ESTUDO COMPARATIVO DE METODOLOGIAS COMPUTACIONAIS NA MODELAGEM DA GERAÇÃO EÓLICA NO DESPACHO HIDROTÉRMICO

Transcrição

1 ESTUDO COMPARATIVO DE METODOLOGIAS COMPUTACIONAIS NA MODELAGEM DA GERAÇÃO EÓLICA NO DESPACHO HIDROTÉRMICO Diliomar M. D. da Silva, Clodomiro U. Vila¹ 1 Universidade Federal do Paraná, Curitiba, Brasil, clodomiro@eletrica.ufpr.br Resumo: O despacho hidrotérmico no Brasil é um dos principais objetos de estudo da área de sistemas de potência. Tendo em vista o crescente aumento da demanda e as preocupações econômicas e ambientais, muitos países estão investindo em novas fontes de energia e suas tecnologias. No Brasil, a geração eólica está ganhando destaque dentre as energias renováveis devido a uma série de fatores. Neste trabalho é elaborado um estudo do estado da arte visando a comparação das metodologias computacionais existentes na modelagem da geração eólica, no despacho hidrotérmico. Para isso, cada metodologia será avaliada mediante os critérios de consideração. Os resultados são apresentados por meio de uma tabela, mostrando que há interessantes aprimoramentos nos modelos para lidar a elevada penetração de geração eólica no despacho hidrotérmico. Palavras chave: despacho hidrotérmico, geração eólica, modelagem computacional, Planejamento da operação de sistemas de energia elétrica. I. INTRODUÇÃO. O crescente aumento da demanda é o principal fator para investimento em pesquisa no setor elétrico. Após a crise energética de 2001, o Brasil aumentou a busca por novas fontes geradoras, tecnologias e metodologias para lidar com o problema do despacho hidrotérmico. Em um cenário onde as usinas térmicas possuem um alto custo operacional, a Agencia Nacional de Energia Elétrica (ANEEL) implementou a lei , visando a ampliação da matriz energética utilizando fontes renováveis, como a biomassa e as pequenas centrais hidrelétricas (PCH). Nesta diversificação da matriz energética, estudos socioambientais vêm sendo realizados a fim de avaliar em quais fontes, o país deve investir. Em [1], por exemplo, é apresentado um trabalho mostrando os impactos socioambientais causados pelas usinas hidrelétricas tanto na construção quanto na operação. Os problemas socioambientais e sua competitividade econômica são alguns dos motivos que fizeram a energia eólica ganhar um importante papel na matriz energética nacional e mundial. Segundo [2], a energia eólica representa mais de 6% da geração de energia elétrica produzida atualmente no Brasil. Também apresenta os dados dos empreendimentos cuja construção já está iniciada, e também os que já estão previstos, mas não iniciados. A previsão para o futuro é de 752 empreendimentos gerando mais de 17GW de potência. Esta expansão deve-se aos preços leiloados cada vez mais competitivos. Dados da [3], mostram que em 2015 foram realizados 654 contratos através de leilões, onde o preço médio ficou 198,03 R$/MWh. Cada contrato apresenta uma garantia física médio de 13,4 MWméd e capacidade média instalada de 28,5 MW. Com grande penetração da energia eólica no sistema de potência, o despacho econômico de energia não segue mais o tradicional despacho hidrotérmico, necessitando de uma remodelagem do problema e busca por novas soluções. De acordo com [4], um sistema hidrotérmico centralizado é dependente do operador do sistema. Suas tomadas de decisão, como ligar/desligar uma usina térmica, turbinar ou não água em uma hidrelétrica, afetam diretamente no custo da energia elétrica. No Brasil, esta tomada de decisão é realizada pelo Operador Nacional do Sistema (ONS), com base nos modelos NEWAVE, DECOMP, DESSEM e da programação diária. A Figura 1 nos apresenta o processo de decisão, e as consequências, da tomada de decisão de um sistema hidrotérmico. Podemos entender a importância da tomada da decisão olhando para suas consequências. Caso o operador opte por turbinar a água armazenada no reservatório da usina e, em um segundo estagio, o nível de afluências vier a baixar, a demanda poderá não ser atendida para os períodos seguintes causando um déficit, aumento no custo, de energia. Por isso, objetivo do problema de despacho energético é minimizar o custo de produção de energia, atendendo a demanda e respeitando os limites de geração, transmissão, etc. Neste artigo é apresentando o estudo do estado da arte na modelagem e consideração de elevada penetração de geração eólica no problema do despacho de sistemas hidrotérmicos. Na próxima seção II apresenta-se o estado da arte na metodologia do despacho hidrotérmico considerando a elevada penetração da geração eólica. Na seção III é elaborado uma comparação e discussão os modelos existentes para o problema do despacho hidrotérmico e eólico. Finalmente na seção IV as conclusões deste estudo.

