Orientador: Fábio Bertequini Leão / Resumo: Este trabalho propõe abordar o problema de alocação de dispositivos indicadores de faltas (IFs) em redes de distribuição de energia elétrica por meio da técnica do Algoritmo Genético Adaptativo (AGA). O algoritmo busca obter uma configuração eficiente de instalação de IFs no sistema e reduzir o custo anual da energia não suprida (CENS) e por outro lado, o custo anual de investimento dos sensores (CINV). Estes custos conflitantes devem ser minimizados como um problema combinatório utilizando o AGA que possui taxas de recombinação e mutação dinamicamente calibradas baseadas na diversidade de cada população no processo. Os resultados mostram que o AGA é um método efetivo para encontrar soluções para o problema de alocação de IFs. Quando comparado com o AG clássico em vários testes, é observado que o AGA tem uma convergência mais rápida mostrando ser mais eficiente. Além disso, o AGA é utilizado para obter uma variedade de soluções numa Fronteira de Pareto aproximada variando os pesos do CENS e o CINV na função objetivo. Portanto, esta metodologia permite obter um conjunto de soluções em lugar de uma única solução e a partir da Fronteira de Pareto é possível escolher a solução que melhor satisfaz os interesses técnicos e econômicos da concessionária de distribuição de energia elétrica. / Mestre

Submitted by ESAU FIGUEROA ESCOTO null (figueroaescoto@yahoo.es) on 2016-08-16T07:02:27Z No. of bitstreams: 1 Figueroa - Dissertação .pdf: 1574120 bytes, checksum: f8fdbd286a015766cb08bf2cc57ac193 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-08-17T20:01:28Z (GMT) No. of bitstreams: 1 figueroaescoto_e_me_ilha.pdf: 1574120 bytes, checksum: f8fdbd286a015766cb08bf2cc57ac193 (MD5) / Made available in DSpace on 2016-08-17T20:01:28Z (GMT). No. of bitstreams: 1 figueroaescoto_e_me_ilha.pdf: 1574120 bytes, checksum: f8fdbd286a015766cb08bf2cc57ac193 (MD5) Previous issue date: 2016-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O problema de estimação de faltas ou diagnóstico de alarmes em sistemas de energia elétrica é identificar faltas em seções ou falhas em dispositivos através dos alarmes dos relés de proteção, disjuntores e outras informações recebidas pelo Supervisory Control and Data Acquisition System (SCADA). Este trabalho apresenta uma metodologia para resolver o problema de diagnóstico de alarmes em sistemas de energia, através de um modelo de otimização de programação binária irrestrita. Este modelo é desenvolvido com base no conjunto de coberturas mínimas que abrange a lógica e a filosofia dos projetos de proteção empregados por empresas de energia elétrica. A ideia principal é associar os alarmes dos relés de proteção relatados pelo sistema SCADA e com os estados esperados das funções de relé de proteção. Os estados esperados são modelados usando a filosofia de proteção utilizada por especialistas em empresas de energia elétrica. Um Algoritmo Genético Adaptativo (AGA) é desenvolvido para resolver o modelo de otimização de programação binária irrestrita. O AGA proposto tem a característica de usar somente dois parâmetros de controle, ou seja, o número de indivíduos na população e o número máximo de gerações. O algoritmo tem taxas de recombinação e mutação calibradas de forma dinâmica com base na saturação da população atual, tendo uma resposta imediata a possível convergência prematura para ótimos locais. A metodologia proposta para resolver o problema da localização de faltas foi implementada na linguagem de programação C ++ e os testes foram feitos em um computador com processador Intel Core i7 com 2,2 GHz e 12 GB de memória RAM. O desempenho do algoritmo foi testado usando dados de um sistema elétrico real da região sul brasileira. A fim de mostrar o desempenho do AGA, os resultados do algoritmo foram comparados com um algoritmo genético clássico e um algoritmo imune. Os resultados mostraram que o AGA é superior aos algoritmos genético clássico e imune apresentando robustez e eficiência computacional. Além disso, a metodologia provou ser rápida e robusta e tem grande potencial para a localização de faltas em tempo real. / The fault section estimation in electric power systems is to identify faults in sections or devices using information from protective relays, circuit breakers and other information received from Supervisory Control and Data Acquisition Systems (SCADA). This work presents a methodology to solve the fault section estimation problem in power systems, through a model based on an unconstrained binary programming optimization model. This model is developed based on the parsimonious set covering theory and the protection philosophy logic employed by electric companies. The main idea is to associate the alarms of the relay protection functions reported by the SCADA system with the expected states from the protective relay functions. The expected states are modeled using protection philosophy logic employed by experts in electric companies. An Adaptive Genetic Algorithm (AGA) is developed to solve the unconstrained binary programming optimization model. The proposed AGA has the characteristic to use only two control parameters, i.e., number of individuals in the population and maximum number of generations. The algorithm has automatic and dynamically calibrated recombination and mutation rates based on the saturation of the current population, having an immediate response to possible premature convergence to local optima. The methodology proposed to solve the problem of shortages sections location was implemented in the C ++ programming language and the tests are done on a computer with Intel Core 7 Processor with 2.2 GHz and 12 GB of memory. The algorithm’s performance was tested using data from the Brazilian Southern electric power system. In order to show the AGA performance, the algorithm results was compared with a classical genetic algorithm and an immune algorithm. The results have shown that AGA presents robustness and the efficiency was successfully verified. Considering the solutions of the tests, the AGA demonstrates better computational processing time, getting the right solution for every simulation. Furthermore, the method was proven to be fast and robust and has great potential for locating faults in electric power systems in real time.

