63ª Reunião Anual da SBPC

B. Engenharias - 1. Engenharia - 8. Engenharia Elétrica

Aplicação de Redes Neurais Artificiais em Sistemas Elétricos de Potência

Fernando Aparecido de Assis 1 Leonidas Chaves de Resende 2

1. Graduando em Engenharia Elétrica - UFSJ 2. Prof. Dr./ Orientador - Depto de Engenharia Elétrica - UFSJ

INTRODUÇÃO:

A confiabilidade dos serviços prestados vem se tornando objeto fundamental no processo de tomada de decisões para o planejamento de sistemas elétricos. A partir do conhecimento do status dos estados operativos do sistema, em decorrência da disponibilidade dos equipamentos de geração e de transmissão e do nível de carga, a aplicação dessas metodologias leva em consideração a obtenção de índices de confiabilidade. Este projeto de iniciação científica tem por objetivo desenvolver uma metodologia, a qual é baseada em Simulação Monte Carlo não sequencial e em Redes Neurais Artificiais (RNA), para avaliar os principais índices de confiabilidade composta. Para tal, uma pré-classificação dos estados operativos é realizada através do tipo de RNA adotado, onde os estados analisados durante o início do processo de simulação são considerados como dados de entrada para os conjuntos de treinamento e de validação. Com a adoção deste procedimento, um grande número de estados pode ser classificado por uma simples avaliação polinomial, propiciando reduções significativas no custo computacional exigido.

METODOLOGIA:

Neste trabalho é utilizado o fluxo de potência linear para a avaliação do desempenho do sistema, sendo o corte de carga a ação de controle tomada para a determinação de um estado operativo viável, a minimização do corte de carga é utilizada como função objetivo. Através da avaliação dos estados operativos do sistema em sucesso ou falha, os índices de confiabilidade são estimados. Como forma de reduzir o esforço computacional envolvido na avaliação da confiabilidade composta de sistemas de grande porte, é proposta uma metodologia que é baseada em Redes Neurais Artificiais (RNA), para avaliar os principais índices de confiabilidade composta. Esta técnica utiliza uma rede neural plástica baseada no método de manipulação de dados (Group Method of Data Handling – GMDH) para acelerar a avaliação dos estados operativos do sistema. O objetivo é obter padrões somente para os estados de sucesso, já que os estados de falha continuam recebendo uma análise detalhada para determinar todas as consequências dos cortes de carga. Este procedimento permite avaliar os índices de confiabilidade em todos os níveis, i.e., sistema, área e/ou barra.

RESULTADOS:

A aplicação da metodologia proposta para a avaliação da confiabilidade de sistemas compostos é ilustrada utilizando o sistema IEEE-RTS – Reliability Test System, original e modificado (IEEE-MRTS). Em relação ao tempo de processamento, a utilização das RNA’s no algoritmo proposto permite realizar avaliações de confiabilidade até cinco vezes mais rápidas do que àquelas dos algoritmos RNA’s. Já em relação aos índices de confiabilidade, os desvios entre os valores obtidos pela metodologia proposta e pelos algoritmos convencionais ficaram dentro de uma margem de incerteza aceitável. Estes resultados demonstram o bom desempenho da metodologia proposta, tanto na eficiência quanto na precisão, principalmente nos casos onde a rede de transmissão é pouco estressada. Vale destacar que, com a utilização de RNA’s, um grande número de avaliações de fluxo de potência linear e de otimizações das medidas corretivas é evitado, chegando até a 99% e 30%, respectivamente. Portanto, quanto maior for o custo da função de avaliação do estado operativo, o que geralmente ocorre em sistemas de maior porte, maior deverá ser o benefício proporcionado pela metodologia proposta.

CONCLUSÃO:

A metodologia proposta para avaliar a confiabilidade de sistemas compostos é baseada na simulação Monte Carlo não sequencial e em redes neurais artificiais, sendo esta utilizada para evitar o emprego da função de avaliação da análise de adequação em um conjunto de estados operativos. Por meio dos resultados obtidos, pode-se verificar que a rede GMDH apresentou um bom desempenho para o sistema IEEE-RTS. Em relação ao sistema IEEE-MRTS, o qual é mais complexo devido ao estresse da rede de transmissão, apenas em uma situação a aplicação da rede GMDH se mostrou válida. Neste caso, estudos mais aprofundados são necessários para proporcionar um conjunto de dados mais representativo do sistema para o treinamento da rede e, consequentemente, melhorar o seu desempenho.

Palavras-chave: Confiabilidade Composta, Simulação Monte Carlo, Reconhecimento de Padrões.