The aim of this work is determine the most appropriated period for connection of a
particular generation source fueled by biogas on a distribution network. The biogas is
produced through anaerobic reactions that occur in the municipal solid waste deposited at the
landfill specific landfill in analysis. The Minas do Leão landfill is taken as study case,
predicting the connection of this generation source on a distribution network supported by the
State Company of Electrical Energy (CEEE). The Biogas® software was used to estimate the
amount of methane generated in the landfill and to determine the landfill life cycle. By using
that information it is possible to plot the power electrical generation curve in MW. The choice
for the Biogas® software is justified because this tool is free software developed between the
federal government environment state administration and the CETESB (Technology
Company of Environmental Sanitation of the State of Sao Paulo). After that, the PSL®DMS
software was used to simulate the main electrical characteristics of the network in analysis.
These simulations provided the data for evaluating the quantitative parameters voltage
levels, power losses and load current. A group of decision makers were selected for
establishing scores applied to the qualitative parameter evaluation - availability of ancillary
services support. After the definition of the quantitative and qualitative parameters a multiobjective
methodology was developed. In the first step of the methodology are applied
pertinent fuzzy functions trapezoidal variables that consider electrical characteristics of the
network and also the voltage levels defined in the PRODIST (Proceedings of Electric Energy
Distribution on Electrical National System). The second part is associated with the decision
makers estimative, in which the decision maker presents some scores for each type of
ancillary service in analysis, according to the specific moment when this ancillary service will
be supported. For these evaluations are considered the demand curve of the feeder where the
distributed source will be connected. The methodology was then applied for selecting and
ranking the most appropriated period to connect the distributed generation source on the
distribution network. The definition of the ranking is the outcome of the data evaluation
according to the final priorities quantitative and qualitative analysis. / Este trabalho tem a finalidade de definir o período do dia para o despacho de uma fonte
alternativa de geração distribuída de energia elétrica (GD), utilizando como combustível o biogás
proveniente de reações anaeróbias que ocorrem em resíduos sólidos urbanos (RSU) depositados em
células do Aterro Sanitário de Recreio no município de Minas do Leão à rede da Companhia Estadual
de Distribuição de Energia Elétrica (CEEE-D). Inicialmente foi utilizado o software Biogás® para
estimar a vazão de metano (gás em maior porcentagem no biogás) e avaliar a potência que este gás
disponibiliza para ser gerada em qualquer aterro em função do tempo de vida útil do mesmo. Este
software foi escolhido para ser utilizado neste trabalho por ser uma ferramenta livre e desenvolvida no
Brasil pelo convênio entre a Secretaria de Estado do Meio Ambiente e da Companhia de Tecnologia
de Saneamento Ambiental do Estado de São Paulo (CETESB) com o Governo Federal, por meio do
Ministério da Ciência e Tecnologia. Esta recuperação energética do metano tem potencialidade de
servir como combustível para alimentar um ou mais conjuntos de motores geradores Ciclo Otto
adaptados para biogás. Após a estimativa da vazão de biogás e da potência que pode ser gerada no
aterro, partiu-se para a execução de simulações com as grandezas elétricas do alimentador. Neste
trabalho as simulações das grandezas elétricas foram obtidas com o uso do software PSL®DMS,
ferramenta utilizado pelos técnicos da CEEE-D para análise da do fluxo de carga de sistemas de
distribuição, e serão utilizadas como critérios denominados de quantitativos. Para determinar o
momento ideal para a conexão da GD à rede de distribuição da concessionária, foi utilizado um
método de apoio à decisão. Este método considera critérios quantitativos e qualitativos definidos pelos
Especialistas ou Agentes de Decisão (AD), no caso, técnicos da concessionária de energia elétrica que
avaliam em conjunto estes dados. Os critérios qualitativos são baseados na possibilidade de
incrementos de serviços subsidiários ao sistema de distribuição de energia elétrica, denominados de
Serviços Ancilares (SA). A definição da prioridade dos valores dos critérios quantitativos (grandezas
elétricas da rede de distribuição) é baseada na análise de funções trapezoidais que relacionam as
grandezas elétricas a valores e percentuais definidos pelo PRODIST e pelos AD. Já para os critérios
qualitativos, a análise ocorre em função de uma metodologia denominada de Estimativa de
Especialistas, em que os mesmos aplicam notas ao tipo de SA que será aplicado e ao momento de sua
aplicação em relação às características da curva de demanda do AL. A definição do ranking dos
melhores horários do dia para despacho da GD ao AL é consequência da avaliação dos valores
estabelecidos para as prioridades finais dos critérios quantitativos e qualitativos.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/8506 |
| Date | 19 March 2012 |
| Creators | Martins, Luiz Fernando Guarenti |
| Contributors | Canha, Luciane Neves, Parizzi, Jocemar Biasi, Bernardon, Daniel Pinheiro |
| Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Engenharia Elétrica, UFSM, BR, Engenharia Elétrica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 300400000007, 400, 500, 300, 300, 500, ab53fdc5-93b0-417d-b96d-9442b235a1ff, efdb34ed-e77c-4c9b-9185-b1ecc7611754, 92ddf2d2-0a49-4c8d-96e0-638c099348f4, c046f0d1-f5cf-43f1-b547-053b3860d811 |
Page generated in 0.0052 seconds