Aplicação das meta-heurísticas algoritmo genético e busca em vizinhança variável no dimensionamento ótimo de um sistema de backup híbrido para manutenção dos serviços auxiliares em subestações

Abstract

Os serviços auxiliares em subestações são compostos por sistemas fundamentais para a operação, segurança e coordenação do sistema elétrico. Em casos de contingência na alimentação principal, requerem a manutenção de suas cargas para garantir o processo de recomposição, motivo pelo qual são usados sistemas de backup, compostos por fontes de alimentação alternativas que, por muitas vezes, utilizam grupo gerador suprido por combustíveis fósseis. Outra opção de backup é a adoção de um sistema híbrido renovável, com fontes renováveis e baterias, que tornam o sistema mais sustentável. No entanto, essa opção requer uma análise criteriosa para sua implantação devido ao seu custo e à intermitência das fontes renováveis. Neste sentido, são propostos dois algoritmos para o dimensionamento de um sistema híbrido de backup, baseados nas meta-heurísticas Algoritmo Genético (GA) e Busca em Vizinhança Variável (VNS) que consideram as incertezas quanto à intermitência das fontes geradoras e a duração das faltas de energia por meio de simulações de Monte Carlo. O desempenho dos algoritmos desenvolvidos foi analisado através de sua aplicação no dimensionamento de duas configurações do sistema de backup híbrido, uma considerando apenas geração fotovoltaica e baterias e outra agregando a geração eólica. Os algoritmos GA e VNS demonstraram grande potencial para a resolução do problema de dimensionamento, alcançando soluções equivalentes às apresentadas na literatura. A validação dos algoritmos GA e VNS, por meio da comparação com o método de busca exaustiva, confirmou sua capacidade de encontrar o ótimo global ou soluções de alta qualidade para o problema de dimensionamento, com a vantagem de convergirem em segundos e um tempo de processamento significativamente menor em relação aos métodos utilizados na literatura. Através de uma comparação estatística entre os algoritmos GA e VNS, utilizando o teste de postos sinalizados de Wilcoxon a um nível de significância de 5%, confirmou a divergência significativa na qualidade das soluções finais, com o VNS apresentando consistentemente soluções de melhor qualidade em múltiplas execuções.

Auxiliary services in substations comprise fundamental systems for the operation, security, and coordination of the electrical grid. In cases of main power supply contingencies, they require the maintenance of their loads to ensure the restoration process, for which backup systems are used, composed of alternative power sources that often utilize fossil fuel-powered generators. Another backup option is the adoption of a renewable hybrid system, with renewable sources and batteries, which makes the system more sustainable. However, this option requires careful analysis for its implementation due to its cost and the intermittency of renewable sources. In this context, two algorithms for the sizing of a hybrid backup system are proposed, based on the metaheuristics Genetic Algorithm (GA) and Variable Neighborhood Search (VNS), which consider uncertainties regarding the intermittency of generating sources and the duration of power outages through Monte Carlo simulations. The performance of the developed algorithms was analyzed through their application in the sizing of two configurations of the hybrid backup system, one considering only photovoltaic generation and batteries, and the other adding wind generation. The GA and VNS algorithms demonstrated great potential for solving the sizing problem, achieving solutions equivalent to those presented in the literature. The validation of the GA and VNS algorithms, through comparison with the exhaustive search method, confirmed their ability to find the global optimum or high-quality solutions for the sizing problem, with the advantage of converging in seconds and a significantly shorter processing time compared to the methods used in the literature. Through a statistical comparison between the GA and VNS algorithms, using the Wilcoxon signed-rank test at a significance level of 5%, a significant divergence in the quality of the final solutions was confirmed, with VNS consistently presenting better quality solutions across multiple executions.