2 Figura 1. Processo de decisão para o problema de despacho hidrotérmico. II. MODELAGEM DO DESPACHO HIDROTÉRMICO COM GRANDE PENETRAÇÃO DE GERAÇÃO EÓLICA Como justificado na seção I, o problema do despacho eletroenergético vem sofrendo atualizações ao longo dos anos. Com a grande penetração da energia eólica no sistema de potência, um modelo de despacho de um sistema eólicohidrotérmico é apresentado em [5]. Neste trabalho, é realizado um estudo comparativo comparativo entre as técnicas probabilísticas, e redes neurais Fuzzy, utilizadas para tratar as incertezas relacionadas ao vento. Em [6] é apresentada um avaliação do impacto da geração eólica no transporte de energia elétrica do sistema. Neste trabalho fica constatado o aumento do transporte de energia elétrica e a diminuição do risco do despacho térmico devido a inserção da geração eólica, porém os autores argumentam que estes dados são complexos de quantificar devido a natureza estocástica do vento. Outra abordagem que tem direcionado as pesquisas é quanto a complementariedade entre a geração hídrica e a eólica [7], [8] e [9]. É possível perceber que o sistema eólicohidrotérmico é beneficiado com esta relação. Para períodos de secas, costuma-se obter maiores velocidades de vento. Muitas opções podem ser exploradas devido à complementariedade. Em [7], os índices de confiabilidade do sistema são analisados, mostrando que eles melhoram para uma correlação positiva entre a geração e a carga; em [8] é apresentado uma analise comparativa, entre os países pioneiros, ou inovadores, e o cenário brasileiro; já em [9] podemos ver que sistemas eólico-hidrotérmicos são beneficiados, pois compartilham os mesmos riscos de exposição à sazonalidade dos ventos. Pesquisadores têm atacados os problemas das incertezas relacionadas, tanto ao vento quanto as hidrológicas. Em [10], é verificado o impacto das incertezas para um sistema com critério de segurança N-1, utilizando a simulação de Monte Carlo; esta mesma simulação foi utilizada em [11], em conjunto com a metodologia ARIMA, para verificar a quantidade de recurso que é requisitada pelo sistema hidrotérmico devido à inserção da geração eólica. Outra abordagem para tratar as incertezas são as ferramentas estatísticas, assim em [12] é apresentado um sistema robusto para aumentar a flexibilidade e a confiabilidade do sistema de energia. Como pode ser percebido, o problema de despacho hidrotérmico e eólico é complexo e com muitas variáveis e incertezas. Com a inserção da geração eólica, este problema tem sua complexidade aumentada, exigindo maior esforço computacional. Alguns pesquisadores desenvolveram ferramentas para auxiliar na solução do despacho hidrotérmico[13], e também no despacho eólio-hidrotérmico [14]. Em [14], o software implementado formula o problema como uma programação linear, e utiliza o método de pontos interiores para chegar à solução ótima do problema. No despacho, um dado muito importante é valor futuro da água. Como mostrado anteriormente, as tomadas das decisões no presente pode alterar o valor a agua em um período posterior. Em [15] é abordado essa preocupação, pois o objetivo de sua modelagem é a minimização do custo presente e futuro da água. Um aprimoramento desta modelagem foi realizado em [16] onde as incertezas foram tratadas pela técnica da programação dinâmica dual estocástica (PDDE). Neste trabalho fica constatado que a técnica PDDE pode ser utilizada para solucionar problemas estocásticos cujos dados de previsão foram obtidos por meio de modelos mais avançados. Analisando o problema do despacho econômico diário, podemos citar [17] onde é feita uma analise de como é o unit commitment (UC). A justificativa se deve ao fato de que o foco das pesquisas está mudando de um sistema como foco determinístico para um estocástico. Podemos