Une analyse en termes de coût d’emprunt

· Considerar geração distribuída;

· Testar outros modelos de RNA no problema e verificar desempenho;

· Considerar cargas escalonadas de acordo com horários; · Aplicar outras técnicas de inteligência artificial;

· Estimar o tempo real para religamento; · Aplicar a técnica em outro modelo do IEEE.

REFERÊNCIAS

ALTAIE, A. S.; ASUMADU, J. Fault location using a new composite control technique, multiple classifier, and artificial neural network. 2017 IEEE Texas Power and Energy Conference (TPEC), p. 1–6, 2017. Disponível em: <http://ieeexplore.ieee.org/document/7868267/>. .

ARDESHIRI, H.; BARAKATI, S. M.; RANJBAR, K. Using improved time of use demand response in optimal operation of microgrid. The 20th Iranian Electrical Power Distribution Conference (EPDC2015), 28-29 April 2015, Zahedan, Iran, , n. April, p. 28–29, 2015.

BORGES, T. T. Restabelecimento de sistemas de distribuição utilizando fluxo de potência ótimo Tese (doutorado) – UFRJ/ COPPE/ Programa de Engenharia Elétrica, 2012., 2012. UFRJ.

BRAGA, A. P.; CARVALHO, A. C.; LUDERMIR, T. B. Redes Neurais Artificiais: Teoria e aplicações. 1a. ed. Rio de Janeiro: LTC. 2000.

CHAO-MING HUANG, Y.-C. H. An Enhanced Differential Evolution Approach to Service Restoration of Distribution Systems. In: Asia- Pacific Power and Energy Engineering Conference Chengdu, China, Mar. CHAVALI, p. 1 – 4, 2010.

COELHO, A. L. V. Evolução, simbiose e hibridismo aplicados à engenharia de sistemas inteligentes modulares: Investigações em redes neurais, comitês de máquinas e sistemas multiagentesUniversidade Estadual de Campinas, 2004. Tese (Doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, 2004.

COSSI, A. M. Planejamento de redes de distribuição de energia elétrica de média e baixa tensão. Tese (doutorado) - Universidade Estadual Paulista. Faculdade de Engenharia de Ilha Solteira. Área de conhecimento: Automação, 2008.

DECANINI, J. G. M. S. Detecção, classificação e localização de faltas de curto- circuito em sistemas de distribuição de energia elétrica usando sistemas inteligentes. Tese (doutorado) – Universidade Estadual Paulista. Faculdade de

Engenharia de Ilha Solteira. Área do Conhecimento: Automação, 2012.

DIAS, K. C. DE O. Alocação de Chaves para Melhoria dos Indiciadores de Continuidade de Sistemas de Distribuição de Energia Elétrica. Dissertação de mestrado. Área de Concentração Sistemas de Energia, Departamento de Engenharia Elétrica, Setor de Tecnologia, Universidade Federal do Paraná, 2009.

ELIPSE. Elipse E3. Disponível em: <http://www.elipse.com.br/produto/elipse-e3/>. Acesso em: 10/10/2016.

FALCÃO, D. M. Integração de Tecnologias para Viabilização da Smart Grid. III Simpósio Brasileiro de Sistemas Elétricos, p. 1–5, 2010. Disponível em: <http://sites.ieee.org/bahia/files/2013/10/Palestra-Prof-Djalma-Falcao.pdf>. .

FERREIRA, L. R. Algoritimo de autorrecuperação com corte seletivo de carga para redes elétricas inteligentes. Dissertação - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-graduação em Engenharia Elétrica, 2015.

FREITAS, F. G. DE; LOIOLA, C.; MAIA, B.; Aplicação de Metaheurísticas em Problemas da Engenharia de Software : Revisão de Literatura. Reverse Engineering, v. 13, p. 411–423, 2009.

FRITZEN, P. C. Estimação da seção em falta e processamento de alarmes em sistemas de potência utilizando um sistema híbrido fundamentado na heurística construtiva e na programação inteira. Tese de Doutorado submetida ao Programa de Pós-Graduação em Engenharia Elétrica, Área de Concentração em Processamento de Energia, da Universidade Federal de Santa Maria (UFSM, RS), 2012.

