INTERFACE BASEADA EM REGRAS NEBULOSAS PARA O TREINAMENTO VIA WEB DA RECOMPOSIÇÃO DE LINHAS DE TRANSMISSÃO EM SISTEMAS DE ENERGIA ELÉTRICA Lia Toledo Moreira Mota DSEE/FEEC/UNICAMP - Av. Albert Einstein, 400 – C.P. 6101 – Campinas (SP) Email: [email protected] Alexandre de Assis Mota DSEE/FEEC/UNICAMP - Av. Albert Einstein, 400 – C.P. 6101 – Campinas (SP) Email: [email protected] André Luiz Morelato França DSEE/FEEC/UNICAMP - Av. Albert Einstein, 400 – C.P. 6101 – Campinas (SP) Email: [email protected] Resumo: Este trabalho trata da implementação de uma interface gráfica para o treinamento via Web de operadores de centro de controle das concessionárias de energia elétrica, visando seu aprimoramento na tomada de decisões em situações de blecaute. Nessas condições, o operador encontra-se sob a influência de elevado grau de estresse, uma vez que a responsabilidade pela reenergização da rede elétrica recai inteiramente sobre ele. Assim, o desenvolvimento de uma ferramenta de simulação capaz de aperfeiçoar seus conhecimentos acerca do processo de recomposição é de fundamental importância para a adequada reenergização do sistema elétrico (no menor tempo possível e respeitando os limites operacionais da rede). Para compatibilizar o esforço computacional requerido para avaliar eletricamente as ações de reenergização com a atividade de treinamento via Web, uma abordagem baseada em heurísticas e lógica nebulosas foi proposta neste trabalho, permitindo a inclusão de variáveis de difícil modelagem analítica na formulação do problema. A interface foi desenvolvida utilizando a linguagem computacional Java e resultados da sua utilização, para duas situações de blecaute distintas, são apresentados. Palavras-chave: Treinamento do operador, heurísticas nebulosas, interface gráfica Abstract: This work describes a graphical interface developed for the training (by Web) of power systems’ control center operators with the purpose of enhancing their ability in the decision-making process associated to blackout conditions. In these situations, the operator is usually under the influence of great stress, since the responsibility of the system reenergization belongs only to him (her). Thus, it is of fundamental importance to develop a simulation tool that permits the operators to improve their knowledge about the restoration process, allowing an adequate system reenergization (minimizing the required time and respecting the operational limits). In order to make the computational effort required for the electrical evaluation of the reenergization actions compatible with the Web training activity, an approach based on fuzzy logic and heuristics was proposed, permitting the inclusion of variables that are difficult to analitically model. The interface was implemented using the Java computational language and results of its utilization with two distincts situations are presented. Keywords: Operator training, fuzzy heuristics, graphical interface 1. Introdução O processo de recomposição de sistemas de energia elétrica, após a ocorrência de um blecaute total ou parcial, consiste na determinação da seqüência temporal de ações de controle capazes de minimizar o tempo requerido para o restabelecimento de energia a todos os consumidores, respeitando as restrições operacionais da rede [10]. Um blecaute pode acarretar grandes prejuízos que abrangem todos os setores produtivos, uma vez que a energia elétrica é a principal fonte de energia empregada atualmente, possuindo um elevado grau de difusão em todos os ramos de trabalho e camadas sociais. Os custos sociais referentes a uma determinada condição de blecaute dizem respeito, principalmente, às perdas provocadas por agressões generalizadas (aumento da atividade criminosa e ocorrência de saques e pilhagens pela população) e às perdas associadas às vítimas dessas agressões. Em uma menor escala, podem ocorrer prejuízos sociais relacionados diretamente à falta de energia (falha de atendimento em hospitais e postos de saúde, ocorrência de acidentes ou interrupção do fluxo do trânsito, paralisação de serviços e programas sociais do governo, etc.). Os custos econômicos incluem as perdas das companhias de energia, lucros interrompidos de atividades comerciais e industriais, perdas de suprimentos (especialmente os refrigerados ou aquecidos) e custos associados ao aumento de atividade de órgãos governamentais (como a polícia, bombeiros e departamento de trânsito). Dessa maneira, é de extrema importância o restabelecimento de energia de forma segura e o mais rapidamente possível, de forma a