Académique Documents
Professionnel Documents
Culture Documents
ALGORITMOS EVOLUCIONÁRIOS
MULTIOBJETIVO PARA
A OTIMIZAÇÃO ENERGÉTICA DA
OPERAÇÃO DE SISTEMAS DE
ABASTECIMENTO DE ÁGUA
SUMÁRIO
1. INTRODUÇÃO
2. OBJETIVOS
3. EFICIÊNCIA ENERGÉTICA EM SAA
4. MODELAGEM DE SAA
5. ALGORITMOS EVOLUCIONÁRIOS MO
6. METODOLOGIA
• Definição do Problema
• Funções Objetivo
• Caracterização e Modelagem do Sistema
• Otimização Multiobjetivo
• Ferramentas, Materiais e Linguagens de Programação
7. CRONOGRAMA
8. REFERÊNCIAS BIBLIOGRÁFICAS
INTRODUÇÃO
OBJETIVOS
Objetivo Principal:
Aplicar técnicas de otimização MO para elaborar planos
ótimos de programação operacional das bombas em SAA,
visando maximizar a eficiência energética e a confiabilidade
hidráulica, simultaneamente.
Objetivos Específicos:
Análise detalhada das técnicas de otimização operacional de SAA
apresentadas na literatura.
Estudo do Sistema Tarifário de Energia Elétrica Brasileiro.
Estudo das funções objetivos.
Desenvolvimento da interface entre o modelo de simulação
hidráulica (EPANET 2.0) e o modelo otimização multiobjetivo
mediante um programa computacional.
Avaliar os resultados da aplicação em um estudo de caso real.
90% ee
ICMS
Figura 8 - Componentes
físicos de SAA no
EPANET2 (ROSSMAN,
2001)
MODELAGEM DE SAA
Calibração de SAA:
Procedimento preliminar a ser adotado antes de qualquer análise de
reabilitação e/ou operação de sistema existente, com objetivo de
identicar os parâmetros do sistema e assim poder representar, por
meio de simulações hidráulicas, o comportamento realístico das
variáveis de estado.
O procedimento de calibração visa ajustar os parâmetros do sistema
de tal forma que o desvio entre os dados simulados e os dados
observados seja mínimo (CHEUNG, 2003).
O processo de calibração é necessário pelas seguintes razões:
confiança para tomadas de decissão e entendimento do sistema
(WALSKI, 2001).
MODELAGEM DE SAA
Aspectos fundamentais na operação de SAA:
1. O custo da energia elétrica consumida pelas operações dos sistemas de
bombeamento de água.
2. A confiabilidade: medida da performance (desempenho) do sistema.
Tipos de confiabilidade (MAYS, 1989) :
• Confiabilidade mecânica
• Confiabilidade hidráulica: capacidade que o sistema possui de
distribuir uma quantidade de água requerida pelos usuários, sob as
diversas condições operacionais a que o sistema pode ser submetido.
3. O grau de automação é variável e dependente do porte do SAA e de
suas necessidades. Os sistemas mais complexos tendem a evoluir para
uma operação automática baseada em SCADA. Porém, o estágio mais
avançado é o controle automático por computador que exige
algoritmos de otimização da operação (CARRIJO, 2004).
KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 18
MODELAGEM DE SAA
Modelos de Otimização de SAA:
Problemas de otimização: estrutura em que se busca maximizar ou
minimizar uma função objetivo, considerando a existência de um
conjunto de restrições que devem ser atendidas (FRAGA et al., 1989).
Algumas vantagens que advém da otimização:
Redução de custos Controle de perdas
Segurança Qualidade do serviço
Restrições para modelagem de problemas de SAA podem ser
(ORMSBEE e LANSEY, 1994) :
limitações físicas (capacidade dos reservatórios, bombas);
leis físicas (conservação da massa, conservação da energia);
requisitos externos (atendimento da demanda, níveis de pressão)
MODELAGEM DE SAA
Métodos de Otimização de Estações de Bombeamento
ALGORIT. EVOLUCIONÁRIOS MO
Algoritmos Evolucionários (AEs):
Técnicas de busca estocástica e otimização que simulam os
mecanismos da evolução Darwiniana, de seleção e variação
(recombinação e mutação) para atingir melhores soluções em
problemas computacionais.