Submitted by Héctor Orellana (grc@unesp.br) on 2017-01-05T16:57:08Z No. of bitstreams: 1 Dissertação_Hector.pdf: 2242579 bytes, checksum: ff628d49653c029da4b721581980abde (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2017-01-09T18:10:45Z (GMT) No. of bitstreams: 1 cruz_hmo_me_ilha.pdf: 2242579 bytes, checksum: ff628d49653c029da4b721581980abde (MD5) / Made available in DSpace on 2017-01-09T18:10:45Z (GMT). No. of bitstreams: 1 cruz_hmo_me_ilha.pdf: 2242579 bytes, checksum: ff628d49653c029da4b721581980abde (MD5) Previous issue date: 2016-12-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho propõe abordar o problema de alocação de dispositivos indicadores de faltas (IFs) em redes de distribuição de energia elétrica por meio da técnica do Algoritmo Genético Adaptativo (AGA). O algoritmo busca obter uma configuração eficiente de instalação de IFs no sistema e reduzir o custo anual da energia não suprida (CENS) e por outro lado, o custo anual de investimento dos sensores (CINV). Estes custos conflitantes devem ser minimizados como um problema combinatório utilizando o AGA que possui taxas de recombinação e mutação dinamicamente calibradas baseadas na diversidade de cada população no processo. Os resultados mostram que o AGA é um método efetivo para encontrar soluções para o problema de alocação de IFs. Quando comparado com o AG clássico em vários testes, é observado que o AGA tem uma convergência mais rápida mostrando ser mais eficiente. Além disso, o AGA é utilizado para obter uma variedade de soluções numa Fronteira de Pareto aproximada variando os pesos do CENS e o CINV na função objetivo. Portanto, esta metodologia permite obter um conjunto de soluções em lugar de uma única solução e a partir da Fronteira de Pareto é possível escolher a solução que melhor satisfaz os interesses técnicos e econômicos da concessionária de distribuição de energia elétrica. / This work proposes the Adaptive Genetic Algorithm (AGA) to solve the problem of Fault Indicator (FI) placement in electric distribution systems. The algorithm attempts to obtain an efficient configuration for the installation of FIs in the system and reduce the annual costumer interruption cost (CIC) and on the other hand, the annual investment cost (CINV) of the fault indicators placement. These two conflicting costs must be minimized as a problem of combinational nature with the AGA which uses dynamically calibrated crossover and mutation rates based on the diversity of each population of the process. Results show that the AGA is an effective method to find solutions to the problem of fault indicator placement. When compared with the classic GA in various tests, it is observed that the AGA converges faster showing to be more efficient. Besides, in the last test the AGA is used to obtain a variety of solutions in an approximate Pareto Front by varying the weighting factors of the CIC and CINV in the objective function. Therefore, this methodology permits to obtain a set of solutions instead of one only solution and from the Pareto Front it is possible to choose the solution that best satisfies the technical and economic interests of the concessionary.

