Return to search

[pt] AVALIAÇÃO DOS IMPACTOS DA SAZONALIDADE NA PRECISÃO DE EQUIVALENTES ESTÁTICOS DE REDE VIA FLUXO DE POTÊNCIA PROBABILÍSTICO / [en] EVALUATION OF THE IMPACTS OF SEASONALITY ON THE ACCURACY OF STATIC NETWORK EQUIVALENTS VIA PROBABILISTIC POWER FLOW

[pt] A sazonalidade das fontes de geração de energia impacta as etapas de operação e planejamento do setor elétrico, pois provocam, dentre outros, variações de perfil de geração ao longo do ano. Diferentes tipos de usinas, como as hidráulicas, eólicas e térmicas à biomassa, têm sua disponibilidade afetada por causa do regime de chuvas, da intensidade dos ventos ou dos períodos de safra, respectivamente. Nessa dissertação, conduz-se um estudo sobre o impacto da sazonalidade hídrica na precisão de equivalentes de redes, por meio de fluxo de potência probabilístico via simulação Monte Carlo. As redes reduzidas são amplamente empregadas em estudos de planejamento da operação e da expansão do sistema elétrico. Uma das vantagens em sua adoção é a possibilidade de realizar um elevado número de simulações, com menor exigência computacional. A precisão dos equivalentes, nessa dissertação, é quantificada, considerando incertezas na demanda, variação de perfil de geração e a ocorrência de contingências de elementos de transmissão. São avaliados três métodos de redução de redes, em dois ambientes de simulação: cronológico e não cronológico. O primeiro tem o objetivo de analisar o impacto da utilização de um equivalente, obtido a partir da configuração típica de um mês especifico, nos demais meses do ano. O segundo visa comparar as diferentes metodologias de redução de rede diante de variações no ponto de redução, como contingências na transmissão. Os estudos são realizados com os sistemas IEEE 24 barras e IEEE 118 barras. Os equivalentes são elaborados com o software Organon e avaliados em MATLAB. Os resultados das simulações são amplamente discutidos e ressalta-se a importância do uso da rede reduzida adequada para garantia de resultados coerentes. / [en] The seasonality of energy generation sources impacts the operation and planning stages of the electricity sector, as they cause variations in the generation profile throughout the year. Different types of plants, such as hydraulic, wind, and biomass thermal plants, have their availability impacted due to the rainfall regime, the intensity of the winds, or the harvest periods, respectively. In this dissertation, a study is conducted on the impact of hydrological seasonality on the accuracy of network equivalents through probabilistic power flow via Monte Carlo simulation. Reduced networks are widely used in planning studies to operate and expand the electrical system. One of the advantages of its adoption is the possibility of performing a high number of simulations with less computational demand. The precision of the equivalents in this dissertation is quantified, considering the uncertainties in demand, variation of the generation profile, and the occurrence of contingencies of transmission elements. Three network reduction methods are considered in two simulation environments: chronological and non-chronological. The first is to analyze the impact of using an equivalent obtained from the typical configuration of a specific month in the other months of the year. The second aims to compare the different network reduction methodologies in the face of variations in the reduction point, such as transmission contingencies. The studies are carried out with the IEEE 24 bus and IEEE 118 bus systems. The equivalents are created with the Organon software and evaluated in MATLAB. The simulation results are widely discussed, highlighting the importance of using the reduced network to guarantee consistent results.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:65930
Date24 January 2024
CreatorsPATRICIA DUARTE DE FARIA
ContributorsANDRE MILHORANCE DE CASTRO, ANDRE MILHORANCE DE CASTRO, ANDRE MILHORANCE DE CASTRO
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguageEnglish
TypeTEXTO

Page generated in 0.0031 seconds