Desenvolvimento de metodologia baseada em dados para a melhoria da operação de SEEs com alta-penetração de geração eólica/solar

• Processo: 19/10033-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Vigência: 01 de setembro de 2019 - 28 de fevereiro de 2022
• Área do conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Pesquisador responsável: Daniel Dotta
• Beneficiário: Daniel Dotta
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Gestão de energia e operação de sistemas elétricos de potência Matriz energética Energia elétrica Energia solar Energia eólica Sistemas de medida de área ampla (WAMS) Data driven Mineração de dados Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: data mining | Data-Driven | Operação de Sistemas de Baixa Inércia | Redes neurais | Dinamica e Controle

Resumo

Os sistemas de energia elétrica (SEE) sempre foram caracterizados, considerando o grande número de componentes e dispositivos, por sua alta dimensão e complexidade. Recentemente, essa complexidade cresceu de forma exponencial com o aumento significativo da participação de energia eólica e solar na matriz energética. Considerando os esforços de governos e sociedade em geral de torná-lo sustentável a longo prazo o objetivo é substituir plantas de geração fóssil e nuclear de tal maneira a atingir 100% de geração renovável. No entanto, devido às características e complexidade dos geradores eólicos e fotovoltaicos, a sua interação com a rede é significativamente distinta daquela de geradores tradicionais (intensiva utilização da tecnologia de eletrônica de potência). Como exemplo, grande parte dos geradores eólicos e solar não possuem partes rotativas e não contribuem naturalmente para melhorar a resposta inercial do SEE. Como consequência, em caso de distúrbios de desbalanço de carga/geração, os SEE ficam mais suscetíveis a variações bruscas de frequência. Além desses problemas, a complexidade da modelagem de SEE de grande porte fica praticamente inviável e técnicas de análise e projeto baseadas exclusivamente em modelos matemático-computacionais perdem a eficácia. Nesse contexto, técnicas e metodologias baseadas em dados representam potencial alternativa para enfrentar os desafios de operação dos SEE do futuro. Com a popularização mundial dos sistemas WAMS (Wide Area Measurement System), que agora encontram-se instalados nos principais centros de operação de SEE, tem-se disponível uma infraestrutura base para o desenvolvimento de novas aplicações de análise e controle baseadas em dados. Os sistemas WAMS possibilitam a observação de fenômenos com alta resolução e sincronização a partir de medidas realizadas em diferentes pontos do SEE. Uma outra vantagem é que essa grande quantidade de medidas está disponível em bases de dados de fácil acesso localizadas nos centros de operação. Destaca-se que a análise da grande quantidade de dados produzidos pelos sistemas WAMS é inviável, se feita manualmente. Considerando o alto volume, velocidade de amostragem e variedade de dados colhidos pelo sistema WAMS, obtém-se uma condição ideal para a aplicação de técnicas de aprendizagem de máquina e/ou baseados exclusivamente nas informações contidas em dados. Especificamente, no presente projeto de pesquisa, buscam-se os seguintes objetivos: a) implementar um sistema em tempo real para detecção e identificação de distúrbios em SEE; b) desenvolvimento de métodos capazes de extrair de sincrofasores informações relativas ao conteúdo inercial do sistema; c) desenvolver ferramentas de síntese de controladores exclusivamente baseadas em dados (data-driven control). Como resultado final busca-se avaliar as aplicações desenvolvidas, verificando a capacidade destas em melhorar a segurança operacional das redes elétricas do futuro. (AU)

Publicações científicas

(12)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ALCAHUAMAN, HEVER; LOPEZ, JUAN CAMILO; DOTTA, DANIEL; RIDER, MARCOS J.; GHIOCEL, SCOTT. Optimized Reactive Power Capability of Wind Power Plants With Tap-Changing Transformers. IEEE TRANSACTIONS ON SUSTAINABLE ENERGY, v. 12, n. 4, p. 1935-1946, OCT 2021. (16/08645-9, 19/08200-5, 15/21972-6, 19/01906-0, 17/21752-1, 19/10033-0, 18/20104-9, 17/25425-5)

LOPES, GABRIEL V. DE S.; MORAES, GUIDO R.; ISSICABA, DIEGO; DOTTA, DANIEL. WAMS-based two-level robust detection methodology of power system events. SUSTAINABLE ENERGY GRIDS & NETWORKS, v. 31, p. 13-pg., 2022-09-01. (19/08200-5, 19/10033-0, 18/20104-9, 17/25425-5, 16/08645-9)

