Este trabalho apresenta um modelo linearizado para ser utilizado em problemas de planejamento da expansão de sistemas de distribuição de energia elétrica (SDEE) com geração distribuída (GD), em um horizonte de curto prazo. O ponto de operação em regime permanente é calculado através de um modelo linearizado da rede, sendo as cargas e geradores representados por injeções constantes de corrente, o que torna possível calcular as correntes nos ramos e as tensões nas barras através de expressões lineares. As alternativas de expansão consideradas são: (i) alocação de bancos de capacitores; (ii) alocação de reguladores de tensão; e (iii) recondutoramento. Ainda, o modelo considera a possibilidade de seleção do tap dos transformadores de distribuição como alternativa para a redução das violações de tensão. A flexibilidade do modelo permite obter soluções considerando a contribuição das GDs no controle de tensão e potência reativa sem a necessidade de especificar uma tensão para a barra da subestação. O modelo de otimização proposto para a solução destes problemas utiliza uma função objetivo linear, além de restrições lineares e variáveis contínuas e binárias. Dessa forma, o modelo de otimização pode ser representado como um problema de programação linear inteira mista (PLIM) A função objetivo considera a minimização dos custos de investimento (aquisição, instalação e remoção de equipamentos e aquisição de condutores) e dos custos de operação, que correspondem aos custos anuais de manutenção somados aos custos das perdas de energia e das violações dos limites de tensão. A variação da carga é representada através de curvas de duração, sendo que os custos das perdas e das violações são ponderados pela duração de cada nível de carregamento. Utilizando uma abordagem de PLIM, sabe-se que existem condições suficientes que garantem a otimalidade de uma dada solução factível, além de permitir que a solução seja obtida através de métodos de otimização clássica. O modelo proposto foi implementado na linguagem de programação OPL e resolvido utilizando o solver comercial CPLEX. O modelo foi validado através da comparação dos resultados obtidos para cinco sistemas de distribuição com os resultados obtidos utilizando um fluxo de carga convencional. Os casos analisados e os resultados obtidos demonstram a precisão do modelo proposto e seu potencial de aplicação. / This work presents a linearized model to be used in short-term expansion planning problems of power distribution systems (PDS) with distributed generation (DG). The steady state operation point is calculated through a linearized model of the network, being the loads and generators modeled as constant current injections, which makes it possible to calculate the branch currents and bus voltages through linear expressions. The alternatives considered for expansion are: (i) capacitor banks placement; (ii) voltage regulators placement; and (iii) reconductoring. Furthermore, the model considers the possibility of adjusting the taps of the distribution transformers as an alternative to reduce voltage violations. The flexibility of the model enables solutions that includes the contribution of DGs in the control of voltage and reactive power without the need to specify the substation voltage. The optimization model proposed to solve these problems uses a linear objective function, along with linear constraints, binary and continuous variables. Thus, the optimization model can be represented as a mixed integer linear programming problem (MILP) The objective function considers the minimization of the investment costs (acquisition, installation and removal of equipment and acquisition of conductors) and the operation costs, which corresponds to the annual maintenance cost plus the costs related to energy losses and violation of voltage limits. The load variation is represented by discrete load duration curves and the costs of losses and voltage violations are weighted by the duration of each load level. Using a MILP approach, it is known that there are sufficient conditions that guarantee the optimality of a given feasible solution, besides allowing the solution to be obtained by classical optimization methods. The proposed model was written in the programming language OPL and solved by the commercial solver CPLEX. The model was validated through the comparison of the results obtained for five distribution systems with the results obtained through conventional load flow. The analyzed cases and the obtained results show the accuracy of the proposed model and its potential for application.

