Alocao tima de Unidades de Gerao Distribuda

em Redes de Distribuio: Comparao entre

Metodologias
Csar Augusto Santana Castelo Branco
Arnaldo Pinheiro de Azevedo Jnior

Prof. Dr. Helton do Nascimento Alves

Departamento de Eletroeletrnica
Instituto Federal do Maranho
So Lus MA, Brasil
helton@ifma.edu.br

Engenharia Eltrica Industrial

Instituto Federal do Maranho
So Lus MA, Brasil
santana_castelo@hotmail.com
arnaldo.pinheiro.junior@outlook.com
ResumoEste trabalho realiza um estudo sobre a alocao
tima de unidades de gerao distribuda em redes de
distribuio a partir da comparao de duas tcnicas de
otimizao baseadas em sistemas de inteligncia artificial. Os
algoritmos so desenvolvidos baseados em um algoritmo
gentico e no mtodo da busca tabu. A funo objetivo utilizada
nos dois algoritmos considera a economia com a reduo de
perdas de potncia e de energia e os investimentos associados
com as unidades de gerao distribuda. Os algoritmos
propostos fazem uso de uma ferramenta para o clculo do fluxo
de potncia baseada na tcnica da compensao iterativa,
adaptada para a presena das unidades de gerao distribuda
na rede. Para o clculo das perdas de energia utilizada a curva
de durao de carga segmentada em diferentes nveis. Os
mtodos propostos so aplicados a um alimentador de 69 barras
encontrado na literatura e os resultados so comparados.

I.

INTRODUO

O crescimento contnuo e acelerado da demanda

energtica mundial, somado recente preocupao com a
questo ambiental, tem incentivado o desenvolvimento de
formas alternativas e menos poluentes de produo de energia
eltrica. Entendidas no Brasil como um complemento
gerao centralizada de grande porte, as unidades de Gerao
Distribuda (GD), em sua grande maioria, fazem uso de
fontes primrias renovveis e possuem suas instalaes
prximas aos centros consumidores. Com capacidade de
gerao relativamente inferior se comparadas com as
tradicionais usinas de grande porte, estas unidades demandam
menos tempo e custo para a sua construo, possibilitando o
uso de usinas modulares para o atendimento de demandas
especficas, alm de representarem um avano no que diz
respeito diversificao do parque produtor energtico
mundial e eficincia energtica ou uso racional da energia
[1].

A presena de Geradores Distribudos (GDs) em Sistemas

de Distribuio de Energia Eltrica (SDEE) proporciona
algumas vantagens tcnicas para a operao do sistema [2]
[3], dentre as quais se podem citar a reduo nas perdas de
potncia e de energia, o aumento na confiabilidade e a
melhora no perfil de tenso da rede. Contudo, agora com a
presena de fluxos de potncia contrrios ao convencional
(um s fluxo no sentido fonte-carga), surgem alguns
problemas como a perda da seletividade do sistema de
proteo e o aumento do nvel das correntes de curto-circuito
[4]. Alm disso, o carregamento dos condutores poder
superar a sua capacidade trmica. Considerando as
caractersticas adquiridas pelas atuais redes de distribuio
com a presena de GDs, torna-se evidente a necessidade de
realizao de pesquisas voltadas para o desenvolvimento de
ferramentas computacionais eficientes e robustas para a
anlise e o planejamento dessas redes. O uso de tais
ferramentas de otimizao pode reduzir consideravelmente os
prejuzos advindos das perdas na rede, descongestionando as
linhas de transmisso e tornando possvel redirecionar boa
parte da capacidade de gerao de modo a atender outras
demandas, alm de garantir que o sistema opere dentro dos
limites especificados pelos rgos regulamentadores durante
todo o horizonte de planejamento objetivado.
A insero dos GDs no SDEE, se realizada de forma
inteligente e estratgica proporciona diversos benefcios, no
apenas para as concessionrias de energia mas tambm para
os seus respectivos consumidores, corrigindo eventuais
deficincias da gerao centralizada de grande em atender
determinados pontos da rede e suprindo necessidades
especficas de alguns consumidores [5]. Desta forma, um
mtodo de alocao tima desenvolvido com a finalidade de
encontrar os melhores pontos de instalao dos GDs no
SDEE de fundamental importncia para o engenheiro de
planejamento do sistema, j que a alocao destes em pontos

