Heuristic Methodology for Prioritizing Preventive Maintenance Actions in the Electric Power Distribution Networks

Transcrição

1 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE Heuristic Methodology for Prioritizing Preventive Maintenance Actions in the Electric Power Distribution Networks A.U. Antunes, A. M. Maciel, A. Meffe, D. Takahata, F. L. Lange Daion Engenharia e Sisteas G. H. N. Panceri, P. R. F. H. da Rocha EDP Escelsa Abstract-- The shortage of anageent tools and aintenance control tools ay cause various undesirable consequences to the utilities, such as difficulties in prioritizing activities and spending financial resources with unnecessary expenditures, aong others. This work is the result of a Research and Developent Project carried out by Daion Engineering & Systes, in partnership with two of EDP Energy Group copanies (EDP Bandeirante and EDP Escelsa). Altogether these copanies supply nearly 2.5 illion custoers in Brazil. Index Ters preventive aintenance, prioritization of easures, reliability indeces, safety. I. INTRODUÇÃO Este trabalho apresenta ua etodologia que é baseada e algorito genético e é capaz de resolver o problea de alocação de recursos de anutenção, proporcionando ao usuário do software, a lista ais adequada de edidas no sistea elétrico, de odo que, após as ações de anutenção correspondentes, ganhos significativos pode ser alcançados, tais coo acidentes pessoais e perdas ateriais evitadas, elhores indicadores de confiabilidade (DEC e FEC) e favorecer a iage da concessionária frente aos consuidores. Assi sendo, este artigo apresenta u dos produtos do projeto do P&D PD_0380_0004/2010 co a ANEEL - Agência Nacional de Energia Elétrica. O resultado final do projeto foi o desenvolviento da ferraenta coputacional denoinada GeoSiga, elaborada pela Daion Engenharia, epresa executora do projeto, e parceria co as epresas de distribuição do Grupo EDP (Escelsa: epresa This work has been the result of a R&D Project of ANEEL Brazilian Electricity Regulatory Agency. A. U. Antunes is with Daion Engineering & Systes, São Paulo, SP, Brazil (e-ail: alden@daion.co.br). A. M. Maciel is with Daion Engineering & Systes, São Paulo, SP, Brazil (e-ail: alessandro.aciel@daion.co.br). A. Meffe is with Daion Engineering & Systes, São Paulo, SP, Brazil (e-ail: andre.effe@daion.co.br). D. Takahata is with Daion Engineering & Systes, São Paulo, SP, Brazil (e-ail: dario@daion.co.br). F. L. Lange is with Daion Engineering & Systes, São Paulo, SP, Brazil (e-ail: lange@daion.co.br). G. H. N. Panceri is with EDP Escelsa, Serra, ES, Brazil (e-ail: geraldo.panceri@edpbr.co.br). P. R. F.H. da Rocha is with EDP Escelsa, Serra, ES, Brazil (e-ail: paulo.rocha@edpbr.co.br). proponente, e Bandeirante: epresa cooperada), que dera o respectivo suporte financeiro. O outro produto deste projeto de P&D é a etodologia heurística proposta no presente artigo, que fundaenta o software GeoSiga e cujas preissas básicas orientara o desenvolviento dos trabalhos: a) Não fora objetos deste projeto, udanças na periodicidade dos procedientos de inspeção visual e instruental, be coo podas periódicas, que gera as respectivas intervenções na rede elétrica. A periodicidade dos procedientos de inspeção e anutenção está definida e [1], a qual foi fielente observada pela Daion Engenharia para os propósitos deste P&D. O principal alvo desta etodologia de priorização foi coo e onde concentrar os esforços de anutenção preventiva na rede aérea de distribuição, buscando coo eta iniizar os potenciais riscos que possa se causados pela rede elétrica e elhorar os indicadores de confiabilidade, tendo e vista u certo ontante disponível de recursos orçaentários. Ressalte-se que e etodologias atuais que utiliza conceitos de RCM (Reliability Centered Maintenance), ou seja, anutenção baseada e confiabilidade, a anutenção preditiva e preventiva sisteática, baseadas e intervalos fixos de tepo, não é observada. A intervenção só ocorre devido à possibilidade de falha de u deterinado coponente. b) Convé ressaltar tabé que, esta etodologia contepla coo dados de entrada para o ódulo de priorização, as inforações sobre a avaliação dos estados físico e operacional do sistea elétrico através dos étodos direto e indireto, confore apresentado e [2]. Alé disso, as ordens de serviço de anutenção preventiva tê ua classificação [1], de acordo co a sua prioridade, coo se segue: Eergentes (edidas iediatas); Urgentes (dentro de ua seana); Prioritárias (edidas dentro de três eses); Prograáveis (edidas dentro de u ano); Inforativo (edidas não antes de três anos).

