AVALIAÃÃO DA CONFIABILIDADE COMPOSTA BASEADA EM ...

More documents

Recommendations

Info

Usina Potência Outorgada (kW) Potência Fiscalizada (kW) Eólica de Prainha 10.000 10.000 Eólica de Taíba 6.200 5.000 Eólica-Elétrica Experimental do Morro do Camelinho Eólico - Elétrica de Palmas Eólica de Fernando de Noronha Destino da Energia Produção Independente de Energia Produção Independente de Energia Município Aquiraz - CE São Gonçalo do Amarante - CE 1.000 1.000 Serviço Público Gouveia - MG 2.500 2.500 225 225 Mucuripe 2.400 2.400 RN 15 - Rio do Fogo 49.300 49.300 Eólica de Bom Jardim 600 600 Eólica Olinda 225 225 Parque Eólico do Horizonte 4.800 4.800 Macau 3.000 1.800 Eólica Água Doce 9.000 9.000 Parque Eólico de Osório 50.000 50.000 Parque Eólico Sangradouro 50.000 50.000 Parque Eólico dos Índios 50.000 50.000 Produção Independente de Energia Produção Independente de Energia Produção Independente de Energia Produção Independente de Energia Produção Independente de Energia Produção Independente de Energia Autoprodução de Energia Autoprodução de Energia Produção Independente de Energia Produção Independente de Energia Produção Independente de Energia Produção Independente de Energia Tabela 2– Projetos Implementados no Brasil[1] Palmas - PR Fernando de Noronha - PE Fortaleza - CE Rio do Fogo - RN Bom Jardim da Serra - SC Olinda - PE Água Doce - SC Macau - RN Água Doce - SC Osório - RS Osório – RS Osório - RS 6
1.3 Modelagem Computacional de Sistemas de Potência A natureza complexa dos sistemas de potência demanda que grandes sistemas computacionais sejam desenvolvidos para auxiliar nas atividades de planejamento e operação. Os softwares disponíveis para o setor elétrico são, em sua maioria, escritos em linguagens convencionais, baseadas na primeira geração das linguagens de alto nível. Os softwares escritos nestas linguagens costumam ser de difícil manutenção, atualização e reutilização de código, o que resulta em grandes investimentos para as modificações, apresentando ainda um baixo nível de integração com outros softwares. Atualmente, não apenas para o setor elétrico, é imprescindível que sejam usadas grandes equipes para desenvolver softwares de forma modular, isto é, cada módulo do software é escrito por programadores, ou até equipes, diferentes. A dificuldade de se gerenciar estes módulos pode se tornar uma característica negativa destes softwares. A Modelagem Orientada a Objetos (MOO), como metodologia de desenvolvimento de softwares, apresenta-se como uma opção promissora para enfrentar os novos desafios da produção de ferramentas computacionais para a indústria de energia elétrica. A MOO visa a construção de uma estrutura de dados sólida e consistente, a partir da qual são implementados softwares flexíveis, com alto grau de reutilização dos códigos e com facilidades para manutenções e atualizações[4]. 1.4 Objetivo e Revisão Bibliográfica Dentro do contexto apresentado, este trabalho propôs o desenvolvimento de um modelo computacional flexível orientado a objetos para a Simulação Monte Carlo Seqüencial e Não Seqüencial. O modelo foi desenvolvido de forma integrada ao framework proposto em [4], um ambiente orientado a objetos para aplicações em sistemas de potência, agregando ao modelo todo o ferramental já disponível no ambiente. A flexibilidade para a modelagem de componentes permite a representação precisa de componentes variantes no tempo na avaliação da confiabilidade composta. Com isto, tanto a geração eólica quanto a curva de carga podem ser modeladas de forma mais precisa. O modelo flexível proposto permite não apenas que as falhas na transmissão sejam consideradas, como também que os modelos de rede de componentes mais 7
Page 1 and 2: AVALIAÇÃO DA CONFIABILIDADE COMPO
Page 3 and 4: AGRADECIMENTOS Aos professores Carm
Page 5 and 6: Abstract of Dissertation presented
Page 7 and 8: 3 Modelos de Componentes Variantes
Page 9 and 10: 6.2 Trabalhos Futuros .............