Este trabalho foi patrocinado pelo Instituto Federal de Educao, Cincia

e Tecnologia do Maranho (IFMA) e pela Fundao de Amparo Pesquisa e
ao Desenvolvimento Cientfico e Tecnolgico do Maranho (FAPEMA).

Anais do V Simpsio Brasileiro de Sistemas Eltricos, Foz do Iguau PR, Brasil. 22-25/04/2014

ISSN 2177-6164

II.

FORMULAO DO PROBLEMA

De forma geral, o problema da alocao dos GDs na rede

consiste na determinao do nmero, da localizao, do modo
de operao, da capacidade de gerao, da penetrao e
influncia de cada GD no comportamento do sistema, de
modo que o mximo benefcio seja alcanado, respeitando as
restries operacionais impostas.
A funo objetivo a ser maximizada representa a
economia obtida com a reduo das perdas de potncia e
energia a partir da insero dos GDs no alimentador em
questo. Para estudar de forma precisa as perdas de potncia e
energia no SDEE necessrio conhecer a curva de carga
tpica de cada um dos consumidores atendidos pelo
alimentador, o que no ocorre na prtica, visto que
normalmente essas medies individuais no so realizadas.
Geralmente se dispe apenas da curva de carga da
subestao. No entanto, a curva de carga em geral spera, o

que muitas vezes dificulta o seu processamento. Mas, a partir

desta curva, pode-se obter outra colocando-se a sequncia
original da demanda em ordem decrescente de valores de
potncia. Esta curva chamada de curva de durao de carga
e tem como caractersticas ser mais suave e montona do que
a original. Usualmente a curva de durao de carga
aproximada, por uma funo-escada de dois ou mais degraus
que definem os nveis de carga e os seus respectivos
intervalos. A Fig. 1 contm um exemplo de uma curva de
durao de carga segmentada em quatro nveis.
3
original
segmented

Load (MW)

inadequados poder desencadear efeitos contrrios ao que se

espera atingir [6].
O problema da alocao tima e da anlise da penetrao
de GDs em redes de distribuio tm sido abordados por
diversos autores e sob vrios pontos de vista. O mtodo
proposto em [4] busca maximizar a capacidade de gerao
instalada buscando obedecer s restries tcnicas e
operacionais dos componentes da rede em questo. Em [7]
adota-se um algoritmo baseado em Busca Tabu (BT) para
alocao tima de GDs com o objetivo de reduzir as perdas
de potncia da rede, conhecendo-se o nmero de GDs e a
capacidade mxima de gerao que pode ser implantada. Em
[5] aplicado um mtodo baseado em um algoritmo gentico
(AG) de forma a reduzir as perdas de potncia e melhorar os
ndices de confiabilidade da rede. Em [8] apresentado um
algoritmo de otimizao baseado na integrao do uso de um
AG com ferramentas de BT para a alocao tima de recursos
de gerao dispersos em redes de distribuio.
Este trabalho prope uma comparao entre os
desempenhos e as caractersticas de dois mtodos baseados em
inteligncia artificial adaptados para a soluo do problema da
alocao tima de unidades de GD em redes de distribuio,
cujos objetivos principais so minimizar os custos com as
perdas de potncia e energia e melhorar o perfil de tenso da
rede. Dois algoritmos de alocao tima so apresentados,
baseados respectivamente em AG e BT. Os dois algoritmos
so aplicados na alocao de GDs em um sistema de 69 barras
disponvel na literatura e os seus resultados so comparados.
Dentre as restries operacionais adotadas esto os limites dos
reativos injetados por cada GD e a manuteno do perfil de
tenso de todo o alimentador dentro da faixa definida como
adequada pelos rgos regulamentadores. A funo objetivo
adotada maximiza os ganhos financeiros obtidos com a
reduo das perdas de potncia e de energia aps a alocao
dos GDs na rede. A formulao apresentada tambm
considera outros parmetros como o horizonte de
planejamento, a taxa de crescimento anual da carga e as
variaes da demanda obtidas a partir da curva de carga do
alimentador em questo.

