Apresentacao Quali UFMS

UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL
CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA

PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIAS AMBIENTAIS
ALGORITMOS EVOLUCIONÁRIOS
MULTIOBJETIVO PARA
A OTIMIZAÇÃO ENERGÉTICA DA
OPERAÇÃO DE SISTEMAS DE
ABASTECIMENTO DE ÁGUA
Katheryne Lizbeth Nuñez Bardales
Orientador : Prof. Dr. Amâncio Rodrigues da Silva Jr.

Co- Orientador : Prof. Dr. Peter Batista Cheung
Campo Grande, 2006

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 1
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
SAA Efeitos:
↑População ⇒↑Demanda ↑Consumo de energia para
↓Fontes de água e energia o bombeamento e
tratamento da água
↓Qualidade da água
↑Desperdício de energia
↑Custos de energia
↑Custos operacionais
↑Perdas: vazamento, furto,
desperdício do consumidor e ↓ Eficiência Energética
distribuição ineficiente ↑Impactos ambientais
↓Investimentos para a ↑Custos da água potável
expansão e novas obras san.
↑ Condições adversas de
↑Deterioro dos equipamentos, operação
tubulações e estruturas.
INTRODUÇÃO
• Água e energia: Forte interdependência, insumos básicos.

• Cada litro de água tratada Custo de energia
• Setor saneamento: - consume aprox. 7% energia global
(James, et al., 2002) - 4 a 5% bombeamento e tratamento água.
• O custo com ee: 2do insumo nas Emp.Saneamento (1ero:RR.HH.)

INTRODUÇÃO
• Maximização da Eficiência Energética para a operação de SAA:
– ↓Consumo de ee, ↓custos operac., ↑confiabilidade hidráulica.
– Controle: níveis nos reservatórios, pressão e demanda.
– Modelagem computacional:
Simulação Avaliação Planos

Caracterização
Hidráulica Otimização alternativos
do Sistema
EPANET AEMO de operação
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.

EFICIÊNCIA ENERGÉTICA EM SAA
Figura 1 - Sistema de Abastecimento de Água (BAHIA, 1998)

Figura 2 - Sistema de Adução

Consumo Energético em SAA no Brasil
• Empresas san. consomem mais de 3% do consumo total de ee do Brasil,
aprox. 8,3 bilhões de kWh/ano (ELETROBRÁS et al., 2005).
• Desse consumo: os motores representam 90% do total, os serviços
auxiliares 7,5% e a iluminação 2,5% (TSUTIYA, 2001).
• O Brasil perde 44,81% da água distribuída em relação à água captada
desperdício de energia elétrica.
• A média de perdas é 40,5%, na região Centro Oeste é 34% e na Norte é
57,6% (SNIS - ELETROBRÁS et al., 2005).
• Não existam dados consolidados sobre quanto da energia consumida é
desperdiçada. Estima-se que a despesa anual pela ineficiência energética, é
R$ 375 milhões, despesa repassada para a sociedade via tarifa
(ELETROBRÁS et al., 2005).
• SABESP o consumo ee 0,6 kWh/m3 de água produzida (TSUTIYA, 2001).
90% ee
Figura 3 - Componentes e subcomponentes do SAA (TSUTIYA, 2005)

Figura 4 - Estratégias para a

redução de custos com ee

Sistema Tarifário de Energia Elétrica Brasileiro:
Conjunto de normas e regulamentos cuja finalidade é estabelecer o preço
da eletricidade para os diferentes tipos de consumidores (CDEE, 1994).
Res. ANEEL N°456 (29.nov.2000) é o instrumento legal que estabelece e
consolida as Condições Gerais de Fornecimento de Energia Elétrica.
O consumidor paga um preço final que inclui além das tarifas, as taxas ou
encargos, as contribuições e os impostos.
ICMS
Figura 5 - Preço Final do Fornecimento Elétrico

Figura 6 - Sistema Brasileiro de Tarifação de Energia Elétrica


Energia Reativa e Demanda Potência Reativa:
Motores e transformadores necessitam ER para proporcionar o fluxo
magnético que seu funcionamento exige. A ER não produz trabalho útil e
circula continuamente entre os diversos campos elétricos e magnéticos de um
sistema de corrente alternada (MONACHESI, 2005).
Res. ANEEL N°456 estabelece que os consumidores do Grupo A são
cobrados pela energia e demanda reativa, da mesma forma que pela ativa.
O fp é um índice que reflete como a ee está sendo utilizada ( 0< fp <1 )
Figura 7 - Triângulo de Potências

