Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/860
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorBarbosa, Carlos Henrique Nogueira de Resendept_BR
dc.contributor.authorGontijo, Rafael Marçal Patrocínio-
dc.date.accessioned2018-04-11T14:12:54Z-
dc.date.available2018-04-11T14:12:54Z-
dc.date.issued2017-
dc.identifier.citationGONTIJO, Rafael Marçal Patrocínio. Alocação de geradores distribuídos orientada por fluxo de potência probabilístico. 2017. 94 f. Monografia (Graduação em Engenharia Elétrica) – Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2017.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/860-
dc.description.abstractO aumento da demanda de energia elétrica e a busca por fontes renováveis de energia têm alavancado a necessidade de formas de geração de energia que diferem dos meios convencionais. Nesse contexto, a integração da geração distribuída (GDa) aos sistemas de energia elétrica representa uma forma de gerar energia de modo descentralizado a partir de fontes renováveis. Na maioria dos casos, a potência de saída de uma unidade geradora está atrelada a algum fator externo dependente da sua fonte primária de energia. A proposta do presente trabalho é apresentar um método para a alocação ótima de geradores distribuídos (GDs) em sistemas de distribuição radiais orientada por fluxo de potência probabilístico (FPP). Dessa maneira, as incertezas associadas a cada tipo de GD são consideradas na determinação da alocação ótima de cada unidade no sistema. O Método de Estimação Pontual (do inglês, Point Estimate Method (PEM)) é empregado para solucionar o FPP por meio do Método de Varredura Reversa/Direta, determinando os estados da rede, fluxos de potência nas linhas e as perdas totais do sistema elétrico. Além disso, para a resolução do problema de alocação ótima de GDs com o objetivo de minimizar os custos das perdas ativas do sistema e os custos de instalação e de operação e manutenção das unidades de GDa são empregadas três diferentes meta-heurísticas: a Busca em Vizinhança Variável (do inglês, Variable Neighborhood Search (VNS)), a Busca Tabu (do inglês, Tabu Search) e o Procedimento de Busca Guloso, Aleatório e Adaptativo (do inglês, Greedy Randomized Adaptive Search Procedure (GRASP)). Os métodos desenvolvidos foram aplicados nos sistemas de 12, 33 e 69 barras do IEEE e em um sistema real brasileiro de 136 barras visando avaliar o desempenho dos mesmos. Os resultados dos experimentos constataram que a inclusão de GDa nos sistemas contribui para a melhoria do perfil de tensão da rede e redução das perdas totais. O PEM mostrou-se capaz de representar as características incertas das unidades de GDa por meio de pontos de concentração e as meta-heurísticas implementadas provaram-se capazes de determinar configurações ótimas de alocação de GDs em uma dada rede para determinadas condições climáticas locais.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopen accesspt_BR
dc.subjectEngenharia elétricapt_BR
dc.subjectFluxo de potênciapt_BR
dc.subjectGeração distribuída de energia elétricapt_BR
dc.subjectEnergia elétrica - produçãopt_BR
dc.titleAlocação de geradores distribuídos orientada por fluxo de potência probabilístico.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.rights.licenseAutorização concedida à Biblioteca Digital de TCC da UFOP pelo autor(a), 01/04/2017, com as seguintes condições: disponível sob Licença Creative Commons 4.0, que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.pt_BR
dc.contributor.refereeBarbosa, Carlos Henrique Nogueira de Resendept_BR
dc.contributor.refereeGalvis Manso, Juan Carlospt_BR
dc.contributor.refereeCampos, Victor Costa da Silvapt_BR
dc.description.abstractenThe growth of the electricity demand along with the intensification of the searching for renewable energy sources has boosted the study on reliable energy generation in a distinctly way. In this context, the integration of distributed generation with power systems represents a decentralization of the former generating scheme. In most cases, the output power of a generation unit is associated to some external factor depending of its prime energy source. The main purpose of this work is to present a method for the optimal allocation of distributed generators in radial distribution systems (RDS) whose electrical variables were estimated by means of a probabilistic power flow. Thus, uncertainties associated with each type of distributed generator unit are considered to designate the optimal allocation of those units in the RDS. The Point Estimate Method is used to solve the probabilistic power flow using a Backward/Forward Sweep method, determining the state of the system, power flows through the lines and total active power losses. Additionally, in order to solve the optimal allocation of distributed generation problem which intends to minimize the costs of the system’s losses and the costs of installation and operation as well as maintenance of the distributed generation unities, three different meta-heuristics techniques are employed: VNS, Tabu Search and GRASP. The proposed methods were applied to the 12, 33 and 69 IEEE bus systems and to a real 136 bus Brazilian system. The results of the experiments have showed that the inclusion of distributed generation in a RDS contribute to the voltage profile improvement and the reduction of total active losses. The Point Estimate Method has demonstrated its capability of representing some types of uncertainties directly related to the distributed generation by means of concentration points. Also, it was possible to find optimal GDs configurations through meta-heuristics in a given system for some local climatic conditions.pt_BR
Aparece nas coleções:Engenharia Elétrica - JMV

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_AlocaçãoGeradoresDistribuídos.pdf2,75 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons