Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/BUOS-8F6P5P| Tipo: | Dissertação de Mestrado |
| Título: | Tratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosa |
| Autor(es): | Luciana Balieiro Cosme |
| Primeiro Orientador: | Walmir Matos Caminhas |
| Primeiro Coorientador: | Oriane Magela Neto |
| Primeiro membro da banca : | Oriane Magela Neto |
| Segundo membro da banca: | Ricardo Hiroshi Caldeira Takahashi |
| Terceiro membro da banca: | Eduardo Gontijo Carrano |
| Resumo: | O presente trabalho consiste em utilizar a otimização nebulosa para modelar as principais incertezas encontradas nos projetos de Sistemas de Distribuição de Energia Elétrica. A mais recente solução do problema, de acordo com a literatura, adota o caso médio para a evolução de carga e avalia o desempenho a posteriori por meio de uma análise de sensibilidade multiobjetivo na qual vários cenários são obtidos por meio de Simulação de Monte Carlo e cada uma das soluções encontradas é analisada conforme critérios pré-estabelecidos. O objetivo deste trabalho é usar os conjuntos nebulosos para incorporar as informações incertas no processo de otimização. Soluções mais flexíveis e robustas foram encontradas. Os algoritmos genéticos são adaptados para o problema de otimização nebulosa com base nas abordagens já disponíveis e uma nova implementação de atribuição de fitness é proposta para o NSGA-II. Para validação das soluções encontradas, estas também são avaliadas pela análise de sensibilidade multiobjetivo e comparadas com os resultados encontrados na literatura. A metodologia proposta se mostrou promissora uma vez que nos resultados obtidos pode ser notado um maior conjunto de soluções com taxa de factibilidade estabelecida como aceitável para o problema. |
| Abstract: | The present work aims for modeling the uncertainties in the power distribution system design. According to the literature, this kind of problem has been tackled more recently as follows: the optimization process uses a 'most likely' scenario for the load expansion and then a Multiobjective Sensibility Analysis is performed for several load scenarios using Monte Carlo Simulations in which the uncertainties are modelled by using some probability distribution. In this present work the uncertainties have been incorporated inside the optimization process by using fuzzy techniques. More flexible and robust solutions have been found. The genetic algorithm has been adapted for fuzzy optimization using known approaches and a new 'fitness attribution' has been implemented in the NSGA II program. The results obtained by the fuzzy optimization methodology are submitted to the Multiobjective Sensitivity Analysis and they are compared with the results found in the literature. The results gained here are very promising since they have shown a wider set of solutions for which the established feasibility rate is achieved. |
| Assunto: | Engenharia elétrica |
| Idioma: | Português |
| Editor: | Universidade Federal de Minas Gerais |
| Sigla da Instituição: | UFMG |
| Tipo de Acesso: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/BUOS-8F6P5P |
| Data do documento: | 4-Fev-2011 |
| Aparece nas coleções: | Dissertações de Mestrado |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 116m.pdf | 1.29 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.