O Programa de Pós-graduação em Mecatrônica (PPGM) da Universidade Federal da Bahia convida a comunidade universitária para sua 5^a Defesa de Tese de Doutorado.

DOUTORANDO RAFAEL FERREIRA LOPES
BANCA:

Prof. Dr. Antonio Cezar de Castro Lima (UFBA)
Prof. Dr. Márcio Fontana (UFBA)
Prof. Dra. Aurenice Oliveira (University of Maryland)
Prof. Dr. Germano Crispim Vasconcelo (UFPE)
Prof. Dr. Daniel Barbosa (UFBA)
DATA/HORÁRIO 06/10/2017, sexta-feira, às 09 horas

LOCAL Sala 12 do IME/UFBA

Resumo:

A relação entre consumo e oferta da energia é um dos fatores primordiais no planejamento e na operação dos sistemas de energia elétrica. A escassez de chuvas, além de agravar o quadro, mostra a realidade da falta de um processo de planejamento eficiente no país. É preciso que o Estado volte a investir no setor e que sejam criadas condições para que a iniciativa privada também invista e torne o seu consumo mais eficiente.
Em função da problemática apresentada o presente trabalho propõe uma metodologia que prevê a demanda com algum tempo de antecedência e que disponibiliza um balanceamento nas cargas elétricas eficaz para que não ocorram picos na demanda de energia ocasionando assim um consumo mais eficiente e sem multas.
Para a primeira etapa foi realizado um estudo com duas técnicas que realizam previsão de séries temporais: Análise Espectral Singular e Redes Neurais FeedForward. A primeira se mostrou mais eficiente em previsões mais distantes e a segunda em previsões mais a curto prazo. Provando que a sua combinação é a metodologia mais eficiente em um ciclo de previsões de 24 horas.
Na segunda etapa foi desenvolvida uma heurística baseada em enxame de partículas para resolver o problema na alocação de cargas elétricas ao longo do dia em uma indústria. Foram coletadas em 5 indústrias as informações referentes ao total de cargas instaladas e a demanda de energia em intervalos de 15 minutos. As cargas foram distribuídas aleatoriamente e o algoritmo desenvolvido foi aplicado para balancear e otimizar a demanda de energia ao longo do dia. O desempenho foi comparado ao de um PSO binário padrão e de um modelo matemático também implementado para resolver o problema. Os resultados apontam para uma maior efetividade no algoritmo proposto para todos os cenários independentemente da quantidade de cargas e restrições.
Com o intuito de testar este modelo foi implementado um Sistema de Gerenciamento de Demanda inteligente. A ferramenta de otimização visou alocar a potência gerada nas fontes de geração de energia local de acordo com a demanda das cargas acionadas ao longo do dia, considerando a natureza intermitente da energia eólica e solar. A abordagem de escalonamento proposta foi testada em um sistema utilizando dispositivos embarcados em uma rede de comunicação sob o protocolo Zigbee durante um período de 7 dias.