ZITZLER (1999) classifica os AEs em :
Algoritmos Genéticos (AGs) Estratégias de Evolução (EE)
Programação Evolucionária (PE) Programação Genética (PG)
Sistemas Classificatórios (SCs)
O elitismo proposto por DeJong (1975) se baseia na transferência do
melhor cromossomo de uma geração para outra sem alterações, para
evitar sua perda devido à aplicação dos operadores.
ALGORIT. EVOLUCIONÁRIOS MO
METODOLOGIA
Definição do Problema:
• Um sistema de adução
simples (Fig.15)
• Problema não linear.
• Variáveis de estado:
pressão, carga hidráulica,
níveis nos reservatórios.
• Variáveis de decisão:
tempos de operação de
cada bomba.
• Funções objetivo:
eficiência energética e
confiabilidade hidráulica
Figura 15 - Sistema de Adução Simples
METODOLOGIA
Funções Objetivo:
FO1 = Min | f1 |
f1 : custo de fornecimento de energia elétrica (CFE)
Onde:
CCE : Custo do Consumo de energia elétrica
CDP : Custo da Demanda de Potência
CER : Custo do Consumo de Energia Reativa
CDR : Custo da Demanda de Energia Reativa
CDU : Custo da Demanda de Ultrapassagem de Potência
METODOLOGIA
f1 = CFE = CCE + CDP + CER + CDR + CDU
C DP = TDt × DMax( b ,t )
t : hora do dia;
TDt : tarifa unitária de demanda de potência (R$/kW);
DMax(b,t) : Demanda máxima de potência (kW);
DCt : Demanda de potência contratada (kW) sendo
que
DMax ≤ 1.1 DC (Res. ANEEL 456)
METODOLOGIA
f1 = CFE = CCE + CDP + CER + CDR + CDU
METODOLOGIA
f1 = CFE = CCE + CDP + CER + CDR + CDU
t : hora do dia;
TUt : tarifa unitária de ultrapassagem de potência (R$/kW);
DMax(b,t) : Demanda máxima de potência (kW);
DCt : Demanda de potência contratada (kW) sendo que
DMax > 1.1 DC (Res. ANEEL 456);
METODOLOGIA
Modelagem do sistema
• Dados cadastrais
Caracterização • Configuração física da rede
do Sistema • Estimativas de consumo
• Regras operacionais
METODOLOGIA
Otimização Multiobjetivo
CRONOGRAMA
CRONOGRAMA
CRONOGRAMA
CRONOGRAMA
Referências Bibliográficas
• BAHIA, S. R. Eficiência Energética nos Sistemas de Saneamento. Rio de
Janeiro: IBAM, PROCEL/ELETROBRÁS, 1998.
• BARÁN, B.; VONLÜCKEN, C.; SOTELO, A. Multi-objective pump scheduling
optimisation using evolutionary strategies. Advances in Engineering Software,
v. 36, p. 39–47, 2005.
• CARRIJO, I. B. Extração de regras operacionais ótimas de sistemas de
distribuição de água através de algoritmos genéticos multiobjetivo e
aprendizado de máquina. Tese (Doutorado) — Escola de Engenharia de São
Carlos da Universidade de São Paulo, 2004.
• CARRIJO, I. B.; REIS, L. F. R.; SAVIC, D.; WALTERS, G. Operational
Optimization of Water Distribution Systems Based on Multiobjective Genetic
Algorithms and Operational Extraction Rules Using Data Mining. In: World
Water and Environmental Resourcers Congress. Salt Lake, USA: ASCE, 2004.
• CHEUNG, P. B. Análise de reabilitação de redes de distribuição de
distribuição de água para abastecimento via AGMO. Tese (Doutorado) —
Escola de Engenharia de São Carlos, Universidade de São Paulo, 2003.
• DEB, K. Multiobjective Using Evolutionary Algorithms. Chichester, England:
John Wiley and Sons Ltd, 2001.
ALGORITMOS EVOLUCIONÁRIOS
MULTIOBJETIVO PARA
A OTIMIZAÇÃO ENERGÉTICA DA OPERAÇÃO
DE SISTEMAS DE ABASTECIMENTO DE ÁGUA