Otimização de sistemas híbridos de geração de energia solar-eólico-diesel através de métodos metaheurísticos e função multiobjetivo

• Ano de defesa: 2016
• Autor(a) principal: Roberts, Justo José [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Algoritmo genético; Comunidade rural isolada; Dimensionamento; Energia renovável; Ferramenta computacional; Incerteza; Simulação probabilística; Computational tool; Dimensioning; Genetic algorithm; Isolated rural community; Probabilistic simulation; Renewable energy; Uncertainty
• Link de acesso: http://hdl.handle.net/11449/142831

Sistemas Híbridos de Geração de Energia (SHGE) baseados em fontes renováveis, quando dimensionados de forma correta, apresentam menor custo de energia gerada, maior confiabilidade no fornecimento de energia, além de benefícios ambientais, comparados a sistemas baseados em uma única fonte renovável ou em fontes tradicionais de geração. No entanto, o dimensionamento deste tipo de sistema apresenta-se como uma tarefa complexa, devido à variabilidade dos recursos renováveis e da demanda de energia, além das caraterísticas não lineares de alguns dos seus componentes e a alta interação entre as variáveis do sistema. No presente trabalho propõe-se um método de otimização baseado em simulação para o dimensionamento de SHGE considerando a presença de incertezas nas variáveis de entrada. O método proposto permite dimensionar o sistema considerando aspectos econômicos, de confiabilidade e ambientais como critério de otimização, e incorporar incertezas na disponibilidade dos recursos renováveis, na demanda de energia e na indisponibilidade dos componentes sujeitos a falha. A otimização é feita por meio da metaheurística de Algoritmos Genéticos. O método de amostragem de Hipercubo Latino (LHS – Latin Hypercube Sampling) é utilizado para gerar os cenários de incerteza nos recursos renováveis e na demanda, enquanto que Simulação de Monte Carlo é empregada para gerar históricos de operação dos componentes do sistema. A metodologia de otimização baseada em simulação é aplicada a um caso de estudo mostrando resultados satisfatórios. A abordagem apresenta-se especialmente útil em situações onde é necessário dimensionar um sistema de forma ótima e robusta. No entanto, devido ao alto custo computacional que implica a aplicação do método, sugere-se realizar uma simulação probabilística prévia para explorar a sensibilidade das soluções obtidas com o algoritmo de otimização determinístico. Caso a média das soluções determinísticas sob incerteza ultrapasse as restrições impostas pelo usuário, justifica-se aplicar a otimização probabilística.