Algoritmo genético de chaves aleatórias viciadas e recozimento simulado aplicados ao problema da reconfiguração de redes de distribuição de energia elétrica considerando técnicas de reinicialização e hibridização

Abstract

A reconfiguração de sistemas de distribuição de energia elétrica (RSDEE) é baseada na mudança dos estados (aberto ou fechado) das chaves de laço e seccionadoras alterando a topologia da rede de forma a minimizar as perdas de potência ativa. Desta forma, viabiliza-se a transferência de cargas entre alimentadores, sob as restrições operacionais da rede, tais como, níveis de tensão adequados, permanência da estrutura radial da rede elétrica e o fornecimento de energia para todas as cargas. Consequentemente, tal procedimento pode ocasionar uma redução das perdas técnicas e melhoria no perfil de tensão. A redução de perdas via reconfiguração de redes é um problema de natureza combinatória, em que se deve determinar a combinação dos estados das chaves que correspondem a configuração radial da rede com o menor nível de perdas. Nesta dissertação são apresentadas duas metaheurísticas, o Algoritmo Genético de Chaves Aleatórias Viciadas e o Recozimento Simulado, para resolver o problema de RSDEE e, para minimizar o tempo esperado exigido para obter a solução, estratégias de reinicialização foram adicionadas à técnica baseada em algoritmo genético e também um novo método híbrido foi proposto. Para viabilizar a modelagem radial dos sistemas de distribuição e possibilitar uma redução do espaço de busca de soluções, para obter melhores soluções, foram combinados ao algoritmo genético os decodificadores algoritmo de Kruskal e o algoritmo baseado em links da co-árvore (árvore complementar da rede). Além disso, em relação às estratégias de restart no algoritmo genético o problema foi estudado em três casos distintos: o primeiro sem o uso de restart, o segundo com restart a cada ? iterações sem melhoria da função objetivo e o terceiro que utiliza um monitoramento da função objetivo dos indivíduos da população para efetuar um restart com elitismo. Por fim, no algoritmo híbrido foram utilizados o recozimento simulado e o algoritmo genético de chaves aleatórias viciadas na codificação baseada na co-árvore. Para a análise destas propostas de solução foram utilizados cinco sistemas bem conhecidos na literatura, os sistemas 14, 33, 69, 84 e 136 barras, e a partir dos resultados obtidos, foi possível obter soluções de qualidade em tempo significantemente reduzido quando comparado à outras abordagens.

Abstract: The reconfiguration of electric power distribution systems (RSDEE) is based on changing the states (open or closed) of tie and sectionalizing switches changing the network topology in order to minimize active power losses. In this way, it is possible to transfer loads between feeders, subject to the operational constraints of the grid, such as adequate voltage levels, maintenance of the grid?s radial structure, and the supply of power to all loads. Consequently, such a procedure can lead to a reduction in technical losses and improvement in voltage profile. Loss reduction through grid reconfiguration is a combinatorial problem, in which it is necessary to determine the combination of switch states that correspond to the radial configuration of the grid with the lowest level of losses. In this dissertation, two metaheuristics are presented, the Biased Random-Key Genetic Algorithm and Simulated Annealing, to solve the RSDEE problem and, to minimize the expected time required to obtain the solution, restart strategies have been added to the genetic algorithm-based technique and also a new hybrid method has been proposed. To achieve the radial modeling of distribution systems and to enable a reduction of the solution search space to obtain better solutions, the decoders Kruskal?s algorithm and the link-based algorithm of the co-tree (complementary network tree) were combined to the genetic algorithm. Moreover, regarding the restart strategies in the genetic algorithm the problem was studied in three distinct cases: the first without the use of restart, the second with restart every ? iterations without improvement of the objective function and the third that uses a monitoring of the objective function of the individuals of the population to perform a restart with elitism. Finally, in the hybrid algorithm, simulated annealing and the biased random-key genetic algorithm with the decode based on the co-tree were used. For the analysis of these proposed solutions five well-known systems in the literature were used, the systems 14, 33, 69, 84 and 136-bus, and from the results obtained, it was possible to achieve quality solutions in a significantly reduced time when compared to other approaches.