perceber um avanço para o problema do UC em [18], onde é apresentada uma formulação levando em consideração a geração eólica, restrições térmicas, como rampa e limites de geração, balanço hídrico e de potência. Outro avanço são as restrições da rede considerada em [19]. Neste trabalho, o problema do despacho é dividido em subproblemas e sua solução pela abordagem de decomposição de Benders. Verificando o curto prazo, vemos a modelagem hidrotérmica proposta em [20], considerando as restrições da rede. Uma atualização do modelo para um modelo eólico hidrotérmico, pode-se citar [21] onde as restrições da rede são atendidas, minimizando as perdas do parque eólico e o uso das baterias, utilizadas para o armazenamento da energia eólica. Em [22] é utilizado o método de otimização da colônia de abelhas, inteligência artificial, para solucionar o problema multi objetivo do despacho eólico hidrotérmico. Critérios conflitantes, ambientais e econômicos, fazem deste, um problema com muitas restrições não lineares complicadas.

3 Como pode ser percebido, muitas pesquisas no tema do despacho de sistemas elétricos de potência vem sendo realizadas. Uma analise detalhada do problema será realizada a seguir, comparando com os estudos citados anteriormente. III. ESTUDO COMPARATIVO DA MODELAGEM DO DESPACHO EÓLICO HIDROTÉRMICO O planejamento da operação consiste em realizar o despacho energético das usinas do sistema levando em consideração vários critérios. Critérios como a minimização dos custos das térmicas, emissão de e das perdas por transmissão, por exemplo, resultando em um problema multi critério. Com o aumento expressivo da participação da energia eólica no sistema de potência, o planejamento se torna mais complexo devido à natureza estocástica e intermitente dos ventos. Características estas somadas as já existentes do sistema hidrotérmico. O problema do despacho eólico hidrotérmico será analisado mediante a duas questões: a formulação e a consideração das incertezas. Questões estas definidas, passamos a analisar o tratamento das incertezas e os métodos (técnicas) de solução do problema. Como vimos anteriormente, muitas pesquisas modelam o problema do despacho eólico hidrotérmico ([5], [11], [12], [15], [16], [19], [20] - [22]). Algumas destas para a programação diária como no caso de [5], [11], [19] e [22], outras para o curto prazo como em [20] e [21]. Vários métodos podem ser utilizados para lidar com o problema das incertezas envolvidas no despacho eletroenergético. Os dados de entrada do problema possuem incertezas hidrológicas e eólicas. Muitos métodos lidam com a aquisição destes dados, o modelo ARIMA e a Simulação Monte Carlo utilizado em [11]; o modelo de distribuição de probabilidades utilizado em [5], [12], [15] e [22]; o modelo auto regressivo (PAR(p)) utilizado em [16], são alguns exemplos. Outros modelos podem ser citados como o ARMA ou a densidade de probabilidade de Weibull. Para resolver problemas de otimização estocástica, alguns métodos são utilizadas. O método PDDE explicado em [23] é aplicado em [15] e [16], comprovando sua eficácia; a programação inteira mista (PIM) é aplicada em [11]; a técnica de retardo de geração de restrições (RGR) é utilizada em [12]; o método de pontos interiores usando um preditor corretor primal dual é utilizado em [5]; a técnica de decomposição de Benders é utilizada em [19]; a técnica de evolução diferencial (ED) é utilizada em [22]; um algoritmo de evolução diferencial modificada (EDM), que é uma modificação do algoritmo ED, é utilizado em [20]; Em [17], encontramos técnicas estocásticas utilizadas para a solução do unit commitment, como a programação estocástica, a programação dinâmica estocástica, otimização robusta e os modelos de comparação, por exemplo. Devido a muitos problemas computacionais, a