[pt] FLUXO DE POTÊNCIA PROBABILÍSTICO EM REDES ELÉTRICAS COM ALTA PENETRAÇÃO DE ENERGIAS RENOVÁVEIS VIA SIMULAÇÃO MONTE CARLO QUASE SEQUENCIAL

[en] PROBABILISTIC POWER FLOW IN ELECTRICAL POWER SYSTEMS WITH HIGH PENETRATION OF RENEWABLE ENERGY VIA QUASI SEQUENTIAL MONTE CARLO SIMULATION

[pt] PAULA ALEIXO PENNA PEREIRA

[pt] SIMULACAO MONTE CARLO QUASE SEQUENCIAL

[pt] FONTE DE ENERGIA RENOVAVEL INTERMITENTE

[pt] ESTIMATIVA DE RISCO

[pt] FLUXO DE POTENCIA PROBABILISTICO

[en] MONTE CARLO SIMULATION

[en] INTERMITTENT ENERGY SOURCE

[en] RISK ESTIMATION

[en] PROBABILISTIC POWER FLOW

[pt] O recente aumento na penetração de fontes de energia renováveis em sistemas elétricos em todo o mundo é amplamente impulsionado por políticas públicas e compromissos internacionais com a transição energética, visando mitigar os impactos das mudanças climáticas por meio de um mercado de energia mais limpo e sustentável. Embora essa energia seja abundante e com baixo impacto ambiental, sua variabilidade e baixa previsibilidade causam incertezas significativas para o planejamento e operação de sistemas elétricos. Nesse contexto, uma análise determinística se mostra insuficiente para adequadamente quantificar os riscos operacionais da rede elétrica em questão. Esta dissertação propõe uma análise probabilística de fluxo de potência usando uma simulação Monte Carlo quase sequencial para estimar a probabilidade de eventos como sobrecargas em sistemas de transmissão, desvios de tensão em barramentos e escassez de capacidade de geração. Mesmo em cenários marcados por incertezas, é essencial que os perfis de carga e geração estejam alinhados temporalmente para garantir que os casos simulados reflitam a realidade operacional, visto que ambos os perfis apresentam padrões sazonais e tendências anuais. A metodologia proposta considera incertezas não apenas na geração e na carga, mas também na topologia da rede, via contingências em equipamentos de geração e transmissão. O método é aplicado ao sistema teste IEEE RTS 79 e ao subsistema Sul do Sistema Interligado Nacional (SIN), demonstrando sua capacidade de lidar com a natureza estocástica do problema. Os resultados obtidos foram amplamente analisados e discutidos.

[en] The recent increase in the penetration of renewable energy sources in power systems worldwide is largely driven by public policies and international commitments towards the energy transition, to mitigate impacts of climate change through a cleaner and more sustainable energy market. Even though renewable energy sources are abundant and have a low environmental impact, their inherent variability and low predictability introduce significant uncertainties in power system planning and operation. In this context, a deterministic analysis is insufficient to properly quantify operational risks associated with the electrical grid. This dissertation proposes a probabilistic power flow analysis using a quasi sequential Monte Carlo simulation to estimate the probability of events such as, overloads in transmission systems, voltage deviations in busbars, and generation capacity shortages. Even in scenarios marked by uncertainties, it is essential that load and generation profiles are temporally aligned to ensure that simulated cases reflect the operational reality, as both profiles exhibit seasonal patterns and annual trends. The proposed methodology accounts for uncertainties not only in generation and load, but also in network topology, by modeling contingencies in both generation and transmission equipment. The method is applied to the IEEE RTS 79 test system and the Southern subsystem of the Brazilian Interconnected Power System (SIN), demonstrating its ability to address the stochastic nature of the problem. The results obtained are thoroughly analyzed and discussed.

ANDRE MILHORANCE DE CASTRO

ARMANDO MARTINS LEITE DA SILVA

JORGE LUIZ DE ARAUJO JARDIM

ARMANDO MARTINS LEITE DA SILVA

ANDRE MILHORANCE DE CASTRO

FERNANDO APARECIDO DE ASSIS

2026-03-24

2025-09-18

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75768@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75768@2