Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11422/23225
Tipo: Dissertação
Título: Multi-area reliability assessment with variable energy resources and optimal importance sampling based on markov chains Monte Carlo
Autor(es)/Inventor(es): Almeida, Daniela Bayma de
Orientador: Borges, Carmen Lucia Tancredo
Resumo: A crescente penetração de fontes variáveis de energia ao redor do mundo trouxe alguns desafios para o planejamento dos sistemas elétricos. A análise da confiabilidade tornou-se mais complexa devido à necessidade de representar a variabilidade e correlação espacial entre as fontes (efeito portfolio) além dos diferentes perfis de geração em menor escala de tempo. Comumente utiliza-se a Simulação Monte Carlo (MC) para a análise da confiabilidade. Entretanto, o número de amostras necessárias é diretamente proporcional à variância do estimador da função de avaliação. Como os sistemas elétricos são confiáveis, a variância é grande e muitas amostras são necessárias para se determinar os índices de confiabilidade dos sistemas. Desta forma, este trabalho tem por objetivo propor uma metodologia de Amostragem por Importância (IS), uma técnica de redução de variância, para análise da confiabilidade de sistemas em multiárea, reduzindo o tempo de simulação por Monte Carlo. Este trabalho considera uma representação detalhada de fontes variáveis de energia, considerando três técnicas principais: (i) Cadeias de Markov de Monte Carlo para obtenção de cenários de corte de carga; (ii) Estratificação para os perfis diários de geração renovável; (iii) Cálculos analíticos para definir limites para a LOLP e desenvolver fatores de ponderação ideais para a amostragem por MC. A metodologia é ilustrada com estudos de caso de sistemas reais, onde os cálculos eram duas ordens de magnitude mais rápidos que o MC padrão.
Resumo: A crescente penetração de fontes variáveis de energia ao redor do mundo trouxe alguns desafios para o planejamento dos sistemas elétricos. A análise da confiabilidade tornou-se mais complexa devido à necessidade de representar a variabilidade e correlação espacial entre as fontes (efeito portfolio) além dos diferentes perfis de geração em menor escala de tempo. Comumente utiliza-se a Simulação Monte Carlo (MC) para a análise da confiabilidade. Entretanto, o número de amostras necessárias é diretamente proporcional à variância do estimador da função de avaliação. Como os sistemas elétricos são confiáveis, a variância é grande e muitas amostras são necessárias para se determinar os índices de confiabilidade dos sistemas. Desta forma, este trabalho tem por objetivo propor uma metodologia de Amostragem por Importância (IS), uma técnica de redução de variância, para análise da confiabilidade de sistemas em multiárea, reduzindo o tempo de simulação por Monte Carlo. Este trabalho considera uma representação detalhada de fontes variáveis de energia, considerando três técnicas principais: (i) Cadeias de Markov de Monte Carlo para obtenção de cenários de corte de carga; (ii) Estratificação para os perfis diários de geração renovável; (iii) Cálculos analíticos para definir limites para a LOLP e desenvolver fatores de ponderação ideais para a amostragem por MC. A metodologia é ilustrada com estudos de caso de sistemas reais, onde os cálculos eram duas ordens de magnitude mais rápidos que o MC padrão.
Palavras-chave: Confiabilidade em multiárea
Amostragem por importância
Fontes renováveis
Assunto CNPq: Engenharia Elétrica
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Unidade produtora: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Editora: Universidade Federal do Rio de Janeiro
Data de publicação: Mar-2020
País de publicação: Brasil
Idioma da publicação: eng
Tipo de acesso: Acesso Aberto
Aparece nas coleções:Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
940071.pdf1.57 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.