Gerenciamento de uma microrrede utilizando controle preditivo com incertezas meteorológicas.
Nome: DANILO DE PAULA E SILVA
Tipo: Tese de doutorado
Data de publicação: 07/12/2020
Orientador:
Nome![]() |
Papel |
---|---|
JUSSARA FARIAS FARDIN | Orientador |
Banca:
Nome![]() |
Papel |
---|---|
AUGUSTO CÉSAR RUEDA MEDINA | Examinador Interno |
EDILSON FERNANDES DE ARRUDA | Examinador Externo |
GUSTAVO MAIA DE ALMEIDA | Examinador Externo |
HELDER ROBERTO DE OLIVEIRA ROCHA | Examinador Interno |
JUSSARA FARIAS FARDIN | Orientador |
Resumo: O gerenciamento de microrredes é um problema de múltiplos objetivos que envolve a compra e venda de energia, geração de energia renovável variante no tempo e custos de operação e manutenção. A microrrede pode operar de forma autônoma isolada ou conectada à rede principal. Este trabalho propõe um modelo original de otimização para a gestão de uma microrrede isolada que permite a conexão automática à rede para fornecer serviços auxiliares à rede principal, como a venda do excedente de geração renovável e a compra de eletricidade para carregar o banco de baterias. A otimização proposta é
formulada via controle preditivo econômico híbrido utilizando previsões meteorológicas. O algoritmo proposto inclui novas restrições para atender a uma regulamentação específica de conexão/desconexão com a rede principal, como o tempo mínimo de conexão/desconexão e a frequência máxima de conexão. Este trabalho também propõe um novo modelo híbrido de banco de baterias que inclui a conexão/desconexão da rede principal. Uma plataforma
de simulação de uma microrrede em malha aberta foi desenvolvida para integrar cada equipamento como um sistema misto lógico dinâmico que contempla as variáveis contínuas, binárias, inteiras e as restrições operacionais. Os resultados de simulação em malha aberta mostraram que os equipamentos operaram de forma coerente em relação a uma microrrede real. Para o gerenciamento da microrrede, o modelo de otimização proposto com incertezas gaussianas foi testado com erros relativos médios de 15%, 25% e 35% nas variáveis meteorológicas e se mostrou pouco sensível ao aumento da variância. A otimização proposta usando modelo de previsão meteorológico de mesoescala se mostrou sensível ao erro de previsão, que causou variações de 1% na demanda atendida, 27,3% nos custos do banco de baterias e 13,3% nos lucros financeiros. Comparado com a programação linear inteira mista multi-período e a estratégia baseada em regras, mostrou-se que o modelo de
otimização proposto gerencia a microrrede com mais segurança (ou seja, fornece estado de carga abaixo de seu valor crítico durante um período inferior a 25% em relação à outras estratégias). Em locais com alta geração de energia, apenas a otimização proposta fornece lucro na venda de energia.