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

• Ano de defesa: 2025
• Autor(a) principal: Holzbach, Matheus [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Algoritmo genético; Busca em vizinhança variável; Dimensionamento ótimo; Microrredes; Serviços auxiliares; Subestações; Auxiliary services; Genetic algorithm; Microgrids; Optimal sizing; Substations; Variable neighborhood search
• Link de acesso: https://hdl.handle.net/11449/295658; http://lattes.cnpq.br/2271200055873103; https://orcid.org/0000-0002-7439-3535

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.