minimizar os prejuízos econômicos e sociais decorrentes da interrupção, que podem atingem valores elevados, mesmo para blecautes de curta duração [10]. Para que a recomposição da rede elétrica seja efetivada, é necessário que o operador do centro de controle das concessionárias de energia elétrica execute uma seqüência de atividades bastante complexas e, portanto, seu treinamento constitui um recurso fundamental para enfrentar os problemas inerentes ao processo de reenergização do sistema. Nesse sentido, este trabalho trata da implementação de uma interface gráfica via Web para o treinamento de operadores de sistemas elétricos, visando a reenergização de linhas de transmissão. Essa interface baseia-se na determinação de índices, capazes de fornecer ao operador uma caracterização da situação de recomposição em análise com relação a alguns importantes parâmetros como o tempo de recomposição e a estabilidade do sistema. Para tanto, são utilizadas heurísticas e lógica nebulosa que permitem a representação tanto de variáveis de difícil modelagem analítica quanto de características dinâmicas da rede elétrica. Na seqüência, o item 2 aborda importantes aspectos sobre o treinamento do operador dos centros de controle. O item 3 descreve a metodologia proposta para o desenvolvimento da interface de treinamento. O item 4 apresenta a interface desenvolvida na linguagem Java, enquanto o item 5 descreve o estudo de duas diferentes situações de blecaute. Finalmente, o item 6 trata das principais conclusões deste trabalho. 2. Treinamento do Operador Para que o processo de recomposição seja efetivado minimizando o tempo requerido e maximizando a demanda atendida, é necessário que o operador do centro de controle das empresas de energia elétrica execute um conjunto de tarefas significativamente complexas: identificar inicialmente o estado do sistema, identificar e isolar o elemento causador da interrupção, avaliar as condições de todos os equipamentos da rede e proceder a reenergização da rede, visando a não violação de limites operacionais dos diferentes equipamentos e, ao mesmo tempo, assegurando que o sistema esteja sempre em um estado seguro. A situação de um sistema em recomposição configura-se, então, como uma atividade de elevado estresse para o operador, uma vez que toda a responsabilidade pela reenergização rápida e segura do sistema recai sobre ele. Nessas condições, o treinamento adequado do operador é de fundamental importância para enfrentar as dificuldades associadas ao restabelecimento de energia. A metodologia de treinamento para operadores do sistema elétrico, visando a sua preparação para blecautes, deve levar em conta dois aspectos fundamentais: a precisão de execução dos procedimentos pré-estabelecidos para determinadas condições de reenergização e a própria capacidade de generalização do operador. O primeiro refere-se ao domínio de um conjunto de planos realizados previamente pelas equipes de estudo da recomposição das concessionárias de energia, denominados instruções operativas, ou planos de recomposição. O operador deve conhecer esses planos em detalhes, pois abrangem os limites operacionais dos equipamentos e um roteiro para uma recomposição segura do sistema, de acordo com certas condições esperadas para a situação de recomposição. 389 Entretanto, é bastante possível que os acontecimentos que levaram à ocorrência de um blecaute tenham ocasionado (ou sido decorridos de) fatos que tornam impeditiva a realização de alguns dos procedimentos operativos previstos nos planos de recomposição. Nessas circunstâncias, o operador, trabalhando sob grande estresse, deve ser capaz de realizar uma generalização acerca dos procedimentos de rede e de sistemas elétricos para obter uma solução adequada para a reenergização, do ponto de vista da segurança da rede e da possibilidade de interconexão, em um tempo razoável, permitindo contornar situações difíceis, não previstas com antecedência nas instruções operativas. Pode-se afirmar, portanto, que, de um modo geral, o operador faz uso de dois tipos de conhecimento durante a atividade de recomposição de um sistema elétrico: um conhecimento relacionado à reprodução precisa dos planos de recomposição e outro conhecimento relacionado à capacidade de generalização das soluções propostas por essas mesmas instruções [11]. Assim, o treinamento de um operador para situações de reenergização deve contemplar a fixação e aproveitamento desses dois tipos de conhecimento, objetivando maximizar as possibilidades de sucesso da recomposição de uma rede elétrica em blecaute. Os