PINHEIRO, BRUNO; LUGNANI, LUCAS; DOTTA, DANIEL; IEEE. A Procedure for the Estimation of Frequency Response using a Data-Driven Method. 2021 IEEE POWER & ENERGY SOCIETY GENERAL MEETING (PESGM), v. N/A, p. 5-pg., 2021-01-01. (18/20104-9, 19/08200-5, 16/08645-9, 19/10033-0, 17/25425-5)

LUGNANI, LUCAS; PATERNINA, MARIO R. ARRIETA; DOTTA, DANIEL; CHOW, JOE H.; LIU, YILU. ower System Coherency Detection From Wide-Area Measurements by Typicality-Based Data Analysi. IEEE Transactions on Power Systems, v. 37, n. 1, p. 388-401, JAN 2022. (19/10033-0, 18/07375-3, 16/08645-9)

LUGNANI, LUCAS; DOTTA, DANIEL; LACKNER, CHRISTOPH; CHOW, JOE. ARMAX-based method for inertial constant estimation of generation units using synchrophasors. Electric Power Systems Research, v. 180, MAR 2020. (19/10033-0, 16/08645-9, 18/07375-3)

LUGNANI, LUCAS; DOTTA, DANIEL; PATERNINA, MARIO R. A.; CHOW, JOE; NORDSTROM, L; HOLJEVAC, N; KUZLE, I; IVANKOVIC, I; KEZUNOVIC, M; PAULONE, M; et al. Real-time Coherency Identification using a Window-Size-Based Recursive Typicality Data Analysis. 2022 INTERNATIONAL CONFERENCE ON SMART GRID SYNCHRONIZED MEASUREMENTS AND ANALYTICS - SGSMA 2022, v. N/A, p. 6-pg., 2022-01-01. (16/08645-9, 18/20104-9, 19/10033-0, 18/07375-3)

FERNANDES, LUCAS L.; JONES, MORGAN; ALBERTO, LUIS; PEET, MATTHEW; DOTTA, DANIEL. Combining Trajectory Data With Analytical Lyapunov Functions for Improved Region of Attraction Estimation. IEEE CONTROL SYSTEMS LETTERS, v. 7, p. 6-pg., 2022-06-30. (18/07375-3, 19/10033-0)

GARCIA, MAIQUE C.; DOTTA, DANIEL; PEREIRA, LEANDRO; DE ALMEIDA, MADSON C.; SANTOS, ORLEM L. D.; DA SILVA, LUIZ C. P.; IEEE. Design and Development of D-PMU Module for Smart Meters. 2020 IEEE POWER & ENERGY SOCIETY GENERAL MEETING (PESGM), v. N/A, p. 5-pg., 2020-01-01. (16/08645-9, 19/10033-0)

ORTIZ-BEJAR, JOSE; ZAMORA-MENDEZ, ALEJANDRO; LUGNANI, LUCAS; TELLEZ, ERIC; PATERNINA, MARIO R. ARRIETA. Power system coherency assessment by the affinity propagation algorithm and distance correlation. SUSTAINABLE ENERGY GRIDS & NETWORKS, v. 30, p. 11-pg., 2022-06-01. (16/08645-9, 19/10033-0, 18/07375-3)

SANTOS, ORLEM L. D.; DOTTA, DANIEL; WANG, MENG; CHOW, JOE H.; DECKER, ILDEMAR C.. Performance analysis of a DNN classifier for power system events using an interpretability method. INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, v. 136, p. 15-pg., 2022-03-01. (19/08200-5, 18/20104-9, 17/25425-5, 16/08645-9, 19/10033-0)

BERNARDO, RAUL T.; CAMPESTRINI, LUCIOLA; OLIVEIRA, RICARDO C. L. F.; AQUINO, ANTONIO F. C.; DOTTA, DANIEL. A Data-driven Approach for the Design of Wide-Area Damping Controllers. JOURNAL OF CONTROL AUTOMATION AND ELECTRICAL SYSTEMS, v. 34, n. 5, p. 15-pg., 2023-08-08. (18/07375-3, 16/08645-9, 19/10033-0)

GARCIA, MAIQUE C.; DOTTA, DANIEL; PEREIRA, LEANDRO; DE ALMEIDA, MADSON C.; PATERNINA, MARIO R. A.; DOS SANTOS, ORLEM LIMA; DA SILVA, LUIZ C. P.; ALVES JUNIOR, JOSE EDUARDO DA R.. A Development PMU Device for Living Lab Applications. JOURNAL OF CONTROL AUTOMATION AND ELECTRICAL SYSTEMS, v. 32, n. 4, p. 12-pg., 2021-05-08. (16/08645-9, 19/10033-0, 18/20104-9)