You are on page 1of 15

4

Anlise de Confiabilidade em Sistemas de Potncia

4.1.
Introduo
Qualquer sistema de potncia est sujeito falhas em seus equipamentos,
que muitas vezes no podem ser previstas. Estas falhas podem comprometer a
operao do sistema de potncia a ponto de inviabilizar o fornecimento de

PUC-Rio - Certificao Digital N 0220861/CA

energia aos consumidores finais. Entretanto, por meio da anlise de ndices


probabilsticos do sistema, combinados com um julgamento prprio e sob
critrios de deciso pr-estabelecidos, possvel buscar solues adequadas
para contornar estas falhas, de forma a minimizar o risco de interrupo no
fornecimento de energia eltrica.
Estes ndices so calculados por meio da tcnica de anlise de
confiabilidade, que utiliza princpios e conceitos matemticos fornecidos pela
teoria da probabilidade. A anlise de confiabilidade busca, basicamente, analisar
o risco de no atendimento demanda do sistema de potncia, tanto na fase de
operao, onde so avaliados os controles disponveis no sistema, quanto na
fase de planejamento, onde se analisa a necessidade de expanso dos circuitos
de transmisso e da capacidade de gerao.
O risco de no atendimento a demanda pode ser reduzido quando o
servio ancilar de reserva de gerao provido ao sistema. O benefcio de
confiabilidade proporcionado por este servio ancilar pode ser mensurado por
meio da reduo nos ndices de confiabilidade do sistema. Este benefcio, obtido
neste trabalho por meio do valor esperado de energia no suprida em um estudo
de confiabilidade composta, servir de base para o clculo da remunerao dos
geradores que provem este servio ancilar.
O objetivo deste captulo apresentar os conceitos bsicos e a formulao
matemtica dos ndices probabilsticos que compe a anlise de confiabilidade.
O nvel de detalhamento da anlise de confiabilidade definido de acordo com o
conceito de nveis hierrquicos de confiabilidade, definido na seo 4.2. Os
conceitos gerais de confiabilidade, bem como o clculo do valor esperado de

Anlise de Confiabilidade em Sistemas de Potncia

68

uma funo-teste, so apresentados na seo 4.3. A seo 4.4 define as


principais funes-teste utilizadas no clculo dos ndices de confiabilidade.
Os principais mtodos de seleo de estados dos componentes,
enumerao de estados e simulao de Monte Carlo, so descritos na seo
4.5. Estes mtodos sero utilizados na seo 4.6 para realizar a anlise de
desempenho do sistema em cada estado selecionado. A seo 4.7 apresenta
um algoritmo simplificado da anlise de confiabilidade utilizando o mtodo de
simulao de Monte Carlo No-Sequencial, utilizado neste trabalho para o
clculo da remunerao dos geradores que provem o servio ancilar de reserva
de potncia. Por fim a seo 4.8 apresenta as principais concluses obtidas

PUC-Rio - Certificao Digital N 0220861/CA

neste captulo.

4.2.
Nveis Hierrquicos de Confiabilidade
Um sistema de energia eltrica pode ser dividido em trs zonas funcionais:
gerao, transmisso e distribuio [46]. Para fins de estudos de confiabilidade,
estas zonas podem ser combinadas em nveis hierrquicos, conforme mostra a
Figura 4-1.

Gerao
NH1
Transmisso
NH2
Distribuio
NH3
Figura 4-1 Nveis Hierrquicos de Confiabilidade

No primeiro nvel hierrquico, conhecido tambm por NH1, toda carga e


gerao esto concentradas em uma nica barra. Neste nvel hierrquico a rede
de transmisso no considerada, o que reduz de forma significativa a
complexidade de clculo dos ndices de confiabilidade.
Entretanto, com a constante expanso dos sistemas de transmisso, as
redes eltricas se tornaram cada vez mais interconectadas. Devido a este
motivo, tornou-se necessrio representar os circuitos de transmisso durante os
estudos de confiabilidade. Este tipo de representao da rede eltrica equivale

69

Anlise de Confiabilidade em Sistemas de Potncia

ao nvel hierrquico 2 (NH2), tambm denominado confiabilidade em sistemas


compostos gerao/transmisso, ou simplesmente confiabilidade composta.
Neste nvel hierrquico o clculo dos ndices de confiabilidade se torna mais
complexo, pois, alm do aumento no nmero de variveis aleatrias,
necessrio calcular o fluxo de potncia para cada circuito da rede eltrica. O
grau de complexidade deste problema aumenta ainda mais quando so
representadas medidas corretivas que visam eliminar as violaes operativas
existentes no sistema de potncia, formuladas por meio de problemas de
otimizao.
O terceiro nvel hierrquico (NH3) compreende a anlise conjunta de todas
as zonas funcionais do sistema. Entretanto, devido complexidade e
dimenso do problema, tradicionalmente a avaliao deste nvel hierrquico
PUC-Rio - Certificao Digital N 0220861/CA

realizada de forma disjunta, onde o comportamento do sistema de distribuio


analisado em separado dos sistemas de gerao e transmisso.

