Avaliação da confiabilidade da capacidade de geração via Método da Entropia Cruzada.

Abstract

Nos estudos de planejamento da expansão de sistemas elétricos de potência, técnicas são necessárias para quantificar os custos e a confiabilidade das diversas alternativas. Nas últimas décadas, os índices de confiabilidade da capacidade de geração (generating capacity reliability- GCR) têm sido parâmetros muito úteis para auxiliar engenheiros de planejamento em muitas decisões. Estes índices são medidas estatísticas que indicam se a capacidade de geração disponível é suficiente para atender à carga total do sistema dentro de padrões técnico-operativos predeterminados. Em problemas que envolvem critérios específicos de projeto, o planejador poderia ter que medir a probabilidade de ocorrência para certo evento que poderia ser raro, mas, a priori, esta condição é desconhecida. Esta dissertação apresenta uma nova metodologia para avaliar os índices GCR baseada em técnicas de Simulação Monte Carlo (SMC) e no Método da Entropia Cruzada. A ideia básica é utilizar uma função massa de probabilidade auxiliar, cujos parâmetros são obtidos através de um processo de otimização estocástico. E esta nova função é utilizada em conjunto com a já conhecida técnica da amostragem por importância a fim de reduzir drasticamente a variância amostral e, consequentemente, o esforço computacional do processo de estimação baseado em SMC. A fim de verificar completamente o desempenho da metodologia proposta, diversos aspectos como o tamanho do sistema, raridade dos eventos de falha, número de unidades diferentes e perfil da curva de carga são considerados. O IEEE-RTS é utilizado para testar a metodologia proposta. Também, diversas modificações são feitas neste sistema a fim de comparar o desempenho da abordagem proposta com uma SMC não-cronológica e uma técnica analítica extremamente eficiente baseada em convolução discreta. Uma configuração do sistema Sul-Sudeste Brasileiro (SSB) de geração é também utilizada para demonstrar a aptidão do método proposto em aplicações reais.