Orientador: Fábio Bertequini Leão / Resumo: O problema de estimação de faltas ou diagnóstico de alarmes em sistemas de energia elétrica é identificar faltas em seções ou falhas em dispositivos através dos alarmes dos relés de proteção, disjuntores e outras informações recebidas pelo Supervisory Control and Data Acquisition System (SCADA). Este trabalho apresenta uma metodologia para resolver o problema de diagnóstico de alarmes em sistemas de energia, através de um modelo de otimização de programação binária irrestrita. Este modelo é desenvolvido com base no conjunto de coberturas mínimas que abrange a lógica e a filosofia dos projetos de proteção empregados por empresas de energia elétrica. A ideia principal é associar os alarmes dos relés de proteção relatados pelo sistema SCADA e com os estados esperados das funções de relé de proteção. Os estados esperados são modelados usando a filosofia de proteção utilizada por especialistas em empresas de energia elétrica. Um Algoritmo Genético Adaptativo (AGA) é desenvolvido para resolver o modelo de otimização de programação binária irrestrita. O AGA proposto tem a característica de usar somente dois parâmetros de controle, ou seja, o número de indivíduos na população e o número máximo de gerações. O algoritmo tem taxas de recombinação e mutação calibradas de forma dinâmica com base na saturação da população atual, tendo uma resposta imediata a possível convergência prematura para ótimos locais. A metodologia proposta para resolver o problema da localização de... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The fault section estimation in electric power systems is to identify faults in sections or devices using information from protective relays, circuit breakers and other information received from Supervisory Control and Data Acquisition Systems (SCADA). This work presents a methodology to solve the fault section estimation problem in power systems, through a model based on an unconstrained binary programming optimization model. This model is developed based on the parsimonious set covering theory and the protection philosophy logic employed by electric companies. The main idea is to associate the alarms of the relay protection functions reported by the SCADA system with the expected states from the protective relay functions. The expected states are modeled using protection philosophy logic employed by experts in electric companies. An Adaptive Genetic Algorithm (AGA) is developed to solve the unconstrained binary programming optimization model. The proposed AGA has the characteristic to use only two control parameters, i.e., number of individuals in the population and maximum number of generations. The algorithm has automatic and dynamically calibrated recombination and mutation rates based on the saturation of the current population, having an immediate response to possible premature convergence to local optima. The methodology proposed to solve the problem of shortages sections location was implemented in the C ++ programming language and the tests are done ... (Complete abstract click electronic access below) / Mestre

Submitted by Renata Lopes (renatasil82@gmail.com) on 2018-05-25T13:02:54Z No. of bitstreams: 1 guilhermedesouzaferreira.pdf: 1163831 bytes, checksum: ec0bec904b2e6110d9b9e4934727f35d (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-06-14T11:52:03Z (GMT) No. of bitstreams: 1 guilhermedesouzaferreira.pdf: 1163831 bytes, checksum: ec0bec904b2e6110d9b9e4934727f35d (MD5) / Made available in DSpace on 2018-06-14T11:52:03Z (GMT). No. of bitstreams: 1 guilhermedesouzaferreira.pdf: 1163831 bytes, checksum: ec0bec904b2e6110d9b9e4934727f35d (MD5) Previous issue date: 2018-02-22 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O escalonamento de tarefas é um problema de otimização combinatória no qual tenta-se sequenciar da melhor maneira os trabalhos a serem realizados em processos de produção. O intuito neste caso é atingir os objetivos de desempenho estipulados pelo tomador de decisão, tais como, minimizar o makespan e minimizar o atraso total. O Problema de Sequencia-mento do tipo Job-Shop Flexível (FJSP) pertence a essa categoria, e caracteriza-se pela possibilidade de haver rotas tecnológicas diferentes para as tarefas e cada estágio poder ser composto por mais de uma máquina. Esse é o núcleo da tecnologia do gerenciamento de produção, pois sequenciamentos melhores podem encurtar o tempo de manufatura, reduzir os níveis de estoque, possibilitar a entrega de encomendas no tempo correto e aumentar a credibilidade dos processos e da empresa. Métodos exatos, que são computacionalmente custosos, são geralmente aplicados nos problemas de sequenciamento menores, portanto quando os problemas aumentam em tamanho, os métodos heurísticos e metaheurísticos começaram a ser aplicados. As metaheurísticas são importantes para solucionar FJSPs porque são mais rápidas do que os métodos exatos. Dentre elas, os Algoritmos Genéti-cos (AGs) estão entre as técnicas mais utilizadas para solucionar FJSPs e, atualmente, modelos híbridos vem sendo explorados, combinando AGs com técnicas de busca local e heurísticas para inicializar a população. No entanto, a escolha adequada dos parâmetros dos AGs é um trabalho difícil, recaindo num outro problema de otimização. Os Algoritmos Genéticos Adaptativos (AGAs) foram introduzidos para lidar com essa adversidade, uma vez que podem ajustar os parâmetros dos AGs durante o processo de busca. Portanto, o objetivo da presente dissertação é analisar diferentes técnicas adaptativas desenvolvidas para AGAs, com o intuito de reduzir o tempo de configuração dos AGs quando aplicados a FJSPs. Além disso, serão propostas alterações para as técnicas de atribuição de crédito e de seleção de operadores. Os estudos foram realizados em instâncias