Este trabalho apresenta proposta de modelo matemático para o problema de expansão do sistema de transmissão baseado no fluxo de carga CC considerando a utilização de links CC e FACTS resolvido através de metodologia de solução que considera a primeira e a segunda lei de Kirchhoff em processo enumerativo de branch-and-bound adaptado. A abordagem possui dois pontos em destaque: i) apresenta uma proposta de modelo matemático com possibilidade da utilização direta em problemas de expansão de linhas de transmissão que possuem tanto linhas de transmissão CA, transformadores, links CC e dispositivos FACTS e ii) é um método exato de solução do problema que garante a otimalidade da resposta e traz uma contribuição ao tradicional método branch-and-bound por incluir relaxações adicionais. O método aplicado aos sistemas de 6 barras de Garver e sistema Sul sudeste Brasileiro de 46 barras apresenta respostas adequadas e o modelo matemático testado em um sistema Garver modificado apresenta novas configurações possíveis com redução do custo total do investimento. / This work proposes a mathematical model to the transmission expansion system problem based on the DC power flow model considering the use of DC links and FACTS that is solved using a solution method considering the first and second Kirchhoff’s Law in an enumerative adapted branch-and-bound process. It is possible to highlight two key aspects of the proposed approach: i) presents a mathematical model that can be directly used on expansion transmission systems problems that have AC transmission lines, transformers, DC links and FACTS and ii) is an exact solution method that guarantees the optimum problems’s solutions and contributes to the traditional branch-and-bound method bringing additional relaxations. The solution method applied to Garver’s six-bus network and southeast Brazilian 46 bus network provides correct answers and the mathematical model tested on a modified Garver’s six-bus network presents new possible configurations that enables overall cost reduction to the problem.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2017-12-22T14:54:33Z No. of bitstreams: 1 patriciasilvaneves.pdf: 1941458 bytes, checksum: 16ab3b743d0b75134d320f08de292905 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-01-22T18:33:39Z (GMT) No. of bitstreams: 1 patriciasilvaneves.pdf: 1941458 bytes, checksum: 16ab3b743d0b75134d320f08de292905 (MD5) / Made available in DSpace on 2018-01-22T18:33:39Z (GMT). No. of bitstreams: 1 patriciasilvaneves.pdf: 1941458 bytes, checksum: 16ab3b743d0b75134d320f08de292905 (MD5) Previous issue date: 2017-08-31 / O presente trabalho apresenta a aplicação conjunta de uma técnica de otimização bioinspirada e de um Algoritmo Heurístico Construtivo (AHC) na resolução do problema de planejamento estático da expansão de sistemas de transmissão de energia elétrica. O algoritmo bioinspirado utilizado é uma versão modificada do Flower Pollination Algorithm (FPA), no qual foi introduzido o operador de seleção clonal, oriundo do Algoritmo de Seleção Clonal (CLONALG), com o objetivo de potencializar o processo de busca local do FPA. A versão modificada proposta neste trabalho foi nomeada de Clonal Flower Pollination Algorithm (CFPA). O CFPA realiza a otimização da expansão de sistemas de transmissão de energia elétrica, determinando, entre um conjunto de linhas (circuitos) de transmissão previamente definidas, quais devem ser construídas de modo a minimizar os custos de investimento e de operação do sistema elétrico, suprindo a demanda prevista para um dado horizonte de planejamento. De modo a aumentar a eficiência do processo de busca pelo CFPA, fez-se o uso de informações provenientes de um Algoritmo Heurístico Construtivo. Tais informações heurísticas são utilizadas na inicialização do CFPA e também na seleção de um conjunto reduzido das rotas mais relevantes à expansão, reduzindo o espaço de busca. Para aferir os resultados da metodologia proposta foram simulados os sistemas Garver, IEEE 24 Barras e o equivalente da região Sul do Brasil. Diante dos resultados, pode-se verificar que tanto a inclusão do operador de seleção clonal quanto as informações heurísticas foram capazes de aumentar a eficiência do FPA na resolução do problema aqui em estudo. / This work presents the application of a bio-inspired algorithm, together with a Heuristic Constructive Algorithm (HCA) in the solution of a power system static transmission expansion planning problem. The algorithm used is a modified version of the Flower Pollination Algorithm (FPA) that includes a clonal selection operator, from the clonal selection algorithm (CLONALG) that aims to improve the FPA local search process. The modified version proposed is entitled Clonal Flower Pollination Algorithm (CFPA). The CFPA realizes the power system transmission expansion planning, that is, it determines between a set of predefined transmission lines (circuits), which of them must be constructed in order to minimize the power systems investments and operation costs, while meeting the forecast demand in a given planning horizon. In order to increase the efficiency of the search process by the CFPA, information from an HCA has been utilized. That heuristic information has been used in the initialization process of the CFPA and also in the selection of a reduced set of most relevant lines candidates to the expansion plan, thus reducing the search space. To evaluate the results of the proposed methodology, the Garver, IEEE 24 Buses and South Brazilian Systems were simulated. Considering the results it can be verified that both the inclusion of the clonal selection algorithm and the heuristic information were able to increase the efficiency of the FPA in solving this problem.