2 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE Adicionalente, a fi de se evitar no processo, a entrada de notas de anutenção rotuladas coo sendo eergentes (edidas iediatas), no processo de sorteio do Algorito Genético, as esas serão realizadas copulsoriaente. As deais notas serão contepladas pelo Algorito Genético, que levará e conta a influência das variáveis do alientador (FEC / DEC, copensações pecuniárias, e ocorrência de piscadas do alientador), configuradas pelo usuário do software, de acordo co a ponderação estipulada. A solução (conjunto de notas de serviço de anutenção) tabé dependerá do orçaento disponível. II. METODOLOGIA O problea da hierarquização de ações de anutenção preventiva e redes de distribuição de energia é u problea de otiização que pode incluir variáveis inteiras e contínuas, confore levantaento de dados apresentado e [2]. Neste problea, busca-se a priorização da ação a ser toada, e diferentes horizontes (curto, édio e longo prazo) e as respectivas listagens de ateriais/equipaentos substituídos, be coo os custos de ão-de-obra. Portanto, a escolha adequada dos tipos de dispositivos e de suas localizações e ajustes não é tarefa trivial, sendo o problea de análise cobinatorial, variáveis inteiro-ista, restrições não lineares e últiplos objetivos. Dentre os artigos técnicos pesquisados, [3] apresenta ua solução para o ranqueaento das ações de anutenção preventiva, a partir de ações preditivas de poda de árvores, inspeção visual detalhada e instruental para alientadores, e periódica para os equipaentos, que resulta e ações corretivas (reparos) nos coponentes da rede de distribuição onde fora constatadas irregularidades pelos inspetores de rede. Ua vez que todas estas inspeções candidatas possue u índice de érito atribuído, as esas são priorizadas co base e u odelo de otiização. A priorização é deterinada através de u étodo de prograação ateática (prograação inteira), no qual a função objetivo visa a axiização do índice de érito global, levando se e consideração atributos tais coo, o risco de desenvolviento de u defeito, a iportância estratégica da área inspecionada, e a densidade de consuidores, estando a esa sujeito às restrições orçaentárias. U outro artigo técnico apresenta ua aplicação de u odelo híbrido de otiização [4], baseada e Algorito Genético (Genetic Algorith) e Escalada da Montanha (Hill Clibing) [5], procurando resolver a priorização da anutenção e alientadores devido à interferência da vegetação nas redes de distribuição. Este algorito deterina quando e onde realizar a anutenção, sujeito às restrições de confiabilidade, custo e disponibilidade de equipes. A. Considerações Iniciais Direcionar a equipe de anutenção da epresa nos seus serviços envolve conheciento técnico específico, alé de considerar variáveis resultantes de inspeções, e/ou ainda de variáveis de dados históricos da epresa, coo os indicadores de qualidade de energia, idade do equipaento, dentre outras. O propósito e desenvolver u ódulo de otiização visando a priorização de recursos de anutenção perite auxiliar o engenheiro na toada de decisão, baseando-se nas variáveis ais relevantes ao problea. Os estudos realizados nessa etapa do projeto peritira analisar alguns diferentes étodos cabíveis ao problea, tais coo Algorito Genético (AG), Enxae de Partícula, Colônia de Forigas e Recoziento Siulado, considerando a sua aplicabilidade e estudos do sistea elétrico e, ais precisaente, na área de anutenção. Optou-se pelo étodo de otiização conhecido coo Algorito Genético (Genetic Algorith), co eventual possibilidade e se utilizar tabé u odelo híbrido. Vale ressaltar que outra questão ipactante para a escolha do étodo de otiização está relacionada co a função objetivo do problea, sobre a qual será abordada co aior detalhe ais adiante. B. Algorito Genético B.1. Princípio do Algorito Genético O Algorito Genético (GA Genetic Algorith) é ua classe particular de algoritos evolutivos que usa técnicas inspiradas pela Biologia Evolutiva de seleção natural de Darwin. Os eleentos que define u estado do problea fora ua população, representados por croossoos. Estes por sua vez, são representados por genes. Assi, utilizando-se alguns conceitos de hereditariedade coo cruzaento, utação e seleção natural dos ais aptos após alguas gerações, espera-se encontrar as elhores soluções. A seguir está apresentada ua explanação sucinta sobre o princípio do Algorito Genético, utilizando-se a título ilustrativo, a alocação de chaves. Raciocínio análogo pode ser utilizado para a priorização de ações de anutenção preventiva. A siulação de ua rede de distribuição de energia elétrica pode ser realizada através da representação de ua string. Na analogia co a Genética, a string seria o croossoo, enquanto que o bit, por sua vez, seria o gene, coo ostrado na rede elétrica da Figura 1.

