kp , kd ;
13
14 k = (xk )T sk ;
15 k = (xk + k dx k )(sk + k ds k );
16 se k 1 ento
k 3
17 k = k ;
18 seno
k
19 k =
n
;
20 fim
k
21 k = n ;
22 r4k = r3k + k e Dxk Dsk e ;
23 dk = r3k + k e Dxk Dsk e;
24 dxk = (Dk )1 [AT dk + r2k + (X k )1 r4k ];
25 dsk = (X k )1 [r4k Sk dxk ];
xik
n o
26 p = min dxk , dxik < 0 ;
k
i o
ski
n
27
k
d = min dsk , dski < 0 ;
i
kp = min 1, kp ;
28
kd = min 1, kd ;
29
k = min 1, kp , kd ;
30
31 xk+1 = xk + k dxk ;
32 k+1 = k + k dk ;
33 sk+1 = sk + k dsk ;
34 fim
4 Reviso Bibliogrfica
61
Captulo 4. Reviso Bibliogrfica 62
64
Captulo 5. Algoritmos Genticos 65
Figura 5.2 Indivduos com codificao binria em formato (a) Vetorial e (b) Matricial.
5.4 Elitismo
O Elitismo uma tcnica que consiste em manter pelo menos uma cpia do melhor
indivduo para a nova populao, preservando, desta forma, o material gentico de boa qualidade
com o passar das geraes.
Captulo 5. Algoritmos Genticos 67
Ao levar o melhor indivduo (indivduo elite) para a prxima gerao, garante-se que o
melhor valor de fitness encontrado nessa nova gerao ser pelo menos igual ao do indivduo
elite. Essa tcnica utilizada devido possibilidade de, durante o processo de seleo, ocorrer a
perda de indivduos com aptido alta, tornando-se, assim, muito significativa para o desempenho
do AG.
Roleta;
Ranking;
Torneio;
Cabe destacar aqui o mtodo da Roleta, proposto por Goldberg (32), pelo fato de ser
utilizado nesse trabalho. Nessa tcnica os indivduos so dispostos numa roleta onde o tamanho
da rea ocupada por cada indivduo ser proporcional ao seu fitness. Assim, o indivduo com
maior valor de fitness (mais adaptado ao ambiente) tem maior chance (maior probabilidade) de
ser selecionado. Para um melhor entendimento, na Figura 5.3 mostrado um exemplo de roleta
com cinco indivduos.
Os valores assumidos pelo fitness devem ser sempre positivos, caso contrrio deve-
se utilizar algum mecanismo de escalamento. Alm disso, a roleta deve ser girada quantas
vezes forem necessrias para obter um nmero par de indivduos requeridos para realizao do
cross-over e mutao.
Porm, os pais que forem de fato realizar o cruzamento iro gerar descendentes com caractersti-
cas genticas de ambos os genitores.
Este mtodo ajuda a propagar as caractersticas positivas dos indivduos mais aptos,
atravs da troca de informaes entre diferentes solues candidatas, para originar novas possveis
solues.
Diversos tipos de cross-over tm sido propostos na literatura. A seguir, so apresentados
os tipos mais clssicos utilizados no AG:
Cross-over de um ponto;
Cross-over de multipontos;
Cross-over Uniforme
5.10 Adaptabilidade
A efetividade de um AG para a resoluo de um problema diretamente ligada aos
valores utilizados pelos seus parmetros durante a sua execuo. Observa-se que depois de
um grande nmero de geraes ocorre uma convergncia gentica, o que implica na pouca
diversidade da populao, tornando extremamente interessante que o operador de mutao seja
escolhido com maior frequncia para reinserir diversidade gentica dentro dessa populao.
Captulo 5. Algoritmos Genticos 72
Uma das ideias aplicadas para encontrar o conjunto de parmetros do AG, que possa agir
de forma razoavelmente eficiente, usar tcnicas de adaptao cujos valores dos parmetros
mudaro de acordo com o progresso do algoritmo. Nos livros de Soliman e Mantawy (58) e de
Linden (12) proposta uma tcnica de mutao adaptativa que medida que as geraes vo
avanando e a populao vai ficando mais homognea, a probabilidade de ocorrncia de mutao
se torna alta, promovendo assim o aumento da variabilidade gentica dessa populao. Isso faz
com que o processo de busca no fique preso a apenas um grupo especfico de solues.
Figura 6.1 Resumo do problema da PDO com a metodologia proposta para soluo.
73
Captulo 6. Formulao do Problema e Metodologia Proposta para Soluo 74
NT NG
Min CT = {[a0iPi2(t) + a1iPi(t) + a2i]Ui(t) + [1 Ui(t 1)]CPiUi(t)}
t=1 i=1
Esta modelagem mostra como o problema possui uma complexidade matemtica, onde
so encontradas variveis relacionadas com as termeltricas, com a representao da rede de
transmisso e com o estado de operao das UGs.