principais métodos de treinamento para fixação dos planos de operação utilizados atualmente são [10]: estudo individual; técnicas de sala de aula; ambiente de treinamento simulado e exercício de recomposição. Entretanto, pouca atenção tem sido dada ao desenvolvimento da capacidade de generalização dos operadores. A abordagem usualmente adotada para a fixação desse conhecimento é a baseada no aprendizado implícito, através da tentativa de resolução de situações imprevistas durante o treinamento formal (“learn-by-doing”). Contudo, a quantidade de conhecimento absorvida dessa maneira só é efetiva pela realização de um número muito grande de treinamentos, o que não ocorre no caso da recomposição de sistemas elétricos; a maioria das operadoras de energia realiza, quando muito, em torno de 3 ou 4 treinamentos por ano. Para reforçar a aquisição de conhecimento relacionado com a capacidade de generalização do operador, pode-se ampliar a quantidade de vezes com que o mesmo se depara com situaçõesproblema; para tanto, pode-se utilizar uma abordagem do tipo aprendizado baseado em problemas (“problem-based learning”), visando a construção de um arcabouço metodológico no qual os operadores enfrentem esse tipo de desafio com maior freqüência. As tarefas executadas pelo operador nesse tipo de abordagem são: identificação da existência de um problema; formulação adequada do problema; identificação da informação necessária para entender o problema; identificação dos recursos necessários para a resolução do problema; geração de possíveis soluções e análise, seleção e apresentação de uma das soluções geradas para o problema. Assim, os problemas podem ser extraídos, por exemplo, de situações específicas de blecautes passados ou da experiência dos instrutores; conseqüentemente, após a apresentação de uma situaçãoproblema aos operadores, devem ser providenciadas condições para o cumprimento das etapas acima durante o processo de aquisição de conhecimento. Nesse sentido, ambientes virtuais de aprendizado baseados na Web surgem como alternativas de implementação que apresentam um bom grau de eficiência aliado a um custo acessível, além de permitir o monitoramento das atividades e interações entre os operadores no decorrer do processo de aprendizado. É nesse contexto que se insere o objetivo deste trabalho que visa a implementação de uma interface de treinamento via Web para a reenergização de linhas de transmissão de redes elétricas. Deve-se destacar que a recomposição das linhas de transmissão representa uma das principais etapas do processo de reenergização do sistema elétrico, o que justifica seu estudo neste trabalho. 3. Metodologia Os ambientes de treinamento via Web apresentam, atualmente, uma séria desvantagem quando comparados a ambientes de treinamento “on-site”: eles não suportam situações onde seja necessário grande poder de processamento, seja por restrições de rede, para evitar overhead nas comunicações, seja para evitar sobrecarga computacional no servidor ou no computador do usuário. Entretanto, a recomposição de sistemas de energia elétrica exige o estudo de um grande número de aspectos diferentes do sistema. Alguns dos maiores problemas enfrentados durante a recomposição, e que devem ser contemplados nos estudos de reenergização da rede, são: 390 a. b. c. d. e. f. g. h. i. Balanço de reativos. Transitórios de tensão produzidos por chaveamentos. Balanço entre geração e demanda. Resposta em freqüência dos geradores. Determinação da carga após o blecaute. Sequenciamento ótimo da energização. Localização do defeito. Conhecimento do estado dos dispositivos de chaveamento. Quebra do sistema em ilhas. Além disso, após a perda de carga, a recomposição também pode ser encarada como um problema de decisão e controle altamente complexo do ponto de vista do operador. Tal problema está sujeito às seguintes restrições: a. Restrições de fluxo de potência (balanço da geração e limites de fluxo e tensão nas linhas). b. Restrições de estabilidade (análise transiente, estabilidade dinâmica, considerações acerca da freqüência e sincronização do sistema). c. Restrições de partida dos geradores. d. Restrições de comportamento da carga após a interrupção. e. Restrições de chaveamento nas linhas da rede elétrica. Como se pode observar, um problema deste tipo (combinatório, não-linear e que envolve otimização de objetivos e estágios múltiplos) deve contar, para a sua solução, com uma série de algoritmos adequados, configurando um conjunto de ferramentas de análise em tempo real, aliado a um ambiente computacional de alto