Submitted by Miriam Lucas (miriam.lucas@unioeste.br) on 2018-02-22T17:03:28Z No. of bitstreams: 2 Elias_Emanuel_Benitez_2017.pdf: 4075070 bytes, checksum: ce09c54d8b2b9dd647b8166881114648 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-02-22T17:03:28Z (GMT). No. of bitstreams: 2 Elias_Emanuel_Benitez_2017.pdf: 4075070 bytes, checksum: ce09c54d8b2b9dd647b8166881114648 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-08-16 / The solution to distribution networks expansion planning problem seeks to establish updates in the system so that it is able to supply the future demand obeying important criteria that represent the quality in the supply. Considering that in recent years the number of distributed generation connected to the system is increasing, contributing to the solution of some problems in the operation such as the high losses, the poor quality in the energy supplied, the low reliability that can be a reality, among others, this article presents a new algorithm to be applied to expansion planning of medium voltage overhead lines and which also has the ability to establish a plan for the connection of distributed generation in the network. Thus, the algorithm operates in two steps. In the first step of operation, a new topology is established for the network, which meets the future demand and respects the technical criteria that are necessary for electricity to be delivered to consumers with quality. In this process, the problem is represented by a nonlinear mathematical model whose objective function seeks to minimize the cost of network expansion and the constraints represent the physical laws that govern the power flow and ensure that future demand will be met with quality. In this operation step, the solution to the problem is constructed in an iterative way, where in each iteration a specialized sensitivity indicator uses the information obtained through the solution of the mathematical model to aid in decision making. This step of the algorithm ends when a radial topology for the system is determined. In the second step, the algorithm performs an evaluation in the established topology to indicate the capacity and the most interesting buses for connection of the Distributed Generation, seeking the best benefit for the operation of the network. In this process, the algorithm also takes advantage of the information obtained through the nonlinear mathematical model for the evaluation. Computacional tests with the new algorithm were performed considering data from systems available in the specialized literature to evaluate their performance. The results obtained through the simulations showed that the algorithm finds excellent solutions and a good convergence time. / A solução para o problema de Planejamento da Expansão de Redes de Distribuição busca por fazer atualizações no sistema para que este seja capaz de suprir a demanda futura obedecendo a critérios importantes que representam a qualidade do suprimento. Considerando que nos últimos anos o número de geração distribuída conectada ao sistema está aumentando, contribuindo para a solução de problemas que envolvem a operação do sistema, tais como, as perdas elétricas, a má qualidade da energia fornecida, a baixa confiabilidade, entre outros, este trabalho apresenta um novo algoritmo para ser aplicado ao problema de planejamento da expansão de linhas aéreas de média tensão e que também tem a capacidade de estabelecer um plano para a conexão de geração distribuída na rede. O algoritmo funciona em duas etapas. Na primeira etapa de execução, uma nova topologia radial é estabelecida para a rede, que atende a demanda futura e respeita os critérios técnicos necessários para que a eletricidade seja entregue aos consumidores com qualidade. Neste processo, o problema é representado por um modelo matemático não linear cuja função objetivo procura minimizar o custo de expansão da rede e as restrições representam as leis físicas que regem o fluxo de potência elétrica e garantem que a demanda futura seja atendida com qualidade, obedecendo aos limites de tensões estabelecidos para as barras e às capacidades de carregamento das linhas. Nesta etapa de execução, a solução do problema é construída de forma iterativa, onde em cada iteração um indicador de sensibilidade especializado usa a informação obtida através da solução do modelo matemático para auxiliar na tomada de decisão. Esta etapa do algoritmo termina quando uma topologia radial para o sistema é determinada. Na segunda etapa de execução, o algoritmo realiza uma avaliação na topologia estabelecida para indicar a capacidade da geração distribuída e a barra do sistema para sua conexão, buscando o melhor benefício para a operação da rede. Neste processo, o algoritmo também aproveita as informações obtidas através do modelo matemático não linear para esta avaliação. Testes computacionais com o novo algoritmo foram realizados considerando sistemas testes disponíveis na literatura especializada para avaliar o seu desempenho. Os resultados obtidos através das simulações mostraram que o algoritmo encontra excelentes soluções em tempos de convergência satisfatórios.