0
0

12

18

24

Time (h)
Figura 1. Curva de durao de carga original e segmentada em quatro nveis

Unidades de GD inseridas no SDEE podem operar de

forma permanente em todo o ciclo de carga ou apenas para
fornecer potncia rede em horrios de pico de demanda.
Neste trabalho os GDs so analisados operando durante todo
o ciclo de carga.
Segundo [9], existem basicamente trs formas pelas quais
um GD pode operar:
1.

Fornecendo valores fixos de potncia ativa e reativa;

2. Suprindo potncia com um fator de potncia

constante, ou;
3.

Fornecendo potncia a uma tenso de sada fixa.

Nos dois primeiros casos, o GD se comporta basicamente

como uma barra do tipo PQ, ou seja, assemelha-se s demais
barras de carga no fluxo de potncia. J no terceiro, o GD
deve ser modelado como uma barra do tipo PV ou barra de
tenso controlada, onde se faz necessrio um mecanismo de
controle para manter a sua tenso de sada em um valor
especificado. Neste trabalho o clculo das perdas de potncia
e de energia na rede com a presena dos GDs realizado pela
ferramenta de fluxo de potncia baseado na compensao
iterativa proposto por [9], a qual apresenta considervel
robustez e eficincia computacional e realiza o controle da
tenso para as barras PV considerando os limites de reativos
que podem ser produzidos por cada GD.
Os altos custos de investimento, de manuteno e de
operao, somados ao fato de que o SDEE est diretamente
conectado aos consumidores, conferem uma importncia

Anais do V Simpsio Brasileiro de Sistemas Eltricos, Foz do Iguau PR, Brasil. 22-25/04/2014

ISSN 2177-6164

destacada ao planejamento da expanso deste sistema. Aes

derivadas do processo de planejamento da alocao
estratgica de GDs podem resultar em benefcios substanciais
advindos da reduo das perdas. Um planejamento adequado
da rede de distribuio permite a considerao de questes
tais como a qualidade da energia eltrica, a confiabilidade da
rede, as limitaes no oramento, o aumento da capacidade
da rede de distribuio em atender cargas ativas, adiamento
de investimentos na gerao, dentre outros. Os investimentos
solicitados pelo planejamento podem ser efetuados de uma
nica vez no primeiro ano do horizonte de planejamento ou
em estgios com parcelas anuais, pois muitas vezes os
recursos so limitados (restries de oramento) e a demanda
geralmente progressiva, crescendo ao longo dos anos sem
exigir a estrutura final j nos primeiros anos do projeto. No
primeiro caso, a metodologia de expanso dita esttica, pois
considerada apenas a demanda no horizonte final de
planejamento. No segundo caso, a metodologia dita
dinmica, pois designa aes para o atendimento da demanda
crescente e estagiada ao longo do perodo de planejamento.
Neste trabalho, ser considerada a metodologia de expanso
esttica para avaliar o efeito da alocao tima dos GDs em
longo prazo.
Conhecendo-se o nmero de GDs a serem inseridos na
rede e sabendo que os possveis pontos de insero so as
barras do alimentador analisado, o problema da alocao
tima torna-se notadamente um problema de otimizao
combinatria, cuja funo objetivo pode ser expressa do
seguinte modo, considerando a curva de durao de carga
segmentada em m nveis:

f ( s ) k p Po mh ( s) Pg mh ( s )

h 1
a

h 1

Po
m

j 1

h
j

(1)