Page 11 and 12: Figura 27 - Representação de Asso
Page 13 and 14: ÍNDICE DE TABELAS Tabela 1 - Potê
Page 15 and 16: 1 Capítulo 1 1Introdução 1.1 Con
Page 17 and 18: turbina fornecia em média uma pot
Page 19: Figura 2- Atlas do Potencial Eólic
Page 23 and 24: Simulação Monte Carlo Não Seqüe
Page 25 and 26: 2 Capítulo 2 2Avaliação de Confi
Page 27 and 28: 2. Nível Hierárquico 2 (NH2): abr
Page 29 and 30: Os critérios determinísticos apre
Page 31 and 32: a) Representação de uma usina com
Page 33 and 34: onde A é denominada Matriz de Inte
Page 35 and 36: − λ λ A = µ − µ (2.23)E
Page 37 and 38: 5. LOLF (Loss of Load Frequency) -
Page 39 and 40: A série sintética anual do passo
Page 41 and 42: x j 0 = 1 (sucesso) (falha) se U se
Page 43 and 44: Basicamente, a análise de adequaç
Page 45 and 46: A.6.2 Fluxo de Potência Ótimo O F
Page 47 and 48: No problema de fluxo de potência
Page 49 and 50: nas barras: Limites de geração: L
Page 51 and 52: características. Na prática, para
Page 53 and 54: Determina-se o número de grupos n
Page 55 and 56: 3.3 Modelo de Carga Variante no Tem
Page 57 and 58: Para consideração da parcela reat
Page 59 and 60: P i = p j i j= 1 (3.7)E 110 100 90
Page 61 and 62: 3.4 Modelo Estocástico de Usinas E
Page 63 and 64: Figura 15- Curvas de Potência de T
Page 65 and 66: A.4.4 Modelo do Vento A modelagem d
Page 67 and 68: Agrupar curva de vento e gerar n es
Page 69 and 70: seqüencial de cada elemento (vento
Page 71 and 72:
Estado do Vento v , ( v , v , 2 ) 1
Page 73 and 74:
4 Capítulo 4 4Modelo Computacional
Page 75 and 76:
Classe atributo1:tipo atributo2:tip
Page 77 and 78:
Na UML, as associações são repre
Page 79 and 80:
3. Nível Matemático: conjunto de
Page 81 and 82:
Figura 32- Diagrama de Classes para
Page 83 and 84:
modificado a cada alteração ou in
Page 85 and 86:
acionamento, nas classes estocásti
Page 87 and 88:
λ 21 Estado 1 Estado 2 λ 41 λ 12
Page 89 and 90:
Identifica o número de estados do
Page 91 and 92:
patamares de vento, o índice é um
Page 93 and 94:
linear. Este processo é independen
Page 95 and 96:
Estados, Cálculo dos Índices de C
Page 97 and 98:
No aplicativo desenvolvido a reconf
Page 99 and 100:
Basicamente os procedimentos atuam
Page 101 and 102:
∂P ∂x i i ∂Q , são as deriva
Page 103 and 104:
Estado Inicial do Sistema determina
Page 105 and 106:
o sistema a uma singularidade, caus
Page 107 and 108:
3. São retiradas as restrições d
Page 109 and 110:
Figura 50- Representação Unifilar
Page 111 and 112:
Caso Metodologia Representação Ca
Page 113 and 114:
1.80 1.60 1.40 1.20 EPNS(MW) 1.00 0
Page 115 and 116:
A.3.2 Caso 1b: Sistema RTS - Simula
Page 117 and 118:
2.5 2.3 2.1 1.9 EPNS(MW) 1.7 1.5 1.
Page 119 and 120:
Barra EPNS(MW) Seqüencial EPNS(MW)
Page 121 and 122:
Barra EPNS(MW) Barra EPNS(MW) 1 0.0
Page 123 and 124:
A Tabela 14 apresenta uma comparaç
Page 125 and 126:
Índice Valor LOLP 8.29 % (0.01) EP
Page 127 and 128:
Percentual dos Estados Simulados(%)
Page 129 and 130:
Índice Seqüencial Não Seqüencia
Page 131 and 132:
período. Porém, ao se incluir a g
Page 133 and 134:
Índice Erro Relativo 3 Estados Err
Page 135 and 136:
6 Capítulo 6 6Conclusões e Trabal
Page 137 and 138:
Um outro encaminhamento a ser tomad
Page 139 and 140:
E(Evento) Espaço Amostral X(E) R F
Page 141 and 142:
∞ −∞ ( x) f dX = 1 (6.7) E (
Page 143 and 144:
Sendo o desvio padrão definido por
Page 145 and 146:
λ t Figura 69- Função Taxa de Ri
Page 147 and 148:
Apêndice B Curva de Carga A curva
Page 149 and 150:
100 95 90 85 80 75 70 65 5 10 15 20
Page 151 and 152:
Figura 77 - Característica da Turb
Page 153 and 154:
[10] Karki, R., Billinton, R., “R
Page 155 and 156:
[31] Pereira, M.V.F, Balu, N.J, “
Page 157:
Distributed Processing Environments
show all

AVALIAÃÃO DA CONFIABILIDADE COMPOSTA BASEADA EM ...

Create successful ePaper yourself

Delete template?

Save as template?

AVALIAÃÃO DA CONFIABILIDADE COMPOSTA BASEADA EM ...