Orientador: Edilaine Martins Soler / Resumo: Neste trabalho, o problema de Fluxo de Potência Ótimo Reativo problema é modelado como um problema de Programação Não Linear Inteira Mista que tem como objetivo minimizar as perdas de potência ativa nas linhas de transmissão de energia elétrica e satisfazer as restrições físicas e operacionais do Sistema Elétrico de Potência. Afim de solucionar o problema, propõem-se três abordagens heurísticas de solução, denominadas de heurística de factibilidade, heurística de melhoria de solução e gap de integralidade como restrição de igualdade. As duas primeiras abordagens são baseadas na minimização do gap de integralidade das variáveis discretas. A heurística de factibilidade objetiva encontrar uma solução factível para o problema por meio de uma busca local. Já a heurística de melhoria de solução objetiva encontrar soluções factíveis melhores a cada iteração até que não seja mais possível, por meio de uma restrição de corte de nível da função objetivo. A terceira abordagem considera a função gap de integralidade como uma restrição do problema de Fluxo de Potência Ótimo Reativo contínuo. Em todas as abordagens, o problema de Fluxo de Potência Ótimo Reativo original é transformado em um problema contínuo resolvido pelo método de pontos interiores com filtro disponibilizado no solver Interior Point OPTimizer em interface com o software General Algebraic Modeling System. Testes numéricos com os sistemas elétricos IEEE 14, 30, 118 e 300 barras e PEGASE 1354 barras são realizados para comp... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this work, the Reactive Optimal Power Flow problem is modeled as a Mixed-IntegerNon-Linear Programming problem and aims to minimize the active power losses throughoutthe transmission system, while satisfying the physical and technical constraints of thePower System. In order to solve the problem, three heuristics approaches are proposed,namely feasibility and solution improvement heuristics. The first and the second proposedheuristics are based on the minimization of the integrality gap of the discrete variables. Thefeasibility heuristic aims to find a feasible solution to the problem through a local search.The solution improvement heuristic aims to find better feasible solution iteratively until itis no longer possible, by adding level cuts in the objective function. The third approachconsiders the proposed integrality gap function as a new constraint of the continuousReactive Optimal Power Flow problem. In both approaches, the original Reactive OptimalPower Flow problem is modeled as a continuous problem and solved by the interior pointmethod with filter implemented in the Interior Point OPTimizer solver under the GeneralAlgebraic Modeling System interface. Numerical tests with the IEEE 14-, 30-, 118 and300-bus and the PEGASE 1354-bus electrical power systems are performed to show theefficiency of the proposed approaches. The numerical results indicate that the proposedapproaches showed to be competitive when compared to exact methods published in theliterature. / Doutor

Submitted by Izabel Franco (izabel-franco@ufscar.br) on 2016-10-06T17:59:08Z No. of bitstreams: 1 DissJFSN.pdf: 5729965 bytes, checksum: 946688f479f7780db197fa49b4b4c853 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-20T13:51:08Z (GMT) No. of bitstreams: 1 DissJFSN.pdf: 5729965 bytes, checksum: 946688f479f7780db197fa49b4b4c853 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-20T13:51:14Z (GMT) No. of bitstreams: 1 DissJFSN.pdf: 5729965 bytes, checksum: 946688f479f7780db197fa49b4b4c853 (MD5) / Made available in DSpace on 2016-10-20T13:51:20Z (GMT). No. of bitstreams: 1 DissJFSN.pdf: 5729965 bytes, checksum: 946688f479f7780db197fa49b4b4c853 (MD5) Previous issue date: 2016-03-21 / Não recebi financiamento / Vehicle routing problems occur in many practical situations where the pickup and/or delivery of goods is required. In this context, the present research aims to contribute to the study of logistic operations that arise in companies that deliver products on a regular basis to customers in densely populated urban areas. The problem consists in designing minimal cost daily routes serving the maximal number of customers. To this end, the crew of each vehicle comprise multiple deliverymen as means to reduce service times. Based on a case study in a drinks producer and distributor in the state of São Paulo, it is proposed a mixed integer linear programming model that comprise costs with own and chartered vehicles and the number of deliverymen, and various operational constraints such as time windows in customers, multiple daily trips, time limitations for the circulation of some vehicle types in specific areas, compatibility between vehicles and customers, maximum load in each vehicle, maximum route time and minimum load for the realization of a second trip. Results obtained by solving the model with real instances through exact (branch&cut), heuristic (constructive, local search, GRASP and Simulated Annealing) and hybrid (GRASP and branch&cut) approaches demonstrate the good quality of the generated solutions, and indicate the potential of application of some of these methods in practice. / Problemas de roteamento de veículos ocorrem em diversas situações práticas onde se faz necessária a distribuição e/ou coleta de produtos. Nesse contexto, a presente pesquisa visa o estudo das operações logísticas presentes em empresas que entregam produtos em base regular a clientes localizados em áreas urbanas de alta densidade demográfica. O problema consiste na obtenção de rotas de mínimo custo visando o atendimento do maior número de clientes da carteira diária. Para tal, a tripulação de cada veículo pode contemplar múltiplos entregadores para redução dos tempos de serviço. Com base em um estudo de caso em uma distribuidora de bebidas do interior do Estado de São Paulo, é proposto um modelo de programação linear inteira mista que considera custos com frota própria e fretada e com o número de entregadores, e diversas restrições operacionais, tais como janelas de tempo em clientes, múltiplas viagens diárias, limitações de horários de circulação de tipos de veículos, compatibilidade entre veículos e clientes, capacidade máxima de carga a ser transportada em cada veículo, tempo máximo de rota e carga mínima para realização da segunda viagem. Resultados da resolução do modelo para instâncias reais por meio de abordagens exatas (branch&cut), heurísticas (construtiva, busca local, GRASP e Simulated Annealing) e híbrida (GRASP e branch&cut), demonstram a boa qualidade das soluções geradas, e evidenciam o potencial de uso dessas metodologias na prática.