Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2016-08-09T15:35:44Z No. of bitstreams: 2 Dissertação - Fernando Aparecido Carvalho - 2015.pdf: 2908710 bytes, checksum: 4bf0d7b76218e028e53f5ebb2602a3a0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-10T12:11:09Z (GMT) No. of bitstreams: 2 Dissertação - Fernando Aparecido Carvalho - 2015.pdf: 2908710 bytes, checksum: 4bf0d7b76218e028e53f5ebb2602a3a0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-08-10T12:11:09Z (GMT). No. of bitstreams: 2 Dissertação - Fernando Aparecido Carvalho - 2015.pdf: 2908710 bytes, checksum: 4bf0d7b76218e028e53f5ebb2602a3a0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2015-10-30 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / By its modular feature a Distributed Generation project can be up to several generating units, which represents an alternative to better match supply and demand. This paper presents a multi-objective modeling to optimize the number of generating units from distributed generators considering minimizing electrical losses on the network and also CO2 emissions of distributed generators, considering renewable primary and non-renewable sources, as well as penetration of restrictions and maximum quantities generation units. The optimization model solution process employs genetic algorithms and weighting of the objectives of the method for obtaining a set of Pareto optimal solutions. Case studies with representative grids are presented for testing, analysis and validation of the proposed methodology. / Por sua característica modular, um empreendimento de Geração Distribuída pode constituir-se de diversas unidades geradoras, o que representa uma alternativa para melhor adequar oferta e demanda. Este trabalho apresenta uma modelagem multiobjetivo para otimizar o número de unidades geradoras provenientes de geradores distribuídos, considerando a minimização de perdas elétricas na rede e também emissões de CO2 dos geradores distribuídos, considerando fontes primárias renováveis e não renováveis, bem como, restrições de penetração e quantidades máximas de unidades de geração. O processo de solução do modelo de otimização emprega Algoritmos Genéticos e o Método da Ponderação dos Objetivos para obtenção de um conjunto de soluções Pareto-ótimas. Estudos de casos com redes elétricas representativas são apresentados para testes, análises e validação da metodologia proposta.