Otimização de contratação de demanda de potência ativa por meio do uso de algoritmos genéticos

Authors

Abstract

Atualmente, existe uma tendência mundial a controlar gastos energéticos, onde os custos da empresa, valores repassados a consumidores e o meio ambiente sejam considerados. Este fato é tão relevante que está entrando em discussões em grandes encontros de líderes econômicos, onde comentam-se a possibilidade de otimização deste setor. Baseado nisso, este artigo propõe uma otimização na contratação de demanda de energia elétrica para consumidores do Grupo A4 enquadrados na modalidade tarifária horo-sazonal verde, regulados pela Agência Nacional de Energia Elétrica - ANEEL. O objetivo é desenvolver um modelo matemático capaz de reduzir os custos mensais referentes à contratação da demanda de potência ativa, baseando-se em dados históricos das demandas medidas, a fim de encontrar o melhor valor para contratação de demanda junto às concessionárias, dada suas respectivas tarifas, normas e regulamentações do setor elétrico. A demanda contratada foi otimizada por meio do uso de algoritmos genéticos, na qual teve redução de 14,3% nos somatórios dos custos anuais da empresa referente à demanda de potência ativa. O modelo matemático foi considerado satisfatório, podendo ser expandido e aplicado em situações similares.

 

http://dx.doi.org/10.18226/23185279.v7iss2p88

References

V. BIBLIOGRAFIA

Yan-fu Zhand and Lu Ye, “The Research of Customer Relationship Management of Power Supply Enterprises”, International Conference on Power System Technology, out. 2006.

Oureste Elias Batista, “Redução do custo da energia elétrica em ambientes industriais por meio de uma estratégia de baixo custo em gestão energética”, Dissertação de Mestrado, USP, 2013.

Agencia Nacional de Energia Elétrica-ANEEL, “Resolução Normativa Nº 479”, abr.2012. Disponível em http://www2.aneel.gov.br/cedoc/ ren2012479.pdf, acesso em 27 out 2018.

Nivalde de Castro and Roberto Brandão and Nelson Hubner and Guilherme Dantas and Rubens Rosental, “A Formação do preço da energia elétrica: experiências internacionais e o modelo brasileiro”, GESEL, TDSE n.62, nov.2014.

John H. Holland, “Adaptation in natural and artificial systems”, Univ.of Michigan Press, AnnArbor.1975

Leandro Corso and Mark Wallace, “A hybrid method for transportation with stochastic demand”, International Journal of Logistics Research and Applications: A Leading Journal of Supply Chain Management, v.18, n. 4, p.342-354, DOI: 10.1080/13675567.2015.1010494, 2015.

Carmen Kar Hang Lee, “A review of applications of genetic algorithms in operations management”, Engineering Applications of Artificial Intelligence, v.76, p.1-12, DOI: 10.1016/j.engappai.2018.08.011, 2018.

David E. Goldberg, “Genetic Algorithms in search, optimization and machine learning” ISBN 0-201-12767-5, Addison-Wesley Publishing Company, jan.1989.

Davel Borges Vasconcellos and Pedro Puch González and Geovanny Frías González, “Control de demanda eléctrica aplicando algoritmos genéticos” Rev. Chilena de ingeniería, v.25, n.3, p.389-398, 2017.

Jagat Kishore Pattanaik, “Mousumi Basu and Deba Prasad Dash, Improved real coded genetic algorithm for dynamic economic dispatch”, Journal of Electrical Systems and Information Technology, v5, n.3, p349-362, DOI: 10.1016/j.jesit.2018.03.002, 2018.

Steffen Rebennack, Josef KallrathStefan Janson, “Optimization challenges in energy economics”, Energy Systems, v.5, v.1, DOI: 10.1007/s12667-013-0098-9, Springer Berlin Heidelberg, 2013.

Vítor João Pereira Domingues Martinho, “Interrelationships between renewable energy and agricultural economics: An overview”, Energy Strategy Reviews, v. 22, p. 396-409, DOI: 10.1016/j.esr.2018.11.002, 2018.

Downloads

Published

04/23/2019

How to Cite

Saccaro, E. J., & Corso, L. L. (2019). Otimização de contratação de demanda de potência ativa por meio do uso de algoritmos genéticos. Scientia Cum Industria, 7(2), 88–93. Retrieved from https://sou.ucs.br/etc/revistas/index.php/scientiacumindustria/article/view/7202

Issue

Section

INDÚSTRIA 4.0 \ Lean