( s ) Pg ( s ) ke j t j
h
j

Onde: s: um conjunto de parmetros que definem os pontos

de insero dos GDs;
kp: custo da perda de potncia de pico ($/kW);
m: nveis de carga em que a curva de durao
segmentada;
j: nvel de carga da mais leve at o pico;
kej: custo da perda de energia em cada nvel ($/kWh);
a: horizonte de planejamento (anos);
h: um ano qualquer dentro do horizonte de
planejamento (h=1...a);
Pohm: perdas de potncia no alimentador original sem
GDs para o nvel mximo de carga m no ano h (kW);
Pghj: perdas de potncia no alimentador com os GDs
alocados para o nvel mximo de carga m no ano h
(kW);
tj: durao anual de cada nvel de carga (j=1...m), em
horas;
Como pode ser observado acima, os dois primeiros termos
de (1) representam, respectivamente, a reduo total em $ das

perdas de potncia e de energia durante todo o horizonte de

planejamento. As perdas de potncia so avaliadas
considerando apenas o pior caso, ou seja, durante o pico de
carga. J para o clculo das perdas de energia, necessrio
consider-las em todos os nveis de carga. A funo objetivo
exposta em (1), a qual empregada nos algoritmos das duas
metodologias propostas, busca maximizar a economia com a
reduo das perdas de potncia e energia obtida a partir da
alocao das unidades de GD na rede.
As restries tcnicas e operacionais adotadas
compreendem a faixa de valores de tenso em toda a rede
permitida por lei e os limites mximos e mnimos de reativos
produzidos por cada GD. A restrio quanto faixa de tenso
adequada verificada atravs de (2), a qual baseada em
[10]:

Vref * 0,93 Vcalc (b)

f (b)
Vref * 1.05 Vcalc (b)

(2)

Sendo:
b:
uma barra pertencente ao alimentador;
Vref: tenso de referncia (em kV);
Vcalc: tenso obtida na barra b aps a instalao dos
GDs (em kV);
f(b): assume o valor +1 se as restries so satisfeitas
e 1 caso contrrio.
As solues s que no satisfazem (2) so penalizadas de
modo a no predominarem durante o processo dos algoritmos
propostos. Os limites de reativos produzidos dependem da
caracterstica operacional de cada GD, ou seja, dos limites
mximo e mnimo de injeo de reativos de cada GD.
III. MTODOS PROPOSTOS
A comparao do desempenho e das caractersticas de dois
algoritmos rpidos e eficientes baseados em busca tabu e
algoritmo gentico respectivamente, para a alocao tima de
unidades de GD em redes de distribuio de energia eltrica
a proposta deste trabalho.
A. Mtodo baseado em algoritmos genticos
Considerando que as possveis barras que podem
participar da soluo esto definidas no conjunto Gs com Ns
barras e que o nmero de GDs alocados dado por NGD, a
codificao utilizada neste trabalho mostrada na Fig. 2. A
codificao definida por um vetor com NS posies,
composto de nmeros inteiros. Cada barra pertencente ao
conjunto Gs representada no cromossomo pela sua posio
dentro do conjunto. No exemplo mostrado na Fig. 2,
considera-se um alimentador com 50 barras e que entre essas
barras, um conjunto Gs de NS = 15 barras foi definido para
participar da soluo que utiliza NGD = 3 GDs para alocao
no alimentador. Logo, cada uma das 3 posies do
cromossomo podem assumir um valor inteiro entre 1 e 15
sem repeties. Por exemplo, Pai1 determina a alocao de
GDs nas barras 22, 12 e 33 do conjunto Gs.
Os genes herdados dos pais para a gerao dos filhos so
escolhidos aleatoriamente conforme esquematizado na Fig. 3.

