Método híbrido de enxame de partículas de aprendizagem abrangente com branch-and-bound e programação quadrática sequencial para resolução de problemas do fluxo de potência ótimo com variáveis discretas

• Ano de defesa: 2023
• Autor(a) principal: Pavan, Rafael
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Optimal Power Flow; Sequential Quadratic Programming; Comprehensive Learning Particle Swarm Optimization; Newton-Raphson; Branch-and-Bound; Non-Linear Optimization; Fluxo de Potência Ótimo; Programação Quadrática Sequencial; Enxame de Partículas de Aprendizagem Abrangente; Otimização Não-Linear
• Link de acesso: http://hdl.handle.net/11449/242334

No problema de Fluxo de Potência Ótimo (FPO), o objetivo é determinar um ponto de operação para o sistema elétrico de potência que atenda às suas restrições operacionais e físicas, ao mesmo tempo que se otimiza algum critério de desempenho da rede. O objetivo deste trabalho é desenvolver um método híbrido de otimização, também denominado matheurística, para a resolução dos seguintes subproblemas do FPO: Despacho Econômico com Ponto de Carregamento de Válvula, Zonas de Operação Proibidas e Representação da Transmissão (DE-PCV-ZOP-RT) e Fluxo de Potência Ótimo Reativo (FPOR), ambos com variáveis discretas e contínuas. O problema de DE-PCV-ZOP-RT, pode ser formulado como um problema de otimização restrito, não convexo, não diferenciável e multimodal que tem por finalidade determinar a geração de potência ativa nas unidades geradoras, minimizando o custo de combustível ao mesmo tempo que as restrições do sistema são atendidas. Já o problema de FPOR, que pode ser formulado como um problema de otimização restrito, não linear e não convexo, tem por finalidade a minimização das perdas de potência ativa nas linhas de transmissão através do controle das variáveis associadas ao fluxo de potência reativa, atendendo-se também às restrições do sistema. Neste trabalho, propõe-se utilizar um método híbrido que integra a metaheurística de Enxame de Partículas de Aprendizagem Abrangente com os métodos determinísticos: Newton-Raphson e Branchand- Bound com Programação Quadrática Sequencial. Além disso, também é proposta uma nova estratégia para o tratamento das variáveis discretas e das ZOP durante a execução da metaheurística. O método desenvolvido visa utilizar a capacidade de busca global da metaheurística com a capacidade de busca local direcionada pelo gradiente do método determinístico para encontrar melhores soluções para os subproblemas DE-PCV-ZOP-RT e FPOR. Experimentos numéricos foram realizados nos casos testes de 13, 19 e 40 geradores e nos sistemas elétricos do IEEE de 118 e 300 barras. Os testes mostraram a eficiência do método híbrido proposto na resolução dos problemas abordados, obtendo soluções de boa qualidade quando comparadas a solvers, metaheurísticas e métodos encontrados na literatura.