1. Repositório Institucional da UFMG
  2. Trabalhos Acadêmicos
  3. Dissertações e Teses
  4. Pós-Graduação em Engenharia Elétrica
  5. Dissertações de Mestrado
Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/BUOS-8F6P5P
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Walmir Matos Caminhaspt_BR
dc.contributor.advisor-co1Oriane Magela Netopt_BR
dc.contributor.referee1Oriane Magela Netopt_BR
dc.contributor.referee2Ricardo Hiroshi Caldeira Takahashipt_BR
dc.contributor.referee3Eduardo Gontijo Carranopt_BR
dc.creatorLuciana Balieiro Cosmept_BR
dc.date.accessioned2019-08-09T20:33:16Z-
dc.date.available2019-08-09T20:33:16Z-
dc.date.issued2011-02-04pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/BUOS-8F6P5P-
dc.description.abstractThe 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.pt_BR
dc.description.resumoO 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.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEngenharia Elétricapt_BR
dc.subject.otherEngenharia elétricapt_BR
dc.titleTratamento de incertezas no projeto de sistemas de distribuição de energia elétrica: uma abordagem nebulosapt_BR
dc.typeDissertação de Mestradopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
116m.pdf1.29 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.