6.2.1 Codificao
A codificao utilizada neste trabalho foi adotada para atender os requisitos exigidos
do problema. Os cromossomos do AG criado foram codificados como matrizes de dimenso
(NG NT ). Essas matrizes so preenchidas com o estado de cada unidade, sendo representado por
1 quando a UG est em operao, e por 0 caso contrrio. Na Figura 6.2 mostrada a codificao
de um cromossomo do AG proposto, aplicado a um problema que envolve 4 UGs em um perodo
de anlise de 8 horas.
1 1 1 0 1 1 1 1 0
2 1 1 0 1 1 0 0 1
Unidades
3 0 1 0 0 0 1 0 0
4 0 1 0 1 0 0 1 0
1 2 3 4 5 6 7 8
Hora
dificuldade para achar solues que obedeam todas as restries. Porm, com o avano do
processo de busca possvel observar que o AG consegue achar solues viveis, demonstrando
sua eficcia.
CT
f itness = (6.1)
CMax
em que CMax o custo mximo possvel para o problema da programao diria de operao.
Esse valor adquirido realizando o DE com todas as UGTs ligadas em potncia mxima, durante
todo o perodo analisado. Com esse valor possvel garantir que haver uma normalizao do
fitness.
Atravs da formulao do problema da PDO, observa-se que o CT depende do custo
operativo das mquinas que esto ligadas e do custo de partida das mesmas. Logo, o MPIPD
Captulo 6. Formulao do Problema e Metodologia Proposta para Soluo 77
Preditor-Corretor ser o responsvel por fornecer DE das mquinas online atravs da resoluo
da funo quadrtica, presente na formulao, obedecendo as restries de balano de potncia,
limites de gerao e de capacidade das linhas de transmisso. Ou seja, o subproblema de DE
resolvido na seguinte passagem:
NG
Min [a0iPi2 + a1iPi + a2i]Ui
i=1
PiMin Pi PiMax
Max
| fkm | fkm
Aps ser realizado o DE para todo o perodo analisado, o custo de partida adicionado ao
custo operativo das mquinas e as outras restries so verificadas. Caso essas outras restries do
problema no sejam obedecidas, a avaliao ser feita com base na quantidade de restries que
aquele indivduo conseguiu obedecer. Quanto maior o nmero de restries obedecidas, melhor
ser a avaliao do indivduo. Dessa forma, o indivduo que no obedece todas as restries tem
sua avaliao descrita pela Equao (6.2):
6.2.5 Cross-Over
No problema de AUGT, as matrizes de alocao tm grande sensibilidade com relao
s restries que envolvem as variveis X on e X o f f . Com os testes feitos foi constatado que as
tcnicas clssicas de cross-over e mutao, descritas no Captulo 5, no so viveis devido
lentido do processo de busca para sair de mnimos locais ou, em alguns casos, no conseguir sair.
Para reverter esse problema, foi aplicada a tcnica anelar proposta em Pavez-Lazo e Soto-Cartes
(13) para esses operadores.
O cross-over realizado a partir de uma probabilidade de ocorrncia PC onde, primei-
ramente, so escolhidas, de forma aleatria, as unidades u1 e u2 de cada um dos indivduos
selecionados pela roleta. As duas linhas escolhidas contendo os estados operativos de cada uma
das mquinas so transformadas em um anel e logo depois so escolhidos os pontos de corte pc e
o tamanho do semi-anel ts , ambos de forma aleatria. Por fim, o cruzamento pode ser realizado.
Essa tcnica ilustrada na Figura 6.5, onde criado um anel com pc = 22, para a unidade
u1 , e outro com pc = 18, para a unidade u2 . J o tamanho do semi-anel escolhido tem o total de
9h do perodo de operao, ou seja ts = 9.
6.2.6 Mutao
A mutao aplicada no AG proposto utiliza os mesmos princpios de tratamento anelar
que foi utilizado no operador de cross-over. Embora no tenha sido aplicada em Pavez-Lazo e
Soto-Cartes (13), essa tcnica apresentou resultados melhores em relao a mutao clssica de
um ponto.
De forma semelhante ao que foi feito no operador de cross-over, a mutao realizada a
partir de uma probabilidade de ocorrncia PM . Na metodologia proposta, criado um anel com
uma linha contendo os estados operativos de uma unidade, escolhida aleatoriamente. Logo depois
escolhido o ponto de corte pc e o tamanho do semi-anel ts , ambos de forma aleatria. Nesse
Captulo 6. Formulao do Problema e Metodologia Proposta para Soluo 79
semi-anel ser verificado se a maioria dos estados possuem o valor 0 ou 1. Caso a maioria dos
valores sejam 0, a mutao provocar uma espcie de contaminao no semi-anel, modificando
todos os valores para 1 e vice-versa.
Na Figura 6.6 mostrado um exemplo do operador de mutao anelar criado, aplicado a
uma UG que tem o perodo de operao de 8h.