3 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE por geração sepre estará presente na geração futura, no qual u indivíduo selecionado é substituído pelo elhor indivíduo da geração anterior de fora aleatória. B.2 Metodologia do Algorito Genético para a Escolha de Soluções Figura 1: Rede Coposta para Exeplo Ua string é coposta por diversos bits, sendo que cada bit pode assuir o valor 0 ou 1. Assi, a inforação contida no gene corresponde ao tipo de rao (co chave fechada : bit = 1, ou co chave aberta : bit = 0), utilizando a codificação binária convencional, confore ostrado na Tabela 1 a seguir. Tabela 1: Representação Binária da Rede Elétrica da Figura 1 O Algorito Genético se baseia e ua análise cobinatória, na qual se busca ua solução otiizada. O princípio básico do Algorito Genético é a adaptação da população confore a herança de bons genes das gerações antecessoras, sendo que as boas características dos indivíduos serão passadas para as gerações futuras, confore o processo de avaliação. A Figura 2 a seguir, apresenta o fluxograa do Algorito Genético. Configuração 1 Rao Chave Bit SE Barra 1 Fechada 1 Barra 1 Barra 2 Fechada 1 Barra 2 Barra 3 Fechada 1 Barra 3 Barra 4 Fechada 1 SE Barra 5 Fechada 1 Barra 5 Barra 6 Fechada 1 Barra 1 Barra 5 Aberta 0 Barra 2 Barra 6 Aberta 0 Barra 4 Barra 6 Aberta 0 Ua rede de distribuição, desta fora, pode ser representada, para cada configuração, co ua sequencia de genes (bits) de 0 e 1. Parte-se, assi, de ua população inicial de indivíduos (várias configurações contendo chaves abertas e fechadas), sendo que cada configuração é representada por ua sequencia de genes (bits) de 0 e 1. Os indivíduos são avaliados através de ua função objetivo, a qual atribuirá ao indivíduo avaliado u índice de érito. Assi, por exeplo, co u prograa de fluxo de potência, poder-se-ia avaliar a perforance ou aptidão de cada configuração (indivíduo) e relação a deterinados parâetros, tais coo, custo, quantidade de consuidores atingidos, perdas, níveis de tensão, etc. O processo de seleção, por conseguinte, seleciona os elhores indivíduos da população através de ua função de adaptação (fitness), conhecido tabé coo étodo da roleta, dessa fora, os elhores avaliados terão aior probabilidade de sere selecionados para gerar futuras gerações (novas configurações de redes co chaves de anobra alocadas). Alé dessa seleção por aptidão dos indivíduos, o processo de elitiso tabé garante que a elhor solução encontrada Figura 2: Fluxograa do Algorito Genético Define-se coo sendo u indivíduo, o conjunto de notas de serviço abertas, provenientes do sistea SAP, nas quais a codificação binária indica se as ações presentes na nota deve ser realizadas ( 1 ) ou não ( 0 ). Note-se que a quantidade de cobinações possíveis de notas abertas iplicará diretaente no tepo coputacional, para ua dada população (isto é, u conjunto de indivíduos). Assi sendo, coparando-se co a

4 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE Genética, as boas características de cada configuração corresponde analogaente aos bons genes do croossoo. O princípio é análogo à adaptação dos seres vivos nos diversos abientes. Inicialente faz-se u sorteio inicial de indivíduos, no qual será escolhida a população. Desta, seleciona-se os elhores seres adaptados e aplica-se a possibilidade de utação e cruzaento. Finalente, avaliase todos os indivíduos desta geração e, caso seja atingido o núero áxio paraetrizado de gerações, encontra-se assi o indivíduo ais adaptado. Caso contrário, o ciclo poderá ser reiniciado a partir da seleção dos elhores adaptados. B.3. Etapas do Algorito Genético As etapas necessárias para a execução do processo descrito na Figura 7 são basicaente: a) Avaliação; b) Seleção; c) Elitiso; d) Cruzaento, e; e) Mutação. Através da execução desses passos repetidaente, espera-se chegar a ua solução ais próxia da ótia quando u deterinado critério de parada é alcançado na etapa de avaliação. a) Avaliação A avaliação deve acontecer sepre que ua nova geração de indivíduos é produzida, a fi de parar o processo caso ua solução satisfatória tenha sido atingida. Para que a avaliação seja realizada, é necessário que cada geração tenha rastreados os elhores e piores indivíduos, assi coo inforações sobre o tepo de processaento. Dessa aneira, pode-se estabelecer u critério de parada, otiizando o tepo de processaento. No entanto, deve-se estabelecer tabé u núero áxio de gerações, pois alguns casos pode ter probleas para convergir, o que geraria u tepo uito grande de processaento. explicados adiante) são noralizados, de fora que a soa de todos os fitness fique sepre igual a 1. Esses valores de fitness são utilizados para selecionar os indivíduos que serão cruzados para gerar os indivíduos filhos. Esses filhos irão substituir os indivíduos da outra geração, de aneira que é esperado que a nova geração seja sepre elhor que a anterior. Vale ressaltar que eso sendo utilizados valores de fitness, ainda existe u caráter aleatório na seleção, de