Minimização de multas pagas por concessionárias de distribuição de energia elétrica através da otimização dos intervalos de manutenção

Abstract

This paper proposes a methodology for vegetation management in overhead distribution networks that reduces costs related to tree trimming and penalties due to transgression in targets for SAIDI (System Average Interruption Duration Index). Another objective of this paper is to compare Surrogate Models, based on Lognormal and Pearson distributions, with the Monte Carlo Method (MCM) to estimate the SAIDI probability distribution. In addition, penalties were estimated considering voltage restrictions and circuit loading limits during load transfers. The multi-criterial Particle Swarm Optimization algorithm was used to calculate the vegetation pruning intervals. The tests carried out on the RBTS bus 4 system showed that the distribution utilities costs have more reductions when the optimization process is based on the estimated penalty than on the expected value for SAIDI. In addition, the use of substitute models, to obtain the SAIDI probability distribution, presented low computational cost and good accuracy in relation to the MCM.Resumo: Este artigo propõem uma metodologia para o gerenciamento da vegetação em redes de distribuição aéreas que reduz os custos referentes as podas de árvores e multas devido a transgressão de metas para o índice DEC (Duração Equivalente de Interrupção por Unidade Consumidora). Outro objetivo deste artigo é comparar Modelos Substitutos, baseados nas distribuições Lognormal e Pearson, com o Método Monte Carlo (MCM) para estimar a distribuição de probabilidade de SAIDI. Adicionalmente, as penalidades foram calculadas considerando-se os limites de tensão e de carregamento dos circuitos durante as transferências de carga. O algoritmo de otimização por enxame de partículas multicritério foi usado para calcular os intervalos das podas da vegetação. Os testes realizados no sistema RBTS barra 4 mostraram que os custos das concessionárias de distribuição têm mais reduções quando o processo de otimização se baseia na penalidade estimada ao invés do valor esperado do DEC. Além disso, a utilização dos modelos substitutos, para obter a distribuição de probabilidade do DEC, apresentou um baixo custo computacional e uma boa aproximação comparada ao MMC.