Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Silva, Vinicius Gomes da
Orientador(a): Finardi, Erlon Cristian
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: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/263657
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2024.
id UFSC_75ca77f13d7c2c6fdbdc37c33f8074e9
oai_identifier_str oai:repositorio.ufsc.br:123456789/263657
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaSilva, Vinicius Gomes daFinardi, Erlon CristianSantos, Erika Pequeno dos2025-02-27T23:23:40Z2025-02-27T23:23:40Z2024390268https://repositorio.ufsc.br/handle/123456789/263657Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2024.O Método de Monte Carlo Sequencial é comumente utilizado para a modelagem e simulação de sistemas complexos, especialmente na avaliação de incertezas e na estimativa de índices de confiabilidade. O algoritmo clássico do Método de Monte Carlo Sequencial é caracterizado por três etapas essenciais, a saber, amostrar os estados, avaliar estados e estimar índices, que formam a base do processo. No entanto, a evolução dos modelos utilizados dentro dessas etapas é crucial para aprimorar a precisão e a aplicabilidade dos resultados obtidos. Este trabalho tem como foco a fase de amostragem do Método de Monte Carlo Sequencial ao incorporar um modelo mais detalhado e representativo na composição dos estados para a avaliação e estimativa de índices, visando a ampliação de detalhes na gestão dos recursos hídricos. Modelos de otimização são fundamentais para encontrar solução ótima de um problema de minimização ou maximização, podendo ou não ter restrições. Estes detalhes conduzem à definição de um novo problema que permita uma representação mais fidedigna das variáveis e dos processos envolvidos, em particular, na gestão de reservatórios, considerando a disponibilidade de água, para prever a geração. Embora a geração hídrica dependa diretamente da disponibilidade de água, os modelos mais comuns utilizados para amostrar cenários costumam empregar métodos proporcionais. Esses métodos definem a geração com base em um percentil fixo numa janela temporal mensal, refletindo a disponibilidade de energia. Contudo, existem outros métodos que permitem uma modelagem mais precisa da limitação dos recursos em termos de energia disponível, como aqueles que utilizam heurísticas. Embora essa abordagem represente de maneira mais adequada as características energéticas do sistema, frequentemente não leva em conta a disponibilidade real de recursos hídricos. Como resultado, as soluções propostas podem não refletir o comportamento real desses sistemas. Partindo disto, neste trabalho propõe-se uma melhoria do modelo utilizado na fase de amostragem. Via métodos de otimização, foi possível não só aumentar a precisão das estimativas, mas também proporcionar uma gestão mais inteligente e adaptativa dos recursos hídricos, considerando as condições operativas atuais dos equipamentos (estado up e down). Modelos anteriores não incorporavam essa dinâmica de gestão adaptativa, o que poderia levar à utilização ineficiente dos recursos hídricos. A abordagem proposta, por outro lado, pode ajustar a operação do reservatório conforme as condições operativas, otimizando o planejamento das unidades geradoras.Abstract: The Sequential Monte Carlo Method is commonly used for modeling and simulating complex systems, particularly in uncertainty assessment and reliability index estimation. The classic algorithm of the Sequential Monte Carlo Method consists of three essential steps: state sampling, state evaluation, and index estimation, which form the core of the process. However, the evolution of models used within these steps is crucial for enhancing the accuracy and applicability of the results. This work focuses on the sampling phase of the Sequential Monte Carlo Method by incorporating a more detailed and representative model in the composition of states for evaluation and index estimation, aiming to enhance the management of water resources. Optimization models are fundamental for finding the optimal solution to a minimization or maximization problem, which may or may not have constraints. These enhancements lead to the definition of a new problem that allows for a more faithful representation of the variables and processes involved, particularly in reservoir management, considering water availability to predict generation. Although hydropower generation directly depends on water availability, the most commonly used models for scenario sampling often employ proportional methods. These methods define generation based on a fixed percentile within a monthly time window, reflecting energy availability. However, there are other methods that enable more precise modeling of resource limitations in terms of available energy, such as those using heuristics. While this approach more adequately represents the energy characteristics of the system, it often does not account for the actual availability of water resources. Consequently, the proposed solutions may not reflect the real behavior of these systems. Therefore, this work proposes an improvement to the model used in the sampling phase. Through optimization methods, it was possible not only to increase the accuracy of estimates but also to enable more intelligent and adaptive management of water resources, considering the current operational conditions of the equipment (up and down states). Previous models did not incorporate this adaptive management dynamic, which could lead to inefficient use of water resources. The proposed approach, on the other hand, can adjust reservoir operation according to operational conditions, optimizing the planning of generating units.125 p.| il., gráfs.porEngenharia elétricaSistemas de energia elétricaPlanejamento energéticoMonte Carlo, Método deAplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétricainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEEL2209-D.pdfPEEL2209-D.pdfapplication/pdf4722534https://repositorio.ufsc.br/bitstream/123456789/263657/-1/PEEL2209-D.pdf6ea71f5e02bc85dc6587894cb1b2e880MD5-1123456789/2636572025-02-27 20:23:40.233oai:repositorio.ufsc.br:123456789/263657Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732025-02-27T23:23:40Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica
title Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica
spellingShingle Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica
Silva, Vinicius Gomes da
Engenharia elétrica
Sistemas de energia elétrica
Planejamento energético
Monte Carlo, Método de
title_short Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica
title_full Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica
title_fullStr Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica
title_full_unstemmed Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica
title_sort Aplicação de modelos hidrotérmicos na seleção de estados para a avaliação de confiabilidade composta dos sistemas de energia elétrica
author Silva, Vinicius Gomes da
author_facet Silva, Vinicius Gomes da
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Silva, Vinicius Gomes da
dc.contributor.advisor1.fl_str_mv Finardi, Erlon Cristian
dc.contributor.advisor-co1.fl_str_mv Santos, Erika Pequeno dos
contributor_str_mv Finardi, Erlon Cristian
Santos, Erika Pequeno dos
dc.subject.classification.none.fl_str_mv Engenharia elétrica
Sistemas de energia elétrica
Planejamento energético
Monte Carlo, Método de
topic Engenharia elétrica
Sistemas de energia elétrica
Planejamento energético
Monte Carlo, Método de
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2024.
publishDate 2024
dc.date.issued.fl_str_mv 2024
dc.date.accessioned.fl_str_mv 2025-02-27T23:23:40Z
dc.date.available.fl_str_mv 2025-02-27T23:23:40Z
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://repositorio.ufsc.br/handle/123456789/263657
dc.identifier.other.none.fl_str_mv 390268
identifier_str_mv 390268
url https://repositorio.ufsc.br/handle/123456789/263657
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 125 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/263657/-1/PEEL2209-D.pdf
bitstream.checksum.fl_str_mv 6ea71f5e02bc85dc6587894cb1b2e880
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758893637566464

Registros relacionados