Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-09-12T12:17:41Z No. of bitstreams: 1 gustavojosesantiagorosseti.pdf: 1406328 bytes, checksum: e250ced1df20ff9c96f2e06c95c77543 (MD5) / Approved for entry into archive by Diamantino Mayra (mayra.diamantino@ufjf.edu.br) on 2016-09-13T13:22:34Z (GMT) No. of bitstreams: 1 gustavojosesantiagorosseti.pdf: 1406328 bytes, checksum: e250ced1df20ff9c96f2e06c95c77543 (MD5) / Made available in DSpace on 2016-09-13T13:22:34Z (GMT). No. of bitstreams: 1 gustavojosesantiagorosseti.pdf: 1406328 bytes, checksum: e250ced1df20ff9c96f2e06c95c77543 (MD5) Previous issue date: 2011-09-15 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Este trabalho apresenta uma metodologia para reconfiguração e alocação ótima de geração distribuída em redes elétricas de distribuição com o objetivo de minimizar as perdas técnicas de energia elétrica. A metodologia proposta é composta de dois algoritmos heurísticos passo a passo baseados em índices de sensibilidade, sendo um para a reconfiguração e o outro para a alocação de geração distribuída. O índice proposto para reconfiguração é baseado nos parâmetros operativos e o índice para alocação de geração distribuída baseia-se em uma estimativa dos multiplicadores de Lagrange, obtida a partir da solução do problema de fluxo de potência. O modelo proposto considera a variação da demanda do sistema através das curvas de carga e a opção de construir um novo circuito para conexão de um gerador distribuído a uma barra do sistema. Os algoritmos propostos são aplicados em sistemas da literatura, incluindo um sistema real de médio porte. / This work presents a methodology for optimal reconfiguration and optimal distributed generation allocation aiming to minimize technical energy losses in electric power distribution systems. The proposed methodology includes two step by step heuristic algorithms, based on sensitivity indexes, one for the reconfiguration and the other for the distributed generation allocation. The index proposed for reconfiguration is based on operating parameters and the index for distributed generation allocation uses the Lagrange multipliers obtained from the power flow solution. The proposed model considers the demand variation from the system load curves and the options to build a new branch for connecting a distributed generator to a bus of the network. The proposed algorithms are applied in systems of the literature, including a medium scale practical system.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-03-27T14:05:45Z No. of bitstreams: 1 franciscocarlosrodriguescoelho.pdf: 4772391 bytes, checksum: e11633134429c05832808dad96be9940 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-03-27T14:28:31Z (GMT) No. of bitstreams: 1 franciscocarlosrodriguescoelho.pdf: 4772391 bytes, checksum: e11633134429c05832808dad96be9940 (MD5) / Made available in DSpace on 2018-03-27T14:28:31Z (GMT). No. of bitstreams: 1 franciscocarlosrodriguescoelho.pdf: 4772391 bytes, checksum: e11633134429c05832808dad96be9940 (MD5) Previous issue date: 2018-02-22 / A alocação de Geração Distribuída (GD) em sistemas de distribuição de energia elétrica consiste em determinar os barramentos para conexão destas unidades geradoras, e o montante de potência a ser injetado, visando um ou mais objetivos, que podem ser: redução das perdas de potência ativa, melhorias no perfil de tensão, minimização dos custos operacionais, maximização da geração de energia, ganhos ambientais, dentre outros. O principal objetivo considerado neste trabalho é a minimização das perdas de potência ativa, mantendo as tensões dos barramentos dentro de limites recomendados. Para alcançar este objetivo, uma metodologia de otimização é proposta, tratando separadamente os problemas de localização das unidades geradoras no sistema, e o dimensionamento destas unidades. A determinação das barras com conexão de GD é realizada através de uma nova técnica de otimização metaheurística, implementada no MATLAB, denominada Metaheurística Empírica Discreta (MED). Já o dimensionamento das unidades de GD é realizado de duas formas distintas, a depender do tipo de sistema de distribuição analisado. No caso dos sistemas cujos dados são equivalentes monofásicos, o montante de potencia é determinado por um Fluxo de Potência Ótimo implementado no software comercial LINGO. A segunda estratégia de determinação da potência despachada é empregada no caso dos testes realizados com sistemas trifásicos desbalanceados, cujo dimensionamento é feito pelo método do gradiente descendente e o cálculo do fluxo de potência é realizado pelo software OpenDSS. Os três sistemas equivalentes monofásicos utilizados são compostos por 33, 69 e 476 barras, enquanto os dois trifásicos desequilibrados possuem 34 e 123 barras. A qualidade da metodologia proposta na resolução do problema de alocação de geração distribuída é avaliada através de comparações com a literatura especializada, comparações com outras metaheurísticas e testes de robustez. Os resultados provenientes de simulações com alocação de três e quatro unidades de GD em sistemas de distribuição de energia elétrica mostram que a metodologia proposta é eficiente, sendo capaz de produzir resultados com significativas reduções nas perdas de potência ativa e perfis de tensão adequados. / The optimal Distributed Generation (DG) allocation problem consists in choosing the best locations of those distributed power plants at the distribution system, and to define its amount of power injection. The approach can be either single or multiobjective. The main objectives are: minimization of total power loss, voltage profile improvement, operational cost minimization, maximization of distributed generation capacity, environmental gains, among others. In this work, the main goal pursued is the total power loss minimization of the distribution system, keeping the buses voltages within the predetermined limits. To achieve this goal, an optimization methodology is proposed. This approach treats separately the location problem and the power dispatched by the generation units. The busbars connected to distributed generation are determined through a new metaheuristic algorithm, implemented in MATLAB, named Empirical Discrete Metaheuristic (EDM). The amount of power injection is solved by an Optimum Power Flow implemented in the commercial software LINGO, or by the Steepest Descent Method in the MATLAB environment. The first strategy to determine the DG dispatch is used on simulations with single phase equivalents systems. The second one is employed in the amount of power determination in unbalanced three phase systems, which the power flow is carried out by the open source software OpenDSS. The three single phase equivalent test systems analyzed are composed by 33, 69 and 476 buses, while the two systems with three phases have 34 and 123 buses, each. To evaluate the proposed methodology quality, comparisons to published works in the specialized literature are made. Also, robustness tests and comparisons to other well succeed metaheuristics are carried out. The results were obtained from simulations with three and four DG units in electric power distribution systems. These results consistently show that the proposed methodology is efficient, providing DGs configurations that significantly reduces the active power losses and keep the voltages at adequate levels.