6.2.7 Adaptabilidade
Nesse trabalho foi implementado um processo de adaptabilidade baseado nas observa-
es dos experimentos, onde foi constatada a importncia do operador de mutao em alguns
momentos do processo de busca. Por conta disso, foi utilizada uma tcnica que varia o valor de
PM de acordo com o Grau de Homogeneidade da Populao (GHP).
O GHP mede o quanto os indivduos da populao so semelhantes. A verificao do
mesmo feita a partir de uma frequncia FGHP de geraes, ou seja, analisado se o GHP
ultrapassou o limite estabelecido de homogeneidade LH de forma peridica. Caso esse limite
tenha sido ultrapassado, a probabilidade de ocorrncia do operador de mutao passa de um valor
mnimo inicial PM Min para um valor mximo PMax que ir decaindo a uma taxa T
M XM , a medida
que as geraes vo avanando, at voltar ao valor mnimo inicial.
Essa estratgia promove maior diversidade a populao, alm de evitar que o processo
possa ficar preso em um mnimo local.
83
Captulo 7. Anlise de Resultados 84
O sistema composto por trinta barras, quarenta e uma linhas de transmisso, nove
UGTs, e o perodo de anlise da operao de vinte e quatro horas.
Parmetro Valor
Tamanho da populao 50 indivduos
Tamanho do grupo elite 5 indivduos
Probabilidade de ocorrncia de cross-over 70%
Probabilidade mnima de ocorrncia de mutao 5%
Probabilidade mxima de ocorrncia de mutao 80%
Taxa de decaimento da probabilidade de ocorrncia de mutao 10%
Frequncia de verificao do grau de homogeneidade da populao 20 geraes
Limite de homogeneidade permitido 80%
Nmero mximo de geraes 5000 geraes
Frequncia de realizao de busca local 100 geraes
Para o primeiro caso, onde aplicado o AG proposto para resoluo da PDO no Sistema
Teste 1, os resultados encontrados podem ser vistos na Tabela 7.2.
0, 9
0, 8
fitness
0, 7
0, 6
0, 5
0, 433844
0, 4
0 100 200 300 400 500 600 700 800 900 1000 1100
Geraes
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0
3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Unidades
5 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1
6 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 0
7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora
0, 95
0, 9
0, 85
fitness
0, 8
0, 75
0, 7
0, 658130
0, 65
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Geraes
1 0 0 0 0 1 1 1 0 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1
2 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 1 0 0
3 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0
4 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
5 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
6 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 1 0 1 1 1 0 0
7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0
8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0
9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
10 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
11 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Unidades
12 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
13 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
14 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
15 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0
17 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
18 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
21 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0
22 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
23 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
24 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
25 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
26 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora
Figura 7.4 Alocao final das UGs para o Sistema Teste 2.
Nesse sistema, as UGs 13, 17, 18, 19, 20, 24, 25 e 26 estaro em operao e sero a base
do fornecimento da potncia ativa para o sistema. O restante das unidades, quando em operao,
serviro apenas como complemento para o DE, destacando-se as unidades 1 a 8 e 21 a 24 que
sempre operaro com sua potncia mxima.
No caso dos resultados encontrados para o fluxo de potncia nas linhas de transmisso,
verificou-se que apenas uma linha de transmisso (7 8) atingiu o valor mximo admissvel.
transmisso, logo, os seus limites foram retirados do problema da PDO, sendo a formulao do
problema a seguinte:
NT NG
Min CT = {[a0iPi2(t) + a1iPi(t) + a2i]Ui(t) + [1 Ui(t 1)]CPiUi(t)}
t=1 i=1
s.a: Ui,k (t)Pi,k (t) Lk (t) = 0
PiMin Pi (t) PiMax
NG NB
Ui(t)PiMax
Lk (t) + PR(t)
i=1 k=1
Xion TMLi
of f
Xi TMDi
As curvas que descrevem a evoluo dos valores do fitness no decorrer das geraes para
os casos do AG com e sem adaptao podem ser vistas na Figura 7.5. Essas curvas so oriundas
da melhor soluo encontrada para ambos os casos.
Nas simulaes realizadas, observou-se que, na verso que no utiliza a adaptao, a
busca feita pelo AG atinge sempre o nmero mximo de geraes. J para o AG adaptativo, a
busca interrompida antes da metade desse nmero.
A alocao final das UGs encontrada no melhor resultado pode ser vista na Figura 7.6.
Observa-se que apenas as unidades 1 e 2 operam durante todo o dia, e todas as outras unidades
so requisitadas em momentos diferentes.
