APLICAÇÃO DE ALGORITMO GENÉTICO MONO-OBJETIVO E MULTIOBJETIVO PARA RECONFIGURAÇÃO DE REDE DE DISTRIBUIÇÃO

Abstract

RESUMO: A reconfiguração da rede de um sistema de distribuição elétrica consiste em sua alteração topológica de operação, visando objetivos importantes como: redução de perdas, melhoria nos níveis de tensão, qualidade de energia, balanceamento de carga, entre outros. Este trabalho apresenta uma nova abordagem ao problema de reconfiguração de redes de distribuição: é realizado o planejamento de operação, visando obter configurações mais ramificadas para alcançar topologias mais confiáveis. Para fazer o planejamento, o Algoritmo Genético é usado. Para considerar a ramificação, tratou-se a topologia radial como uma árvore (grafo sem ciclos) e convencionou-se que a maior ramificação é aquela com menor distância do nó raiz a todos os nós folhas da rede. Em outras palavras, considerando as definições das teorias dos grafos, a árvore de menor altura. O processo utilizado permite uma melhor redistribuição de ramos, realocando barras pertencentes a grandes corredores, em seções menores. Para verificar a desenvoltura da abordagem aqui proposta, analisaram-se as principais variáveis de qualidade de topologia, tais como: perfil de tensão, perdas ativas e número de consumidores e quantidade de carga (kW) sem eletricidade em caso de falta de energia. O planejamento é realizado preparando a rede tanto para operação, quando é apresentado uma topologia com perfis de tensão adequados e mínimas perdas ativas, como para recomposição, quando a topologia proposta permite, em média, uma rápida recomposição do sistema na ocorrência de uma falta. Além disso, o Nondominated Sortinh Genetic Algorithms-II (NSGA-II) foi implementado para encontrar soluções que satisfaçam não apenas a minimização da altura total, mas também a minimização das perdas ativas. O Algoritmo Genético Multiobjetivo foi aplicado também para recompor os sistemas, em caso de falta única, buscando diversas soluções que minimizem as perdas resistivas e número de chaveamentos. Esta aplicação foi realizada para a escolha da melhor configuração de recomposição, analisando os custos envolvidos. Os resultados das simulações, aplicados em sistemas de teste de 16, 33, 84 e 136 barras, mostraram que, ao minimizar o somatório da distância entre o nó fonte e os demais nós da rede, considerando-a como uma árvore, foi possível obter maior confiabilidade no sistema.

ABSTRACT: The reconfiguration of the network of an electrical distribution system consists of its topological change of operation, aiming at important objectives such as: loss reduction, improvement in voltage levels, power quality, load balancing, among others. This paper presents a new approach to the distribution network reconfiguration problem: operation planning is carried out to obtain more branched configurations to achieve more reliable topologies. To do the planning, the Genetic Algorithm is used. To consider branching, the radial topology was treated as a tree (graph without cycles) and it was agreed that the largest branch is the one with the shortest distance from the root node to all leaf nodes in the network. In other words, considering the definitions of graph theories, the lowest height network. The process used allows a better redistribution of branches, relocating bars belonging to large corridors, in smaller sections. To verify the resourcefulness of the approach proposed here, the main topology quality variables were analyzed, such as: voltage profile, active losses and number of consumers and amount of charge (kW) without electricity in case of power failure. Planning is carried out by preparing the network both for operation, when a topology with adequate voltage profiles and minimal active losses is presented, and for recomposition, when the proposed topology allows, on average, a quick system recomposition in the event of a fault. In addition, the Nondominated Sortinh Genetic Algorithms-II (NSGA-II) has been implemented to find solutions that satisfy not only the minimization of the total height, but also the minimization of the active losses. The Multiobjective Genetic Algorithm was also applied to recompose the systems, in case of a single fault, seeking several solutions that minimize resistive losses and number of switching. This application was made to choose the best recomposition configuration, analyzing the costs involved. The results of the simulations, applied in 16, 33, 84 and 136 buses test systems, showed that, by minimizing the sum of the distance between the source node and the other nodes of the network, considering it as a tree, it was possible to obtain higher system reliability.