Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-06-17T19:17:57Z No. of bitstreams: 1 fredericotassidesouzasilva.pdf: 1622811 bytes, checksum: 27a2c9213ed77517b8220680d4d24f38 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-07-13T14:40:32Z (GMT) No. of bitstreams: 1 fredericotassidesouzasilva.pdf: 1622811 bytes, checksum: 27a2c9213ed77517b8220680d4d24f38 (MD5) / Made available in DSpace on 2016-07-13T14:40:32Z (GMT). No. of bitstreams: 1 fredericotassidesouzasilva.pdf: 1622811 bytes, checksum: 27a2c9213ed77517b8220680d4d24f38 (MD5) Previous issue date: 2016-03-11 / FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais / Este trabalho propõe um método para a resolução de problemas de expansão de sistemas de distribuição, fazendo uma análise multi-objetivo que engloba a alocação de novas subestações, repotencialização das subestações já existentes e dimensionamento de alimentadores, selecionando o caminho dos circuitos para alimentação das cargas e o tipo de condutor utilizado em cada trecho. O problema de otimização apresentado visa minimizar os custos globais do sistema, considerando restrições físicas, técnicas e operacionais. Vários sistemas encontrados na literatura foram utilizados para testar o método e os resultados foram comparados, mostrando que o método pode ser aplicado também para outros sistemas, inclusive de grande porte. A técnica utilizada foi baseada na metaheurística Sistema Imunológico Artificial, que utiliza conceitos básicos de imunologia para a resolução de problemas de otimização combinatória. / This work proposes a method for solving radial distribution systems expansion problems, making a multi-purpose analysis that includes the allocation of new substations, reconditioning of existing substations and sizing feeders selecting the path of the circuits for feeding the fillers and the type of conductor used in each section. The presented optimization problem seeks to minimize overall system costs, involving physical, technical and operational constraints. Many systems found in the literature were used for the test method and the results were compared, showing that the method can also be applied to other systems, including large others. The technique used was based on the metaheuristic Artificial Immune System, which uses basic concepts of immunology for solving combinatorial optimization problems.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-01-08T10:33:23Z No. of bitstreams: 1 tiagofayerdejesus.pdf: 1430604 bytes, checksum: 44c933cea80c72bd24709a956ba5c9cd (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-01-22T18:34:11Z (GMT) No. of bitstreams: 1 tiagofayerdejesus.pdf: 1430604 bytes, checksum: 44c933cea80c72bd24709a956ba5c9cd (MD5) / Made available in DSpace on 2018-01-22T18:34:11Z (GMT). No. of bitstreams: 1 tiagofayerdejesus.pdf: 1430604 bytes, checksum: 44c933cea80c72bd24709a956ba5c9cd (MD5) Previous issue date: 2017-08-31 / Neste trabalho é proposta uma metodologia para resolução de problemas de planejamento de redes de distribuição de energia elétrica considerando incertezas na demanda. A metodologia é baseada na técnica meta-heurística Sistema Imunológico Artificial. No processo de solução, a matemática intervalar é usada no fluxo de potência, e nele estão modeladas as incertezas da carga. As variáveis intervalares de entrada são as cargas ativas e reativas nas barras do sistema. O resultado esperado é apresentado de maneira intervalar e consiste na minimização dos custos de instalação de cabos, de construção/reforço de subestações mais os custos associados às perdas de energia e operação considerando um horizonte de planejamento. Para isso, restrições como radialidade, conectividade, balanço de potência e capacidades físicas de equipamentos foram utilizadas. Para determinar a melhor topologia de rede, outra metodologia foi adotada para se fazer a comparação dos intervalos. O objetivo principal deste trabalho é avaliar o impacto de se considerar as incertezas da demanda no planejamento de redes de distribuição comparadas com modelos determinísticos tradicionais. O algoritmo proposto é testado em sistemas conhecidos na literatura. / This work proposes a methodology to solve distribution networks planning problems considering demand uncertainties. The methodology is based on the Artificial Immune System metaheuristics. In the solution process, the interval mathematics is implemented within the power flow and inside it, load uncertainties are modeled. The input interval variables are the active and reactive loads in the system buses. The expected result is presented in an interval and consists of minimizing the cable costs installation, construction or reinforcement of substations plus the costs associated with energy losses and operation considering a planning horizon. For this, restrictions such as radiality, connectivity, power balance and physical equipment capacities were used. To determine the best network topology, another methodology was adopted to compare the intervals. The main objective of this work is to evaluate the impact of considering the uncertainties of demand in the planning of distribution networks compared with traditional deterministic models. The proposed algorithm is tested in systems well-known in the literature.