MODELAGEM DE SAA
Modelos de Simulação Hidráulica:
Ferramentas eficazes e necessárias nos SAA, utilizadas na fase de
projeto e de operação (avaliação do desempenho).
Os cálculos hidráulicos se baseiam nos princípios de Conservação de
Massa e Conservação de Energia.
O simulador EPANET: software de distribuição gratuita, sem limitação
de número de trechos e com código aberto. Permite executar
simulações estáticas e dinâmicas do comportamento hidráulico SAA
sob pressão (ROSSMAN, 2001).
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
Operação de SAA:
Objetivo principal: atendimento das demandas a um menor custo
operacional com confiabilidade, segurança e eficiência energética.
Estabelecimento de regras operacionais: seqüência de manobras
efetuadas sobre os elementos ativos do SAA (LUVIZOTTO, 1995)
Condições básicas para definir a regra operacional (ZAHED,1990):
• Definição dos objetivos a serem alcançados
• Conhecimento do sistema
• Conhecimento de dados previsionais de consumo
• Disponibilidade dos modelos matemáticos
A definição da forma de operação do SAA depende das características
do sistema e da disponibilidade de recursos técnicos e financeiros
(LUVIZOTTO, 1995).
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).
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
Programação Programação Métodos

clássica dinâmica heurísticos
Programação Linear: ORMSBEE et al. (1989); Algoritmos genéticos:

JOWITT e
LANSEY e AWUMAH MACKLE et al. (1995);
GERMANOPOULOS(1992)
(1994); BOULOS et al. (2001)
Programação não NITIVATTANANON et al.
(1996);
Simulated annealing:
linear:
KO et al. (1997) SOUSA et al. (2006)
BRION e MAYS (1991);
McCORMICK e POWELL
(2003).
Figura 11 – Técnicas de otimização aplicadas em SAA

MODELAGEM DE SAA
Figura 12 – Modelo Hibrido. Conexão Otimizador - Simulador

(BRION; MAYS, 1991)
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.

Otimização Multiobjetivo:
Procedimento que envolve mais do que um objetivo e visa produzir um
conjunto de soluções denominadas soluções ótimas Pareto ou soluções
Trade-off (CHEUNG, 2004).
Características da otimização multiobjetivo (COELLO, 1996) :
• diversos objetivos podem ser distintos e conflitantes,
• existência de um conjunto de alternativas de solução, que
representa os melhores compromissos entre os distintos objetivos;
• das alternativas existentes, só interessa o conjunto de soluções que
atendem certas restrições (soluções factíveis); e
• necessidade de um decisor o grupo de decissores que proporcione
a informação de preferência necessária para selecionar a solução a
ser implementada.
Figura 13 – Estrutura geral dos AEMO (CHEUNG, 2003)

AEMO
Técnicas de Técnicas que não consideram Técnicas que consideram

Funções agregadas o conceito Pareto o conceito Pareto
• Técnica dos • VEGA •MOGA (FONSECA e FLEMING,

pesos (SCHAFFER, 1984) 1995)
• Programação • Ordenação • NPGA (HORN et al., 1994)
por metas lexicográfica
• NSGA (SRINIVAS; DEB, 1995)
• Técnica de • Teoria dos jogos
• SPEA (ZITZLER; THIELE, 1998)
Restrições-e
• PAES (KNOWLES; CORNE, 2000)
• NSGA II (DEB et al., 2002)
Figura 14 – Técnicas para otimização multiobjetiva aplicadas aos AEs

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
Modelagem do Problema:
Uma fonte inesgotável de água com pressão adequada.
• Uma estação de bombeamento (nb bombas), cujas capacidades e
combinações se supõem constantes no tempo t (BARÁN et al., 2005).
• Uma tubulação principal é utilizada para transportar a água.
• Um reservatório elevado, que atende a demanda por gravidade
• Período de otimização: 1 dia,dividido em 24 intervalos de 1 hora.
• Consideração da estrutura tarifária vigente (SAVIC et al., 1996) ⇒
THS Azul
• Os níveis de água reservatório (máx. e mín): considerados como
restrições do modelo.
METODOLOGIA
Funções Objetivo:
FO = Max | FO1 + FO2 |
• Eficiência Energética (FO1)
FO1 = Min | f1 |
f1 : custo de fornecimento de energia elétrica (CFE)
• Confiabilidade Hidráulica (FO2)

FO2 = Max | f2 |
f2 : níveis adequados nos reservatórios (NR)

METODOLOGIA
f1 : Custo de fornecimento de energia elétrica (CFE)
f1 = CFE = CCE + CDP + CER + CDR + CDU
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
Custo do Consumo de energia elétrica