fora que eso que os elhores indivíduos tenha ais probabilidade de sere selecionados, os indivíduos considerados ruins tabé pode ser escolhidos para o cruzaento. Isso ipede que os cruzaentos seja realizados entre indivíduos uito parecidos entre si, o que geraria pouca udança de ua geração para outra e, consequenteente, liitaria o espaço de soluções e faria que o algorito ficasse preso e u ótio local. c) Elitiso O elitiso consiste e anter deterinada porcentage de indivíduos ais aptos da geração anterior na geração atual. Isto conserva os elhores indivíduos, garantindo que eles sobreviva ao longo das gerações e contribui para ua convergência ais rápida no processo. Esses indivíduos da geração anterior toa o lugar de indivíduos da geração atual que são aleatoriaente excluídos. d) Cruzaento Após os indivíduos sere selecionados, eles entra na etapa de cruzaento (tabé conhecida coo crossover) para gerar novos indivíduos. Cada par de indivíduos selecionados deve gerar dois filhos através do cruzaento das inforações arazenadas. Existe diversas técnicas de cruzaento e nesse projeto será utilizada a técnica conhecida coo One Point Crossover, onde as inforações são trocadas a partir de u único ponto, coo ostrado na Figura 3 a seguir. b) Seleção Os algoritos genéticos opera e u conjunto de soluções possíveis. No entanto, há ua natureza aleatória e várias partes do processo, levando o algorito a obter soluções boas, ruins ou até eso infactíveis. Para contornar esse problea, é atribuído para cada solução u valor de fitness (ou apenas fitness), que representa o quão boa é ua solução dentro de u espaço de soluções possíveis. Para obter essas representações, os valores nuéricos atribuídos para cada indivíduo (os índices de érito, que serão Figura 3: Deonstração do Cruzaento (One Point Crossover) O ponto de cruzaento tabé é escolhido de fora aleatória, de fora a evitar os ínios locais e causar ais diversidade entre as gerações. e) Mutação

5 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE A utação é ua operação que faz ua pequena udança nos indivíduos, as que não cria novos. Ela é, portanto, realizada e indivíduos que fora criados no processo de cruzaento, as soente e alguns indivíduos que são sorteados co base e certa probabilidade de utação. Nesses indivíduos sorteados, u gene é escolhido aleatoriaente e soente esse gene é alterado. Essas pequenas udanças tabé contribue para o auento da diversidade entre as gerações. B.4. Codificação do Indivíduo A codificação dos indivíduos do Algorito Genético será feita através de u vetor co coponentes binários, que representa a variável de decisão sobre a realização ou não de ações de ua deterinada nota de anutenção. Cada u dos eleentos do vetor é u gene do indivíduo, que está ostrado na Figura 4 a seguir. Cada nota de anutenção possui u índice de érito específico, sendo que o valor atribuído ao indivíduo será a soa dos índices de érito das notas que estivere arcadas co o bit 1 na variável de decisão. b) Serão exibidos os alientadores ordenados pelo índice de érito, peritindo ao usuário selecionar os alientadores que entrarão na priorização, onde será de fato utilizado o Algorito Genético. C.2. Índice de Mérito do Alientador A priorização se dará e duas etapas: C.2.1 Prieira Etapa Circuitos Prioritários Na prieira etapa da priorização, serão definidos quais circuitos serão prioritários, ediante ua pré-avaliação, que poderá levar e conta, todas as variáveis de influência que copõe o Índice de Mérito. Esse índice dever ser coposto basicaente co variáveis históricas, levando e consideração o FEC, o DEC, as ultas e as piscadas, de acordo co o seguinte equacionaento: a) Variáveis de entrada: i. Período de análise. ini Mês e ano do início do período para cálculo das variáveis influentes; fin Mês e ano do final do período para cálculo das variáveis influentes. ii. Flags de decisão se deterinada variável entrará no cálculo do. Figura 4: Codificação do Algorito Genético C. Algorito Aplicado à Priorização da Manutenção C.1. Considerações Gerais O presente ite apresenta a aplicação do Algorito Genético no problea da priorização de anutenção, introduzindo as alguas variáveis que terão papel fundaental para a avaliação das soluções correntes de cada iteração do algorito através da função objetivo. A hierarquização das ações de anutenção ocorrerá e duas partes, a saber: b FEC Flag de decisão se a variável FEC entrará no cálculo (0 ou 1); b DEC Flag de decisão se a variável DEC entrará no cálculo (0 ou 1); b MUL Flag de decisão se a variável Multas entrará no cálculo (0 ou 1); b PIS Flag de decisão se a variável Piscadas entrará no cálculo (0 ou 1); iii. Pesos das variáveis que entrarão no cálculo do. P FEC P DEC P MUL P PIS Peso da variável FEC (pu); Peso da variável DEC (pu); Peso da variável Multas (pu); Peso da variável Piscadas (pu); b) Cálculo do Índice de Mérito do Alientador ( CIR ) a) Definição dos circuitos prioritários, de acordo co ua pré-avaliação que leva e conta o cálculo do índice érito das notas se as variáveis de projeção, constituindo u índice de érito para cada alientador; O Índice de Mérito do circuito é obtido através de (1): CIR = bfec * FEC ( + bdec * DEC ( + + b MUL * MUL( hist ) + bpis * PIS ( hist ) ( 1)