4.3.
Conceitos Gerais
Um sistema de potncia composto por n componentes, tais como
geradores, linhas de transmisso, transformadores e cargas. Cada um desses
componentes possui um conjunto de estados possveis, podendo se encontrar
em qualquer um deles. Por exemplo, um gerador pode se encontrar nos estados
de operao ou de falha, enquanto que as cargas podem se encontrar nos
estados de carga leve, mdia ou pesada.
Seja um estado do sistema de potncia representado pelo vetor x: [47]

x = {x 1, x 2 ,..., x n }

(4.1)

onde:
x

vetor de estados dos componentes do sistema

xi

estado do componente i do sistema

nmero de componentes do sistema


Em geral,

considera-se apenas dois estados possveis para

os

componentes do sistema, estado de operao (xi=1) e estado de falha (xi=0),


conforme mostrado na Figura 4-2:

70

Anlise de Confiabilidade em Sistemas de Potncia

Estado
de operao
Estado
de falha
m

r
T

Figura 4-2 Diagrama de Estados dos Componentes

onde:
m

tempo mdio para falha ou MTTF (mean time to failure), calculado


como o tempo mdio em que o componente permanece no estado
de operao

tempo mdio para reparo ou MTTR (mean time to repair),


calculado como o tempo mdio que o componente permanece no

PUC-Rio - Certificao Digital N 0220861/CA

estado de falha
T=m+r

tempo mdio entre falhas ou MTBF (mean time between failure),


calculado como o tempo mdio de ocorrncia de dois estados de
falha consecutivos para um componente

Dessa maneira, a probabilidade do componente i ser encontrado em um


determinado estado pode ser calculada como:

P(x i = 0 ) = TIF =
P(x i = 1) =

r
r
=
m+r T

(4.2)

m
m
=
m+r T

(4.3)

onde:

P(x i = 0 ) probabilidade de ocorrncia do estado de falha ou taxa de


indisponibilidade forada (TIF)

P(x i = 1) probabilidade de ocorrncia do estado de operao


Estas probabilidades podem ser substitudas pelas taxas de transio dos
componentes entre os dois estados, usualmente representadas por modelos de
Markov [1]:

Estado de Operao
(xi = 1)

Estado de Falha
(xi = 0)

Figura 4-3 Modelo de Markov a Dois Estados

onde:

taxa de falha do componente i

taxa de reparo do componente i

Anlise de Confiabilidade em Sistemas de Potncia

71

As taxas de falha e reparo do componente i so calculadas como:


=

nmero de falhas do componente


1
=
tempo total que o componente permanece em operao m

(4.4)

nmero de reparos do componente


1
=
tempo total que o componente permanece em falha r

(4.5)

Assim, a probabilidade de ocorrncia de cada estado do componente i


pode ser calculada como:
P(x i = 0 ) =

TIF =

i
i + i

i
i + i

(4.6)
(4.7)

Caso as taxas de transio de cada componente xi sejam estatisticamente


PUC-Rio - Certificao Digital N 0220861/CA

independentes, possvel calcular a probabilidade do estado x do sistema como


o produto das probabilidades associadas a cada estado dos componentes:
n

P( x ) = P( x i )

(4.8)

i=1

onde:
n

nmero de componentes do sistema

xi

estado do componente i

P(xi)

probabilidade de um dado estado do componente i

estado do sistema, dado os estados dos n componentes

P(x)

probabilidade do vetor de estados x

De posse da probabilidade de ocorrncia do vetor de estados x, possvel


calcular ndices probabilsticos de confiabilidade para o sistema. O valor destes
ndices equivale ao valor esperado de uma determinada funo-teste F(x):

E(F) =

F( x ) P( x)
xX

(4.9)

onde:
E(F)

valor esperado da funo-teste

F(x)

funo-teste

P(x)

probabilidade do vetor de estados x

espao de estados do vetor x


Todos os ndices de confiabilidade podem ser obtidos atravs da frmula

(4.9), bastando apenas definir corretamente a funo-teste F(x).

Anlise de Confiabilidade em Sistemas de Potncia

72

4.4.
Definio de Algumas Funes-Teste

4.4.1.
Funo-Teste para LOLP
O ndice LOLP (Loss of Load Probability), ou probabilidade de perda de
carga, avalia a probabilidade de se efetuar um corte de carga para cada estado
amostrado x do sistema. Este ndice pode ser obtido como o valor esperado da
seguinte funo-teste:

0, se x um estado de sucesso
F(x ) =
1, se x um estado de falha

(4.10)

PUC-Rio - Certificao Digital N 0220861/CA

Um estado considerado de sucesso quando todas as cargas do sistema


so atendidas sem violaes operativas. Um estado considerado de falha
quando algumas cargas do sistema deixam de ser atendidas, a fim de que as
violaes operativas sejam eliminadas.

4.4.2.
Funo-Teste para EPNS
A funo-teste para o ndice EPNS (Expected Power Not Supplied), ou
valor esperado de potncia no suprida, avalia o montante de corte de carga
associado aos estados de falha do sistema. Este ndice calculado como o valor
esperado da seguinte funo-teste:
0, se x um estado de sucesso
F(x ) =
V, se x um estado de falha

(4.11)

onde:
V

montante de corte de carga associado ao estado x

4.4.3.
Funo-Teste para LOLE
A funo-teste LOLE (Loss of Load Expectation), ou valor esperado de
horas de dficit de potncia, avalia o valor esperado de tempo em que cada
estado de falha ir permanecer sem atender plenamente a carga do sistema.

Anlise de Confiabilidade em Sistemas de Potncia

73

Esta funo teste obtida multiplicando o valor da LOLP pelo nmero de horas
do perodo em estudo.
0, se x um estado de sucesso
F(x ) =
T, se x um estado de falha

(4.12)

onde:
T

nmero de horas de dficit de potncia

4.4.4.
Funo-Teste para EENS
A funo-teste EENS (Expected Energy Not Supplied), ou valor esperado
de energia no suprida, avalia o valor esperado de energia que ser cortada em

PUC-Rio - Certificao Digital N 0220861/CA

cada estado amostrado x do sistema. Esta funo teste obtida multiplicando o


valor da EPNS pelo nmero de horas do perodo em estudo.
se x um estado de sucesso
0,
F(x ) =
V T, se x um estad o de falha

(4.13)

onde:
V

montante de corte de carga associado ao estado x

nmero de horas de dficit de potncia

4.5.
Mtodos de Seleo de Estados
Nas sees anteriores foi visto que os ndices de confiabilidade so
obtidos como o valor esperado de uma funo-teste, E(F). Teoricamente, o
clculo de E(F) poderia ser realizado de forma direta, enumerando todos os
estados do vetor x pertencentes ao espao de estados X e aplicando a frmula
(4.9). Entretanto, o nmero de estados cresce exponencialmente com o nmero
de componentes do vetor x, fazendo com a enumerao explcita do espao de
estado se torne invivel.
Os mtodos de seleo de estados tm como objetivo reduzir o nmero de
estados simulados a uma pequena parcela do universo total que o sistema pode
assumir. Dentre os diversos mtodos de seleo de estados existentes, podem
ser citados a Enumerao de Estados e a simulao de Monte Carlo.

Anlise de Confiabilidade em Sistemas de Potncia

74

4.5.1.
Mtodo de Enumerao de Estados
Este mtodo busca selecionar o conjunto de estados a serem simulados
segundo um critrio misto de severidade/probabilidade. A severidade
geralmente estimada por ndices de desempenho que tentam prever o impacto
das contingncias no sistema em questo, enquanto que a probabilidade indica
a chance de ocorrncia de falha do equipamento.
Considere, por exemplo, uma rede com 40 circuitos, cada um deles
representado por um modelo a dois estados (falho/operativo). Essa rede
apresentaria um total de 240 estados, ou seja, mais de um trilho de estados. A
idia desse mtodo , ento, enumerar um subconjunto de estados e calcular os