Anais do V Simpsio Brasileiro de Sistemas Eltricos, Foz do Iguau PR, Brasil. 22-25/04/2014

ISSN 2177-6164

A partir dos conjuntos de GDs que representam cada um dos

pais (Pai1 e Pai2), criado um novo conjunto Pai12 = Pai1
Pai2 de onde se escolhe aleatoriamente NGD barras para gerar
o filho. Esse procedimento feito para que todas as barras
escolhidas para o filho sejam diferentes. A codificao e o
cruzamento adotado garantem que a soluo final obtida pelo
AG respeitar o nmero de GDs que devem ser instalados. A
mutao feita substituindo uma das barras presentes no
cromossomo por outra ainda no utilizada.

Figura 2. Estrutura cromossmica utilizada pelo algoritmo proposto.

3.
4.
5.
6.
7.

Escolha a melhor soluo v V;

Se v melhor do que s* faa s* = v e s = v;
Atualize a lista tabu;
Se o critrio de parada for satisfeito v para o passo
7, seno retorne ao passo 2;
Retorne a soluo final s*.

Onde: N(s) representa a vizinhana da soluo atual s.

Para o algoritmo baseado em busca tabu proposto neste
trabalho, cada soluo vizinha representada pelos n
primeiros elementos de um vetor unidimensional formado por
uma permutao de um conjunto B de nmeros inteiros, tal
que cada elemento b B est contido no intervalo [1 ; T],
representando uma barra do alimentador. Tem-se ainda que T
igual ao nmero total de barras do alimentador (sem contar
a barra de subestao ou barra de referncia), n o nmero de
GDs a serem inseridos, os quais so definidos previamente
pelo usurio. A Fig. 4 ilustra um exemplo de uma possvel
soluo para uma alocao de 3GDs (n = 3) em um
alimentador de 68 barras (T = 68).
GD1
54

GD2
3

GD3
12
n=3

34

25

...

67

41
T = 68

Figura 4. Exemplo de uma soluo para a alocao de 3 GDs

Figura 3. Mecanismo de reproduo adotado.

B. Mtodo baseado em busca tabu

A BT pertence ao grupo dos mtodos baseados em
inteligncia artificial ou meta-heursticos, e utiliza um
algoritmo de busca local para percorrer o espao de possveis
solues de forma aleatria a partir de movimentos simples e
controlados [11]-[12]. Para evitar a ocorrncia de ciclos
causados pelo fato de as mesmas solues serem visitadas
vrias vezes durante a execuo algoritmo, a BT faz uso de
um mecanismo de memria de curto prazo chamada lista
tabu, a qual armazena os movimentos realizados
recentemente tornando-os proibidos de serem executados (ou
tabu) durante um determinado intervalo de iteraes
denominado perodo tabu. Outra ferramenta chave do
mtodo o critrio de aspirao, o qual prescreve a
condio tabu de determinado movimento caso este leve a
uma soluo suficientemente interessante para os objetivos do
algoritmo. Um algoritmo bsico de BT pode ser descrito
pelos seguintes passos:
1.
2.

Escolha uma soluo inicial aleatria s S e

armazene s no local da soluo final s*, ou s* = s;
Gere um subconjunto de solues vizinhas aleatrias
V N(s) a partir de s tal que cada elemento de V
no tabu ou satisfaz o critrio de aspirao;

Apenas um movimento realizado para a criao do

conjunto de solues vizinhas, a troca entre duas posies do
vetor de tamanho T. So escolhidos respectivamente um
elemento contido nas posies de 1 a n e outro contido nas
posies de n+1 a T do vetor para a realizao da troca. A
lista tabu formada por uma matriz T x n e cada posio
dessa matriz armazena a ltima iterao na qual a alocao do
n-simo GD na b-sima barra ser considerada como tabu,
conforme o perodo tabu escolhido. O critrio de aspirao
adotado baseia-se na relao entre o valor da funo Fitness
da soluo vizinha criada na iterao atual a partir de um
movimento considerado como tabu e o valor da soluo atual
s. Se o valor da nova soluo vizinha criada for
suficientemente superior ao da soluo atual, a condio tabu
da soluo vizinha criada ser desconsiderada e esta ser a
nova soluo atual.
Para os algoritmos de otimizao propostos, as penalidades
envolvendo os limites superiores e inferiores de reativos
injetados s sero aplicadas aps terem acontecido um nmero
considervel de iteraes, de forma que j se possam encontrar
vrias solues mais bem adaptadas. Caso esta restrio seja
aplicada antes, o algoritmo muito dificilmente alcanaria o seu
objetivo ou seriam necessrias muito mais iteraes para
convergir.
IV.

SIMULAO E RESULTADOS

Para validar a eficincia das metodologias propostas

foram realizados testes em um alimentador de 69 barras

Anais do V Simpsio Brasileiro de Sistemas Eltricos, Foz do Iguau PR, Brasil. 22-25/04/2014

ISSN 2177-6164

disponvel em [13]. Os algoritmos propostos foram

implementados em linguagem MATLAB e os testes
executados em um computador com processador Intel
CoreTM B950 com um clock de 2.1GHz, 2MB cache L3, e
uma memria RAM DDR3 de 4GB. A tolerncia adotada
no clculo do fluxo de potncia foi de 10-2. Foi considerado
um horizonte de planejamento de 10 anos, com um taxa anual
de crescimento da demanda de 8%. A curva de durao de
carga foi segmentada em trs nveis: 50%, 70% e 100%
(baixo, mdio e plena carga) da demanda total, podendo ser
facilmente ajustada para uma quantidade de nveis qualquer.
Em relao s perdas, o custo de perda de potncia
adotado foi de 100 $/kW; e os custos das perdas de energia
so 0,10 $kWh, 0,15 $/kWh e 0,20 $/kWh para os nveis:
baixo, mdio e plena carga, respectivamente. Estes valores
so apenas estimativas que tm como referncia o ndice
chamado Preo de Liquidao de Diferenas (PLD)
disponvel em [14], o qual publicado semanalmente no
boletim InfoPLD da Cmara de Comercializao de Energia
Eltrica (CCEE). A Tabela I contm os dados iniciais para
uma alocao de trs GDs do tipo PV no alimentador, onde
Vesp representa o valor de tenso especificado que o GD
dever manter na barra onde for inserido e PGesp a potncia
ativa que o GD ir fornecer para o alimentador. J QGmax e
QGmin so os limites mximo e mnimo de injeo potncia
reativa que os GDs podem fornecer.
TABELA I. DADOS DOS GDS A SEREM ALOCADOS
GD
1
2
3

Vesp
(pu)
1.0
1.0
1.0

PGesp
(kW)
3000
4000
5000

QGmax
(kVAr)
1700
2300
2700

QGmin
(kVAr)
-1200
-1700
-2200

A Tabela II ilustra as alocaes timas obtidas por cada

uma das metodologias propostas, indicando as barras onde
foram alocados cada um dos GDs da Tabela I e os respectivos
valores de potncia reativa injetada por cada GD no ltimo
ano do horizonte de planejamento. J a Tabela III contm os
valores de f(s) obtidos por cada mtodo os dados para a
comparao do desempenho computacional entre os mtodos
propostos.

TABELA III. COMPARAO DO DESEMPENHO COMPUTACIONAL

Mtodo
Gentico
Tabu

Valor de f(s) ($)