desempenho. Assim, a análise precisa desse tipo de problema pode conduzir a um esforço computacional incompatível com a atividade de treinamento da recomposição via Web. Mais ainda, o processo de tomada de decisão por parte do operador, durante a recomposição das linhas de transmissão, deve levar em conta algumas variáveis de difícil modelagem analítica como, por exemplo, a influência do dia da semana, do horário (em que ocorreu a interrupção) e do tipo predominante de consumidor sobre o tempo requerido para a reenergização de determinada linha de transmissão. Uma alternativa para reduzir a quantidade de operações de cálculo e, ao mesmo tempo, garantir uma solução aceitável para o problema em tempo hábil e incluir a influência dessas variáveis de difícil modelagem analítica, tornando viável a análise de ações de recomposição para o treinamento de operadores, é a utilização de lógica e heurísticas nebulosas, conforme descrito nos itens a seguir. 3.1. Aplicação de Lógica Nebulosa A aplicação de heurísticas e lógica nebulosa permite a consideração da influência da dinâmica do sistema, sem a necessidade do processamento formal de funções de análise dinâmicas, reduzindo, conseqüentemente, o esforço computacional requerido. Além disso, a utilização de lógica difusa possibilita a concatenação de diferentes tipos de restrições, tanto as de difícil modelagem analítica, quanto as dinâmicas. Neste trabalho, o processo de decisão leva em conta as seguintes variáveis: • • • • • • • • • Tipo da carga; Nível de prioridade da carga; Dia da semana da recomposição; Horário da recomposição; Custo de operação das chaves; Disponibilidade operacional da companhia de energia; Carregamento do gerador; Ocorrência de sobretensões nos chaveamentos e Proximidade ao colapso de tensão. 391 Essas variáveis podem ser expressas em termos lingüísticos e, através da aplicação de uma base de regras nebulosas, pode-se, extrair índices associados à recomposição de uma linha de transmissão. Especificamente, são obtidos índices referentes a quatro importantes aspectos do processo de recomposição: • • • • Tempo da recomposição; Custo de operação; Estabilidade do sistema e Conforto do consumidor. Dessa maneira, esses parâmetros podem ser utilizados para orientar a tomada de decisão por parte do operador no processo de reenergização de uma determinada linha de transmissão. Deve-se ressaltar que para a obtenção desses índices foram adotadas algumas hipóteses simplificadoras: a recomposição deve ser conduzida para redes de transmissão com configuração em anel ou radiais; o sistema possui uma única fonte de energia; no instante da recomposição, a rede estará totalmente desenergizada (blecaute total); todos os parâmetros da rede elétrica são conhecidos; a origem da interrupção é conhecida e já foi isolada ou sanada e a carga é considerada constante e com valor igual ao apresentado imediatamente antes da interrupção. 3.2. Algoritmo Implementado O algoritmo implementado para a obtenção dos índices está descrito pelas etapas a seguir: 1. Determinação do circuito equivalente da rede energizada, com relação à barra terminal da linha que será energizada; 2. Determinação dos parâmetros da linha a ser energizada; 3. Simulação e avaliação das restrições de operação na energização da linha (análise de sobretensões, capacidade de carga e proximidade ao colapso de tensão); 4. Avaliação das restrições operacionais da carga terminal da linha que será energizada (nível de prioridade, dia e hora da semana); 5. Avaliação dos custos de operação dos dispositivos de chaveamento e disponibilidade de pessoal operacional pela companhia de energia; 6. Classificação dos níveis avaliados em (3), (4) e (5) quanto à pertinência com relação a conjuntos fuzzy definidos previamente. 7. Aplicação dos resultados de (6) às heurísticas para determinação dos qualificativos “tempo de recomposição”, “custo de operação”, “segurança do sistema” e “conforto do consumidor”. 8. Defuzzyficação dos qualificativos obtidos em (7). O diagrama a seguir ilustra as etapas do algoritmo proposto: 392 Figura 1: Etapas do algoritmo proposto As etapas descritas anteriormente caracterizam três blocos funcionais (interface de fuzzyficação, processo de decisão e interface de defuzzyficação) que serão descritos nos itens a seguir. 