PUC-Rio - Certificao Digital N 0220861/CA

limites mnimos e mximos das estimativas. Dessa maneira, excelentes


estimativas podem ser obtidas se o subconjunto for escolhido de forma
adequada, de modo que os estados no analisados possuam contribuio
desprezvel na obteno dos ndices calculados.
Para ilustrar este mtodo, considere um subconjunto de estados do
sistema (X), selecionado de acordo com algum critrio a partir do espao de
estados do sistema (X), tal que X' X . A partir deste subconjunto de estados
pode-se computar os valores dos limites inferior e superior do ndice LOLP, por
exemplo, por meio das seguintes expresses [47]:

LOLPinf =

F(x ) P(x )

(4.14)

xX '

LOLPsup = 1

[1 F(x )] P(x )

(4.15)

xX '

O gap de incerteza da estimativa definido pela diferena entre os limites


superior e inferior do ndice. Para o exemplo da LOLP tem-se:
= LOLPsup LOLPinf = 1

P(x )

(4.16)

xX '

Ou seja, o gap da estimativa do ndice igual ao somatrio das


probabilidades do estados no classificados.
Este mtodo bastante eficiente quando, depois de classificados os
estados que iro compor o subconjunto X, a probabilidade dos estados no
classificados reduzida. Este caso tpico dos estudos de confiabilidade de
transmisso, nos quais as indisponibilidades dos circuitos so usualmente baixas
e, conseqentemente, combinaes de vrias falhas simultneas de circuitos

75

Anlise de Confiabilidade em Sistemas de Potncia

so muito improvveis e podem ser eliminadas, excluindo os casos onde uma


falha ocorrida em um determinado circuito provoca falhas nos demais.
Entretanto, quando o nmero de estados que devem compor o
subconjunto X potencialmente grande, este mtodo pode se tornar invivel.
Este caso ocorre em estudos de confiabilidade composta, onde as taxas de falha
das unidades geradoras so, em geral, mais elevadas do que as dos circuitos.
Nestes estudos as falhas simultneas nas unidades geradoras possuem uma
probabilidade

de

ocorrncia

considervel,

portanto

no

podem

ser

desconsideradas.

PUC-Rio - Certificao Digital N 0220861/CA

4.5.2.
Simulao de Monte Carlo
Uma alternativa para estimar o valor de E(F) a simulao de Monte
Carlo. A simulao de Monte Carlo pode ser classificada em duas categorias:
sequencial e no-sequencial. Na primeira, os estados dos componentes do
sistema so amostrados de forma sequencial, por meio de um processo
estocstico que considere a transio entre os estados ao longo do tempo. Este
tipo de simulao empregue em problemas onde o tempo de durao de cada
estado dos componentes possui relevncia sobre os ndices de confiabilidade
obtidos.
A simulao no-sequencial corresponde amostragem de eventos, ou
seja, de retratos dos estados dos componentes do sistema. Nesta simulao se
trabalha com os tempos mdios de durao dos estados dos componentes.
Como o tempo individual dos estados dos componentes no possui relevncia
para a metodologia de clculo da remunerao dos geradores, ser utilizado
neste trabalho o mtodo de simulao de Monte Carlo no-sequencial.
Uma vez conhecidas as distribuies de probabilidades dos componentes
do sistema, o processo de amostragem realizado pelo mtodo de simulao de
Monte Carlo No-Sequencial torna-se simples. O valor esperado da funo-teste
associada ao estados destes componentes, E(F), calculado atravs do
seguinte estimador no-tendencioso [47]:
1
~
E(F ) =

NE

NE

F(x(i))
i=1

(4.17)

Anlise de Confiabilidade em Sistemas de Potncia

onde:
~
E(F )

76

estimador do valor esperado E(F)

NE

nmero de estados amostrados

x(i)

estado amostrado i

F(x(i))

resultado da funo-teste para o estado amostrado i

A expresso (4.17) valida para qualquer tipo de funo-teste F. Isto


significa que o mtodo de simulao de Monte Carlo no-sequencial pode
produzir os mesmos ndices de confiabilidade que o mtodo de enumerao.
Alm disso, neste mtodo o nmero de amostras NE necessrias para estimar
E(F) no depende do nmero de estados x no universo X. Ou seja, o tamanho
da amostra necessria para estimar uma determinada funo-teste ser sempre
a mesma, independente do nmero de barras e circuitos do sistema, conforme
PUC-Rio - Certificao Digital N 0220861/CA

ser demonstrado na prxima seo.


A principal limitao do mtodo de Monte Carlo encontra-se no fato de que
o esforo computacional aumenta com o quadrado da preciso desejada para o
clculo da estimativa de E(F). Esta relao ser apresentada na seo a seguir.