inteligência artificial vem ganhando espaço, por causa da natureza do problema. Uma de suas inúmeras aplicações pode ser observada em [22]. Podemos citar outras técnicas como as redes neurais artificias e Fuzzy, por exemplo. Como foi apresentado acima, o problema do despacho energético eólio hidrotérmico foi analisado quanto ao tratamento das incertezas e as técnicas utilizadas para encontrar a solução. A Tabela 1 apresenta a relação de artigos mencionados nesta analise e as abordagens apresentadas em cada trabalho. Analisando a Tabela 1 percebemos que a formulação do problema depende do horizonte de planejamento. Então para um estudo de médio prazo, não foram utilizadas as técnicas ARIMA ou Simulação Monte Carlo de tratamento das incertezas. Tal simulação poderia apresentar soluções mais adequadas (próximas do real), devido a um erro menor na previsão dos dados. Esta mesma ideia pode ser estendida para os trabalhos de curto prazo. Quanto ao método utilizado para encontrar a solução do problema estocástico de otimização, percebemos que o modelo PDDE é utilizado somente para longo e médio prazo. Para o curto prazo, esta técnica poderia trazer ganho computacional e agilidade na obtenção dos resultados. A técnica de decomposição de Benders, onde todo o período de planejamento é verificado através de subproblemas, é muito utilizada e seria interessante aplica-la a todos os tipos de problemas de planejamento. Outra característica da técnica decomposição de Benders é que ela nos traz o valor futuro da água nos reservatório. Esta informação é muito importante no período de planejamento, sendo utilizada em todo o período de planejamento. Outra característica é o esforço computacional exigido. Pelo fato de dividir o problema macro em subproblemas mais simples, faz com que menor esforço computacional seja exigido para solução. Esta técnica foi utilizada em [19] para o UC, mas pode ser estendida para os demais horizontes de planejamento. Conforme o problema evolui, por motivo da inserção de novas restrições, aumento das variáveis, ele torna-se mais complexo. As técnicas de inteligência artificial estão sendo aplicadas justamente para encontrar soluções neste problemas complexos. Dos trabalhos analisados, somente o [18] e o [22] utiliza uma técnica de inteligência artificial para solucionar o problema. Muitas outras técnicas existentes podem ser aplicadas neste problema, encontrando, possivelmente, soluções melhores e de forma mais rápida. É possível notar que os trabalhos que analisaram o curto prazo não levaram em consideração as incertezas do problema. A aquisição de dados não foi realizada por meio de alguma técnica ou modelo. Aplicar qualquer uma das técnicas para aquisição de dados mencionadas neste trabalho pode resultar em uma solução muito melhor para o problema de curto prazo.

4 Tabela 1. Análise comparativa da literatura apresentada N da Referencia do Artigo Horizonte de planejamento Modelagem Incertezas Aquisição de dados Técnicas de solução Unit Curto Medio Hídrica Térmica Eólica Considera Não Considera Commitment Prazo Prazo a rede Considera ARIMA Simulação Distribuição de Cenarios Decomposição PAR(q) PDDE ED EDM PIM RGR Pontos Monte Carlo Probabilidade Plausíveis de Benders interiores IA 5 X X X X X X X 6 X X 7 X 8 X 9 X X X X 10 X X X 11 X X X X X X X X 12 X X X X X X X 13 X X X X 14 X X X X X X X 15 X X X X X X X 16 X X X X X X X 17 X X 18 X X X X X X X 19 X X X X X X X X 20 X X X X X X 21 X X X X X X 22 X X X X X x X Outras considerações

