Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Freire, Rene Cruz
Orientador(a): Ferreira, Vitor Hugo
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Niterói
País: Não Informado pela instituição
Link de acesso: https://app.uff.br/riuff/handle/1/3927
Resumo: Um dos temas de alta relevância para a sociedade atual é a qualidade do suprimento de energia elétrica, que deve ser ininterrupto, seguro e econômico. Para tal, é primordial que o sistema de potência esteja preparado para um possível defeito de algum equipamento da rede, mantendo a operação dentro dos patamares seguros, evitando os blecautes e todas as suas consequências para a sociedade. Isso pode ser feito através do redespacho das unidades geradoras, de modo a encontrar um ponto de operação que concilie segurança e economicidade, dois objetivos conflitantes, enquanto busca se afastar o mínimo possível do ponto de operação previamente estabelecido, via planejamento eletroenergético, para o sistema de potência em questão. Trata-se de uma abordagem multiobjetiva do Fluxo de Potência Ótimo com Restrições de Segurança (FPORS) que pode ser solucionada com uma abordagem de Computação Evolucionária (CE) com viés multiobjetivo. Neste trabalho, foram implementadas e comparadas duas meta-heurísticas evolutivas multiobjetivo: Nondominated Sorting Genetic Algorithm II (NSGA-II) e o Multi-objective Evolutionary Particle Swarm Optimization (MOEPSO). Os resultados dessas heurísticas também foram comparados com a abordagem mono-objetivo do mesmo problema. Os algoritmos foram implementados no MATLAB® e testados em um sistema-teste que simula as condições do Sistema Interligado Nacional (SIN). As heurísticas multiobjetivo foram comparadas através da metodologia de análise da Fronteira de Pareto (FP), onde é analisado qual método concilia melhor os objetivos de economia e segurança. Na primeira análise o NSGA-II saiu-se melhor, entretanto após a implementação de melhorias no algoritmo, o MOEPSO mostrou desempenho superior na segunda análise. Nas duas análises, o viés multiobjetivo mostrou-se superior ao mono-objetivo, na comparação através do critério de agregação de objetivos. Em relação ao tempo de simulação de cada método, o MOEPSO foi superior na primeira análise, já na segunda análise foi implementado um refinamento baseado no Fluxo de Potência Linearizado no FPORS, que baixou o tempo de simulação das duas heurísticas multiobjetivas em comparação com a primeira análise, e o MOEPSO teve o menor tempo de simulação. Na comparação com o viés mono-objetivo, apenas o NSGA-II teve tempo médio de simulação maior que o método mono-objetivo na primeira análise. Na segunda análise, todas as heurísticas multiobjetivo possuíam tempo de simulação menores que o método mono-objetivo.
id UFF-2_bc4865275eabc89ed0e26228bd690b5a
oai_identifier_str oai:app.uff.br:1/3927
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str
spelling Freire, Rene CruzSouza, Julio Cesar Stacchini deBorges, Carmen Lucia TancredoFerreira, Vitor Hugo2017-06-29T16:38:47Z2017-06-29T16:38:47Z2016https://app.uff.br/riuff/handle/1/3927Aluno de MestradoUm dos temas de alta relevância para a sociedade atual é a qualidade do suprimento de energia elétrica, que deve ser ininterrupto, seguro e econômico. Para tal, é primordial que o sistema de potência esteja preparado para um possível defeito de algum equipamento da rede, mantendo a operação dentro dos patamares seguros, evitando os blecautes e todas as suas consequências para a sociedade. Isso pode ser feito através do redespacho das unidades geradoras, de modo a encontrar um ponto de operação que concilie segurança e economicidade, dois objetivos conflitantes, enquanto busca se afastar o mínimo possível do ponto de operação previamente estabelecido, via planejamento eletroenergético, para o sistema de potência em questão. Trata-se de uma abordagem multiobjetiva do Fluxo de Potência Ótimo com Restrições de Segurança (FPORS) que pode ser solucionada com uma abordagem de Computação Evolucionária (CE) com viés multiobjetivo. Neste trabalho, foram implementadas e comparadas duas meta-heurísticas evolutivas multiobjetivo: Nondominated Sorting Genetic Algorithm II (NSGA-II) e o Multi-objective Evolutionary Particle Swarm Optimization (MOEPSO). Os resultados dessas heurísticas também foram comparados com a abordagem mono-objetivo do mesmo problema. Os algoritmos foram implementados no MATLAB® e testados em um sistema-teste que simula as condições do Sistema Interligado Nacional (SIN). As heurísticas multiobjetivo foram comparadas através da metodologia de análise da Fronteira de Pareto (FP), onde é analisado qual método concilia melhor os objetivos de economia e segurança. Na primeira análise o NSGA-II saiu-se melhor, entretanto após a implementação de melhorias no algoritmo, o MOEPSO mostrou desempenho superior na segunda análise. Nas duas análises, o viés multiobjetivo mostrou-se superior ao mono-objetivo, na comparação através do critério de agregação de objetivos. Em relação ao tempo de simulação de cada método, o MOEPSO foi superior na primeira análise, já na segunda análise foi implementado um refinamento baseado no Fluxo de Potência Linearizado no FPORS, que baixou o tempo de simulação das duas heurísticas multiobjetivas em comparação com a primeira análise, e o MOEPSO teve o menor tempo de simulação. Na comparação com o viés mono-objetivo, apenas o NSGA-II teve tempo médio de simulação maior que o método mono-objetivo na primeira análise. Na segunda análise, todas as heurísticas multiobjetivo possuíam tempo de simulação menores que o método mono-objetivo.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorOne of the topics of high relevance to the today’s society is the quality of electric power supply, which must be uninterrupted, safe and economical. To this end, it is essential that the power system be prepared for a possible defect of some equipment from the network while maintaining operation within safe levels, avoiding blackouts and all its consequences for society. This can be done by redispatch of generating units, in order to find an operation point which conciliate security and economy, two conflicting objectives, while seeking to depart as little as possible of the operation point previously established in the energy planning for the power system in question. This is a multi-objective approach to Security Constrained Optimal Power Flow (SCOPF) that can be solved with an approach of Evolutionary Computation with multi-objective bias. In this work we were implemented and compared two multi-objective evolutionary meta-heuristics: Nondominated Sorting Genetic Algorithm II (NSGA-II) and Multi-objective Evolutionary Particle Swarm Optimization (MOEPSO). The results of these heuristics were also compared with mono-objective approach to the same problem. The algorithms were implemented in MATLAB® and tested in a test-case that simulates the conditions of the Brazilian Sistema Interligado Nacional (National Interconnected System). The multi-objective heuristics were compared using the analysis methodology of the Pareto Frontier, where is analyzed which method is better to conciliate the economy and security objectives. In the first analysis the NSGA-II fared better, but after the implementation of improvements in the algorithm, the MOEPSO showed superior performance in the second analisys. In both analyzes, the multi-objective bias was superior to the mono-objective bias, in the comparison through objectives aggregation criteria. Concerning the simulation time of each method, the MOEPSO was superior in the first analysis, but in the second analysis was implemented a refinement based on DC Load Flow, which lowered the simulation time of the two multi-objective heuristics compared with the first analysis, and the MOEPSO had the shortest time simulation. Compared to the mono-objective bias, only the NSGA-II had an average time simulation greater than the mono-objective method in the first analysis. In the second analysis, all multi-objectives heuristics had simulation time smaller than the mono-objective method.CC-BY-SAinfo:eu-repo/semantics/openAccessOtimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurançainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisFluxo de potência ótimo com restrições de segurançaDespacho seguro e econômicoOtimização natural multiobjetivoMeta-heurísticas evolutivasSistema elétrico de potênciaAlgoritmoSecurity constrained optimal power flowSafe and economic dispatchMulti-objective natural optimizationEvolutionary metaheuristicsmestrado acadêmicoUniversidade Federal FluminenseEscola de EngenhariaPrograma de Pós-Graduação em Engenharia Elétrica e de Telecomunicações2016-07-25Niterói, RJNiteróiporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFFORIGINALRene_Cruz_Freire.pdfRene_Cruz_Freire.pdfapplication/pdf5170376https://app.uff.br/riuff/bitstream/1/3927/1/Rene_Cruz_Freire.pdf8c6b6dd8986d23b53ae99ba90dd69ef5MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://app.uff.br/riuff/bitstream/1/3927/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTRene_Cruz_Freire.pdf.txtRene_Cruz_Freire.pdf.txtExtracted texttext/plain330606https://app.uff.br/riuff/bitstream/1/3927/3/Rene_Cruz_Freire.pdf.txt5d529174ebd60c7478ea12be9c4fbe5fMD531/39272022-10-26 09:43:19.682oai:app.uff.br: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Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202022-10-26T12:43:19Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.pt_BR.fl_str_mv Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança
title Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança
spellingShingle Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança
Freire, Rene Cruz
Fluxo de potência ótimo com restrições de segurança
Despacho seguro e econômico
Otimização natural multiobjetivo
Meta-heurísticas evolutivas
Sistema elétrico de potência
Algoritmo
Security constrained optimal power flow