374.021,42
317.812,64

Tempo de CPU
(min)
16,5409
6,7889

Os algoritmos propostos foram capazes de encontrar

solues que proporcionaram uma reduo significativa nas
perdas de potncia e de energia do alimentador em questo. O
mtodo baseado em BT encontrou sua soluo tima
alocando os GDs 1, 2 e 3 da Tabela I respectivamente nas
barras 3, 9 e 2 do alimentador de 69 barras, com um tempo de
processamento de cerca de seis minutos e meio, enquanto que
o mtodo baseado em AG alocou os mesmos GDs nas barras
5, 49 e 2, respectivamente, com um tempo de processamento
de mais de dezesseis minutos. A diferena entre os tempos de
execuo dos algoritmos ilustrada na Tabela III pode ser
explicada pela caracterstica de busca de cada mtodo. A BT
utiliza um algoritmo de busca local, com movimentos simples
para criao das solues vizinhas, no explorando desta
forma todo o universo de possveis solues. Ao passo que o
espao de busca do AG , de certa forma, bem maior,
considerando as inmeras geraes de cromossomos que so
criadas durante a execuo do algoritmo e o mecanismo de
mutao o qual proporciona maior aleatoriedade na criao
das solues do que no algoritmo de BT.
Conforme ilustrado na Tabela III, a economia obtida com
a reduo das perdas de potncia e energia da rede por cada
um dos mtodos de alocao propostos foi de mais de $
300.000,00 para o horizonte de planejamento considerado.
Sendo que o algoritmo baseado em AG obteve o melhor
resultado com uma economia de $ 374.021,42 frente a $
317.812,64 do algoritmo baseado em BT. Um dos motivos
desta economia pode ser visualizado com o auxlio da Tabela
IV, a qual mostra a comparao entre os custos totais com as
perdas de potncia (durante os dez anos do horizonte de
planejamento considerado) do alimentador sem GDs e com os
GDs alocados por cada um dos mtodos propostos. Nota-se
que o mtodo baseado em AG proporcionou um menor custo
relacionado com as perdas de potncia comparado com o
mtodo baseado em BT.
TABELA IV. CUSTO TOTAL DAS PERDAS DE POTNCIA COM E SEM GD

TABELA II. RESULTADO DA ALOCAO TIMA

Sem GD
Com GD (AG)
Com GD (BT)

Mtodos de Alocao tima

Algoritmo Gentico

Alocao tima
(barras)
5, 49 e 2
2, 9 e 3

Busca Tabu

Barra

Q injetada
(kVAr)

Barra

Q injetada
(kVAr)

GD 1

1431,865

-279,721

GD 2

49

-232,809

2.231,03

GD 3

-544,889

-694,433

87.106.558
63.162.054
68.897.112

A Fig. 5 mostra o perfil de tenso do alimentador sem GD

e com os GDs alocados por cada um dos mtodos propostos.
Para traar estes perfis de tenso foi considerada a situao de
demanda mais elevada, ou seja, no dcimo ano do horizonte
de planejamento considerado e no nvel de carga mais alto
(plena carga). Pode ser observado que a presena dos GDs
alocados pelos dois mtodos propostos mantm as tenses
nas barras do alimentador dentro dos valores especificados

Anais do V Simpsio Brasileiro de Sistemas Eltricos, Foz do Iguau PR, Brasil. 22-25/04/2014

ISSN 2177-6164

por (2), e acima dos valores de tenso do perfil do

alimentador sem GDs, mesmo aps um longo perodo de
tempo e com um aumento considervel da demanda. Nota-se
ainda que o mtodo baseado em AG obteve um novo perfil de
tenso da rede mais plano do que o obtido pelo mtodo
baseado em BT.

REFERNCIAS BIBLIOGRFICAS
[1]

[2]

[3]

[4]

[5]

[6]

Figura 5: Perfil de Tenso da rede com e sem GD

V.

CONCLUSES

Neste trabalho foi realizada uma comparao entre a

eficcia de dois mtodos de otimizao, um baseado em AG e
o outro em BT, com o objetivo de minimizar as perdas com a
insero de GDs em um sistema de distribuio. Conforme os
resultados obtidos, o mtodo baseado em AG alcanou os
melhores resultados, embora os dois algoritmos propostos
tenham se mostrado bastante eficientes na resoluo do
problema de alocao tima de GDs para a reduo das
perdas de potncia e melhora do perfil de tenso da rede. O
algoritmos propostos apresentaram timos resultados alm de
demonstrarem uma boa eficincia computacional mostrandose adequados para aplicao em alimentadores de grande
porte.
AGRADECIMENTOS
Os autores agradecem ao IFMA e FAPEMA pelo apoio
ao desenvolvimento deste projeto.

