Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Tecnológico

Departamento: Engenharia Elétrica/EEL

Dimensão Institucional: Pesquisa

Dimensão ODS: Ambiental

Tipo do Documento: Projeto de Pesquisa

Título: DESENVOLVIMENTO DE UMA METODOLOGIATÉCNICA DE CONTROLE VOLT/VAR PARA APLICAÇÃO EM REDES DE DISTRIBUIÇÃO ATIVAS

Coordenador
  • MIGUEL MORETO
Participante
  • GUSTAVO GRÜBLER DE SOUZA
  • MIGUEL MORETO (D)

Conteúdo

O sistema elétrico de potência (sep) vem se tor...o sistema elétrico de potência (sep) vem se tornando cada vez mais complexo, a partir do incremento de novos equipamentos tecnológicos ao longo do sistema, como cargas não lineares e conversores de frequência. com o emprego desses equipamentos, podem ocorrer flutuações de tensão ao longo das redes de distribuição, o que dificulta a realização de um controle local, tornando-o muitas vezes ineficaz. como tentativa de melhorar o controle da rede e impedir que ocorram flutuações fora dos níveis aceitáveis de tensão, tem-se estudado diversas formas e métodos de tentar solucionar o problema. um desses novos métodos é o controle volt/var (volt/var control - vcc, do inglês), que tem por objetivo manter níveis aceitáveis de tensão ao longo das redes de distribuição, de forma a minimizar perdas e limitar o número de operações de comutação em determinados equipamentos. dessa forma, este projeto tem como propósito definir e testar uma metodologia de controle volt/var em sistemas de distribuição, elaborando um algoritmo que controle e realize os ajustes necessários para manter as tensões nos níveis adequados. inicialmente o algoritmo terá como base a técnica da lógica fuzzy, na qual traz uma alta eficiência computacional ao lidar com sistemas não lineares. a rede de distribuição será simulada utilizando o software opendss, que faz simulações de fluxo de potência e mostra as tensões ao longo das barras do sistema. a programação da metodologia será em linguagem python, para fazer a execução do algoritmo e integrar os dados obtidos no opendss ao programa.

Pós-processamento: Índice de Shannon: 3.72991

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
3,35% 3,20% 6,40% 4,21% 3,56% 4,15% 17,23% 3,71% 16,97% 5,17% 6,49% 5,58% 3,47% 5,43% 3,03% 8,07%
ODS Predominates
ODS 7
ODS 1

3,35%

ODS 2

3,20%

ODS 3

6,40%

ODS 4

4,21%

ODS 5

3,56%

ODS 6

4,15%

ODS 7

17,23%

ODS 8

3,71%

ODS 9

16,97%

ODS 10

5,17%

ODS 11

6,49%

ODS 12

5,58%

ODS 13

3,47%

ODS 14

5,43%

ODS 15

3,03%

ODS 16

8,07%