GELLINGS, C. W. The smart grid: enabling energy efficiency and demand response. The Fairmont Press, Inc. 2009.

GLAMOCIC, L. R. Combinatory Search Method for Determining Distribution Network Automation. , p. 1–6, 2011. Manchester, UK.

HASSIN, E. S.; ENERGIA, E. Continuidade dos serviços de distribuição de energia elétrica : análise regulatória, correlação dos indicadores e metodologia de

compensação ao consumidor. Dissertação (Mestrado) – Universidade Federal de Itajubá, 2003.

HAYKIN, S. Redes Neurais: Princípios e prática. Paulo Martins Engel (Trad.). 2a. ed. Bookman ed. 2001.

HSU, Y.; KUO, H. A heuristic based fuzzy reasoning approach for distribution system service restoration. Power Delivery, IEEE Transactions on, v. 9, n. 2, p. 948–953, 1994.

HUANG, M. Distribution system service restoration using the artificial neural network approach and pattern recognition method. IEEE Proc. Gener. Tronsm. Distrib., Vol. 142, No. 3, May 1995, v. 142, n. 3, p. 0–5, 1995.

HUANG XIANCHAO, ZHANG LIZI, TAYLOR, G. A. Service restoration of distribution system with Distributed Generation. In: International Conference on Power System Technology, Hangzhou, China, Mar., p. 1 – 5, 2010.

HUANG Y.-C., CHEN S.-J., H. C.-M. Evolving radial basic function neural network for fast restoration of distribution systems. In: 6th IEEE Conference on Industrial Electronics and ApplicationsBeijing, China, Jun., p. 401 – 406, 2011.

IEA. International Energy Agency. Technology Roadmap - Smart Grid, 2011.

KAEWMANEE, J., SIRISUMRANNUKUL, S. Multiobjective service restoration in distribution system using fuzzy decision algorithm and node-depth encoding. In: 8th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology, pp. 893 – 896, 2011. Isan, Thailand.

KALANTAR, M., DASHTI, R., DASHTI, R. Combination of network reconfiguration and capacitor placement for loss reduction in distribution system with based genetic algorithm. In: Proceedings of the 41st International Universities Power Engineering Conference (UPEC ’06), p. v. 1, p. 308–312, 2006.

KARTHIKEYAN, S. P.; KUMAR, K. S.; HARISSH, A. S.; RAGLEND, I. J.; KOTHARI, D. P. A Matlab / GUI based simulation tool to solve load fl ow program

for standard test systems. Chennai and Dr.MGR University Second International Conference on Sustainable Energy and Intelligent System, , n. Seiscon, p. 456– 461, 2011.

KLEINBERG, M. R., MIU, K., H.-D. C. Improving Service Restoration of Power Distribution Systems Through Load Curtailment of In- Service Customers. IEEE Transactions on Power Systems, p. v.26, 3 (Aug), p. 1110–1117, 2011.

KONDO, D. V.; RELIGADORES, A. D. E.; EM, A. Alocação de religadores automatizados em sistemas de distribuição, 2015. Dissertação (Mestrado) - Escola Politécnica da Universidade de São Paulo. Departamento de Engenharia de Energia e Auto- mação Elétricas, 2015.

LUAN, W. P.; IRVING, M. R.; DANIEL, J. S. Genetic algorithm for supply restoration and optimal load shedding in power system distribution networks. Generation, Transmission and Distribution, IEE Proceedings, v. 149, n. 2, p. 145– 151, 2002.

MAZZOLA, V. B. S. M. NASSAR, J. COELHO, J. STURM, B. WILGES, G. P. MATEUS, V. B. S. Gerenciamento de Continuidade do Fornecimento de Energia Elétrica. Pesquisa de projeto de P&D financiados pela ANEEL, p. 10, 2008.

MIU, K. N., CHIANG, H., YUAN, B., DARLING, G. Fast service restoration for large-scale distribution systems with priority customers and constraints. IEEE Transactions on Power Systems, p. v.13, 3 (Aug), p. 789 – 795, 1998.