Submitted by Wagner Junior (wagner.junior@unioeste.br) on 2018-09-05T19:37:48Z No. of bitstreams: 8 Nicholas_Eduardo_Lopes_dos_Santos_2018.pdf: 1134120 bytes, checksum: de6da7ce734348755e0ca7b2b4212a63 (MD5) cluster_nodes_16_size_48.csv: 59426 bytes, checksum: f775d4775a1523f204043c946c2d57ac (MD5) cluster_nodes_16_size_200.csv: 236341 bytes, checksum: 40ab39add5f0d778c6539d28c894de41 (MD5) cluster_unit_1_size_48.csv: 5973 bytes, checksum: 6eac99d981bebc23d28c41ac1d577e2c (MD5) cluster_unit_1_size_200.csv: 16244 bytes, checksum: ef59fdb0e49418e1fe6aed35061d3b43 (MD5) cluster_unit_2_size_48.csv: 9118 bytes, checksum: 320e7f72fe0f6e9ffc39e6497b369be1 (MD5) cluster_unit_2_size_200.csv: 37612 bytes, checksum: 189ba1ad3d47ba41af4d26373be61f36 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-09-05T19:37:48Z (GMT). No. of bitstreams: 8 Nicholas_Eduardo_Lopes_dos_Santos_2018.pdf: 1134120 bytes, checksum: de6da7ce734348755e0ca7b2b4212a63 (MD5) cluster_nodes_16_size_48.csv: 59426 bytes, checksum: f775d4775a1523f204043c946c2d57ac (MD5) cluster_nodes_16_size_200.csv: 236341 bytes, checksum: 40ab39add5f0d778c6539d28c894de41 (MD5) cluster_unit_1_size_48.csv: 5973 bytes, checksum: 6eac99d981bebc23d28c41ac1d577e2c (MD5) cluster_unit_1_size_200.csv: 16244 bytes, checksum: ef59fdb0e49418e1fe6aed35061d3b43 (MD5) cluster_unit_2_size_48.csv: 9118 bytes, checksum: 320e7f72fe0f6e9ffc39e6497b369be1 (MD5) cluster_unit_2_size_200.csv: 37612 bytes, checksum: 189ba1ad3d47ba41af4d26373be61f36 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-05-04 / Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Estado do Paraná (FA) / Traditionally, the maximum demand forecast in the planning horizon is used to determine the additions and reinforcements required for the expansion of a distribution system. The alternatives obtained with this model are considered overestimated because it considers a constant demand behavior along the planning horizon. Therefore, the search for a better representation of the demand in the planning models has been carried out, among them, the scenarios reduction based on clustering. This paper presents an analysis about the possibility of obtaining alternatives of expansion of lower cost in the planning of a distribution system representing the demand to be met and the distributed generation that can not be dispatched by more than one level. It is based on a planning model that considers a better representation of the load and generation that is solved through classical optimization techniques. The scenario reduction, used in the model, is based on levels groups that are defined and obtained whith k-means algorithm application. In addition to presenting expansion alternatives for different levels groups, it also shows that the processing times resulting from the combinatorial problem are acceptable. / Tradicionalmente, utiliza-se a demanda máxima prevista no horizonte de planejamento para determinar as adições e reforços necessários para a expansão de um sistema de distribuição. As alternativas obtidas com esse modelo são consideradas superestimadas, pois considera um comportamento de demanda constante ao longo do horizonte de planejamento. Diante disso, a busca por uma melhor representação da demanda nos modelos de planejamento tem sido realizada, dentre elas, a redução de cenários baseada em clusterização. Este trabalho apresenta uma análise sobre a possibilidade de obtenção de alternativas de expansão de menor custo no planejamento de um sistema de distribuição representando a demanda a ser atendida e a geração distribuída não despachável por mais de um patamar. Ela baseia-se em um modelo de planejamento que considera uma melhor representação da carga e da geração que seja resolvido através de técnicas de otimização clássica. A redução de cenários, utilizada no modelo, é baseada em grupos de patamares aos quais são definidos e obtidos com a aplicação do algoritmo k-médias. Além de apresentar alternativas de expansão para diferentes grupos de patamares, também mostra que os tempos de processamento, resultantes do problema combinatorial, são aceitáveis.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-01-06T17:13:56Z No. of bitstreams: 1 raphaelpaulobragapoubel.pdf: 14885655 bytes, checksum: 55ce1d3cf1619213e5c2364f54de5a50 (MD5) / Approved for entry into archive by Diamantino Mayra (mayra.diamantino@ufjf.edu.br) on 2017-01-31T11:24:55Z (GMT) No. of bitstreams: 1 raphaelpaulobragapoubel.pdf: 14885655 bytes, checksum: 55ce1d3cf1619213e5c2364f54de5a50 (MD5) / Made available in DSpace on 2017-01-31T11:24:55Z (GMT). No. of bitstreams: 1 raphaelpaulobragapoubel.pdf: 14885655 bytes, checksum: 55ce1d3cf1619213e5c2364f54de5a50 (MD5) Previous issue date: 2016-07-04 / O presente trabalho propõe um modelo não linear inteiro misto para o planejamento dinâmico da expansão da transmissão. Para a representação do modelo, se fez uso do fluxo de carga CC. As equações básicas do fluxo CC foram modificadas e expandidas de forma a incluir as variáveis de decisão e o acoplamento temporal entre os investimentos. Para a solução do modelo, de forma a mitigar as dificuldades inerentes à programação inteira, foram propostas técnicas de solução passo a passo. Em cada uma das técnicas as variáveis inteiras foram substituídas por uma função contínua de forma a se obter tempos computacionaisviáveis. Adiscretizaçãodasvariáveisinteirassedácomoauxíliodeíndices de sensibilidade apropriados, calculados a partir do modelo acoplado. O trabalho também investiga metodologias para o planejamento dinâmico