5 Outra analise importante é quanto à comparação entre métodos. Para uma mesma situação, possuir dois modelos diferentes para realizar a aquisição de dados nos mostra qual deles é mais confiável, além de apresentar as possíveis falhas/erros naquele menos confiável. O mesmo pode ser utilizado para as técnicas de solução do problema, identificando qual possui um maior ganho computacional. Uma visão mais ampla mostra a preocupação com a inserção da rede na modelagem do problema. Este aprimoramento da modelagem é devido a preocupação com os limites de transporte de potência pela rede. Esta modelagem pode ser percebida em [19] e [20]. Mais uma vez avanços podem ser alcançados, utilizando as técnicas de previsão de dados e de solução de problemas de otimização, descritas e utilizadas em outras pesquisas. Em uma comparação com o modelo de despacho hidrotérmico atual brasileiro percebemos como está defasado, tanto a formulação do problema, a ausência consideração da geração eólica, como as técnicas de solução utilizadas. Para todos os períodos de planejamento, os modelos utilizados levam em consideração somente o despacho hidrotérmico. Qualquer outra fonte de energia não é considerada. A formulação utilizada pelo Operador nacional do Sistema ainda não considera a energia eólica, fotovoltaica, etc. ou qualquer relação com estas fontes. Outra consideração, é que nos modelos utilizados, atualmente, o problema do despacho é solucionado como um problema estocástico, e para isso é utilizado a técnica PDDE. Outras técnicas, como IA por exemplo, não são consideradas. Através do tratamento das incertezas é que podemos verificar a qualidade das previsões dos dados utilizados no período de planejamento. Como foi apresentado, existem várias técnicas que ainda não são contempladas no atual modelo utilizado no Brasil. IV. CONCLUSÃO Podemos perceber que todos os trabalhos citados anteriormente avançam a ciência em algum aspecto. Mas não foram todos que realizaram a modelagem do problema de despacho hidrotérmico-eólico, porém todos encontraram uma solução para algum determinado caso. Para os trabalhos selecionados podemos concluir que a área de planejamento está longe de saturar quanto à pesquisa científica. O constate aumento da demanda, as restrições ambientais e a diversificação energética com energia renováveis estão sempre desafiando os pesquisados, forçando os a encontrar novas soluções. Estes trabalhos apresentados trazem abordagens diferentes sobre um mesmo assunto, mas nenhum deles aborda por inteiro, todos os quesitos, verificando todas as possibilidades. Temos ciência de que não conseguiremos um modelo ideal, e que aquele que abrange todas as possibilidades seria resultado de muitos anos de pesquisa, mas os desafios podem ser alcançados gradativamente. REFERÊNCIAS [1] REIS, M. M. Custos ambientais associados à geração elétrica: hidrelétricas x termoelétricas a gás natural. 200 f. Dissertação (Mestrado em Planejamento Energético). Universidade Federal do Rio de Janeiro [2] ANEEL. Capacidade de geração no Brasil. Banco de informações de geração. Out, Disponível em: rasil.cfm acessado em 13 de outubro de [3] CCEE. Resultados consolidados dos leilões 09/2016. Camera de comercialização de energia elétrica. Disponível em: _nao_logado/biblioteca_virtual?tipo=resultado%20consolidado& assunto=leil%c3%a3o&_afrloop= #%40%3f_ afrloop%3d %26tipo%3dresultado%2bconsol idado%26assunto%3dleil%25c3%25a3o%26_adf.ctrlstate%3d10m6mlp2tm_22 acessado em 13 de outubro de [4] MORAES, R. A. de. Despacho eólio hidrotérmico para horizonte de curto prazo. 130 f. Dissertação (Mestrado em Sistemas de Energia). Programa de Pós Graduação em Engenharia Elétrica, Universidade Federal do Paraná, Curitiba, [5] CASTRONUOVO, E. D. On the Optimization of the Daily Operation of a Wind-Hydro Power Plant. IEEE Transactions on Power Systems, v. 19, n. 3, p , ago [6] BILLINTON, R.; KARKI, B.; KARKI, R.; RAMAKRISHNA, G. Unit Commitment Risk Analysis of Wind Integrated Power Systems. IEEE Transactions on Power Systems, v. 24, n. 2, p , mai [7] LOPES V. S.; BORGES, C. L. T. Impacto na complementariedade entre geração eólica e hidráulica na confiabilidade composta. In: SIMPÓSIO BRASILEIRO DE SISTEMAS ELÉTRICOS. 