24 nb
Q( b ,t ) × H ( b ,t ) × γ
CCE = ∑ ∑ TC × × ∆t
η ( b ,t )
t
t =1 b =1
t : hora do dia; nb : #bombas funcionando na elevatória;

TCt : tarifa unitária do consumo de energia (R$/kWh);
Q(b,t) : vazão bombeada (m3/h); H(b,t) : carga hidráulica (m);
η(b,t) : eficiência do conjunto motor-bomba (%);
γ : peso específico da água ( γ = 9.81 kN/m3);
∆t : duração do período do tempo (∆t =1h)

METODOLOGIA
Custo da Demanda de Potência
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
Custo do Consumo de Energia Reativa

24   f 
C ER = ∑ CAt ×  r − 1  × TC t
t =1 
 f 
  p 
t : hora do dia;
TCt : tarifa unitária de consumo de energia (R$/kWh);
CAt : consumo de energia ativa medido (kWh);
fr : fator de potência de referência (fr=0.92);
fp : fator de potência de cada unidade consumidora

METODOLOGIA
Custo da Demanda de Energia Reativa

 f 
C DR = Maxt24=1 ×  DAt × r − DCt  × TDt
 fp 
 
t : hora do dia;
TDt : tarifa unitária de demanda de potência (R$/kW);
DAt : demanda potência ativa medida (kW);
DCt : demanda potência contratada (kW);
fr : fator de potência de referência ( fr=0.92);
fp : fator de potência de cada unidade consumidora
METODOLOGIA
Custo da Demanda de Ultrapassagem de Potência
CDU = TUt × (DMax(b,t) - DCt )
t : hora do dia;
TUt : tarifa unitária de ultrapassagem de potência (R$/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
f2 : Níveis nos Reservatórios (NR)
Considera-se o coeficiente denominado de benefício dos níveis
adequados de água nos reservatórios: ψbn
24 nr
f 3 = BH NR = ∑∑ψ bn ( j ,t )
t =1 j =1
1/ 2
N − N min( j ) 
ψ bn ( j ,t ) =  at ( j ,t )  se N min ≤ N at ( j ,t ) ≤ N req ( j ,t )
 N req ( j ,t ) − N min( j ) 
ψ bn ( j ,t ) = 0 se N at ( j ,t ) < N min ou N at ( j ,t ) > N req ( j ,t )
Nat (j,t) : nível de água no reservatório j no tempo t (fornecido pelo

simulador hidráulico EPANET2)
Nmin (j) : nível de água no reservatório j;
Nreq (j,t) : nível de água requerido no reservatório j no tempo t
METODOLOGIA
Modelagem do sistema
• Dados cadastrais
Caracterização • Configuração física da rede
do Sistema • Estimativas de consumo
• Regras operacionais
Construção Simulação Hidráulica (aprox. real

do Modelo do sistema estudado EPANET2)
Avaliação das Otimização Multiobjetivo

Funções Objetivo (Algoritmos Evolucionários)

METODOLOGIA
Modelo Computacional
Proposto:
• Problema não linear.
• Funções objetivo: eficiência
energética e confiabilidade
hidráulica
• Restrições hidráulicas: níveis
max. e min. nos reservatórios.
• Programa Computacional:
C++ Builder 5.0
• Otimizador: AEMO - SPEA
• Simulador Hidráulico:
EPANET2
METODOLOGIA
Otimização Multiobjetivo
SPEA (Strength Pareto

Evolutionary Algorithm)
(ZITZLER e THIELE, 1998)

METODOLOGIA
Ferramentas e materiais:
• Microcomputador Pentium IV
• Programas e Linguagens:
• EPANET 2.0
• Compilador C++ Builder 5.0
• Biblioteca Galib C++ (Wall, 1996)
CRONOGRAMA

CRONOGRAMA
Revisão bibliográfica e estudo dos métodos de otimização multobjetivo
CRONOGRAMA
Análise dos AEMO para serem aplicados na otimização.

CRONOGRAMA
Exame geral de qualificação e implementação da rotina computacional e

acoplamento com o simulador EPANET2
CRONOGRAMA
Elaboração de rotinas computacionais para implementação do método MO

CRONOGRAMA
Realização das simulações computacionais do SAA em estudo
CRONOGRAMA
Avaliação dos resultados definitivos

CRONOGRAMA
Conclusões e defesa da dissertação
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.