de linhas de transmissão, buscando um equilíbrio entre a economia e a confiabilidade no processo de decisão dos investimentos. O critério determinístico N-1 foi escolhido para garantir maior confiabilidade ao sistema. / This work proposes a non-linear mixed integer model for dynamic transmission lines expansion planning. The DC load flow was used to represent the model. The basic equationsoftheDCloadflowweremodifiedandexpandedtoincludethedecisionvariables and the temporal coupling between investments. For the model solution, in order to mitigate the difficulties inherent of integer programming, step-by-step processes were proposed. In each of the techniques the integer variables have been replaced with a continuous function to obtain viable computational time. The discretization of the integer variables is made with the aid of appropriate sensitivity indexes, calculated from the coupled model. The work also suggests methods for dynamic transmission planning, seeking a balance between the economy and reliability in the investment decision process. The N-1 deterministic criteria was chosen to ensure system reliability.

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.

As energy demands increase and energy resources change, the traditional energy system has been upgraded and reconstructed for human society development and sustainability. Considerable studies have been conducted in energy expansion planning and electricity generation operations by mainly considering the integration of traditional fossil fuel generation with renewable generation. Because the energy market is full of uncertainty, we realize that these uncertainties have continuously challenged market design and operations, even a national energy policy. In fact, only a few considerations were given to the optimization of energy expansion and generation taking into account the variability and uncertainty of energy supply and demand in energy markets. This usually causes an energy system unreliable to cope with unexpected changes, such as a surge in fuel price, a sudden drop of demand, or a large renewable supply fluctuation. Thus, for an overall energy system, optimizing a long-term expansion planning and market operation in a stochastic environment are crucial to improve the system's reliability and robustness. As little consideration was paid to imposing risk measure on the power management system, this dissertation discusses applying risk-constrained stochastic programming to improve the efficiency, reliability and economics of energy expansion and electric power generation, respectively. Considering the supply-demand uncertainties affecting the energy system stability, three different optimization strategies are proposed to enhance the overall reliability and sustainability of an energy system. The first strategy is to optimize the regional energy expansion planning which focuses on capacity expansion of natural gas system, power generation system and renewable energy system, in addition to transmission network. With strong support of NG and electric facilities, the second strategy provides an optimal day-ahead scheduling for electric power generation system incorporating with non-generation resources, i.e. demand response and energy storage. Because of risk aversion, this generation scheduling enables a power system qualified with higher reliability and promotes non-generation resources in smart grid. To take advantage of power generation sources, the third strategy strengthens the change of the traditional energy reserve requirements to risk constraints but ensuring the same level of systems reliability In this way we can maximize the use of existing resources to accommodate internal or/and external changes in a power system. All problems are formulated by stochastic mixed integer programming, particularly considering the uncertainties from fuel price, renewable energy output and electricity demand over time. Taking the benefit of models structure, new decomposition strategies are proposed to decompose the stochastic unit commitment problems which are then solved by an enhanced Benders Decomposition algorithm. Compared to the classic Benders Decomposition, this proposed solution approach is able to increase convergence speed and thus reduce 25% of computation times on the same cases.

As the electricity demand increases dramatically in Sweden, the need of using the existing electricity grid as efficiently as possible gains more importance. Simultaneously as needs expand, so does production in the form of wind parks and solar parks. This has led to an increase in connection requests at Svenska Kraftnät, the Swedish transmission system operator. The current process for accepting or rejecting these requests is based on the first-come-first-serve principle, where each request is investigated separately. This thesis investigates an alternative way of processing the requests in clusters and optimizing which combination is the best to accept from a technical point of view. To handle this multiobjective combinatorial optimization problem, a multiobjective Genetic algorithm with a Pareto filter is developed. The Genetic Algorithm finds a refined Pareto front containing optimal solutions that are plotted with objective function values. The user can then easily analyze the optimal solutions and decide upon which the final optimal request combination is. The developed Genetic Algorithm reaches a close-optimal Pareto front estimation after exploring between 15-40% of the solution space.

No description available.