A partir dessa alocao, possvel definir o DE do Sistema Teste 3. Esses valores so
encontrados na Tabela A.5 (presente no Apndice A). Para esse sistema, as UGs 1 e 2 estaro
sempre em operao e sero a base do fornecimento da potncia ativa para o sistema, sendo
que a unidade 1 operar sempre com sua potncia mxima. O restante das unidades, quando em
operao, serviro apenas como complemento para o DE, destacando-se as unidades 3 e 4 que
sempre operaro com sua potncia mxima, e as unidades 7, 9 e 10 que sempre operaro com
sua potncia mnima. Outro ponto a se observar que a unidade 10 s requisitada quando a
Captulo 7. Anlise de Resultados 90
1
AG adaptativo
0, 95 AG no-adaptativo
0, 9
0, 85
fitness
0, 8
0, 75
0, 7
0, 65
0, 612471 0, 615475
0, 6
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Geraes
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
3 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
4 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
Unidades
5 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
6 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 0
7 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 1 1 1 0 0
8 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 1 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora
demanda chega ao seu valor mximo do perodo analisado, mostrando que ela, mesmo operando
com sua potncia mnima, melhor do que desligada.
Na Tabela 7.5 so mostrados os principais resultados encontrados na literatura. O mesmo
resultado encontrado no trabalho de Roy e Sarkar (74) foi obtido com a metodologia proposta do
AG adaptativo.
Apesar de a maior diferena econmica ser de apenas $2556, 31, a medida que o nmero
Captulo 7. Anlise de Resultados 91
Metodologia Resultado [ $ ]
Algoritmo Gentico (73) 565825,00
Relaxao Lagrangeana (73) 565825,00
Programao Evolutiva (75) 564551,00
Algoritmo Gentico Baseado nas Caractersticas das UGs (62) 563977,00
Colnia de Formigas (76) 564049,00
Relaxao Lagrangeana Adaptativa (77) 564049,00
Algoritmo Gentico com Codificao Inteira (64) 566494,00
Lista de Prioridades Baseada em um Algoritmo Evolucionrio (78) 563977,00
Enxame de Partculas (79) 563954,00
Simulated Annealing (80) 565828,00
Enxame de Partculas Combinado com Relaxao Lagrangeana (81) 565869,00
Enxame de Partculas Hbrido (82) 563940,00
Enxame de Partculas Baseado em Simulated Annealing (83) 563938,00
Lgica Fuzzy Controlada por Enxame de Patculas (84) 563947,02
Colnia de Vaga-lumes (85) 563938,00
Busca Gravitacional (86) 563938,00
Algoritmo Quasi-oppositional Baseado em Aprendizagem (74) 563937,69
Com essa constatao, o AG adaptativo proposto pde ser aplicado para as resolues
dos problemas da PDO que considerem os limites de rampa e do carregamento do sistema de
transmisso.
Tabela 7.6 Resultados encontrados para o Sistema Teste 1, considerando f Max inativa e ativa.
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0
3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Unidades
5 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
6 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 0
7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora
Figura 7.7 Alocao final das UGs do Sistema Teste 1, desconsiderando o sistema de transmisso.
Tabela 7.7 Resultados encontrados para o Sistema Teste 2, considerando f Max inativa e ativa.
A alocao final das UGs para o Sistema Teste 2, onde as linhas de transmisso so
desconsideradas no problema, mostrada na Figura 7.8 e o seu respectivo DE pode ser visto na
Tabela A.4 (encontrada no Apndice A).
Alocao de Unidades Geradoras
1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
11 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Unidades
12 1 1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
13 1 1 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
14 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
15 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
16 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0
17 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
18 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
21 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
22 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
23 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
24 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
25 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
26 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora
Figura 7.8 Alocao final das UGs do Sistema Teste 2, desconsiderando o sistema de transmisso.
Nesse caso, foi possvel observar que oito UGs ficaram sempre offline, e cinco UGs
permaneceram sempre online. A partir das tabelas de DE, observou-se que, com a retirada
das linhas de transmisso, as oito primeiras unidades deixaram de operar, sendo a primeira
mquina requisitada somente durante 1h; a UG 9 continuou fora de operao; as UGs de 10 16
continuaram com os pontos de operao com seu valor mximo, ou prximo dele, na maior parte
do tempo, sendo que a UG 16 foi mais requisitada; as UGs de 17 20 e de 24 26 passaram a
operar em potncia mxima, na maior parte do tempo; as UGs 21, 22 e 23 operaram, a maior
parte do tempo, prximo das suas potncias mnimas.
Captulo 7. Anlise de Resultados 94
Com a alocao encontrada, mostrada na Figura 7.8, foi feita a anlise para o caso de
o sistema de transmisso ser considerado no modelo e no existir um limite da capacidade das
linhas. O resultado encontrado para essa anlise pode ser visto na Tabela B.4 (encontrada no
Apndice B). Nessa tabela, observa-se que a linha 7 8 tem seu limite extrapolado, podendo
comprometer as linhas, caso essa alocao de mquinas seja utilizada.
