Made available in DSpace on 2016-08-17T14:53:12Z (GMT). No. of bitstreams: 1
Marcio Andre Nazareno Ferreira.pdf: 1733085 bytes, checksum: 163ab439fd1be9f3bb9050a8433d34e2 (MD5)
Previous issue date: 2010-08-06 / After the restructuring of the electric sector, the distribution utilities must
maximize the reliability to avoid violation in the reliability targets at the minimal cost.
This agreement between cost and reliability can be satisfied with the application of
Predictive Reliability Analysis (PRA) in the planning of distribution networks.
The PRA estimates the future performance of distribution networks, with
regarding to energy supply interruptions, based on the failure data of the components
and network topology. The PRA can delivery estimates for the following statistical
reliability indices used in the distribution utilities: System Average Interruption
Frequency Index (SAIFI), System Average Interruption Duration Indices (SAIDI),
Connection Point Interruption Frequency Index (CPIFI), and Connection Point
Interruption Duration Index (CPIDI). However, the PRA is rarely used by engineers
during the planning of the distribution utilities. This fact is due to the existence of
discrepancies between the indices estimated by the PRA and those measured by
distribution utilities. These discrepancies are due to the lack of historical data to
estimate the reliability parameters of the components: failure rates and repair times.
In spite of the distribution utilities do not have a large amount of historical data
associated with failures in their equipment, these utilities store historical data on system
reliability indices (SAIDI, SAIFI, CPIFI and CPIDI). This information can be used to
adjust the failure data of the components (failure rates and repair times) such that the
reliability indices evaluated by the ACP models have nearly the same values as those
measured by distribution utilities. This adjustment process of the reliability data in ACP
models is named Data Calibration.
Usually, the reliability data calibration is carried out through optimization
techniques. However, the most of the existing methodologies ignores the nodal
reliability indices (CPIFI and CPIDI) in the calibration of failure rates and repair times.
Only the CPIFI index has been considered in the data calibration. Furthermore, it is not
possible to assure that the SAIFI has the same value as its measured value when the
calibration considers the CPIFI index. Nevertheless, the Brazilian Electricity Regulatory
Agency (ANEEL) has established penalties for violations in the indices CPIFI and
CPIDI. Due to this, the PRA models must accurately estimate the nodal reliability
indices CPIFI and CPIDI. The main objective of this dissertation is to develop a
calibration methodology of reliability data oriented to nodal reliability indices CPIFI
and CPIDI. The proposed methodology uses nonlinear and quadratic programming
models to calibrate the failure rates and repair times, respectively, in a decoupled
structure. This decoupled structure allows the calibration of failure rates and repair
times be carried out separately. Additionally, the utilization of equality constraints in
the calibration models assures that the evaluated values of SAIFI and SAIDI indices are
identical to their measured values. Furthermore, the proposed calibration model for the
failure rates considers the equipment condition information obtained from inspection
activities. The calibration models proposed in this dissertation were tested in a feeder of
the power distribution utility of Maranhão (CEMAR). The tests results demonstrate that
the proposed calibration models can significantly reduce the errors between the
measured and evaluated values of the CPIFI and CPIDI indices / Após a reestruturação do setor elétrico, as empresas de distribuição devem
maximizar a confiabilidade do fornecimento para evitar violações nas metas de
confiabilidade com o menor custo possível. Este compromisso entre custo e
confiabilidade pode ser atendido com a aplicação da Análise de Confiabilidade
Preditiva (ACP) no processo de planejamento de redes de distribuição.
A ACP estima o desempenho futuro da rede de distribuição, com relação a
interrupções no fornecimento de energia, com base nos dados de falha dos componentes
e na sua topologia. A ACP pode fornecer estimativas para os seguintes indicadores de
continuidade estatísticos usados pelas empresas de distribuição: Freqüência Equivalente
de Interrupção por Unidade Consumidora (FEC), Duração Equivalente de Interrupção
por Unidade Consumidora (DEC), Freqüência de Interrupção individual por Unidade
Consumidora ou por Ponto de Conexão (FIC), Duração de Interrupção Individual por
Unidade Consumidora ou por Ponto de Conexão (DIC) e Duração Máxima de
Interrupção Contínua por Unidade Consumidora ou por Ponto de Conexão (DMIC).
Entretanto, a ACP é raramente usada pelos engenheiros de planejamento das empresas
de distribuição. Este fato é devido à existência de discrepâncias entre os índices
estimados pela ACP e aqueles apurados pelas empresas de distribuição. Estas
discrepâncias são causadas pela falta de dados históricos para estimar os parâmetros de
confiabilidade dos componentes, isto é: taxas de falha, tempos de reparo e chaveamento.
Apesar das empresas de distribuição não possuírem uma grande quantidade de
dados históricos associados com as falhas dos seus equipamentos, estas empresas
armazenam dados históricos sobre índices de continuidade do sistema (FEC, DEC, DIC
e FIC). Esta informação pode ser utilizada para ajustar os dados de falha dos
componentes (taxas de falha e os tempos de reparo) tal que os índices calculados pelo
modelo de ACP sejam próximos dos índices medidos pelas empresas de distribuição.
Este processo de ajuste dos dados de falha dos modelos de ACP é denominado de
Calibração de Dados.
Geralmente, a calibração de dados de confiabilidade é realizada através de
técnicas de otimização. Contudo, a maioria das metodologias existentes desconsidera os
índices de confiabilidade nodais (FIC e DIC) na calibração das taxas de falha e tempos
de reparo. Apenas o índice nodal FIC tem sido considerado na calibração de dados.
Além disso, não é possível garantir que o índice FEC seja igual ao seu valor apurado
quando a calibração considera o índice FIC. Contudo, a ANEEL (Agência Nacional de
Energia Elétrica) estabeleceu penalidades para violações nos índices FIC e DIC. Devido
a isto, os modelos de ACP devem estimar precisamente os índices de confiabilidade
nodais FIC e DIC. O principal objetivo desta dissertação é desenvolver uma
metodologia de calibração de dados de confiabilidade orientada para os índices nodais
FIC e DIC. A metodologia proposta utiliza modelos de programação não-linear e
quadrática para calibrar as taxas de falha e os tempos de reparo, respectivamente, em
uma estrutura desacoplada. Isto é, a calibração das taxas de falha e dos tempos de reparo
é realizada separadamente. Adicionalmente, a utilização de restrições de igualdade nos
modelos de calibração assegura que os valores calculados dos índices FEC e DEC sejam
idênticos aos seus valores medidos. Além disso, o modelo de calibração proposto para
as taxas de falha considera a informação de condição dos equipamentos obtida a partir
de atividades de inspeção. Os modelos de calibração propostos nesta dissertação foram
testados em um alimentador da Companhia Energética do Maranhão (CEMAR). Os
resultados dos testes demonstraram que os modelos de calibração propostos podem
reduzir significativamente os erros entre os valores medidos e calculados dos índices
FIC e DIC.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/448 |
| Date | 06 August 2010 |
| Creators | Ferreira, Márcio André Nazareno |
| Contributors | Silva, Maria da Guia da |
| Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, BR, Engenharia |
| 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:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0029 seconds