6 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE Sendo que: Onde, FEC DEC MUL fin ( = pfec * = fin ( = pdec * = ini ini fin ( = pmul * = PIS ini fin ( = ppis * = FEC( FEC( DEC( DEC( MUL( CIR EMP CIR EMP MUL( ini PIS( PIS( CIR EMP CIR EMP ( 2) ( 3) ( 4) FEC(hist.) Índice de Mérito da variável FEC co dados históricos. DEC(hist.) Índice de Mérito da variável DEC co dados históricos. MUL(hist.) Índice de Mérito da variável Multas co dados históricos. PIS(hist.) Índice de Mérito da variável Piscada co dados históricos; FEC( CIR Contribuição do FEC registrado do Circuito, no FEC da Epresa, no ês ; FEC( EMP FEC registrado da Epresa no ês ; DEC( CIR Contribuição do DEC registrado do Circuito, no DEC da Epresa, no ês ; DEC( EMP DEC registrado da Epresa no ês ; MUL( CIR Multas estiadas por violação de FIC do Circuito no ês ; MUL( EMP Multas estiadas por violação de FIC da Epresa no ês ; Esse cálculo de índices de érito deve fornecer ua prieira análise sobre a situação dos circuitos ais críticos, abrindo a possibilidade para o usuário selecionar aqueles que fore de aior interesse para a priorização das notas. ( 5) (todas as variáveis da prieira etapa) ii. Flags de decisão se deterinada variável entrará no cálculo do. (todas as variáveis da prieira etapa) b CUS Flag de decisão se a variável Custo Planejado/Calculado da nota de serviço entrará no cálculo (0 ou 1); b Flag de decisão se a variável Prioridade da nota de serviço entrará no cálculo (0 ou 1); o Se houver recursos para executar todas as notas de serviço eergentes, serão calculados os índices de éritos dessas notas, ranqueando-as do aior para o enor índice de érito. Após essa prieira priorização, o AG será executado para as deais notas; o Se não houver recursos para executar todas as notas de serviço eergentes, soente entrará na priorização do AG as notas de serviço eergentes, a fi de se obter ua solução otiizada co o recurso disponível. iii. Pesos das variáveis que entrarão no cálculo do. (todas as variáveis da prieira etapa) p CUS Peso da variável Custo Planejado/Calculado da nota de serviço (pu); p Peso da variável Prioridade da nota de serviço (pu). o Para cada tipo de prioridade da nota de serviço (prioridade da haverá u peso específico p ), de fora que a soa de todos estes pesos específicos seja igual a 1. Assi, o peso final da nota de serviço será igual à ultiplicação do peso específico (de acordo co o tipo da prioridade) co o peso da variável. As prioridades são classificadas coo: ; C.2.2 Segunda Etapa Aplicação de Algorito Genético Onde, Eergente P + P Urgente + P Pr ioritária + P Pr ograada + P Inforativa = 1 ( 6) A segunda etapa da priorização é onde o algorito genético realente irá atuar, co base nos valores dos índices de érito das notas de serviço abertas que estivere contidas nos circuitos selecionados na prieira etapa. Nesta etapa, são incluídas as variáveis de projeção do FEC e de ultas, assi coo as prioridades atribuídas a cada nota, cada qual co seu respectivo peso, de acordo co o seguinte equacionaento: a) Variáveis de entrada: i. Período de análise. iv. Restrição Flag se a restrição de recursos financeiros será considerada no otiizador, be coo o valor do recurso disponível. b) Cálculo do Índice de Mérito da Solução, ou Indivíduo ( IND ), be coo o Índice de Mérito da Nota de Serviço ( ): O Índice de Mérito da Solução é obtido através de (7):

7 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE IND NOS = b n = 1 * ( 7) O Índice de Mérito da Nota de Serviço é obtido através de (8): = nu den Onde, b Variável, ou o bit, que definirá se deterinada nota de serviço da solução corrente será executada (b =1) ou não (b =0). Desta fora, ua solução, ou indivíduo, será a coposição de várias notas de serviço, ou genes, envolvidas na otiização. nu ( 8) = b + b * ( + ) + * FEC FEC( FEC ( proj) + b + b * ( + ) + DEC * DEC( MUL MUL( MUL( proj) Ressalte-se que: den + b PIS * PIS (hist ) ( 9) Se b CUS =0, então = 1 (10) Se b CUS =1, então den CPLAN = (11) C = p * p TOTAL ( prioridade da ) ( 12) N CO_EMP Núero de consuidores da epresa; D JUS Deanda calculada à jusante da chave pai da instalação e que está associada a nota de serviço; D EMP Deanda total da epresa; PIS CIRC Quantidade de piscadas do alientador; PIS EMP Quantidade de piscadas da epresa; B CUS Flag de decisão se a variável custo entrará no cálculo (0 ou 1). C PLAN Custo planejado/calculado da nota de serviço; C TOTAL Custo total planejado/calculado de todas as notas de serviço envolvidas na priorização; b Flag de decisão se a variável Prioridade da nota de serviço entrará no cálculo (0 ou 1); b FEC Flag de decisão se a variável FEC entrará no cálculo (0 ou 1); b DEC Flag de decisão se a variável DEC entrará no cálculo (0 ou 1); b MUL Flag de