Nesta dissertao foi proposta uma metodologia para resoluo do problema da PDO
para sistemas puramente termeltricos. Esse problema foi dividido nos subproblemas de AUGT,
resolvido atravs de um AG adaptativo, e de DE, resolvido pelo MPIPD Preditor-Corretor. Na
anlise realizada foram estudados os casos que levam em conta o sistema de transmisso no
modelo do problema, e um caso clssico que no leva, objetivando validar o algoritmo proposto,
comparando-o com outras metodologias. No total, foram utilizados trs estudos de caso para o
levantamento de performance.
O algoritmo proposto neste trabalho teve o objetivo de minimizar o custo de operao
das UGTs, tendo a preocupao de obedecer todas as restries propostas pelo problema da
PDO.
A pesquisa realizada para verificao do estado-da-arte das tcnicas utilizadas para a
AUG e para o DE mostrou a existncia de diversas formas de resolver o problema, porm
a grande maioria dos casos no utiliza as restries de rampa e a que envolve o sistema de
transmisso. Alm do fato dessas restries precisarem ser amadurecidas, a proposta de criar um
AG robusto e eficiente para a resoluo da PDO, com tais restries, foi a motivao e diferencial
para estudar e desenvolver este trabalho.
O algoritmo criado a partir das tcnicas apresentadas nos Captulos 3, 4 e 5 foi implemen-
tado computacionalmente. O processo foi simulado 10 vezes para cada um dos casos analisados.
Os testes foram realizados nos sistemas testes com 9, 10, e 26 UGs.
Inicialmente, as simulaes foram feitas nos sistemas com 9 e 26 UGs, considerando o
sistema de transmisso, com o objetivo de coletar os melhores resultados e verificar se os mesmos
estavam de acordo com as restries impostas. A validao do algoritmo proposto foi feita com
o sistema teste clssico de 10 UGs, onde o melhor resultado encontrado foi comparado com os
obtidos na literatura especializada. Por ltimo, as simulaes foram realizadas nos sistemas com
9 e 26 UGs para as situaes em que as restries de linha foram retiradas do problema, de modo
a poder fazer a anlise do impacto da introduo do sistema de transmisso no problema. Os
resultados numricos apresentados no Captulo 7 demonstram o desempenho bastante satisfatrio
do algoritmo proposto, mostrando que o AG adaptativo e o MPIPD Preditor-Corretor obtiveram
sucesso para resoluo da AUGT e do DE, respectivamente.
Foi notria a dificuldade em desenvolver um algoritmo para a resoluo do FPO que
reunisse preciso e velocidade. O MPIPD Preditor-Corretor destacou-se por sua robustez no
caso em que o modelo do problema considerava o sistema de transmisso e no caso contrrio.
Mesmo para problemas que envolviam um nmero elevado de restries de desigualdade, o
mtodo convergiu de forma rpida e com boa preciso. Essas restries adicionais ao problema
95
Captulo 8. Concluses 96
reduziram o universo de solues, fazendo com que os valores das melhores solues ficassem
mais altos em relao s solues do problema sem as restries de linha.
A principal vantagem do AG adaptativo criado a forma com que ele consegue sair de
situaes onde a soluo encontra-se estagnada, motivado pela variao da probabilidade de
ocorrncia do operador de mutao e pela busca-local. Esta ltima encontrou solues ainda
melhores quando o processo de busca no conseguia faz-lo apenas variando a probabilidade de
mutao.
Pode-se citar como a principal dificuldade na elaborao desta dissertao a escassez de
trabalhos que utilizem as restries de rampa e dos limites do sistema de transmisso no modelo
do problema da PDO. Apesar disso, os resultados das simulaes apresentam-se coerentes com
o que se espera da operao energtica diria.
O algoritmo desenvolvido demonstrou coerncia na busca pelas solues do problema,
apresentando resultados compatveis com os encontrados na literatura, de maneira que pode-se
afirmar que esta dissertao alcanou satisfatoriamente os objetivos pretendidos.
Utilizao de UGTs baseada em combusto interna para verificao das vantagens das
mesmas em relao s baseadas em combustveis fsseis no problema da PDO;
Elaborao de novas estratgias para obteno da programao final de operao que seja
ainda melhor que a apresentada neste trabalho;
Referncias
4 SILVA, E. L. da. Formao de preos em mercados de energia eltrica. [S.l.]: Sagra Luzzatto,
2001. Citado na pgina 20.
5 FINARDI, E. C.; SILVA, E. L. da. Solving the hydro unit commitment problem via dual
decomposition and sequential quadratic programming. IEEE transactions on Power Systems,
IEEE, v. 21, n. 2, p. 835844, 2006. Citado na pgina 20.
6 FINARDI, E. C.; SCUZZIATO, M. R. Hydro unit commitment and loading problem for
day-ahead operation planning problem. International Journal of Electrical Power & Energy
Systems, Elsevier, v. 44, n. 1, p. 716, 2013. Citado na pgina 20.
7 WOOD, A. J.; WOLLENBERG, B. F. Power generation, operation, and control. [S.l.]: John
Wiley & Sons, 2012. Citado 4 vezes nas pginas 21, 29, 33 e 34.
