Nesta dissertação é apresentada uma nova metodologia para tratar o problema de restabelecimento de energia em Sistemas de Distribuição (SD) de grande porte, possibilitando a obtenção de planos de restabelecimento a partir exclusivamente de chaves automáticas após a ocorrência de faltas permanentes. Este procedimento é realizado através da Reconfiguração de Redes (RR), que consiste basicamente na alteração da topologia do sistema elétrico através da mudança de estados (aberto/fechado) das chaves seccionadoras. Para isso, vários pontos de carga do SD são agrupados em blocos separados por chaves, formando setores. Assim, a partir da RR é possível a troca de cargas entre alimentadores em caso de interrupção em algum ponto da rede. A metodologia aqui proposta divide o processo de restabelecimento de energia em duas etapas. Na primeira a troca de cargas entre alimentadores é realizada utilizando apenas chaves automáticas, e a segunda etapa utiliza-se qualquer tipo de chave, automática ou não. O problema de restabelecimento de energia em SDs de grande porte envolve múltiplos objetivos, e alguns deles são conflitantes, além disto, devido à grande quantidade de variáveis envolvidas nesse problema, ele está sujeito ao fenômeno de explosão combinatória. Dessa forma, metas-heurísticas têm sido propostas como alternativas para tratar o problema, e dentre essas, os Algoritmos Evolutivos (AEs) têm se mostrado a mais eficiente. Face ao exposto, neste trabalho de mestrado utiliza-se de um AE Multi-Objetivo, juntamente com a estrutura de dados denominada Representação Nó-Profundidade (RNP), que permite uma representação computacional eficiente da topologia elétrica dos SDs. Para validar a metodologia proposta foram realizadas simulações computacionais no SD real da cidade de Londrina-PR, em atual operação. Os resultados que serão apresentados nessa dissertação mostraram um ganho substancial em comparação com outra metodologia. / This dissertation presents a new methodology to address service restoration problem in Large Scale Distribution Systems (DS), that allow the obtaining of service restoration plans considering only automatic switches after the occurrence of interruption. This procedure is performed through the Network Reconfiguration (NR), which basically consists in changing the topology of the electrical system by changing states (open/closed) of the switches. For this, various load points DS are grouped into blocks separated by switches, forming sectors. Thus, from the NR is possible to exchange charges between feeders in case of interruption somewhere in the DS. The methodology proposed here divides the process of service restoration in two stages. The first exchange of charges between feeders is performed using only automatic switches, and the second stage uses any type of switches, automatic or not. The problem of service restoration in Large-Scale DS involves multiple objectives, some of which are conflicting, moreover, due to the large number of variables involved in this problem, it is subject to the combinatorial explosion phenomenon. Thus, meta-heuristics have been proposed as alternatives to address the problem, and among these, the Evolutionary Algorithms (EAs) have shown to be more efficient. Given the above, this work uses Multi-Objective Evolutionary Algorithms, along with the graph encoding called Node-Depth Representation, which allows an efficient computational representation of DS topology. To validate the proposed methodology were performed computer simulations in real DS city of Londrina, in actual operation. The results will be presented in this thesis showed a substantial gain compared to other methods.