decisão se a variável ulta entrará no cálculo (0 ou 1); b PIS Flag de decisão se a variável piscada entrará no cálculo (0 ou 1). Desta fora, a ferraenta de priorização heurística deverá fornecer ao final da segunda etapa, ua lista co a priorização das notas de serviço de anutenção, dentre os circuitos ais críticos selecionados, focando na elhoria ótia dos indicadores de segurança e tabé aqueles relativos aos de continuidade (indicadores globais e individuais). = FEC ( proj) p FEC N * N CO _ JUS CO _ EMP ( 13) III. RESULTADOS = p MUL( proj) = p PIS ( proj) PIS MUL D * D PIS * PIS JUS JUS CIRC EMP ( 14) ( 15) FEC(proj) Índice de Mérito da variável FEC projetado pela não realização da nota de serviço; MUL(proj) Índice de Mérito da variável Multas projetado pela não realização da nota de serviço; PIS(proj) Índice de Mérito da variável Piscadas projetado pela não realização da nota de serviço; FEC(hist.) Índice de Mérito da variável FEC histórico; MUL(hist.) Índice de Mérito da variável Multas histórico; Índice de Mérito da variável Prioridade da nota de serviço; CO_JUS Núero de consuidores que seria afetados pela não realização da nota de serviço; A. Considerações Iniciais Para a avaliação das ações de anutenção preventiva a sere priorizadas, fora consideradas as notas de anutenção abertas, dados históricos de DEC e FEC, alé das ultas pecuniárias por transgressões dos indicadores individuais de continuidade, poré, não levando-se e consideração as interrupções oentâneas e teporárias de tensão, pois estes últios ainda estão e fase final de extração e foratação. Alé da avaliação das notas, ua avaliação dos circuitos, que é feita considerando-se apenas dados históricos, é feita antes do início dos cálculos e ordena os circuitos de acordo co seus índices de érito, indicando quais são aqueles ais críticos, de acordo co os critérios definidos pelo usuário. Essa avaliação de circuitos pode tabé ser feita independenteente das ações de anutenção. Para essas siulações, serão considerados os circuitos da subestação BCU, que possue 512 notas de serviço abertas no período de 01/2012 até 12/2012, totalizando u custo de R$ ,88, de acordo co a Figura 5. Coo as piscadas não estão sendo consideradas ainda, a caixa Perturbações

8 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE (histórico) foi desarcada e fora dados pesos iguais para as outras variáveis. Fora considerados os seguintes parâetros para o Algorito Genético: Núero de gerações: 1000; Núero de indivíduos: 600; Probabilidade de cruzaento: 80%; Probabilidade de utação: 5%. Não foi considerado u liite áxio de tepo (tie out) para as siulações. Ressalte-se que os valores históricos de DEC e FEC, corresponde aos valores da contribuição de cada circuito no DEC e FEC anual da concessionária. C. Aplicação do AG: Orçaento de R$ ,00 Para início das análises dos resultados do Algorito Genético, foi considerada ua restrição orçaentária de R$ ,00. Vale lebrar que, caso não seja selecionada nenhua restrição de orçaento, o Algorito Genético não será executado, pois não havendo restrições, a elhor solução é a de sepre executar todas as notas. Fora feitas análises, considerando ou não, o custo planejado odular de cada nota de serviço, pois a inclusão, ou não do eso, altera o cálculo do índice de érito, produzindo resultados co diferentes conotações. C.1 Considerando o Custo Planejado Figura 5: Circuitos Selecionados para Priorização A Figura 7 ostra a janela de resultado do Algorito Genético para este caso. Coo as notas de serviço eergentes não entra no cálculo do AG, o eso só é executado co as deais notas, sendo o resultado dessas ostrado e azul. A solução final encontrada apresentou u custo de R$ ,79, ou seja, dentro do orçaento áxio estipulado. Desta fora, conteplando-se as considerações acia citadas, está apresentado a seguir, os resultados do GeoSiga. B Avaliação de Circuitos A avaliação de circuitos, que precede a priorização de notas de serviço, apresentou os resultados ostrados na Figura 6. Os circuitos fora ordenados pelo índice de érito, indicando que o circuito BCU1301 é o ais crítico, enquanto o BCU1305 é o enos crítico, considerando-se pesos iguais, atribuídos às variáveis para o cálculo do índice de érito. Figura 7: Resultados de Priorização Considerando o Custo Planejado C.2 Não Considerando o Custo Planejado Figura 6: Resultados da Avaliação de Circuitos A esa análise do ite C.1 foi refeita, se considerar o custo planejado, ou seja, desarcando a opção Custo Planejado [R$] (calculado) presente na janela de configuração ostrada na Figura 5. A desarcação desse ite causa ua udança no cálculo do índice de érito de cada nota, pois o eso não será ais dividido pelo custo da nota e pu. A Figura 8 ostra os resultados dessa análise. Verifica-se que a solução encontrada apresenta u custo total de R$ ,07, dentro do orçaento estipulado. Ebora o custo planejado não tenha sido inicialente considerado no côputo do índice de érito, este valor resulta

