Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC
URI Permanente para esta coleçãohttps://repositorio.ufpa.br/handle/2011/2317
O Doutorado Acadêmico inicio-se em 1998 e pertence ao Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) do Instituto de Tecnologia (ITEC) da Universidade Federal do Pará (UFPA).
Navegar
Navegando Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC por Linha de Pesquisa "SISTEMAS ELÉTRICO DE POTÊNCIA"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Tese Acesso aberto (Open Access) Gerenciamento Inteligente de microrredes: impacto da modelagem matemática na eficiência computacional de algoritmos de otimização(Universidade Federal do Pará, 2025-05-16) BATISTA, Vitor dos Santos; TOSTES, Maria Emília de Lima; http://lattes.cnpq.br/4197618044519148; BEZERRA, Ubiratan Holanda; http://lattes.cnpq.br/6542769654042813; SOARES, Thiago Mota; FONSECA, Wellington da Silva; SARAIVA, Filipe de Oliveira; NEVES, Luciane Silva; http://lattes.cnpq.br/0156338796116154; http://lattes.cnpq.br/5066230825214516; http://lattes.cnpq.br/5883877669437870; http://lattes.cnpq.br/6991878627141193; xxx; https://orcid.org/0000-0002-2602-1964; https://orcid.org/0000-0003-3187-4221; https://orcid.org/0000-0002-2195-6015Uma microrrede pode ser considerada um grupo localizado de cargas e fontes de energia elétrica, geralmente utilizando energias renováveis como principais fontes geradoras, além de possuir um sistema de armazenamento de energia. As microrredes podem operar de forma isolada da rede elétrica tradicional devido a fatores como a necessidade de fornecer eletricidade a áreas remotas, aumentar a resiliência do sistema elétrico e reduzir a dependência de infraestruturas centralizadas. O gerenciamento de microrredes consiste em definir o despacho ótimo de energia de cada elemento da microrrede, garantindo o atendimento da demanda e buscando minimizar os custos operacionais e a emissão de gases poluentes. Esse processo de gerenciamento geralmente ocorre por meio de sistemas de gerenciamento inteligentes, que utilizam algoritmos baseados em inteligência artificial para otimizar a alocação dos recursos energéticos. Uma metodologia bastante utilizada nesse contexto é o Model Predictive Control (MPC), que integra algoritmos de previsão e otimização para o gerenciamento energético. Um dos pontos principais dos algoritmos de otimização está na formulação matemática. Uma formulação inadequada pode levar a um maior custo computacional e a soluções ineficientes. Esta tese investiga e propõe aprimoramentos na formulação matemática de algoritmos de otimização para o gerenciamento inteligente de microrredes isoladas, com ênfase na relação entre custos operacionais, emissões de poluentes e custos de operação e manutenção (O&M) de geradores não despacháveis. Foram analisadas abordagens mono-objetivo e multi-objetivo, comparando metodologias existentes com propostas inovadoras que visam reduzir a complexidade computacional e melhorar a qualidade das soluções obtidas. Os testes realizados em diferentes cenários e configurações – incluindo casos com uma única fonte geradora poluente e com múltiplas fontes – demonstraram que a formulação aprimorada é mais eficiente e oferece um equilíbrio mais robusto entre eficiência e diversidade de soluções, contribuindo para a viabilidade econômica e ambiental do gerenciamento de microrredes isoladas.Tese Acesso aberto (Open Access) Metodologia de Previsão de Cenários do Preço da Curva Forward de Energia Elétrica nos Horizontes de Médio e Longo Prazo(Universidade Federal do Pará, 2025-04-02) REIS, Josivan Rodrigues dos; MONTEIRO, Flávia Pessoa; http://lattes.cnpq.br/3434022917410660; TOSTES, Maria Emília de Lima; http://lattes.cnpq.br/4197618044519148; BEZERRA, Ubiratan Holanda; RODRIGUES, Carlos Eduardo Moreira; FURTADO, Álvaro Afonso; PONTE, Márcio José Moutinho da; http://lattes.cnpq.br/0412741071063952; http://lattes.cnpq.br/0412741071063952; http://lattes.cnpq.br/4431674457945869; http://lattes.cnpq.br/4760076685971693; xxx; xxx; xxx; https://orcid.org/0000-0002-0724-3721No mercado de energia elétrica, a problemática dos preços de negociação dos contratos entre geradores/comercializadores e compradores toma especial relevância, pois uma modelagem assertiva dos contratos leva a um incremento do retorno financeiro e da sustentabilidade do negócio para os vários agentes participantes. No caso brasileiro, os preços de energia são publicados com periodicidade semanal pela Câmara de Comercialização de Energia, por meio da execução dos modelos computacionais NEWAVE, DECOMP E DESSEM. O principal resultado desses modelos é o Preço de Liquidação das Diferenças (PLD), que serve como referência oficial de preços no mercado de energia e é utilizado para a liquidação das sobras e déficits dos agentes nos ambientes de contratação livre e regulada. Porém, as variáveis consideradas no cálculo do PLD, que em sua maioria, buscam refletir o custo da operação do sistema nos horizontes de curto, médio e longo prazo - não refletem de maneira assertiva as expectativas do mercado e nem incorporam o prêmio do risco intrínseco ao processo de comercialização de energia. Esse desalinhamento é mais evidente nos horizontes de médio e longo prazo, que são menos influenciados por variáveis operacionais e mais sensíveis a fatores que modelam o risco associado ao negócio. Diante desse desacoplamento nos horizontes de médio e longo prazo, faz-se necessário o estabelecimento de metodologias que retornem projeções de cenários de curvas de preços que refletem não somente aspectos intrínsecos à operação da rede, mas também o risco associado à comercialização, de forma a otimizar a modelagem dos contratos firmados entre os agentes. Nesse contexto, buscou-se uma abordagem metodológica mais assertiva para proporcionar o dinamismo presente no mercado de energia, aliada a uma modelagem que foca na robustez e na qualidade de experiência do usuário, possibilitando projeções confiáveis do preço de energia nos horizontes de médio e longo prazo (3 a 10 anos). Como proposta metodológica, adotou-se a técnica estatística de Redes Bayesianas Dinâmicas (RBD), para a geração de cenários de previsão, combinada com Algoritmos Genéticos para otimizar automaticamente o desempenho do modelo, definindo as topologias utilizadas pela RBD. Para definir quais as variáveis são relevantes na criação da topologia, realizou-se um estudo detalhado das variáveis para identificar quais dessas impactam na formação de preço de energia. Por fim, os resultados obtidos com a metodologia proposta, foram comparados com resultados gerados pelas técnicas de Regressão Linear, Support Vector Regression e Extreme Gradient Boosting, utilizando métricas de avaliação de desempenho.