Desenvolver um sistema de distribuição de energia confiável é certamente um desafio inerente aos profissionais do setor elétrico. Porém, os sistemas estão sujeitos a falhas e, sendo assim, o rápido restabelecimento traz a satisfação do cliente e reduz as compensações pagas pelas concessionárias de energia. Neste contexto a presente dissertação visa avaliar a metodologia para restabelecimento de energia denominada AEMT-H que se baseia em algoritmos evolutivos multi-objetivo se na estrutura de dados chamada Representação Nó- Profundidade (RNP). Esta avaliação ocorrerá através da aplicação do AEMT-H para obtenção de planos de restabelecimento de energia após a ocorrência de faltas simples no sistema COPEL da cidade de Londrina. Os resultados gerados serão avaliados estatisticamente e ainda subjetivamente pelos profissionais do COD da concessionária. Os algoritmos evolutivos têm apresentado resultados animadores para os problemas de restabelecimento de energia. Em especial, os resultados obtidos, quando da representação computacional de sistemas de distribuição de grande porte (com milhares de barras e chaves) através da RNP, possuem como característica o tempo de resposta da ordem de segundos, instigando a evolução das pesquisas para utilização desta metodologia inclusive em aplicativos de tempo real. O sistema de Londrina possui 30.156 barras, 2.660 chaves \"NF\", 250 chaves \"NA\" e atende um universo de mais de 231.000 consumidores ligados diretamente ao sistema de 13,8 kV ou, após os transformadores de distribuição, nas tensões de 220V e 127V. Neste sistema estão presentes 6 subestações 138 kV/13,8 kV e 64 circuitos alimentadores, totalizando uma capacidade de transformação de energia de 541,7 MVA. / The development of a reliable distribution system is certainly a challenge to electrical industry professionals. However, these systems are subject to failures and thus the fast restoration brings customer satisfaction and reduces the compensation paid by the electricity utilities. In this context, this dissertation aims to evaluate the methodology for service restoration called \"AEMT-H\", which is based on multi-objective evolutionary algorithms and in the data structure called Node Depth Encoding (NDE). This evaluation will occur by applying the \"AEMT-H\" to obtain service restoration plans considering the occurrence of simple faults in the COPEL system of the city of Londrina. The obtained results will bee valuated statistically and subjectively by professionals of the Distribution Operation Center. It is important to highlight that Evolutionary algorithms have shown promising results to treat the service restoration problem in distribution systems. In particular, the results obtained when using NDE tocomputationally represent the electrical topology of large distribution systems (with thousand of buses and switchers) are very interesting in terms of time processing (in the order of seconds). The system of Londrina has 30,156 buses, 2,660 switchers normally closed, 250 switchers normally opened and supplies a universe of more than 231,000 consumers connected directly to the system with voltage of 13.8 kV or, after distribution transformers, with voltages of 220V and 127V. This system contains 6 substations 138 kV/13,8 kV and 64 feeders, and a installed power of 541.7 MVA.

Esta dissertação trata do problema de restabelecimento de energia em sistemas de distribuição de grande porte (com milhares de linhas, barras de carga e chaves seccionadoras) em situações de contingência. Este problema consiste basicamente na determinação de chaves seccionadoras que devem ser operadas para permitir a transferência de blocos de carga a fim de re-conectar consumidores fora de serviço atendendo às restrições operacionais do sistema. Diversas metodologias têm sido desenvolvidas para lidar com o problema de restabelecimento de energia. Entretanto, a maioria perde eficiência computacional quando aplicadas em sistemas de distribuição de grande porte e/ou não fazem distinção entre chaves manuais e automáticas (controladas remotamente). Propõe-se uma metodologia para obtenção, em tempo-real, de planos de restabelecimento de energia em sistemas de distribuição de grande porte, que priorize a utilização de chaves seccionadoras controladas remotamente. Priorizar a utilização de chaves controladas remotamente permite a obtenção de planos de restabelecimento mais rápidos de serem implantados. Para lidar com os múltiplos objetivos e restrições do problema de restabelecimento de energia, a metodologia proposta será baseada em Algoritmos Evolutivos Multi-Objetivo, enquanto que a eficiência computacional para possibilitar o tratamento de sistemas de grande porte será proporcionada através da utilização da codificação de dados denominada Representação Nó-Profundidade. Para validar a metodologia proposta realizar-se-ão diversas simulações computacionais no sistema de distribuição real da cidade de São Carlos-SP, e nas suas versões duplicada, quadruplicada e octuplicada, considerando-se a ocorrência tanto de falta única quanto de múltiplas faltas. / This thesis focuses on the service restoration problem in large scale distribution systems (distribution systems with thousands of switches and load buses) in contingency situations. This problem consists basically in determining the sectionalizing switches that must be operated in order to reconnect the out of service loads without violating any operational constraints. Several methodologies have been developed to deal with the service restoration problem in distribution systems. However, the majority of them demand high running time when used for large scale distribution systems and/or do not consider the existence of switches that can be remotely operated. It is proposed a methodology for determining, in real time, service restoration plans in large scale distribution systems. In order to determine service plans that can be implemented faster, the methodology will give priority to use remotely controlled switches. To deal with the multiple objectives and constraints of the service restoration problem, the proposed methodology will be based on Multi-objective Evolutionary algorithms. To guarantee computational efficiency to treat large scale distribution systems, the data encoding called Node-Depth Encoding will be used. The real distribution system of the São Carlos-SP city, and its doubled, quadruplicated and octuplicate versions will be used to validate the proposed methodology. It will be simulated cases considering one and multiple faults.