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-10-16T12:46:06Z No. of bitstreams: 1 danielfioresibotelho.pdf: 2805489 bytes, checksum: 3d0b4a60f2a2f2cb7d26ea836254595a (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-10-16T14:35:42Z (GMT) No. of bitstreams: 1 danielfioresibotelho.pdf: 2805489 bytes, checksum: 3d0b4a60f2a2f2cb7d26ea836254595a (MD5) / Made available in DSpace on 2018-10-16T14:35:42Z (GMT). No. of bitstreams: 1 danielfioresibotelho.pdf: 2805489 bytes, checksum: 3d0b4a60f2a2f2cb7d26ea836254595a (MD5) Previous issue date: 2018-08-31 / O presente trabalho apresenta uma metodologia para a alocação de unidades de Geração Distribuída no Sistema de Distribuição de Energia Elétrica visando a melhoria dos indicadores de confiabilidade da rede. O objetivo é avaliar qual o melhor ponto do sistema para realizar a inserção da unidade GD. Realiza-se também a análise de como essa alocação afeta os indicadores de qualidade e as perdas elétricas do sistema em estudo. A inclusão de limite para um indicador de qualidade considerado na distribuição de energia elétrica é explorada neste trabalho, verificando que a inserção de geração distribuída na rede pode fazer com que tal restrição seja atendida. A metodologia proposta é baseada nas técnicas meta-heurísticas Sistema Imunológico Artificial e Algoritmo Genético afim de comparar os resultados obtidos por ambas as técnicas. A função objetivo avaliada é composta por um somatório dos custos de confiabilidade, custos de investimento em geração distribuída e os custos das perdas elétricas do sistema; buscando assim sempre minimizar estes custos. Os algoritmos propostos são testados em sistemas conhecidos da literatura. / The present work presents a methodology for the allocation of Distributed Generation units in the Electric Energy Distribution System aiming at the improvement of network reliability indicators. The objective is to evaluate the best point of the system to perform the insertion of the GD unit. An analysis of how this allocation affects the quality indicators and the electrical losses of the system under study is also carried out. The inclusion of a limit for a quality indicator considered in the distribution of electric energy is explored in this work, verifying that the insertion of distributed generation in the network can cause that such restriction is met. The proposed methodology is based on the metaheuristic techniques Artificial Immune System and Genetic Algorithm in order to compare the results obtained by both techniques. The objective function evaluated is composed of a sum of the costs of reliability, costs of investment in distributed generation and the costs of the electrical losses of the system; always seeking to minimize these costs. The proposed algorithms are tested in systems known in the literature.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-01-19T10:47:34Z No. of bitstreams: 1 felipedasilvaseta.pdf: 1053075 bytes, checksum: 8a24a576cad55e9b46efe4bde9405104 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-01-25T17:44:56Z (GMT) No. of bitstreams: 1 felipedasilvaseta.pdf: 1053075 bytes, checksum: 8a24a576cad55e9b46efe4bde9405104 (MD5) / Made available in DSpace on 2016-01-25T17:44:56Z (GMT). No. of bitstreams: 1 felipedasilvaseta.pdf: 1053075 bytes, checksum: 8a24a576cad55e9b46efe4bde9405104 (MD5) Previous issue date: 2015-08-10 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O presente trabalho propõe uma metodologia para a resolução do problema de reconfiguração ótima de sistemas de distribuição de energia elétrica utilizando uma representação mais realista de parâmetros com incertezas. O objetivo é avaliar o impacto de se representar incertezas dos sistemas no problema de reconfiguração em relação a modelos tradicionais determinísticos. O modelo de reconfiguração probabilística proposto visa minimizar as perdas totais de energia considerando incertezas sobre a demanda e sobre a geração distribuída a partir da energia eólica, além de diferentes níveis de carregamento dos sistemas. A metodologia proposta é baseada na técnica meta-heurística Sistema Imunológico Artificial. Os fundamentos da matemática intervalar são incorporados em um fluxo de potência