de diferentes tamanhos e os AGAs são comparados com AGs tradicionais. Duas diferentes análises foram realizadas baseadas em cenários no qual o tomador de decisão tem pouco tempo para configurar os algoritmos. Na Análise I, os AGAs tiveram desempenho semelhante aos AGs tradicionais, mas são interessantes por possuírem um menor número de parâmetros e, consequentemente, um menor tempo de configuração. Na Análise II, os AGAs geraram melhores resultados do que aqueles obtidos pelos AGs, o que os tornam apropriados para o caso em que há incerteza no processo produtivo e menor tempo de configuração. / Scheduling is a combinatorial optimization problem, in which one tries ordering the tasks to be performed in the processing units. The objective is to achieve the best values with respect to the performance indicators chosen by the decision-maker, such as, minimize the makespan and minimize the total lateness. The Flexible Job-Shop Scheduling Problem (FJSP) belongs to this category, and its characteristics are the different technological routes for the tasks and that each stage may consist of more than one machine. This is the technological core of the production management, as better schedules may reduce the manufacturing time, reduce the inventory, deliver the order in the right time, and raise the reliability of the process and the company. Exact methods, as they are computationally expensive, are usually employed for small scheduling problems, then heuristic and metaheuristic methods become interesting techniques for this type of problem. Metaheuristics are important to solve FJSPs as they are faster than the exact methods, and among then, Genetic Algorithms (GAs) are one of the most used techniques to solve FJSPs and, currently, they have been hybridized with local search and heuristics to initialize their population. However, to set up GAs is a hard-work and often generates another optimization problem. Adaptive Genetic Algorithms (AGAs) were introduced to work around this problem as they adapt the parameters of the GAs during the search process. Therefore, the objective of this dissertation is to analyze different adaptive techniques developed for AGAs with the purpose of reducing the setup time of GAs when they are applied to FJSPs. In addition, modifications will be proposed for the operator selection techniques and for credit assignment schemes. The studies were performed in instances of different sizes, and the AGAs are compared with traditional GAs. Two different analyzes were performed based on scenarios in which the decision maker does not has to much time to configure the algorithms. In Analysis I, some AGAs performed similarly to the traditional GAs, but they are more interesting as they have a smaller number of parameters, thus a shorter configuration time. In Analysis II, some AGAsgeneratedbetterresultsthanthoseobtainedbyGAs, whichmakesthemappropriate for the case when there is uncertainty in the production process and the decision maker does not have too much time to configure the algorithm.

Orientador: Percival Bueno de Araujo / Resumo: As perturbações ou variações de carga produzem oscilações eletromecânicas que devem ser amortecidas o mais rápido possível para garantir confiabilidade e estabilidade da rede. Neste trabalho apresenta-se uma análise do dispositivo FACTS Interline Power Flow Controller (IPFC) e o controlador Proporcional Integral (PI) no gerenciamento dos fluxos de potência e a influência dos Estabilizadores do Sistema de Potência (ESP) e do IPFC Power Oscillation Damping (POD) sobre a estabilidade do sistema elétrico de potência. Neste trabalho enfoca-se nos estudos de estabilidade a pequenas perturbações usando um Algoritmo Genético Adaptativo com Hiper-mutação (AGAH) para ajustar os parâmetros dos controladores suplementares de amortecimento, o Estabilizador de sistema de potência (ESPs) e o Power Oscillation Damping (POD) em forma coordenada. O AGAH tem como objetivo encontrar os parâmetros ótimos do controlador para melhorar o amortecimento fraco das oscilações de baixa frequência locais e inter-área. Neste trabalho representa-se o sistema de elétrico de potência com a inclusão do dispositivo Interline Power Flow Controller com o modelo de sensibilidade de corrente (MSC). Considera-se como sistema teste o sistema Simétrico de Duas Áreas e o sistema New England como o intuito de avaliar o algoritmo proposto. As simulações são feitas no ambiente do MatLab. Por fim, apresenta-se a comparação do algoritmo genético com o desempenho do algoritmo proposto. / Abstract: Small-magnitude disturbances happen to produce electro-mechanical oscillations which should be damped as quickly as possible to ensure reliability and stability of the network. This work presents an analysis of Interline Power Flow Controller (IPFC) FACTS device and PI controller to control and manage power flow and also how Power System Stabilizers and IPFC Power Oscillations Damping (POD) controller influence over an electric power system stability. This work focuses on small-signal stability studies using an Adaptive Genetic Algorithm with Hyper-mutation (AGAH) in order to tune controller parameters in a coordinated way ensuring proper damping. AGAH aims to find optimal controller parameters to enhance the poor damping of local and inter-area low frequency oscillations. This works represents the electric power system and Interline Power Flow Controller device by a current sensitivity model (CSM). This paper considers two areas 14 bus symmetrical power system and New England power system in order to assess proposed algorithm. Coding and Simulations take place in MatLab platform. AGAH and GA get compared by time convergence and performance. This paper shows AGAH is an interesting optimization technique which outweighs GA. / Mestre