Getão de Recursos energéticos distribuidos para efeitos de controlo de tensão em redes de distribuição de baixa tensão

Faculdade de Engenharia da Universidade do Porto Gestão de Recursos Energéticos Distribuídos para Efeitos de Controlo de Tensão em Redes de Distribuição de Baixa Tensão Pedro Filipe Cardoso Olival Dissertação realizada no âmbito do Mestrado Integrado em Engenharia Electrotécnica e de Computadores Major Energia Orientador: Manuel António Cerqueira da Costa Matos (Dr.) Co-orientador: André Guimarães Madureira (Dr.) 25 de junho de 2013 ii © Pedro Filipe Cardoso Olival, 2013 iii Resumo A integração em larga escala de recursos distribuídos, particularmente de produção distribuída nas redes de distribuição de Baixa Tensão (BT), apresenta um conjunto de desafios para garantir a operação da rede com segurança, qualidade e continuidade de serviço aos consumidores. Em particular, os perfis de tensão poderão ser severamente afetados com a integração de recursos descentralizados. O presente documento apresenta uma proposta para as funcionalidades de gestão e apoio à operação das redes de distribuição com o objetivo de garantir um controlo coordenado e otimizado dos perfis de tensão nas redes de distribuição de BT, utilizando diferentes recursos energéticos distribuídos, designadamente sistemas de armazenamento, cargas controláveis e unidades de microprodução. A ferramenta de gestão desenvolvida em ambiente MATLAB® permite maximizar a integração de microprodução de origem renovável (especialmente solar fotovoltaica), cumprindo os limites técnicos nas redes e garantindo o equilíbrio entre produção e o consumo. O anteriormente exposto resulta da exploração do conceito de rede inteligente como alternativa ao atual modelo para as redes de distribuição de BT permitindo uma integração dos recursos distribuídos aproveitando a sua flexibilidade na operação com recurso a sistemas de controlo avançado. Desta forma, o trabalho desenvolvido aplica uma metodologia de gestão de recursos para efeitos de controlo de tensão, no contexto de uma rede inteligente, tendo sido testada para uma rede real Portuguesa de distribuição de BT. A metodologia desenvolvida pressupõe a utilização da ferramenta de controlo gerida pelo operador da rede de distribuição e instalada ao nível dos seus sistemas de gestão e controlo. Deste modo, para a aplicação desta metodologia é essencial dotar as redes de arquiteturas de controlo que permitam a gestão dos diferentes recursos energéticos distribuídos. Os modelos desenvolvidos devem adequar-se ao contexto real, considerando cenários reais de cargas, perfis de produção e condições técnicas de operação com o cumprimento de todas as restrições associadas aos limites técnicos das redes de distribuição de BT. A aplicação dos modelos desenvolvidos no presente documento nas redes de distribuição de BT é essencial para a sua validação, conferindo-lhe um sentido prático num futuro próximo. Em conclusão, o contributo do trabalho desenvolvido no âmbito desta dissertação proporciona ao operador novos modelos e ferramentas de gestão e controlo das redes de distribuição de BT. A aplicação desta ferramenta numa rede real de BT garantiu o controlo dos perfis de tensão em todos os seus barramentos para o período temporal considerado, garantiu o equilíbrio entre a produção e o consumo e permitiu maximizar a integração de fontes energéticas distribuídas, em especial com base em recursos renováveis. iv v Abstract Large scale integration of Distributed Energy Resources, namely Distributed Generation at the Low Voltage level (LV), poses several technical challenges for distribution network operation in order to guarantee quality and interruptible service to the consumers. Especially the voltage profiles are affected by the high dispersed production. This paper presents a new application of electrical energy storage systems, demand side response (DSR) and microgeneration shedding, operating in a coordinated way to enable voltage control within LV distribution networks. A management tool developed in MATLAB® allows to maximizing the integration of microgeneration , fulfilling the technical limits on the networks as well as ensuring the balance between production and consumption. Furthermore, the concept of smartgrid is an alternative to the current model for the LV distribution networks, allowing an integration of the distributed energy resources with increased flexibility in operation with the use of advanced control systems. This work applies a methodology for managing resources for voltage control, in the context of the smartgrid, to a real Portuguese LV distribution network. The methodology considers the control tool as one functionality of the Distribution Management System (DMS). Thus, for the application is essential to equip the network with control architectures that enable the management of different distributed energy resources. The models here developed should suit the real context, considering real scenarios, with loads, production profiles and technical operation conditions, with the fulfillment of all constraints associated with the technical limits of the LV distribution networks. The application of the models developed in this paper to the LV distribution networks is essential for validation with a practical application in the near future. In conclusion, the contribution of the work within this dissertation provides the operator with new models and management tools for the control of LV distribution networks. The application of this tool in a real LV network secured the control of the voltage profiles in all its buses for the considered time period, ensuring the balance between production and consumption and maximizing the integration of distributed energy sources, in particular based on renewable resources. vi vii Agradecimentos Um agradecimento especial ao Dr. André Guimarães Madureira, investigador sénior no Instituto de Engenharia de Sistemas e Computadores do Porto (INESC Porto), pela dedicação, orientação, acompanhamento, a boa disposição e empatia com qual me recebeu. Por fim, um agradecimento aos meus pais e à minha irmã por todo o apoio ao longo destes meses de trabalho. Agradecido, Pedro Filipe Cardoso Olival. viii ix Índice Índice .............................................................................................. 9 Lista de figuras ................................................................................. 13 Lista de tabelas ................................................................................ 15 Abreviaturas e Símbolos ...................................................................... 17 ........................................................................................ 1 Capítulo 1 Introdução ........................................................................................ 1 1.1 - Motivação .............................................................................................. 1 1.2 – Objetivos .............................................................................................. 4 1.3 – Estrutura do Documento ............................................................................ 4 ........................................................................................ 6 Capítulo 2 Estado da Arte ................................................................................... 7 2.1 - Operação das Redes de Baixa Tensão ............................................................ 7 – Características das Redes de Baixa Tensão ................................................ 7 2.1.1 2.2 - Integração de Produção Renovável em Redes de Distribuição ............................. 10 2.3 - Redes Elétricas Inteligentes (SmartGrids) ..................................................... 11 - Conceito de microrede ...................................................................... 11 2.3.1 - Arquitetura de Gestão e Controlo das Microredes ...................................... 12 2.3.2 – Controlo da tensão - interfaces de eletrónica de potência nas redes de 2.3.3 distribuição ............................................................................................. 14 2.3.3.1 – Inversores VSI ............................................................................ 14 2.3.3.2 - Inversores PQ ............................................................................ 15 – Conceito de Rede Inteligente (SmartGrid) ............................................... 16 2.3.4 2.4 - Recursos Energéticos Distribuídos ............................................................... 16 – Microprodução ................................................................................ 16 2.4.1 2.4.1.1 – Painéis fotovoltaicos ................................................................... 17 2.4.1.2 – Micro-turbinas eólicas .................................................................. 18 2.4.1.3 - Células de combustível ................................................................ 19 – Sistemas de Armazenamento ............................................................... 20 2.4.2 2.4.2.1 - Baterias ................................................................................... 20 2.4.2.2 - Volantes de Inércia ..................................................................... 21 2.4.2.3 – Super - condensadores ................................................................. 21 – Comparação dos diferentes sistemas de armazenamento ............................ 21 2.4.3 – Cargas Controláveis .......................................................................... 22 2.4.4 xvi Tabela A. 3 - Potência instalada da microprodução dos consumidores na rede do caso de estudo.......................................................................................................... 95 xvii Abreviaturas e Símbolos Lista de abreviaturas AFC Alcaline Fuel Cells AT Alta Tensão BT Baixa Tensão CA Corrente Alternada CC Corrente Contínua CHP Combined Heat and Power CO2 Dióxido de Carbono DMS Distribution Management System EDM Energia Desperdiçada da Microprodução EDP Energias de Portugal ENF Energia Não Fornecida EPSO Evolutionary Particle Swarm Optimization ES Evolutionary Strategies G Produção de energia elétrica GPRS General Packet Radio Service LC Load Controller LV Low Voltage MC Microsource Controller MCFC Molten Carbonate Fuel Cells MGCC MicroGrid Central Controller MPP Maximum Power Point MPPT Maximum Power Point Tracker MT Média Tensão p.u. Sistema por unidade PAFC Phosforic Fuel Cells PD Produção Distribuída PEFC Proton Exchange Membrane Fuel Cells PLC Power Line Carrier PSO Particle Swarm Optimization PV Photovoltaics; SEE Sistema Elétrico de Energia SOFC Solid Oxide Fuel Cells UE União Europeia V2G Vehicle to Grid VSI Voltage Source Inverter xviii Lista de símbolos Potência de carga ou descarga da bateria no barramento k na fase α Potência da carga no barramento k na fase α que pode ser cortada Potência fotovoltaica que pode ser cortada no barramento k na fase α Potência da carga no barramento k na fase α que pode ser transferida Tensão nominal Tensão no barramento k na fase α Tensão medida na rede Melhor ótimo global Parâmetro estratégico de cooperação das partículas Parâmetro estratégico de velocidade das partículas Parâmetro estratégico de inércia das partículas Parâmetro estratégico de memória das partículas Desvio de potência ativa Desvio de tensão Função objetivo Potência ativa Potência reativa Parâmetro estratégico de velocidade das partículas Parâmetro objeto da partícula Energia produzida da rede a montante do posto de transformação MT/BT Energia da microprodução Energia descarregada dos sistemas de armazenamento Consumo Energia consumida no sistema Energia das perdas (kWh); Energia cortada de carga não prioritária Energia transferida 1 Capítulo 1 Introdução 1.1 - Motivação Os Sistemas Elétricos de Energia (SEE) encontram-se em constante evolução nos últimos anos com o objetivo de acompanhar a crescente procura de energia elétrica, devido ao aumento da população mundial e o crescente desenvolvimento tecnológico das sociedades. Durante longos anos, o desenvolvimento dos sistemas elétricos de energia seguiu um desenvolvimento baseado numa estrutura hierarquizada. O paradigma de produção de energia, consistia apenas na utilização de grandes centrais de elevada potência (nomeadamente centrais térmicas, hidroelétricas), que injetavam a energia produzida nas linhas de transporte, percorrendo longas distâncias a fim de garantir o fornecimento de energia elétrica aos clientes das redes de Distribuição. O problema que daqui surge é a potencial grande distância geográfica entre os centros de produção e o consumo, que compromete a qualidade e continuidade do serviço de fornecimento de energia elétrica aos consumidores. A elevada dependência de recursos exógenos como o carvão e em especial o petróleo contribuem para elevadas emissões de dióxido de carbono (CO2) e consequentemente provocam o agravamento do aquecimento global. Contextualizando no panorama geral, a União Europeia (UE) delineou estratégias que permitam evitar o crescimento na utilização destas grandes centrais e a utilização contínua de fontes energéticas não renováveis que contribuam para o fenómeno das alterações climáticas. Deste modo, estabelece a política dos 20-20-20 para ser aplicada até 2020 para os países da comunidade europeia. Estas políticas consistem, [1]:  Redução em 20 % das emissões com gases de efeito de estufa;  Redução em 20 % do consumo de energia elétrica;  Aumento da utilização de energias renováveis em 20 % da energia total produzida. Do anteriormente exposto, resulta o interesse crescente na ligação de unidades de produção de energia elétrica nas redes de distribuição, através de programas governamentais, como uma potencial solução que permita cumprir os objetivos definidos pela UE, com a exploração de fontes de energia renovável, aumento da eficiência energética e redução da emissão dos agentes poluentes. A crescente integração de recursos energéticos distribuídos nas redes de distribuição permitirá definir um novo paradigma, dotando as redes de pequenas unidades de produção geograficamente distribuídas (Produção Dispersa) e mais próximas dos locais de consumo, de acordo com o apresentado na Figura 1.1. 2 Introdução Figura 1.1 – Novo Paradigma dos Sistemas Elétricos de Energia [2] Neste contexto, os recursos energéticos distribuídos (PD) incluem não apenas unidades de produção distribuída (tais como painéis fotovoltaicos, turbinas eólicas, pilhas de combustível) mas também sistemas de armazenamento de energia e cargas controláveis. Estas mudanças estão a afetar a forma como os SEE, em particular as redes de distribuição são geridas em termos de questões técnicas no âmbito da operação e planeamento. Face aos importantes objetivos a atingir definidos pela UE, o gráfico da Figura 1.2 apresenta a evolução do contributo das energias renováveis para a produção de energia elétrica em Portugal nos últimos oito anos, [3]. Figura 1.2 – Evolução da potência instalada em energia renovável em Portugal, [3] Recursos como a energia fotovoltaica e a produção eólica caracterizam-se como produção descentralizada, orientada para alimentar consumidores locais. As metas fixadas pela União Europeia poderão trazer novos desafios, designadamente o aumento significativo da utilização de recursos renováveis descentralizados, como se pode verificar da observação da Figura 1.2, com o aumento crescente do volume de potência instalada recorrendo a sistemas fotovoltaicos bem como geradores eólicos. Em particular, a integração em larga escala de recursos renováveis (microprodução) nas redes de distribuição de BT, é extremamente desafiadora, devido ao facto da integração de volumes consideráveis de fontes variáveis e (V > 110 kV) (45 kV < V ≤ 110 kV) (1 kV < V ≤ 45 kV) (V ≤ 1 kV) G G G G G ProduçãoTransporteDistribuição PD PD PD ?? ?? ?? Carga Carga Carga Carga P, Q P, Q P, Q P, Q P, Q P, Q P, Q 2005 2006 2007 2008 2009 2010 2011 2012 2013 Fotovoltacia 31 33 55 67 80 97 152 201 210 PCH 265 702 504 478 618 1045 622 393 762 Eólica 1741 2892 4007 5720 7506 9078 9003 10011 11419 Hídrica 5000 11323 10351 7102 8717 16249 11827 6447 10443 Biomassa 1286 1302 1381 1381 1390 1579 1669 1689 1720 0 5000 10000 15000 20000 25000 30000 MWh ano - Motivação 3 intermitentes poderem comprometer seriamente as condições de operação nestas redes. Nos últimos oito anos em Portugal verifica-se uma tendência crescente na integração da produção solar fotovoltaica nas redes de distribuição, particularmente entre 2007 e março de 2013, conforme se apresenta no gráfico da Figura 1.3. Em 2007 entra em vigor o Decreto-Lei n.