Safe and economic dispatch
Multi-objective natural optimization
Evolutionary metaheuristics
title_short Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança
title_full Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança
title_fullStr Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança
title_full_unstemmed Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança
title_sort Otimização natural multiobjetivo como ferramenta para desvio mínimo de pontos de operação considerando restrições de segurança
author Freire, Rene Cruz
author_facet Freire, Rene Cruz
author_role author
dc.contributor.members.none.fl_str_mv Souza, Julio Cesar Stacchini de
Borges, Carmen Lucia Tancredo
dc.contributor.author.fl_str_mv Freire, Rene Cruz
dc.contributor.advisor1.fl_str_mv Ferreira, Vitor Hugo
contributor_str_mv Ferreira, Vitor Hugo
dc.subject.keyword.pt_BR.fl_str_mv Fluxo de potência ótimo com restrições de segurança
Despacho seguro e econômico
Otimização natural multiobjetivo
Meta-heurísticas evolutivas
topic Fluxo de potência ótimo com restrições de segurança
Despacho seguro e econômico
Otimização natural multiobjetivo
Meta-heurísticas evolutivas
Sistema elétrico de potência
Algoritmo
Security constrained optimal power flow
Safe and economic dispatch
Multi-objective natural optimization
Evolutionary metaheuristics
dc.subject.descriptor.pt_BR.fl_str_mv Sistema elétrico de potência
Algoritmo
dc.subject.keywordother.pt_BR.fl_str_mv Security constrained optimal power flow
Safe and economic dispatch
Multi-objective natural optimization
Evolutionary metaheuristics
description Um dos temas de alta relevância para a sociedade atual é a qualidade do suprimento de energia elétrica, que deve ser ininterrupto, seguro e econômico. Para tal, é primordial que o sistema de potência esteja preparado para um possível defeito de algum equipamento da rede, mantendo a operação dentro dos patamares seguros, evitando os blecautes e todas as suas consequências para a sociedade. Isso pode ser feito através do redespacho das unidades geradoras, de modo a encontrar um ponto de operação que concilie segurança e economicidade, dois objetivos conflitantes, enquanto busca se afastar o mínimo possível do ponto de operação previamente estabelecido, via planejamento eletroenergético, para o sistema de potência em questão. Trata-se de uma abordagem multiobjetiva do Fluxo de Potência Ótimo com Restrições de Segurança (FPORS) que pode ser solucionada com uma abordagem de Computação Evolucionária (CE) com viés multiobjetivo. Neste trabalho, foram implementadas e comparadas duas meta-heurísticas evolutivas multiobjetivo: Nondominated Sorting Genetic Algorithm II (NSGA-II) e o Multi-objective Evolutionary Particle Swarm Optimization (MOEPSO). Os resultados dessas heurísticas também foram comparados com a abordagem mono-objetivo do mesmo problema. Os algoritmos foram implementados no MATLAB® e testados em um sistema-teste que simula as condições do Sistema Interligado Nacional (SIN). As heurísticas multiobjetivo foram comparadas através da metodologia de análise da Fronteira de Pareto (FP), onde é analisado qual método concilia melhor os objetivos de economia e segurança. Na primeira análise o NSGA-II saiu-se melhor, entretanto após a implementação de melhorias no algoritmo, o MOEPSO mostrou desempenho superior na segunda análise. Nas duas análises, o viés multiobjetivo mostrou-se superior ao mono-objetivo, na comparação através do critério de agregação de objetivos. Em relação ao tempo de simulação de cada método, o MOEPSO foi superior na primeira análise, já na segunda análise foi implementado um refinamento baseado no Fluxo de Potência Linearizado no FPORS, que baixou o tempo de simulação das duas heurísticas multiobjetivas em comparação com a primeira análise, e o MOEPSO teve o menor tempo de simulação. Na comparação com o viés mono-objetivo, apenas o NSGA-II teve tempo médio de simulação maior que o método mono-objetivo na primeira análise. Na segunda análise, todas as heurísticas multiobjetivo possuíam tempo de simulação menores que o método mono-objetivo.
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2017-06-29T16:38:47Z
dc.date.available.fl_str_mv 2017-06-29T16:38:47Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://app.uff.br/riuff/handle/1/3927
dc.identifier.vinculation.pt_BR.fl_str_mv Aluno de Mestrado
url https://app.uff.br/riuff/handle/1/3927
identifier_str_mv Aluno de Mestrado
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.publisher.department.fl_str_mv Niterói
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
bitstream.url.fl_str_mv https://app.uff.br/riuff/bitstream/1/3927/1/Rene_Cruz_Freire.pdf
https://app.uff.br/riuff/bitstream/1/3927/2/license.txt
https://app.uff.br/riuff/bitstream/1/3927/3/Rene_Cruz_Freire.pdf.txt
bitstream.checksum.fl_str_mv 8c6b6dd8986d23b53ae99ba90dd69ef5
8a4605be74aa9ea9d79846c1fba20a33
5d529174ebd60c7478ea12be9c4fbe5f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1882027977522282496