4. Anais, 2012, p [8] CAMILLO, E. V. As políticas de inovação da indústria de energia eólica: uma análise do caso brasileiro com base no estudo de experiências internacionais. 192 f. Tese (Doutorado em Política Científica e Tecnológica). Instituto de Geociências da UNICAMP, Universidade Estadual de Campinas, Campinas, [9] WITZLER, L. T. Metodologia para reconstrução de séries históricas de vento e geração eólica visando a análise da complementariedade energética no sistema interligado nacional. 204 f. Dissertação (Mestrado em Energia). Departamento de Engenharia de Energia e Automação Elétricas, Escola Politécnica da Universidade de São Paulo, São Paulo, [10] VRAKOPOULOU, M.; MARGELLOS, K.; LYGEROS, J.; ANDERSSON, G. A probabilistic framework for reserve scheduling and N 1 security assessment of systems with wind high power penetration. IEEE Transactions on Power Systems, v. 28, n. 4, p , nov [11] RAMOS, A.; RIVIER, M.; GONZALES, J. G.; LATORRE, J. M.; ESPAÑA, G. M. Assessment of operation reserves in hydrothermal electric systems with high wind generation. In: INTERNATIONAL CONFERENCE ON THE EUROPEAN

6 ENERGY MARKET, 13, 2016, Conference publications, 2016, p [12] CHEN, Y.; WEI, W.; LIU, F.; MEI, S. Distributionally robust hydro-thermal-wind economic dispatch. Applied Energy, v. 173, p , jul [13] ZAMBON, R. C. Planejamento da operação de sistemas hidrotérmico de grande porte. 104 f. Tese (Doutorado em Engenharia Elétrica). Departamento de Engenharia Hidráulica e Sanitária, Escola Politécnica da Universidade de São Paulo, São Paulo, [14] NUMERIANO, S.; ALMEIDA, G. J. de.; AQUINO, R. R. B. de.; TORRES, G. L.; LIRA, M. M. S.; MARINHO, M. H. N.; SIMONI, V. R.; SILVA, J. B.; GOUVEIA, H. T. V.; NÓBREGA, O. NETO. Aplicação de método de pontos interiores ao despacho hidrotérmico eólico ótimo. In: SIMPÓSIO BRASILEIRO DE SISTEMAS ELÉTRICOS, , Goiania, Anais... Goiania SBSE, 2012, p [15] SILVA, R. S.; QUEIROZ, A. R. de; LIMA, L. M. M.; LIMA, J. W. M. Effects of Wind penetration in the scheduling of a hydro dominant power system. IEEE PES General Meeting Conference & Exposition. p. 1 5, [16] PEREIRA, I. F.; HOFFMANN, L.; WILLER, L. O.; CHAVES, I. da S. J.; OLIVEIRA, E. J.; RAMOS, T. P. MARCATO, A. L. M. Using stochastic dual dynamics programming and a periodic autoregressive model for wind hydrothermal long term planning. Power Tech, 2015 IEEE Eindhoven. p. 1 6, [17] ZHENG, Q. P.; WANG, J.; LIU, A. L. Stochastic optimization for unit commitment a review. IEEE Transactions on Power Systems, v. 30, n. 4, p , set [18] SHI, N.; ZHOU, S.; SU, X.; YANG, R.; ZHU, X. Unit commitment and multi-objective optimal dispatch model for windhydro-thermal power system with pumped storage. Power Electronics and Motion Control Conference, mai [19] NASRI, A.; KAZEMPOUR, S. J.; CONEJO, A. J.; GHANDHARI, M. Network-constrained AC unit commitment under uncertainty: a Bender s decomposition approach. IEEE Transactions on Power Systems, v. 31, n. 1, p , mar [20] ZHANG, J.; LIN, S.; ZENG, X.; TANG, Q. Short-term optimal hydrothermal scheduling problem considering power flow contraints. In: IEEE Congress on Evolutionary Computation, 2015, Conference publications, 2015, p [21] ZHENG, Y.; HILL, D. J.; MENG, K.; LUO, F. J.; DONG, Z. Y. Optimal short-term power dispatch schedulling for a Wind farm with battery energy storage system. In: SYMPOSIUM ON CONTROL OF POWER AND ENERGY SYSTEMS. 9. Anais, 2015, p [22] ZHOU, J.; LU, P.; LI, Y.; WANG, C.; LIU, Y.; MO, L. Shortterm hydro-thermal-wind complementary scheduling considering uncertainty of wind power using an enhanced multi-objective bee colony optimization algorithm. Energy conversion and management, v. 123, p , set 2016.