MIU, K. N., HSIAO-DONG CHIANG, MCNULTY, R. J. Multi-tier service restoration through network reconfiguration and capacitor control for large-scale radial distribution networks. IEEE Transactions on Power Systems, p. v. 15, 3 (Jul), p. 1001 – 1007., 2000.

MORI, H., MUROI, T. Application of probabilistic Tabu Search to distribution system service restoration. IEEE International Symposium on Circuits and Systems Paris, France, Jun, p. 1037 – 1040, 2011.

NAGENDRA, K. A survey on classification techniques used for rainfall forecasting. International Journal of Advanced Research in Computer Science, v. 8, n. 8, p.

226–229, 2017.

NETO, W. P. M. Restauração Automática de Redes de Distribuição de Energia Elétrica de Grande Porte com Geração Distribuída. Dissertação (mestrado) - Universidade Estadual Paulista. Faculdade de Engenharia de Ilha Solteira. Área de conhecimento: Automação, 2011.

OLEG KHATCHATOURIAN; FÁBIO R. R. PADILHA. Reconhecimento de variedades de soja por meio do processamento de imagens digitais usando redes neurais artificiais. Eng. Agríc. vol.28 no.4 Jaboticabal Oct./Dec, 2008.

OLIVEIRA, L. W. Reconfiguração e alocação ótima de capacitores em sistemas de distribuição, 2009. Tese (doutorado) – UFRJ/ COPPE/ Programa de Engenharia Elétrica, 2009.

OUALMAKRAN, Y. ET ALL. Self-healing for smart grids: Problem formulation and considerations. 3rd IEEE PES International Conference and Exhibition on Innovative Smart Grid Technologies (ISGT Europe). Berlin. Proceedings. p.p.1–6, 2012.

PERES, R. Bases de Dados e Geolocalização. Revista Portuguesa de Programação, p. 40–42, jul. 2017.

PESSANHA, J. F. M.; SOUZA, R. C.; LAURENCEL, L. D. C. Um modelo de análise envoltória de dados para o estabelecimento de metas de continuidade do fornecimento de energia elétrica. Pesquisa Operacional, v. 27, p. 51–83, 2007.

REZENDE, P.; ALMEIDA, A.; JR; NOGUEIRA, I.; GONDIM. A Relevância das Particularidades Operativas Associadas com os Estudos Computacionais de Pedidos de Indenização Por Danos Elétricos. Congreso da Universidade Federal de Uberlândia, p. 5, 2013.

RODIGHERI, A. Simulação da Confiabilidade de Redes Primárias de Distribuição Considerando Faltas Temporárias, Equipamentos Religadores , e Manobras de Restauração. Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica, 2013.

SANJANI, M. A. The prediction of increase or decrease of electricity cost using fuzzy expert systems. 4th Iranian Joint Congress on Fuzzy and Intelligent Systems (CFIS) The, p. 1–5, 2015.

SERAPIÃO, A. B. S. Fundamentos de otimização por inteligência de enxames: uma visão geral”. Revista Controle & Automação Sociedade Brasileira de Automatica. Revista Controle & Automação Sociedade Brasileira de Automatica, p. 271–304, 2009.

SILVA, A. M. DA. Dissertação de Mestrado: “Utilização De Redes Neurais Artificiais Para Classificação De Spam”, 2009. CEFET/MG.

SILVA, L. G. W. DA; PEREIRA, R. A. F.; MANTOVANI, J. R. S. Alocação otimizada de dispositivos de controle e proteção em redes de distribuição. Revista Controle & Automação, v. 21, n. 3, p. 294–307, 2010.

TEIXEIRA, F. Análise heurística: como fazer e os benefícios para o projeto. Disponível em: <https://brasil.uxdesign.cc/análise-heurística-o-que-é-como-fazer- e-os-benefícios-para-o-projeto-161f3d94436b>. Acesso em: 10/10/2017.

