Control and energy management system of a microgrid using a genetic algorithm

Autor(es)

Pedro Pablo Vergara Barrios

• Tipo de documento: Dissertação de Mestrado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
• Data de defesa: 2015-04-11

Membros da banca

Luiz Carlos Pereira da Silva; Márcio Venício Pilar Alcântara; Marcos Julio Rider Flores

• Orientador: Luiz Carlos Pereira da Silva

Resumo

As microrredes, como redes elétricas controláveis e inteligentes, compostas por sistemas distribuídos de energias (DES), sistemas de armazenamento e cargas controláveis, exigem o uso de um Sistema de Gestão de Energia (EMS) como entidade central encarregada de coordenar e controlar os SDE, despachar as unidades de geração sob incerteza da demanda e da geração, controlar o balanço instantâneo de potência ativa, fluxo de carga e perfis de tensão, entre outras. Considerando as funções desta entidade central, nesta dissertação propõe-se um Sistema de Gestão de Energia composto por duas etapas de otimização: uma etapa a longo-prazo e outra a curto-prazo. A principal função da etapa de longo-prazo é resolver o problema de gestão de energia considerando um horizonte de planejamento de 24 horas, visando minimizar simultaneamente os custos operacionais e as perdas de potência. Para isto, é utilizado o algoritmo Non-dominated Sorting Genetic Algorithm II (NSGA-II), complementado com uma técnica de Programação Quadrática, visando reduzir a complexidade do problema de gestão de energia. A principal função da etapa de curto-prazo é garantir o balanço de potência e reduzir o impacto do erro de previsão na operação do sistema de distribuição. Para desenvolver o algoritmo de otimização proposto são utilizados os pacotes MATLAB e GridLabD para implementar e simular o SGE em uma microrrede composta por uma rede de distribuição residencial, incluindo baterias, sistemas de geração convencionais e baseados em energias renováveis. Para avaliar o SGE desenvolvido dois casos de estudos são propostos, denominados como um caso com perfeita previsão e um caso de operação real. Finalmente, simulações dinâmicas são desenvolvidas no GridLabD para avaliar o impacto técnico das soluções ótimas no sistema de distribuição (AU)

• Processo FAPESP: 13/22451-4 - Estratégia para o controle e gestão de carga de uma microrede mediante um algoritmo genético
• Beneficiário: Pedro Pablo Vergara Barrios
• Modalidade de apoio: Bolsas no Brasil - Mestrado