Matheurística baseada em busca tabu aplicada ao problema de otimização da operação de sistemas de distribuição de energia elétrica

Abstract

Com as condições de sobrecarga frequentemente enfrentadas pelo sistema de distribuição de energia elétrica, deve haver um melhor planejamento, de modo que, a rede de distribuição opere de maneira eficiente e confiável. Para realizar esse planejamento existem vários meios, como reconfiguração, alocação de capacitores e geração distribuída. Essas técnicas são vistas como problemas desafiadores e muitas vezes são utilizadas para diminuir perdas, fornecer estabilidade de tensão e diminuir custos de operação do sistema. Neste trabalho, para resolver o problema integrado de reconfiguração, alocação de bancos de capacitores fixos e chaveados e de geradores distribuídos com objetivo de minimizar o custo de operação de sistemas de distribuição de energia elétrica radiais no período de um ano, foi proposta uma matheurística, que é um método que utiliza um híbrido entre programação matemática e meta-heurísticas, uma estratégia pouco aplicada na otimização da operação de sistemas de distribuição. A matheurística proposta faz uso de um algoritmo baseado em busca tabu adicionado de um mecanismo de retorno e um modelo de programação matemática cônica de segunda ordem inteira mista com restrições de local branching incluídas em sua formulação para poder definir uma vizinhança adequada a ser explorada. Para fins de comparação, também são apresentados os resultados obtidos somente com a modelagem exata de programação cônica de segunda ordem inteira mista. Os programas utilizados foram desenvolvidos em linguagem AMPL e resolvidos utilizando o solver CPLEX. Os algoritmos propostos foram testados com os sistemas de 33, 69, 84 e 136 barras encontrados na literatura especializada. Na comparação entre as estratégias pode-se concluir que para sistemas menores, a matheurística encontra as mesmas soluções do modelo matemático exato. Já para os sistemas maiores, como o de 84 e 136 barras, a matheurística obteve melhores soluções com um tempo de processamento muito menor do que o modelo exato. Conclui-se, portanto, que o método pode ser uma ferramenta poderosa para resolver problemas de otimização mais complexos.

With the overload conditions often faced by the electrical power distribution system, there must be better planning so that the distribution network operates efficiently and reliably. There are several ways to carry out this planning, such as by performing reconfiguration, capacitor allocation, and distributed generation allocation. These techniques are seen as challenging problems and are often used to decrease losses, provide voltage stability, and lower system operating costs. In this work, to solve the integrated problem of reconfiguration, allocation of fixed and switched capacitor banks and distributed generators to minimize the operating cost of radial electrical energy distribution systems in one year, a matheuristic was proposed, which is a method that uses a hybrid between mathematical programming and metaheuristics, a strategy little applied in the optimization of the operation of distribution systems. The proposed matheuristic makes use of an algorithm based on tabu search added with a return mechanism and a mixed-integer second-order cone mathematical programming model with local branching constraints included in its formulation in order to be able to define a suitable neighborhood to be explored. The results obtained with the exact mixed-integer second-order cone programming modeli are also presented for comparison purposes. The programs were developed in AMPL language and solved using the CPLEX solver. The proposed algorithms were tested with the systems of 33, 69, 84, and 136 buses found in the specialized literature. By comparing the strategies, it can be concluded that thematheuristic finds the same solutions as the exact mathematical model for smaller systems. For the larger systems, such as the 84 and 136 buses, the matheuristic obtained better solutions with a much shorter processing time than the exact model. It is concluded, therefore, that the method can be a powerful tool for solving complex optimization problems.