O trabalho proposto enfoca a obtenção de planos de restabelecimento de energia de forma automática para a reenergização de redes de distribuição de energia elétrica. Assim sendo, consideram-se situações que deixam regiões do sistema sem energia. A interrupção do serviço pode ser causada por falhas no circuito de distribuição ou pela necessidade de isolar zonas do mesmo para serviços de manutenção. O restabelecimento do fornecimento da energia aos consumidores é um problema com múltiplos objetivos, alguns deles conflitantes. O problema de restabelecimento envolve funções cujas características, em geral, dificultam o uso das técnicas de programação matemática para obter planos de restabelecimento. Além disso, as propostas usando tais metodologias de programação são afetadas intensamente pelo problema de explosão combinatória. Os Algoritmos Evolucionários (AEs) têm apresentado resultados animadores para esse problema. Contudo, tais algoritmos ainda apresentam dificuldades para a rápida obtenção de planos de restabelecimento para redes de tamanho real (grande porte) de maneira a tornar possível sua aplicação em tempo real. Este trabalho propõe uma nova técnica baseada em AEs para o problema de restabelecimento. Essa proposta envolve também um nova forma de representar computacionalmente as redes de distribuição e de modificar a configuração das mesmas. Também é proposto um fluxo de carga específico para ser utilizado com a nova representação. Diversos testes são apresentados utilizando redes com diferentes tamanhos, no intuito de se avaliar a potencialidade da técnica proposta. / The proposed research focus on the automatic elaboration of plans for service restoration in electrical distribution systems. So this research considers situations that leave network regions out-of-service. The service interruption may be caused by faults in the distribution circuit or by isolation of circuit zones for maintenance task. The restoration of the energy supply to the consumers is a multiobjective problem, with a certain degree of conflict. The restoration problem considers functions whose characteristics, in general, difficult the use of mathematical programming techniques to obtain restoration plans. Moreover, the approaches using such functions are intensively affected by the combinatorial explosion problem. The Evolutionary Algorithms have shown relevant results for this problem. Nevertheless, these techniques still have difficulties to obtain restoration plans, in a fast manner, for real size networks (i.e., large size). This work proposes a new methodology based on Evolutionary Algorithms. This approach involves also a new way to computationally represent distribution networks and to modify the network configurations. A specific load flow to be used with the new representation is also proposed. Severals tests are shown, using networks with different sizes, to evaluate the potential of the proposed technique.

Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2018-11-06T17:18:16Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Giancarlo Rodrigues.pdf: 1835625 bytes, checksum: 84e769e19af35cc8103d542fe655e171 (MD5) / Made available in DSpace on 2018-11-06T17:18:16Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Giancarlo Rodrigues.pdf: 1835625 bytes, checksum: 84e769e19af35cc8103d542fe655e171 (MD5) Previous issue date: 2018-09-13 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A estimativa do teor de nutrientes do solo por espectroscopia de refletância difusa é feita através de um modelo de predição, do qual seu desempenho determina a efetividade do método em realizá-la. Esse modelo é elaborado por técnicas que procuram correlacionar dados de refletância de uma coleção de amostras ao respectivo valor de referência obtido por análise química, ambos dispostos como atributos de um conjunto de dados. Não obstante, a quantidade de atributos desse conjunto é elevada – alta dimensionalidade – e nem todos são relevantes à predição do nutriente de interesse, logo elaborar um modelo a partir de um conjunto com essas características envolve uma série de complicações que prejudicam seu desempenho de predição. Uma das estratégias para contorná-las é manter no conjunto de dados apenas atributos relevantes à predição do nutriente de interesse, o que é feito através da Seleção de Subconjunto de Atributos (SSA), porém a maioria dos algoritmos que a executam não apresentam desempenho satisfatório ao manusear conjuntos de alta dimensionalidade. A literatura pertinente, por outro lado, constatou que o emprego de algoritmos evolutivos para SSA em conjuntos com essa característica fornece subconjuntos de qualidade num tempo de execução aceitável, logo o objetivo desta dissertação foi identificar com o apoio da metaheurística de Otimização por Enxame de Partículas – PSO – os comprimentos de onda da região do infravermelho visível e próximo relevantes à predição do teor de alumínio trocável de amostras de solo da região dos Campos Gerais. Para isso, a SSA foi configurada como um problema de otimização em que o objetivo foi minimizar o valor de AIC dos modelos elaborados pelo algoritmo de Regressão Linear Múltipla a partir dos subconjuntos candidatos. Ademais, sabendo da influência dos parâmetros do algoritmo no resultado final, primeiro foram investigados os valores ideais para número de iterações, tamanho do enxame e valor de limiar que proporcionaram a seleção dos melhores subconjuntos, depois estes foram validados num conjunto de dados independente e o melhor apontado. Nossos resultados sugerem que, para nosso cenário, 40 iterações, tamanho de enxame 20 e limiar 0,6 fornecem os melhores subconjuntos, porém o desempenho de predição do melhor modelo identificado ainda é passível de aprimoramento. A redução proporcionada pelo método adotado foi significativa e por conta disso essa abordagem é indicada para SSA em conjuntos de dados de espectroscopia. / The soil nutrient content estimation by diffuse reflectance spectroscopy is done through a prediction model whose performance determines the method effectiveness when performing it. This model is elaborated by techniques that try correlating a sample collection’s reflectance data to the respective reference value obtained through chemical analysis, both arranged as dataset attributes. Nevertheless, the dataset attributes amount is large – high dimensionality – and not all of them are relevant to the interest nutrient’s prediction, so elaborating a model from a dataset with these characteristics involves some complications that impact its prediction performance. A strategy to circumvent them is keeping only relevant attributes to the interest nutrient’s prediction, which is done through Feature Subset Selection (FSS), but the majority of algorithms that perform it do not operate satisfactorily when handling highdimensional sets. On the other hand, the pertinent literature found that employing evolutionary algorithms for FSS in high-dimensionality datasets provides quality subsets in an acceptable execution time, so this master thesis’ objective was to identify with Particle Swarm Optimization – PSO – metaheuristic support the relevant wavelengths of visible and near infrared region for exchangeable aluminum content prediction of Campos Gerais region soil samples. For this, the FSS was configured as an optimization problem which the objective was to minimize the AIC value of candidate subsets models elaborated by Multiple Linear Regression algorithm. In addition, knowing the algorithm parameters influence on its final result, first the ideal values for iterations number, swarm size and threshold value that provided the selection of best subsets were investigated, then these subsets were validated in an independent dataset and the best established. Our results suggest that in our scenario 40 iterations, swarm size 20 and threshold 0.6 provided the best subsets, but the prediction performance of the best model is amenable to improvement. The dimensionality reduction provided by the adopted method was significant, so this approach is recommended for FSS in spectroscopy datasets.

