Este projeto de pesquisa propõe desenvolver um novo modelo e uma nova abordagem para a resolução do problema da otimização Volt/VAr em redes de distribuição de energia elétrica. A otimização Volt/VAr consiste em, basicamente, determinar os ajustes das variáveis de controle tais como bancos de capacitores chaveados, transformadores com comutação de tap sob carga e reguladores de tensão, de modo a satisfazer, simultaneamente, as restrições de carga e de operação para um dado objetivo operacional. Esse problema, matematicamente, foi formulado como um problema de programação não linear, multiperíodo, e com variáveis contínuas e discretas. Algoritmos de programação não linear foram utilizados com o intuito de aproveitar as vantagens das matrizes altamente esparsas montadas ao longo do método de solução. Para utilizar tais algoritmos, as variáveis discretas são tratadas como contínuas por meio da utilização de funções senoidais que penalizam a função objetivo do problema original enquanto estas não convergirem para algum dos pontos pré-definidos no seu domínio. O caráter multiperíodo do problema, contudo, refere-se à consideração de uma restrição que relaciona os ajustes das variáveis de controle para sucessivos intervalos de tempo na medida em que limita o número de operações de chaveamento desses dispositivos para um período de 24-horas. O estudo fundamenta-se, metodologicamente, em métodos do tipo Primal-Dual Barreira-Logarítmica. Para demonstrar a eficiência do modelo proposto e a robustez dessa abordagem, a partir de dados teóricos obtidos de levantamentos bibliográficos, testes foram realizados em sistemas-teste de 10, 69 e 135 barras, e em um sistema de 442 barras do noroeste do Reino Unido. As implementações computacionais foram feitas nos softwares MATLAB, AIMMS e GAMS, utilizando o solver IPOPT como método de solução. Os resultados mostram que a abordagem proposta para a resolução do problema de programação não linear é eficaz para tratar adequadamente todas as variáveis presentes em problemas de otimização Volt/VAr. / This work proposes a new model and a new approach for solving the Volt / VAr optimization problem in distribution systems. The Volt/VAr optimization consists, basically, to determine the settings of the control variables of switched capacitor banks, on-load tap changer transformers and voltage regulators, in order to satisfy both the load and operational constraints, to a given operational objective. The problem is formulated as a nonlinear programming problem, multiperiod, and with continuous and discrete variables. Nonlinear programming algorithms were used in order to take advantage of the highly sparse matrices built along the solution method. The discrete variables are treated as continuous along the solution method by means of the use of sinusoidal functions that penalize the original objective function while the control variables do not converge to any of the predefined discrete points in its domain. The multiperiod, or dynamic, characteristic of the problem, however, refers to the use of a constraint that relates the settings of the control variables for successive time intervals that limits the control devices switching operations number for a period of 24-hours. The study is based, methodologically, on Primal-Dual Logarithmic Barrier method. To demonstrate the effectiveness of the proposed model and the robustness of this approach, the data were obtained from theoretical literature surveys, and tests were performed on test-systems of 10, 69 and 135 buses, and in a 442 buses located in the Northwest of the United Kingdom. The computational implementation was accomplished in the softwares MATLAB, AIMMS and GAMS, using the IPOPT solver as solution method. The results have shown the approach for solving nonlinear programming problems is effective to appropriate cope with all the variables presented in Volt/VAr optimization problems.