9 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE da soatória dos valores das notas de anutenção selecionadas pelo Algorito Genético. Figura 8: Resultados de Priorização se Considerar o Custo Planejado D. Análise dos Resultados Após ua avaliação dos casos apresentados, percebe-se que o algorito ipleentado apresenta ua boa alternativa de priorização da anutenção preventiva, dentro do orçaento estipulado e co base nos critérios técnicos definidos pelo usuário. Há, no entanto, alguas divergências e relação aos resultados quando se considera ou não, o custo planejado odular de cada nota de serviço. Quando esse custo é considerado, o índice de érito da nota é dividido pelo custo da esa, e pu, o que faz co que notas co custo baixo tenha u índice de érito uito aior que outras co custo u pouco ais elevado. Isso faz co que as notas de custo ais elevado não tenha uita influência no índice de érito total, podendo até sere excluídas da solução, ao passo que notas co custo uito baixo, tende a se perpetuar até o final da execução do AG. Essa análise é ua otiização da relação (benefício / custo) e pode deixar o custo da solução ais abaixo da restrição, do que a otiização apenas do benefício. Quando apenas o benefício é considerado, ou seja, quando o custo odular de cada nota é desconsiderado no cálculo do índice de érito, existe ua tendência aior de aproveitaento de todos os recursos disponíveis (restrição orçaentária), pois, ua vez que o custo não está sendo considerado, os índices de érito das notas terão valores ais próxios uns dos outros, indicando apenas o benefício técnico de cada nota. IV. CONCLUSÕES Este artigo apresentou a ferraenta coputacional elaborada pela Daion Engenharia, e parceria co as epresas de distribuição do Grupo EDP (Bandeirante e Escelsa). No cenário anterior de indicadores técnicos [6], o incentivo de investientos estava sendo direcionado para que as concessionárias tivesse ais zelo co o congloerado de unidades consuidoras (e outras palavras, consideradas de fora coletiva), coo por exeplo, os bairros residenciais. Co a nova regulaentação [7], a tendência do incentivo à elhoria da confiabilidade está focada principalente na unidade consuidora (DIC, FIC e DMIC; e ais recenteente, o DICRI), pois coo a copensação financeira é proporcional à fatura da esa, a distribuidora está sendo incentivada a atuar ais sob o ponto de vista da anutenção preventiva, por exeplo, nas unidades consuidoras do Grupo A4 (que possue consuo elevado). Assi, desde o início de 2010, vislubra-se que o foco da atuação das concessionárias possa estar igrando do coletivo para o individual, podendo influenciar nas decisões de priorização de edidas preventivas. Desta fora, devido às incertezas de natureza regulatória, que possa afetar as prioridades e teros de continuidade no forneciento de energia elétrica, optou-se por ipleentar ua etodologia que conteplasse tanto parâetros relacionados ao congloerado de clientes (FEC e DEC), quanto parâetros que avalia o cliente de fora individual (copensações pecuniárias por transgressão dos indicadores individuais DIC, FIC e DMIC). Assi, esta etodologia pode considerar tanto aspectos coletivos, tanto individuais, dependendo das ponderações (pesos) atribuídos pelo usuário do software, na coposição do Índice de Mérito (avaliado pelo usuário, de fora a conteplar a(s) variável(eis) de aior representatividade no estudo). Adicionalente, ressalte-se que o aplicativo coputacional, alé de conteplar as interrupções de tensão de longa duração (igual ou superior a 3 inutos), tabé pode considerar aquelas que são causadas, por exeplo, por contato teporário co a arborização, e que, no entanto, pode acionar os dispositivos de proteção autoáticos, provocando piscadas aos consuidores. Ebora estas interrupções de curta duração não estão ainda passíveis de copensações, pode acarretar prejuízos aos processos produtivos das unidades consuidoras, razão pela qual, estes registros de interrupções oentâneas ou teporárias de tensão tabé pode ser contepladas pelo software. Por derradeiro, é iportante ressaltar que a ferraenta e desenvolviento visa priordialente a prevenir ocorrências que produza cenários de riscos patrioniais ou de segurança a pessoas e aniais, alé de proover a adequação técnicoeconôica da rede/equipaentos aos padrões vigentes da concessionária, identificando e priorizando alientadores (através de u ranqueaento) que seja objeto de ua intervenção de capo ais andatória, localizando aqueles circuitos co aior necessidade de intervenções, alé de se elhorar os indicadores de confiabilidade, e consequenteente, redução de ultas pecuniárias pagas aos consuidores, e enor ipacto devido às piscadas. Assi sendo, a exposição de possíveis benefícios e teros econôicos da aplicação dos resultados do GeoSiga é assaz subjetiva, ou até eso intangível, e situações onde ocorra, por exeplo, o ropiento de u condutor priário devido a não realização de poda, podendo ter consequências negativas das ais diversas para a concessionária, inclusive jurídicas.

