interface baseada em regras nebulosas para o

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