9 SUN, D. I. et al. Optimal power flow by newton approach. power apparatus and systems,
ieee transactions on, IEEE, n. 10, p. 28642880, 1984. Citado na pgina 21.
10 CARVALHO, M. F.; SOARES, S.; OHISHI, T. Optimal active power dispatch by network
flow approach. Power Systems, IEEE Transactions on, IEEE, v. 3, n. 4, p. 16401647, 1988.
Citado 3 vezes nas pginas 21, 39 e 61.
12 LINDEN, R. Algoritmos genticos (3a ediao). [S.l.]: Editora Cincia Moderna, 2012.
Citado 4 vezes nas pginas 21, 64, 65 e 72.
14 VALENZUELA, J.; SMITH, A. E. A seeded memetic algorithm for large unit commitment
problems. Journal of Heuristics, Springer, v. 8, n. 2, p. 173195, 2002. Citado 4 vezes nas
pginas 22, 33, 62 e 80.
28 NOCEDAL, J.; WRIGHT, S. Numerical optimization. [S.l.]: Springer Science & Business
Media, 2006. Citado 3 vezes nas pginas 41, 44 e 49.
29 VANDERBEI, R. J. et al. Linear programming. [S.l.]: Springer, 2015. Citado na pgina 41.
Referncias 99
35 LIN, C.; VIVIANI, G. Hierarchical economic dispatch for piecewise quadratic cost functions.
IEEE Transactions on Power Apparatus and Systems, IEEE, n. 6, p. 11701175, 1984. Citado
na pgina 61.
36 GRANELLI, G. et al. Fast and efficient gradient projection algorithm for dynamic generation
dispatching. In: IET. IEE Proceedings C-Generation, Transmission and Distribution. [S.l.], 1989.
v. 136, n. 5, p. 295302. Citado na pgina 61.
38 WONG, K.; FUNG, C. Simulated annealing based economic dispatch algorithm. In: IET.
IEE Proceedings C-Generation, Transmission and Distribution. [S.l.], 1993. v. 140, n. 6, p.
509515. Citado na pgina 61.
39 CHEN, P.-H.; CHANG, H.-C. Large-scale economic dispatch by genetic algorithm. IEEE
transactions on power systems, IEEE, v. 10, n. 4, p. 19191926, 1995. Citado na pgina 61.
40 SONG, H.; CHOU, C. S. V.; MIN, Y. Large-scale economic dispatch by artificial ant colony
search algorithms. Electric Machines &Power Systems, Taylor & Francis, v. 27, n. 7, p. 679690,
1999. Citado na pgina 61.
41 GAING, Z.-L. Particle swarm optimization to solving the economic dispatch considering
the generator constraints. IEEE transactions on power systems, IEEE, v. 18, n. 3, p. 11871195,
2003. Citado na pgina 61.
44 KERR, R. H. et al. Unit commitment. IEEE Transactions on Power Apparatus and Systems,
IEEE, n. 5, p. 417421, 1966. Citado na pgina 61.
Referncias 100
45 HARA, K.; KIMURA, M.; HONDA, N. A method for planning economic unit commitment
and maintenance of thermal power systems. IEEE Transactions on Power Apparatus and Systems,
v. 5, n. PAS-85, p. 427436, 1966. Citado na pgina 61.
52 SISWORAHARDJO, N.; EL-KEIB, A. Unit commitment using the ant colony search algo-
rithm. In: IEEE. Power Engineering 2002 Large Engineering Systems Conference on, LESCOPE
02. [S.l.], 2002. p. 26. Citado na pgina 62.
53 GAING, Z.-L. Discrete particle swarm optimization algorithm for unit commitment. In:
IEEE. Power Engineering Society General Meeting, 2003, IEEE. [S.l.], 2003. v. 1. Citado na
pgina 62.
55 SEN, S.; KOTHARI, D. Optimal thermal generating unit commitment: a review. Interna-
tional Journal of Electrical Power & Energy Systems, Elsevier, v. 20, n. 7, p. 443451, 1998.
Citado na pgina 62.
62 SENJYU, T. et al. A unit commitment problem by using genetic algorithm based on unit
characteristic classification. In: IEEE. Power Engineering Society Winter Meeting, 2002. IEEE.
[S.l.], 2002. v. 1, p. 5863. Citado 2 vezes nas pginas 62 e 91.
68 MA, H.; SHAHIDEHPOUR, S. Unit commitment with transmission security and voltage
constraints. IEEE transactions on power systems, IEEE, v. 14, n. 2, p. 757764, 1999. Citado 2
vezes nas pginas 63 e 84.
70 HAUPT, R. L.; HAUPT, S. E. Practical genetic algorithms. [S.l.]: John Wiley & Sons, 2004.
Citado na pgina 64.
73 KAZARLIS, S. A.; BAKIRTZIS, A.; PETRIDIS, V. A genetic algorithm solution to the unit
commitment problem. IEEE transactions on power systems, IEEE, v. 11, n. 1, p. 8392, 1996.
