Comparação e avaliação de métodos evolutivos aplicados ao problema de otimização do fluxo de potência

Abstract

Este trabalho apresenta uma ótica comparativa sobre diferentes métodos de solução para o problema de otimização do fluxo de potência (FPO) em sistemas elétricos de potência. Diversas configurações podem atender ao fluxo de carga de um sistema. Contudo, o desafio está em cumprir todas as restrições do sistema, evitando sobrecargas em quaisquer barras ou elementos do sistema, ao mesmo tempo em que as perdas são minimizadas. Este desafio constitui o problema da otimização do fluxo de potência. O método tradicional de solução ótima do fluxo de potência baseia-se em técnicas de otimização que utilizam a linearização sucessiva e a programação linear. Apesar das bases matemáticas sólidas desses métodos, eles têm limitações significativas. Em particular, eles são sensíveis à formulação do problema, à seleção dos pontos iniciais do problema, e costumam convergir para um mínimo local. Este trabalho compara o desempenho entre o método tradicional de Newton-Raphson com dois populares algoritmos metaheurísticos: Algoritmo Genético (AG) e o algoritmo de Particle Swarm Optimization (PSO). Esses métodos metaheurísticos inteligentes têm sido propostos como soluções promissoras para o problema FPO. Os resultados do estudo mostram que tanto o algoritmo genético quanto o PSO têm um desempenho promissor. Em particular, o PSO se destaca por sua rápida velocidade de convergência e menor necessidade de ajuste de parâmetros. Adicionalmente, o estudo explora uma otimização do algoritmo genético, descompondo as variáveis controláveis em restrições ativas e passivas, o que acelera o processo de busca dos parâmetros ótimos. Os algoritmos apresentados apresentaram resultados extremamente competitivos, com perdas muito menores, e custo de geração ligeiramente maior.