Otimização de Perdas Elétricas em Redes de Distribuição de Energia Elétrica com PSO, GWO e Algoritmo Genético

Descrição

O presente projeto de pesquisa propõe o desenvolvimento, a implementação e a avaliação comparativa de três algoritmos de otimização metaheurística — a Otimização por Enxame de Partículas (PSO — Particle Swarm Optimization), o Otimizador dos Lobos Cinzentos (GWO — Grey Wolf Optimizer) e o Algoritmo Genético (AG — Genetic Algorithm) — aplicados à minimização de perdas elétricas em redes de distribuição de energia elétrica. A plataforma de simulação adotada é o OpenDSS (Open Distribution System Simulator), simulador de código aberto desenvolvido pelo Electric Power Research Institute (EPRI) e amplamente reconhecido pela comunidade científica internacional como uma das ferramentas mais completas, flexíveis e precisas para a simulação de sistemas de distribuição de energia elétrica. A validação e os testes dos algoritmos serão realizados exclusivamente no sistema de barras padronizado pelo Institute of Electrical and Electronics Engineers (IEEE) de 33 barras — o benchmark mais utilizado na literatura de otimização de sistemas de distribuição radial de energia elétrica. O OpenDSS é um simulador de sistemas de distribuição de energia elétrica de código aberto, de uso gratuito, multiplataforma e altamente flexível, que oferece suporte nativo a análises trifásicas desequilibradas, séries temporais, integração de geração distribuída, análise de harmônicos e fluxo de carga em regime permanente. Sua interface COM (Component Object Model) permite a integração direta com linguagens de programação como Python, possibilitando a implementação de rotinas de otimização externas que interagem com o simulador de forma automatizada: o algoritmo de otimização propõe uma solução (configuração da rede, localização de capacitores ou de geração distribuída), a solução é enviada ao OpenDSS via interface COM/Python, o OpenDSS executa o cálculo do fluxo de carga e retorna os resultados (perdas totais, perfis de tensão, correntes de ramal) ao algoritmo de otimização, que os utiliza para avaliar a qualidade da solução e propor a próxima iteração de busca. Esse ciclo de co-simulação é repetido até a convergência do algoritmo, resultando na solução ótima ou próxima do ótimo para o problema em questão. As perdas não técnicas são definidas como toda a energia elétrica efetivamente consumida por unidades consumidoras, porém não registrada e não faturada pelas concessionárias distribuidoras. No Brasil, as PNT representam um dos maiores desafios do setor elétrico, com custos estimados em torno de R$ 5,6 bilhões ao ano, concentrados especialmente nas regiões Norte e Nordeste. A abordagem deste projeto fundamenta-se na premissa de que as condições técnicas e operacionais da rede de distribuição — perfis de tensão, correntes nos ramais, configuração topológica — influenciam diretamente a magnitude das PNT e a capacidade das distribuidoras de detectar irregularidades de consumo. A otimização dessas condições por meio de algoritmos metaheurísticos aplicados à reconfiguração ótima da rede (ONR), ao posicionamento ótimo de bancos de capacitores (OCP) e à alocação ótima de geração distribuída (DGPS), mediada pela co-simulação com o OpenDSS, representa uma estratégia sistêmica e tecnologicamente avançada para o combate estrutural às PNT. Os três algoritmos investigados — PSO, GWO e AG — foram selecionados por critérios de relevância científica, maturidade metodológica e desempenho comprovado em problemas de otimização de sistemas de distribuição. O PSO (Kennedy e Eberhart, 1995) é o algoritmo metaheurístico mais amplamente documentado na literatura de sistemas de potência, com aplicações extensas ao problema de minimização de perdas no sistema IEEE-33, incluindo estudos que utilizam o ambiente OpenDSS como ferramenta de simulação do fluxo de carga. O GWO (Mirjalili et al., 2014) é um algoritmo bioinspirado de segunda geração que tem demonstrado reduções de perdas ativas de até 63,13% no sistema IEEE-33 em problemas de reconfiguração de rede, superando consistentemente o PSO e o AG em estudos comparativos recentes. O AG, baseado nos princípios da evolução darwiniana, é o algoritmo metaheurístico histórico de maior tradição na área de sistemas de potência, servindo como referência de comparação fundamental em todos os estudos da área. A validação será conduzida no sistema IEEE de 33 barras, que consiste em uma rede radial com 33 barramentos, 32 ramais, operando em 12,66 kV, com carga total de 3.715 kW e 2.300 kVAr. No estado base, o sistema apresenta perdas ativas de 202,68 kW, tensão mínima de 0,9038 p.u. no barramento 18 e 21 barramentos violando o limite regulatório de 0,95 p.u. O modelo do sistema IEEE-33 será implementado em OpenDSS utilizando arquivos de script no formato DSS (linguagem nativa do simulador), e a interface Python-OpenDSS será implementada por meio da biblioteca OpenDSSDirect.py, que oferece integração nativa e multiplataforma com o motor de simulação do OpenDSS, dispensando o uso de sistemas operacionais Windows e eliminando a dependência de licenças comerciais de software. Ao final do projeto, espera-se a identificação do algoritmo de melhor desempenho para a minimização de perdas não técnicas no sistema IEEE-33, por meio de análise comparativa estatisticamente rigorosa, e a publicação dos resultados em periódicos IEEE, Elsevier e MDPI de alto impacto. Todo o código Python desenvolvido, incluindo os algoritmos de otimização e a interface com o OpenDSS, será disponibilizado publicamente em repositório no GitHub, contribuindo para a reprodutibilidade científica e para a comunidade de pesquisa em sistemas de distribuição.