Esta tese estudou a aplicação de algoritmos evolucionários na análise multiobjetivo para gestão integrada de sistemas de recursos hídricos, bem como a sua integração à sistemas de suporte a decisão como o SSD AcquaNet e ModSim DSS. Dois algoritmos evolucionários multi-objetivo são desenvolvidos: MoDE-NS e MoPSO-NS e comparados ao NSGA-II. Os algoritmos foram desenvolvidos em forma de Sistema de Otimização que possibilita a análise de problemas multi-objetivo de forma generalizada com foco em sistemas de recursos hídricos. A possibilidade de integração com o SSD AcquaNet e o ModSim DSS via importação de rede de fluxo e a otimização conjunta, são apresentadas e exploradas. Uma ferramenta de visualização gráfica do conjunto de soluções não dominadas é incluída no Sistema de Otimização. Os algoritmos desenvolvidos foram aplicados a problemas de teste padrão para validação através da comparação de seus resultados ao NSGA-II. As possibilidades de aplicação do sistema de otimização e dos algoritmos evolucionários multi-objetivo foram exploradas inicialmente através de análise multi-objetivo do modelo chuva-vazão Smap com dois e cinco objetivos. Em seguida, a análise foi estendida a um sistema de recursos hídricos complexo, o Sistema Cantareira, responsável pelo abastecimento de aproximadamente metade da RMSP, que corresponde à aproximadamente 33 m³/s. A análise foi realizada comparando dois pares de funções objetivos envolvendo custos de energia elétrica, minimização de déficit no atendimento às demandas e minimização do desvio da qualidade da água em relação à Classe de enquadramento no rio Atibaia, a jusante do reservatório Atibainha e Cachoeira. Os resultados apontam que os algoritmos evolucionários multi-objetivo são aptos para aplicação na análise integrada de sistemas de recursos hídricos e representam uma boa alternativa aos métodos denominados clássicos, pelas suas características peculiares discutidas no trabalho. Algumas recomendações quanto ao uso dos algoritmos abordados para análise de problemas multi-objetivo foram apresentados. / This Thesis presents an application of evolutionary algorithms in multi-objective analysis for integrated management of water resources systems and their integration into decision support systems as AcquaNet and ModSim DSS. Two multi-objective evolutionary algorithms are developed: MoDE-NS-NS and MoPSO-NS and compared to NSGA-II. The algorithms are developed in the form of Optimization System which enables generalized multi-objective analysis with a focus on water resources systems. The possibilities for integration with AcquaNet and ModSim DSS, by importing network flow directly from them or by integrated optimization/simulation are also presented. A graphical visualization tool for the set of non-dominated solutions is also included in Optimization System. The algorithms are applied to common test problems set for validation by comparing its results to the NSGA-II. The possibilities of application of the developed Optimization System and multi-objective evolutionary algorithms are initially exploited by multi-objective analysis of a hydrological rainfall-runoff model Smap, with two and five objectives. Then, the analysis is extended to a complex water resources system, the Cantareira System, responsible for supplying nearly half of the Sao Paulo metro area, which corresponds to approximately 33 m³/s. The analysis is done by comparing two pairs of objective functions: minimization of demand shortage versus minimization of pumping cost and minimization of demand shortage versus minimization of the deviation from water quality standards. The results show that the multi-objective evolutionary algorithms are suitable for application to integrated analysis of water resources systems and represent a good alternative to the so called classical methods, for its peculiar characteristics discussed on this thesis. The MoDE-NS and MoPSO-NS developed, outperformed NSGA-II results, by obtaining a better coverage of the Pareto fronts especially on the water resources system case study.

