Return to search

[en] OPTIMIZATION OF TRANSFORMER AND MOBILE SUBSTATION STOCKS IN POWER SYSTEMS VIA MONTE CARLO SIMULATION AND GENETIC ALGORITHM / [pt] OTIMIZAÇÃO DE ESTOQUES DE TRANSFORMADORES E SUBESTAÇÕES MÓVEIS EM SISTEMAS DE POTÊNCIA VIA SIMULAÇÃO MONTE CARLO E ALGORITMO GENÉTICO

[pt] Em geral, as subestações são projetadas com transformadores em paralelo, operando a meia carga, para assegurar continuidade no fornecimento de energia mesmo
que um transformador do grupo falhe. Contudo, essa prática implica em custos elevados, especialmente no que diz respeito ao arranjo de subestações. Uma solução alternativa é a utilização de estoques compartilhados de transformadores reservas e unidades de subestações móveis, que devem atender a um grupo de subestações com as
mesmas características elétricas. Neste contexto, esta tese propõe a utilização temporária de unidades de subestações móveis, que devem atuar para atender à demanda de
energia enquanto o transformador reserva é instalado. Essa estratégia aumenta a confiabilidade do sistema e reduz os custos operacionais e de investimento para as concessionárias de energia. No entanto, o sucesso dessa abordagem está intrinsecamente
ligado ao dimensionamento e localização adequada dos estoques. Para que bons resultados sejam alcançados, é preciso dimensionar os estoques de forma que não haja
investimento desnecessário ou um número insuficiente de equipamentos, e considerar
pontos estratégicos de armazenamento, de forma que o tempo de deslocamento dos
equipamentos sobressalentes até o ponto de falha garanta a minimização dos custos
associados. Posto isso, esta tese apresenta duas metodologias de otimização baseadas
em simulação Monte Carlo e Algoritmo Genético: uma para dimensionar o número de
transformadores reservas e unidades de subestações móveis por ano; e outra para posicionar de forma adequada tais equipamentos em subestações com capacidade de
armazenamento. Ambos os métodos foram aplicados a um grupo de transformadores
de duas concessionárias reais, visando demonstrar a capacidade da metodologia de
encontrar um conjunto de soluções factíveis do ponto de vista técnico e econômico. / [en] In general, substations are designed with transformers in parallel, operating
at half load, to ensure continuity of power supply even if a transformer in the
group fails. However, this practice involves high costs, especially with regard to
the arrangement of substations. An alternative solution is the use of shared stocks
of reserve transformers and mobile substation units, which must serve a group of
substations with the same electrical characteristics. In this context, this thesis proposes the temporary use of mobile substation units, which must act to meet the
energy demand while the reserve transformer is installed. This strategy increases
system reliability and reduces operational and investment costs for electric utilities. However, the success of this approach is intrinsically linked to the proper
sizing and location of stocks. For good results to be achieved, it is necessary to
size stocks so that there is no unnecessary investment or an insufficient number of
equipment, and consider strategic storage points, so that the time taken to move
the spare equipment to the point of failure minimizes the associated costs. Thus,
this thesis presents two optimization methodologies based on Monte Carlo simulation and Genetic Algorithm: one to size the number of spare transformers and
mobile substation units per year; and another to properly locate such equipment in
substations with storage capacity. Both methods were applied to a group of transformers from two real utilities, aiming at proving the method s ability to find a set
of feasible solutions from a technical and economic point of view.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:67985
Date12 September 2024
CreatorsVENUS LIRIA SILVA MENDES
ContributorsARMANDO MARTINS LEITE DA SILVA, ARMANDO MARTINS LEITE DA SILVA, ARMANDO MARTINS LEITE DA SILVA
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.0092 seconds