@PHDTHESIS{ 2022:910980283,
 	title = {Planejamento de Baterias em Redes de Distribuição Inteligentes sob Incerteza},
 	year = {2022},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/4211",
 	abstract = "Atualmente, os sistemas de distribuição passam por um processo de transformação em redes
 elétricas inteligentes (REI). Uma das características esperadas de REI é que incorporem recursos
 energéticos distribuídos baseados em fontes renováveis, sobretudo solar. A falta de simultaneidade da
 produção energética destas fontes em relação à demanda pode resultar em problemas operacionais,
 dentre os quais destaca-se o risco de ocorrência de sobretensões. Por este motivo, espera-se que os
 sistemas de armazenamento de energia (SAE) desempenhem papel fundamental, pois permitem adequar
 os desvios entre a oferta de geração e a demanda, mitigando violações de tensão. No entanto, estes
 dispositivos têm alto custo, de forma que seus investimentos devem ser planejados de maneira a obter a
 melhor relação de custo-benefício. Neste contexto, propõe-se neste trabalho uma metodologia de
 planejamento de SAE à bateria (SAEB) para REI de distribuição com objetivo de controlar os riscos de
 violações dos índices de conformidade de tensão frente a incertezas de demanda, geração fotovoltaica e
 de indisponibilidades dos SAEB ocasionadas por falhas de seus componentes ou da rede de
 telecomunicação (RTCOM) usada nos seus controles. A metodologia se baseia em uma sequência de
 estudos que resulta no número, posicionamento e dimensões dos SAEB e configuração da RTCOM,
 além de permitir ao engenheiro de planejamento testar reforços da solução frente a incertezas por meio
 de investimentos em tapes comutáveis sob carga e melhorias da disponibilidade da RTCOM. Para isso
 utilizam-se quatro subproblemas: um problema de alocação ótima de SAEB, um método de obtenção de
 taxas de falha equivalentes para os bancos de baterias, o projeto ótimo da RTCOM e a avaliação
 probabilística da conformidade de tensão da REI utilizada para testar as soluções de planejamento frente
 a incertezas. O primeiro e o terceiro problemas são solucionados a partir de algoritmos genéticos,
 enquanto o segundo e último se baseiam em simulação Monte Carlo (SMC) sequencial. Embarcados ao
 modelo de alocação estão um modelo de otimização que determina os despachos típicos dos SAEB e
 um modelo de estimação da vida útil das baterias baseado nestes despachos. As estimativas de vida útil
 também são utilizadas para ajustar as distribuições dos tempos de falha das baterias que servem como
 parâmetros de entrada da SMC que gera taxas de falha equivalentes para os bancos de baterias coerentes
 com as condições operacionais esperadas. Já a SMC que avalia a conformidade de tensão utiliza tanto o
 mesmo modelo de despacho típico já utilizado pela alocação como também modelos de otimização que
 representam controles em tempo real para redespacho e para ajustes na potência reativa visando controle
 corretivo de tensão. Resultados avaliados em um sistema de 33 nós mostraram que a metodologia é
 capaz de produzir soluções de planejamento que reduzem os riscos de violações dos índices de
 conformidade de tensão para valores satisfatórios.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}