3.3. Bloco de Fuzzyficação O bloco de fuzzyficação tem por objetivo a preparação dos dados para fuzzyficação, consistindo na coleta dos parâmetros do circuito equivalente e no cálculo simplificado de características dinâmicas. Neste trabalho, as restrições dinâmicas consideradas foram o nível de sobretensão de chaveamento e a proximidade ao colapso de tensão. Além disso, essa interface permite o relacionamento dos dados já preparados com um conjunto de funções de pertinência contidas em uma base de conhecimento, convertendo as estimativas do valor de entrada em intervalos associados a qualificativos lingüísticos. Assim, pode-se notar que esse bloco funcional engloba es etapas de 1 a 6 do algoritmo descrito previamente. A seguir, são apresentados os relacionamentos entre as variáveis e os conjuntos nebulosos. Prioridade da Carga: durante a recomposição de um sistema de energia elétrica, existem algumas cargas que devem ser atendidas primeiramente. São cargas tão importantes que têm prioridade sobre as outras quanto ao seu religamento. Dentre elas, pode-se destacar hospitais, algumas cargas industriais, serviços governamentais essenciais, etc. Dia da Semana: o dia da semana no qual a recomposição ocorre implica em um risco que contempla as previsões de restrição operacional do sistema de energia e de demanda, caracterizadas pela influência de agentes externos à companhia de energia (ocorrência de eventos especiais como shows, jogos de futebol, etc.). Horário da Recomposição: similarmente ao que ocorre com a variável dia da semana, também existem riscos associados ao horário da recomposição. Custo de Operação das Chaves: nas redes de energia elétrica, existem dispositivos de chaveamento que são operados de forma automática e outros que só podem ser operados manualmente. O custo da operação desses dispositivos está associado, justamente, à forma de operação dos mesmos. Chaves 393 automáticas podem ser consideradas como de “fácil operação”, ou seja, o custo operacional associado a elas é baixo. Já as chaves que só são controladas manualmente, ou as chaves automáticas, que após alguma contingência, passam a ser operadas de forma manual, podem ser consideradas como de “operação difícil” e associadas a um custo de operação elevado. Disponibilidade Operacional da Concessionária: as dificuldades operacionais de uma companhia de energia elétrica, durante a recomposição de um sistema, estão associadas a alguns fatores internos, tais como a disponibilidade de equipes técnicas, viaturas, dificuldades de acesso aos locais de operação, falhas em telecomunicações, etc. A Tabela I demonstra os conjuntos nebulosos associados a essas variáveis e a outras empregadas na formulação do problema. Tabela I: Conjuntos nebulosos associados às variáveis Variável Nível de Carga Prioridade da Carga Dia da Semana Horário Custo de Operação das Chaves Nível de Sobretensão de Manobra Carregamento do Gerador Dificuldade associada à Disponibilidade Operacional Conjuntos nebulosos “muito baixa”, “baixa”, “média”, “alta”, “muito alta” e “excessiva” “muito baixa”, “baixa”, “média”, “alta”, “muito alta” e “total” “fim de semana”, “fim de semana especial”, “dia da semana” e “dia da semana especial” “folgado”, “baixa carga”, “plena carga” e “horário de pico” “muito baixo”, “baixo”, “médio”, “alto”, “muito alto” e “proibitivo” “muito baixa”, “baixa”, “média”, “alta”, “excessiva” e “proibitiva” “muito baixo”, “baixo”, “médio”, “alto”, “muito alto” e “proibitivo” “muito baixa”, “baixa”, “média”, “alta”, “muito alta” e “proibitiva” As Figuras 2 e 3 ilustram essas variáveis decompostas em seus conjuntos nebulosos associados. Figura 2: Variáveis nebulosas “Nível de Carga”, “Prioridade da Carga”, “Dia da Semana” e “Horário da Recomposição” 394 Figura 3: Variáveis nebulosas “Custo de Operação das Chaves”, “Nível de Sobretensão”, “Carregamento do Gerador” e “Dificuldade Operacional” 3.4. Processo de Decisão Esse bloco funcional tem por objetivo a inferência das variáveis de saída (tempo de recomposição, custo de operação, estabilidade do sistema e conforto do consumidor) a partir da aplicação de um conjunto de regras estabelecido em uma base de conhecimento que, nesse caso, refere-se ao conhecimento dos operadores dos centros de controle das concessionárias de energia. O processo de decisão corresponde à etapa 7 do algoritmo descrito anteriormente. Para a obtenção dessas quatro variáveis de saída foram criadas 55 regras do tipo “SE...E/OU...ENTÃO...”, utilizando inferência do tipo MAX-MIN. A seguir, tem-se um exemplo de regras associadas à variável nível de carga: Se O nível de carga É médio OU O nível de carga É alto E O horário da recomposição É plena carga E O custo de operação das chaves É médio E O nível de sobretensão É médio E O carregamento do gerador É alto E A dificuldade associada É média Então O custo da operação É médio 3.5. Bloco de Defuzzyficação Esse bloco funcional corresponde à etapa 8 do algoritmo descrito previamente e objetiva a obtenção de valores discretos representativos das saídas nebulosas (tempo de recomposição, custo de operação, estabilidade do sistema e conforto do consumidor) obtidas ao final do processo de decisão. O método de defuzzyficação utilizado foi o método do centróide, amplamente difundido na literatura [8, 9]. 