4.5.3.
Clculo da Preciso das Estimativas
Em geral o valor de E(F) no conhecido, pois os mtodos de seleo de
estados descritos anteriormente no utilizam o espao de estados completo
(populao), e sim uma parcela dele (amostra). Assim, obtm-se uma estimativa
~
do valor de E(F), E(F ) , com base na amostra adquirida.

~
De acordo com a amostra selecionada, o valor de E(F ) pode variar de
~
forma aleatria. Portanto, o estimador E(F ) pode ser tratado como uma varivel
aleatria, calculado como a mdia dos NE estados amostrados de F(x), onde x e
F(x) so tambm variveis aleatrias.

~
Assim, assumindo-se que o estimador E(F ) uma varivel aleatria, podese calcular a incerteza associada estimativa obtida em (4.17) como: [47]
V (F)
~
V E(F) =
NE

( )

(4.18)

Anlise de Confiabilidade em Sistemas de Potncia

77

Onde V(F) representa a varincia da funo-teste, estimada por:

1
~
V (F ) =

NE

[F(x(i)) E(F)]
NE

(4.19)

i=1

Usualmente, a incerteza associada estimativa representada por um


coeficiente de variao , tal que:

[V~~(F)]

0 .5

(4.20)

E(F )

Assim, reescrevendo a equao (4.18), tem-se que:


NE =

V (F )
~ 2
E(F )

(4.21)

PUC-Rio - Certificao Digital N 0220861/CA

Este resultado mostra que o esforo computacional da simulao de Monte


Carlo no-sequencial, dado pelo tamanho da amostra NE, no depende da
dimenso ou complexidade do sistema analisado. Por outro lado, o esforo
computacional depende fortemente da preciso desejada .
Conclui-se, portanto, que o mtodo de simulao Monte Carlo nosequencial o mais adequado para estudos de confiabilidade composta, onde o
nmero de estados amostrados NE usualmente elevado.

4.6.
Anlise de Desempenho
Uma vez selecionados os estados do sistema, realizada a Anlise de
Desempenho do Sistema [48]. Esta fase pode ser dividida nas cinco etapas
descritas a seguir.

4.6.1.
Etapa de Configurao de Estados
A etapa de configurao de estados responsvel pela implementao
das contingncias referentes ao estado selecionado, realizando as modificaes
necessrias na rede eltrica do sistema.
As contingncias podem ser modeladas a partir dos seguintes tipos de
indisponibilidades de gerao e/ou transmisso:

78

Anlise de Confiabilidade em Sistemas de Potncia

Sadas foradas independentes: a sada de dois ou mais componentes so


independentes quando a sada de um deles no afeta a probabilidade de
sada dos outros (ex.: falhas de circuitos simples);
Sadas foradas dependentes: uma nica causa externa inicial resulta em
sadas

mltiplas

de

componentes,

onde

essas

sadas

no

so

consequncia uma das outras, nem mesmo do sistema de proteo


comum (ex.: falha de uma torre de transmisso que suporta dois ou mais
circuitos);
Sadas foradas de componentes multi-terminais: so aquelas quando,
alm da remoo do componente falho, ocorre uma reconfigurao de

PUC-Rio - Certificao Digital N 0220861/CA

parte da rede atravs da atuao do sistema de proteo.

4.6.2.
Etapa de Pr-Soluo
Na operao real de sistemas de potncia, algumas alteraes e ajustes
preliminares no sistema so efetuados automaticamente por esquemas de
proteo e controles especficos. Dessa maneira, os modelos utilizados na etapa
de pr-soluo procuram incluir algumas das caractersticas existentes nos
controles usualmente empregados na prtica.
Os algoritmos de pr-soluo levam em considerao os seguintes
aspectos:
Identificao de separaes eltricas na rede de transmisso (ilhamento);
Atuao dos controles automticos de gerao;
Corte de carga por insuficincia de gerao.

4.6.3.
Etapa de Soluo
Nesta etapa so utilizados algoritmos de soluo de fluxo de potncia para
a determinao dos problemas relacionados com a sada de unidades geradoras
e/ou circuitos. Estes algoritmos possibilitam o clculo da distribuio dos fluxos
de potncia na rede de transmisso, a fim de se avaliar potenciais problemas de
sobrecarga nos circuitos e de tenso nas barras, identificando possveis
condies operativas anormais.