º363/2007, [4], que estabelece o regime jurídico aplicável à produção de eletricidade por intermedio de unidades de microprodução, o que coincide com o período da crescente penetração destas unidades. Figura 1.3 – Evolução da potência instalada de tecnologia solar fotovoltaica em Portugal, [3] Do anteriormente exposto, compreende-se a importância de dotar os atuais sistemas de energia de meios que permitam uma gestão eficiente dos recursos energéticos disponíveis e distribuídos na rede, o que poderá constituir uma solução para resolver os problemas resultantes de uma elevada integração de fontes renováveis. O conceito de smartgrid 1 surge como alternativa ao atual modelo para as redes de distribuição de BT permitindo uma integração dos recursos distribuídos com uma enorme flexibilidade na operação com o recurso a sistemas de controlo avançados. Assim sendo, a integração de unidades de microprodução nas redes de BT, no futuro desempenhará um papel importante, pois estes sistemas descentralizados de produção de energia próximos do consumo garantem, [2]:  Aumento da qualidade e continuidade de serviço aos consumidores (Produção geograficamente próxima do consumo) admitindo uma exploração dos recursos existentes no âmbito do conceito de microrede;  Redução a dependência energética de sistemas de produção centralizados, como as centrais de grande potência, que utilizam recursos não renováveis como os combustíveis fósseis para a produção de energia elétrica;  Em algumas situações pode ser gerida ou desligada da rede elétrica;  Produção elétrica destinada a captar recursos energéticos renováveis (sol, vento, água, biomassa). No entanto, o principal problema que daqui surge é a possibilidade da elevada penetração de unidades de microprodução distribuídas nas redes de BT poder provocar dificuldades técnicas, designadamente a elevação dos perfis de tensão e eventualmente poderá provocar a inversão de fluxos de potência nas linhas das redes de distribuição. Num futuro próximo, caso as tendências crescentes na utilização de energias renováveis dispersas pelas redes de 1 Rede inteligente, dotada de tecnologias de informação e de controlo integrada nos sistemas de comunicação e infraestruturas automatizadas. 0 50 100 150 200 250 2005 2006 2007 2008 2009 2010 2011 2012 2013 MWh Miniprodução e microprodução solar fotovoltaica (MWh) 4 Introdução distribuição se mantenham, será necessário desenvolver soluções eficientes que permitam integrar a microprodução renovável em larga escala. Particularmente nas redes de BT, o controlo da tensão é essencial, visto que os perfis dos valores de tensão são influenciados pela microprodução local, podendo comprometer a qualidade de serviço. No presente trabalho estas soluções dependem do desenvolvimento de algoritmos de gestão e controlo que possam ser integrados como módulos de software nos sistemas de controlo das redes de distribuição no contexto das smartgrids. 1.2 – Objetivos Em relação à operação das redes de distribuição, o presente trabalho pretende contribuir para o desenvolvimento de novas funcionalidades que permitam maximizar a integração de fontes de energia renovável nas redes de BT. Esta abordagem permitirá ao operador da rede de distribuição as seguintes funcionalidades:  Gestão da rede de forma a maximizar a integração de microprodução distribuída com base renovável sem comprometer as restrições técnicas operacionais;  Fornecimento de serviços de sistema locais por parte dos recursos distribuídos de forma a aliviar as restrições impostas ao sistema de distribuição devido a desequilíbrios súbitos entre a produção e o consumo; Deste modo, o trabalho desenvolvido consistiu no desenvolvimento de um algoritmo de controlo coordenado e avançado de tensão em MATLAB®, explorando os sistemas microprodução, cargas controláveis e sistemas de armazenamento (ações de controlo). A ferramenta de controlo de tensão desenvolvida, considera um conjunto de algoritmos tais como:  Trânsito de Potências trifásico;  Algoritmo de Otimização com base numa meta-heurística (EPSO);  Algoritmo sequencial e temporal de controlo avançado de tensão. A gestão coordenada destas ações de controlo, considerando as suas características específicas bem como as das redes de distribuição de BT, constitui uma abordagem inovadora com o desenvolvimento do conceito de rede inteligente (smartgrid). 1.3 – Estrutura do Documento O trabalho desenvolvido no âmbito desta dissertação é composto por cinco capítulos e dois anexos, incluindo o presente capítulo com a introdução do trabalho proposto, contextualizando a motivação para o seu desenvolvimento e os seus objetivos. O 0 consiste numa análise do Estado da Arte, apresentando o novo paradigma da integração de recursos energéticos distribuídos, em particular a microprodução distribuída nas redes de distribuição de BT devido às suas características de operação muito particulares. O conceito de SmartGrid permitirá a integração de forma inteligente dos recursos distribuídos, sendo que neste capítulo apresenta-se os seus modos de operação, os sistemas de controlo e interfaces de comunicação bem como uma descrição de todos os recursos distribuídos nas redes de distribuição de BT, evidenciando a sua integração e as vantagens e desvantagens destas tecnologias. O 0 contempla as estratégias consideradas para o controlo avançado de tensão nas redes de distribuição de BT, identificando as ações de controlo (explorando os recursos energéticos distribuídos) e a arquitetura e equipamentos que possibilitam estas funcionalidades no – Estrutura do Documento 5 contexto das Smartgrids. Ainda neste capítulo é descrita a formulação matemática associada ao algoritmo de otimização desenvolvido para o controlo coordenado dos valores de tensão, bem como a metodologia proposta e uma descrição pormenorizada dos algoritmos desenvolvidos. No Capítulo 4 apresentam-se os resultados obtidos através dos testes do algoritmo de controlo avançado de tensão desenvolvido em MATLAB® para uma rede real de distribuição Portuguesa em BT. Apresentam-se os principais cenários de operação para esta rede, definindo 3 cenários de operação distintos com o objetivo de avaliar o comportamento algoritmo desenvolvido para diferentes situações de operação e validar as metodologias consideradas. Além da consideração dos diferentes cenários dedica-se uma secção a testes de performance e robustez do algoritmo de otimização desenvolvido. Por fim, no Capítulo 5 são apresentadas as principais conclusões referentes ao trabalho, com o registo das principais metas alcançadas. Apresenta-se ainda neste capítulo as perspetivas de trabalho futuro que pode ser desenvolvido nesta área. 6 7 Capítulo 2 Estado da Arte De acordo com o novo paradigma dos Sistemas Elétricos de Energia apresentado na secção 1.1 do Capítulo 1, o presente Capítulo apresenta uma revisão dos principais conceitos associados à operação das redes de BT, tais como as suas características, modos de controlo e tecnologias associadas. São também apresentados os diferentes recursos energéticos distribuídos que podem ser encontrados nestas redes e a forma como podem ser explorados para suporte à operação do sistema de distribuição. 2.1 - Operação das Redes de Baixa Tensão – Características das Redes de Baixa Tensão 2.1.1 No futuro, o operador da rede de distribuição de Baixa-Tensão (BT) poderá encontrar dificuldades acrescidas para uma gestão eficiente e segura das redes de BT devido a uma elevada penetração de microprodução, em particular a de origem renovável. De facto, níveis elevados de microprodução poderão provocar uma elevação da tensão nos barramentos do sistema, comprometendo desta forma a qualidade de serviço no fornecimento de energia elétrica aos clientes nas redes de distribuição de BT. Expondo mais pormenorizadamente a influência da microprodução renovável nas redes BT, atente-se na rede da Figura 2.1. Figura 2.1 – Sistema exemplo, adaptado de [5] Neste caso, as características das linhas de distribuição das redes de BT influenciam bastante as possíveis estratégias de controlo de tensão, uma vez que estas são extremamente resistivas (ao contrário do que se verifica para a linhas de transmissão), pelo que o controlo baseado na gestão da potência reativa não é eficaz, devido ao baixo fator X/R, [6]. MT BT Z=R+jX V1=|V1| ∟Θ1V2=|V2| ∟Θ2 S12=P12+jQ12 Rede 14 Estado da Arte Tabela 2.1 – Vantagens e desvantagens das diferentes infraestruturas de comunicação, adaptado de [19],[20] e [21]. Tecnologia Vantagens Desvantagens Wireless  Custos de implementação reduzidos  A simplicidade e robustez do equipamento repercutem-se numa redução do custo da manutenção  Solução flexível, a rede alcança locais sem a necessidade de meios físicos, uso mais eficiente do espaço físico  A qualidade de serviço pode ser facilmente comprometida, devido às limitações de radiotransmissão e à interferência de outros sinais  A velocidade na transferência de dados ainda é reduzida em comparação com as fibras óticas Fibra Ótica  Taxas de transmissão da informação elevadas  Capacidade de transportar grandes quantidades de informação  Dimensões reduzidas  Imunidade às interferências eletromagnéticas  Atenuação reduzida  Custo de venda e manutenção elevado  Dificuldade de conexão entre várias fibras  Fragilidade das fibras óticas GPRS  Ampla cobertura de todos os equipamentos  Acesso à internet em áreas remotas  Implementação de baixo custo  Velocidade de transmissão de dados reduzida PLC  Utilizam as infraestruturas já existentes nas microredes como meio de comunicação;  Adequados para pequenas áreas geográficas, que é o caso das microredes.  Velocidade de transmissão de dados reduzida  A alteração das condições de operação da rede, influência os meios de comunicação (interferência eletromagnética, ruídos, etc) – Controlo da tensão - interfaces de eletrónica de potência nas redes de 2.3.3 distribuição 2.3.3.1 – Inversores VSI As interfaces de eletrónica de potência permitem a conexão das várias tecnologias de microprodução com as redes de distribuição. Atualmente existem várias abordagens para o controlo das unidades de microprodução, utilizando as capacidades e funcionalidades das interfaces de eletróncia de potência. De acordo com [23], uma abordagem para o controlo consiste na utilização de um controlo linear e proporcional da tensão através da potência ativa. O princípio de funcionamento consiste em utilizar o inversor em modo fonte controlada de tensão (Voltage Source Inverter –VSI) com o objetivo de medir a tensão entre fases no ponto de ligação e comparar o valor medido (Urede) com o valor nominal pretendido (U0), o erro resultante dessa comparação aplica-se à ação do controlador (kp) de forma a determinar o valor de potência ativa a injetar ou absorver na rede, segundo a expressão (2.5). (2.5) O VSI é um inversor controlado com valores pré-definidos de tensão e frequência. Dependendo do valor de carga o VSI define o valor de potência ativa a injetar ou a absorver na rede, autonomamente o VSI simula o comportamento de uma máquina síncrona, permitindo o controlo da tensão através de controlo do parâmetro inclinação ( ), de acordo com a seguinte expressão, (2.6). - Redes Elétricas Inteligentes (SmartGrids) 15 (2.6) Da análise da expressão (2.5) e do gráfico da Figura 2.6 verifica-se que se tensão diminuir, é injetada potência ativa para a rede, se a tensão aumenta é absorvida potência ativa. Resumindo, o VSI permite um controlo proporcional da tensão com o ajuste do valor de potência ativa, contudo é um controlo efetuado localmente, por exemplo num caso em que se verifiquem desvios de tensão num determinado barramento da rede, apenas o VSI associado à microprodução nesse local exercerá uma ação de controlo com o objetivo de corrigir os desvios de tensão. Figura 2.6 – Controlo proporcional P-V 2.3.3.2 - Inversores PQ Os sistemas de gestão de recursos permitem um controlo descentralizado, independentemente do local onde possam ocorrer desvios de tensão, estes sistemas permitem uma gestão da potência ativa de qualquer unidade de microprodução disponível na rede. Empresas como a Fraunhofer, desenvolveram um inversor PQ, [24], que permite ao operador da rede de distribuição mediante uma mensagem de alarme enviar set-points de valores de potência ativa e reativa às unidades de microprodução, Figura 2.7. A mensagem de alarme pode ser indicativa de algum problema que possa existir na rede, por exemplo valores de tensão acima do limite máximo admissível ou desvios do valor de frequência (em sistemas isolados). Figura 2.7 – Sistema de gestão da energia com o recurso de inversores PQ O inversor PQ opera injetando na rede a energia especificada para o controlo. A potência ativa injetada corresponde a um valor pré-determinado, definido localmente (usando uma malha de controlo local) ou definido pelo centro de controlo da microrede (MGCC). U U0 ΔU -4% P ΔP É necessário injetar potência para a rede Urede Prede P0 Mensagem de Alarme Set-points para os valores de P e Q Sistema de gestão do operador Sistema de microprodução 16 Estado da Arte – Conceito de Rede Inteligente (SmartGrid) 2.3.4 A Comissão Europeia define SmartGrid como ,[25], "A SmartGrid is an electricity network that can intelligently integrate the actions of all users connected to it - generators, consumers and those that do both – in order to efficiently deliver sustainable, economic and secure electricity supplies". Da citação anteriormente exposta, compreende-se que as SmartGrids consistem em integrar os diversos recursos elétricos distribuídos; devem ser flexíveis, permitindo a operação com diversas configurações de rede, incluindo a operação em rede isolada; fiáveis, com elevados índices de continuidade de serviço e, por fim, devem ser sustentáveis, ou seja, devem ter custos de operação baixos, apresentando elevada eficiência e baixos níveis de emissões de gases nocivos para o ambiente. As SmartGrids são constituídas por meios físicos (redes elétricas) e por infraestruturas de comunicação, sendo que os primeiros têm por função permitir o fornecimento/abastecimento de energia elétrica, e os segundos, com elevada largura de banda, têm como função disponibilizar informação fidedigna a todos os agentes em simultâneo permitindo a tomada de decisão em tempo real, [26]. 2.4 - Recursos Energéticos Distribuídos A gestão coordenada dos principais recursos energéticos distribuídos nas redes de distribuição é um dos principais objetivos para os futuros sistemas elétricos de energia. De acordo com o estudo apresentado em [27], além da microprodução e das cargas, podem ser considerados equipamentos tais como os sistemas de armazenamento bem como interfaces de controlo dos consumos devido aos seguintes aspetos:  Podem ser utilizados para efeitos de estabilização de frequência ou controlo de tensão;  Os sistemas de armazenamento permitem fornecer energia em períodos em que a microprodução é insuficiente, e armazenar energia em períodos em que a microprodução é elevada;  A gestão das cargas controláveis permite transferir consumo de períodos de ponta para períodos em que este consumo pode ser necessário, por exemplo para o controlo dos níveis de sobretensão nas redes, ou reduzir consumos em períodos de ponta o que permite controlar os níveis de subtensão. Existe uma vasta variedade de tecnologias com potencial para efeitos de controlo de tensão, associada aos diferentes recursos distribuídos anteriormente mencionados. Estas tecnologias diferem em certos parâmetros, tais como potência nominal, eficiência na conversão de energia, controlabilidade, investimento/custos de operação, emissões de dióxido de carbono (CO2), etc. Deste modo, para efeitos de controlo de tensão, podem ser consideradas ações de controlo ao nível dos seguintes sistemas:  Unidades de Microprodução;  Dispositivos de Armazenamento;  Cargas controláveis. – Microprodução 2.4.1 No contexto da legislação Portuguesa, [4], a microprodução, consiste na produção de eletricidade para venda à operadora de rede de distribuição (no caso português, a EDP) através de instalações de baixa tensão ou de pequena potência contratada. No Decreto-Lei - Recursos Energéticos Distribuídos 17 n.º 363/2007, a legislação portuguesa referente à microprodução permite o exercício da atividade de produção mediante um conjunto de requisitos definidos. Da citação do Artigo 4.º do mesmo documento constata-se que, “Podem ser produtores de eletricidade por intermédio de unidades de microprodução as entidades que preencham os seguintes requisitos”:  Disponham de uma instalação de utilização de energia elétrica com consumo efetivo de energia e que sejam titulares de contrato de compra e venda de eletricidade em baixa tensão celebrado com um comercializador;  A unidade se destine a ser instalada no local servido pela instalação elétrica de utilização;  A potência da unidade de microprodução não seja superior a 50 % da potência contratada no contrato do cliente com o comercializador;  Possuam unidades de produção monofásica ou trifásica, em baixa tensão, com potência de ligação até 5,75 kW. Existem diversas tecnologias de microprodução, destacando-se as mais importantes e com potencial de serem utilizadas em Portugal, tais como a solar fotovoltaica (PV) e as microturbinas eólicas, mas também outras tecnologias mais avançadas tais como as células de combustível. Todas esta tecnologias possuem diferentes características destaca-se a sua controlabilidade, podendo dividir a sua classificação em três categorias de acordo com [28] ou tipo de recurso, dividindo a sua classificação em duas categorias de acordo com [29]. Apresenta-se na Tabela 2.2 uma lista das tecnologias de microprodução distribuída de acordo com a sua classificação. Tabela 2.2 – Tecnologias de microprodução Tecnologia Controlabilidade Recurso Solar Fotovoltaica (PV) Não controlável Renovável Micro-turbinas eólicas Parcialmente controlável Renovável Células de combustível Controlável Não renovável As restantes características bem como uma descrição mais detalhada destas tecnologias será efetuada com maior detalhe nos subcapítulos que se seguem. 2.4.1.1 – Painéis fotovoltaicos A tecnologia solar fotovoltaica consiste na conversão da radiação solar em energia elétrica. Apesar de existirem várias aplicações desta tecnologia, o principal interesse no contexto da microprodução, é a aplicação de pequenos módulos ligados às infraestruturas de BT. O processo da transformação da energia solar em elétrica é realizado através de células fotovoltaicas conectadas habitualmente em série, formando um módulo ou painel fotovoltaico com a potência nominal desejada. A eficiência na conversão energética destes painéis é de 15 a 20 %, dependendo da tecnologia de células fotovoltaicas (PV) utilizada [30]. O local preferencial para a instalação fotovoltaica é o topo dos telhados dos edifícios, podendo também ser instalados em diferentes tipos de prédios (apartamentos, escolas, centros comerciais). Os modos de operação desta tecnologia no contexto das microredes consistem em:  Operação em regime isolado, alimentado diretamente as cargas;  Conectados à rede elétrica, entregando toda a energia produzida. 18 Estado da Arte Dependendo do modo de operação deste sistema nas microredes, é necessário enumerar os seguintes equipamentos que constituem o sistema fotovoltaico: 1. Gerador fotovoltaico - Consiste em vários módulos fotovoltaicos dispostos em série e em paralelo, com estruturas de suporte e de montagem; 2. Inversor – Estabelece a ligação entre o gerador fotovoltaico e a rede de corrente alternada (CA) ou a carga CA. A sua principal tarefa consiste em converter o sinal elétrico de corrente contínua (CC) do gerador fotovoltaico num sinal elétrico CA e ajustá-lo para a frequência e o nível de tensão da rede a que está ligado; 3. Baterias – A produção e consumo podem não coincidir ao longo do dia, as baterias são a solução para este problema, pois é possível armazenar a energia produzida quando a produção é superior ao consumo, e a energia armazenada permite um fornecimento de energia quando não existe produção por parte da microprodução fotovoltaica; 4. Aparelho de medida – Contador de energia elétrica. A utilização de sistemas de eletrónica de potência (inversores) é de extrema importância, porque além de permitirem uma interface de ligação entre este equipamento e a rede, estabelecem um controlo da potência ativa a fornecer à rede, por exemplo através de setpoints exteriores. Os atuais inversores são ainda capazes de realizar as seguintes funções:  Ajuste do ponto operacional do inversor ao MPP 5 do gerador fotovoltaico, esta operação designa-se por rastreio do ponto MPP (Maximum Power Point Tracker – MPPT);  Dispositivos de proteção, por exemplo proteção contra sobrecargas e sobretensões; Em Portugal esta tecnologia apresenta um nível de penetração elevado face às outra tecnologias de microprodução, não só pelo facto do nosso país apresentar bons níveis de radiação solar em comparação com outros países da europa, [31], mas também às suas inúmeras vantagens, [30], tais como longevidade (20 a 25 anos de tempo de vida), custos de operação reduzidos, funcionamento sem ruídos e uma autonomia razoável, sendo que, por exemplo, com o sistema de baterias é possível fornecer energia mesmo na ausência de radiação solar. 2.4.1.2 – Micro-turbinas eólicas A energia eólica é a energia que o vento possui e que pode ser aproveitada para a produção de energia elétrica. A energia do vento (energia cinética) faz girar as pás de uma micro-turbina que por sua vez faz rodar um eixo (energia mecânica). Este eixo põe em funcionamento o gerador elétrico, no qual os campos magnéticos convertem a energia rotacional em eletricidade. A instalação de micro-turbinas de energia eólica encontra-se mais facilitada em espaço aberto, mas também podem ser instaladas no topo dos edifícios, desde que existam condições favoráveis à sua aplicação. Existem várias tecnologias que permitem um funcionamento a velocidade constante ou velocidade variável, daqui retiram-se diversas vantagens, [32], tais como:  Não é necessário combustível para o processo de produção;  Não poluente; 5 Do anglo-saxónico Maximum Power Point, é o ponto da curva característica onde a célula solar funciona à máxima potência. - Recursos Energéticos Distribuídos 19  Fonte energética com um potencial de funcionamento de 24 horas diárias, ao contrário da tecnologia solar fotovoltaica. 2.4.1.3 - Células de combustível As células de combustível são uma tecnologia composta por equipamentos eletroquímicos, que convertem a energia química do combustível em energia elétrica. Uma das grandes vantagens desta tecnologia é a capacidade de associar diversas células de combustível em série, o que permite formar pilhas de combustível com o nível de potência pretendido. Quanto à sua classificação, esta depende da temperatura a que opera, o tipo de combustível e as diferentes reações químicas que ocorrem no seu interior. Assim sendo, apresenta-se na Tabela 2.3 as principais características associadas a cada tecnologia. Do anteriormente exposto, existem cinco tecnologias principais de células de combustível, [33]:  Células de combustível alcalinas (AFC – Alcaline Fuel Cells);  Células de combustível de ácido fosfórico (PAFC – Phosforic Fuel Cells);  Células de combustível de carbonato fundido (MCFC – Molten Carbonate Fuel Cells);  Células de combustível de óxido sólido (SOFC – Solid Oxide Fuel Cells);  Células de combustível com membrana de permuta protónica (PEFC – Proton Exchange Membrane Fuel Cells). Tabela 2.3 – Tipos de pilhas de combustível, adaptado de [34] Pilha de combustível Combustível Temperatura de funcionamento (ºC) Rendimento (%) AFC Hidrogénico molecular (H2) 60-90 55-60 PAFC Hidrogénico molecular (H2) 200 35-45 MCFC CH4H2CO 600-650 45-55 SOFC CH4H2CO 800-1000 45-55 PEFC Hidrogénico molecular (H2) 70-90 35-45 Estas características permitem diferentes aplicações para as pilhas de combustível, assim sendo a sua utilização como microfonte depende do seu modo de operação nas microredes.  Operação em paralelo com a microrede para alimentar um consumidor;  A sua energia é injetada diretamente na rede elétrica. As células de combustível produzem energia elétrica em corrente contínua, e uma vez que se pretende fornecer energia em corrente alternada é necessário um inversor CC/CA como interface de ligação deste equipamento à microrede. Desta forma, garante-se:  Sincronismo com rede e consequentemente estabilidade de operação;  Injeção de potência reativa com o controlo do fator de potência;  Eficiência e fiabilidade elevada;  Controlo de tensão. Apresentam ainda vantagens face a outras tecnologias tais como, [33]:  Não possuem partes móveis, comparativamente com as microturbinas, esta tecnologia evita perdas por atrito e falhas das partes móveis na sua operação; 20 Estado da Arte  Tecnologia modular, conferindo flexibilidade conforme as necessidades dos sistemas de potência. – Sistemas de Armazenamento 2.4.2 A utilização de sistemas de armazenamento nas redes de distribuição, e em particular no contexto das SmartGrids, permite compensar a incapacidade de a microprodução não satisfazer o consumo devido à sua variabilidade e à impossibilidade de transferência desta energia para outros períodos em que pode ser mais necessária. As fontes de energia renovável são normalmente recursos de produção descentralizada nas redes de BT que podem causar diversos problemas de estabilidade do sistema e dos níveis de tensão. Uma boa gestão dos sistemas de armazenamento geograficamente distribuídos nas redes permitem resolver estes problemas. Existem várias tecnologias de armazenamento de energia elétrica, destacando-se as seguintes soluções para o armazenamento de energia nas redes de BT:  Baterias;  Volantes de Inércia;  Super-condensadores. 2.4.2.1Baterias As baterias têm a capacidade de armazenar energia elétrica sob a forma de energia química. Uma das grandes utilidades na utilização das baterias para o armazenamento de energia nas redes de BT é a rápida resposta por parte destes recursos face a situações de contingência, classificando-se como ideais para o despacho de energia para períodos a curto prazo (horas ou dias), permitindo garantir a estabilidade do sistema (igualar a produção ao consumo) e manter níveis adequados da tensão nos barramentos das redes de distribuição. As baterias apresentam rendimentos consideravelmente elevados, na ordem dos 60 a 95 % e o seu custo de aquisição e instalação é relativamente reduzido face a outras tecnologias de armazenamento, [35]. Apesar das enormes vantagens das baterias, a utilização em larga escala desta tecnologia ainda não é uma realidade devido à pequena capacidade de armazenamento, densidade energética reduzida, custos elevados de manutenção, ciclo de vida reduzido, limitações da capacidade de descarga. Do anteriormente exposto e destacando a utilidade dos sistemas de armazenamento, existem várias tecnologias de baterias, as mais interessantes do ponto de vista das microredes são [35]:  Chumbo-Ácido – Tecnologia madura com um rendimento de conversão energética situado entre os 70-90 %, ciclo de vida reduzido (500-1000 ciclos) e reduzida densidade energética (30-50 Wh/Kg);  Níquel–Cádmio – Tecnologia madura (cerca de 100 anos de existência), necessidade de pouca manutenção, densidade energética relativamente elevada (50-75 Wh/Kg), ciclo de vida relativamente reduzido (2000-2500 ciclos) e rendimento situado entre os 60-70 %;  Iões de Lítio – Tecnologia com o rendimento mais elevado (90-95 %), ciclo de vida longo (cerca de 10000 ciclos) e densidade energética elevada (75200 Wh/Kg).Ainda em fase de crescente desenvolvimento, esta tecnologia possui custo de aquisição e instalação mais elevados. - Recursos Energéticos Distribuídos 21 2.4.2.2 - Volantes de Inércia Os volantes de Inércia são acumuladores de energia cinética acoplados a um motor/gerador elétrico, sendo que durante o ciclo de carga são acionados pelo motor, acumulando energia cinética, e durante a descarga o motor passa a funcionar como gerador produzindo energia elétrica da energia rotacional do volante de inércia. A grande vantagem dos volantes de inércia em comparação com os outros acumuladores de energia, é o seu ciclo de vida elevado, capaz de providenciar milhares de ciclos de carga e descarga, quanto à eficiência na conversão energética, é elevada, cerca de 90-95 %, [35]. Devido à elevada inércia do rotor dos motores, é necessário bastante energia para o arranque, atingindo a potência nominal de forma lenta e progressiva, pelo que a utilização desta tecnologia é mais adequada para aplicações de reserva girante 6 , do que propriamente de reserva estática 7 . 2.4.2.3 – Super - condensadores Os super–condensadores armazenam a energia elétrica sob a forma de campo elétrico, com um princípio de funcionamento similar ao de um condensador. Esta tecnologia apresenta rendimentos que rondam os 95-97 % e uma elevada resposta às súbitas alterações dos consumos (na ordem dos milissegundos), com taxas da carga e descarga praticamente instantâneas,[35]. Esta tecnologia ainda está em fase de crescimento e possui densidade energética muito reduzida apesar de apresentar ainda custos de aquisição elevados. – Comparação dos diferentes sistemas de armazenamento 2.4.3 O gráfico apresentado na Figura 2.8 apresenta os rendimentos de cada uma das tecnologias de armazenamento mencionadas anteriormente. Figura 2.8 – Rendimentos dos sistemas de armazenamento Na Tabela 2.4 apresenta-se a comparação das principais características dos sistemas de armazenamento considerados. 6 A reserva girante é a diferença entre a potência ativa que é possível solicitar a um grupo produtor e a potência que ele está a fornecer. 7 A reserva estática é a reserva constituída pelos grupos geradores prontos a arrancar para serem ligados à rede, fornecendo potência ativa. 100% 90% 60% 80% 70% Volantes de Inércia Super condensadores Iões de Lítio Níquel-Cádmio Chumbo-Ácido Rendimento 22 Estado da Arte Tabela 2.4 – Comparação das principais características das tecnologias de armazenamento Sistema Densidade Energética (Wh/kg) Ciclo de Vida (ciclos) Chumbo-Ácido 30-50 500-1000 Níquel – cádmio 50-75 2000-2500 Iões de Lítio 75-200 >10000 Volantes de Inércia 10-30 20000> Super Condensadores 0,05-5 50000> – Cargas Controláveis 2.4.4 O consumo de energia elétrica no setor residencial em Portugal tem apresentado um crescimento acentuado nos últimos anos representando cerca de 17,7 % do consumo nacional em energia final por sector em 2009, segundo o estudo realizado pela Direção Geral de Energia e Geologia, conforme pode ser observado na figura seguinte, [36]. Figura 2.9 – Repartição do consumo de energia elétrica final, por setor, 2009, [36] O consumo do setor Doméstico e de Serviços é assegurado pelas redes de BT, pelo que um controlo eficaz dos consumos poderá ser uma ferramenta adicional ao operador para resolver os problemas nas redes de distribuição de BT, nomeadamente:  Controlo de tensão;  Equilíbrio da produção/consumo. Diversos estudos, [37] e [38] concentram-se no controlo das aplicações domésticas devido à diversidade de diferentes equipamentos de consumo e à complacência dos clientes, Figura 2.10. Doméstico 17,7 % Indústrias 30,5 % Transportes 37,5 % Serviços 12 % Agricultura/ Pescas 2,3 % - Recursos Energéticos Distribuídos 23 Figura 2.10 - Taxas de posse dos equipamentos (clientes domésticos), [36] Uma boa gestão destas aplicações permite otimizar a utilização da eletricidade, reduzindo os custos dos clientes, bem como do operador do sistema de distribuição. De acordo com [38] são estabelecidas várias categorias para classificar o controlo das diversas aplicações domésticas, sendo que esta classificação divide-se em:  Cargas não controláveis – consumo do cliente classificado como não controlável, em que a alteração destes consumos poderá apresentar dificuldades técnicas, mudança drástica dos hábitos de consumo ou causar desconforto aos clientes;  Carga cortada – Consiste em equipamentos que podem ser desligados por pequenos períodos de tempo sem comprometer a qualidade de serviço ao cliente ou hábitos de consumo;  Carga transferida – Consiste na transferência de consumos, por exemplo dos períodos de ponta em que o custo da tarifa energética é mais elevado para horas de vazio;  Carga reduzida – Medidas de eficiência energética cujos resultados a longo prazo permitem uma redução do consumo residencial dos clientes, apenas com boas práticas na utilização dos diversos equipamentos realizadas por estes. Estas ações devem ser implementadas respeitando algumas restrições com o objetivo de evitar uma mudança drástica dos hábitos de consumo, garantindo que não existe desconforto por parte dos clientes. Por exemplo, equipamentos como o frigorífico podem ser interrompidos apenas por pequenos períodos de tempo que não comprometam a qualidade de serviço. Na Tabela 2.5 apresenta-se a classificação das principais cargas domésticas. 0% 10% 20% 30% 40% 50% 60% 70% 90%80% 100% Frigorífico Congelador Máquina Lavar Roupa Máquina Secar Roupa Audiovisuais Informática Iluminação AQS Elétrico Aquecimento ambiente Arrefecimento ambiente Máquina Lavar Louça Forno Elétrico 30 Controlo de Tensão em Redes de Distribuição de BT Tabela 3.2 – Ações de controlo de gestão de consumos consideradas no caso de estudo Carga Cortada Transferida Potência contratada (kVA) Máq.Lavar Roupa ≥6,9 Máq.Secar Roupa ≥6,9 Máq.Lavar Loiça ≥6,9 Frigorifico ≥3,45 Congelador ≥3,45 Aquecimento ambiente ≥6,9 Arrefecimento ambiente ≥6,9 Ainda da análise da Tabela 3.2 é possível verificar que as técnicas de redução de consumo, evidenciadas na secção 2.4.4 do 0 não foram aplicadas, pois são ações de eficiência energética, cujo impacto na alteração dos perfis de consumo é reduzido para um horizonte temporal a curto prazo, neste caso de algumas horas. É importante quantificar a potência média de consumo de cada equipamento, desligar um equipamento ou utiliza-lo num outro período do dia altera o perfil de consumo do cliente. Atuar no consumo do cliente é uma boa estratégia para controlar os níveis de tensão nos barramentos das microredes, sendo que o aumento de consumo provoca um decréscimo dos níveis de tensão enquanto a diminuição do consumo provoca uma elevação dos níveis de tensão. A Tabela 3.3 evidencia o consumo médio de cada um dos equipamentos classificados como disponíveis para ações de controlo. Considera-se ainda, que os clientes utilizam os referidos equipamentos classificados como ações de controlo de tensão, apenas uma vez durante o dia. Tabela 3.3 – Potência média dos equipamentos residenciais classificados como ações de controlo adaptado de [42] Equipamento Potência média (W) Máq.Lavar Roupa 900 Máq.Secar Roupa 1000 Máq.Lavar Loiça 1300 Frigorifico 200 Congelador 150 Aquecimento ambiente 1400 Arrefecimento ambiente 1400 A gestão de consumos apresenta-se como um recurso a utilizar pela ferramenta de controlo de avançado de tensão desenvolvida, sendo que as características fundamentais (Potência média) permitem modelizar estes recursos como ação de controlo. - Microprodução 3.1.3 O corte de microprodução, na literatura anglo-saxónica “microgeneration shedding”, é um método de controlo utilizado quando os outros métodos se encontrem indisponíveis para controlar os valores de tensão dentro dos limites aceitáveis. Com o objetivo de controlar os valores de tensão, caso os recursos anteriormente mencionados se encontrem indisponíveis, torna-se necessário reduzir os valores de tensão - Controlo Coordenado de Recursos Energéticos Distribuídos 31 com a redução da produção proveniente da microprodução. Assume-se o sistema de controlo para a microprodução definido na secção 2.3.3.2 do 0, que consiste no envio de valores prédefinidos de potência do MGCC para o MC, controlando os inversores PQ e consequentemente a potência que a unidade de microprodução local deve injetar na rede. Deste modo, o corte de microprodução apresenta-se como um recurso a ser utilizado pela ferramenta de controlo de avançado de tensão desenvolvida. - Arquitetura de controlo 3.1.4 As ações de controlo são definidas através de set-points enviados pelo operador, através do MGCC para o LC, para controlar ou alterar os consumos, para o MC para controlar a microprodução (corte de microprodução) e os sistemas de armazenamento (armazenar ou descarregar uma certa quantidade de energia). A comunicação e a troca de informação entre estas infraestruturas de controlo é bidirecional, sendo que os contadores inteligentes permitem a obtenção de dados tais como o consumo dos clientes, a tarifa aplicada e enviar esta informação para o MGCC. Quanto às tecnologias a considerar, a utilização dos contadores inteligentes facilitará a aplicação de programas de gestão de consumos em larga escala no setor residencial. Do ponto de vista do operador das redes de distribuição de BT, um controlo inteligente dos consumos neste setor predominante, permitirá reduzir a ponta de consumo das redes de distribuição. Um exemplo da aplicação destes contadores nas redes de distribuição em Portugal é o projeto InovGrid, projeto inovador que dota a rede elétrica de informação e equipamentos inteligentes capazes de automatizar a gestão da energia. A implementação dos contadores inteligentes permite analisar com detalhe os consumos dos clientes, aproximando a oferta da procura da energia. Do ponto de vista do operador, garante-se uma maior segurança no abastecimento, aumentando a capacidade de integração da produção distribuída no sistema, com uma microprodução mais eficaz e mais fácil de controlar. Uma das principais funções da gestão de consumos é a capacidade do controlo das decisões na alteração do consumo doméstico, na microprodução do cliente, [37]. Na secção 2.3.3 do 0 foram apresentadas as interfaces de eletrónica de potência, sendo que os inversores atuais permitem já controlar a potência da microprodução bem como os sistemas de armazenamento através de set-points enviados pelo operador da rede, designadamente do MGCC. 32 Controlo de Tensão em Redes de Distribuição de BT Figura 3.1 – Arquitetura de gestão dos Recursos Energéticos da microrede A arquitetura da Figura 3.1 poderá ser aplicada utilizando um sistema de Wireless como interface de comunicação. Assim sendo, para implementar estas funcionalidades é estabelecida uma infraestrutura de comunicação entre o MGCC, MC e o LC. A importância de interfaces de comunicação dedicados nos sistemas elétricos está relacionada com o facto de a microrede poder operar em modo de emergência (regime isolado) comprometendo os meios de comunicação não dedicados. Um meio de comunicação dedicado com alimentação independente da rede permite manter os canais de comunicação e garantir o controlo de todos os recursos distribuídos nas microredes. 3.2 - Formulação Matemática Um controlo hierárquico e coordenado dos recursos distribuídos disponíveis na rede poderá ser formulado como um problema de otimização. As técnicas de otimização aqui aplicadas permitem obter uma melhor gestão de todos os recursos da rede de forma a cumprir diferentes objetivos, tais como:  Minimizar as ações de controlo (minimizar a potência necessária dos recursos distribuídos para controlar os desvio de tensão);  Minimizar os desvios de tensão;  Minimizar a energia desperdiçada da microprodução;  Minimizar a energia não fornecida. Máquina de lavar roupa Frigorifico Máquina de secar roupa Congelador LC Ar Condicionado Carga não controlável Máquina de lavar louça REDE Contador Inteligente Microgeração solar fotovoltaica PT – MT/BT Armazenamento MGCC MCMC Contador Inteligente Contador Inteligente - Formulação Matemática 33 - Função Objetivo 3.2.1 Neste trabalho a função objetivo formulada, consiste na minimização das ações de controlo de tensão, de forma a utilizar o mínimo de potência possível destes recursos que permita corrigir as tensões de acordo com os limites técnicos impostos bem como o cumprimento de todas as restrições técnicas associadas ao problema. A hierarquia da utilização dos recursos foi estabelecida recorrendo a penalizações nos diferentes termos da função objetivo (3.1). (3.1) Com o objetivo de garantir uma hierarquia na utilização dos recursos distribuídos anteriormente mencionados, os valores dos pesos foram selecionados de forma a que . Desta forma os recursos são utilizados pela seguinte ordem: 1. Sistemas de armazenamento, f1; 2. Carga que pode ser transferida, f2; 3. Carga que pode ser cortada, f3 (carga controlável); 4. Microprodução que pode ser cortada e corte indiscriminado de carga, f4 (carga classificada como não controlável). A primeira ação para efeitos de controlo de tensão é a gestão dos sistemas de armazenamento. Uma boa gestão destes recursos consiste na minimização da potência de carga e descarga. Estes recursos são utilizados de forma a evitar o corte da microprodução, armazenando a energia excedente e evitando o corte de carga, descarregando a energia armazenada nos períodos em que os valores de tensão são reduzidos, elevando os valores de tensão nos barramentos do sistema (nr) conforme se apresenta na expressão 3.2. ∑ (3.2) No caso de indisponibilidade da utilização das baterias devido à sua capacidade de armazenamento, segue-se a próxima ação de controlo, que consiste na transferência de cargas das horas em que existe problemas de subtensão para períodos em que se verifica sobretensões, conforme se apresenta na expressão (3.3). ∑( ) (3.3) A próxima medida de controlo a considerar é o corte de carga. De referir que este controlo consiste no corte de carga classificada para tal (carga não-prioritária), designadamente o consumo que o cliente está disposto a cortar por pequenos períodos de tempo e que não provoquem impactos negativos, tais como desconforto ou qualquer tipo de prejuízo na sua atividade, conforme se apresenta na expressão (3.4). ∑( ) (3.4) No caso da indisponibilidade das medidas de controlo anteriormente mencionadas, será necessário cortar microprodução (ação de último recurso) para minimizar as sobretensões, ou 34 Controlo de Tensão em Redes de Distribuição de BT cortar carga não controlável para elevar os níveis de tensão e corrigir os problemas de subtensão, conforme se apresenta na expressão (3.5). ∑ (3.5) O período sequencial considerado é de 24 horas, sendo que a função objetivo (3.1) foi aplicada hora a hora, obtendo o melhor plano de operação dos recursos considerados cumprindo todas as restrições apresentadas nas secções seguintes. Com: Potência ativa cortada da microprodução do barramento i no período h (kW); Potência não fornecida ao cliente do barramento i no período h (kW); Potência de descarga da bateria i no período h (kW); Potência cortada da carga i no período h (kW); Potência transferida da carga i no período h (kW); Potência de carga da bateria do barramento i no período h (kW); Variável binária {1, existe transferência de carga│0, não existe transferência de carga}; Variável binária {1, existe corte de carga│0, não existe corte de carga}; Pesos; Número de barramentos da rede. - Restrições de controlo dos sistemas de armazenamento 3.2.2 Na gestão dos sistemas de armazenamento, é necessário limitar a capacidade máxima de armazenamento de cada unidade que opera na rede, conforme se pode ver na expressão (3.6). (3.6) Os limites de carga e descarga são considerados, conforme se apresenta nas expressões, (3.7) e (3.8). (3.7) (3.8) Os sistemas de armazenamento não podem operar com uma taxa de carga que ultrapasse a sua capacidade máxima de armazenamento, segundo a expressão (3.9), e não operam com uma taxa de descarga que ultrapasse a energia que se encontra armazenada nas baterias, segundo a expressão (3.10). (3.9) (3.10) Em cada período de tempo h, cada unidade de armazenamento só poderá carregar ou descarregar, assim sendo a restrição (3.11) representa a inibição de carga e descarga em simultâneo. (3.11) - Formulação Matemática 35 A equação (3.12) traduz a atualização do estado de armazenamento das baterias. (3.12) Com: Energia armazenada da bateria i no período h (kWh); Limite máximo de armazenamento da bateria i no período h (kWh); Potência de carga da bateria i no período h (kW); Potência de carga máxima da bateria i no período h (kW); Potência de descarga da bateria i no período h (kW); Potência de descarga máxima da bateria i no período h (kW); Variável binária, se for 1 o sistema de armazenamento i está a carregar no período h Variável binária, se for 1 o sistema de armazenamento i está a descarregar no período h; Número de barramentos da rede; Passo temporal , . - Restrições de controlo de carga 3.2.3 O operador da rede de distribuição poderá controlar as cargas de duas formas distintas, cortando consumo classificado como não-prioritário para o cliente, ou transferir o consumo de certos períodos para outros. Estas medidas alteram os perfis de consumo e permitem ajudar a controlar os níveis de tensão. A deslocação de consumos consiste em utilizar ou desligar equipamentos domésticos (α) da carga i em certos períodos de tempo h, pelo que esta medida de controlo é modelizada através de um conjunto de variáveis discretas que representam a carga que pode ser transferida, conforme se apresenta na expressão (3.13). (3.13) Se um equipamento α foi utilizado no período h, não será utilizado num outro período , (3.14). (3.14) Durante todo o período de 24 horas, só pode ser transferido determinado consumo α de cada carga i, uma única vez, conforme se apresenta na expressão (3.15). ∑ (3.15) Potência ativa da carga i que pode ser transferida do período h; Potência média do equipamento α da carga i que pode ser transferida do período h; A Conjunto das variáveis discretas que representa a potência média dos equipamentos que pode ser transferida Variável binária, se for 1 é transferido o consumo do equipamento α da carga i, se for 0 não existe transferência; Potência média de uma máquina de lavar roupa (kW); Potência média de uma máquina de secar roupa (kW); Potência média de uma máquina de lavar louça (kW). Outra medida possível para o controlo dos níveis de tensão, nomeadamente os níveis de subtensão nos períodos de consumo elevado, é a redução de consumos por parte do consumidor. Esta redução consiste no corte de carga por pequenos períodos de tempo, sendo 36 Controlo de Tensão em Redes de Distribuição de BT esta medida modelizada por um conjunto de variáveis discretas que representam a potência que pode ser cortada por cada cliente i. A expressão (3.16) representa a potência que pode ser cortada numa determinada hora h, como uma combinação das potências médias dos equipamentos (B) do cliente i. ; (3.16) Durante todo o período de 24 horas, só pode ser cortado determinado consumo β de uma carga i, uma única vez, (3.17). ∑ (3.17) Conjunto de elementos definidos pelo algoritmo para o corte de carga; Potência ativa da carga i que pode ser cortada no período h; Potência média do equipamento β da carga i que pode ser cortada no período h; Conjunto das variáveis discretas que representa a potência média dos equipamentos que pode ser cortada (B={β1; β2; β3}); Variável binária {1, existe corte de carga│0, não existe corte de carga} Potência média de um frigorífico (kW); Potência média de um congelador (kW); Potência média dos equipamentos de ar condicionado (kW). - Restrições dos limites técnicos da Rede de BT 3.2.4 As equações do trânsito de potências ativa e reativa na rede tem que ser cumpridas, (3.18) e (3.19), de acordo com o modelo de trânsito de potências trifásico implementado, que é apresentado na secção seguinte, [43]. ∑ (3.18) ∑ (3.19) As restrições de desigualdade (3.20) e (3.21), representam a gama de tensões admissível nos barramentos e o limite máximo do trânsito de potências nas linhas. (3.20) (3.21) Potência ativa proveniente da rede de MT no barramento de referência no período h (kW); Potência ativa cortada da microprodução do barramento i no período h (kW); Potência não fornecida ao cliente do barramento i no período h (kW); - Algoritmo (EPSO + Trânsito de Potências Trifásico) 37 Potência de descarga da bateria i no período h (kW); Potência cortada da carga i no período h (kW); Potência transferida da carga i no período h (kW); Potência de carga da bateria do barramento i no período h (kW); Potência ativa consumida pela carga do barramento i na hora h (kW); Potência reativa proveniente da rede de MT no barramento de referência mo período h (kW); Potência reativa consumida pela carga do barramento i na hora h (kW); Módulo da tensão no barramento i (V); Módulo da tensão no barramento k (V); Condutância da linha entre os barramentos i e k (S); Susceptância da linha entre os barramentos i e k (S); Diferença do ângulo de tensão entre os barramentos i e k; Número de barramentos k conectados ao barramento i; Trânsito de potência aparente entre o barramento i e k; Limite máximo de potência aparente que pode circular entre o barramento i e k; 3.3 - Algoritmo (EPSO + Trânsito de Potências Trifásico) A formulação do problema de otimização anteriormente descrita foi implementada em software MATLAB®, com o desenvolvimento dos algoritmos necessários para resolver um problema de otimização não linear considerando variáveis continuas e discretas. Os algoritmos desenvolvidos foram:  Enxame Evolucionário de Partículas (EPSO);  Trânsito de Potências Trifásico;  Algoritmo multi-temporal 9 para o controlo avançado de tensão. - MATLAB – MATrix LABoratory 3.3.1 MATLAB® é uma linguagem de alto nível de computação técnica assim como um ambiente interativo para o desenvolvimento de algoritmos, visualização e análise de dados e computação numérica, [44]. O MATLAB pode ser usado numa ampla gama de aplicações, incluindo processamento de sinal e imagem, comunicação, design de controlo, teste e modelagem, medição e análise financeira, e biologia computacional. - Algoritmo de Otimização – EPSO 3.3.2 O EPSO é um método otimização que combina duas bem desenvolvidas meta-heurísticas, as Evolutionary Strategies 10 (ES) e a Particle Swarm Optimization 11 (PSO). O método consiste no movimento de um conjunto de partículas que exploram o espaço de decisões ou soluções de dimensão n, de acordo com o número de variáveis do problema. Cada partícula corresponde a uma alternativa de solução do problema de otimização com a seguinte composição:  Um vetor posição, (parâmetros objeto); 9 O algoritmo multi-temporal consiste na simulação de um algoritmo de otimização para um período sequencial de várias horas, no caso do trabalho desenvolvido num período sequencial de 24 horas. 10 Na língua portuguesa, Estratégias de Evolução. 11 Na língua portuguesa, Enxame de Partículas. 38 Controlo de Tensão em Redes de Distribuição de BT  Um vetor velocidade, (parâmetros estratégicos);  Um vetor de memória da melhor posição encontrada;  Um valor de função objetivo relativo a cada partícula i. O processo do EPSO pode ser descrito com recurso ao fluxograma da Figura 3.2. Figura 3.2 – Algoritmo EPSO Após a seleção das melhores partículas, é escolhido o melhor valor para a partícula da população 12 ( ) em análise e a melhor partícula de entre todas as populações , de acordo com o critério de avaliação (valor da função-objetivo) definido na secção 3.2.1 do 0. Este processo iterativo permite uma pesquisa da melhor solução, com a sua evolução no espaço de alternativas, ao longo de várias gerações de partículas. Exemplificando o anteriormente exposto, os parâmetros objeto são as variáveis do problema, que neste caso consistem nos valores de potência média de cada um dos recursos distribuídos, classificados como ações para efeitos de controlo da tensão. Os parâmetros estratégicos são valores que definem a estratégia reprodutiva da partícula, responsáveis por uma progressão eficiente do processo de otimização para o ótimo global. Tabela 3.4 – Composição da partícula Parâmetro objeto Parâmetros estratégicos Ótimo global Função objetivo O processo de movimentação consiste na geração de uma nova partícula, expressão (3.22) com base na regra do movimento da expressão (3.23). (3.22) (3.23) 12 Entende-se como população o conjunto de n partículas de uma dada geração/iteração. Inicio Inicializar Xi e Vi Convergiu? Fim Inicializar bi e bG Replicar as particulas Mutar as particulas Mover as particulas Avaliar as particulas Selecionar as particulas Atualizar bi e bg Sim Não - Algoritmo (EPSO + Trânsito de Potências Trifásico) 39 Esta formulação é idêntica à PSO clássica. Combinando com as Estratégias de Evolução (ES) os parâmetros estratégicos de cada partícula sofrem uma mutação, segundo as expressões (3.24) e (3.25), garantindo uma estratégia auto-adaptativa dos parâmetros ao longo do processo iterativo, visto que são os parâmetros estratégicos que condicionam a eficiência do processo. Este mecanismo de seleção dos parâmetros estratégicos permite uma melhor eficiência ao algoritmo na progressão para a solução ótima, sendo esta abordagem uma das grandes vantagens do EPSO. As mutações introduzidas possuem uma distribuição normal de valor médio zero e variância um, multiplicada por um parâmetro de aprendizagem que controla a amplitude das mutação, (3.24) e (3.25). (3.24) (3.25) Após a replicação, mutação e movimentação, segue-se o processo de avaliação (cálculo da função-objetivo) que consiste na simulação do algoritmo de trânsito de potências para cada uma das partículas, com o objetivo de avaliar as tensões em todos os barramentos da rede, caso este valor seja superior ou inferior aos limites técnicos admissíveis, é atribuído um valor de peso com o objetivo de penalizar esta solução. Esta restrição foi modelizada através de uma função de penalização quadrática, adicionada à função objetivo, evidenciada na Figura 3.3. Verifica-se assim que quanto maior for o desvio face aos limites admissíveis (mínimo e máximo), maior será o valor de penalização. Todo o processo é aplicado em cada geração/iteração e para cada partícula, com o objetivo de obter a melhor e de preferência uma partícula que não esteja afetada de penalização, visto que se trata de um problema de minimização. Figura 3.3 – Função de penalização quadrática Por fim segue-se o processo de seleção por torneio estocástico. Neste processo, um grupo de n partículas é aleatoriamente selecionada da população progenitora 13 e da descendente 14 . Este grupo passa a fazer parte de um torneio, onde uma partícula vencedora é determinada dependendo da sua avaliação e de uma dada probabilidade. O torneio estocástico implementado consistiu na escolha, de forma aleatória, de pares de partículas para comparação dos valores de adaptação, valor da função objetivo, de cada uma das partículas e por fim à seleção da melhor, para sobreviver para a geração seguinte, com uma probabilidade de 85 %. 13 Entende-se por população progenitora, o conjunto de n partículas inicial, que após a aplicação do processo de mutação de movimento gera novas soluções 14 A população descendente resulta do processo de mutação e movimentação das partículas da população progenitora. minimo máximo Wpen 46 Aplicação do algoritmo de controlo avançado de tensão fotovoltaica e consumo moderado o que permite criar um cenário severo que contribua para desvios de tensão elevados nos barramentos da rede do caso de estudo, como se comprovará na secção 4.2 do presente Capítulo, com a definição do Cenário Base. Figura 4.2 – Perfis de Microprodução e Consumo O operador poderá simular um trânsito de potência para a rede considerada, com o objetivo de obter resultados que permitam uma análise prévia do valor da tensão em cada um dos barramentos da microrede, Cenário Base da secção 4.2 do presente Capitulo. A determinação destes resultados torna-se possível com o recurso a estudos de previsões dos perfis de consumo e dos perfis de microprodução dos clientes das redes de distribuição. Esta simulação permite ao operador além de identificar os possíveis problemas na rede, definir as ações de controlo locais mais adequadas para manter os níveis de tensão dentro dos limites admissíveis, designadamente as que estão mais próximas dos barramentos onde se verifica tais problemas. 4.2 - Cenário de Operação Base De acordo com a metodologia desenvolvida no 0, o objetivo principal do algoritmo de otimização é minimizar ações de controlo de forma a corrigir os desvios de tensão e simultaneamente minimizar a energia desperdiçada da microprodução solar fotovoltaica. De forma a analisar os valores de tensão nos barramentos da microrede, é necessário recorrer ao trânsito de potências para um Cenário Base. O Cenário Base consiste na execução do algoritmo de trânsito de potências desenvolvido em software MATLAB® para a rede apresentada na secção 4.1.1 do presente Capítulo, considerando apenas o cenário de cargas e microprodução, sem recorrer às ações de controlo de tensão identificadas (recursos distribuídos tais como os sistemas de armazenamento, cargas flexíveis ou o corte de microprodução). Do resultado da simulação do trânsito de potências verifica-se pela análise do gráfico da Figura 4.3, que as equações do trânsito de potências são cumpridas, visto que a potência total produzida é igual à potência total da carga mais as perdas no sistema. Ainda da observação da figura, conclui-se que a penetração de microprodução solar fotovoltaica é elevada nos períodos coincidentes com a elevada incidência solar, o que poderá revelar-se problemático para os níveis de tensão na rede. Nas horas de ponta, períodos de consumo mais elevado e produção fotovoltaica reduzida ou nula, a alimentação de todas as cargas é 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Hora Fator de variação Perfil de produção fotovoltaica (p.u.) Perfil de consumo (p.u.) - Cenário de Operação Base 47 garantida com a produção proveniente da rede a montante a partir do transformador de distribuição MT/BT. Figura 4.3 – Trânsito de potência para o Cenário Base A expressão (4.3) evidencia o equilíbrio entre a produção e o consumo para o período sequencial de 24 horas mantem-se. (4.3) Assim sendo, o próximo objetivo é identificar se existem problemas de tensão para este cenário, e se tal se verificar, em que barramentos é que ocorre e qual a sua magnitude. O resultado obtido para o caso mais desfavorável relativamente aos níveis de sobretensão, foi às 14 horas, que consiste numa hora de elevada produção solar fotovoltaica (conforme se pode observar na Figura 4.3), verificando-se sobretensões nos barramentos.  Barramentos 22, 28 e 32 na Fase 1 {  Barramentos 22, 28 na Fase 2 { Às 22 horas verifica-se um consumo elevado (ponta) e não existe qualquer produção distribuída proveniente da tecnologia solar fotovoltaica (Figura 4.3) devido à ausência de incidência solar, verificando-se subtensões nos barramentos.  Barramentos 22, 28 e 32 na Fase 1 {  Barramentos 22, 28 na Fase 2 {  Barramentos 19, 26 e 30 na Fase 3 { Na Tabela 4.2 apresentam-se os resultados relativos aos níveis de tensão para as 14:00 horas e na Tabela 4.3 apresentam-se os resultados relativos aos níveis de tensão para as 22 horas, com os valores fora dos limites considerados admissíveis representados a negrito. 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 0 10 20 30 40 50 60 70 80 90 100 110 Tempo(h) Potência (kW) Potência transformador MT/BT Potência da microprodução Perfil de carga + perdas, caso base Perfil de carga, caso base 48 Aplicação do algoritmo de controlo avançado de tensão Tabela 4.2 – Valores de tensão para o período das 14:00 horas Tensão em módulo nos Barramentos (p.u.) Barramento F1 F2 F3 NEUTRO 1 1,000 1,000 1,000 0,000 2 0,993 1,000 0,991 0,008 3 0,998 0,998 1,001 0,003 4 1,005 1,003 1,001 0,003 5 0,989 1,000 0,988 0,011 6 0,997 0,995 1,003 0,007 7 0,997 0,994 1,005 0,009 8 1,012 1,009 1,004 0,007 9 0,988 1,003 0,988 0,015 10 0,988 0,996 0,984 0,010 11 0,987 0,995 0,979 0,014 12 0,990 0,989 1,012 0,022 13 0,998 0,993 1,006 0,011 14 1,022 1,012 1,007 0,013 15 1,018 1,015 1,004 0,013 16 0,988 1,005 0,988 0,017 17 0,987 0,995 0,976 0,017 18 0,987 0,994 0,977 0,015 19 0,990 0,989 1,014 0,025 20 1,003 0,988 1,014 0,023 21 0,998 0,993 1,006 0,011 22 1,083 1,012 1,007 0,073 23 1,031 1,028 1,004 0,026 24 0,987 1,007 0,988 0,020 25 0,987 0,994 0,975 0,017 26 0,990 0,989 1,015 0,026 27 1,010 0,984 1,024 0,035 28 1,078 1,075 1,004 0,073 29 0,985 1,007 0,988 0,021 30 0,990 0,989 1,018 0,029 31 1,010 0,980 1,024 0,039 32 1,094 1,091 1,004 0,089 33 1,010 0,980 1,024 0,039 Tabela 4.3 - Valores de tensão para o período das 22:00 horas Tensão em módulo nos Barramentos (p.u.) Barramento F1 F2 F3 NEUTRO 1 1,000 1,000 1,000 0,000 2 0,986 0,982 0,982 0,004 3 0,995 0,995 0,995 0,001 4 0,993 0,996 0,999 0,004 5 0,979 0,973 0,977 0,005 6 0,991 0,991 0,983 0,008 7 0,985 0,988 0,990 0,005 8 0,984 0,989 0,996 0,010 9 0,976 0,965 0,976 0,011 10 0,977 0,964 0,968 0,011 11 0,974 0,964 0,958 0,014 12 0,979 0,979 0,946 0,033 13 0,983 0,986 0,989 0,005 14 0,971 0,985 0,992 0,018 15 0,976 0,980 0,996 0,018 16 0,976 0,962 0,976 0,014 17 0,974 0,964 0,953 0,019 18 0,974 0,962 0,954 0,018 19 0,978 0,978 0,943 0,036 20 0,976 0,977 0,979 0,003 21 0,983 0,986 0,989 0,005 22 0,888 0,985 0,992 0,100 23 0,957 0,962 0,996 0,037 24 0,975 0,957 0,976 0,018 25 0,974 0,962 0,951 0,021 26 0,978 0,978 0,941 0,038 27 0,969 0,969 0,968 0,001 28 0,892 0,897 0,996 0,101 29 0,971 0,957 0,976 0,017 30 0,978 0,978 0,936 0,042 31 0,969 0,960 0,968 0,009 32 0,870 0,875 0,996 0,124 33 0,969 0,960 0,968 0,009 Cenário de Operação Base 49 No gráfico da Figura 4.4 apresentam-se os valores de tensão para a simulação de um período sequencial de 24 horas nos barramentos que apresentam os desvios mais elevados nos valores de tensão, designadamente:  Fase 1: Barramento 32;  Fase 2:Barramento 32;  Fase 3: Barramento 26 Conclui-se que os problemas de sobretensão nos barramentos da rede de distribuição BT, surgem nos períodos em que se verifica elevada produção fotovoltaica, períodos de elevada incidência solar, entre a 11:00 e 17:00 horas e nos barramentos mais afastados do transformador de distribuição MT/BT, onde o caracter resistivo é destas linha é mais elevado, contribuindo para o agravamento da sobretensão. Figura 4.4 – Influência dos perfis de produção e consumo nos valores de tensão Anteriormente, na secção 4.1.3 do presente Capitulo, classificou-se este caso de estudo como o mais desfavorável, com a escolha dos perfis de produção e consumo do dia 31 de maio de 2013. É um dia problemático para os níveis de sobretensão dos barramentos devido à existência de elevada incidência solar e simultaneamente carga reduzida, segundo a previsão dos perfis de consumo e produção fotovoltaica para este dia. Com a simulação do algoritmo de trânsito de potências para o dia 31 de maio de 2013, conclui-se que que o caso de estudo apresenta elevados problemas nos níveis de tensão nos barramentos da rede, identificados na Tabela 4.4 e em diferentes períodos temporais. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 0.8 0.85 0.9 0.95 1 1.05 1.1 Tempo(h) Tensão (p.u.) Fase 1(p.u.) Fase 2(p.u.) Fase 3(p.u.) Limites Técnicos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Tempo(h) Perfil Perfil de produção fovoltaica(p.u.) Perfil de consumo (p.u.) 50 Aplicação do algoritmo de controlo avançado de tensão Tabela 4.4 – Barramentos em que ocorre violação dos limites técnicos admissíveis (Cenário Base) Período (h) Barramentos da Fase 1 (p.u.) Barramentos da Fase 2 (p.u.) Barramentos da Fase 3 (p.u.) 22 28 32 28 32 19 26 30 12 1,066 1,062 1,075 1,062 1,075 - - - 13 1,074 1,070 1,084 1,070 1,084 - - - 14 1,083 1,078 1,094 1,078 1,094 - - - 15 1,082 1,077 1,093 1,077 1,093 - - - 16 1,076 1,071 1,086 1,071 1,086 - - - 17 1,058 1,054 1,066 1,054 1,066 - - - 20 0,921 0,924 0,908 0,927 0,912 - - - 21 0,897 0,900 0,880 0,905 0,884 0,947 0,945 0,940 22 0,888 0,892 0,870 0,897 0,875 0,943 0,941 0936 23 0,911 0,914 0,896 0,918 0,900 - - 0,948 24 0,941 0,943 0,932 0,946 0,934 - - - O objetivo do algoritmo de controlo avançado de tensão será repor os valores identificados na Tabela 4.4, de acordo com os limites técnicos evidenciados na expressão (4.4). (4.4) Deste modo, a simulação do algoritmo permite definir um plano de operação de todas as ações de controlo consideradas, secção 4.1.1 do presente Capítulo, para um período sequencial de 24 horas. 4.3 - Cenário 1 - Objetivo 4.3.1 Identificados os problemas de tensão e estabelecido o Cenário Base com a simulação do trânsito de potências trifásico, é necessário eliminar os problemas de tensão nos barramentos da rede para o período temporal considerado de 24 horas. O cenário apresentado neste subcapítulo consiste na simulação do algoritmo de otimização desenvolvido para a rede do caso de estudo, de forma a utilizar os recursos distribuídos que permitem o controlo eficaz de tensão de forma otimizada 16 . A posição da tomada no transformador de distribuição MT/BT no barramento de referência assume o valor de 1 p.u. De facto a posição da tomada do transformador é importante para os perfis de tensão da microrede, contudo este controlo é local, efetuado manualmente e provoca uma alteração dos perfis de tensão em todos os barramentos da microrede. Do anteriormente exposto, compreende-se que controlar os perfis de tensão através da posição da tomada do transformador pode não ser uma medida eficaz para resolver problemas locais. Independentemente da posição da tomada do transformador o algoritmo desenvolvido permite minimizar os desvios de tensão com uma boa gestão da potência ativa dos recursos energéticos distribuídos na rede. Assim sendo, no cenário apresentado, o operador tem ao seu dispor todas as ações de controlo, designadamente:  Potência ativa de carga e descarga dos sistemas de armazenamento; 16 Controlar os valores de tensão utilizando o mínimo de recursos possíveis, classificados como ações de controlo. - Cenário 1 51  Transferência de carga de períodos em que existe problemas de subtensão ou períodos de ponta de consumo para períodos onde existem problemas de sobretensão;  Redução no consumo dos clientes, corte de carga não prioritária para efeitos de controlo de tensão com a permissão dos clientes, por pequenos períodos de tempo;  Corte de microprodução nos períodos em que se verificam sobretensões nos barramentos da rede. A estrutura da partícula 17 que representa as ações de controlo de controlo consideradas para este cenário é a seguinte: Com: Potência de carga ou descarga da bateria no barramento k da fase α; Potência da carga no barramento k da fase α que pode ser transferida; Potência da carga no barramento k da fase α que pode ser cortada; Potência fotovoltaica que pode ser cortada no barramento k da fase α; A Tabela 4.5 apresenta todos os recursos e o seu potencial de controlo. Usufruindo das vantagens dos sistemas de eletrónica de potência os valores de potência que as baterias podem carregar ou descarregar assumem-se como variáveis contínuas bem como a potência que pode ser cortada da microprodução. Os valores obtidos devem cumprir os intervalos definidos na Tabela 4.5. Os valores de potência da carga que pode ser transferida ou cortada, assumem um carácter discreto de acordo com os valores apresentados na mesma tabela. Tabela 4.5 – Ações de Controlo na Rede do Caso de estudo Recurso Potência Disponível (kW) Baterias [0-2,6] [0-2,6] [0-2,6] [0-2,6] [0-2,6] [0-2,6] Transferência {0;0,9; 1; 1,3} {0;0,9; 1; 1,3} {0;0,9; 1; 1,3} {0;0,9; 1; 1,3} {0;0,9; 1; 1,3} {0;0,9; 1; 1,3} Corte {0;0,15; 0,2; 0,35} {0;0,15; 0,2; 0,35} {0;0,15; 0,2; 0,35} {0;0,15; 0,2; 0,35} {0;0,15; 0,2; 0,35} {0;0,15; 0,2; 0,35} {0;0,15; 0,2; 0,35} {0;0,15; 0,2; 0,35} {0;0,15; 0,2; 0,35} Microprodução [0-2,97] [0-4,46] [0-4,46] [0-1,49] [0-1,49] [0-4,46] 17 Representa a solução do problema de otimização, neste caso a gestão da potência dos recursos energéticos classificados como ações de controlo avançado de tensão. 