395 4. A Interface Desenvolvida A interface gráfica foi desenvolvida na linguagem computacional Java e permite a coleta de informações de entrada, o cálculo das restrições operacionais a partir dessas informações, a determinação das pertinências correspondentes às restrições calculadas, a aplicação da base de regras (obtenção dos qualificativos finais) e a defuzzificação dos qualificativos obtidos. A Figura 4 ilustra a tela vista pelo usuário. Figura 4: Tela da interface desenvolvida A implementação em linguagem Java possibilita a inclusão do aplicativo desenvolvido em páginas de hipertexto; como é uma linguagem interpretada, o aplicativo pode ser executado, local ou remotamente, de qualquer computador com um navegador para Internet independentemente de sistema operacional ou hardware, uma vez que o interpretador Java já vem incluído na grande maioria dos navegadores disponíveis atualmente. Este aplicativo realiza a aquisição dos dados de entrada que foram dispostos nas partes superior, esquerda e direita da tela do usuário, através de barras de rolagem. Os valores selecionados em cada barra são automaticamente atualizados na tela, possibilitando a monitoração das entradas do problema. Os dados de entrada requeridos pela interface são: comprimento da linha de transmissão (LT) que será reenergizada; resistência da LT; reatância da LT; potência ativa da carga terminal da LT; potência reativa da carga terminal da LT; risco associado ao dia da semana em que está sendo feita a recomposição; risco associado ao horário em que está sendo feita a recomposição; prioridade da carga terminal da LT; custo de operação da chave responsável pela reenergização da LT; sobretensão máxima admissível; potência máxima de geração; resistência do gerador; reatância do gerador e dificuldade operacional da concessionária de energia. Além dessas entradas, foram acrescentados um campo de texto na parte inferior da interface (para retornar as informações do processo ao usuário) e quatro botões no canto inferior direito da tela do usuário, com as seguintes finalidades: 396 • • • • Botão “Calcular”: permite ao usuário realizar as etapas de cálculos iniciais Botão “Regras”: permite ao usuário realizar a aplicação das regras para obter os valores das pertinências aos conjuntos fuzzy que descrevem os qualificativos finais e sua defuzzificação. Botão “Visualizar”: permite ao usuário realizar uma visualização qualitativa dos resultados obtidos para as variáveis através da aplicação das regras do item anterior e sua posterior defuzzificação. Botão “Reiniciar”: permite ao usuário reiniciar os processos de cálculo, mesmo interrompendo um ciclo de processamento. As quatro variáveis de saída (tempo total de recomposição, custo da operação, estabilidade do sistema e conforto do consumidor), já normalizadas, são representadas por barras verticais, conforme ilustra a Figura 5. Linhas horizontais indicam o grau de adequação da recomposição da LT: uma linha localizada abaixo das demais indica uma recomposição “ruim”; uma linha na posição central indica uma recomposição “média” e uma linha na posição superior do quadro central indica uma recomposição “boa”. Assim, é possível realizar uma gradação visual da “qualidade” da situação específica de recomposição proposta. Essas variáveis são indicadas por rótulos abreviados na base das barras verticais (tempo total de recomposição = Tmp, custo da operação = Cop, estabilidade do sistema = Est e conforto do consumidor = Conf). Com o intuito de verificar a validade da metodologia desenvolvida, foram comparadas duas situações: a primeira, considerada como uma condição de blecaute favorável, onde todas as restrições operacionais foram relaxadas, os riscos minimizados, e a dificuldade operacional mantida em um valor baixo; a segunda, considerada como uma condição de blecaute desfavorável, onde os riscos e as restrições operacionais foram maximizados e a dificuldade operacional foi definida como elevada. Os parâmetros associados à LT a ser reenergizada foram considerados iguais para os dois casos estudados. A Figura 5 ilustra a tela da interface gráfica, representando os resultados