Citado 3 vezes nas pginas 84, 91 e 120.
76 SUM-IM, T.; ONGSAKUL, W. Ant colony search algorithm for unit commitment. In: IEEE.
Industrial Technology, 2003 IEEE International Conference on. [S.l.], 2003. v. 1, p. 7277.
Citado na pgina 91.
79 ZHAO, B. et al. An improved particle swarm optimization algorithm for unit commitment.
International Journal of Electrical Power & Energy Systems, Elsevier, v. 28, n. 7, p. 482490,
2006. Citado na pgina 91.
82 TING, T.; RAO, M.; LOO, C. A novel approach for unit commitment problem via an
effective hybrid particle swarm optimization. IEEE Transactions on Power Systems, IEEE, v. 21,
n. 1, p. 411418, 2006. Citado na pgina 91.
83 SADATI, N.; HAJIAN, M.; ZAMANI, M. Unit commitment using particle swarm-based-
simulated annealing optimization approach. In: IEEE. 2007 IEEE Swarm Intelligence Symposium.
[S.l.], 2007. p. 297302. Citado na pgina 91.
104
Sistema Teste 1
Na Tabela A.1 apresentado o DE do Sistema Teste 1, onde foi considerado o sistema de transmisso.
Horas
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 118,26 107,71 101,04 93,99 129,00 129,00 104,37 118,12 96,96 114,15 118,74 122,00 118,74 114,15 112,19 112,19 122,00 122,97 120,44 116,61 130,82 124,76 112,19 126,00
2 87,02 80,16 75,82 71,23 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 90,08 88,43 85,95 95,18 91,24 0,00 0,00
3 75,60 70,47 66,94 63,22 76,00 76,00 68,70 75,84 64,79 73,87 75,90 76,00 75,90 73,87 72,84 72,84 76,00 75,98 75,88 75,18 76,00 76,00 72,84 76,00
4 74,12 68,66 65,20 61,56 76,00 76,00 66,93 74,04 63,10 71,99 74,36 76,00 74,36 71,99 70,97 70,97 76,00 75,96 75,24 73,26 76,00 76,00 70,97 76,00
UGT
5 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 89,15 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 0,00 0,00 90,00 90,00
6 0,00 0,00 0,00 0,00 0,00 0,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 0,00 0,00 0,00 50,00 50,00 50,00 0,00
7 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
9 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
Na Tabela A.2 apresentado o DE do Sistema Teste 1, onde no foi considerado o sistema de transmisso.
Tabela A.2 Despacho econmico do Sistema Teste 1, desconsiderando o sistema de transmisso [MW].
Horas
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00
2 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 25,00 48,00 43,00 34,00 0,00 0,00 0,00 0,00
3 76,00 75,04 65,94 56,34 64,43 64,43 68,98 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00
4 76,00 71,96 63,06 53,66 61,57 61,57 66,02 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00
UGT
5 48,00 25,00 25,00 25,00 0,00 0,00 0,00 0,00 47,00 83,00 92,00 97,00 92,00 83,00 79,00 79,00 82,00 100,00 100,00 100,00 100,00 100,00 79,00 61,00
6 0,00 0,00 0,00 0,00 0,00 0,00 0,00 11,00 10,00 10,00 10,00 10,00 10,00 10,00 10,00 10,00 0,00 0,00 0,00 0,00 21,00 11,00 10,00 0,00
7 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
9 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
Sistema Teste 2
Na Tabela A.3 apresentado o DE do Sistema Teste 2, onde foi considerado o sistema de transmisso.
13 75,99 76,00 75,98 75,99 76,00 76,00 75,97 75,31 75,30 75,10 74,51 74,56 74,56 72,47 74,87 74,95 68,33 75,86 75,73 75,67 75,43 75,62 75,47 76,00
14 0,00 0,00 0,00 0,00 0,00 0,00 0,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 93,26 93,00 92,55 93,31 94,10 100,00 0,00 0,00
15 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 95,38 95,12 94,66 95,44 96,25 100,00 100,00 100,00
16 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 98,20 97,85 97,44 98,09 98,68 0,00 0,00 0,00
17 132,39 135,86 131,23 132,39 136,78 135,86 134,13 128,21 127,96 127,52 126,47 126,43 126,43 122,23 127,10 127,32 113,90 129,87 128,88 129,32 128,87 128,97 131,77 135,62
18 128,44 131,84 127,31 128,44 132,74 131,84 130,14 124,35 124,11 123,68 122,65 122,61 122,61 118,50 123,26 123,48 110,34 125,97 125,01 125,44 125,00 125,09 127,83 131,61
19 125,40 128,74 124,29 125,40 129,63 128,74 127,08 121,38 121,14 120,72 119,71 119,67 119,67 115,63 120,31 120,52 107,61 122,98 122,02 122,45 122,02 122,11 124,80 128,52
20 123,19 126,49 122,09 123,19 127,37 126,49 124,84 119,22 118,98 118,56 117,57 117,53 117,53 113,53 118,16 118,37 105,61 120,79 119,85 120,28 119,85 119,94 122,60 126,27
21 0,00 0,00 0,00 0,00 0,00 0,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
22 0,00 0,00 0,00 0,00 0,00 0,00 0,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 0,00
23 0,00 0,00 0,00 0,00 0,00 0,00 0,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 197,00 0,00
24 350,00 350,00 350,00 350,00 350,00 350,00 350,00 349,99 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00
25 345,43 353,70 342,68 345,43 355,91 353,70 349,58 335,46 334,87 333,82 331,31 331,21 331,21 321,19 332,81 333,33 301,30 339,41 337,05 338,12 337,04 337,26 343,94 353,15
26 343,15 351,38 340,41 343,15 353,57 351,38 347,28 333,22 332,64 331,59 329,10 329,00 329,00 319,03 330,59 331,11 299,25 337,16 334,81 335,87 334,80 335,02 341,67 350,83
Na Tabela A.4 apresentado o DE do Sistema Teste 2, onde no foi considerado o sistema de transmisso.
