Alocação de Banco de capacitores em sistemas radias de distribuição para minimização das perdas elétrica utilizando algoritmos genéticos
Por: Rodrigo Silva • 14/5/2018 • Relatório de pesquisa • 1.136 Palavras (5 Páginas) • 266 Visualizações
ALOCAÇÃO DE BANCO DE CAPACITORES EM SISTEMAS RADIAIS DE DISTRIBUIÇÃO PARA MINIMIZAÇÃO DAS PERDAS ELÉTRICAS UTILIZANDO ALGORITMOS GENÉTICOS
Rodrigo Gonçalves Silva1, Hugo Xavier Rocha2
1Discente do Curso de Engenharia Elétrica do Instituto Federal de Goiás - Campus Itumbiara.*rodrigo95silva@hotmail.com; 2Docente do Curso de Engenharia Elétrica do Instituto Federal de Goiás - Campus Itumbiara.
PALAVRAS-CHAVE: Capacitores. Algoritmos Genéticos.
INTRODUÇÃO
Capacitores são fontes de energia reativa. Os objetivos de sua aplicação em sistemas de potência é a compensação de energias reativas produzidas por cargas indutivas ou reatâncias de linhas. Quando adequadamente utilizados, permitem a obtenção de um conjunto de benefícios correlatos que incluem a redução de perdas de energia, correção dos perfis de tensões, controle dos fluxos de potência, melhoria do fator de potência e aumento da capacidade dos sistemas [1]. Este trabalho propõe uma metodologia, baseada em algoritmos genéticos, para o problema da alocação de banco de capacitores em redes de distribuição radiais, a fim de minimizar as perdas elétricas.
METODOLOGIA
O algoritmo genético desenvolvido para a solução do problema, foi realizado através dos seguintes passos:
1. Processo de Codificação
Neste trabalho, a codificação dos indivíduos foi realizada através de números inteiros. Estes números representam os índices associados com os valores nominais dos bancos capacitores disponíveis de acordo com a tabela 1:
TABELA 1
EXEMPLO DE VALORES DE CAPACITORES DISPONÍVEIS
Índice | Cap.(KVAr) | Cap. (pu) |
0 | 0 | 0 |
1 | 300 | 0.3 |
2 | 600 | 0.6 |
3 | 1200 | 1.2 |
Obs.: Os valores em pu destes bancos de capacitores, assim como os todos os valores relativos a potência citados ao longo do trabalho tem como potência base igual a 1MVA.
2. População Inicial
A população de um algoritmo genético é um conjunto de possíveis soluções para um determinado problema. Neste trabalho, a população inicial foi gerada de maneira aleatória. O exemplo de um cromossomo gerado a partir dos índices da Tabela 1 pode ser visto na Fig.1:
0 | 3 | 3 | 1 | 2 | 0 | 2 | 2 | 0 | 1 |
Fig. 1. Exemplo de um indivíduo de uma população
3. Operadores Genéticos
Para realizar o crossover (cruzamento), são selecionados 2 genitores. Cada genitor é selecionado por um torneio, onde são escolhidos 3 indivíduos de forma aleatória, e dentre estes é escolhido o indivíduo melhor avaliado. Neste trabalho foi utilizado o cruzamento de dois pontos, podemos ver exemplo deste método na Fig.2:
Indivíduo 1 | 3 | 1 | 0 | 2 | 0 | 3 | 0 | 2 | 0 | 1 |
Indivíduo 2 | 1 | 0 | 0 | 2 | 2 | 1 | 3 | 0 | 1 | 1 |
Filho 1 | 3 | 1 | 0 | 2 | 2 | 3 | 0 | 2 | 0 | 1 |
Filho 2 | 1 | 0 | 0 | 2 | 0 | 1 | 3 | 0 | 1 | 1 |
Fig. 2. Exemplo de cruzamento de dois pontos
Para realizar a mutação, é selecionado um indivíduo, e a partir dele esta operação altera a posição de dois genes deste cromossomo, invertendo-os. Um exemplo pode ser visto na Fig3:
1 | 0 | 3 | 2 | 0 | 2 | 1 | 3 | 3 | 0 |
1 | 1 | 3 | 2 | 0 | 2 | 0 | 3 | 3 | 0 |
Fig. 3. Exemplo de cruzamento de dois pontos
4. Avaliação do Sistema
Para realizar a avaliação dos indivíduos, foi utilizado o método para o cálculo do fluxo de potência backward forward sweep [2], a fim de obter o valor das correntes de linha do sistema de distribuição de energia ao alocar banco de capacitores nas barras e com isso variando a potência reativa nas mesmas. Após obtido os valores de corrente de linha, podemos obter as perdas utilizando a equação (4.1):
(4.1)[pic 2]
RESULTADOS E DISCUSSÃO
Ao final das simulações, foi verificado uma diminuição significativa nas perdas elétricas do sistema, sendo que o sistema original, sem nenhum banco de capacitor instalado tem perdas em torno de 0.662 pu ou 662 KW. Na Tabela 2, temos a partir de uma das simulações os 10 melhores cromossomos avaliados de um população total de 50 cromossomos após 12 gerações.
TABELA 2
EXEMPLO DE RESULTADOS OBTIDOS A PARTIR DE UMA DAS SIMULAÇÕES
0 | 3 | 0 | 2 | 3 | 2 | 1 | 2 | 2 | 3 | 325 |
0 | 2 | 1 | 2 | 3 | 2 | 1 | 2 | 2 | 2 | 327 |
0 | 2 | 1 | 2 | 1 | 3 | 1 | 2 | 2 | 2 | 328 |
2 | 2 | 1 | 2 | 2 | 3 | 1 | 2 | 1 | 3 | 329 |
2 | 2 | 0 | 2 | 1 | 3 | 1 | 2 | 2 | 2 | 330 |
0 | 2 | 0 | 2 | 2 | 3 | 1 | 2 | 1 | 2 | 333 |
2 | 2 | 2 | 1 | 3 | 2 | 1 | 2 | 1 | 3 | 342 |
3 | 3 | 0 | 2 | 3 | 2 | 1 | 3 | 1 | 2 | 348 |
0 | 2 | 0 | 2 | 1 | 3 | 3 | 2 | 2 | 2 | 355 |
0 | 3 | 1 | 2 | 3 | 2 | 1 | 3 | 3 | 3 | 376 |
...