Este trabalho propõe um novo modelo e uma nova abordagem para resolução do problema de fluxo de potência ótimo reativo com variáveis de controle discretas e restrições de atuação de dispositivos de controle de tensão. Matematicamente, esse problema é formulado como um problema de programação não linear com variáveis contínuas e discretas e restrições de complementaridade, cuja abordagem para resolução proposta neste trabalho se baseia na resolução de uma sequência de problemas modificados pelo algoritmo da função Lagrangiana barreira modificada-penalidade-discreto. Nessa abordagem, o problema original é modificado da seguinte forma: 1) as variáveis discretas são tratadas como contínuas por funções senoidais incorporadas na função objetivo do problema original; 2) as restrições de complementaridade são transformadas em restrições de desigualdade equivalentes; e 3) as restrições de desigualdade são transformadas em restrições de igualdade a partir do acréscimo de variáveis de folga não negativas. Para resolver o problema modificado, a condição de não negatividade das variáveis de folga é tratada por uma função barreira modificada com extrapolação quadrática. O problema modificado é transformado em um problema Lagrangiano, cuja solução é determinada a partir da aplicação das condições necessárias de otimalidade. No algoritmo da função Lagrangiana barreira modificada-penalidade-discreto, uma sequência de problemas modificados é resolvida até que todas as variáveis do problema modificado associadas às variáveis discretas do problema original assumam valores discretos. Para demonstrar a eficácia do modelo proposto e a robustez dessa abordagem para resolução de problemas de fluxo de potência ótimo reativo, foram realizados testes com os sistemas elétricos IEEE de 14, 30, 57 e 118 barras e com o sistema equivalente CESP 440 kV de 53 barras. Os resultados mostram que a abordagem para resolução de problemas de programação não linear proposta é eficaz no tratamento de variáveis discretas e restrições de complementaridade. / This work proposes a novel model and a new approach for solving the reactive optimal power flow problem with discrete control variables and voltage-control actuation constraints. Mathematically, such problem is formulated as a nonlinear programming problem with continuous and discrete variables and complementarity constraints, whose proposed resolution approach is based on solving a sequence of modified problems by the discrete penalty-modified barrier Lagrangian function algorithm. In this approach, the original problem is modified in the following way: 1) the discrete variables are treated as continuous by sinusoidal functions incorporated into the objective function of the original problem; 2) the complementarity constraints are transformed into equivalent inequality constraints; and 3) the inequality constraints are transformed into equality constraints by the addition of non-negative slack variables. To solve the modified problem, the non-negativity condition of the slack variables is treated by a modified barrier function with quadratic extrapolation. The modified problem is transformed into a Lagrangian problem, whose solution is determined by the application of the first-order necessary optimality conditions. In the discrete penalty- modified barrier Lagrangian function algorithm, a sequence of modified problems is successively solved until all the variables of the modified problem that are associated with the discrete variables of the original problem assume discrete values. The efectiveness of the proposed model and the robustness of this approach for solving reactive optimal power flow problems were verified with the IEEE 14, 30, 57 and 118-bus test systems and the 440 kV CESP 53-bus equivalent system. The results show that the proposed approach for solving nonlinear programming problems successfully handles discrete variables and complementarity constraints.

Este trabalho propõe um novo modelo e uma nova abordagem para resolução do problema de fluxo de potência ótimo reativo com variáveis de controle discretas e restrições de atuação de dispositivos de controle de tensão. Matematicamente, esse problema é formulado como um problema de programação não linear com variáveis contínuas e discretas e restrições de complementaridade, cuja abordagem para resolução proposta neste trabalho se baseia na resolução de uma sequência de problemas modificados pelo algoritmo da função Lagrangiana barreira modificada-penalidade-discreto. Nessa abordagem, o problema original é modificado da seguinte forma: 1) as variáveis discretas são tratadas como contínuas por funções senoidais incorporadas na função objetivo do problema original; 2) as restrições de complementaridade são transformadas em restrições de desigualdade equivalentes; e 3) as restrições de desigualdade são transformadas em restrições de igualdade a partir do acréscimo de variáveis de folga não negativas. Para resolver o problema modificado, a condição de não negatividade das variáveis de folga é tratada por uma função barreira modificada com extrapolação quadrática. O problema modificado é transformado em um problema Lagrangiano, cuja solução é determinada a partir da aplicação das condições necessárias de otimalidade. No algoritmo da função Lagrangiana barreira modificada-penalidade-discreto, uma sequência de problemas modificados é resolvida até que todas as variáveis do problema modificado associadas às variáveis discretas do problema original assumam valores discretos. Para demonstrar a eficácia do modelo proposto e a robustez dessa abordagem para resolução de problemas de fluxo de potência ótimo reativo, foram realizados testes com os sistemas elétricos IEEE de 14, 30, 57 e 118 barras e com o sistema equivalente CESP 440 kV de 53 barras. Os resultados mostram que a abordagem para resolução de problemas de programação não linear proposta é eficaz no tratamento de variáveis discretas e restrições de complementaridade. / This work proposes a novel model and a new approach for solving the reactive optimal power flow problem with discrete control variables and voltage-control actuation constraints. Mathematically, such problem is formulated as a nonlinear programming problem with continuous and discrete variables and complementarity constraints, whose proposed resolution approach is based on solving a sequence of modified problems by the discrete penalty-modified barrier Lagrangian function algorithm. In this approach, the original problem is modified in the following way: 1) the discrete variables are treated as continuous by sinusoidal functions incorporated into the objective function of the original problem; 2) the complementarity constraints are transformed into equivalent inequality constraints; and 3) the inequality constraints are transformed into equality constraints by the addition of non-negative slack variables. To solve the modified problem, the non-negativity condition of the slack variables is treated by a modified barrier function with quadratic extrapolation. The modified problem is transformed into a Lagrangian problem, whose solution is determined by the application of the first-order necessary optimality conditions. In the discrete penalty- modified barrier Lagrangian function algorithm, a sequence of modified problems is successively solved until all the variables of the modified problem that are associated with the discrete variables of the original problem assume discrete values. The efectiveness of the proposed model and the robustness of this approach for solving reactive optimal power flow problems were verified with the IEEE 14, 30, 57 and 118-bus test systems and the 440 kV CESP 53-bus equivalent system. The results show that the proposed approach for solving nonlinear programming problems successfully handles discrete variables and complementarity constraints.