Este trabalho foca o desenvolvimento de algoritmos de otimização para o problema de PSP puramente ab initio. Algoritmos que melhor exploram o espaço de potencial de soluções podem, em geral, encontrar melhores soluções. Esses algoritmos podem beneficiar ambas abordagens de PSP, tanto o modelo ab initio quanto os baseados em conhecimento a priori. Pesquisadores tem mostrado que Algoritmos Evolutivos Multiobjetivo podem contribuir significativamente no contexto do problema de PSP puramente ab initio. Neste contexto, esta pesquisa investiga o Algoritmo Evolutivo Multiobjetivo baseado em Tabelas aplicado ao PSP puramente ab initio, que apresenta interessantes resultados para proteínas relativamente simples. Por exemplo, um desafio para o PSP puramente ab initio é a predição de estruturas com folhas-. Para trabalhar com tais proteínas, foi desenvolvido procedimentos computacionalmente eficientes para estimar energias de ligação de hidrogênio e solvatação. Em geral, estas não são consideradas no PSP por abordagens que combinam métodos de otimização e conhecimento a priori. Considerando somente van der Waals e eletrostática, as duas energias de interação que mais contribuem para a definição da estrutura de uma proteína, com as energias de ligação de hidrogênio e solvatação, o problema de PSP tem quatro objetivos. Problemas combinatórios (tais como o PSP), com mais de três objetivos, geralmente requerem métodos específicos capazes de lidar com muitos critérios. Para resolver essa limitação, este trabalho propõe um novo método para a otimização dos muitos objetivos, chamado Algoritmo Evolutivo Multiobjetivo com Muitas Tabelas (AEMMT). Esse método executa uma amostragem mais adequada do espaço de funções objetivo e, portanto, pode mapear melhor as regiões promissoras deste espaço. A capacidade de lidar com muitos objetivos capacita o AEMMT a utilizar melhor a informação oriunda das energias de solvatação e de ligação de hidrogênio, e então predizer estruturas com folhas- e algumas proteínas relativamente mais complexas. Do ponto de vista computacional, o AEMMT é um novo método que lida com muitos objetivos (mais de dez) encontrando soluções relevantes / This work focuses on the development of optimization algorithms for the purely ab initio Protein Structure Prediction (PSP) problem. Algorithms that better explore the space of potential solutions can in general find better solutions. Such algorithms can benefit both ab initio and template-based PSP, that uses priori knowledge. Researches have shown that Multiobjective evolutionary algorithms can contribute significantly in the context of purely ab initio PSP. In this context, this research investigates the Multiobjective Evolutionary Algorithm based on Tables applied to purely ab initio PSP, which has shown interesting results for relatively simple proteins. For example, one challenge for purely ab initio PSP is the prediction of structures with -sheets. To work with such proteins, this research has developed computationally efficient procedures to estimate hydrogen bond and solvation energies. In general, they are not considered by PSP approaches combining optimization methods with priori knowledge. Only by considering van der Waals and electrostatic, the two interaction energies that mostly contribute to defining a protein structure, and the hydrogen bond and solvation energies, the PSP problem has four objectives. Combinatorial problems (such as the PSP) with more than three objective usually require specific methods capable of dealing with many goals. To address this limitation, we propose a new method for many objective optimization, called Multiobjective Evolutionary Algorithm with Many Tables (MEAMT). This method performs a more adequate sampling of the space of objective functions and, therefore, can better map the promising regions of this space. The ability of dealing with many objectives enables the MEANT to better use information generated by solvation and hydrogen bond energies, and then predict structures with -sheets and some relatively complex proteins. From the computational point of view, the MEAMT is a new method for dealing with many objectives (more than ten) finding relevant solutions

Esta dissertação trata do problema de restabelecimento de energia em sistemas de distribuição de grande porte (com milhares de linhas, barras de carga e chaves seccionadoras) em situações de contingência. Este problema consiste basicamente na determinação de chaves seccionadoras que devem ser operadas para permitir a transferência de blocos de carga a fim de re-conectar consumidores fora de serviço atendendo às restrições operacionais do sistema. Diversas metodologias têm sido desenvolvidas para lidar com o problema de restabelecimento de energia. Entretanto, a maioria perde eficiência computacional quando aplicadas em sistemas de distribuição de grande porte e/ou não fazem distinção entre chaves manuais e automáticas (controladas remotamente). Propõe-se uma metodologia para obtenção, em tempo-real, de planos de restabelecimento de energia em sistemas de distribuição de grande porte, que priorize a utilização de chaves seccionadoras controladas remotamente. Priorizar a utilização de chaves controladas remotamente permite a obtenção de planos de restabelecimento mais rápidos de serem implantados. Para lidar com os múltiplos objetivos e restrições do problema de restabelecimento de energia, a metodologia proposta será baseada em Algoritmos Evolutivos Multi-Objetivo, enquanto que a eficiência computacional para possibilitar o tratamento