Otimização de controladores utilizando algoritmos genéticos para melhoria da capacidade de sobrevivência a afundamentos de tensão de aerogeradores de indução duplamente excitados

Na presente tese propõe-se uma metodologia de ajuste ótimo dos controladores do conversor interligado ao rotor de aerogeradores de indução duplamente excitados (DFIG), utilizando algoritmos genéticos (AG), com o objetivo de melhorar a segurança e a robustez do sistema elétrico de potência, permitindo que os aerogeradores DFIG participem da gestão técnica do sistema. Para garantir este objetivo, é utilizada uma estratégia de proteção do tipo “crow-bar” durante a falta, mantendo o conversor interligado ao rotor conectado à máquina. Imediatamente após a eliminação da falta, o “crow-bar” é desativado, e simultaneamente os controladores ótimos do conversor interligado ao rotor são acionados, previamente ajustados pelo AG, a fim de melhorar a capacidade de sobrevivência a afundamentos de tensão “ridethrough capability” e a margem de estabilidade global do sistema elétrico. Para validação da metodologia ótima desenvolvida foram realizadas simulações computacionais utilizando uma rede elétrica real, em três condições operacionais distintas.

Avaliação da estabilidade de tensão do sistema brasileiro: um caso de estudo

Este artigo apresenta resultados de um estudo da atual condição de operação do sistema interligado brasileiro com relação à estabilidade de tensão. As análises são realizadas a partir de dados reais do planejamento e da operação. O sistema é dividido em 4 regiões: Norte, Nordeste, Sul e Sudeste/Centro-Oeste. A margem de estabilidade é obtida para cada uma destas regiões. Os resultados mostram que o sistema interligado brasileiro apresenta margem de estabilidade muito abaixo da sugerida pelos critérios existentes, a qual é limitada pela região Sudeste/Centro-Oeste. Uma análise detalhada para esta área crítica do sistema é realizada. Além de uma avaliação do comportamento da margem de estabilidade de tensão durante um dia típico de semana, esta trabalho apresenta uma análise de contingências. Utilizando a metodologia de análise modal verifica-se a abrangência das contingências, mensurando o impacto de cada contingência como local, de área ou sistêmico.

Comparação dos algoritmos C4.5 e MLP usados na avaliação da segurança dinâmica e no auxílio ao controle preventivo no contexto da estabilidade transitória de sistemas de potência

Esse trabalho compara os algoritmos C4.5 e MLP (do inglês “Multilayer Perceptron”) aplicados a avaliação de segurança dinâmica ou (DSA, do inglês “Dynamic Security Assessment”) e em projetos de controle preventivo, com foco na estabilidade transitória de sistemas elétricos de potência (SEPs). O C4.5 é um dos algoritmos da árvore de decisão ou (DT, do inglês “Decision Tree”) e a MLP é um dos membros da família das redes neurais artificiais (RNA). Ambos os algoritmos fornecem soluções para o problema da DSA em tempo real, identificando rapidamente quando um SEP está sujeito a uma perturbação crítica (curto-circuito, por exemplo) que pode levar para a instabilidade transitória. Além disso, o conhecimento obtido de ambas as técnicas, na forma de regras, pode ser utilizado em projetos de controle preventivo para restaurar a segurança do SEP contra perturbações críticas. Baseado na formação de base de dados com exaustivas simulações no domínio do tempo, algumas perturbações críticas específicas são tomadas como exemplo para comparar os algoritmos C4.5 e MLP empregadas a DSA e ao auxílio de ações preventivas. O estudo comparativo é testado no sistema elétrico “New England”. Nos estudos de caso, a base de dados é gerada por meio do programa PSTv3 (“Power System Toolbox”). As DTs e as RNAs são treinada e testadas usando o programa Rapidminer. Os resultados obtidos demonstram que os algoritmos C4.5 e MLP são promissores nas aplicações de DSA e em projetos de controle preventivo.