52 Aplicação do algoritmo de controlo avançado de tensão O objetivo do algoritmo consiste em encontrar um plano de operação ótimo para os recursos apresentados na Tabela 4.5. O algoritmo encontra o valor de potência necessária de cada ação de controlo com o objetivo de garantir a operação do sistema sem qualquer violação dos limites de tensão nos barramentos e simultaneamente minimizando o desperdício de energia renovável (EDM), que ocorreria se os limites de tensão fossem ultrapassados e as restantes ações de controlo se encontrassem indisponíveis (corte de microprodução). O algoritmo também minimiza a energia não fornecida (ENF), que ocorre no caso de se verificar subtensões nos barramentos da rede e indisponibilidade de recursos, sendo necessário o corte de carga. Deste modo, para encontrar a solução ótima do problema recorre-se a uma metaheurística, o EPSO, metodologia descrita na secção 3.3 do 0. O EPSO seleciona os valores de potência adequados dos recursos classificados como ações de controlo em sucessivas iterações que minimizam os desvios de tensão, a energia desperdiçada da produção renovável e a energia não fornecida para períodos sequenciais de uma hora. - Considerações Iniciais do EPSO 4.3.2 Em primeiro lugar, é necessário uma escolha adequada para os valores dos parâmetros de simulação do algoritmo de otimização (EPSO). A seleção destes parâmetros foi efetuada essencialmente através de múltiplos testes do algoritmo para diferentes valores, avaliando a eficiência na convergência, bem como os valores obtidos para as variáveis de controlo, anteriormente definidas. Na Tabela 4.6 apresentam-se os valores de todos parâmetros para a simulação do EPSO para o presente caso de estudo. Tabela 4.6 – Parâmetros de inicialização da simulação do EPSO Parâmetro Valor Número de Partículas 30 Replicações das Partículas 1 Número de Gerações 1000 Taxa de mutação 0,5 Inércia 0,5 Cooperação 0,5 Memória 0,5 Probabilidade de seleção da melhor partícula 0,85 Os parâmetros estratégicos como a Inércia, a Cooperação e a Memória são inicializados com os valores apresentados na Tabela 4.6, contudo não dependem desta escolha, pois são objeto de mutação e vão sendo selecionados em conjunto com os elementos das partículas ao longo do número de gerações/iterações. De forma a incluir a restrição, relativa aos valores de tensão e permitir um controlo que minimize as ações de controlo recorre-se a uma política de penalizações nos termos da função objetivo. A formulação expressa em (4.5), é a penalização no caso de ocorrer a violação dos limites de tensão regulamentares. Corresponde ao quadrado da diferença entre o valor de tensão e o limite violado, multiplicado por k, o peso da penalização. O valor do peso selecionado foi de 100’000, valor elevado pois os valores de tensão utilizados encontram-se em p.u. e pequenos desvios de tensão devem ser devidamente penalizados. { (4.5) Assim sendo, as partículas incluídas no trânsito de potências que não cumpram os limites de tensão, vão assumir valores elevados e visto que a função objetivo é de minimização, vão - Cenário 1 53 sendo progressivamente eliminadas geração após geração, obtendo a melhor partícula que cumpra os limites de tensão. Ainda cumprindo a formulação da secção 3.2.1 do 0, a hierarquia na utilização dos recursos distribuídos foi estabelecida através da introdução de pesos na função objetivo, expressão (4.6). (4.6) Com: Termo que resulta da soma de todos os termos da função objetivo mais as penalizações existentes; Potência de carga ou descarga dos sistemas de armazenamento (p.u.); Potência da carga transferida (p.u.); Potência da carga cortada (p.u.). Potência da microprodução cortada (p.u.); Penalização caso se verifiquem desvios de tensão; Peso da penalização; Módulo da Tensão (p.u.); Limite máximo de tensão admissível (p.u.) Peso; Os valores atribuídos aos pesos foram obtidos por tentativa e erro, através de várias simulações do algoritmo para diferentes valores, analisando se os resultados obtidos eram viáveis, se as restrições dos limites de tensão eram cumpridas e posteriormente se a hierarquia na utilização dos recursos era igualmente cumprida. Apresentam-se na Tabela 4.7 os valores dos pesos escolhidos para cada termo da função fitness da formulação (4.6). Verifica-se que os valores estabelecem uma hierarquia na gestão dos recursos, não existindo qualquer penalização para a utilização das baterias e definindo uma penalização elevada para os desvios de tensão de forma a utilizar as ações de controlo disponíveis para corrigir tais problemas. Tabela 4.7 – Valor dos Pesos Pesos 100’000 400 5000 10000 - Performance do algoritmo para um período de operação do algoritmo 4.3.3 de otimização O tempo de simulação necessário para a simulação do algoritmo é cerca de 4200 segundos, utilizando um computador pessoal equipado com um processador de quatro núcleos de 3,4 GHz cada e 4 GB de memória RAM. O elevado esforço computacional deve-se essencialmente ao tempo de simulação do algoritmo de otimização para cada uma das 24 horas. A simulação do algoritmo para períodos de 1 hora tem uma duração de cerca de 420 a 600 segundos, contudo é necessário executar o algoritmo para todas as horas do dia em que se verifiquem problemas de tensão nos barramentos do sistema do caso de estudo. Com o objetivo de avaliar a performance do algoritmo de otimização desenvolvido para o controlo avançado de tensão, foram efetuadas várias simulações do EPSO. Inicialmente, foram realizadas quatro simulações independentes, para as mesmas condições iniciais e o mesmo cenário de cargas e produção considerado no Cenário 1. Este procedimento permite 54 Aplicação do algoritmo de controlo avançado de tensão analisar o comportamento da meta heurística utilizada na convergência para a melhor solução. A Figura 4.5 demonstra a evolução dos valores da função objetivo (fitness), considerando que a melhor solução é obtida ao fim de 1000 gerações. Figura 4.5 – Evolução da função Fitness para 4 simulações independentes Verifica-se que as simulações exibem um padrão semelhante e uma convergência similar. Ao fim de cerca de 700 iterações verifica-se a estabilização da função num valor que garante o mínimo que cumpre todas as restrições do problema (solução ótima).A Figura 4.6 e Figura 4.7 exibem uma simulação típica para o controlo avançado de tensão. Do anteriormente exposto, é interessante detalhar o comportamento do algoritmo no cumprimento dos objetivos definidos, nomeadamente a evolução dos valores de tensão ao longo das várias gerações de soluções. Deste modo, pode observar-se que os valores de tensão ao longo das iterações/gerações vão se aproximando dos limites técnicos definidos, de 0,95 p.u. e 1,05 p.u, devido às ações de controlo definidas pelo algoritmo. Figura 4.6 – Evolução da tensão no barramento 22 da Fase 1, período das 14 horas. Figura 4.7 - Evolução da tensão no barramento 22 da Fase 1, período das 22 horas. Na Tabela 4.8 apresentam-se os valores máximos de tensão obtidos antes e após a simulação do algoritmo para o período das 14 horas, verifica-se que os valores iniciais de tensão são elevados e com a simulação do algoritmo de otimização foi possível alterar estes valores para valores próximos ou contidos nos limites técnicos admissíveis (0,95 p.u. a 1,05 p.u.). 0100 200 300 400 500 600 700 800 900 1000 0 50 100 150 200 250 300 350 400 Iterações Fitness simulação 1 simulação 2 simulação 3 simulação 4 100 200 300 400 500 600 700 800 900 1000 0.9 0.91 0.92 0.93 0.94 0.95 0.96 0.97 0.98 0.99 1 1.01 1.02 1.03 1.04 1.05 1.06 Iterações Tensão(p.u.) Valor Tensão máximo (p.u.) 100 200 300 400 500 600 700 800 900 1000 0.9 0.91 0.92 0.93 0.94 0.95 0.96 0.97 0.98 0.99 1 1.01 1.02 1.03 1.04 1.05 1.06 Iterações Tensão(p.u.) Valor Tensão mínimo (p.u.) - Cenário 1 55 Tabela 4.8 – Valores de tensão antes e após simulação do algoritmo de controlo de tensão para o período das 14 horas Barramento Valor de tensão Inicial (p.u.) Valor de tensão Final (p.u.) 22 da Fase 1 1,083 1,050 28 da Fase 1 1,078 1,033 32 da Fase 1 1,094 1,050 28 da Fase 2 1,075 1,042 32 da Fase 2 1,091 1,050 Na Tabela 4.9 apresentam-se os valores mínimos de tensão obtidos antes e após a simulação do algoritmo para o período das 22 horas (ponta de consumo), verifica-se que os valores iniciais de tensão são reduzidos. Com a simulação do algoritmo de otimização foi possível alterar estes valores para valores próximos ou contidos nos limites técnicos admissíveis (0,95 p.u. a 1,05 p.u.). Tabela 4.9 - Valores de tensão antes e após simulação do algoritmo de controlo de tensão para o período das 22 horas. Barramento Valor de tensão Inicial (p.u.) Valor de tensão Final (p.u.) 22 da Fase 1 0,888 0,952 28 da Fase 1 0,892 0,996 32 da Fase 1 0,870 0,982 28 da Fase 2 0,897 0,958 32 da Fase 2 0,875 0,950 19 da Fase 3 0,943 0,956 26 da Fase 3 0,941 0,954 30 da Fase 3 0,936 0,950 De forma a aumentar a velocidade de convergência do programa, e portanto diminuir o seu tempo de execução, foi implementado um critério de paragem. Em detrimento do programa ser executado para um número pré-definido de gerações/iterações, valor este que poderia ser de tal forma elevado e consequentemente o tempo de execução seria igualmente elevado. O critério de paragem irá testar o valor resultante de cada geração e da geração seguinte, caso este valor seja inferior a uma dada tolerância, 0,0001 durante 40 gerações/iterações consecutivas, assume-se que o processo terminou. De referir que, caso o critério de paragem não seja satisfeito o programa irá terminar ao fim de 1000 iterações evitando assim ciclos de execução infinitos. - Resultados obtidos para o período sequencial de 24 horas 4.3.4 Nesta secção do capítulo apresentam-se os resultados da ferramenta desenvolvida para controlo avançado de tensão. Nas simulações efetuadas admite-se que todos os dados necessários estão sempre disponíveis para a próxima hora, bem como informações sobre a previsão para a produção da energia solar fotovoltaica e para os valores de consumo, considerando um cenário de operação com um horizonte temporal de 24 horas. De acordo com o objetivo do algoritmo de otimização desenvolvido, minimizar os desvios de tensão rede apresentada na secção 4.1.1 do presente Capítulo é a principal meta a alcançar. O gráfico da Figura 4.8 compara os valores de tensão do cenário base (sem qualquer tipo de controlo) e o resultado obtido para os valores de tensão utilizando o algoritmo de controlo avançado de tensão, para o barramento 32 na fase 2. O barramento 32 apresenta o maior desvio de tensão, devido à elevada produção renovável neste ponto da rede de 5,75 kW e à resistência elevada dos condutores neste ponto afastado do posto de transformação MT/BT, o que provoca uma elevação da tensão durante os elevados períodos de incidência 62 Aplicação do algoritmo de controlo avançado de tensão 4.3.4.3 - Ações de controlo na Fase 3 Apresenta-se na Figura 4.16 o plano de operação para a fase 3, que apenas consiste no corte de cargas classificadas como não prioritárias para aumentar os níveis de tensão dos barramentos identificados na Tabela 4.11 no período das 21 às 24 horas. Na fase 3 não existe problemas de sobretensão durante o período sequencial de 24 horas considerado, deste modo o algoritmo não exibe nenhum plano de operação para os sistemas de armazenamento e para a transferência de cargas, ações importantes caso fosse necessário reduzir os níveis de tensão com o objetivo do cumprimento do limite máximo admissível de 1,05 p.u. Figura 4.16 - Ações de controlo da fase 3 para um período sequencial de 24 horas 4.3.4.4– Impacto da gestão de consumos Neste trabalho, admite-se que os sistemas de armazenamento são propriedade do operador e a sua gestão é uma mais-valia para o controlo da tensão nas redes de distribuição. No caso dos sistemas instalados se revelarem insuficientes para este controlo, a definição de programas de gestão de consumos com os clientes permite desenvolver ações que permitem minimizar os desvios de tensão. Esta ação deve evitar uma mudança drástica dos hábitos de consumo, garantindo que não existe desconforto por parte dos clientes.  Transferência de cargas Com o objetivo de avaliar o impacto da transferência de consumo no perfil do diagrama de cargas, apresenta-se o gráfico da Figura 4.17. O diagrama apresentado reflete todas as cargas que foram alvo das ações de controlo. O perfil a linha contínua evidencia o perfil de carga original, sem qualquer ação de controlo, sendo que com a transferência de cargas o perfil altera-se nos períodos evidenciados pela linha a tracejado. Esta medida permite corrigir os valores de sobretensão em períodos de elevada produção da microprodução, aumentando o consumo e corrigir os valores de subtensão nos períodos de consumo elevado, reduzindo este consumo. Verifica-se que esta medida consiste em deslocar equipamentos que eram utilizados essencialmente nas horas de ponta, designadamente máquinas de lavar/secar roupa e louça. 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 -1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0 Tempo (h) Potência (kW) Carregamento das baterias (kW) Move - Aumento de Carga (kW) Descarga das baterias (kW) Move - Diminuição de Carga (kW) Corte de Carga (kW) - Cenário 1 63 Figura 4.17 – Perfil de consumo antes e após a transferência de consumos De referir que, como se pretende, o consumo que foi reduzido nos período das 20 às 24 horas é exatamente o mesmo que foi acrescentado para os períodos das 13 às 17 horas, como se pode verificar pelos valores apresentados na Tabela 4.12. Tabela 4.12 – Balanço energético da transferência de consumos Período (h) (kW) (kW) 16 0 1,0 17 0,9 0,9 22 0 -0,9 23 0 -1,0 24 -0,9 0 ∑ 0 0  Corte de carga Outra possibilidade de controlo da tensão, nomeadamente para o controlo dos níveis de subtensão nos períodos de elevado consumo, é a redução dos consumos com o corte de carga não prioritária dos clientes nos respetivos barramentos. De referir que a carga disponível para o corte, consiste em desligar equipamentos classificados para tal ação e disponíveis pelo cliente sem causar grande impacto nos seus hábitos de consumo. O gráfico da Figura 4.18 evidencia o impacto do corte de consumo no perfil do diagrama de cargas. O diagrama apresentado reflete todas as cargas que foram alvo das ações de controlo. O perfil a linha contínua evidencia o perfil de carga original (Cenário Base), constatando-se que, com o corte classificado de carga, o perfil altera-se nos períodos evidenciados pela linha a tracejado. Esta medida permite corrigir os valores de subtensão nos períodos de consumo elevado, reduzindo este consumo excessivo. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 4 6 8 10 12 14 16 18 20 Tempo(h) Potência(kW) Perfil inicial, Cenário Base Perfil final, Cenário 1 64 Aplicação do algoritmo de controlo avançado de tensão Figura 4.18 - Perfil de consumo antes e após o corte de carga O consumo foi reduzido de acordo com os valores da Tabela 4.13 nos períodos das 20 às 24 horas, de forma a controlar os valores de subtensão nas três fases. Verifica-se que os valores selecionados cumprem as restrições associadas ao corte classificado de carga, que consistem em desligar os equipamentos de uma dada carga, categorizados para o controlo por pequenos períodos de uma hora, designadamente o frigorífico (potência média de 0,2 kW), arca congeladora (potência média de 0,15 kW) e equipamentos de ar condicionado (potência média de 1,3 kW). O algoritmo define a potência média do corte de carga, podendo ser necessário desligar um ou mais equipamentos no mesmo período. Tabela 4.13 - Balanço energético do corte de carga classificado Período (h) 21 - - - -1,3 22 - - -1,3 -0,35 23 -0,2 - -0,35 - 24 -1,45 -0,15 - - ∑ -1,65 -0,15 -1,65 -1,65 A representação do gráfico da Figura 4.19 evidencia o perfil final de consumo, com a ação conjunta de todos os recursos mencionados associados à gestão de consumos, nomeadamente a transferência de cargas e o corte de carga. Apresenta-se o perfil do cenário base, sem qualquer ação de controlo para comparação. Verifica-se que o impacto da gestão das cargas controláveis altera o perfil do diagrama de consumo com o aumento de carga (transferência) nos períodos das 16 e 17 horas para reduzir o valor das sobretensões verificadas nestes períodos pois já não existe capacidade disponível nos sistemas de armazenamento para controlar estes valores. No período das 20 às 24 horas verifica-se que o impacto é considerável, sendo que existe problema de subtensão na fase 3 e a única forma de controlo de tensão é o corte de cargas não prioritárias. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 4 6 8 10 12 14 16 18 20 Tempo(h) Potência(kW) Perfil inicial, Cenário Base Perfil final, Cenário 1 - Cenário 1 65 Figura 4.19 - Perfil de consumo antes e após a simulação do algoritmo de otimização (Cenário 1) 4.3.4.5 - Análise Global das Ações de Controlo Do resultado da simulação do trânsito de potências para as três fases da microrede verifica-se pela análise do gráfico da Figura 4.20, que considerando as ações de controlo as equações do trânsito de potências são cumpridas (equilíbrio entre a produção e o consumo), visto que a potência total produzida é igual à potência total da carga mais as perdas no sistema. As ações de controlo permitiram controlar os níveis de tensão bem como integrar toda a potência da microprodução com o aumento de carga proveniente dos sistemas de armazenamento e da transferência de cargas dos períodos em que se verificam subtensões para os períodos em que se verifica sobretensões. A descarga dos sistemas de armazenamento, bem como a diminuição da carga no período das 20 às 24 horas permitiram controlar os níveis de subtensão na rede do caso de estudo. O corte de cargas classificadas como não prioritárias é uma das ações de controlo de tensão, que não influencia os hábitos de consumo do cliente, pelo que o restante consumo do cliente é assegurado. Figura 4.20 - Trânsito de potências na microrede do caso de estudo (cenário 1) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 4 6 8 10 12 14 16 18 20 Tempo(h) Potência(kW) Perfil inicial, Cenário Base Perfil final, Cenário 1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 0 10 20 30 40 50 60 70 80 90 100 110 Tempo(h) Potência (kW) Potência transformador MT/BT Potência da microprodução Perfil de carga + perdas, após as ações de controlo Perfil de carga+perdas, caso base 66 Aplicação do algoritmo de controlo avançado de tensão O gráfico da Figura 4.21 traduz as perdas resultantes do trânsito de potências no sistema do caso de estudo. O objetivo de otimização não consistiu na minimização da potência de perdas, porém a sua análise revela-se interessante. De facto, as perdas para o cenário base são mais elevadas que as perdas para o cenário 1 nos períodos coincidentes com as ações de controlo de tensão, o que permite concluir que a consideração de recursos distribuídos próximos dos consumo tais como os sistemas de armazenamento ou até mesmo uma gestão destes consumos com o objetivo de controlar os níveis de tensão de forma otimizada, permite reduzir as perdas durante a operação da microrede. Figura 4.21 – Perfil de perdas na microrede do caso de estudo (cenário 1) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 0 0.5 1 1.5 2 2.5 3 Tempo(h) Potência (kW) Perdas após as ações de controlo, Cenário 1 (kW) Perdas, Cenário base (kW) - Cenário 1 67 A Tabela 4.14 apresenta os principais resultados obtidos da simulação do algoritmo de otimização para o cenário 1. Tabela 4.14 – Resumo dos resultados obtidos (Cenário 1) h Produção total (kW) Microprodução total (kW) Carga Total (kW) Carga Baterias (kW) Descarga Baterias (kW) Carga Transferida (kW) Carga Cortada (kW) Perdas (kW) 1 42,80 0,00 42,48 0,00 0,00 0,00 0,00 0,32 2 35,38 0,00 35,17 0,00 0,00 0,00 0,00 0,21 3 30,22 0,00 30,06 0,00 0,00 0,00 0,00 0,16 4 27,73 0,00 27,60 0,00 0,00 0,00 0,00 0,13 5 26,94 0,00 26,82 0,00 0,00 0,00 0,00 0,12 6 27,11 0,00 26,99 0,00 0,00 0,00 0,00 0,12 7 30,65 0,34 30,83 0,00 0,00 0,00 0,00 0,16 8 33,96 4,31 38,14 0,00 0,00 0,00 0,00 0,13 9 29,19 13,40 42,53 0,00 0,00 0,00 0,00 0,06 10 22,61 23,54 45,92 0,00 0,00 0,00 0,00 0,23 11 23,73 30,02 53,35 0,00 0,00 0,00 0,00 0,4 12 19,94 38,42 55,53 2,30 0,00 0,00 0,00 0,53 13 19,96 42,21 58,05 3,53 0,00 0,00 0,00 0,59 14 14,25 43,72 52,98 4,37 0,00 0,00 0,00 0,62 15 12,24 42,61 49,95 4,30 0,00 0,00 0,00 0,6 16 13,05 39,43 47,22 3,78 0,00 1,00 0,00 0,48 17 16,14 32,83 46,28 0,52 0,00 1,80 0,00 0,37 18 27,12 23,17 50,09 0,00 0,00 0,00 0,00 0,2 19 57,63 11,70 69,02 0,00 0,00 0,00 0,00 0,31 20 80,41 3,35 86,39 0,00 -3,35 0,00 0,00 0,74 21 89,03 0,13 96,03 0,00 -5,45 -0,90 -1,30 0,78 22 95,67 0,00 102,3 0,00 -5,94 0,00 -1,65 0,96 23 79,43 0,00 83,91 0,00 -3,60 -1,00 -0,55 0,67 24 54,99 0,00 57,57 0,00 -0,44 -0,90 -1,60 0,36 Total Produção Total (kWh) Microprodução total (kWh) Carga Total (kWh) Carga Baterias (kWh) Descarga Baterias (kWh) Carga Transferida (kWh) Carga Cortada (kWh) Perdas (kWh) 910,2 349,2 1255,2 18,8 -18,8 0 -5,1 9,3 Dos resultados obtidos na Tabela 4.14 retiram-se conclusões interessantes. Como facilmente se perceciona a maior parte da energia necessária para alimentar as cargas é proveniente do transformador de MT/BT, cerca de 71,21 % sendo que os restantes 28,79 % têm origem nos recursos distribuídos, nomeadamente da microprodução e dos sistemas de armazenamento. A expressão (4.7), evidencia que com a gestão dos recursos distribuídos, o equilíbrio entre a produção e o consumo somado das perdas mantem-se. (4.7) Com: Energia produzida da rede a montante do posto de transformação MT/BT (kWh); Energia da microprodução (kWh); Energia descarregada dos sistemas de armazenamento (kWh); Consumo (kWh); Energia consumida no sistema (kWh); Energia das perdas (kWh); Energia cortada de carga não prioritária (kWh); Energia transferida (kWh). Na Figura 4.22 apresenta-se o balanço energético da gestão dos recursos distribuídos selecionados para as ações de controlo de tensão. Conclui-se que a energia armazenada e descarregada é praticamente a mesma, visto que este recurso foi utilizado na sua totalidade. A energia transferida (move) é exatamente a mesma, 6 % da energia foi transferida dos períodos em que se verifica problemas de subtensão para os períodos em que se verifica 68 Aplicação do algoritmo de controlo avançado de tensão sobretensões nos barramentos da rede. Por fim, 11 % da energia utilizada é proveniente do corte classificado de carga, necessária para controlar os valores de subtensão nos barramentos. Figura 4.22 – Quantificação da utilização de cada um dos recursos da energia total (Cenário 1) O plano de operação ótimo definido pelo algoritmo de controlo avançado de tensão para as condições do cenário 1 consistiu na gestão de todos os recursos distribuídos nas três fases da microrede do caso de estudo com o objetivo de controlar os perfis de tensão nos seus barramentos. Os problemas de tensão verificam-se nos barramentos na extremidade da microrede (trânsito de potências reduzidos). Dos 33 barramentos da rede nas três fases, verificam-se problemas de tensão:  Nos barramentos 22, 28 e 32 da fase 1;  Nos barramentos 28 e 32 da fase 2;  Nos barramentos 19, 26 e 30 da fase 3. De facto, existem recursos classificados para o controlo nestes barramentos, pelo que se justifica o armazenamento de apenas 18,8 kWh para o controlo dos valores de tensão. A mesma análise se aplica para as cargas controláveis, sendo que as cargas selecionadas pelo algoritmo para o controlo de tensão são as que estão mais próximas dos problemas existentes, com a transferência de apenas 2,8 kWh de carga dos períodos onde ser verificam subtensões para os períodos onde existem sobretensões. O corte mínimo é de 5,1 kWh e permite reduzir os valores de tensão de forma a manter os níveis de acordo com o limite técnico regulamentar de 0,95 p.u. Neste cenário não foi necessário o corte de microprodução, cumprindo o objetivo de minimizar a EDM, integrando toda a produção por parte deste recurso e também foi cumprindo o objetivo de minimização da ENF, evitando o corte indiscriminado de carga (carga prioritária) dos clientes para corrigir os valores de subtensão. 18,8 kWh (39%) 2,8 kWh (6%) 2,8 kWh (6%) 5,1 kWh (11%) 18,8 kWh (39%) Baterias - Carga Move - Aumento Carga Baterias - Descarga Move - Diminuição Carga Carga cortada - Cenário 2 69 4.4 - Cenário 2 O cenário apresentado neste subcapítulo consiste na simulação do algoritmo de otimização desenvolvido para a rede do caso de estudo, com o auxílio das seguintes ações de controlo avançado de tensão:  Corte de microprodução nos períodos em que se verificam sobretensões nos barramentos da rede;  Corte indiscriminado de carga (incluindo carga prioritária) nos períodos em que se verifica subtensões nos barramentos da rede. O objetivo desta simulação é quantificar a energia desperdiçada da microprodução e a energia não fornecida aos clientes, que é necessária para controlar os níveis de tensão, sem a utilização dos sistemas de armazenamento e gestão das cargas controláveis, que permitiram no cenário anterior integrar toda a energia proveniente da produção renovável e alimentar a totalidade das cargas da rede, mantendo os níveis de tensão dentro dos limites regulamentares. Assim sendo, a estrutura da partícula que representa as variáveis de controlo consideradas para este cenário é a seguinte: Potência fotovoltaica que pode ser cortada no barramento k da fase α; Potência da carga no barramento k da fase α que pode ser cortada; A Tabela 4.15 apresenta todos os recursos utilizados para o controlo avançado dos níveis de tensão nos barramentos e respetivas fases da rede do caso de estudo. Os valores obtidos devem cumprir os intervalos definidos na Tabela 4.15. A potência máxima admissível da microprodução depende da aplicação do fator de variação da microprodução solar fotovoltaica para o período sequencial de 24 horas, vmicro(h), sendo que a produção varia dependendo da incidência solar em cada hora. (4.8) A potência da carga depende da variação do consumo durante o mesmo período. (4.9) Potência máxima de microprodução que pode ser cortada no barramento k da fase α; Potência máxima de carga que pode ser cortada no barramento k da fase α; 70 Aplicação do algoritmo de controlo avançado de tensão Tabela 4.15 – Recursos utilizados para a simulação do Cenário 2 Microgeração Potência mínima admissível (kW) Recurso (kW) Potência instalada em microprodução 0 ≤ ≤ 3,450.vmicro(h) 0 ≤ ≤ 5,175.vmicro(h) 0 ≤ ≤ 5,175.vmicro(h) 0 ≤ ≤ 1,725.vmicro(h) 0 ≤ ≤ 1,725.vmicro(h) 0 ≤ ≤ 5,175.vmicro(h) 0 ≤ ≤ 5,750.vmicro(h) Consumo 0 ≤ ≤ 20,7.vcarga(h) 0 ≤ ≤ 10,35.vcarga(h) 0 ≤ ≤ 10,35.vcarga(h) 0 ≤ ≤ 3,45.vcarga(h) 0 ≤ ≤ 3,45.vcarga(h) 0 ≤ ≤ 10,35.vcarga(h) 0 ≤ ≤ 3,45.vcarga(h) 0 ≤ ≤ 6,9.vcarga(h) 0 ≤ ≤ 13,8.vcarga(h) - Resultados obtidos para o período multi-temporal de 24 horas 4.4.1 O gráfico da Figura 4.23 evidencia os valores máximos de tensão, na fase 2 do barramento 32 para um período sequencial de 24 horas. Utilizando o algoritmo de controlo de tensão foi possível regular estes valores para um valor próximo dos limites técnicos admissíveis de 0,95 p.u. e 1,05 p.u, apenas com o corte de carga e com o corte de microprodução. Figura 4.23 - Comparação dos valores de tensão antes e após a simulação do algoritmo de otimização (Cenário 2) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 0.85 0.86 0.87 0.88 0.89 0.9 0.91 0.92 0.93 0.94 0.95 0.96 0.97 0.98 0.99 1 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.1 Horas Tensão (p.u.) Tensão Inicial(p.u.) Tensão Final(p.u.) Limites Técnicos - Cenário 2 71 A Figura 4.24 demonstra que o algoritmo utiliza os recursos disponíveis nas três fases do sistema para corrigir os problemas de tensão que podem existir. Com o corte da microprodução é possível reduzir o valor de tensão nos barramentos do sistema de forma a garantir o cumprimento dos limites técnicos admissíveis em períodos de excesso de microprodução, enquanto que o corte de carga permite a elevação dos valores de tensão nos barramentos em períodos de ponta de consumo e garante-se assim o cumprimento do valor mínimo de tensão admissível. Apresentam-se os valores de tensão da figura correspondem aos desvios mais elevados, designadamente:  Barramento 32 da fase 1;  Barramento 32 da fase 2;  Barramento 30 da fase 3. Figura 4.24 - Valores de tensão obtidos após a simulação do algoritmo de otimização para as fases.1,2 e 3 (Cenário 2). A ferramenta de controlo avançado de tensão permitiu eliminar os desvios de tensão nos barramentos da rede do caso de estudo, de acordo com o plano de operação evidenciado na Tabela 4.16 e no gráfico da Figura 4.25. A Tabela 4.16 evidencia os valores de potência determinados para cada um dos recursos após a simulação do algoritmo temporal de controlo avançado de tensão. O plano de operação ótimo consiste nos valores mínimos de potência de microprodução cortada para controlar os níveis de sobretensão e potência de carga cortada (incluindo carga prioritária) para controlar os níveis de subtensão nos barramentos da rede do caso de estudo. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 0.9 0.91 0.92 0.93 0.94 0.95 0.96 0.97 0.98 0.99 1 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.1 Horas Tensão (p.u.) Fase 1(p.u.) Fase 2(p.u.) Fase 3(p.u.) Limites Técnicos 78 Aplicação do algoritmo de controlo avançado de tensão A partir do anteriormente exposto, foi construído mais um cenário com o objetivo de quantificar a energia necessária para o corte de microprodução e para o corte de carga para garantir o mesmo controlo dos valores de tensão para as mesmas condições descritas no cenário base. Verificou-se que, no Cenário 2, para controlar os níveis de sobretensão em todos os barramentos das três fases seria necessário cortar 17,89 KWh de energia proveniente da produção solar fotovoltaica e 20,73 kWh de consumo aos clientes. No cenário anterior apenas foi necessário cortar 5,1 KWh de carga, que consistiu no corte de carga classificada para o controlo de tensão. Outro aspeto importante de salientar, encorajador para utilização dos recursos distribuídos, é que a sua utilização não só permitiu controlar os valores de tensão com uma gestão otimizada, como garantiu a redução das perdas ativas na microrede, sendo que as perdas verificadas para o cenário base foram de 14,98 kWh enquanto que para os cenários 1 e 2 foram de 9,30 kWh e 9,49 kWh. Isto permite que a consideração de recursos distribuídos próximos do consumo, quando devidamente exploradas as suas capacidades de controlo, podem melhorar a qualidade e continuidade de serviço mesmo com cenários de elevada integração destes recursos. 79 Capítulo 5 Conclusão 5.1 - Conclusões A crescente penetração de recursos energéticos distribuídos nas redes de distribuição está a alterar o velho paradigma da operação dos sistemas elétricos de energia. Em particular a penetração em larga escala de unidades de microprodução nas redes de Baixa Tensão (BT), particularmente a baseada em fontes de energia renovável (não controlável) poderão comprometer as suas condições de operação com o não cumprimento das restrições técnicas de segurança e a qualidade e continuidade de serviço das redes. Deste modo, e de forma a encarar estes desafios, o trabalho desenvolvido permitiu desenvolver algoritmos capazes de auxiliar o operador das redes de distribuição com uma gestão coordenada e otimizada das redes de distribuição de BT com a consideração da elevada integração de microprodução distribuída. O algoritmo desenvolvido em MATLAB® consistiu numa ferramenta de gestão dos recursos distribuídos disponíveis para efeitos de controlo de tensão nas microredes. A aplicação da ferramenta foi testada numa rede real de BT Portuguesa, considerando previsões de consumo e de microprodução solar fotovoltaica que permitiram a criação de diversos cenários. Os principais resultados obtidos revelaram-se interessantes e encorajadores para a gestão dos sistemas de energia no futuro. A consideração de previsões a curto/médio prazo dos perfis de consumo ou de produção (para a próxima hora ou horas posteriores), incluídas no algoritmo desenvolvido, permitiu estabelecer o plano de operação ótimo dos recursos distribuídos classificados como ações para efeitos de controlo de tensão para um período sequencial de 24 horas, designadamente os sistemas de armazenamento de energia, as cargas controláveis e a microprodução (cenário 1). Para o operador da rede de distribuição esta funcionalidade será útil uma vez que permite a definição prévia dos planos de ação que permitam a gestão ótima dos recursos para o controlo de tensão. A ferramenta desenvolvida poderá ser integrada nos sistemas de gestão das redes de distribuição (DMS) ou no controlador ao nível do posto de transformação MT/BT (MGCC) e permitirá ao operador uma gestão hierarquizada dos recursos distribuídos das suas microredes. De facto a gestão, coordenada e hierarquizada dos recursos revelou-se importante, uma vez que o algoritmo permite inicialmente utilizar os recursos distribuídos propriedade do operador (nomeadamente sistemas de armazenamento distribuído), não sendo necessário ações de controlo de tensão que provoquem impactos no perfil de carga dos clientes ou nos perfis de microprodução dos mesmos (por exemplo a utilização de programas de gestão de 80 Conclusão consumos ou o corte de microprodução do cliente caso este recurso seja insuficiente). De acordo com a hierarquia definida o algoritmo prioriza a utilização de todos os sistemas de armazenamento distribuídos nas redes do operador, de forma utilizar toda a sua capacidade de armazenamento para controlar os valores de tensão. Se os sistemas de armazenamento do operador forem insuficientes devido às suas restrições técnicas tais como a capacidade de armazenamento ou as taxas máximas de carga e descarga, o algoritmo define as cargas controláveis mais próximas dos locais onde se verifica os problemas de tensão como a próxima ação de controlo. De referir que a definição de programas de gestão de consumos com os clientes, tem como base a possibilidade de incentivos monetários por parte do operador da rede aos consumidores que participam em tais programas, de forma a reduzirem os seus consumos ou deslocá-los para outros períodos do dia (daqui surge a definição de cargas controláveis). Do estudo realizado dos impactos dos consumos nos níveis de tensão nas microredes (secção 4.3.4.4 do Capítulo 4) conclui-se que é possível considerar medidas que permitam controlar os níveis de tensão (cargas controláveis) sem comprometer severamente os hábitos de consumo dos clientes do setor residencial. As ferramentas desenvolvidas no presente trabalho são úteis para o operador pois permitem classificar os equipamentos de consumo de energia elétrica ao nível do setor residencial que possam ser utilizados noutros períodos ou certos equipamentos que podem ser desligados de acordo com os programas estabelecidos entre o operador e o cliente. A transferência de cargas é uma ação de controlo que não influencia muito os perfis de consumo pois um sistema de controlo tal como o desenvolvido no Capítulo 3 permite ao operador enviar set-points de valores de potência de forma a transferir consumos para certos períodos para controlar os níveis de sobretensão e simultaneamente os níveis de subtensão, sendo que o aumento de consumo provoca um decréscimo dos níveis de tensão enquanto a diminuição do consumo provoca uma elevação dos níveis de tensão. Com a transferência de toda a carga disponível para controlar os valores de tensão, o corte de carga classificada como não prioritária poderá ser necessário nos períodos de elevado consumo e consiste uma vez mais numa medida que não afete severamente os hábitos de consumo do cliente, tais como desligar certos equipamentos classificados como controláveis, por pequenos períodos de tempo. Esta estrutura hierarquizada revela se importante, sendo uma mais-valia para a gestão nas redes de BT do operador, uma vez que a ferramenta utiliza esta variedade de recursos de forma a evitar o corte de microprodução fotovoltaica do cliente, e evita-se assim a remuneração da energia desperdiçada da produção do cliente. A criação de dois cenários distintos permitiu concluir que este controlo depende muito dos recursos que existem na rede e das suas restrições de operação, deste modo o algoritmo de otimização desenvolvido permite ao operador da rede de distribuição um controlo eficiente de tensão nas redes de BT dependendo dos recursos distribuídos existentes e da sua localização. É igualmente importante referir que antes da aplicação da ferramenta desenvolvida para o período sequencial de 24 horas com o objetivo de corrigir os perfis de tensão em todos os barramentos para este período foram realizados vários testes de performance do algoritmo de otimização (EPSO) com inúmeras simulações do algoritmo para diferentes condições iniciais (considerando distintos valores para os parâmetros estratégicos), com o objetivo de garantir uma progressão eficiente do processo de otimização para o ótimo global e avaliar a viabilidade dos resultados. Para o mesmo cenário de operação os resultados obtidos de inúmeros testes evidenciaram uma boa convergência da função objetivo para um valor mínimo que garanta um plano de operação ótimo para todos os recursos energéticos distribuídos classificados como ações de controlo de tensão, o que permite concluir que o algoritmo desenvolvido apresenta robustez suficiente para ser aplicado em outras microredes do operador de distribuição. - Perspetivas Futuras 81 O novo paradigma operacional considerado neste trabalho consistiu numa evolução das atuais redes de BT, para um novo conceito de rede inteligente (SmartGrid), com a gestão dos diversos recursos energéticos distribuídos considerados, tais como a microprodução solar fotovoltaica, os sistemas de armazenamento e as cargas controláveis. Com o objetivo da gestão coordenada e eficiente destes recursos, definiu-se uma infraestrutura de controlo com sistemas de comunicação, infraestruturas de leitura de consumos e de produção inteligentes (smart-metering) e sistemas de eletrónica de potência. Conclui-se que o desenvolvimento da arquitetura de controlo nas redes de distribuição BT, tal como a proposta no Capitulo 3 é essencial para a gestão eficiente dos recursos distribuídos e representa uma evolução do atual controlo das redes de distribuição, com o objetivo de controlar a tensão e maximizar a integração da microprodução de origem renovável. O contributo do trabalho desenvolvido no âmbito desta dissertação proporciona ao operador novos modelos e ferramentas de gestão e controlo das redes de distribuição de BT com o objetivo de controlar a tensão, garantir o equilíbrio entre a produção e o consumo e maximizar a integração de fontes energéticas distribuídas, em especial com base em recursos renováveis. 5.2 - Perspetivas Futuras O trabalho desenvolvido consistiu no desenvolvimento de uma ferramenta de controlo de tensão, com a gestão coordenada e hierarquizada das ações de controlo. Uma abordagem alternativa interessante seria o desenvolvimento de uma gestão que considerasse soluções mais económicas e eficientes onde, por exemplo, os recursos eram selecionados para estabelecer as ações de controlo dependendo do preço na sua utilização e não de uma hierarquia pré-definida. Aos sistemas de armazenamento estariam associados custos de operação e manutenção, enquanto no caso das cargas controláveis seria necessário remunerar o consumidor para efetuar as ações de corte de consumo ou de transferências de consumos para outros períodos do dia. Por fim seria necessário remunerar o corte de microprodução fotovoltaica por parte do operador de distribuição aos clientes. Desenvolvendo um algoritmo de otimização que minimize o custo global das ações de controlo de tensão permitiria a redução dos custos da operação das redes e simultaneamente controlar situações de contingência. No presente trabalho considerou-se que os sistemas de armazenamento já se encontravam instalados e distribuídos pela rede. Verificou-se que a localização geográfica dos sistemas de armazenamento na rede é de extrema importância. Caso este recurso se encontre próximo do local onde se verifica problemas de tensão a sua ação é bastante mais eficaz, pelo que deste modo são pertinentes vários estudos que tentam determinar a localização ótima para a instalação dos sistemas de armazenamento. Do anteriormente exposto compreende-se que as desvantagens dos sistemas de armazenamento estacionários é o facto de geograficamente poderem estar muito afastados dos locais onde se verificam problemas de tensão. No futuro, caso se verifique uma elevada penetração de veículos elétricos, a sua mobilidade permitirá classificar estes sistemas como “cargas móveis” e altamente flexíveis. No entanto a conexão dos veículos em diferentes pontos da rede com o objetivo de carregarem as suas baterias ou até mesmo descarregar energia para a rede, permitem classificá-los como “sistemas de armazenamento móveis”, segundo o conceito Vehicle to Grid (V2G). Assim sendo, será possível mobilizar os “sistemas de armazenamento móveis” localizados próximo dos problemas de tensão, permitindo controlar as contingências sem recorrer a outros recursos que possam se encontrar indisponíveis na rede. Outro complemento interessante ao estudo realizado, seria a consideração de outras tecnologias de microprodução com diferentes características, particularmente as microeólicas que dependendo do vento podem fornecer energia à rede elétrica nos diferentes períodos do dia, enquanto que o carácter regular da microprodução solar fotovoltaica 82 Conclusão depende de sistemas de baterias para armazenar energia excedente durante os períodos de grande produção de energia (durante o dia) e descarregar esta energia nos períodos em que não se dispõe de recurso primário (durante a noite). Por fim a inclusão de medidas adicionais de controlo de nível superior para controlar os níveis de tensão de uma forma coordenada com o nível das redes de BT, poderia constituir mais uma abordagem interessante ao problema global, nomeadamente a possibilidade de regulação em carga da posição das tomadas do transformador de MT/BT que impõe o valor de tensão no barramento de referência e, consequentemente, em todos os barramentos da rede de BT a jusante deste ponto. 83 Referências [1] (junho de 2013). European Commision - Renewable energy Available: www.ec.europa.eu/energy/renewables/index_en.htm [2] N. Jenkins, J. B. Ekanayake, and G. Strbac, Distributed Generation: Institution of Engineering and Technology, 2010. [3] DGEG, "renováveis "estatisticas rápidas"," Direcção Geral de Energia e Geologia, vol. nº97. [4] "Republicação do Decreto-Lei nº 363/2007, de 2 de Novembro," Diário da República nº 35 - 1ª série , 19 de Fevereiro 2013. [5] A. G. Madureira, J. C. Pereira, N. J. Gil, J. A. P. Lopes, G. N. Korres, and N. D. Hatziargyriou, "Advanced control and management functionalities for multimicrogrids," European Transactions on Electrical Power, vol. 21, pp. 1159-1177, 2011. [6] A. G. Madureira and J. A. Peças Lopes, "Coordinated voltage support in distribution networks with distributed generation and microgrids," Renewable Power Generation, IET, vol. 3, pp. 439-454, 2009. [7] F. A. Viawan and D. Karlsson, "Coordinated voltage and reactive power control in the presence of distributed generation," in Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, 2008 IEEE, 2008, pp. 1-6. [8] L. Xiaohu, A. Aichhorn, L. Liming, and L. Hui, "Coordinated Control of Distributed Energy Storage System With Tap Changer Transformers for Voltage Rise Mitigation Under High Photovoltaic Penetration," Smart Grid, IEEE Transactions on, vol. 3, pp. 897-906, 2012. [9] N. Venkatesan, J. Solanki, and S. K. Solanki, "Demand response model and its effects on voltage profile of a distribution system," in Power and Energy Society General Meeting, 2011 IEEE, 2011, pp. 1-7. [10] P. Kadurek, M. M. Sarab, J. F. G. Cobben, and W. L. Kling, "Assessment of demand response possibilities by means of voltage control with intelligent MV/LV distribution substation," in Power and Energy Society General Meeting, 2012 IEEE, 2012, pp. 1-6. [11] P. Strauss and A. Engler, "AC coupled PV hybrid systems and microgrids-state of the art and future trends," in Photovoltaic Energy Conversion, 2003. Proceedings of 3rd World Conference on, 2003, pp. 2129-2134 Vol.3. [12] S. S. S. R. Depuru, W. Lingfeng, V. Devabhaktuni, and N. Gudi, "Smart meters for power grid 2014; Challenges, issues, advantages and status," in Power Systems Conference and Exposition (PSCE), 2011 IEEE/PES, 2011, pp. 1-7. [13] A. Madureira, "Coordinated Voltage Control in Multi-Microgrids," vol. PhD Thesis, Department of Electrical and Computer Engineering, Faculty of Engineering, University of Porto, 2009. [14] P. Baptista, "Gestão integrada de microgeração e armazenamento distribuído em redes de distribuição BT," vol. Dissertação M.I.E.E.C, Departamento de Engenharia Eletrotecnica e Computadores , Faculdade de Engenharia da Universidade do Porto, 2010. [15] P. Amaro, "Utilização de Soluções de Armazenamento Distribuído para Maximização de Integração de Produção Renovável," vol. Dissertação M.I.E.E.C, Departamento de Engenharia Eletrotecnica e Computadores , Faculdade de Engenharia da Universidade do Porto, 2012. 84 [16] (maio de 2013). Projeto InovGrid. Available: http://www.edpdistribuicao.pt/pt/rede/InovGrid/Pages/InovGrid.aspx [17] (maio de 2013). Microgrids - Large Scale Integration of Microgeneration to Low Voltage Grids Available: http://www.microgrids.eu/micro2000/presentations/33.pdf [18] J. Pereira and B. G. Lucus, "Component technology for modeling power networks in an integrated DMS," in Power Tech, 2005 IEEE Russia, 2005, pp. 1-6. [19] M. Rafiei, S. M. Elmi, and A. Zare, "Wireless communication protocols for smart metering applications in power distribution networks," in Electrical Power Distribution Networks (EPDC), 2012 Proceedings of 17th Conference on, 2012, pp. 15. [20] D. E. Nordgard, K. Sand, R. H. Kyte, E. Bjerkan, T. B. Solvang, and K. Samdal, "Solutions from a national Smart grids demonstration site exploring a fiber-optic communication infrastructure," in Power and Energy Society General Meeting, 2012 IEEE, 2012, pp. 1-5. [21] M. J. Madera and E. A. Canizales, "The GPRS Communication Platform and DNP Protocol as the Best Choices to Communicate the SCADA with IEDs in the EDC Distribution Network," in Transmission & Distribution Conference and Exposition: Latin America, 2006. TDC '06. IEEE/PES, 2006, pp. 1-4. [22] H. Okuda, R. Shibata, and T. Kitamura, "Performance of PLC transmission under unfavorable conditions," in Consumer Electronics, 2009. ISCE '09. IEEE 13th International Symposium on, 2009, pp. 452-454. [23] H. Laaksonen, P. Saari, and R. Komulainen, "Voltage and frequency control of inverter based weak LV network microgrid," in Future Power Systems, 2005 International Conference on, 2005, pp. 6 pp.-6. [24] T. Stetz, "German Guidelines and Laws for PV Grid Integration," presented at the IEA Task 14 Meeting Beijing, 2012. [25] (maio de 2013). The SmartGrids European Technology Platform. Available: http://www.smartgrids.eu/ETPSmartGrids [26] E. Miller, "Renewables and the smart grid," Renewable Energy Focus, vol. 10, pp. 6769, 3// 2009. [27] J. Yi, P. Wang, P. C. Taylor, P. J. Davison, P. F. Lyons, D. Liang, et al., "Distribution network voltage control using energy storage and demand side response," in Innovative Smart Grid Technologies (ISGT Europe), 2012 3rd IEEE PES International Conference and Exhibition on, 2012, pp. 1-8. [28] N. Jenkins, Embedded generation. London: Institution of Engineering and Technology, 2008. [29] H. B. Puttgen, P. R. MacGregor, and F. C. Lambert, "Distributed generation: Semantic hype or the dawn of a new era?," Power and Energy Magazine, IEEE, vol. 1, pp. 22-29, 2003. [30] D. G. f. Sonnenenergie, Planning and Installing Photovoltaic Systems: A Guide for Installers, Architects and Engineers: Taylor & Francis, 2008. [31] (junho de 2013). Solar radiation and photovoltaic electricity potencial country and regional maps for Europe. Available: www.eusolarsystems.com/solar-maps-europecountries [32] W. El-Khattam and M. M. A. Salama, "Distributed generation technologies, definitions and benefits," Electric Power Systems Research, vol. 71, pp. 119-128, 10// 2004. [33] F. S. Fernando Santos, "Células de combustível," Revista do ISPV, nº29, junho 2004. [34] (2008, maio de 2013). Hydrogen Fuel Cells – energy conversion and storage. Available: http://greenecon.net/hydrogen-fuel-cells-%E2%80%93-energy-conversionand-storage/energy_economics.html [35] H. Chen, T. N. Cong, W. Yang, C. Tan, Y. Li, and Y. Ding, "Progress in electrical energy storage system: A critical review," Progress in Natural Science, vol. 19, pp. 291-312, 3/10/ 2009. [36] I. P. Instituto Nacional de Estatística, "Inquérito ao Consumo de Energia no Sector Doméstico," 2010. [37] Z. Ning, L. F. Ochoa, and D. S. Kirschen, "Investigating the impact of demand side management on residential customers," in Innovative Smart Grid Technologies (ISGT Europe), 2011 2nd IEEE PES International Conference and Exhibition on, 2011, pp. 16. 85 [38] A. Soares, A. Gomes, and C. H. Antunes, "Domestic load characterization for demandresponsive energy management systems," in Sustainable Systems and Technology (ISSST), 2012 IEEE International Symposium on, 2012, pp. 1-6. [39] M. H. Albadi and E. F. El-Saadany, "Demand Response in Electricity Markets: An Overview," in Power Engineering Society General Meeting, 2007. IEEE, 2007, pp. 1-5. [40] V. Miranda, J. Krstulovic, H. Keko, C. Moreira, and J. Pereira, "Reconstructing Missing Data in State Estimation With Autoencoders," Power Systems, IEEE Transactions on, vol. 27, pp. 604-611, 2012. [41] J. A. Peças Lopes, C. L. Moreira, and A. G. Madureira, "Defining control strategies for MicroGrids islanded operation," Power Systems, IEEE Transactions on, vol. 21, pp. 916-924, 2006. [42] (junho de 2013). Simulador de Potência de consumo. Available: http://www.edp.pt/pt/particulares/bemvindoaedp/Pages/SimuladordePotenciaeCon sumo.aspx [43] C. S. Cheng and D. Shirmohammadi, "A three-phase power flow method for real-time distribution system analysis," Power Systems, IEEE Transactions on, vol. 10, pp. 671679, 1995. [44] (junho de 2013). MATLAB "The Language of Technical Computing". Available: http://www.mathworks.com/products/matlab/ [45] (maio de 2013). ERSE, Perfis de perdas e perfis de consumo em MT, BTE, BTN e IP Available: http://www.erse.pt/pt/electricidade/regulamentos/acessoasredesaasinterligacoes/P aginas/PerfishorariosdeperdasedeconsumoemBTEBTNeIP.aspx?master=ErsePrint.maste r 86 87 Anexos Anexo A - Algoritmo de Trânsito de Potências Trifásico 94 Na Tabela A. 2 apresenta-se as potências contratadas dos consumidores de energia elétrica na rede do caso de estudo. O fator de potência considerado para as cargas foi de, . Tabela A. 2 – Potência contratada dos consumidores na rede do caso de estudo Barramento Potência contratada [kVA] Fase A Fase B Fase C 1 0 0 0 2 3,45 3,45 20,7 3 13,8 13,8 10,35 4 6,9 0 0 5 20,7 0 0 6 1,15 3,45 3,45 7 10,35 3,45 0 8 0 3,45 3,45 9 6,9 3,45 3,45 10 3,45 13,8 13,8 11 3,45 3,45 3,45 12 3,45 3,45 6,9 13 6,9 3,45 0 14 0 3,45 3,45 15 0 0 0 16 0 6,9 0 17 0 0 3,45 18 0 3,45 3,45 19 3,45 3,45 0 20 0 3,45 0 21 0 0 0 22 10,35 0 0 23 0 0 0 24 0 17,25 0 25 0 0 3,45 26 0 0 0 27 6,9 0 10,35 28 0 0 0 29 3,45 0 0 30 0 0 13,8 31 0 6,9 0 32 10,35 10,35 0 33 0 0 0 95 Na Tabela A. 3 apresenta-se a potência instalada em microprodução dos consumidores de energia elétrica na rede do caso de estudo. O fator de potência considerado para a produção foi de, . Tabela A. 3 - Potência instalada da microprodução dos consumidores na rede do caso de estudo Barramento Capacidade instalada [kVA] Fase A Fase B Fase C 1 0 0 0 2 0 0 0 3 0 0 0 4 3,45 0 0 5 0 0 0 6 0 0 0 7 0 0 0 8 0 1,725 1,725 9 0 0 0 10 0 0 0 11 0 0 0 12 0 0 0 13 0 0 0 14 0 1,725 1,725 15 0 0 0 16 0 3,45 0 17 0 0 0 18 0 0 0 19 0 0 0 20 0 0 0 21 0 0 0 22 5,175 0 0 23 0 0 0 24 0 5,75 0 25 0 0 0 26 0 0 0 27 3,45 0 5,175 28 0 0 0 29 0 0 0 30 0 0 5,75 31 0 0 0 32 5,175 5,175 0 33 0 0 0