de sistemas de grande porte será proporcionada através da utilização da codificação de dados denominada Representação Nó-Profundidade. Para validar a metodologia proposta realizar-se-ão diversas simulações computacionais no sistema de distribuição real da cidade de São Carlos-SP, e nas suas versões duplicada, quadruplicada e octuplicada, considerando-se a ocorrência tanto de falta única quanto de múltiplas faltas. / This thesis focuses on the service restoration problem in large scale distribution systems (distribution systems with thousands of switches and load buses) in contingency situations. This problem consists basically in determining the sectionalizing switches that must be operated in order to reconnect the out of service loads without violating any operational constraints. Several methodologies have been developed to deal with the service restoration problem in distribution systems. However, the majority of them demand high running time when used for large scale distribution systems and/or do not consider the existence of switches that can be remotely operated. It is proposed a methodology for determining, in real time, service restoration plans in large scale distribution systems. In order to determine service plans that can be implemented faster, the methodology will give priority to use remotely controlled switches. To deal with the multiple objectives and constraints of the service restoration problem, the proposed methodology will be based on Multi-objective Evolutionary algorithms. To guarantee computational efficiency to treat large scale distribution systems, the data encoding called Node-Depth Encoding will be used. The real distribution system of the São Carlos-SP city, and its doubled, quadruplicated and octuplicate versions will be used to validate the proposed methodology. It will be simulated cases considering one and multiple faults.

Nesta dissertação é apresentada uma nova metodologia para tratar o problema de restabelecimento de energia em Sistemas de Distribuição (SD) de grande porte, possibilitando a obtenção de planos de restabelecimento a partir exclusivamente de chaves automáticas após a ocorrência de faltas permanentes. Este procedimento é realizado através da Reconfiguração de Redes (RR), que consiste basicamente na alteração da topologia do sistema elétrico através da mudança de estados (aberto/fechado) das chaves seccionadoras. Para isso, vários pontos de carga do SD são agrupados em blocos separados por chaves, formando setores. Assim, a partir da RR é possível a troca de cargas entre alimentadores em caso de interrupção em algum ponto da rede. A metodologia aqui proposta divide o processo de restabelecimento de energia em duas etapas. Na primeira a troca de cargas entre alimentadores é realizada utilizando apenas chaves automáticas, e a segunda etapa utiliza-se qualquer tipo de chave, automática ou não. O problema de restabelecimento de energia em SDs de grande porte envolve múltiplos objetivos, e alguns deles são conflitantes, além disto, devido à grande quantidade de variáveis envolvidas nesse problema, ele está sujeito ao fenômeno de explosão combinatória. Dessa forma, metas-heurísticas têm sido propostas como alternativas para tratar o problema, e dentre essas, os Algoritmos Evolutivos (AEs) têm se mostrado a mais eficiente. Face ao exposto, neste trabalho de mestrado utiliza-se de um AE Multi-Objetivo, juntamente com a estrutura de dados denominada Representação Nó-Profundidade (RNP), que permite uma representação computacional eficiente da topologia elétrica dos SDs. Para validar a metodologia proposta foram realizadas simulações computacionais no SD real da cidade de Londrina-PR, em atual operação. Os resultados que serão apresentados nessa dissertação mostraram um ganho substancial em comparação com outra metodologia. / This dissertation presents a new methodology to address service restoration problem in Large Scale Distribution Systems (DS), that allow the obtaining of service restoration plans considering only automatic switches after the occurrence of interruption. This procedure is performed through the Network Reconfiguration (NR), which basically consists in changing the topology of the electrical system by changing states (open/closed) of the switches. For this, various load points DS are grouped into blocks separated by switches, forming sectors. Thus, from the NR is possible to exchange charges between feeders in case of interruption somewhere in the DS. The methodology proposed here divides the process of service restoration in two stages. The first exchange of charges between feeders is performed using only automatic switches, and the second stage uses any type of switches, automatic or not. The problem of service restoration in Large-Scale DS involves multiple objectives, some of which are conflicting, moreover, due to the large number of variables involved in this problem, it is subject to the combinatorial explosion phenomenon. Thus, meta-heuristics have been proposed as alternatives to address the problem, and among these, the Evolutionary Algorithms (EAs) have shown to be more efficient. Given the above, this work uses Multi-Objective Evolutionary Algorithms, along with the graph encoding called Node-Depth Representation, which allows an efficient computational representation of DS topology. To validate the proposed methodology were performed computer simulations in real DS city of Londrina, in actual operation. The results will be presented in this thesis showed a substantial gain compared to other methods.