intervalar que modela as incertezas da demanda provenientes principalmente de erros de previsão e medição, bem como incertezas na geração por fontes eólicas devido a intermitências nos regimes de ventos. Desta forma, as variáveis de entrada intervalares são as demandas ativas e reativas das barras do sistema e os valores de velocidade de vento nas regiões das usinas eólicas. As incertezas da entrada são propagadas para as variáveis de saída do fluxo de potência, como as tensões nodais. Como resultado, as perdas totais de energia a serem minimizadas também são determinadas na forma intervalar. Uma metodologia para comparação de intervalos baseada na média e no raio dos intervalos é utilizada para determinar a topologia ótima. Restrições de tensão, radialidade e conectividade da rede são consideradas. O algoritmo proposto é testado em sistemas conhecidos da literatura. / The present work proposes a methodology to solve the problem of optimal reconfiguration of power distribution systems by using a more realistic representation of uncertain parameters. The objective is to evaluate the impact of representing uncertainties in the reconfiguration problem in relation to traditional deterministic models. The proposed probabilistic reconfiguration model aims at minimizing the total energy loss considering uncertainties on the load demand and the distributed generation from wind energy, as well as different load levels. The proposed methodology is based on the meta-heuristic technique Artificial Immune System. The interval mathematics fundamentals are embedded in an interval power flow that models the uncertainties of load forecast and measurements, as well as uncertainties due to the intermittences of the wind. Therefore, the input interval variables are the active and reactive loads at the network nodes and the wind speed in the regions where the wind farms are installed. The input uncertainties are thus propagated to the output power flow variables as the nodal voltages. As a result, the total energy losses to be minimized are also given in interval form. A methodology for comparing intervals that is based on the interval average and size is used to determine the best topology. Voltage constraints, radial configuration and network connectivity are considered. The proposed algorithm is tested in systems known in the literature.

Submitted by Maicon Juliano Schmidt (maicons) on 2015-03-30T11:51:21Z No. of bitstreams: 1 Carlos Eduardo de Jesus Guimarães Oliveira.pdf: 1236896 bytes, checksum: ef9d04e6f25aee7908b56a622411bc74 (MD5) / Made available in DSpace on 2015-03-30T11:51:21Z (GMT). No. of bitstreams: 1 Carlos Eduardo de Jesus Guimarães Oliveira.pdf: 1236896 bytes, checksum: ef9d04e6f25aee7908b56a622411bc74 (MD5) Previous issue date: 2014-01-31 / Nenhuma / Este trabalho apresenta um algoritmo de otimização baseado na metaheurística dos Sistemas Imunológicos Artificiais, princípios de Teoria dos Jogos, Co-evolução e Paralelização. Busca-se a combinação adequada dos conceitos de Teoria dos Jogos, Co-evolução e Paralelização aplicados ao algoritmo AISO (Artificial Immune System Optimization) para resolução do Problema de Alocação de Berços (PAB). Dessa maneira, o algoritmo é formalizado a partir das técnicas citadas, formando o PCAISO-GT: Parallel Coevolutionary Artificial Immune System Optimization with Game Theory. Inicialmente, foram realizados experimentos visando à sintonia dos parâmetros empregados nas diferentes versões da ferramenta desenvolvida. Com base nas melhores configurações identificadas, foram realizados experimentos de avaliação através da solução de um conjunto de instâncias do PAB. Os resultados obtidos permitiram a indicação da versão co-evolutiva associada à teoria dos jogos como a melhor para solução do problema em estudo. / This paper presents an optimization algorithm based on metaheuristic of Artificial Immune Systems, principles of Game Theory, Co-evolution and parallelization. The objective is find the appropriate combination of the concepts of Game Theory, Co-evolution and Parallelization applied to AISO algorithm (Artificial Immune System Optimization) for solving the Berth Allocation Problem (BAP). Thus, the algorithm is formalized from the above mentioned techniques, forming the PCAISO-GT: Parallel Coevolutionary Artificial Immune System Optimization with Game Theory. Initially, experiments aiming to tune the parameters were performed using different versions of the tool developed. Based on the identified best settings, evaluation experiments were carried out by solving a set of instances of the PAB. The results obtained allowed the appointment of co-evolutionary version associated with game theory as the best solution to the problem under study.