10 THE 10 th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRAMISSION - CLAGTEE Utility Standard: V. REFERENCES [1] EDP - Energias do Brasil S.A.: Estratégias de anutenção de Redes MT e BT Nora NO.MA , de Technical Report: [2] Daion, Análise do Estado dos Eleentos das Redes de Distribuição RT 1.2, versão 3, Projeto de P&D U Novo Paradiga de Planejaento e Gestão da Manutenção dos Sisteas de Distribuição Fundaentado e Indicadores de Continuidade, DAON/ESCELSA, São Paulo, arço de Papers Presented in Conferences: [3] Pelegrini, M.A.; Kagan, N.; Henriques, H. O.; Vaz, M. R.; Araújo, A. C. M.; Moreira, A. C. C.; Ferreira, A. F., "Optiization of aintenance Actions in Distribution Networks", CIRED 18 th International Conference on Electricity Distribution, Turi, Jun [4] Kuntz, P.A.; Christie, R. D.; Subrahanya, S. V., "Optial Vegetation Maintenance Scheduling of Overhead Electric Power Distribution Systes", IEEE Transactions on Power Delivery, Vol. 17, n o 4, pp , Out Book: [5] Oliveira, C. C. B.; Kagan, N.; Schidt, H. P.; Kagan, H.; "Métodos de Otiização Aplicados a Sisteas Elétricos de Potência", Editora Blucher, 2009, p Regulatory Decrees: [6] ANEEL - Agência Nacional de Energia Elétrica; Resolução n o 024, de 27 de janeiro de [7] ANEEL - Agência Nacional de Energia Elétrica; Resolução n o 395, de 15 de dezebro de 2009 (e atualizações subsequentes) - PRODIST - Procedientos de Distribuição de Energia Elétrica no Sistea Elétrico Nacional, Módulo 8 Qualidade da Energia Elétrica. VI. BIOGRAPHIES Alden Uehara Antunes was born in Ilha Solteira, Brazil, on March 10th, He graduated in Electrical Engineering at the Politechnic School of São Paulo University in He received his MSc at the Politechnic School of São Paulo University in 1999 and his PhD at the Politechnic School of São Paulo University in Nowadays, he is with Daion Engenharia e Sisteas, a copany specialized in developing engineering software, R&D projects and consultancy projects. He has experience in the area of Electrical Engineering with ephasis on the Distribution of Electricity acting ainly on the following topics: Electrical distribution syste planning, ethodologies for calculating technical losses, protection of priary feeders, service quality and sart grids. André Meffe was born in São Paulo, Brazil, on April 23th, He graduated in Electrical Engineering fro University of São Paulo in He received his MSc in Electrical Engineering fro University of São Paulo in 2001 and his PhD in Electrical Engineering fro University of São Paulo in He has been with the Departent of Electrical Engineering at the University of São Paulo fro 1999 to 2004, where he worked with researches related to electric distribution systes. Nowadays, Mr. Méffe is with Daion Engenharia e Sisteas, a copany specialized in developing engineering software, R&D projects and consultancy projects His current research interests include electrical power distribution planning, ethodologies for calculating technical losses and technical losses targets, service quality and sart grids. Alessandro Mendonça Maciel was born in Jales in the state of São Paulo, Brazil, on Noveber 28th, He graduated fro the University of São Paulo at the São Carlos Engineering School (EESC). His eployent experience includes electrical engineering studies such as electrical systes protection, load flow and transients. Nowadays he works with Research and Developent in the electrical energy distribution area. Dário Takahata was born in São Paulo, Brazil, in He graduated in Electrical Engineering at the University of São Paulo, São Paulo, Brazil, in 1985 and received the M.S. degree at the University of São Paulo, São Paulo, Brazil, in He has been working in the electricity industry since then, in Brazil and abroad. His experience as an electrical engineer coprises a period with Kennedy & Donkin, a consultancy copany in England, Theag Engineering (one of the leading consultancy copanies in Brazil) and ARSESP (São Paulo State Regulatory Agency of Energy and Sanitation). Currently he is Coordinator of Research & Developent (R&D) Projects of Daion Engineering & Systes. Fernando Locks Lange was born in Medianeira in the state of Paraná, Brazil, on May 17th, 1982, and graduated in Electrical Engineering in Deceber 2007, at the State University of West Paraná, with ephasis on Power Systes. He joined the copany Daion Engineering and Systes Ltd. in 2008, and since then he has been working as an engineer of technical solutions and software developent. He has participated in several R & D projects, developing technical odules calculation, optiization algoriths, aong other jobs. Soe of these works have earned hi publications at iportant events in the power sector. He has been working for Daion, acting continuously in studies of distribution systes of electric utilities in Brazil.