O principal objetivo deste estudo é propor uma nova metodologia para lidar com o problema de Planejamento da Expansão de Redes de Transmissão de Energia Elétrica com Múltiplos Cenários de Geração (PERTEEG). Com a metodologia proposta neste trabalho almeja-se construir planos de expansão de redes de transmissão de energia elétrica que sejam capazes de, no menor custo de investimento possível, satisfazer às novas exigências dos sistemas elétricos modernos, tais como construção de redes de transmissão livres de congestionamento e robustas à incerteza em relação aos cenários de geração futuros. Através de estudos realizados na literatura do problema, verificou-se que novos modelos e metodologias de abordagem do PERTEEG se fazem necessários. Ao se modelar o PERTEEG visando construir redes de transmissão que contornem as incertezas em relação aos cenários de geração futuros e concomitantemente minimizar o custo de investimento para a expansão do sistema, o planejador se depara com um problema de otimização multiobjetivo. Existem na literatura da pesquisa operacional diversos algoritmos que visam lidar com problemas multiobjetivos. Nesta tese, foram aplicados dois desses algoritmos: Nondominated Sorting Genetic Algorithms-II (NSGA-II) e SPEA2: Strength Pareto Evolutionary Algorithm (SPEA2). Em primeira análise, se destacou uma das maiores dificuldade de lidar com o PERTEEG, a saber, o esforço computacional elevado. Por isso, vislumbrou-se que uma possível solução para contornar esta dificuldade esteja na computação paralela. Para se confirmar esta suspeita, nesta tese foram implementadas versões paralelas dos algoritmos sequenciais testados. A qualidade das soluções encontradas pelos algoritmos foram bastante superiores às soluções encontradas pelos algoritmos sequenciais. Neste trabalho também será mostrado que as soluções ótimas clássicas considerando somente o objetivo de m´mínimo custo são incapazes de atender às novas necessidades dos sistemas elétricos de potência. Testes computacionais foram realizados e analisados neste trabalho. Considerando as metodologias conhecidas na literatura para medição da qualidade das soluções encontradas por algoritmos multiobjetivo, se pode afirmar de que a proposta de abordagem do problema de PERTEEG pode ser viável tanto do ponto de vista de engenharia como do ponto de vista da computação matemática. / The main objective of this study is to propose a new methodology to deal with the long-term transmission system expansion planning with multiple generation dispatch scenarios problem (TEP-MDG). With the methodology proposed in this thesis we aim to build expansion plans with minimum investment cost and also capable of meeting the new demands of modern electrical systems, such as uncertainty about the future generation scenarios and congestion in the transmission systems. By modeling the TEP-MDG aiming to build transmission networks that circumvent the uncertainties regarding the future generation scenarios and simultaneously minimize the cost of investment for transmission networks expansion, the planner faces a multiobjective optimization problem. One can find various algorithms that aim to deal with multiobjective problems in the literature of operations research. In this thesis, we apply two of these algorithms: Nondominated Sorting Genetic Algorithms-II (NSGA-II) and SPEA2: Strength Pareto Evolutionary Algorithm (SPEA2). In a first analysis, we have found that the most critical issue with the TEP-MOG is the high computational demand. Therefore, in order to circumvent this difficulty we have implemented parallel versions of the sequential algorithms tested. In performed tests, the parallel algorithms have found solutions of superior quality than the solutions found by the sequential algorithms. In this thesis we also show that optimal solutions considering only the classical least cost objective are unable to meet the electric power systems new demands. Tests have been performed and analyzed in this work. By considering the methods known in the literature convinced to measure the quality of solutions found by multiobjective algorithms, we concluded that the proposed approach to TEP-MDG may be feasible from the point of view of both engineering and computational mathematics.