Publicação: Otimização multiobjetivo usando Algoritmo Genético de Classificação Não Dominada para a operação ótima de Pequenas Centrais Hidrelétricas em cascata
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::GERACAO DA ENERGIA ELETRICA
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Ferreira, Jacson Hudson Inácio
Resumo
O Brasil possui uma das matrizes energéticas mais diversificadas do mundo, com considerável participação das fontes renováveis, em especial as fontes hídricas. Considerando a crescente demanda por energia elétrica, a construção de grandes Usinas Hidrelétricas (UHEs) é um desafio da atualidade, tendo em vista, as questões ambientais, sociais, culturais e de outorga. Assim, faz-se necessário um olhar diferenciado aos empreendimentos de pequeno porte, como as Pequenas Centrais Hidrelétricas (PCHs), bem como, a otimização na geração de energia elétrica. O presente trabalho tem como objetivo desenvolver um modelo multiobjetivo para operação ótima para as PCHs em cascata do Rio Sapucaí Paulista, sendo elas Dourados, São Joaquim, Palmeiras e Retiro. A metodologia abordada consiste em aplicar o Algoritmo Genético de Ordenação Não Dominada II (Non Dominated Sort Genetic Algorithms – NSGA - II ) no modelo multiobjetivo composto pelas funções de potência gerada no empreendimento, custo de Operação e Manutenção (O&M) e de perdas de carga para as PCHs em cascata. As curvas de eficiência da turbina e do gerador mostraram que o operador pode identificar uma faixa de operação eficiente do sistema, permitindo a geração de potência com menor consumo de recursos hídricos. Essa metodologia demonstra-se inovadora no contexto de PCHs, reforçando essa tese com a aplicação de testes estatísticos para a validação dessas funções. Os resultados do NSGA II demonstraram um ganho significativo na potência gerada na maioria dos meses do ano, principalmente no segundo semestre, quando os recursos energéticos estão críticos. Comparando com a potência real gerada no empreendimento, observou-se um ganho de 6% no mês de maio e de 10% em junho. Nos meses de julho, agosto, setembro e outubro, os ganhos superaram 100%, enquanto os meses de novembro e dezembro apresentaram ganhos de 88% e 64%, respectivamente. O uso do NSGA II pode ser uma excelente técnica para auxiliar no gerenciamento e tomada de decisão para a geração de energia elétrica em PCHs, de maneira mais eficiente.
Abstract
Brazil has one of the most diversified energy matrices in the world, with a significant share of renewable sources, particularly hydropower. Given the increasing demand for electricity, the construction of large Hydroelectric Power Plants (HPPs) presents contemporary challenges, especially considering environmental, social, cultural, and regulatory issues. Therefore, there is a growing need to focus on small-scale projects, such as Small Hydroelectric Power Plants (SHPPs), as well as on optimizing electricity generation. This study aims to develop a multi-objective model for the optimal operation of a cascade of SHPPs along the Sapucaí Paulista River, namely Dourados, São Joaquim, Palmeiras, and Retiro. The methodology consists of applying the Non-Dominated Sorting Genetic Algorithm II (NSGA-II) to a multi-objective model based on the functions of generated power, Operation and Maintenance (O&M) cost, and head losses across the cascade of SHPPs. The
turbine and generator efficiency curves revealed that operators can identify an efficient operating range for the system, enabling power generation with reduced water resource consumption. This methodology proves to be innovative in the context of SHPPs, supported by statistical tests applied to validate the model’s objective functions. The NSGA-II results showed a significant increase in power generation in most months of the year,
particularly in the second semester when energy resources are more constrained. Compared to the actual power generated by the facilities, the gains in May and June were 6% and 10%, respectively. In July, August, September, and October, gains exceeded 100%, while November and December saw gains of 88% and 64%, respectively. The application of NSGA-II proves to be an excellent technique to support decision-making and enhance the efficiency of electricity generation in SHPPs.
Palavras-chave
Eficiência, Efficiency, Geração de energia elétrica, Electric power generation, NSGA II, Optimization, Otimização, Small hydroelectric power plant, Pequenas centrais hidrelétricas
Citação
SILVA, Francisco Wellington Martins da. Otimização multiobjetivo usando Algoritmo Genético de Classificação Não Dominada para a operação ótima de Pequenas Centrais Hidrelétricas em cascata. 2025. 174 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2025. DOI
http://doi.org/10.14393/ufu.te.2025.212
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto