Alocação otimizada de sensores indicadores de falta em redes de distribuição de energia elétrica

Página do item simplificado
dc.contributor.advisorLeão, Fábio Bertequini [UNESP]
dc.contributor.authorCruz, Héctor Manuel Orellana [UNESP]
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2017-01-09T18:10:45Z
dc.date.available2017-01-09T18:10:45Z
dc.date.issued2016-12-16
dc.description.abstractEste trabalho propõe abordar o problema de alocação de dispositivos indicadores de faltas (IFs) em redes de distribuição de energia elétrica por meio da técnica do Algoritmo Genético Adaptativo (AGA). O algoritmo busca obter uma configuração eficiente de instalação de IFs no sistema e reduzir o custo anual da energia não suprida (CENS) e por outro lado, o custo anual de investimento dos sensores (CINV). Estes custos conflitantes devem ser minimizados como um problema combinatório utilizando o AGA que possui taxas de recombinação e mutação dinamicamente calibradas baseadas na diversidade de cada população no processo. Os resultados mostram que o AGA é um método efetivo para encontrar soluções para o problema de alocação de IFs. Quando comparado com o AG clássico em vários testes, é observado que o AGA tem uma convergência mais rápida mostrando ser mais eficiente. Além disso, o AGA é utilizado para obter uma variedade de soluções numa Fronteira de Pareto aproximada variando os pesos do CENS e o CINV na função objetivo. Portanto, esta metodologia permite obter um conjunto de soluções em lugar de uma única solução e a partir da Fronteira de Pareto é possível escolher a solução que melhor satisfaz os interesses técnicos e econômicos da concessionária de distribuição de energia elétrica.pt
dc.description.abstractThis work proposes the Adaptive Genetic Algorithm (AGA) to solve the problem of Fault Indicator (FI) placement in electric distribution systems. The algorithm attempts to obtain an efficient configuration for the installation of FIs in the system and reduce the annual costumer interruption cost (CIC) and on the other hand, the annual investment cost (CINV) of the fault indicators placement. These two conflicting costs must be minimized as a problem of combinational nature with the AGA which uses dynamically calibrated crossover and mutation rates based on the diversity of each population of the process. Results show that the AGA is an effective method to find solutions to the problem of fault indicator placement. When compared with the classic GA in various tests, it is observed that the AGA converges faster showing to be more efficient. Besides, in the last test the AGA is used to obtain a variety of solutions in an approximate Pareto Front by varying the weighting factors of the CIC and CINV in the objective function. Therefore, this methodology permits to obtain a set of solutions instead of one only solution and from the Pareto Front it is possible to choose the solution that best satisfies the technical and economic interests of the concessionary.en
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.identifier.aleph000878084
dc.identifier.capes33004099080P0
dc.identifier.lattes1248956593236515
dc.identifier.orcid0000-0002-8846-2423
dc.identifier.urihttp://hdl.handle.net/11449/147100
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectAdaptive genetic algorithmen
dc.subjectFault indicatorsen
dc.subjectService qualityen
dc.subjectElectric energy distributionen
dc.subjectAlgoritmo genético adaptativopt
dc.subjectDistribuição de energia elétricapt
dc.subjectIndicadores de faltaspt
dc.subjectQualidade do serviçopt
dc.titleAlocação otimizada de sensores indicadores de falta em redes de distribuição de energia elétricapt
dc.title.alternativeOptimal placement f fault indicators in electric distribuion systemsen
dc.typeDissertação de mestrado
unesp.advisor.lattes1248956593236515(1)
unesp.advisor.orcid0000-0002-8846-2423(1)
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Engenharia, Ilha Solteirapt
unesp.embargoOnlinept
unesp.graduateProgramEngenharia Elétrica - FEISpt
unesp.knowledgeAreaAutomaçãopt
unesp.researchAreaNão Constapt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
cruz_hmo_me_ilha.pdf
Tamanho:
2.14 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.98 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Dissertações - Engenharia Elétrica - FEIS