Tabela A.4 Despacho econmico do Sistema Teste 2, desconsiderando o sistema de transmisso [MW].
Horas
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 2,40 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
2 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
3 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
4 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
5 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
6 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
7 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
9 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
10 0,00 0,00 0,00 0,00 0,00 0,00 0,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00
11 0,00 0,00 0,00 0,00 0,00 0,00 53,83 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 71,16
12 15,20 15,20 0,00 0,00 0,00 15,20 38,27 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 55,31
UGT
13 15,20 15,20 0,00 0,00 0,00 0,00 0,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 76,00 64,10 39,63
14 0,00 0,00 0,00 0,00 0,00 0,00 0,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 0,00 0,00
15 0,00 0,00 0,00 0,00 0,00 0,00 0,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 94,15 100,00 100,00 100,00 0,00 0,00
16 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 59,15 100,00 100,00 100,00 100,00 69,15 100,00 100,00 69,15 49,15 25,00 69,15 100,00 68,10 0,00 0,00
17 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00
18 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00
19 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 0,00
20 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 155,00 0,00
21 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 68,95 88,10 158,10 78,10 78,10 68,95 108,10 138,10 68,95 68,95 68,95 68,95 88,10 0,00 0,00 0,00
22 0,00 0,00 68,95 68,95 68,95 68,95 68,95 84,65 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95
23 0,00 0,00 0,00 0,00 0,00 0,00 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95 68,95
24 249,60 279,60 201,05 211,05 261,05 345,85 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00 350,00
25 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00
26 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00 400,00
Sistema Teste 3
Na Tabela A.5 apresentado o DE do Sistema Teste 3, utilizado para validao do AG adaptativo proposto.
Horas
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455 455
2 245 295 370 455 390 360 410 455 455 455 455 455 455 455 455 310 260 360 455 455 455 455 425 345
3 0 0 0 0 0 130 130 130 130 130 130 130 130 130 130 130 130 130 130 130 130 0 0 0
4 0 0 0 0 130 130 130 130 130 130 130 130 130 130 130 130 130 130 130 130 130 0 0 0
UGT
109
ANEXO A Dados dos Sistemas Testes
Neste anexo so apresentados os dados dos sistemas testes utilizados neste trabalho.
Assim, sero apresentados os seguintes dados:
114
ANEXO A. Dados dos Sistemas Testes 115
Sistema Teste 1
Sistema Teste 2
Tabela A.9 Limites de fluxo de potncia das linhas de transmisso do Sistema Teste 2.
Sistema Teste 3
Tabela A.10 Demanda e reserva girante do Sistema Teste 3.
q f
UGT PMax PMin a0 a1 a2 TML TMD CP CP X0
[MW] [MW] [$/MW2 h] [$/MWh] [$/h] [h] [h] [$] [$] [h] [h]
1 455 150 0,00048 16,19 1000 8 8 4500 9000 5 8
2 455 150 0,00031 17,26 970 8 8 5000 10000 5 8
3 130 20 0,00200 16,60 700 5 5 550 1100 4 -5
4 130 20 0,00211 16,50 680 5 5 560 1120 4 -5
5 162 25 0,00398 19,70 450 6 6 900 1800 4 -6
6 80 20 0,00712 22,26 370 3 3 170 340 2 -3
7 85 25 0,00079 27,74 480 3 3 260 520 2 -3
8 55 10 0,00413 25,92 660 1 1 30 60 0 -1
9 55 10 0,00222 27,27 665 1 1 30 60 0 -1
10 55 10 0,00173 27,79 670 1 1 30 60 0 -1
X : Condio inicial de operao da UGT, onde (+) online e (-) offline. Fonte: Kazarlis, Bakirtzis e Petridis(73)
0