TOUNE, SAKAE, HIROYUKI FUDO, T. G. Comparative Study of Modern Heuristic Algorithms To Service Restoration in Distribution Systems. IEEE Transactions on Power Delivery, v.17, n. 1(Jan), pp. 173 – 181, v. 0, n. c, p. 7803, 2002.

VIEIRA, JOSÉ; GRANATO, S. PLC como Tecnologia de Suporte à Smart Grid. Disponível em: <http://smartgridnews.com.br/plc-como-tecnologia-de-suporte-a- smart-grid>. Acesso em: 10/11/2017.

WEN-HUI-CHEN. Quantitative Decision-Making Model for Distribution System Restoration. Energy Internet and Energy System Integration (EI2), 2010 IEEE Conference, 2010.

XU, L.; CHOW, M. C.; GAO, X. Z. Comparisons of logistic regression and artificial neural network on power distribution systems fault cause identification. Soft Computing in Industrial Applications, 2005. SMCia/05. Proceedings of the 2005 IEEE Mid-Summer Workshop on, p. 128–131, 2005.

YAN LI, MENGYU SHENG, YIMING LIU, J. R. Reliability Prediction of Distribution System Based on Rough Set Theory and Neural Network. Energy Internet and Energy System Integration (EI2), 2017 IEEE Conference on, p. 6, 2017.

YAN YI-XIONG, WANG YAN, S. Y.-S. The Research on Fault Restoration Considering Distributed Generation Based Particle Swarm Optimization. In: Asia- Pacific Power and Energy Engineering Conference Wuhan, China, Mar. YANG, p. 1 – 4, 2011.

ZIDAN, A., EL-SAADANY, E. F. Service restoration in balanced and unbalanced distribution systems with high DG penetration. IEEE Power and Energy Society General Meeting, p. 1–8, Detroit, Michigan, USA, Jul, 2011.

APÊNDICE A – SIMULAÇÕES OPENDSS

Figura 21: Falta Setor 1 – alternativa b

Figura 23: Falta Setor 2 – alternativa b

Figura 25: Falta Setor 2 – alternativa d

Figura 27: Falta Setor 3 – alternativa b

Figura 29: Falta Setor 3 – alternativa d

Figura 31: Falta Setor 4 – alternativa b

Figura 33: Falta Setor 5 – alternativa b

APÊNDICE B – SIMULAÇÕES REDE NEURAL

Epoch: Época é o número de iterações. Time: Tempo para treinamento.

Performance: Erro médio quadrático entre o treinamento e a saída. Gradient: É um parâmetro que ajusta os pesos necessários para uma

RNA.

Mu: É o passo, ou seja, de quanto em quanto a rede vai andar. Validation Checks: Validação dos dados da RNA.

Regression: Regressão - a RNA se realimenta durante o treinamento.

Figura 37: Performance: Falta tipo 1

Figura 40: Linha de programação no Matlab - Falta tipo 1

Resultados – Falta tipo 1

Resultado Treinamento: 0,9998. Resultado da saída: 1,0884.

Figura 41: Rede Neural – Falta tipo 2

Figura 43: Treinamento – Falta tipo 2

Resultados – Falta tipo 2

Resultado Treinamento: 2,0030. Resultado da saída: 2,0658.

Figura 46: Treinamento – Falta tipo 3

Figura 48: Linhas de programção no Matlab – Falta tipo 3

Figura 50: Performance – Falta tipo 4

Figura 52: Regressão – Falta tipo 4

Resultados – Falta tipo 4

Resultado Treinamento: 4,0000. Resultado da saída: 4,0226.

Figura 53: Linhas de programção no Matlab – Falta tipo 4

Figura 55: Performance – Falta tipo 5

Figura 57: Regressão – Falta tipo 5

Resultados – Falta tipo 5

Resultado Treinamento: 5,0022. Resultado da saída: 5,0454.

APÊNDICE C – SIMULAÇÕES ELIPSE

Figura 59: Falta setor 1_b

Figura 61: Falta setor 2_b

Figura 63: Falta setor 2_d

Figura 65: Falta setor 3_b

Figura 67: Falta setor 3_d

Figura 69: Falta setor 4_b

Figura 71: Falta setor 5_b