[7]

[8]

[9]

[10]

[11]
[12]
[13]

[14]

L. F. O. Pizzali, Desempenho de redes de distribuio com geradores

distribudos, 2006. 172p. Tese (Doutorado em Engenharia Eltrica)
Faculdade de Engenharia de Ilha Solteira, Universidade Estadual
Paulista, Ilha Solteira, 2006.
Y. Zhu, and K. Tomosovic, Optimal distribution power flow for
system with distributed energy resources, International Journal of
Electrical Power and Energy Systems, vol 29, Issue 3, pp. 260-267,
March 2007.
F. M. Gatta, F. Iliceto, S. Lauri, e P. Masato, Modeling and computer
simulation of dispersed generation in distribution networks. measures
to prevent disconnection during system disturbance in Proc. 2003
Power Tech Conference, Bologna, Italy.
A. Keane, e M. OMalley, Optimal allocation of embedded generation
on distribution networks, IEEE Transactions on Power Systems, vol.
20, pp. 1640-1646, August 2005.
C. L. T. Borges, e D. M. Falco, Optimal distributed generation
allocation for reliability, losses and voltage improvement, ELSEVIER
Electrical Power and Energy Systems, vol. 28 pp. 413-420, February
2006.
M. Sedighzadeh, e A. Rezazadeh, Using genetic algorithm for
distributed generation allocation to reduce losses and improve voltage
profile, World Academy of Science, Engineering and Technology, vol.
37 pp. 251-256, January 2008.
K. Nara, Y. Hayashi, K. Ikeda, and T. Ashizawa, Application of tabu
search to optimal placement of distributed generators, in Proc. 2001
IEEE Power Engineering Society Winter Meeting, vol. 2 pp. 918-923.
M. Gandomkar, M. Vakilian, M. Ehsan, "A geneticbased tabu search
algorithm for optimal DG allocation in distribution networks," Electric
Power Components and Systems, Vol. 33, Iss. 12, 2005.
D. Shirmohammadi, e C. S. Cheng, A threephase power flow method
for real time distribution system analysis, IEEE Transactions on
Power Systems, vol. 10 no. 2, pp. 671-679, 1995.
Agncia Nacional de Energia Eltrica (ANEEL) PRODIST Mdulo
8. Disponvel em: <http://www.aneel.gov.br/visualizar_texto.cfm?
idtxt=1877>.
F. Glover, Tabu search-Part I, ORSA J. Computing, Vol.1, No.3,
1989.
F. Glover, Tabu search-Part II, ORSA J. Computing, Vol. 2, No.1,
1990.
A. S. Palma, B. S. Okuda, C. C. B. Camargo, E. T. Sica, G. A. A.
Brigatto, e R. T. Carvalho, Uma Contribuio ao Estudo do Fluxo de
Potncia em Redes de Distribuio com insero de Unidades de
Gerao Distribuda pelo Mtodo da Soma das Potncias Modificado,
in Proc. 2010 Congresso Internacional de Distribuicin Electrica,
Buenos Aires, Argentina.
Cmara de Comercializao de Energia Eltrica (CCEE) - InfoPLD.
Disponvel em: <http://www.ccee.org.br/portal/faces/pages_publico/oque-fazemos/como_ccee_atua/precos/info_pld?_afrLoop=21852312735
08000#%40%3F_afrLoop%3D2185231273508000%26_adf.ctrl-state%
3D9btdcbjee_33>.

Anais do V Simpsio Brasileiro de Sistemas Eltricos, Foz do Iguau PR, Brasil. 22-25/04/2014

ISSN 2177-6164