Anlise de Confiabilidade em Sistemas de Potncia

79

4.6.4.
Etapa de Ps-Soluo
A etapa de ps-soluo consiste na monitorao de grandezas operativas
do estado do sistema e identificao das falhas de acordo com um critrio prdefinido. Os tipos de problemas identificados no sistema so:
Sobrecargas em circuitos;
Violao de tenso nas barras;
Violao de intercmbios entre reas;
Quantificao do corte de carga total devido a isolamento de barras e/ou
deficincia de gerao;

PUC-Rio - Certificao Digital N 0220861/CA

No convergncia do fluxo de potncia.

4.6.5.
Etapa de Medidas Corretivas
Durante a anlise de um estado x do sistema, procura-se classific-lo
como "sucesso" ou "falha" em funo dos critrios previamente estipulados na
fase de anlise de desempenho do sistema. Um estado considerado de
sucesso se todas as cargas esto sendo atendidas sem nenhuma violao nos
limites de operao do sistema e de carregamento em seus componentes. Em
qualquer outra situao, caracteriza-se uma falha do sistema. A anlise de
desempenho do sistema tem como uma de suas ferramentas a etapa de
medidas corretivas, capaz de determinar mudanas no ponto de operao do
cenrio original resultante do fluxo de potncia, descrito na etapa de soluo.
Tais mudanas buscam reconduzir o sistema de um estado de falha a um
estado de sucesso por meio da atuao de controles, como o redespacho de
potncia dos geradores, modificao de taps de transformadores, injeo de
potncia reativa e corte de carga. Estes controles so definidos por meio de
funes-objetivo, descritas no captulo 3.

4.7.
Algoritmo de Simulao Monte Carlo No-Sequencial
Nesta seo ser apresentado um algoritmo simplificado para o mtodo de
simulao Monte Carlo no-sequencial.

Anlise de Confiabilidade em Sistemas de Potncia

80

Passo 1 Inicializar o nmero de estados amostrados:

NE = 0
Passo 2 Selecionar um estado x(i) X, a partir da distribuio de

probabilidade P(x). Incremente o nmero de estados amostrados:


NE = NE + 1
Passo 3 Calcular a funo-teste F(x(i)) para o estado amostrado x(i).

~
Passo 4 Estimar o valor esperado da funo-teste E(F ) :
1
~
E(F ) =

NE

NE

F(x(i))
i=1

Passo 5 Calcular a incerteza do estimador :

[V~~(F)]

0 .5

PUC-Rio - Certificao Digital N 0220861/CA

E(F )

Passo 6 Verificar a convergncia do processo:

Se a incerteza aceitvel ( < tolerncia) ou se o nmero mximo de


estados amostrados foi alcanado (NE = NEmax)
PARE
Seno
Retorne ao Passo 2.
Fim

4.8.
Concluses
Este captulo apresentou os conceitos bsicos que definem o conceito de
anlise de confiabilidade, como a representao de estados dos elementos do
sistema por meio de Cadeias de Markov e a frmula de clculo para sua
probabilidade de ocorrncia.
A partir dos estados que os elementos do sistema podem assumir, so
formuladas diversas funes-teste. Estas funes-teste, quando associadas s
probabilidades de ocorrncia de cada estado, iro dar origem aos principais
ndices de confiabilidade do sistema.
Para que o valor dos ndices de confiabilidade seja o mais preciso
possvel, torna-se necessrio amostrar todos possveis estados que o sistema
pode assumir. Como isto se torna invivel em sistemas de potncia de grande

Anlise de Confiabilidade em Sistemas de Potncia

81

porte, foram apresentados os mtodos mais utilizados para amostragem dos


estados do sistema em estudos de confiabilidade: enumerao de estados e
simulao Monte Carlo. Conclui-se que o mtodo de simulao Monte Carlo o
mais eficiente para estudos de confiabilidade composta, pois capaz de
amostrar um conjunto de estados elevado com um esforo computacional
reduzido.
Foi apresentado neste captulo o mtodo de anlise de desempenho
conforme utilizado pelo sistema computacional NH2 [48], desenvolvido pelo
CEPEL. Este mtodo permite que o estudo de confiabilidade composta seja
aplicado a sistemas de grande porte, como o Sistema Eltrico Brasileiro.
O conhecimento dessas informaes torna possvel o clculo do benefcio
proporcionado pelo servio ancilar de reserva de gerao ao sistema de
PUC-Rio - Certificao Digital N 0220861/CA

potncia. Este benefcio, obtido por meio do valor esperado de energia no


suprida em estudos de confiabilidade composta, servir de base para o clculo
da remunerao dos geradores que provem este servio ancilar.

You might also like