使用母數統計方法（Parametric Tests）分析資料時，常需滿足常態假設，但實際得到的資料卻少有常態，因此研究違反常態假設對統計量所造成影響的強韌性研究（Robustness Research）在應用統計方法上是重要的研究主題。在進行此類研究時，常使用蒙地卡羅法（Monte Carlo Method）產生非常態之資料進一步進行研究，目前雖已有多個可產生非常態連續資料的方法被提出，但心理學研究之資 料卻多為間斷資料。而在產生非常態間斷資料時，除難以產生指定參數之間斷分配外，亦有無限多組具同樣參數之間斷分配可供選擇。針對以上兩困難，本研究提出可使用最大資訊熵程序估計符合指定參數之單變數間斷分配，用以產生對應之單變數間斷資料。最大資訊熵方法可所估出之間斷最大資訊熵分配除為符合指定參數時最常出現之分配以外，同時具有平滑、非必要無0 機率等特性。本研究呈現指定4 參數（平均數、變異數、偏態及峰度）與指定2 參數（偏態及峰度） 之最大資訊熵方法，及相對應之R 套件，並以R 套件對此2 方法進行探討評估。結果發現本研究所提出之二方法，在要求指定參數與估計參數之誤差均不超過 .001 時，均可估計出符合指定參數之可能組合之分配，顯示此二方法可精確產生指定參數之間斷分配。而本研究所提供之R 套件，除可在輸入點數、指定參數後產生間斷分配，亦可輸入指定樣本數目及樣本數於此間斷分配中抽取樣本，使此二方法於使用蒙地卡羅法進行間斷資料之強韌性研究時，更易於使用。 / When conducting the robustness researches about normality assumption with Monte Carlo method, a procedure for simulating non-normal data is needed. Some procedures for simulating the non-normal continuous data have been proposed, but the discrete data of ordered categorized variables (e.g., Likert-Type scale) are what we met mostly in practice. To estimate the discrete probability distribution precisely and choose one from infinite discrete probability distributions with the same constraints are 2 difficulties encountered on discrete data simulating process. Therefore, the research purposed a procedure called Maximum Entropy Procedure (MEP) which simulates the univariate discrete maximum entropy distribution with the specified parameters. The distribution is the one with greatest number with the specified parameters, most unlikely probability distribution with 0 probability and smoothest. The characteristics make the MEP a reasonable and considerable choice on simulating univariate discrete data with specified parameters. The MEP-4 (constraints on mean, variance, skewness and kurtosis), the MEP-2 (constraints on skewness and kurtosis) and the corresponding R packages which could estimate the univariate discrete distributions with the specified parameters are presented, evaluated and discussed in this research. It shows that the MEP-4 and MEP-2 are able to estimate the discrete probability distributions precisely with possible combinations of specified parameters with all differences are smaller than .001 and thus useful for robustness researches. The R packages presented in this study are easily to estimate the discrete probability distributions with specified parameters and generate data from these distributions with specified number of samples and sample size. Therefore the MEP-4 and MEP-2 could be easily implemented for generating discrete data with the specified parameters through the corresponding R package and thus useful for Monte Carlo method of robustness researches.