Referências Bibliográficas
• HADDAD, J.; MARTINS, A. R.; MARQUES, M. Conservação da energia:
eficiência energética de instalações e equipamentos. Itajubá: FUPAI, 2001.
• LUVIZOTTO, E. J. Controle Operacional de Redes de Abastecimento de Água
Auxiliado por Computador. 143 p. Tese (Doutorado) Escola Politécnica da
Universidade de São Paulo, 1995.
• MONACHESI, M. G. Eficiência Energética em Sistemas de Bombeamento. Rio
de Janeiro: ELETROBRÁS/PROCEL, 2005.
• NITIVATTANANON, V.; SADOWAKI, E. C.; QUIMPO, R. G. Optimization of
Water Supply System Operation. Journal of Water Resources Planning and
Management, v. 122, n. 5, p. 374–384, 1996.
• TSUTIYA, M. T. Redução do custo de energia elétrica em sistemas de
abastecimento de água. São Paulo: Associação Brasileira de Engenharia Sanitária
e Ambiental - ABES, 2001.
• VELDHUIZEN, D. A. V. Multiobjective Evolutionary Algorithm:
Classifications, Analyses and New Inovations. Tese (PhD Thesis) — Air Force
Institute Technology, Wright-Patterson AFB, Ohio, 1999.
• ZITZLER, E. Evolutionary Algorithms for Multiobjective Optimization:
Methods and Applications. Tese (PhD Thesis) Swiss Federal Institute of
Technology, Zurich, Switzerland, 1999.
UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL

CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA
PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIAS AMBIENTAIS
ALGORITMOS EVOLUCIONÁRIOS
MULTIOBJETIVO PARA
A OTIMIZAÇÃO ENERGÉTICA DA OPERAÇÃO
DE SISTEMAS DE ABASTECIMENTO DE ÁGUA
Katheryne Lizbeth Nuñez Bardales
Orientador : Prof. Dr. Amâncio Rodrigues da Silva Jr.

Co- Orientador : Prof. Dr. Peter Batista Cheung
Campo Grande, 2006


Apresentacao Quali UFMS

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Apresentacao Quali UFMS

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL

CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA

Katheryne Lizbeth Nuñez Bardales

Orientador : Prof. Dr. Amâncio Rodrigues da Silva Jr.

Campo Grande, 2006

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 2

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 3

• Água e energia: Forte interdependência, insumos básicos.

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 4

Simulação Avaliação Planos

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 5

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 6

Figura 1 - Sistema de Abastecimento de Água (BAHIA, 1998)

EFICIÊNCIA ENERGÉTICA EM SAA

Figura 2 - Sistema de Adução

EFICIÊNCIA ENERGÉTICA EM SAA

Figura 3 - Componentes e subcomponentes do SAA (TSUTIYA, 2005)

Figura 4 - Estratégias para a

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 11

EFICIÊNCIA ENERGÉTICA EM SAA

Figura 5 - Preço Final do Fornecimento Elétrico

Figura 6 - Sistema Brasileiro de Tarifação de Energia Elétrica

EFICIÊNCIA ENERGÉTICA EM SAA

Figura 7 - Triângulo de Potências

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 15

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 16

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 17

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 19

Programação Programação Métodos

Programação Linear: ORMSBEE et al. (1989); Algoritmos genéticos:

Figura 11 – Técnicas de otimização aplicadas em SAA

Figura 12 – Modelo Hibrido. Conexão Otimizador - Simulador

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 21

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 22

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 23

Figura 13 – Estrutura geral dos AEMO (CHEUNG, 2003)

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 24

Técnicas de Técnicas que não consideram Técnicas que consideram

• Técnica dos • VEGA •MOGA (FONSECA e FLEMING,

Figura 14 – Técnicas para otimização multiobjetiva aplicadas aos AEs

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 26

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 27

FO = Max | FO1 + FO2 |

• Eficiência Energética (FO1)

• Confiabilidade Hidráulica (FO2)

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 28

f1 = CFE = CCE + CDP + CER + CDR + CDU

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 29

Custo do Consumo de energia elétrica

t : hora do dia; nb : #bombas funcionando na elevatória;

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 30

Custo da Demanda de Potência

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 31

Custo do Consumo de Energia Reativa

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 32

Custo da Demanda de Energia Reativa

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 33

Custo da Demanda de Ultrapassagem de Potência

CDU = TUt × (DMax(b,t) - DCt )

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 34

Nat (j,t) : nível de água no reservatório j no tempo t (fornecido pelo

KATHERYNE L. NUÑEZ BARDALES UFMS / CCET / PGTA / No 35

Construção Simulação Hidráulica (aprox. real

Avaliação das Otimização Multiobjetivo