obtidos para a primeira situação (condição favorável). Figura 5: Resultados obtidos para as condições favoráveis 397 A Figura 6 ilustra a tela da interface gráfica, representando os resultados obtidos para a segunda situação (condição desfavorável). Figura 9: Resultados obtidos para as condições desfavoráveis Pode-se observar que para a situação de blecaute com condições favoráveis, os resultados obtidos caracterizam uma recomposição entre “média” e “boa”, uma vez que as variáveis de saída (representadas pelas barras verticais) situam-se entre as linhas horizontais central (recomposição “média”) e superior (recomposição “boa”). Deve-se destacar que para essa situação de reenergização, o pior índice está associado à variável conforto do consumidor. Já para a situação de blecaute com condições desfavoráveis, pode-se notar a caracterização de uma recomposição entre “ruim” e “média”, sendo que os piores índices são os referentes às variáveis tempo de recomposição e custo da operação. 5. Conclusões Neste trabalho, foi implementada uma interface gráfica que possibilita o treinamento via Web de operadores dos centros de controle das concessionárias de energia elétrica para a recomposição de linhas de transmissão. Especialmente nessas condições, o treinamento do operador é de fundamental importância, uma vez que o processo de reenergização da rede elétrica se configura como uma situação de elevado grau de estresse, na qual o operador deve tomar decisões e ações visando a minimização do tempo de recomposição e a maximização da demanda atendida. Para a implementação desta interface, foi proposta a utilização de regras e lógica nebulosas para a obtenção de índices (tempo de recomposição, ao custo de operação, à estabilidade do sistema e ao conforto do consumidor) capazes de caracterizar a condição de recomposição da linha de transmissão. Nesse sentido, o emprego de lógica nebulosa permitiu a representação da influência de 398 variáveis de difícil modelagem analítica (como o dia e horário da recomposição e a dificuldade operacional da concessionária) e a consideração da influência da dinâmica do sistema (nível de sobretensão e proximidade ao colapso de tensão), evitando o processamento de funções de análise dinâmicas e, conseqüentemente, reduzindo o esforço computacional adicional. A interface foi desenvolvida na linguagem Java, possibilitando a inclusão do aplicativo em páginas de hipertexto. Além disso, como é uma linguagem interpretada, o aplicativo pode ser executado, local ou remotamente, de qualquer computador com um navegador para Internet independentemente de sistema operacional ou hardware. Agradecimentos Os autores gostariam de agradecer à Fundação de Amparo à Pesquisa do Estado de São Paulo pelo apoio dado através dos processos 00/11163-8 e 00/11164-4. 399 Referências [1] Morelato, A., Monticelli, A., Heuristic Search Approach to Distribution System Restoration, IEEE Transactions on Power Delivery, v.4, n.4, Oct. 1989. [2] Delbem, A.C.B., Bretas, N.G., Carvalho, A., Algoritmo de Busca com Heurísticas Fuzzy para Restabelecimento de Energia em Sistemas Radiais de Distribuição, SBA Controle e Automação, v.11, n.1, 2000. [3] Pereira, M.A., Murari, C.A.F., Castro, C.A., A Fuzzy Heuristic Algorithm for Distribution Systems' Service Restoration, Fuzzy Sets and Systems, n.102, 1999. [4] Pereira, M.A., Conjuntos Nebulosos e Algoritmos Genéticos Aplicados à Restauração de Redes de Distribuição de Energia Elétrica, Tese de Doutorado, FEEC/UNICAMP, 2000. [5] Toune, S., et.al., Comparative Study of Modern Heuristic Algorithms to Service Restoration in Distribution Systems, IEEE Transactions on Power Delivery, v.17, n.1, Jan. 2002. [6] D’ajuz, A., et al., Transitórios Elétricos e Coordenação de Isolamento – aplicação em sistemas de potência de alta tensão, Universidade Federal Fluminense Editora Universitária (EDUFF), Niterói (RJ), 1987. [7] Pearl, J., Intelligent Search Strategies for Computer Problem Solving, Addison-Wesley Publishing Company, California, 1985. [8] Kaufmann, A., Gupta, M., Introduction to Fuzzy Arithmetic – Theory and Applications, AddisonWesley Publishing Company, VNR, New York, 1991. [9] Pedrycz, W., Fuzzy Controls and Fuzzy Systems, RSP e John Wiley & Sons Inc., 1996. [10] M.M. Adibi, Power System Restoration – Methodologies and Implementation Strategies, New York: IEEE Press, 2000. [11] Mota, A.A., Mota, L.T.M, Morelato, A, Treinamento de Operadores para a Recomposição de Sistemas Elétricos, in. , WCETE2004 - World Congress in Engineering and Technology Education, Santos (SP), 2004. 400