Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2013. / Made available in DSpace on 2013-12-05T22:46:38Z (GMT). No. of bitstreams: 1
318418.pdf: 3267806 bytes, checksum: c791e08e9c75a18939900234001eab75 (MD5)
Previous issue date: 2013 / O presente trabalho aborda o problema de priorização dos projetos de melhoria e expansão do sistema de distribuição de energia elétrica, cujo foco é a maximização do valor do portfólio corporativo. Esse problema combinatório multiobjetivo é estruturado na forma de um modelo de decisão, formulado por meio de programação matemática binária, cuja solução envolve uma técnica de otimização bioinspirada, combinada a um conjunto de métodos de análise multicritério que buscam subsidiar o processo decisório da empresa. A primeira etapa faz uso do algoritmo genético multiobjetivo NSGA-II para obter um conjunto de portfólios Pareto-Ótimos, onde os projetos são selecionados e alocados em um horizonte de planejamento multiestágio, de acordo com os objetivos e restrições do problema. Os objetivos estão associados aos critérios de valor dos portfólios, os quais consideram os impactos financeiros potenciais dos projetos, o número de consumidores atendidos, as condições operacionais das instalações elétricas e a qualidade da energia elétrica no sistema de distribuição. As restrições envolvem a disponibilidade orçamentária e as relações de condicionamento e excludência entre os projetos. Na segunda etapa, os métodos de análise multicritério SMART e TOPSIS são utilizados para determinar os ranques das atratividades dos portfólios, incorporando o perfil das preferências dos decisores por meio dos pesos dos critérios, os quais são obtidos pelos métodos ROC e AHP. Os estudos de caso demonstram o comportamento da prioridade dos projetos nos portfólios não somente quando a qualidade da energia e o desempenho operacional são incluídos na análise, mas também em função da variação dos pesos dos critérios de planejamento. A metodologia proposta permite auxiliar na prospecção de investimentos estratégicos e contribuir para um melhor planejamento do sistema de distribuição <br> / Abstract : This work tackles the problem of project selection for the improvement
of power distribution systems, which is part of the utilities planning
task. The developed model is composed by a multi-objective
optimization module and a multi-criteria decision support module. The
first finds the Pareto-optimal portfolios, by using the multi-objective
genetic algorithm NSGA-II to select and allocate the projects in a multistage
planning horizon, according to the problem objectives and
constraints. The latter, based on both TOPSIS and SMART multicriteria
techniques, searches for the most appropriate project portfolio
for the utility, considering the decision maker profile embedded into the
model by the ROC and AHP weights. The optimization and decision
making models take into account aspects of power quality, operational
performance, number of consumers, and potential financial impacts of
the projects. The presented case studies show the choice of priority
projects not only when power quality and operational performance are
included in the analysis, but also when the weights of planning criteria
are changed. The proposed method helps in raising strategic investments
and allows for better distribution system planning.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/106933 |
| Date | January 2013 |
| Creators | Mussoi, Fernando Luiz Rosa |
| Contributors | Universidade Federal de Santa Catarina, Teive, Raimundo Celeste Ghizoni |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 387 p.| il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds